祁曉玲

（山西鐵道職業(yè)技術(shù)學(xué)院，太原 030024）

0 引言

復(fù)雜環(huán)境下的目標(biāo)包裝物有效識別研究對于社會工業(yè)生產(chǎn)、環(huán)保以及物流領(lǐng)域均有非常重要的意義。多自由度的機械臂以其多元化功能被廣泛應(yīng)用于各個領(lǐng)域［1］。復(fù)雜環(huán)境下的目標(biāo)包裝物有效識別是機械臂精確定位作業(yè)的基礎(chǔ)，傳統(tǒng)的視覺定位通常采取單眼機器視覺的方式［2］，在識別效果上的精度較差，并且對于復(fù)雜環(huán)境的特征提取具有較大的局限性。環(huán)保垃圾撿拾機械臂所作業(yè)的環(huán)境更為復(fù)雜，對計算機機器視覺的技術(shù)應(yīng)用提出更高的要求，包裝定位的機器視覺需求也更高［3］。機器視覺系統(tǒng)構(gòu)建包括：機械與控制系統(tǒng)、精密光學(xué)相機和系列化視覺標(biāo)定算法等多個方面［4］。

SURF全稱為加速魯棒特征，基于SIFT衍生而來，SURF相較于SIFT可以更快進行算法計算，并且在圖像平移、亮度變化以及尺寸凸顯等方面較大程度地提高運算效率與穩(wěn)定。本文基于針孔成像原理，通過雙目相機標(biāo)定的方法，以復(fù)雜環(huán)境下的目標(biāo)包裝物的視覺定位檢測過程為研究對象，分析歸納包裝過程難點，通過利用高精準(zhǔn)的SURF局部特征點的定位與提取，整理出1套具有科學(xué)性的復(fù)雜環(huán)境下的雙目視覺定位技術(shù)。相較于單眼識別定位方法，降低空間識別誤差，為智能識別復(fù)雜空間中的包裝系統(tǒng)構(gòu)建提供支持。

1 雙目視覺系統(tǒng)建模分析

1.1 針孔成像模型

針孔成像模型建模的核心作用是將三維空間模型轉(zhuǎn)化為二維圖像，模擬人眼將三維模型中的空間坐標(biāo)映射成為二維圖像坐標(biāo)［5］。模型建立的坐標(biāo)主要包括世界坐標(biāo)系、相機坐標(biāo)系、圖像坐標(biāo)系以及像素坐標(biāo)系［6］。各類坐標(biāo)系模型的位置關(guān)系如圖1所示。世界坐標(biāo)系的點P經(jīng)小孔Oc投影形成圖像坐標(biāo)系，并經(jīng)相機轉(zhuǎn)化構(gòu)建出圖像像素坐標(biāo)。

圖1 針孔坐標(biāo)系模型原理圖Fig.1 Schematic diagram of pinhole coordinate system model

圖中X與Y軸分別同相機CCD傳感器定位軸平行，相機軸向同坐標(biāo)系方向保持一致，U軸同X軸，V軸與Y軸分別保持平行。以CCD傳感器的標(biāo)注方向為向量方向，分別記物理向量為dX和dY，單位為米/像素。圖像坐標(biāo)系向像素坐標(biāo)系轉(zhuǎn)化的關(guān)系如式（1）所示。

相機坐標(biāo)系與圖像坐標(biāo)系在針孔成像模型上進行架構(gòu)，得到兩坐標(biāo)轉(zhuǎn)換關(guān)系如式（2）所示，f為平面到小孔的距離，ω為深度距離。

世界坐標(biāo)系與像素坐標(biāo)系的轉(zhuǎn)化關(guān)系如式（3）所示，R為旋轉(zhuǎn)矩陣，t為平移向量。

1.2 雙目相機標(biāo)定

雙目標(biāo)定的基礎(chǔ)是要明確相機內(nèi)部參數(shù)與位置間的關(guān)系，而相機間的內(nèi)部參數(shù)如式（4）所示，Sx為相機的偏斜系數(shù)。

雙目視覺系統(tǒng)基于單眼設(shè)計的基礎(chǔ)而建立［7］，其關(guān)系如圖2所示。

圖2 雙目視覺原理圖Fig.2 Schematic diagram of binocular vision

雙目視覺系統(tǒng)是2個相機在同1個世界坐標(biāo)系下構(gòu)建，以確定物體的位置，而未通過旋轉(zhuǎn)矩陣與平移向量以實現(xiàn)圖像的標(biāo)定。

將外相機移動方向之間的夾角記作視角α，標(biāo)識平行于地面方向的長度記作L，左相機距標(biāo)

識平面的垂直距離記作u0。在相機進行圖像拍攝時，相機距標(biāo)識平面左邊沿對應(yīng)軸方向的最小距離wt需滿足公式（5）。

2 SURF 局部特征提取研究

在整個復(fù)雜環(huán)境下目標(biāo)包裝物的定位中，首先對目標(biāo)包裝物進行精確有效地識別；隨后在圖像檢測上，對特定的位置進行特征的精確抓取、標(biāo)定［7］；最后機械臂對目標(biāo)包裝加以抓取。對圖像進行處理是視覺技術(shù)的基礎(chǔ)，局部特征是對圖像有效信息抓取的關(guān)鍵，SURF是局部特征抓取的主要方式，具有可重復(fù)性、可區(qū)別性以及識別性強的特征［8］。SURF在局部特征提取上包括特征點的選擇與描述子2部分。

2.1 提取SURF 特征關(guān)鍵點

SURF特征提取的主要流程如圖3所示［9］。首先通過終端設(shè)備對圖像進行采集，實現(xiàn)圖像素材的輸入；然后在Hessian矩陣的轉(zhuǎn)化下得到高斯圖像，確定圖像中包裝物等雜物同環(huán)境背景的差異，標(biāo)識關(guān)鍵點及其方向；最后明確SURF中的局部特征與特征方向，實現(xiàn)SURF特征圖像的輸出。

圖3 SURF算法流程圖Fig.3 Flow chart of SURF algorithm

對SURF局部特征的圖像尺度，采取圖像高斯金字塔的方式來對圖像環(huán)境差異變化進行關(guān)鍵點的提取，而后進行濾波，得到平滑性圖像。圖像中的像素點x=（x，y），在x處的尺度關(guān)系，表示為Hessian矩陣如下式所示。

其中，Lxx（x，σ）為圖像中x處的高斯二階導(dǎo)數(shù)，Lxy（x，σ）為圖像中x與y處分別求得的高斯二階導(dǎo)數(shù)，Lyy（x，σ）為圖像中y處的高斯二階導(dǎo)數(shù)。SURF特征提取中精簡了差分運算，進而可加快圖像的計算效率。圖像中的像素表達轉(zhuǎn)化為數(shù)字表達，通過模板的方式轉(zhuǎn)化，經(jīng)Hessian矩陣卷積與平滑處理后，得到如圖4所示的結(jié)果。

圖4 圖像積分模板Fig.4 Integral template of image

2.2 構(gòu)造SURF特征描述子

在完成SURF特征描述的基礎(chǔ)上，對圖像周邊提箱信息核心關(guān)鍵點加以提取，被稱為圖像特征的描述子。SURF 特征描述子處理的目的是在圖像抓取過程中，對環(huán)境中的各類影響圖像信息的干擾因素加以排除［10］。圖像處理算法的核心步驟是先對圖像進行像素的增強，在保證圖像質(zhì)量的基礎(chǔ)上，再降低圖像處理算法的復(fù)雜性。

在復(fù)雜環(huán)境下的目標(biāo)包裝物定位算法驗證前，需對包裝物體輪廓進行圖像加強凸顯，保證被標(biāo)定邊的特征可以被有效抓取［11］。保邊濾波相較于傳統(tǒng)的去SURF特征描述子方法可以將原先的邊框加以平整化處理，將外輪廓有效地突出，對不同類型的邊緣細(xì)節(jié)進行有效地平滑過渡，使其像素表現(xiàn)更為平整有效，明確不同物體邊緣的保持狀態(tài)。SURF 特征描述子結(jié)果標(biāo)注前后圖像如圖5和圖6所示。

圖5 相機終端采集實景拍攝圖Fig.5 Real scene snap of camera terminal acquisition

圖6 SURF 特征描述子標(biāo)注示意圖Fig.6 Schematic diagram of SURF feature descriptor annotation

采取SURF特征描述子可以實現(xiàn)對目標(biāo)的邊緣進行有效地標(biāo)注，使整體的圖像顯示較為模糊。通過SURF特征描述子可使得復(fù)雜環(huán)境下的目標(biāo)包裝物的邊緣被有效地保留，而且對于目標(biāo)包裝的背景以及包裝上相應(yīng)的紋理加以平滑處理。

3 基于標(biāo)識的雙目視覺室內(nèi)定位系統(tǒng)

在完成圖像雙目視覺標(biāo)識定位的基礎(chǔ)上，對復(fù)雜環(huán)境下的目標(biāo)包裝物進行精準(zhǔn)化定位標(biāo)定，具體過程：通過工業(yè)相機的拍攝對被標(biāo)定物精確定位，明確復(fù)雜環(huán)境下的目標(biāo)被抓取物的邊框，并對圖像中多余的邊框部位加以及時地背景剔除，使得可以通過機械臂實現(xiàn)目標(biāo)物的精確抓?。?2］。

在目標(biāo)包裝物定位過程中，需明確目標(biāo)包裝物區(qū)域邊角的坐標(biāo)點，滿足后續(xù)抓取機械對于精準(zhǔn)定位參數(shù)的要求。結(jié)合現(xiàn)有的視覺算法，通過SURF特征進行圖像邊緣檢測，如圖7所示。

圖7 雙目視覺標(biāo)定流程示意圖Fig.7 Schematic diagram of flow chart of binocular vision calibration

結(jié)合項目實踐經(jīng)驗可知，在目標(biāo)包裝物的定位算法中，利用SURF特征可以有效地將目標(biāo)包裝物的外輪廓加以定位，圖像要素均可以被有效提取，在結(jié)合形態(tài)學(xué)以及處理后，系統(tǒng)中大部分冗余的噪聲可以被有效地清除。復(fù)雜環(huán)境下的目標(biāo)包裝物定位算法的核心是對包裝系統(tǒng)的紋理特征頻段加以信息強化，使得外部邊緣信息可以被有效地放大與加強，保證核心的大部分外紋理被顯示出來。對采集后的外邊輪廓進行數(shù)值標(biāo)定；明確外邊緣尺寸參數(shù)范圍取值。采用SURF對照程序?qū)υ瓐D與經(jīng)雙目視覺定位的圖像比較，可實現(xiàn)對復(fù)雜環(huán)境下的目標(biāo)包裝物的外輪廓精確定位，達到預(yù)期設(shè)定的目標(biāo)。

4 雙目視覺定位算法結(jié)果分析

圖像雙目視覺標(biāo)識定位在經(jīng)過特征提取分析后，對目標(biāo)包裝物實現(xiàn)有效地標(biāo)定，雙目視覺標(biāo)定在單目視覺標(biāo)定上進行二重標(biāo)定。結(jié)合目標(biāo)包裝物的標(biāo)定點數(shù)量統(tǒng)計，對與實際世界坐標(biāo)系下標(biāo)定點誤差在10%內(nèi)的點數(shù)量進行統(tǒng)計，雙目視覺標(biāo)定與單目視覺標(biāo)定的位置曲線如圖8所示。

圖8 單雙目視覺標(biāo)定點誤差10%內(nèi)的點數(shù)對照圖Fig.8 Comparison of points within 10% error of binocular vision calibration points

雙目視覺的特征點數(shù)量明顯多于單目視覺。對圖像中的SURF局部特征點進行強化，利用圖像間的幾何關(guān)系，定位效果更加有效。在像素坐標(biāo)的確定上，基于標(biāo)定包裝物色塊與周邊環(huán)境的差異性進行像素坐標(biāo)識別，最終轉(zhuǎn)化為圖像中的SURF局部特征點坐標(biāo)，實現(xiàn)像素向標(biāo)點計算機語言的轉(zhuǎn)化。對單雙目的橫縱坐標(biāo)定位誤差值，即CDF值進行統(tǒng)計，結(jié)果如圖9所示。

圖9 單雙目視覺標(biāo)定點CDF統(tǒng)計對照圖Fig.9 Statistical comparison diagram of CDF of binocular vision calibration points

采取雙目視覺定位可以有效降低CDF誤差定位的特征點數(shù)量，定位更加精準(zhǔn)。SURF采集的圖像坐標(biāo)是在傅里葉變換的基礎(chǔ)上，對圖像頻譜進行信號分解，技術(shù)優(yōu)勢在于強化包裝邊緣的像素差異檢測，通過濾波計算將信號實現(xiàn)精準(zhǔn)化提取，進而得到視覺中標(biāo)定物的數(shù)據(jù)信息。

5 結(jié)語

隨著智能化識別技術(shù)的不斷發(fā)展，在復(fù)雜空間下的包裝物識別已成為包裝領(lǐng)域的研究熱點。本文利用針孔成像的原理，通過雙相機疊加進行SURF特征點的提取，經(jīng)過SURF算法的特征點描述實現(xiàn)目標(biāo)包裝物定位，最終對包裝的特征進行視覺處理，實現(xiàn)對包裝物的像素坐標(biāo)識別。通過對目標(biāo)包裝進行SURF的單雙目視覺標(biāo)定，結(jié)果表明，采取雙目識別，可有效實現(xiàn)機器視覺對復(fù)雜環(huán)境下目標(biāo)包裝物的標(biāo)定，較單目識別定位CDF值降低了約46%，識別定位更精準(zhǔn)、有效。