机器计算机视觉的应用-打孔机影像定位系统设计

计算机视觉的应用大致上可以分成定位、量测、识别、缺陷检测四大类，其中以定位的应用最为广泛。机器视觉系统可以用来检视主机板上的电子组件，也可以用来控制机械手臂，在机械手臂上加装ccd，利用影像辨识的定位，带动机械手臂来做病毒研究、药物混合等一些高危险性的医疗研究。除了精准之外，对人类的生命也比较有安全保障。

影像定位后的坐标转换

市面上影像比对的函数库(library)很多，使用者可以自行选用合适的函数库。以下所提的系统采用euresys公司开发的evision easymatch，这是一种基于灰度相关性的图像匹配函数库，速度非常快，而且能够达到次像素(sub-pixel)精度的匹配结果。对于旋转、比率变化(缩/放)和平移等，都能精确找到模板图像(golden image)的位置。故本文仅对影像定位后的二维坐标产生的“位移”与“旋转”做探讨。

● 坐标位移
公式：x₂ = x₁ + δx
y₂ = y₁ + δy

图1 坐标位移示意图

图1是坐标位移的示意图。

● 坐标旋转
(1)将(x1,y1)转换成极坐标→ (x₁,y₁) = (r₁,θ₁)
其中，r₁ = √x₁² + y₁²
θ₁ = arctan( y₁ / x₁ )，即反正切函数
(2)θ₂ = θ₁ + θ，其中，θ= 表示旋转角度
得出 x₂ = cos (θ₂) * r₁
= cos (arctan(y₁/x₁)+θ) *
√x₁² + y₁²
y₂ = sin(θ₂) * r₁
= sin(arctan(y₁/x₁)+θ) * √x₁² + y₁²

图2 坐标旋转的示意图

图2是坐标旋转的示意图。

● 坐标位移+旋转
遇到同时发生坐标位移和旋转时，先计算位移，再套用旋转的公式，即可算出最后的结果。
下面介绍如何设计出结合“机械运动”与“计算机视觉”的自动化定位系统。

基本架构

● geme-3000主控制器：含hsl控制卡，安装windows xp操作系统
● 3-axis定位平台：三菱伺服马达+滚珠螺杆
● 运动控制器：hsl-4xmo控制模块
● 计算机视觉组件：使用ieee 1394 ccd采集影像，利用euresys evision的easymatch进行影像比对(pattern match)，作定位偏移的补正计算。
完整的实际系统如图3所示。

图3 系统架构实机图

系统校正

● mitsubishi驱动器调校：10 000 pulse/roll，即运动控制卡送出10 000个脉波，马达会转一圈。
● 滚珠螺杆的螺距vs. pulse/roll：如，螺距=10mm/roll，10 000 pulse/roll意味着1μm/pulse，即每发出一个脉冲，螺杆会前进1μm。
● f.o.v.(field of view)的选定：f.o.v.要大于定位点的大小，太小则导致可接受的“初步定位”误差变小；太大则导致因定位点影像太小，影像定位误差大。
● ccd工作距离的选定：工作距离要大于打孔顶针，以免对焦时打孔顶针撞到工件。当f.o.v.及工作距离确认后，即求出镜头和延伸环。

教导作业

● 启动系统3轴回到初始位置，待3轴回定位后，再由人工将工件置于3轴之定位平台上并作“初步定位”；
● 手动控制z轴缓慢下降，使其接近定位平台上方(约0.5～1.0mm）；
● 手动控制x/y轴，使打孔顶针刚好在工件第一个孔位上方；再将z轴缓慢下降，使其插入第一个孔位内。如定位不准，可以手动移动工件，使其定位更准确。
● 精确定位后，将z轴上升至ccd的实时影像可看到完整“定位点”后，执行图4所示的流程图。

图4 图像处理软流程图

自动定位

● 由人工将工件置于3轴定位平台上，作“初步定位”后并启动本系统；
● 系统会驱动3轴定位平台将ccd移至定位点上方(2个不同位置)，取像并利用已“教导”的标准影像做“影像比对”作业；
● 计算出“初步定位”的偏移量(shift x/y)及旋转角度 (rotation angle)；
tx = goldexy[ccd_find][1] - m_find.getcenterx();
ty = goldexy[ccd_find][0] - m_find.getcentery();
if (ccd_find==0) { //第一次定位
shiftx = zerox - tx*calibration;
shifty = ccd_y - ty*calibration;
} else { //第二次定位
dx = ccd_locate[1][0] - tx*calibration;
dy = ccd_y - ty*calibration;
angle = atan2( dy - shifty, shiftx-dx);
calnewlocate(angle, shiftx, shifty);
}
● 通过“极坐标转换”，重新计算工件上所有孔位的新坐标(point table)。
void calnewlocate(f64 angle, f64 shiftx, f64 shifty)
{
int i;
f64 p[total_point*2];
f64 t;

for (i=0; i p[i*2] = sqrt( orglocate[i*2] * orglocate[i*2]
+ orglocate[i*2+1] * orglocate[i*2+1]);
p[i*2+1] = atan2( orglocate[i*2],
orglocate[i*2+1])+ angle;
}
for (i=0; i t = p[i*2]*sin(p[i*2+1]);
newlocate[i*2] = (shiftx + t)*scale_x;
t = p[i*2]*cos(p[i*2+1]);
newlocate[i*2+1] = (shifty + t)*scale_y;
}
}

结束语

机器视觉系统不但大幅的提升了工业的生产力，而且增加了使用者的能力。使用机器视觉系统可以保护人眼的健康和提高检测精度，而机器视觉系统能24小时不停顿地工作，且能在高速下执行检查，而检视的准确度也能控制在较稳定的程度之内。

此外，在危险工作环境中，在需要快速处理的军事武器操控，实时、大量的生产线上，在量测、定位、对象判别等高精确性工作中，机器视觉系统也都有很好的应用前景。