基于状态估计的圆形运动目标识别与测量的系统与方法

摘要

本发明公开了基于状态估计的圆形运动目标识别与测量的系统与方法，具有双目相机，所述系统包括：数据采集单元，用于获取双目相机中的双目图像；图像处理单元,用于在所述双目图像中提取出目标的最大外轮廓并计算出目标的相对距离；距离判断单元，基于所述相对距离，判断是否双目立体视觉测量算法的执行条件；位姿解算单元，用于执行步骤中的两种立体视觉测量算法。本发明采用不同的特征提取算法能同时兼顾近距离与远距离的测量，提高了目标识别的效率，同时也提高了视觉测量的精度，可广泛应用于机器人视觉测量领域。

说明书

技术领域

本发明涉及机器人的视觉测量领域，具体涉及基于状态估计的圆形运动目标识别与测量的系统与方法，进一步的涉及圆形运动目标的识别、尺寸及位姿。

技术背景

基于视觉的目标识别和位姿测量方法已广泛应用于工业机器人的抓捕和智能制造领域。由于被测量的工业零部件形状都是不一致的，而且很多处于运动状态，同时安装相机的平台很难保持绝对的静止，也会发生一定程度的扰动，这给目标的识别与测量带来极大的挑战。

圆形的零部件在工业应用中特别广泛，而很少有研究解决该类零部件在运动状态下的识别和测量问题。传统解决运动目标的视觉测量方法主要是预先知道目标的运动轨迹或者让目标停下来再检测和测量，这种方法效率低下，不便于拓展应用。由于圆形特征具有各向同向性，在像平面内呈现的是椭圆，通过双目的冗余信息即可得到圆形的位姿和半径尺寸。传统方法直接通过椭圆检测算法进行检测会提取出很多误检测的椭圆特征。由于测量目标运动时，目标在像平面内的尺度时刻变化，传统方法很难设置合理的阈值提取出待测量的圆形特征。此外，传统方法在目标识别过程中，需要搜索整幅图片，遍历每个像素，效率很低，限制了空间目标测量的实时性。

为了提高圆形目标识别速度的同时又兼顾测量精度，因此该技术有必要进行改进。

发明内容

鉴于现有技术的缺陷，本发明旨在于提供基于状态估计的圆形运动目标识别与测量的系统与方法，通过本发明的方法提高了目标识别的效率，同时也提高了视觉测量的精度，可广泛应用于机器人视觉测量领域。

为了实现上述目的，本发明采用的技术方案如下，

基于状态估计的圆形运动目标识别与测量的系统，具有双目相机，包括，所述系统包括：

数据采集单元，用于获取双目相机中的双目图像；

图像处理单元,用于在所述双目图像中提取出目标的最大外轮廓并计算出目标的相对距离；

距离判断单元，基于所述相对距离，判断是否双目立体视觉测量算法的执行条件；

位姿解算单元，用于执行步骤中的两种立体视觉测量算法。

优选的，所述执行条件是，若满足，则所述系统加载采用基于最大外轮廓的圆形目标成像立体视觉测量算法；若不满足，则所述系统加载采用基于最小二乘法的立体视觉测量算法。

本发明还提供基于状态估计的圆形运动目标识别与测量的系统的方法，所述方法包括以下步骤：

S1对获取的双目图像进行Ostu二值化处理，判断图像的峰值信噪比PSNR是否满足图像清晰的条件；

S2若不满足，则对模糊图像进行去模糊处理；若满足，则对图像进行最大外轮廓的提取及标记；

S3根据双目的三维重构计算出圆形目标粗略的位置；

S4根据三维位置信息，通过扩展卡尔曼EKF估计出目标的线速度

S5根据估计的速度估计出目标的运动区域Area(x

S6根据目标的活动区域寻找目标的最大外轮廓B

S7根据上述提取的最大外轮廓进行位姿解算，判断目标的相对距离条件；

S8若满足，则根据双目的圆形目标成像方法进行位姿解算；

S9利用最小二乘法对提取到的最大外轮廓进行椭圆拟合，找出椭圆参数(u

S10根据椭圆参数，通过双目的圆形目标成像算法计算出目标的相对位姿和半径；

S11若不满足，则根据圆形目标的三维重构方法进行位姿解算；

S12根据最大外轮廓计算出目标的重心位置；

S13利用最小二乘法对重心位置进行三维重构，计算出目标的相对位置。

需要说明的是，通过图像增强的盲去卷积策略实现对双目相机获取的图像进行去模糊处理。

需要说明的是，所述图像清晰的条件包括，双目图像的峰值信噪比PSNR在阈值范围δ

PSNR≤δ

需要说明的是，所述相对距离条件包括，目标相对于左相机的相对距离

d≤δ

需要说明的是，根据相对距离偏差，近距离时，采用圆形目标成像的双目立体视觉测量方法计算目标的位姿；远距离时，采用基于最小二乘法的双目立体视觉测量算法计算目标的位姿。

需要说明的是，所述运动区域求解公式为，

其中，k＝(l,r),f

本发明的有益效果在于，采用不同的特征提取算法能同时兼顾近距离与远距离的测量。首先，通过图像增强方法对拖尾图像进行复原，然后，针对复原的图像进行轮廓提取与连通域标记。进一步地，根据最小二乘法拟合出外轮廓上的椭圆表面，提取出椭圆参数(椭圆中心位置、长短半轴以及偏转角)，提高了目标识别的准确性。接着，近距离测量时，根据检测得到的椭圆参数，通过圆形目标的双目成像算法进行位姿解算和半径；远距离时，根据检测得到的最大外轮廓，计算出轮廓质心，采用最小二乘法进行目标的位置解算。其较现有技术，提高了目标识别的鲁棒性，同时也提高了视觉测量的准确性。

附图说明

图1是本发明一实施例的近、远距离圆形运动目标视觉测量流程图；

图2是本发明一实施例的圆形运动目标视觉测量示意图。

具体实施例

以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。

本发明为基于状态估计的圆形运动目标识别与测量的系统，具有双目相机，包括，所述系统包括：

数据采集单元，用于获取双目相机中的双目图像；

图像处理单元,用于在所述双目图像中提取出目标的最大外轮廓并计算出目标的相对距离；

距离判断单元，基于所述相对距离，判断是否双目立体视觉测量算法的执行条件；

位姿解算单元，用于执行步骤中的两种立体视觉测量算法。

优选的，所述执行条件是，若满足，则所述系统加载采用基于最大外轮廓的圆形目标成像立体视觉测量算法；若不满足，则所述系统加载采用基于最小二乘法的立体视觉测量算法。

本发明还提供基于状态估计的圆形运动目标识别与测量的系统的方法，所述方法包括以下步骤：

S1对获取的双目图像进行Ostu二值化处理，判断图像的峰值信噪比PSNR是否满足图像清晰的条件；

S2若不满足，则对模糊图像进行去模糊处理；若满足，则对图像进行最大外轮廓的提取及标记；

S3根据双目的三维重构计算出圆形目标粗略的位置；

S4根据三维位置信息，通过扩展卡尔曼EKF估计出目标的线速度

S5根据估计的速度估计出目标的运动区域Area(x

S6根据目标的活动区域寻找目标的最大外轮廓B

S7根据上述提取的最大外轮廓进行位姿解算，判断目标的相对距离条件；

S8若满足，则根据双目的圆形目标成像方法进行位姿解算；

S9利用最小二乘法对提取到的最大外轮廓进行椭圆拟合，找出椭圆参数(u

S10根据椭圆参数，通过双目的圆形目标成像算法计算出目标的相对位姿和半径；

S11若不满足，则根据圆形目标的三维重构方法进行位姿解算；

S12根据最大外轮廓计算出目标的重心位置；

S13利用最小二乘法对重心位置进行三维重构，计算出目标的相对位置。

需要说明的是，通过图像增强的盲去卷积策略实现对双目相机获取的图像进行去模糊处理。

需要说明的是，所述图像清晰的条件包括，双目图像的峰值信噪比PSNR在阈值范围δ

PSNR≤δ

需要说明的是，所述相对距离条件包括，目标相对于左相机的相对距离

d≤δ

需要说明的是，根据相对距离偏差，近距离时，采用圆形目标成像的双目立体视觉测量方法计算目标的位姿；远距离时，采用基于最小二乘法的双目立体视觉测量算法计算目标的位姿。

需要说明的是，所述运动区域求解公式为，

其中，k＝(l,r),f

实施例

如图1所示，本发明的实现方法包括如下步骤：

S1近距离时，直到目标大部分区域出现在相机的视野内，启动双目视觉测量系统，读取左、右目相机图像。

S2通过计算图像的峰值信噪比PSNR判断图像的清晰度，如果PSNR满足条件,直接进行到下一步S3；如果PSNR满足条件,就对模糊的图像进行复原处理，直到PSNR满足条件,才进行到下一步步骤S3。

S3由步骤S2中双目获取的图像进行最大类方差建模，找出Ostu二值化的阈值参数，进而对图像进行二值化操作。

S4由步骤S3中得到的二值化图像进行三维重构，通过EKF估计出目标的线速度

S5由步骤S4中得到的粗略线速度，上一时刻目标的相对位置，预估下一时刻目标的运动范围Area(x

S6由步骤S5得到的Area(x

S7由步骤S6得到轮廓，通过最小二乘法找出最大外轮廓拟合的椭圆参数(u

S8由步骤S7测量得到相对位置

S9由步骤S7测量的最大外轮廓，计算目标的重心像素值，结合空间点的三维重构，根据最小二乘法即可解算出外轮廓质心的位置；

如图2所示，是本发明一实施例的圆形运动目标视觉测量示意图。实际上，在近距离测量的一段时间以内，目标的运动范围是可预测的，这时可以通过组合识别方法提高算法的鲁棒性与计算效率。目标的识别方法可以分为以下两步根据粗提取算法从复杂的空间环境中提取出待测量的目标(根据目标的运动特点估算出目标的运动空间)；根据识别到的目标进行精确特征提取算法，通过最小二乘法找到识别对象的圆形特征。

为了表达的方便，这里将由于运动导致相机提取的圆形截面物体模糊图像记为I

这里，符号

在圆形目标的图像增强过程中，我们可以用正则化的最大似然估计来表征最大后验概率的估计模型，因此，在估计模糊核k

假设模糊核

这里，p()代表概率的符号，λ为常系数，且λ∈[-0.5,0.5]。

根据盲去卷积的图像恢复方法，利用模糊核k

这里，I

为了评估恢复上述图像增强的效果，通过峰值信噪比对其进行表征，即有

这里，f

在图像增强指标PSNR符合预期指标后，我们利用该恢复的图像计算初始时刻圆形目标的三维空间位置。然后，根据上一时刻目标的相对位置，预估下一时刻目标的运动范围

其中，k＝(l,r),f

于是，目标下一时刻的运动范围可描述为：

对于清晰的图像，根据可以确定目标搜索的矩形区域(i.e.Width,Height)。对于该区域内任意像素点f(x,y)，定义f(x-1,y)，f(x+1,y)，f(x,y-1)，f(x,y+1)为其四邻域的像素点，merge(x,y)为f(x,y)像素点连通域的标号。利用连通域查找及标记方法对该区域内的像素点进行标记。由于扫描后的待合并连通域标号会出现大量的等价标号容易造成标号冲突，用一维数组common来记录各待合并连通域标号的共同连通域标号。假设merge(x,y)表示像素点f(x,y)的共同连通域标号，该数组的大小与common相同。

当标记出了所有轮廓后，任意轮廓的面积可表示为：

通过排序法找出最大面积的轮廓为：

对于椭圆的一般方程可以写成以下形式

x

\*MERGEFORMAT (10)

其中，A,B,C,D,E为未知数，为了求解这些参数至少需要5组采样点。

假设(x

根据最小二乘法可得：

式可进一步化简为：

[A,B,C,D,E]

其中，

于是，表示椭圆的五个参数分别为：

当左、右目识别的椭圆参数u

其中，

可以看出，通过双目的冗余信息可以很简单求得该圆面的半径

式中，特征值

在远距离测量过程中，目标在相机里成像所形成的有效像素点很少，传统的基于边缘几何特征以及角点检测的方法将会失效。这时将目标的最大轮廓作为识别的目标，其轮廓质心充当识别点，通过左、右目的三维重构就可以计算出质心点的三维坐标。假设最大外轮廓上的像素点坐标为(x

由可分别计算出左、右相机识别到的最大外轮廓的质心位置分别为

矩阵M

根据最小二乘法即可计算出该质心点的三维坐标为：

通过公式与分别得到目标相对于相机坐标系的相对位姿信息，完成对目标的识别与位姿测量。

对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变，而所有的这些改变，都应该包括在本发明权利要求的保护范围之内。