一种基于视觉点胶机器人的点胶智能识别系统的制作方法

1.本发明属于视觉点胶机器人技术领域，更具体地说，尤其涉及一种基于视觉点胶机器人的点胶智能识别系统。


背景技术：

2.随着大规模集成技术的发展，计算机内存的体积不断缩小，价格急剐下降，速度不断提高，视觉系统也走向实用化了，机器人视觉，是指不仅要把视觉信息作为输入，而且还要对这些信息进行处理，进而提取出有用的信息提供给机器人，客观世界中三维物体经由传感器(如摄像机)转变为二维的平面图像，再经图像处理，输出该物体的图像。通常机器人判断物体位置和形状需要两类信息，即距离信息和明暗信息。当然作为物体视觉信息来说，还有色彩信息，但它对物体的位置和形状识别不如前两类信息重要。机器人视觉系统对光线的依赖性很大，往往需要好的照明条件，以便使物体所形成的图像最为清晰，检测信息增强，克服阴影、低反差、镜反射等问题，其功能为识别工件，确定工件的位置和方向以及为机器人的运动轨迹的自适应控制提供视觉反馈。
3.但是现有技术中用于视觉点胶机器人的点胶智能识别系统在对获取的图像进行处理时，处理的效果并不好，使图像不清晰，图像中噪声大，容易造成图像失真，不利于提取有用信息，进而影响后续点胶工序，因此我们需要提出一种基于视觉点胶机器人的点胶智能识别系统。


技术实现要素：

4.本发明的目的是为了解决现有技术中存在的缺点，在一定程度上提高了对图像的处理效果，是图像更加的清晰，降低了图像中的噪声，减少了因成像设备和环境所造成的图像失真现象，有利于提取有用信息，恢复原始图像，进而提高了后续点胶工序的工作效率和效果，而提出的一种基于视觉点胶机器人的点胶智能识别系统。
5.为实现上述目的，本发明提供如下技术方案：一种基于视觉点胶机器人的点胶智能识别系统，包括图像采集模块、图像处理模块、测量系统标定模块和点胶模块，所述图像采集模块包括光源和摄像机，所述光源设置为环境光，且光源上设置有防护屏，所述摄像机设置为视觉传感器；
6.图像处理模块的处理过程包括如下步骤：
7.步骤1、图像增强处理，用于调整图像的对比度，突出图像中的重要细节，改善视觉质量；
8.步骤2、图像数据编码和传输处理，数据传输过程中，需对数据进行压缩处理，数据的压缩主要通过图像数据的编码和变换压缩完成；
9.步骤3、图像平滑处理，用于去除图像中的噪声；
10.步骤4、图像边缘锐化处理，加强图像中的轮廓边缘和细节，形成完整的物体边界；
11.步骤5、图像分割处理，将图像分成若干部分，每一部分对应于某一物体表面，在进
行分割时，每一部分的灰度或纹理符合某一种均匀测度度量；
12.步骤6、图像的特征提取，识别并量化图像的关键特征；
13.步骤7、图像识别，利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记。
14.优选的，所述测量系统标定模块在标定测量系统过程中，先使摄像机的像素分辨率即一个像素代表的实际尺寸，然后采用打点法确定胶头和摄像机原点之间的位置关系，最后由运动平台坐标系与像素图像坐标系之前的变换关系，可得捕捉点在运动平台坐标系中的物理坐标。
15.优选的，所述点胶模块在计算机将视觉信息推断后，进行图像匹配、识别,并控制机械手以最合适的点胶轨迹进行点胶作业。
16.优选的，所述步骤1中，图像增强处理采用灰度直方图修改技术进行图像增强，把一幅已知灰度概率分布图像中的像素灰度作某种映射变换，使它变成一幅具有均匀灰度概率分布的新图像，实现使图象清晰的目的。
17.优选的，所述步骤2中，图像数据编码和传输处理采用预测编码，即将图像数据的空间变化规律和序列变化规律用一个预测公式表示，如果知道了某一像素的前面各相邻像素值之后，可以用公式预测该像素值。
18.优选的，所述步骤3中，图像平滑处理可去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息，恢复原始图像。
19.优选的，所述步骤4中，图像边缘锐化处理时将物体从图像中分离出来或将表示同一物体表面的区域检测出来。
20.优选的，所述步骤5中，图像分割处理时分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性。
21.优选的，所述步骤6中，图像的特征提取是在提取物体图像边缘后采用周线跟踪进行边缘细化,去除伪边缘点及噪声点,并对组成封闭曲线的边缘点进编码，提取物体的形心坐标、面积、曲率、边缘、角点及短轴方向特征。
22.优选的，所述步骤7中，图像识别是将待识别物体正确地从图像的背景中分割出来，再设法将建立起来的图像中物体的属性图与假定模型库的属性图之间匹配。
23.本发明的技术效果和优点：
24.本发明先进行图像增强处理，用于调整图像的对比度，突出图像中的重要细节，改善视觉质量，实现使图象清晰的目的，图像平滑处理可去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息，恢复原始图像，在一定程度上提高了对图像的处理效果，是图像更加的清晰，降低了图像中的噪声，减少了因成像设备和环境所造成的图像失真现象，有利于提取有用信息，恢复原始图像，进而提高了后续点胶工序的工作效率和效果。
附图说明
25.图1为本发明的系统框图；
26.图2为本发明图像处理的框图。
具体实施方式
27.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.请参阅图1-2，本发明提供了一种基于视觉点胶机器人的点胶智能识别系统，包括图像采集模块、图像处理模块、测量系统标定模块和点胶模块，图像采集模块包括光源和摄像机，照明和影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30％的应用效果，光源设置为环境光，且光源上设置有防护屏，环境光将改变这些光源照射到物体上的总光能，使输出的图像数据存在噪声，减少环境光对物体的的影响，摄像机设置为视觉传感器，且ccd是现在最常用的机器视觉传感器，摄像机所接收到的透镜成像，转化为计算机能处理的电信号、摄像机可以是电子管的，也可是固体状态传感单元。
29.图像处理模块的处理过程包括如下步骤：
30.步骤1、图像增强处理，用于调整图像的对比度，突出图像中的重要细节，改善视觉质量；
31.步骤2、图像数据编码和传输处理，数据传输过程中，需对数据进行压缩处理，数据的压缩主要通过图像数据的编码和变换压缩完成；
32.步骤3、图像平滑处理，用于去除图像中的噪声；
33.步骤4、图像边缘锐化处理，加强图像中的轮廓边缘和细节，形成完整的物体边界；
34.步骤5、图像分割处理，将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量；
35.步骤6、图像的特征提取，识别并量化图像的关键特征；
36.步骤7、图像识别，利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。
37.具体的，在程序运行过程中经过图像处理、分析提取出来的点胶起始坐标是以图像坐标系为基准的像素坐标,无法直接用做驱动运动平台的物理坐标，要对视觉坐标系统进行一个新的标定，测量系统标定模块在标定测量系统过程中，先使摄像机的像素分辨率即一个像素代表的实际尺寸，然后采用打点法确定胶头和摄像机原点之间的位置关系，最后由运动平台坐标系与像素图像坐标系之前的变换关系，可得捕捉点在运动平台坐标系中的物理坐标。
38.具体的，点胶模块在计算机将视觉信息推断后，进行图像匹配、识别,并控制机械手以最合适的点胶轨迹进行点胶作业。
39.具体的，步骤1中，图像增强处理采用灰度直方图修改技术进行图像增强，直方图仅能统计某级灰度像素出现的概率，反映不出该像素在图像中的二维坐标。因此，不同的图像有可能具有相同的直方图。通过灰度直方图的形状，能判断该图像的清晰度和黑白对比度，把一幅已知灰度概率分布图像中的像素灰度作某种映射变换，使它变成一幅具有均匀灰度概率分布的新图像，实现使图象清晰的目的。
40.具体的，步骤2中，图像数据编码和传输处理采用预测编码，一般只需传输图像数
据的起始值和预测误差，即将图像数据的空间变化规律和序列变化规律用一个预测公式表示，如果知道了某一像素的前面各相邻像素值之后，可以用公式预测该像素值。
41.具体的，步骤3中，实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素均会使图像变质，图像平滑处理可去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息，恢复原始图像。
42.具体的，步骤4中，图像边缘锐化处理时将物体从图像中分离出来或将表示同一物体表面的区域检测出来。
43.具体的，步骤5中，图像分割处理时分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性。
44.具体的，步骤6中，图像的特征提取是在提取物体图像边缘后采用周线跟踪进行边缘细化,去除伪边缘点及噪声点,并对组成封闭曲线的边缘点进编码，提取物体的形心坐标、面积、曲率、边缘、角点及短轴方向特征。
45.具体的，步骤7中，图像识别是将待识别物体正确地从图像的背景中分割出来，再设法将建立起来的图像中物体的属性图与假定模型库的属性图之间匹配。
46.本发明在使用时，打开光源照射在物体上，摄像机对物体进行图像采集，然后对图像进行处理，先进行图像增强处理，用于调整图像的对比度，突出图像中的重要细节，改善视觉质量，然后进行图像数据编码和传输处理，数据传输过程中，需对数据进行压缩处理，数据的压缩主要通过图像数据的编码和变换压缩完成，然后进行图像平滑处理，去除图像中的噪声，提取有用信息，恢复原始图像，然后进行图像边缘锐化处理，加强图像中的轮廓边缘和细节，形成完整的物体边界，然后进行图像分割处理，将图像分成若干部分，每一部分对应于某一物体表面，每一部分的灰度或纹理符合某一种均匀测度度量，然后进行图像的特征提取，识别并量化图像的关键特征，再然后进行图像识别，利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，接着把提取的像素坐标转换为运动平台可识别的物理坐标，最后，点胶模块在计算机将视觉信息推断后，进行图像匹配、识别,并控制机械手以最合适的点胶轨迹进行点胶作业。
47.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。