《具有简单视觉功能的直线定位系统设计》由会员分享，可在线阅读，更多相关《具有简单视觉功能的直线定位系统设计（12页珍藏版）》请在金锄头文库上搜索。
1、具有简单视觉功能的直线定位系统设计芦飞湖南师范大学摘要：本次论文主要是先设计1米左右的线轨装置，然后使其同时具有简单的视觉功能，能够在其左右平移范围内搜寻并定位预先设定的小圆圈、小三角形、小正方形等标记。本次论文采用摄像头的形式来采集图像，并且通过MATLAB编程实现图像的识别。设计的主要内容包括确定线轨的搭建材料、主要结构，驱动的机械部件、控制方式及其电路，视觉处理的主要部件选型及匹配搜索算法等,在本篇论文中主要是针对视觉处理的主要部件即摄像头的类型的选型和匹配的搜索算法进行阐述。关键字：视觉跟踪； 匹配算法； 单摄像头1. 引言视频图像能够对现实生活中的客观事物进行生动、形象、直观和连续的
2、表达，因此被广泛应用在工业生产、安防、智能机器人和生物等领域。随着计算机网络、通信和半导体技术的迅速发展，人们越来越青睐于利用计算机视觉代替人眼对传感器得到的视频图像进行分析，获取图像中的有用信息。视频跟踪就是计算机视觉研究的一个重点，它主要是对图像传感器得到的感兴趣的目标进行跟踪。视频跟踪是许多视频应用的基础，比如交通监控、智能机器人和人机交互等，因此视频跟踪技术是目前研究的热点。2. 主要机械器件的选择2.1机器视觉系统的视觉部件的设计本次论文中的系统主要分为目标提取识别和目标跟踪定位两大模块，目标提取识别模块由边缘提取，特征提取，图像分割等方法实现。其实质是用数字图像处理的方法实现对目标
3、的识别，数字图像处理一般包括图像的获取，增强，存储，处理，表达和识别等步骤。 在目标识别之前，首先要进行目标采集，就需要用到摄像头，即机器视觉系统。机器视觉系统应该包括图像感应器与透镜系统，这通常整体称作摄像系统，可需要通过火线，USB或以太网等电气接口连接到计算机上，而计算机则连接至控制设备。本文所用设备为UAB摄像头，所采集图片的颜色空间为RGB空间，然后选取目标的颜色模板，通过特征匹配和领域线性搜索等检测跟踪算法，最终实现对目标的识别与跟踪。一个经典的机器视觉应用系统包括光源，光学镜头，摄像机，图像采集卡，图像处理系统，控制执行模块等等。由于机器视觉系统的应用范围特别广泛，在不同的应用系
4、统里会选用不同的组成部分，但是无论何种系统都离不开最基本的几个组成部分。在配置机器视觉系统时，需要个部件之间相互协调，相互配合才能组成一个成功的机器视觉系统。并且在选择机器视觉主要部件时要遵循几个原则。第一：机器视觉系统中光源的选择设计要选择主动照明方式，一般采用人工光源照明被测对象；第二：重点考虑被测物体的特性，特别是被测目标部分的形状与颜色，工作距离与目标之前的距离。这些题中都有给出，主要是识别图中的预先设定的小圆圈，小三角形，小正方形等标记，并且工作距离和目标之间的距离在一米以内。第三：驱动部位的定位精度，以及是否能准确找到目标物所在的位置。第四：摄像头即镜头的选择，镜头的质量直接影响机
5、器视觉系统的整体性能，光学摄像头的基本参数包括焦距，相对孔径和像面的尺寸，其中焦距决定了成像目标在图像传感器图像的大小。但由于，我这次做的是一个比较简单的系统，我只需要摄像头可以在距离目标距离300mm到400mm之间可以观察到物体的存在，并且可以准确提取图像，主要是选用焦距为24mm的镜头。摄像头的颜色，主要是选用彩色摄像机，可用提供更强的观察和颜色区别的能力。摄像头的输出接口形式有RS422，RS644，USB等等，我们主要选用USB接口使数字摄像机和PC机连接设计。第五：图像采集卡是机器视觉硬件的重要组成部分，具有控制摄像机拍照，数字化视频信息等功能，我们选择主要是要选用与摄像机相匹配的
6、图像采集卡。2.2机器视觉系统的机械部件的设计本次论文中的机械视觉系统中机械部件主要由驱动部分和传动部分以及支撑部分组成。驱动部分为伺服电机；传动部分由减速器，滚珠丝杠，直线导轨，滑块，轴承支座组成；支撑部分由支架和安装架组成。2.2.1电机类型的选择电机的选择对整个机械手的精度，控制方式起着关键性的作用。交流伺服电机相比于步进电机，在低频特性上，交流伺服电机运转非常平稳，即使在低速时也不会出现振动现象，而步进电机在低速运行时会出现低频振动现象，电机运行平稳性劣于伺服电机；在矩频特性上，交流伺服电机为恒力矩输出，在其额定转速内能保持力矩不变，都能输出额定转矩，而步进电机的输出力矩会随转速升高而
7、下降，且在较高转速时会急剧下降，步进电机在高速时力矩会很小 ；在控制精度上，伺服电机驱动系统为闭环控制，电机和驱动器内部构成闭环控制，在其额定力矩内不会出现步进电机的丢步情况，出现过冲情况能补回来，控制性精度能更为可靠，而步进电机的控制为开环控制，启动频率过高或负载过大易出现丢步或堵转的现象，停止时转速过高易出现过冲的现象。步进电机相比于交流伺服电机，在运行性能上，步进电机运行跟踪实施特性优于伺服电机，不会有延时，而伺服电机为闭环控制，有一定延时；在操作设置上，步机电机驱动设置简单，只需将电流细分设好就可以，伺服驱动器有上百个参数设置，设置很繁琐；价格上步进电机价格远低于伺服电机。综上对比，考
8、虑到机械手高精度以及平稳性的要求，选用了交流伺服电机。综合对比国内外多家品牌的价格与性能，电机选型为松下MhMD042G1D（带刹车）+MBDHT2510E，2.2.2滚珠丝杠的选择目前应用最广泛的有三种传动方案：第一种是丝杠传动，第二种是齿轮齿条传动，第三种是同步带传动。丝杠有两种，一种是普通梯形丝杠，一种是滚珠丝杠。普通梯形丝杠最大的有点是可以自锁，但是传动效率低下，时间久了传动间隙大，回程精度差，不适合高速往返传动。滚珠丝杠传动效率高，精度高，噪音低，适合高速往返传动，但是不能自锁，水平传动时跨距大了要考虑极限转速和自重下垂变形，所以传动长度不可太大。齿轮齿条传动承载力大，传动精度较高，
9、最大的优点是齿条可无限长度对接延续，传动速度可以很高，但若安装精度差，传动噪音大，磨损大。同步带传动，承载能力较大，传动精度较高，传动长度不可太长，否则需要考虑较大的弹性变形和振动，传动距离大尤其不适合精确定位、连续性运动控制。短距离传动速度可以很高，噪音低。2.2.3直线导轨的选择直线导轨作用：本次采用斜齿轮斜齿条传动，必需采用直线导轨及滑块加以辅助传动。直线导轨起支承和导向的作用，即是使运动部件能沿一定的轨迹运动（导向作用），并承受运动部件及工件的重量和切削力（支承作用）。直线导轨的设计要求有：第一：导向精度是指运动构件沿导轨导面运动时其运动轨迹的准确程度。影响导向精度的主要因素有导轨承导
10、面的几何精度、导轨的结构类型、导轨副的接触精度、表面粗糙度、导轨和支承件的刚度、导轨副的油膜厚度及油膜刚度，以及导轨和支承件的热变形等。直线运动导轨的几何精度一般包括：垂直平面和水平平面内的直线度；两条导轨面间的平行度。第二：精度保持性是指导轨工作过程中保持原有几何精度的能力。导轨的精度保持性主要取决于导轨的耐磨性极其尺寸稳定性。耐磨性与导轨副的材料匹配、受力、加工精度、润滑方式和防护装置的性能的因素有关，另外，导轨及其支承件内的残余应力也会影响导轨的精度保持性。第三：导轨运动平稳性是指导轨在低速运动或微量移动时不出现爬行现象的性能。平稳性与导轨的结构、导轨副材料的匹配、润滑状况、润滑剂性质及
11、导轨运动之传动系统的刚度等因素有关。第四：抗振性是指导轨副承受受迫振动和冲击的能力，而稳定性是指在给定的运转条件下不出现自激振动的性能。第五：刚度导轨抵抗受力变形的能力。变形将影响构件之间的相对位置和导向精度，这对于精密机械与仪器尤为重要。导轨变形包括导轨本体变形导轨副接触变形，两者均应考虑。直线导轨按照滑块型式分为法兰型与四方型两种，法兰型滑块宽度比四方型更大，承载面积更大。考虑到机械手的负重大小和安装空间，最终选用四方型滑块。3. 机器视觉系统的设计根据上面的分析，下图为本次机器视觉系统的简要模型图，分别由驱动系统，传动系统和支撑系统组成：图1 设计模型图图2 装配图4.视觉匹配跟踪算法4
12、.1视觉跟踪单目视觉跟踪定位系统主要通过一台摄像机对运动目标进行连续的图像序列的采集，应用设计好的算法在图像序列中对目标进行检测，跟踪，定位。运动目标跟踪定位是视觉的关键组成部分，它主要是针对目标的运动图像序列进行分析处理，来确定运动目标在每帧图像中的位置，从而实现运动目标运动轨迹的重建。轮廓匹配跟踪，特征匹配跟踪和基于区域匹配跟踪是比较常见的运动目标和跟踪方法。在单目图像定位中由于所采用的运动目标的位置是一个二维坐标表示的，因此所要解决的一个首要的问题是如何通过图像序列将目标在二维坐标系下的位置转换到摄像机坐标系下的三维坐标。而本次论文主要是通过相似三角形的原理来实现上述转换的。4.2匹配算
13、法本次主要用的是基于特征的跟踪。基于特征的跟踪算法的基本思想是指根据某个或某些目标特征，利用某种匹配算法在图像序列中寻找目标对象，从而实现基于最优特征匹配的运动目标跟踪。这类算法通常包括特征提取和特征匹配的两个主要步骤。首先从图像中找到显著的特征，例如角点，边界，质心等，然后根据某些特征匹配法则在下一帧图像中寻找与特征相似的目标，从而确定视频序列中目标的位置。通过编写MATLAB程序来识别图像中的圆，矩形，正方形，下面就是在MALTAB中所采用的识别程序。% Shapes Classifier% Step 1: Read image Read in% Step 2: Convert image
14、 from rgb to gray % Step 3: Threshold the image% Step 4: Invert the Binary Image% Step 5: Find the boundaries Concentrate% Step 6: Determine Shapes properties% Step 7: Classify Shapes according to properties% Square = 3% Rectangular = 2% Circle = 1% UNKNOWN = 0%-function W = Classify(ImageFile)% Ste
15、p 1: Read image Read inRGB = imread(ImageFile);figure,imshow(RGB),title(Original Image);% Step 2: Convert image from rgb to gray GRAY = rgb2gray(RGB);figure,imshow(GRAY),title(Gray Image);% Step 3: Threshold the image Convert the image to black and white in order% to prepare for boundary tracing using bwboundaries. threshold = graythresh(GRAY);BW = im2bw(GRAY, threshold);figure,imshow(BW),title(Binary Image);% Step 4: Invert the Binary ImageBW = BW;figure,imshow(BW),title(Inverted Binary Image);% Step 5: Find the
