09А_Маш_зрение (1002261), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

- масштабирование: сжатие, расширение,

- выравнивание краев (когда стоит задача не выявить качество края проводника, а воспроизвести топологию проводника для КД).

Рис. Изображение объекта и его двуцветное (бинарное) представление.

Контур, например, правый край, может быть получен с помощью следующих операций: 1) сдвиг всех точек влево на один элемент, 2) отрицание, 3) логическое умножение на исходное значение.

Стирание контуров (в т. ч. и многократное) позволяет отделить изображения соприкасающихся объектов известной геометрии, например, движущихся на конвейере, и их пересчитать с учетом средней длины объекта.

к онвейер

считывающее устройство контур объекта

Рис. Процедура стирания контуров для счета объектов.

Несколько меньше машинного времени за один из приемов сокращения состоит в запоминании только тех элементов контура, которые не имеют соседа. Обход производится маркером - локальным окном.

Рис. Запоминающиеся маркеры на контуре детали.

От размера маркера и выбранного алгоритма существенно зависит цифровое представление объекта.

Рис. Изображение объекта и его представление по алгоритмам присоединения и отторжения.

При распознавания трехмерных объектов используется поэтапная детализация: точки - линии - зоны - тела - общая сцена. Т.е. после выделения контура оценка интенсивности с градациями, большими 2-х, позволяет выделить ребра и углы объемных тел и учесть фон. Для упрощения распознавания 3-мерных объектов дополнительно к плоскому СТЗ используется датчик расстояния (лазерный или ультразвуковой дальномер,... ).

Распознавание производится сравнением описания изображения с

- эталонной матрицей для каждой точки описания сравниваются сигналы “1” и “0”,

- нормализованным эталоном многокомпонентного вектора признаков.

Нормализация подразумевает разделение образов на классы при сравнении с эталоном по характерным признакам. Такими признаками могут быть

- одиночные - горизонтальная линия, вертикальная линия,

- геометрические - отверстие, крест определенного размера и расположения,

- интегральные признаки: площадь, длина периметра L, момент инерции, коэффициент формы (сложность контура П = а/L).

При совпадении всех признаков (вектора признаков) с эталоном

у = (х₁ & х₂ &....& х_n) = 1.

Классификация - упорядоченный список характерных признаков. Признаки могут характеризовать 1-мерный объект (точку) и 2-мерный объект (плоскую фигуру). Признаки могут быть любыми (качественными и количественными), приведенными к состоянию с 2-мя значениями. Классификация должна быть составлена т.о., чтобы сокращать время распознавания (рациональный алгоритм). Например, классификация элементов букв

включает вертикальные, горизонтальные и диагональные линии.

Рис. Схема распознавания буквы “Г”.

Рис. Алгоритм распознавания букв L, P, O, E, Q.

Автоматизированное сличение отпечатков пальцев основано на формировании интегральных признаков - особенностей папиллярных линий.

Рис. Особенности отпечатков пальцев: а – дельта, б – спираль, в – петля.

Распознавание произвольно расположенного объекта производится в несколько этапов, например, для простых форм: 1) производится оконтуривание, 2) выделяются экстремальные точки (определяются их координаты), 3) вычисляются длины сторон, 4) определяется угол наклона оси детали к оси координатной системы СТЗ. Для деталей сложной формы сначала вычисляется площадь по числу пиксел области однородности. Для определения положения 2-мерного объекта вычисляются координаты центра массы и угол наклона оси симметрии или наибольшего (наименьшего) вектора от центра массы к периметру или к одной из координатных осей (ориентирующий угол). Далее совмещается изображение с эталоном, для чего совмещаются центры масс и ориентирующие углы.

Нормализация изображения в условиях преобразований поворота и смещения проводится также на основе функционалов центров тяжести и моментов инерции. Наложение изображения объекта на эталон производится совмещением центров тяжести и в соответствии с моментами инерции. Вычисляется площадь поверхности объекта, не совпадающая с эталоном. Дополнительно осуществляется корреляция нормализованного изображения объекта с эталоном. Корреляция годных деталей находится на уровне 0.85 (в результате дискретизации часть изображения теряется) и выше. Нормализованные изображения эталона и бракованного объекта будут больше различаться.

Метод “масок” (рис.А47-р.29-30) для определения положения детали предполагает определенное сочетание показаний датчиков - пиксел (или локальных окон) и может использоваться и для фотоэлектрической матрицы или планшетного устройства. Метод сводится, по сути, к поточечному сравнению, поэтому трудоемок и уменьшает быстродействие АСУ.

Традиционные реперные знаки из плоских геометрических фигур неудобны для автоматизированного распознавания. Предпочтительнее перекрестие тонких рисок как фигура с простыми характерными признаками. Увеличение размера пиксела существенно снижает время реакции ВУ. На основе метода масок возможно построение на трассе координатных полей для ориентации автономных подвижных объектов (роботрейлеров).

Возможна симбиотическая система, в которой обрабатывается совместно тактильная и визуальная информация.

Критерии выбора способа распознавания:

- выполнение требуемой функции при минимуме объема исходных данных, т.е. минимуме времени обработки информации для работы в режиме реального времени.

Факторы выбора:

- время реакции (частота смены изображения), стробирующий режим (световые вспышки) для движущихся объектов.

- параметры элементов ВУ (скорость обработки данных, организация параллельной обработки, наличие видеопроцессора, ..),

- вид регистрации (носитель) изображения (фототермопластичный),

- датчики изображения (от оптронной пары до системы технического зрения с высокими уровнем квантования видеосигнала и разрешением),

- сегментация изображения - разбиение исходного изображения на области, каждая из которых обладает определенным свойством,

Требования к КД для упрощения распознавания состоят в использовании:

- простых геометрических фигур,

- ключей, отличной конфигурации в определенной месте рабочего поля платы.

Пример использования машинного зрения для прецизионной сборки. Прием изображения осуществляется с помощью 6-ти камер с зарядовой связью () и сканирующим электронным микроскопом (). На основе полученной информации распознаются микрообъекты, оцениваются их позиции и производится управление нанодвигателем с учетом силовых воздействий.

Рис. Фрагмент локальной сети автоматизированной системы управления модулем сборки.

Рис. Управление удаленными манипуляторами с помощью координатного устройства или пантографа.

Подобно тому, как человек воспринимает изображение двумя глазами, чип выполняет обработку пары снимков, поступающих от камер (верхние снимки получены с лево и правой камер соответственно), и определяет пространственные отношения между объектами, основываясь на эффекте параллакса. Для ускорения обработки, ее возложили на 256 вычислительных цепей, работающих параллельно. Кроме того, специальная схема анализирует градации цветов, чтобы выделить контуры объектов. БИС успевает извлечь около 2000 граней, углов и других линий раздела из каждой сцены при частоте 30 кадров в секунду. Сравнение выделенных контуров в соседних кадрах позволяет определить смещение объектов. Среди дополнительных функций – более точное сравнение кадров, анализ с увеличением, масштабирование кадров и поворот образцов для сравнения, которые выглядят по-разному в зависимости от расстояния и угла зрения. Энергопотребление микросхемы составляет примерно 2,7 Вт при тактовой частоте 200 МГц. Система позволяет роботам распознавать формы и перемещения объектов в реальном масштабе времени.

Характеристики

Список файлов лекций