维普资讯 http://www.cqvip.com ２０ｏ２￣第５期 《机器八技术与应用》 基予图像轮廓提取的模板匹配方法 在机器人视觉中的应用 口邓秀娟赵亮 大连铁道学院机械系 ［摘要】在图像模板匹配基础上，利用轮廓提取方法，提出了一种适合于机器人视觉技术的图像模式识别算法一基于 图像轮廓提取的模板匹配算法。研究表明：该算法实现简单，执行速度快，在求得对象物精确位置方面有一定提高，且在 一定程度上相似性分布相对尖锐了一些。 ［关键词】模板匹配图像轮廓提取模式识别机器人视觉 ［Ａｂｓｔｒａｃｔ】Ｏｎ ｔｈｅ ｂａｓｅ ｏｆ ｔｅｍｐｌａｔｅ ｍａｔｃｈｉｎｇ，ｔｈｅ ａｌｇｏｒｉｔｈｍ ｏｆ ｉｍａｇｅ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ａｐｐｌｙｉｇｎ ｔｏ ｒｏｂｏｔ ｖｉｓｉｏｎ ｉｓ ｐｒｅｓｅｎｔｅｄ ｂｙ ｕｓｉｎｇ ｅｘｔｒａｃｔｉｎｇ ｏｆ ｃｏｎｔｏｕｒ．Ｉｔ ｉｓ ａｌｓｏ ｔｈｅ ｏｎｅ ｏｆ ｔｅｍｐｌａｔｅ ｍａｔｃｈｉｎｇ ｂａｓｅｄ ｏｎ ｅｘｔｒａｃｔｉｎｇ ｏｆ ｃｏｎｔｏｕｒ．Ｔｈｅ ｉｎｄｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｒｅｓｅａｒｃｈ： ｈＴｅ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｉｓ ｖｅｒｙ．ｓｉｍｐｌｅ ａｎｄ ｔｈｅ ｓｐｅｅｄ ｏｆ ｒｕｎｎｉｎｇ ｉｓ ｖｅｒｙ ｆａｓｔ．Ｔｈｅ ｃａｐａｂｉｌｉｔｙ ｆｏｒ ｃａｌｃｕｌａｔｉｏｎ ｔｈｅ ｐｒｅｃｉｓｅ ｐｏｓｉｔｉｏｎ ｏｆ ｔｈｅ ｏｂｊｅｃｔ ｉｓ ｉｍｐｒｏｖｅｄ．Ｄｉｓｔｉｒｂｕｔｉｎｇ ｏｆ ｃｏｍｐａｒａｂｉｌｉｙｔ ｉｓ ｍｏｌｅ：ｋｅｅｎ—ｅｄｇｅｄ ｃｏｍｐａｒａｔｉｖｅｌｙ． ［Ｋｅｙｗｏｒｄｓ】Ｔｅｍｐｌａｔｅ ａｍｔｃｈｉｇｎ Ｅｘｔｒａｃｔｉｇｎ ｏｆ ｃｏｎｔｏｕｒ Ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ Ｒｏｂｏｔ ｖｉｓｉｏｎ Ｏ引叠 以Ｆ几种形式： 模板匹配是一种最原始、最基本的模式识别方 Ｍ 法，研究某一特定对象物的图案位于图像的什么地 Ｄ（ｉ， ：∑∑［ｓ¨ ，ｎ — ，ｎ 】 ，Ｈ＝＝１ ｎ＝１ 方，进而识别对象物，这就是一个匹配的问题。例如在 或者 下图１（ａ）中寻找有无图（ｂ）的三角形存在。当对象物 Ｍ 的图案以图像的形式表现时，根据该图案与一幅图案 Ｏ（ｉ， ：∑∑Ｉｓ Ｊ（ｍ， 一 ， Ｊ ，Ｈ＝１ ｎ＝１ 的各个部分的相似度判断其是否存在，并求得对象物 式中计算的是模板Ｔ和图像Ｓｉ，ｊ重合部分的非 在图像中的位置的操作叫做模板匹配。 相似度，该值越小，表示匹配程度越好。如果展开前一 模板匹配方法是数字图像分析领域比较活跃的 个式子，则有 一个分支，已经历了几十年的研究探索，目前已提出 Ｍ Ｍ 了众多的模板匹配方法，其中灰度图像模板匹配方法 Ｄ“， ：∑∑［ｓ ，ｎ — ，ｎ 】ｚ ，Ｈ＝１ ｎ＝１ 的基本思想是：设模板Ｔ叠放在搜索图Ｓ上平移，模 Ｍ Ｍ × ，ｎ ＋板覆盖下的那块搜索图叫做子图Ｓ。。Ｊ，ｉ，ｊ为这块子图 ∑∑［ ，ｎ 】ｚ ，Ｈ＝１ ｎ＝１ 的左上角像点在图中的坐标，叫做参考点，现检测Ｔ 右边第三项表示模板的总能量，是一个常数与 和Ｓ 重合部分的相似度，对图像中所有的点进行这 （ｉ，ｉ）无关，第一项是覆盖下那块图像子图的能量， 样的操作，根据相似 它随着位置（ｉ，ｉ）而缓慢改变，第二项是子图像和 度为最大或者超过某 模板的互相关．，随（ｉ，ｊ）而改变。Ｔ和Ｓｉ，ｊ匹配时这 一一阕值来确定对象物 项的取值最大，因此我们可以用下列相关函数作相 是否存在，并求得对 似性测度，该值越大，表示匹配程度越好。 象物所在的位置。作 Ｍ Ｍ 为模板匹配的尺度有 （ａ） ∑∑ｓ ，ｎ × ，ｎ Ｊ 图１模板匹配的例子 Ｒ（ｉ， ＝ Ｌ —————一 ∑∑［ｓ ，ｎ 】 Ｈ￥－者简介】Ｘ１￣ｔ（１９７７．４一），女，汉，硕士研究生，研究方向：机电一体化。 ・２７・ 维普资讯 http://www.cqvip.com ２ｏｏ２ｇ第５期 或者归一化为 村 村 《机器人技术与应用》 性，因此，进行模板匹配计算的相似度就在以对象物存 在的地方为中心形成平缓的锋。这样，即使从图像中对 象物的真实位置稍微离开一点，也表现出相当高的相 ∑∑．ｓ Ｊ（ｍ，ｎ × ｆｍ， 尺“， ＝ 亍 兰兰——— ——一√∑∑【．ｓ Ｊ（ｍ，ｎ 】２ ／∑￣ｔ Ｔ（ｍ，ｎ 】 器零件精确位置，这就要使图像的相似度分布尽可能 １和用攮板匹Ｅ识嗣方法氯取工件的机 ■人系舞一曩 如图２，该系统为了从零件的外形获得准确、稳 定的识别信息，用安装在传送带上方的ＣＣＤ摄象机 尖锐一些。为达到这一目提出了基于图像轮廓提取的 模板匹配方法。 ２．２图像变换 似度。但在机器人视觉中，要求求出放在传送带上的机 摄像机获得平面物体图，其位姿往往是任意的，如 摄取图像。主计算机可处理装在机器人工作位置上方 图３所示，为了进行比较、识别，首先要计算出任意位姿 的ＣＣＤ摄象机所摄得的图像并识别出所需的工件和 图像的重心Ｓ点的坐标、图象的两个垂直的主惯性轴以 被识别工件的空间坐标位置，这主要由基于图像轮廓 及 值。为了使图３（ａ）中图像能与存储器中的标准模板 提取的模板匹配方法来实现的。有关传送带的数据也 图像进行匹配，可将基准坐标系Ｏ０Ｘ。ｙｏ坐标原点Ｏ０平移 送到计算机处理。当工件从视觉系统位置移动到机器 到重心点（ｘ ，ｙ 上，如图３（ｂ）所示，再将Ｏｌｘｌ Ｙ 在坐标系 人位置时，计算机利用视觉和速度数据确定工件的位 旋转 角，得到０２ｘ Ｙ 坐标系。 置、取向和形状。并把这种信息经接口送到机器人控 制器。根据这种信息，工件仍在皮带上移动时，机器人 便能成功地接近和拾取工件。 击 ｎ， Ｘ】 一 ｌ ００ ） Ｏ０ ） Ｓ ｙ’ Ｖ● ｙ０ （０）摄得图像 （ｂ）重心位移 １ 图２利用模板匹配的识别方法抓取工件的机器人 、 Ｏ 一 ） ２算法的一曩分析 ２．１算法的提出 根据施瓦兹不等式可以知道上式中０＜Ｒ（ｉ，ｊ） ＜ｌ，并且仅在比值 为常数时Ｒ（ｉ，ｊ）取极大 ２．３灰度图像的轮廓提取 值（等于１）。上式可写成更简洁的内积形式，令Ｓ１表示 就是掏空内部点：如果原图中有一点为黑，且它的 子图，表示模板，则有 ８个相邻点都是黑色时（此时该点是内部点），则将该点 剔除。这样，就获得了具有图像的外部轮廓特征点的像 素。 通过分析以前的一些模板匹配方法（如粗精检索 ２．４设置标记点 高速化法）可知，由于在一般的图像有较强的自相关 为了使机器人手末端能够准确地拾取工件，我们在 ・２Ｒ・ 维普资讯 http://www.cqvip.com ２００２年第５期 机器零件的模板图像设置两个标记点，这两点也就是机 器人将来拾取工件的点。在识别的过程中，将首先识别 出机械零件，然后识别出这两点。标记点的灰度值采用 一《机器人技术与应用》 ３实验结果与分析 本文在ＰⅡＰ￣ｅｓｓｏｒ上用ＶＣ＋＋６．０编程实现了 上述算法，取得了良好的效果。在实现本文的算法的过 程中，所用的搜索图为６４Ｏ×４８０的２５６灰度级的灰度 图，取模板大小为１６ Ｘ １６。给出了一幅匹配结果示意图 个０和２２５之间的较大的灰度值，这是考虑到一方面 容易和表示轮廓特征的黑点区别出来。另一方面可以准 确地获得中心点位置。 （如图５）。图中的左上角为搜索的与右面模板匹配的部 ２．５基于图像轮廓提取的模板匹配算法 分（环境：ＰⅡＰｃｏｃｅｓｓｏｒ，ｗｉＮ９８）。 （１）把模板图像平移到２．４所得到的像素点。计算 相似性，找到图像中最大相似性的出现位置。 （２）将最大相似性出现区域进行显示，获得识别结 果。 （３）利用如下公式把这两点的坐标转化成三维空 间的参考坐标系即ｏｅｘｅｖｅｚｅ坐标系（视觉坐标系）上的 点（其中ｚｅ是通过摄像机与传送带之间的距离和机械 零件与传送带之间距离获得的）。 １ ０ ０ ０ （Ｕ 图５匹配结果示意图 ０ １ ０ ０ ，， ＝ 磊 ０ ０ １一ｆ （Ｕ ４结论 １ ０ ０ １ １ ｛ （ 本文在分析了以往的模板匹配方法的基础上，结合 机器人视觉技术中要求的机械零件的识别特点，提出了 一其中厂为ＣＣＤ摄像机镜头的焦距，ｃ种适合用在机器人视觉上的基于图像轮廓提取的模 ．Ｕ：一手。 板匹配算法。该算法通过对灰度图像进行变换、寻找图 （４）实现视觉坐标系到机器人坐标系的转换。因为 像轮廓对应的像素点、找最大相似区域、把计算最大相 在实际情况下，机器人和它的眼睛（摄像机）具有各自的 似性区域出现的坐标位置转化为三维空间的坐标点和 固有坐标系，如图４所示。摄像机作为机器人的眼睛，它 视觉坐标系向机器人坐标系的转换，这样就完成了对机 提供给机器人的关于景物的信息必须以机器人坐标系 械零件的识别。和其他的一些模板匹配方法相比，该算 ｏＲｘＲｙＲｚＲ为参考坐标系，只有这样，手眼才能协调地配 法在求得对象物的精确位置方面有一定的提高，相似性 合工作。只有这样才能把（３）中标记点转换到机器人底 的分布相对尖锐了很多。 座的坐标系中去。 参考文献 ［１】郑时雄，刘桂雄，阎华，温伟成等，机器人视觉在自动装配线中 的应用，光学精密工程，１ ９９８年２月第６卷第１期，９ｏ一９４。 【２】孙远，周刚慧，赵立初，施鹏飞等，灰度图象匹配的快速算法， 上海交通大学学报，２０ｏＯ年５月第３４卷第５期。 摄像机 【３】贾永红，计算机图像处理与分析，武汉：武汉大学出版社， × ２０ｏ１．９０ Ｖ 【４】朱世强王宣银，机器人技术极其应用，杭州：浙江大学出版 社．２００１．７。 【５】Ｍｉｋｍ ｓ０ｎｋａ．ＩⅡｌａｇｅ Ｐｒｏｃｅｓｓｉ￣，Ａ￣ｙｓｉｓ，ａｎｄ Ｍａｃｈｉｎｅ Ｖｉｓｉｏｎ． 影印版。北京：人民邮电出版社，２００２．１。 图４ ・２９・
