[發(fā)明專利]一種基于視覺的連接器表面特征自動識別方法

有效

• 申請?zhí)枺?/td>: 201410017402.2
• 申請日: 2014-01-15
• 公開（公告）號: CN103729631B
• 公開（公告）日: 2017-01-18
• 發(fā)明（設計）人: 周朗明;張小虎;關棒磊
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20
• 代理公司: 湖南省國防科技工業(yè)局專利中心43102
• 代理人: 馮青

技術領域

本發(fā)明涉及一種特征識別方法，特別是涉及到連接器表面特征的自動識別。進一步的描述是指通過固定在連接器表面上方的工業(yè)相機采集表面特征的實測圖像，結合圖像檢索中的不變矩特征與計算機視覺中的圖像匹配技術，將基準圖像與實測圖像進行嚴密的篩選和分類，完成表面特征識別的方法。

背景技術

連接器（CONNECTOR），又稱接插件、插頭和插座，是3C產品和電氣設備上使用最多的零件之一，其功能為：（1）使電流或信號連通；（2）連接物理或機械設備。常見的連接器有USB連接器、HDMI連接器、FPC連接器等。隨著消費電子、汽車電子和通信終端視場的快速增長以及全球連接器生產能力不斷向亞洲及中國轉移，中國已經成為全球連接器增長最快和容量最大的市場。隨著連接器產能的大幅提高和對質量的越來越高的要求，傳統(tǒng)的目視質量管控方式顯得越來越落后。近年來，以計算機技術和數字圖像處理技術為核心的空間信息技術得到飛速發(fā)展，工業(yè)相機的制造工藝水平大幅度提高，成本降低，這些科技進步和變化使得視覺測量的方法越來越多的應用于連接器的質量檢測和管控中。

在連接器制造業(yè)中為了區(qū)分產品批次或追溯產品生產歷史，一般都需要在產品表面印上顯著的標記，如LOGO、批號、標號等（如附圖1所示）。連接器質量檢測和管控的一個重要方面即識別產品表面的特征，實現特定特征產品的分選。利用視覺的方法能自動完成這一過程，大大提高效率和節(jié)省人力成本。

????目前市面上的視覺測量系統(tǒng)提供了一些特征識別的功能，如OCR（字符識別）功能、二維碼讀取功能、基準比對功能等。但是這些已知的特征識別功能的缺陷在于（1）只能針對特定的特征，如OCR功能只能識別印刷體的英文字母或數字，二維碼讀取功能只能識別黑白分明的編碼標志；（2）對圖像特征的約束較多，如基準比對功能采用同基準圖對比的功能實現特征的識別，雖然不局限于特定的特征，但是基準比對功能要求基準圖與實時圖特征的大小、方向、位置基本相同。OCR功能一般要求英文字母或字體是水平或豎直分布，因此需要首先對圖像進行糾正，這會降低處理效率。在實際生成中，由于各種打標設備的精度有限（如打標力度、位置、角度會隨著時間延長出現誤差），在對連接器產品表面進行打標時，標記會出現平移、縮放、旋轉等變形情況（參見圖1中第二行的數字標號所示，存在旋轉和縮放的情況），因此常規(guī)的基準比對功能無法解決此類問題或者識別精度會出現較大誤差。

????因此，針對上述連接器表面特征識別，需要研究通用性強、仿射不變的（即抗平移、縮放和旋轉）圖像特征識別算法。

發(fā)明內容

本發(fā)明要解決的技術問題是，針對現存的特征識別算法的缺陷，提出一種基于視覺的通用性較強（適用于數字、字母、標號、LOGO等）、仿射不變的（抗旋轉、平移、縮放的）特征識別算法。它結合圖像檢索中的不變矩和計算機視覺中的圖像匹配技術，將基準圖像與實測圖像進行嚴密的篩選和分類，與現存的特征識別算法相比，本發(fā)明發(fā)放的優(yōu)勢在于（1）通用性較強，與特征的類別沒有關系，只要能對由打標設備形成的表面標志進行正確成像即可，如數字、字母、標號、LOGO等，均可以應用本發(fā)明的方法進行識別；（2）能在由打標設備的誤差造成的旋轉、平移、縮放的特征差異下仍然可以實現正確的識別。

????本發(fā)明的技術方案，對連接器產品的表面特征識別的總體過程為：采集基準圖像和實測圖像，然后使用偽Zernike矩對基準圖像和實測圖像的特征計算不變矩特征向量距離，然后采用魯棒的SIFT特征匹配算法提供嚴密的相似特征，最后將偽Zernkie距離系數同SIFT匹配系數一起構成線性可分的二維特征向量，最后對特征向量進行分類，得出相似/不相似的結果。詳細來說，可分為以下幾步：

第一步：采集基準圖像和實測圖像

利用工業(yè)CCD設備采集具有指定特征的樣品圖像作為基準圖像，

而實測圖像是指實際待檢產品的圖像。設采集到的基準圖像和實測圖像分別為????????????????????????????????????????????????和；

第二步：計算基準圖像和實測圖像的不變矩特征向量

不變矩是圖像特征識別中的常用評價指標，即通過提取具有仿射不變（平移、旋轉和比例不變性）的圖像特征，進行圖像相似度的評價。其代表算法有Hu矩、Zernike矩、偽Zernike矩、小波矩等。其中，偽Zernike不變矩因其具有優(yōu)良的旋轉不變性、易于構造包含更多圖像信息的高階矩等特點，因此在識別能力上高于其它矩。Zernike及偽Zernike不變矩的定義如下：