5. Григорьев С. Н., Козочкин М. П., Сабиров Ф. С., Сино-пальников В. А. Диагностика технологического оборудования в современном производстве // Технология машиностроения. 2012. № 1. С. 45—50.
6. Kozochkin M. P., Porvatov A. N. Effect of Adhesion Bonds in Friction Contact on Vibroacoustic Signal and Autooscillations // J. Friction Wear. 2014. V. 35. N. 5. P. 389—395.
7. Козочкин М. П., Сабиров Ф. С. Аттракторы при резании и перспективы их использования в диагностике // Измерительная техника. 2009. № 2. С. 37—41.
8. Маслов А. Р., Молодцов В. В. Моделирование колебаний инструментальной системы для растачивания отверстий // Вестник МГТУ «СТАНКИН». 2014. № 4 (31). С. 196—199.
9. Козочкин М. П., Сабиров Ф. С., Порватов А. Н., Боган А. Н. Вибрационный контроль технологического оборудования в производстве // Вестник МГТУ «СТАНКИН». 2012. № 4 (20). С. 8—1 4.
10. Козочкин М. П., Сабиров Ф. С. Выявление дефектов шпиндельных узлов виброакустическими методами // Вестник Уфимского государственного авиационного технического университета. 2009. Т. 13. № 1. С. 133—137.
11. Козочкин М. П., Кочинев Н. А., Сабиров Ф. С. Д иагнос-тика и мониторинг сложных технологических процессов с помощью измерения виброакустических сигналов // Измерительная техника. 2006. № 7. С. 30—35.
12. Кузовкин В. А., Филатов В. В., Порватов А. Н., Порва-това А. Н. Система измерения активной мощности асинхронного двигателя станочного электропривода // Измерительная техника. 2014. № 2. С. 60—62.
13. Исаев А. В., Козочкин М. П., Порватов А. Н. Информационно-измерительная система контроля вибраций при металлообработке // Метрология. 2011. № 8. С. 18—25.
14. Пат. 2478929 РФ. Способ определения износа режущего инструмента / С. Н. Григорьев, М. П. Козочкин, В. В. Филатов, А. Н. Порватов // Изобретения. П олезные модели. 2013. № 1 0.
15. Пат. № 2481183 РФ. Устройство автоматизированного контроля нагрузки на валу электродвигателя металлорежущего станка / В. А. Кузовкин, В. В. Филатов, А. Н. Порватов, Е. А. Соколов, В. А. Камнев // Изобретения. Полезные модели. 2013. № 13.
Дата принятия 27.05.2015 г.
681.786.4
Алгоритм быстрого распознавания измерительных
маркеров для бесконтактных измерительных систем
С. Г. КОНОВ, А. А. ХОХОЛИКОВ, В. В. СКВОРЦОВА
Московский государственный технологический университет «СТАНКИН»,
Москва, Россия, e-mail: public32@gmail.com
Рассмотрен алгоритм распознавания измерительных маркеров различного назначения, применяемых в пространственных информационно-измерительных системах. Приведены примеры для использования алгоритма в системах, основанных на технологии фотограмметрии.
Ключевые слова: фотограмметрия, пространственная измерительная система, измерительный маркер, сопряженные точки.
An algorithm for detecting different measuring markers used for spatial information-measuring systems is considered. The examples of using the algorithm in systems based on photogrammetry technology are presented.
Key words: photogrammetry, three-dimensional measuring system, measuring marker, conjugated dots.
В настоящее время большое количество измерительных задач в машиностроении можно решить с применением бесконтактных измерительных технологий, что повышает актуальность разработки современных пространственных фотограмметрических информационно-измерительных систем (ИИС) [1, 2]. При проектировании таких систем разработчикам приходится решать задачи, для которых в пространстве ИИС требуется выделение отдельных опорных точек [3, 4]. При применении бесконтактных технологий, основанных на фото- и видеокамерах, эти точки часто являются центрами измерительных маркеров, выполняемых в виде геометрических примитивов контрастных цветов. Измерительные
маркеры, как правило, являются фигурой с центральной симметрией, в подавляющем большинстве случаев — кругом ч ер-ного цвета на белом фоне или со специальными световозв-ращающими покрытиями для подсветки маркеров [5].
Взаимное расположение маркеров устанавливается при их изготовлении или обеспечивается технологически. При проектировании фотограмметрических информационно-измерительных сканирующих или следящих систем маркеры используют для: калибровки [6, 7], задавая опорные измерительные маркеры с известными координатами; организации процесса слежения за перемещениями объектов в рабочем пространстве ИИС, размещая маркеры на поверх-
ности объекта слежения; объединения результатов исследований поверхностей, проведенных в различных положениях, назначая группу опорных точек в разных системах координат [8].
Погрешность, вносимая при идентификации измерительных маркеров, приводит к дополнительной погрешности измерений, зависящей от координат. Если измерительные маркеры используют при калибровке ИИС, то погрешность определения их координат обусловит неправильное определение параметров камер, а все последующие измерения, применяющие данные параметры, будут содержать погрешность определения измерительных маркеров при калибровке.
При решении задач сканирования и слежения [9] в фотограмметрии координаты центров измерительных маркеров получают в системе координат каждой из камер, затем на их основе с учетом калибровочных коэффициентов вычисляют необходимые пространственные координаты. Таким образом, при использовании камер в качестве чувствительных элементов основной задачей является определение координат центра опорного маркера в двухмерном изображении.
Теория машинного зрения располагает значительным арсеналом математических средств для обнаружения объектов известной формы на изображениях [10], среди которых и корреляционный анализ, и применение специальных фильтров, однако лишь немногие удовлетворяют важнейшим критериям для ИИС, таким как высокая точность определения координат центра маркера, высокая производительность алгоритма, т. е. способность находить сотни точек в секунду, отсутствие искажений в информации при ее обработке.
Изображение круглого измерительного маркера является дискретизованным в пространстве и по уровню и представляет матрицу, содержащую значения яркостей соответствующих пикселов, при этом номера пикселов — это координаты в пространстве изображения. Изображение, получаемое камерой без дополнительной обработки, имеет ряд особенностей: черный цвет маркера содержит фоновый шум, наводимый ПЗС-матрицей; контрастность требует доработки, так как не все фоновые пикселы белые; граница между маркером и фоном размыта.
При работе с подобными изображениями обработку целесообразно проводить в два этапа: приблизительно определить ориентировочные координаты центров маркеров на изображении; уточнить эти координаты. На первом этапе к изображению применяют специальный нормализующий фильтр, затем проводят его бинаризацию и упрощенный корреляционный анализ. Нормализующий фильтр [11, 12] необходим для преобразования яркости каждого пиксела, которое проводят в соответствии с выражением для 8-разрядных изображений:
После нормализации в изображении значительно снижается уровень шума вблизи значений, соответствующих ч ер-ному и белому цвету, при этом характер распределения яркости на граничных переходах не меняется, так как преобразование линейное. После этого для ускорения поиска нескольких маркеров на одном изображении его бинаризиру-ют в соответствии с условием
У =
0, если 0 < х < с;
1, если с < х < 255,
где с — порог бинаризации.
Полученная бинарная матрица является битовым полем, что позволяет значительно сократить ресурсы системы, выделяемые для хранения и обработки изображения в дальнейшем. В битовом поле определенные элементы можно найти методом упрощенного корреляционного анализа, для которого необходимо создать эталонное изображение искомого объекта в форме бинарной матрицы, а затем вычислить число совпадений значений соответствующих элементов для всех возможных взаимных расположений эталонной и исследуемой матриц. Для расчетов надо воспользоваться следующим выражением, основанным на операции побитового исключающего:
4,1
п - 1(Л,
у ^ Вк+/, I+у )
У
где гк 1 — упрощенный коэффициент корреляции эталона с элементом изображения, верхний левый угол которого расположен в к-й строке и 1-м столбце; п — количество элементов в матрице-эталоне; i, j — строки и столбцы эталона, соответственно; А — матрица-эталон; В — бинарное изображение.
Полученный набор коэффициентов гк 1 образует матрицу, которая сводит поиск элемента, похожего на эталон, к процессу нахождения наибольших значений. Анализ такой матрицы позволяет выявить участки, похожие на искомый фрагмент, и получить первое приближение их координат в пространстве изображения. После нахождения координат первого приближения, можно уточнить координаты центра измерительного маркера, вычислив координаты центра масс на исходном изображении в окрестностях координат первого приближения. Для случая с черным маркером на белом фоне координаты центра масс рассчитывают по формулам
хц = £
У
уХ(255- С, у) /£(255- С,- у);
0, если 0 <х<а;
У=
255х 255а
, если а <х<Ь
Ь - а Ь - а 255, если Ь<х<255,
Уц=£
'' 1(255 - С,у )
/£(255 - Су )
где х, у — яркость пикселов до и после нормализации, соответственно; а, Ь — нижний и верхний пороги нормализации, соответственно; при этом 0 соответствует черному цвету, а 255 — белому.
где С, у — яркость пиксела, расположенного в ¡-й строке j-го столбца исходного изображения; хц, уц — координаты центра масс сегмента изображения, принимаемые за координаты центра измерительного маркера.
Основными достоинствами приведенного алгоритма являются:
высокая производительность ввиду отсутствия сложных в реализации математических операций;
более точная оценка координат центра измерительного маркера, так как измерительная информация подвергается искажениям только при вычислениях и только в первом приближении;
гибкость и возможность реализации поиска измерительных маркеров различных форм.
Описанный алгоритм идентификации измерительных маркеров был опробован в работе макета пространственной фотограмметрической ИИС, разработанного в МГТУ «СТАНКИН». Алгоритм показал повышение эффективности распознавания координат центров измеритель
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.