HALCON图像处理在机器视觉中的应用

2019.01

科技论坛

HALCON 图像处理在机器视觉中的应用

耿立明，杨威，王迪

(沈阳城市建设学院信息与控制工程系，辽宁沈阳，110167 )

摘要：本文针对柔性智能制造生产线为控制对象进行研究，分析柔性智造生产线的组成，搭配思科工业交换机和发那科 LR Mate200I d 型六自由度工业机器人，完成复杂的产品智能制造和组装加工过程,采用康耐视工业相机C C D 图像传感 器构成机器视觉系统，基于HALCON基类H X L D 算法进行图像处理、特征提取，应用在机器视觉中进行产品的在线检测，发现产品的缺陷，并及时加以处理，防止不必要的损失。关键词：生产线；机器视觉；HALCON ; HXLD ;检测；智能制造

Application of machine vision based on HALCON image processing

Geng Liming, Yang W e i , Wang Di

(Shenyang Urban Construction University Department of information and control engineering,

Shenyang Liaoning, 110167)

Abstract: This paper studies the flexible intelligent manufacturing production line for the control

object, analyzes the composition of the flexible intelligent production line, and cooperates with

Cisco Industrial Switch and FANUC LR Mate200Id six-degree-of-freedom industrial robot to complete the complex product intelligent manufacturing and assembly process. CCD image sensor of Vision Industrial Camera constitutes machine vision system. Based on HALCON based HXLD algorithm for image processing and feature extraction, it is applied in machine vision for on-line detection of products, and discovers defects of products and processes them in time to prevent unnecessary loss.Key words : Production line; machine vision; HALCON; HXLD; inspection; intelligent manufacturing

0引言

如图1所示。柔性智能制造生产线由自动供料单元、物 料转运机构、模拟加工单元、工件组装单元、产品分拣单元、 产品搬运机构及立体仓库单元组成。设备整体为桌面台式模 块化设计，可形成各单元独立控制和整体流程控制。本设计 研宄对象以智能制造生产线作为技术根本，搭配思科工业交 换机和发那科LR Mate200I d 型六自由度工业机器人，完成复 杂的产品智能制造和组装加工过程。

图1柔性智能制造生产线鉴于在生产线上人眼无法连续、稳定地完成完成这些 带有高度重复性和智能性的工作。由此考虑机器视觉判别方 法：利用光电成像系统采集被控目标的图像，然后经图像处 理模块进行数字化处理，根据图像的像素分布、亮度和颜色 等信息，来进行尺寸、形状、颜色等的判别。

1机器视觉判别1.1机器视觉系统的构成

机器视觉系统可以实现非接触测量，从而提高了系统的 可靠性。

机器视觉技术用计算机来分析一个图像，并根据分析 得出结论。机器视觉系统可以探测部件，也可以用来创造一 个部件，即运用复杂光学器件和软件相结合直接指导制造过 程。典型的视觉系统一般包括：光源、光学系统，相机、图像处

理单元、图像分析处理软件、通讯/输入输出单元等。尽管机 器视觉应用各异，但都包括以下几个过程。

(1)图像采集

光学系统采集图像，图像转换成模拟格式并传入计算机 存储器。一般利用光源、光学系统，相机、图像处理单元获取 被测物体的图像。本设计相机选择康耐视工业相机C C D 图像

传感器300万像素。

基金项目：校科学研宄发展基金项目“机器视觉在工业机器人智能分拣识别中的应用研宄”

(XKJ2018003)。

科技论坛2019.01

(2) 图像处理

处理器运用不同的算法来提高对结论有重要影响的图 像要素。机器视觉系统中，视觉信息的处理技术主要依赖于 图像处理方法，它包括图像增强、数据编码和传输、平滑、边 缘锐化、分割、特征抽取、图像识别与理解等内容。经过这些 处理后，输出图像的质量得到相当程度的改善，既改善了图 像的视觉效果，又便于计算机对图像进行分析、处理和识别。

(3) 特性提取

处理器识别并量化图像的关键特性，例如生产线上零件缺 口的位置或者颜色的不同,然后这些将数据传送到控制程序。

(4) 判决和控制

处理器的控制程序根据收到的数据做出结论。

1.2机器视觉系统的原理

机器视觉就是利用机器代替人工视觉，通过图像摄取装 置将被摄取目标转换成图像信号，再交给图像处理系统进行 各种运算来提取目标特征，进而根据图像判别结果来进行设 备动作。

2 HALCON

HALCON是德国MVTec Software GmbH公司开发的一套 全面的标准机器视觉算法包，拥有应用广泛的机器视觉集成 开发环境（HDevelop)。HALCON提供了卓越的性能,并全面 地支持多核平台和特殊指令集（如AVX2和NEON)，以及GPU 加速。HALCON由一千多个各自独立的函数，以及底层的数据 管理核心构成。其中包含了各类滤波，色彩以及几何,数学转 换，形态学计算分析，校正，分类辨识等等算法计算功能。2.1基于HXLDCont的轮廓险测

X L D数据结构可以描述为任何封闭的最小区域或者打 开的轮廓。与Regions代表像素精度相反，XLD(Extended Line Descriptions)代表的是亚像素精度。其中有两种基本 的X L D结构：轮廓(contours)和多边形(polygons)。与图像 相似，HALCON也提供了基类HXLD和继承HX L D的特殊类，比如HXLDCont用于轮廓，HXLDPoly用于多边形。

首先选择特定轮廓：

Read_image(Image，’mixed_01.png’）//从具有像素精度的图像中提取得到X L D轮廓

threshold_sub_pix (Image，Border, 128)//提取图像得 到亚像素边缘

edges_sub_pix (Image,Edges, 7canny’，1,20, 40)// 选择特定形状特征要求的XL D轮廓或多边形

V C程序如下：

#include ^HalconCpp.hn

mainQ

using namespaceHalcon;

HImageMandrill(“LINGJIAN”）；//read image from file“LINGJIAN”

HWindow w;//window with size equal to image

Mandrill.Display(w);//display image in window

w.Click();//wait for mouse click

HRegion BrightMandrill>=128;//select all bright pixels

HRegionArray Conn=Bright.Connection();//get connected components

//select regionswith a size of at least 500 pixels

HRegionArrayLarge=Conn.SelectShape(“area” ， ” a nd”，500, 90000);

//select theeyes out of the instance variable Large by using

//the anisometryas region feature:

HRegionArrayAB= Large.SelectShapeCf anisometryw ,” and”，1,1. 7);

Eyes.Display(w);//display result image in window w.Click();//wait for mouse click

}

3结论

机器视觉系统能够实现对生产过程中每一个产品的在线 检测，发现产品的缺陷，并及时加以处理,防止不必要的损失。

对机器视觉系统来说，图像预处理方法并不考虑图像 降质原因，只将图像中感兴趣的特征有选择地突出，衰减其 不需要的特征。故预处理后的输出图像并不需要去逼近原图 像，这类图像预处理方法统称为图像增强。

参考文献

[1] 王价，陈兵旗，朱德利，梁习卉子，代贺，陈洪密.基于机

器视觉的定向播种用玉米种粒精选装置研究[J].农业

机械学报.2017(02).

[2] 贾伟宽，赵德安，刘晓洋，唐书萍，阮承治，姬伟.机器人

采摘苹果果实的K-means和GA-RBF-LMS神经网络识

别[J].农业工程学报.2015(18).

[3] 郑小东，王杰.机器视觉在玉米籽粒品质检测中的应用研

究[J].中国粮油学报•2013(04).

[4] 孙群，王庆，薛卫青，马晗煦，孙宝启，谢宗铭.无损检测

技术在种子质量检验上的应用研究进展[J].中国农业

大学学报.2012(03).

[5] 应义斌，饶秀勤，赵匀，蒋亦元.机器视觉技术在农

产品品质自动识别中的应用（I)[J].农业工程学

报.2000(01).

甲孑测ii !