SISTEM VIZUAL PENTRU DETERMINAREA PARAMETRILOR DE CORECIE

A UNUI DISPOZITIV DE PREHENSIUNE.

1

Marius NICA , Lucian GRAMA , Ioan V. MIHIL , Macedon GANEA , Gheorghe

5

DONCA , Dorin HIRTE .

1. eng., drd., University of Oradea, e-mail: mariusnica@yahoo.com , 2. prof., PhD., eng.,
Petru Maior University , 3. prof., PhD., eng., University of Oradea, 4. prof., PhD., eng.,
University of Oradea, 5., eng., drd., University of Oradea ,6 eng., drd., University of
Oradea.
Abstract: Vision systems are used in a large scale in industrial and scientific applications. These
systems work in real time in order to rapidly solve problems in manufacturing flexible systems. The paper
presents some image processing strategies which are used to corelate a robot gripper position and
orientation in order to handle objects in a correct mode. The objects are wooden palets which have to be
manipulated by the robot to feed a packaging flexible line.

Cuvinte cheie: vedere artificial, transformarea radon, corectarea siturii,

dispozitive de prehensiune.
1. INTRODUCERE
Sistemele de recunoatere a imaginilor i vedere artificial se utilizeaz ntr-o gam
larg de aplicaii industriale i tiinifice. Aceste sisteme lucreaz n timp real pentru a
rezolva rapid problemele ce apar n sistemele flexibile. Prin efectuarea unor sarcini
complexe de inspecie vizual n cadrul acestora, sistemele de achiziie i prelucrare a
imaginilor bazate pe calculatoare PC cresc productivitatea, versatilitatea, gradul de
reproductibilitate i fiabilitatea, reducndu-se totodat costurile de producie.
Sistemele de achiziie i prelucrare imagini, pe lng alte aplicaii, pot fi folosite n
general pentru:
- verificarea prezenei unor pri componente;
- verificarea poziiei i orientrii pieselor;
- corectarea poziiei i orientrii efectorului final al unui robot.
Lucrarea de fa urmrete elaborarea unei metode care s poat furniza parametri
de corecie privind amplasarea paleilor din lemn, ce urmeaz s fie preluai de un gripper
al unui robot monorail, care s deserveasc o hal industrial. Paleii sunt amplasai n
stive alctuite din 4 buci. Este probabil ca paleii s nu fie corect suprapui n cadrul
stivei, de asemenea exist posibilitatea ca ntreaga stiv s nu fie corect amplasat.
Pentru ca dispozitivul de prehensiune s poat prelua corect reperele, bucat cu
bucat, este necesar s se cunoasc poziia centrului paletului dup 2 axe de coordonate
orizontale, unghiul de rotaie n plan orizontal al acestuia precum i amplasarea pe
nlime, care difer n funcie de numrul de palei rmai n stiv.
Poziionarea i orientarea unui dispozitiv de prehensiune al unui robot, pentru
prinderea corect a unui obiect de lucru, n conditiile n care situarea obiectului de lucru
este incert (limitndu-se totui la un anumit domeniu), se poate realiza doar prin captarea
informaiilor cu ajutorul unor sisteme senzoriale. Lucrarea de fa descrie o metod de
rezolvare a unui asemenea caz utiliznd vederea artificial.

2. STABILIREA VALORII CORECIEI DE ROTAIE

Pentru orientarea dispozitivului de prehensiune n planul obiectului de lucru trebuie
cunoscut unghiul de rotire al obiectului de lucru fa de o direcie dat. Exist mai multe
metode utilizate pentru determinarea unghiului de rotire a unei imagini. Pentru aplicaia de
fa cea mai convenabil metod (care poate fi utilizat i n sisteme de timp real) este
metoda transformatei Radon.
Transformata Radon implementeaz o form particular a transfomatei Hough.
Transformata reprezint o imagine ca un set de proiecii de-a lungul a diferite
direcii. Aceast transformat are aplicaii n diverse domenii cum ar fi seismologie i
prelucrarea imaginilor medicale. Considernd un domeniu spaial continuu, o imagine se
poate reprezenta printr-o funcie de dou variabile f(x,y).
Proiecia unei funcii bidimensionale f(x,y) dup o direcie definit prin unghiul
este o sum integral dup acea direcie. De exemplu pentru a obine proiecia pe direcie
vertical (=90) se consider x = x1 (constant) i se calculeaz suma integral :

R 90 ( x 1 ) = f ( y)dy

(1)

iar proiecia pe o direcie orizontal (=0), cu y = y1 (constant) se calculeaz cu relaia:

R 0 ( y1 ) = f ( x )dx

(2)

Fig.1. Diagramele transformatelor radon pentru =90 i =0.

n cazul general transformata Radon a unei funcii de dou variabile f(x,y) este
suma integral a funciei dup o directie paralel cu axa y:

R ( x ' ) = f ( x ' cos y' sin , x ' sin + y' cos )dy'

n care :
x ' cos sin x
y' = sin cos y

(3)

Pentru realizarea algoritmului de prelucrare a imaginilor, transformata Radon

realizeaz reprezentarea imaginii rotite ntr-un sistem de coordonate (x,y) cu un anumit
unghi dup care calculeaz suma integral. Se repet acest pas de calcul pentru un
domeniu unghiular ales i cu precizia cerut de aplicaie. n final rezult un vector al
valorilor transformatei n care valoarea corespunztoare unghiului de rotaie al obiectului
are valoarea maxim. n cazul imaginilor se utilizeaz o variant discret a relaiei (3). n
figura 2 este artat schematic rotirea axelor de coordonate i obinerea valorilor
transformatei.

Fig.2. Transformata Radon n cazul unui unghi oarecare

Pentru aplicarea cu succes a transformatei Radon n cazuri practice este nevoie de

o serie de preprocesri ale imaginii.
Pentru realizarea unui algoritm de prelucrare automat a imaginilor paleilor s-au
realizat o serie de imagini similare cu cele ce vor fi ntlnite n aplicaia concret. O astfel
de imagine este artat n figura 3.

Fig.3. Imagine original.

Fig.4. Imagine binar

n primul pas al preprocesrii se realizeaz binarizarea imaginii achiziionate de

camera video. Binarizarea se realizeaz n mod automat utiliznd o metod de detectare a
pragului de binarizare (threshold) bazat pe histograma imaginii (metoda Otsu). Dup
binarizare se obine imaginea prezentat n figura 4. Imaginile binarizate se prezint
negativat pentru o mai bun percepie vizual n cadrul lucrrii.
Pentru eliminarea golurilor dintre regiunile de interes (ntregirea domeniului de
informaii utile) se realizeaz o operaie morfologic de umplere, rezultatul creia este
prezentat n figura 5.
n pasul urmtor se elimin pixelii parazii de la marginea imaginii ct i toi pixelii
cu o conectivitate de 4x4. Prin acesta se realizeaz o mai bun delimitare a obiectului de
interes (paletul), rezultnd imaginea prezentat n figura 6.

Fig.5.Rrezultatul prelucrrii
umplere morfologic.

de

Fig.6. Rezultatul eliminrii morfologice

a pixelilor parazii de la marginea imaginii.

Pentru mbuntirea imaginii binarizate se realizeaz dou transformri

morfologice consecutive : o erodare urmat de o nchidere morfologic, ce au ca scop
eliminarea unor pixeli parazii din imagine. Rezultatul prelucrrilor morfologice este artat
n figura 7.
Ultimul pas n cadrul preprocesrii este detectarea muchiilor obiectului de interes.
detectarea muchiilor se poate realizea prin mai multe tipuri de algoritmi (Sobel, Prewitt,
Roberts, Canny, zerocross, log of Laplacian) dintre care logaritnul Laplacian-ului este cel
mai adecvat n acest caz.
Ca urmare a aplicrii detectiei muchiilor, se obine o imagine (figura 8) ce conine o
informaie solid asupra direcionalitii obiectului de interes.
Dup terminarea preprocesrii, se poate aplica transformata Radon, conform celor
specificate anterior. Reprezentarea valorilor transformatei n funcie de unghi i poziia pe

axa sistemului de coordonate rotit se realizeaz de obicei ntr-o diagram tridimensional

n care se poate observa cu uurin valoarea maxim a transformatei (figura 9). Desigur
n cadrul algoritmului acest valoare este detectat n mod automat.
n scopul atestrii corectitudinii rotirii obinute s-a reprezentat n figura 10 imaginea
rotit a figurii 7. Aceast corecie de unghi poate fi aplicat mecanismului de orientare al
dispozitivului de prehensiune.
Pentru o corect situare a dispozitivului de prehensiune este nevoie, pe lng
orientarea asigurat de rotire i de o poziionare.

Fig.7. Imagine rezultat dup erodare i

nchidere morfologic.

Fig.8. Imagine rezultat dup

detectarea muchiilor.

Fig.9. Diagrama 3D a transformatei Radon

Fig.10. Imagine rotit cu valoarea

unghiului obinut prin transformata
Radon

3. STABILIREA VALORII CORECIEI DE TRANSLAIE

Detectarea valorii coreciei de poziie a paletului fa de centrul imaginii se
realizeaz cu ajutorul unei imagini etalon numit masc ce reprezint o idelizare a
imaginii concrete a unui palet. Imaginea etalon este de dimensiuni mai mici dect
imaginea achiziionat n mod curent. Imaginea etalon negativat este prezentat n figura
11. Pentru realizarea deteciei se utilizeaz convoluia imaginii achiziionate cu imaginea
etalon, rezultnd o matrice de convoluie dat de relaia:
n

MC(i, j) = I(k 1 , k 2 )E (i k 1 , j k 2 )

(4)

k1=1 k 2 =1

n care: MC - este matricea produsului de convoluie; (nxm) - dimensiunea imaginii

achiziionate;
Maximul matricii de convolutie se obine pentru poziia matricii etalon, cea mai
apropiat de poziia obiectului de interes. Cu ajutorul Indicilor (i,j) ai maximului produsului
de convoluie se poate calcul poziia obiectului de interes fa de centrul imaginii i implicit
corecia ce trebuie aplicat poziiei dispozitivului de prehensiune.
Este posibil ca n aplicaia real convoluia s se realizeze relativ lent fa de
cerinele practice. n acest caz in locul produsului de convoluie se poate utiliza detecia
maximului n domeniul frecvenial utiliznd transformarea Fourier bidimensional, metod
echivalent convoluiei. Totui obtinerea mtii n cazul deteciei n domeniul frecvenial nu
este o sarcin banal.

Fig.11. Imagine etalon negativat.

4. CONCLUZII
Algoritmii de detecie a corectiilor de rotira i translaie prezentai satisfac cerintele
aplicaiei propuse de corectare a situri unui dispozitiv de prehensiune pentru robotul de

manipulare a paleilor. n lucrare nu s-au luat n considerare coreciile de perspectiv,

algoritmii afereni acestora fcnd obiectul unui studiu viitor.
BIBLIOGRAFIE
1. N. Otsu, "A Threshold Selection Method from Gray-Level Histograms," IEEE
Transactions on Systems, Man, and Cybernetics, vol. 9, no. 1, pp. 62-66.
2. Parker, James R. Algorithms for Image Processing and Computer Vision. New
York: John Wiley & Sons, Inc., 1997. pp. 23-29.