一种基于视觉的连接器表面特征自动识别方法
【专利摘要】本发明涉及了一种基于视觉的连接器表面特征自动识别方法。本方法采集基准图像和实测图像，然后使用伪Zernike矩对基准图像和实测图像的特征计算不变矩特征向量距离，然后采用鲁棒的SIFT特征匹配算法提供严密的相似特征，最后将伪Zernkie距离系数同SIFT匹配系数一起构成线性可分的二维特征向量，最后对特征向量进行分类，得出相似/不相似的结果。本发明基于视觉的手段，对连接器的表面特征进行非接触的自动识别，适应了连接器质量管控中自动化的发展要求，克服了由打标设备的误差造成的特征差异，在连接器自动化视觉检测方面具有良好的应用前景。
【专利说明】一种基于视觉的连接器表面特征自动识别方法
【技术领域】
[0001]本发明涉及一种特征识别方法，特别是涉及到连接器表面特征的自动识别。进一步的描述是指通过固定在连接器表面上方的工业相机采集表面特征的实测图像，结合图像检索中的不变矩特征与计算机视觉中的图像匹配技术，将基准图像与实测图像进行严密的筛选和分类，完成表面特征识别的方法。
【背景技术】
[0002]连接器(CONNECTOR)，又称接插件、插头和插座，是3C产品和电气设备上使用最多的零件之一，其功能为:(1)使电流或信号连通；(2)连接物理或机械设备。常见的连接器有USB连接器、HDMI连接器、FPC连接器等。随着消费电子、汽车电子和通信终端视场的快速增长以及全球连接器生产能力不断向亚洲及中国转移，中国已经成为全球连接器增长最快和容量最大的市场。随着连接器产能的大幅提高和对质量的越来越高的要求，传统的目视质量管控方式显得越来越落后。近年来，以计算机技术和数字图像处理技术为核心的空间信息技术得到飞速发展，工业相机的制造工艺水平大幅度提高，成本降低，这些科技进步和变化使得视觉测量的方法越来越多的应用于连接器的质量检测和管控中。
[0003]在连接器制造业中为了区分产品批次或追溯产品生产历史，一般都需要在产品表面印上显著的标记，如LOGO、批号、标号等(如附图1所示)。连接器质量检测和管控的一个重要方面即识别产品表面的特征，实现特定特征产品的分选。利用视觉的方法能自动完成这一过程，大大提高效率和节省人力成本。
[0004]目前市面上的视觉测量系统提供了一些特征识别的功能，如OCR(字符识别)功能、二维码读取功能、基准比对功能等。但是这些已知的特征识别功能的缺陷在于(I)只能针对特定的特征，如OCR功能只能识别印刷体的英文字母或数字，二维码读取功能只能识别黑白分明的编码标志；(2)对图像特征的约束较多，如基准比对功能采用同基准图对比的功能实现特征的识别，虽然不局限于特定的特征，但是基准比对功能要求基准图与实时图特征的大小、方向、位置基本相同。OCR功能一般要求英文字母或字体是水平或竖直分布，因此需要首先对图像进行纠正，这会降低处理效率。在实际生成中，由于各种打标设备的精度有限(如打标力度、位置、角度会随着时间延长出现误差)，在对连接器产品表面进行打标时，标记会出现平移、缩放、旋转等变形情况(参见图1中第二行的数字标号所示，存在旋转和缩放的情况)，因此常规的基准比对功能无法解决此类问题或者识别精度会出现较大误差。
[0005]因此，针对上述连接器表面特征识别，需要研究通用性强、仿射不变的(即抗平移、缩放和旋转)图像特征识别算法。
【发明内容】
[0006]本发明要解决的技术问题是，针对现存的特征识别算法的缺陷，提出一种基于视觉的通用性较强(适用于数字、字母、标号、LOGO等)、仿射不变的(抗旋转、平移、缩放的)特征识别算法。它结合图像检索中的不变矩和计算机视觉中的图像匹配技术，将基准图像与实测图像进行严密的筛选和分类，与现存的特征识别算法相比，本发明发放的优势在于(I)通用性较强，与特征的类别没有关系，只要能对由打标设备形成的表面标志进行正确成像即可，如数字、字母、标号、LOGO等，均可以应用本发明的方法进行识别；(2)能在由打标设备的误差造成的旋转、平移、缩放的特征差异下仍然可以实现正确的识别。
[0007]本发明的技术方案，对连接器产品的表面特征识别的总体过程为:采集基准图像和实测图像，然后使用伪Zernike矩对基准图像和实测图像的特征计算不变矩特征向量距离，然后采用鲁棒的SIFT特征匹配算法提供严密的相似特征，最后将伪Zernkie距离系数同SIFT匹配系数一起构成线性可分的二维特征向量，最后对特征向量进行分类，得出相似/不相似的结果。详细来说，可分为以下几步:
第一步:采集基准图像和实测图像 利用工业CCD设备采集具有指定特征的样品图像作为基准图像，
而实测图像是指实际待检产品的图像。设采集到的基准图像和实测图像分别为G(x，y)和 G'ix’y)； 第二步:计算基准图像和实测图像的不变矩特征向量
不变矩是图像特征识别中的常用评价指标，即通过提取具有仿射不变(平移、旋转和比例不变性)的图像特征，进行图像相似度的评价。其代表算法有Hu矩、Zernike矩、伪Zernike矩、小波矩等。其中，伪Zernike不变矩因其具有优良的旋转不变性、易于构造包含更多图像信息的高阶矩等特点，因此在识别能力上高于其它矩。Zernike及伪Zernike不变矩的定义如下:
Zernike矩是在一组正交矩,重复率为m的η阶Zernike矩定义为:
【权利要求】
1.一种基于视觉的连接器表面特征自动识别方法，其特征在于，过程为:采集基准图像和实测图像，然后使用伪Zernike矩对基准图像和实测图像的特征计算不变矩特征向量距离，然后采用鲁棒的SIFT特征匹配算法提供严密的相似特征，最后将伪Zernkie距离系数同SIFT匹配系数一起构成线性可分的二维特征向量，最后对特征向量进行分类，得出相似或者不相似的结果，具体如下: 第一步:采集基准图像和实测图像 利用工业CCD设备采集具有指定特征的样品图像作为基准图像，实测图像指实际待检产品的图像，设采集到的基准图像和实测图像分别为G(U)和Gf(U); 第二步:计算基准图像和实测图像的不变矩特征向量 不变矩是图像特征识别中的常用评价指标，即通过提取具有仿射不变的图像特征，采用、Zernike矩、伪Zernike矩进行图像相似度的评价,Zernike及伪Zernike不变矩的定义如下: Zernike矩是在一组正交矩,重复率为m的η阶Zernike矩定义为:
2.根据权利要求1所述的一种基于视觉的连接器表面特征自动识别方法，其特征在于，所述4力映射到单位圆内的灰度图像坐标(U)在极坐标系下的角度参数，计算公式如下:
【文档编号】G06K9/00GK103729631SQ201410017402
【公开日】2014年4月16日 申请日期:2014年1月15日 优先权日:2014年1月15日
【发明者】周朗明, 张小虎, 关棒磊 申请人:中国人民解放军国防科学技术大学