阅读说明：本技术 一种基于树莓派的物体尺寸快速测量方法 (Object size rapid measurement method based on raspberry pie ) 是由 段晓杰 李鹏辉 汪剑鸣 刘广丽 李秀艳 于 2019-09-18 设计创作，主要内容包括：本发明公开了一种基于树莓派的物体尺寸快速测量方法,该方法可以在面阵相机标定完成后,直接通过面阵相机采集待测量物体的二维图像,从而实现对其关键尺寸参数信息的快速获取,本发明属于光学测量领域,可应用于对任意物体尺寸的快速测量；其原理为利用树莓派作为图像处理核心单元,能够在已知图像中参照物体尺寸信息的条件下,自动快速识别出图像中所有待测量物体,并完成对该物体关键二维尺寸参数的计算,本发明具有速度快、实用性强、便携性好等优点,测量精度满足工业生产的需要。(The invention discloses a method for quickly measuring the size of an object based on a raspberry pie, which can be used for directly acquiring a two-dimensional image of an object to be measured through an area-array camera after the area-array camera is calibrated, so as to quickly acquire key size parameter information of the object; the method has the advantages of high speed, strong practicability, good portability and the like, and the measurement precision meets the requirements of industrial production.)

一种基于树莓派的物体尺寸快速测量方法

技术领域

本发明公开了一种基于树莓派的物体尺寸快速测量方法，该方法可以在面阵相机标定完成后，直接通过面阵相机采集待测量物体的二维图像，从而实现对其关键尺寸参数信息的快速获取，本发明属于光学测量领域，可应用于对任意物体尺寸的快速测量。

背景技术

传统的物体尺寸测量手段主要分为人工和专业仪器方式；人工方式主要基于量规、刻度尺等测量，该方法简便、快速，但是精度不高；而基于轮廓仪、X射线测量仪等专业仪器虽然精度高，但是对测量环境有较高要求，在现代工业生产领域存在一定局限；随着光学技术、信号处理和计算机技术不断的发展更新，人们可以通过光学成像方法获取外界环境中物体的图像信息，并将其转换为机器能够处理与识别的数字信号，最终利用计算机或机器人实现了模拟人类视觉信息感知的功能，形成了机器视觉技术，为物体的快速测量提供了一个新的方向；一般的基于机器视觉的测量系统通过采集待测量物体图像并输入至计算机内，通过图像处理算法提取关键信息，再利用相机标定参数，最终获得待测量物体的尺寸信息，该方法对各个测量仪器的空间位置有较高要求，移动位置后还需进行重新标定参数；同时由于采用计算机作为图像处理单元，便携性有待提高。

本发明通过树莓派作为图像处理核心单元，用于测量物体的二维屏幕尺寸信息，能够在已知图像中参照物体尺寸的条件下，自动识别图像中的待测量物体，并测量给出物体的关键尺寸信息，由于对软件算法进行深度优化，因此具有速度快、实用性强、便携性好的优点，测量精度基本满足工业生产的需要。

发明内容

本发明的目的是克服现有方法的不足，提供了一种基于树莓派的物体尺寸快速测量方法，本方法只需在对相机进行标定后，通过设置参照物体的方式实现对待测量物体二维尺寸信息的快速测量，为此，本发明采用如下技术方案。

一种基于树莓派的物体尺寸快速测量方法，主要包括下列步骤：

(1)待测量物体图像采集与预处理；

(2)提取图像中所有物体轮廓信息；

(3)经过预先设置的指标信息选择并确定参照物体；

(4)通过扫描方式将图像内所有的待测量物体进行标注；

(5)分别确定待测量物体边框及顶点，并计算各个边框中心点及连线；

(6)计算对应中心点之间的欧式距离，并标注出待测量物体的实际尺寸信息；

步骤1中，通过树莓派平台上安装的面阵相机模块，采集待测量物体和参照物体的彩色图像并传输至树莓派处理器芯片内，并通过形态学方法将图像内所有物体的边缘空隙填充从而实现对图像的预处理；

步骤2中，在提取出待测量物体和参照物体的边缘信息后，通过轮廓检索方法对采集到的彩色图像内所有物体的外部轮廓进行标注；

步骤3中，通过对图像中所有物***置、轮廓大小进行统计以确定参照物体，参照物体的实际大小决定了的测量比例值为pixel_per_metric＝pixel_width/width，其中pixel_width表示单位像素个数，以像素为单位；width为参照物体真实长度，单位为毫米；

步骤4中，在确定参照物体的位置信息后，通过扫描方式由左至右逐项对提取出轮廓后的待测量物体进行序号标注；

步骤5中，根据等高线区域信息提取出待测量物体的旋转边界，并画出待测量物体的外部边框，并返回边框顶点的坐标，定义一个中心点计算函数midpoint，同时取出边界四个顶点坐标，其中椭圆形边界通过平均法定位顶点位置，并计算相邻两顶点(x₁，y₁)，(x₂，y₂)之间中心点坐标，计算方法为：midpoint(x，y)＝((x₁+x₂)/2，(y₁+y₂)/2)，并将对应中心线点标注连线；

步骤6中，利用欧几里德公式来计算待测量物体各个对应的中心点间的欧式距离，其待测量物体的关键尺寸信息可表示为其中(x_z1，y_z1)，(x_z2，y_z2)为对应中心点的坐标值。

本发明与现有技术相比具有如下优势：

1.便携性好，由于本方法将摄像头与数字图像处理单元集成在一起，具有体积小巧、重量较轻等有点，并且直接可用移动电源供电，因此可以方便在任意环境下进行测量，

2.测量速度快，通过图像采集方式对物体进行快速测量，采集过程中的物体可以处于运动状态，同时省略了一般方法中需要对测量系统进行参数标定过程，从而使得本发明可以应用于工业流水线生产、医学测量研究等领域。

附图说明

图1为本发明的方法流程图；

图2为面阵相机采集到的初始图像，其中左侧卡片为参照物体，中间椭圆形硬币和右侧长方形铁盒为待测量物体；

图3为图2图像预处理后结果，其中(a)为灰度化处理后图像；(b)为高斯滤波后图像；(c)为边缘检测后图像；(d)为形态学处理后图像；

图4为提取图2内所有物体轮廓后的图像，其红色边框即为物体轮廓；

图5为参照物体的尺寸参数信息确定后的图像，即左侧蓝色卡片的长、宽尺寸信息；

图6为图2中待测量物体的边框及其中心点标注结果图像，(a)为椭圆形硬币标注结果图像；(b)为右侧长方形铁盒标注结果图像；

图7为图2中所有待测量物体尺寸信息计算结果图像，(a)为中间椭圆形硬币计算结果图像；(b)为右侧长方形铁盒计算结果图像。

具体实施方式

本发明流程图如图1所示，该方法首先树莓派读取面阵相机采集到的待测量物体与参照物体的彩色图像，并通过编程设置参照物体尺寸信息，然后通过高斯滤波、边缘检测及形态学处理中的闭运算进行图像预处理，最后提取出图像中所有物体的轮廓信息；经过预先输入的指标信息确定参照物体，通过扫描方式将图像内所有待测量物体进行分类标注，然后分别确定待测量物体德边界框与顶点，再计算出待测量物体各个边界框的中间点位置，并进行对应连线，计算出对应中间点的欧式距离，从而可以标注出待测量物体实际尺寸信息。下面结合附图，对本发明的技术方案的具体实施过程加以说明：

1.待测量物体图像采集与预处理；

树莓派平台上设置有相机专用CSI(CMOS Sensor Interface)接口，通过连接分辨率为1920*1200，700万像素的面阵模块，在待测量物体和参照物体正上方采集其对应彩色图像并传输至树莓派处理器芯片内，如图2所示；由于图像预处理主要针对灰度像素进行操作，因此需将采集到图像变换通过加权平均法转换为灰度图像，加权平均法的原理为按照一定的权值对红、绿、蓝三个分量的值加权平均，最后得到灰度图，结果如图3(a)所示；考虑到在相机采集过程中，容易受到环境干扰造成图像质量退化，为了更好的保留图像的细节特征，本方法采用高斯滤波算法对采集图像进行处理，该算法是对整幅图像进行加权平均的过程，高斯模板用一个归一化的高斯模板遍历图像中的每个像素点，模板中心值会被加权平均的灰度值取代，得到平滑后的图像，处理结果如图3(b)所示；由于待测量物体和参照物体轮廓为其外边缘部分，同时将待测量物体和参照物体与背景图像进行分离，通过边缘检测算法提取图像内物体的边缘特征，为后续的轮廓信息提取奠定基础，提取结果如图3(c)所示；最后通过数学形态学算法消除物体边缘空袭，以提高轮廓提取准确度，结果如图3(d)所示。

2.提取图像中所有物体轮廓信息；

在提取出待测量物体和参照物体的边缘信息后，通过轮廓检索方法提取图像内所有物体的外轮廓，并在面阵相机初始采集到的彩色图像中进行轮廓标注，标注结果如图4所示，即红色框图部分。

3.经过预先设置的指标信息选择并确定参照物体；

设置最左侧的物体为参照物体，通过检测物体的轮廓排列，从左到右，将第一个被检测到的物体确定为参照物体；本测量方法需要参照物体的位置及尺寸信息进行测量，举例：选定一张公交卡作为参照物体，通过预先测量可得卡片长85.6毫米、宽54.0毫米，如图5所示；将卡片置于图像最左侧，通过对图像中物***置轮廓大小排序进一步提取信息，确定参照物体。参照物体的实际大小决定了的测量比例值为pixel_per_metric。

pixel_per_metric＝pixel_width/width (1)

其中，用pixel_width表示单位像素数，以像素px为单位；用width参照物体真实长度，单位是毫米。

4.通过扫描方式将图像内所有的待测量物体进行标注；

在确定参照物***置后，通过扫描方式由左至右逐项对提取出轮廓后的物体进行标注序号，以便于后面处理过程中，针对单个物体进行尺寸提取。序号与待测量物体的轮廓对应，忽略较小的等高线区域，从而实现对所有物体的轮廓标注。

5.分别确定待测量物体边框及顶点，并计算各个边框中心点及连线；

如果等高线区域足够大就提取物体的旋转边界，并画出物体的边框，并返回边框顶点的坐标。定义一个中心点计算函数midpoint，取出边界四个顶点坐标，其中椭圆形边界通过平均法定位顶点位置，并计算相邻两顶点(x₁，y₁)，(x₂，y₂)之间中心点坐标，计算方法如下：

midpoint(x，y)＝((x₁+x₂)/2，(y₁+y₂)/2) (2)

并标出中心点，并将对应中心线点连线，如图6所示，其中图6(a)为椭圆形待测量硬币的边框及中点计算结果图，6(b)为长方形待测量铁盒的边框及中点计算结果图

6.计算对应中点间的欧式距离，并标注出待物实际尺寸信息；

最后利用欧几里德公式计算对应中心点间的欧式距离，得到物体的尺寸大小ρ，即：

其中(x_z1，y_z1)，(x_z2，y_z2)为对应两中心点的坐标值。计算标注结果如图7所示，其中(a)为中间椭圆形硬币的长轴和短轴尺寸信息；(b)为右侧长方形铁盒的长、宽尺寸信息。

7.总结

本发明提出了一种基于树莓派的物体尺寸快速测量方法，该方法充分利用树莓派的数字图像处理能力，利用安装在树莓派上的面阵相机模块采集待测量物体及参照物体图像，通过预先设置好的参照物体的尺寸信息，自动地智能识别图像中待测量物体，并给出待测量物体的精确尺寸信息，改进了传统基于机器视觉的高精度尺寸测量系统还需对测量系统进行标定的要求，同时便携性较好，因而本系统在工业生产领域上有着广泛的应用前景。