杭宇+孙亚东

摘要：为解决通讯机壳部件测量中遇到的圆拟合和边缘提取不准确的问题，提出了利用加权函数进行修正的方法。首先，针对圆拟合过程中容易受到干扰点影响的情况，提出采用双平方形式的加权函数对圆拟合过程进行修正，去除了离群值较大的点，从而使圆拟合更准确。为了准确的定位边缘，提出了利用三角形模糊隶属函数作为加权函数，对边缘选取过程进行修正，从而达到准确提取边缘的目的。同时，本文采用了鲁棒性强的字符提取算法及支持向量机的字符检测算法，实现了字符提取和识别。

关键词：加权函数；圆拟合；边缘选取；字符检测

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）15-0252-03

Abstract：In order to solve the problem of inaccurate edge extracting and circle fitting in the communications components measurement， a method for correcting the weighting function is proposed. First， double squared weighting function is adopted to fit circle for the case of circle fitting process susceptible to interference. Circle fitting is more accurate because the outliers are removed. In order to accurately locate the edge， triangular fuzzy membership function is adopted as a weighting function， so the accurate edge extraction is achieved. at the same time， robust character extraction algorithm and character detection algorithm by SVM（support vector machine） is adopted for character extracting and recognition during the measurement.

Key words： weight function； circle fitting； edge selecting； symbols identifying

通讯天线设备的电性能直接与设备的各个零部件的精度相关，通讯天线零部件的高精度是保障通信质量的基本条件。通讯机壳零部件的尺寸精度、几何形状精度、相互位置精度、表面粗糙度等都有严格规范和公差范围。在检测过程中不但要高精度地测量几何尺寸、几何形状和相互位置精度，同时还要识别零部件表面的各种符号、数字和字母等。本文以通讯机壳零部件测量为例，以满足精度、提高可靠性为目的，研究了基于单目计算机视觉条件下满足亚像素精度的检测方法，其关键检测技术主要有标定技术、复杂轮廓的基元拟合技术、模糊测量技术和字符提取技术等。文中针对机壳部件测量中，存在圆拟合与边缘提取不准确的问题，提出了利用加权函数进行修正的方法。该方法的基本思想是：圆拟合不准确主要是由于受到较大的离群点影响，因此采用一种双平方模式的加权函数来去除这些离群点，从而得到准确的拟合圆。边缘提取不准确也是由于提取到了不需要的边缘，因此采用三角形模式的加权函数对不需要的边缘进行抑制，只允许正确的边缘输出，从而达到正确检测目的。检测结果表明，所提出的方法能够满足测量要求。由于机壳部件表面的字符也要求识别，因此本文根据字符及其背景，选择了鲁棒性强的动态阀值分割算法和支持向量机分类器实现了字符的检测和识别。

1 摄像机标定技术

本文采用传统的摄像机标定方法，利用一个标定板与其图像的对应约束关系来确定摄像机的内参数和外参数。测量中，采用的是远心相机模型。从三维空间坐标到二维图像坐标的映射关系可以使用一个固定数量的参数来表示：

2 最小二乘法的加权拟合

由于部件的边界点组成的轮廓会产生大量的数据，而我们所关心的是确定部件轮廓的位置信息，因此需要将轮廓拟合成直线、圆、椭圆等基元，进而确定被测部件的形状精度、相互位置精度等关键参数。本文提出一种圆拟合算法，该算法基于各个拟合点的权重值的大小对圆进行拟合，使得到圆更为精确。

3 模糊测量

相对于经典标准的测量方法，模糊测量对边缘选择更加灵活。它可以依据图像的对比度、位置、尺寸及灰度值等信息实现测量。

设模糊集合记为；并在[0，1]闭区间的特征函数称为隶属函数，记为，它表示对于的隶属程度，用它来描述“亦此亦彼”的模糊概念。在经典集合论中，集合元素要么属于或不属于集合，该集合的边界是清晰的。模糊集理论则允许有关集合元素模糊渐进评估，这就是通过隶属函数来描述的。模糊集合的定义式为：

由于在图像中的灰度值存在模糊性，其主要体现在物体的边缘，因此适合用模糊理论对图像边缘的不确定性进行描述。对单一不确定性测量，在量化的区域内，包含准确的值，即在gray zone范围内[6]。对物体进行测量前，要选择模糊隶属函数。常用的有Triangular、S-curve function、Z-function和Pi-function四种。其他隶属函数可由这四种组合而成[7]。在实际的测量中，由于光照等因素影响，常导致边缘检测不准确，进而影响测量结果，图2（a）所示为由于检测出多个边缘，其测量结果有多个。

5 结论

本文研究了基于单目计算机视觉的机壳测量方法。针对测量中圆拟合不准确的问题，提出了圆拟合算法的改进，即对拟合过程中，先计算各个点的加权值，对大于指定值的视为离群点，将其忽略已达到去除离群点的目的，从而得到更准确的圆。对检测到多个边缘的问题，根据其正确的边缘位置信息，设计相应的加权函数，只选择需要的边缘输出，从而得到正确的测量结果。加权函数的方法的优点是使检测结果更准确；其缺点是增加了计算量，从而使检测时间加长。因此，对于检测时间要求比较苛刻的场合，该方法还有进一步改进的空间。另外本文还根据检测要求，运用动态阀值分割算法和SVM分类器对机壳表面的字符进行了提取和识别。

参考文献：

[1] S.Lanser， Modellbasierte Lokalisation gestutzt auf monokulare. PhD thesis，Forschungaund Lehreinheit Informatik LX， Technische Universittat Munchen[M].Shaker Verlag， Aachen， 1997.

[2] F.Mosteller， J.W.Tukey. Data Analysis and regression[Z]. Addisson-Wesley，Reading， MA，1977.

[3] S.J.Ahn， W.Rauh， H.J.Warnecke. Least-squares orthogonal distances fitting of circle， sphere， ellipse，hyperbola， and parabola[J]. Pattern Recognition， 2011， 34（12）： 2283-2303.

[4] Beer， M Uncertain structural design based on nonlinear fuzzy analysis[J]. Special Issue of ZAMM 2004， 84（10–11）： 740–753.

[5] M?ller， B， Beer， M Safety Assessment using Fuzzy Theory[C]. Proceedings of the 1998 International Computing Congress in Civil Engineering， ASCE， Boston， 1998：756–759.

[6] M?ller，B.Graf，W，Beer，M.Fuzzy structural analysis using alpha-level optimization[J]. Computational Mechanics. 2000， 26： 547–565.

[7] Zdeněk Molnár，Václav Bezděk.Possibel use of logic in database[J].Information Security， 2011.