基于机器视觉的运动误差自动校正系统设计

杜振中

摘  要： 為提高运动误差检测精度，设计一种基于机器视觉的运动误差自动校正系统。利用微误差机构调节机器视觉模块、运动误差校正模块间的配置紧密程度，实现运动误差自动校正系统的硬件运行环境搭建。在此基础上，对运动点目标进行极化定标处理，再利用此结果计算目标点的相位误差，并对误差结果进行耦合校正，实现系统的软件运行环境搭建，结合硬件设备条件，完成基于机器视觉的运动误差自动校正系统设计。对比实验结果表明，随着自动校正系统的应用，目标误差动作捕捉的灵活性、运动误差校正精度均得到大幅提升，其应用优越性明显高于常规运动误差校正系统。

关键词： 机器视觉; 运动误差; 自动校正; 微误差机构; 极化定标; 相位误差

中图分类号： TN98?34; TP391                    文献标识码： A                      文章编号： 1004?373X（2019）19?0107?05

Abstract： A motion error automatic correction system based on machine vision is designed to improve the detection accuracy of motion error. The micro?error mechanism is used to adjust the configuration compactness between machine vision module and motion error correction module to realize the build of hardware operation environment of the motion error automatic correction system. On this basis， the polarization calibration processing is carried out for the moving point target， the phase error of the target point is calculated according to the processing results， and a coupling correction of the error results is conducted to realize construction of software running environment of the system. Design of the motion error automatic correction system based on machine vision has been  completed in combination with the hardware conditions. The experimental results show that， with the application of automatic correction system， the capture flexibility of target error action and the accuracy of motion error correction has been greatly improved， and its application superiority is obviously higher than that of conventional motion error correction system.

Keywords： machine vision; motion error; automatic correction; micro?error mechanism; polarization calibration; phase error

0  引  言

机器视觉是人工智能领域的重要发展分支，是一种可以通过机器替代人眼进行测量或判断操作的处理技术手段。在机器视觉系统中，被摄取目标可以通过相关机器视觉产品转化成标准的图像信号，再借助信道传输至专门的图像处理组织中。所谓机器视觉产品是图像摄取装置的学术化定义方式，包含CMOS，CCD两种存在状态[1?2]。图像处理组织中停留的摄取目标条件明确规定了像素亮度、分布情况、颜色状态等物理条件，并以数字信号的方式为图像系统的目标处理操作提供数据支持，这也是机器视觉技术能够直接影响目标行进动作的主要原因。

常规误差校正系统利用二元振子模型获取机器运动形态数据，再根据Adams软件中所有节点参数的偏移量确定系统需要对数据信息进行的校正程度。这种方法虽然能够获取到精确的校正信息量，但存在运动误差检测精度低的实际问题。为改善此现状，建立专门的微误差机构与校正模块，并在获取目标点相位误差结果的基础上，搭建一种基于机器视觉的运动误差自动校正系统，通过后续的实验探究环节突出该系统的优越性。

1  运动误差自动校正系统硬件设计

从微误差机构、机器视觉模块、运行误差校正模块三个方向完成运动误差自动校正系统的硬件运行环境搭建，其具体设计流程可按如下步骤进行。

1.1  微误差机构建立

微误差机构可看作是一个定性频率无限大的板体框架结构，包含转子、定子、初级校正膜片、次级校正膜片四项物理集成设备，如图1所示。

圖1中，转子配合机器供电装置，促进机体进入运动行进状态，且在获取供应电流的过程中，转子设备的物理阻值始终不发生变化。定子设备相当于一个弹片状态，当机器运动幅度过大或运动频率过快时，定子会自行拨正已经发生偏移的转子，并以此促使机器快速降速或降频[3?4]。初级校正膜片、次级校正膜片是微误差机构的辅助设备装置，当转子、定子完成机器运动误差控制操作后，初级校正膜片会记录机器最高行进状态时的视觉误差量，次级校正膜片会记录机器最低行进状态时的视觉误差量，再通过二者做差值的方式统计得到需校正的运动误差总量。

1.2  机器视觉模块建立

机器视觉模块的主体结构包含一个位移平台和一个电感误差测微仪。位移平台用于测量机器组织在运动过程中的物理变化量，并借助导轨装置将这些数据信息传输到电感误差测微仪，以便于后续误差校正操作的顺利进行。为保证运动误差校正数据不出现过大的物理偏差，机器视觉模块周围还分布多个微型的位移传感器，这些结构组织负责与目标点进行定向传输，并将获取到的分辨率信息传输至导轨中[5?6]。根据自动分配法则可知，导轨中与运动误差相关的数据信息始终保持平均分配的处理原则。微误差机构作为辅助校正环节，一方面为机器视觉模块提供足量的误差数据信息，另一方面可借助导轨，将由供电装置输出的电子传输至机器视觉模块，以保证后续自动校正流程的顺利进行。

完整的机器视觉模块结构如图2所示。

1.3  运动误差校正模块建立

运动误差校正模块以步进电机作为核心搭建设备。随着机器运动时间的无限延长，微误差机构的机器供电装置会产生大量串行电子，并借助输出信道和导轨装置，将这些电子传输至机器视觉模块及其他硬件执行结构。当与步进电机相连的输入装置感受到电子流的冲击后，机体会由断开状态转化为连接状态，此时校正设备借助联轴器与步进电机建立连接，并设置标准的误差数据接收频率条件，在同一频率周期内，步进电机会对校正设备传输大量的运动误差数据[7?8]。在完整的数据传输后、下一次传输开始前的空档时间，校正设备开始快速的运动误差数据消耗操作，并在下一频率周期开始的同时，将已经成型的误差校正指令传输至总机器视觉中心。详细的模块功能结构如图3所示。

2  运动误差自动校正系统软件设计

在硬件执行结构的支持下，通过人体运动点目标的极化定标、目标点相位误差计算、自动误差耦合校正三个处理步骤完成软件运行环境的搭建，两项结合，实现基于机器视觉运动误差自动校正系统的顺利应用。

2.1  机器运动点目标的极化定标

输入的人体运动图像通过可训练的滤波器后产生特征图。特征图通过池化和一个激活函数之后得到新的特征图像素，对获取像素的值进行光栅化，并摊平成一个向量，该向量就是这个网络里提取得到的特征向量。得到的特征向量可以输入到一个常规的分类器，最终由分类器进行分类结果的计算和输出，得到动作的类型。

为避免外界物理条件对实验结果真实性的影响，实验组、对照组实验参数始终保持一致。

3.2  运动灵活性对比

利用Host Computer仿真设备，在50 min的实验时间内，分别记录应用实验组、对照组系统后，Frame Grabber芯片中机器运动灵活性指数的变化情况。详细实验对比结果如表2，表3所示。

对比表2，表3可知，实验组人体误差动作捕捉灵活性指数的最小值达到68.75%，与理想最小值间的差值仅为1.25%，灵活性指数最大值为76.94%超过理想最大值75%;对照组人体误差动作捕捉灵活性指数在整个实验过程中始终不超过50%，远低于实验组平均数值。综上可知，在调节机器运动系数为0.33的条件下，应用基于机器视觉的运动误差自动校正系统，可使人体误差动作捕捉灵活性指数的平均值提升近30%。

3.3  运动误差校正精度参数对比

利用Host Computer仿真设备，在50 min的实验时间内，分别记录应用实验组、对照组系统后，TUF B450M?PLUS GAMING主机中关于运动误差校正精度参数的图像变化情况。详细实验对比结果如图5所示。

分析图5可知，随着实验时间的增加，实验组、对照组校正精度参数均呈现上下波动的变化趋势，但从实验开始到实验结束，实验组的数值多数情况高于理想最大值0.6，而对照组数值情况最大值仅能达到0.34，低于理想最大值0.6，更远低于实验组数值。综上可知，本文方法可使运动误差校正精度参数始终保持较高水平。

4  结  语

在微误差机构的支持下，建立机器视觉模块与运动误差校正模块，并通过运动点目标极化定标、目标点相位误差计算、自动误差耦合校正三项的理论数值操作，完成基于机器视觉的运动误差自动校正系统设计。随着这种新型系统的应用，人体误差动作捕捉灵活性指数、运动误差校正精度参数提升明显，与常规运动误差校正系统相比，具备更强的实际使用价值。

参考文献

[1] 郭璘，王波.交叉路口摄像头视觉目标标定及误差校正仿真[J].计算机仿真，2018，35（11）：141?144.

GUO Lin， WANG Bo. Camera vision target calibration and error correction simulation at intersection [J]. Computer simulation， 2018， 35（11）： 141?144.

[2] 胡国欣，李安，覃方君.基于伪距、伪距率的组合导航误差校正仿真[J].电子设计工程，2018，26（6）：105?108.

HU Guoxin， LI An， QIN Fangjun. Error correction simulation of integrated navigation based on pseudo?range and pseudo?range ratio [J]. Electronic design engineering， 2018， 26（6）：105?108.

[3] 郭斌，谢康康，胡晓峰，等.基于机器视觉的四回路保护阀开启压力自动调节系统[J].中国测试，2018，44（4）：80?85.

GUO Bin， XIE Kangkang， HU Xiaofeng， et al. Opening pressure automatic adjustment system for four?circuit protective valve based on machine vision [J]. China measurement & tes?ting technology， 2018， 44（4）： 80?85.

[4] 陈禺，许黎明，蒋振辉，等.基于机器视觉的开放式复杂轮廓曲线磨削数控系统[J].制造技术与机床，2017（6）：183?187.

CHEN Yu， XU Liming， JIANG Zhenhui， et al. CNC system for profile grinding machine based on machine vision [J]. Manufacturing technology & machine tool， 2017（6）： 183?187.

[5] 黄仕磊，廖俊必，徐涛，等.基于机器视觉的液压阀阀芯关键尺寸的自动检测系统[J].工具技术，2017，51（3）：93?97.

HUANG Shilei， LIAO Junbi， XU Tao， et al. Automatic inspection system of partial parameter of valve core based on machine vision [J]. Tool engineering， 2017， 51（3）： 93?97.

[6] 梁忠民，王旭伟，宁亚伟，等.基于动力系统反演理论的马斯京根流量演算误差校正[J].水力发电，2017，43（12）：9?12.

LIANG Zhongmin， WANG Xuwei， NING Yawei， et al. Study on error correction method of muskingum flow calculation based on dynamic system inversion theory [J]. Water power， 2017， 43（12）： 9?12.

[7] 刘勇，姚力波，吴昱舟，等.静轨光学卫星与自动识别系统的目标点迹关联与误差校正[J].电子与信息学报，2018，40（7）：1546?1552.

LIU Yong， YAO Libo， WU Yuzhou， et al. Target point tracks association and error correction with optical satellite in geostationary orbit and automatic identification system [J]. Journal of electronics & information technology， 2018， 40（7）： 1546?1552.

[8] 陈波，孙天齐，刘爱新，等.分布式孔径综合成像系统旋转和放大率误差的校正[J].激光与光电子学进展，2018，55（1）：297?302.

CHEN Bo， SUN Tianqi， LIU Aixin， et al. Correction of rotation and amplification errors in distributed aperture integrated imaging system [J]. Advances in laser and photoelectronics， 2018， 55（1）： 297?302.

[9] 叶思菁，张超，王媛，等.GF?1遥感大数据自动化正射校正系统设计与实现[J].农业工程学报，2017，33（z1）：266?273.

YE Sijing， ZHANG Chao， WANG Yuan， et al. Design and implementation of automatic orthorectification system based on GF?1 big data [J]. Transactions of the Chinese society of agricultural engineering， 2017， 33（S1）： 266?273.

[10] 杨扩军，孔祥伟，施佳丽，等.数理统计和频谱分析的TIADC误差校正方法[J].电子科技大学学报，2018，47（1）：43?50.

YANG Kuojun， KONG Xiangwei， SHI Jiali， et al. TIADC error correction method of mathematical statistics and spectrum analysis [J]. Journal of University of Electronic Science and Technology， 2018， 47（1）： 43?50.

[11] 张宗华，郭佼，王月敏，等.镜面物体三维测量系统中两显示屏的平行正对校正[J].光学精密工程，2017，25（2）：289?296.

ZHANG Zonghua， GUO Jiao， WANG Yuemin， et al. Parallel?alignment and correction of two displays in three?dimensional measuring system of specular surfaces [J]. Optics and precision engineering， 2017， 25（2）： 289?296.

[12] 梁庆仟，刘海宁，于帅，等.基于光电校正惯性导航系统的光电桅杆方位角度的修正[J].应用光学，2017，38（5）：694?699.

LIANG Qingqian， LIU Haining， YU Shuai， et al. Azimuth correction of optoelectronic mast based on EO calibrated INS [J]. Journal of applied optics， 2017， 38（5）： 694?699.

[13] 郑帅超，房立金，徐志刚.单目视觉?激光测距定位系统的标定与姿态校正[J].机械科学与技术，2017，36（12）：1926?1934.

ZHENG Shuaichao， FANG Lijin， XU Zhigang. Calibrating and correcting pose of monocular vision and laser ranging location system [J]. Mechanical science and technology for aerospace engineering， 2017， 36（12）： 1926?1934.

[14] 王诗宇，林浒，孙一兰，等.基于机器视觉的机器人分拣系统的设计与实现[J].组合机床与自动化加工技术，2017（3）：125?129.

WANG Shiyu， LIN Hu， SUN Yilan， et al. Theresearch of industrial robots sorting technology based on robot vision [J]. Modular machine tool & automatic manufacturing technique， 2017（3）： 125?129.