Aktuální vydání

celé číslo

01

2024

Automatizace skladování, logistiky a manipulace s materiálem

Programovatelné automaty, průmyslové počítače, jednotky I/O, bezpečnostní systémy

celé číslo

Průmyslové aplikace počítačového vidění

Automa 5/2000

Hlavní autor článku, doc. Ing. Jozef Honec,
pracuje v Ústavu automatizace a měření FEI VUT Brno
(honec@dame.fee.vutbr.cz)

Průmyslové aplikace počítačového vidění

Obr. 1.

1. Úvod
Skupina počítačového vidění na ÚAMT FEI VUT Brno je zaměřena na aplikovaný výzkum v oblasti zpracování obrazů a řízení. Mezi největší projekty skupiny patří vývoj programové nadstavby a systému pro snímání a zpracování údajů radarových měřičů rychlosti RAMER 7CCD, RAMER 7CCD STABIL (jsou zavedeny u policie ČR a SR), vývoj vizuálního polohovacího zařízení pro PRAMET Šumperk, návrh a realizace optické zpětné vazby při řízení hydraulických trhacích strojů a jiné.

V současné době byly ukončeny nebo jsou rozpracovány tyto projekty:

  • optická kontrola elektronických součástek,
  • detekce a snímání vozidel pojíždějících křižovatky na červenou pro Policii ČR,
  • monitorování dopravní situace pro Policii ČR.

Ve všech případech jde o komplexní řešení úloh. Účast v takovýchto projektech je zpravidla podmíněna tím, že řešitelský kolektiv musí být schopen vyřešit úlohu od úvodní studie až po realizaci. To znamená nejenom podílet se na řešení úloh vědeckotechnického charakteru, ale mít také možnost zajistit kooperaci, výrobu a financování celého projektu.

Obr. 2.

2. Detekce a záznam vozidel projíždějících křižovatky na červenou
Funkce zařízení je jednoduchá. Kamerami se snímá situace na křižovatce zepředu a zezadu (obr. 2). Překročí-li vozidlo příčnou souvislou čáru STOP a současně na signalizačním zařízení svítí červená, sejme se série snímků tak, aby bylo možné řidiči dokázat přestupek. Jednotlivé křižovatky lze propojit do sítě, která zabezpečuje nepřetržitý tok dat mezi jednotlivými prvky systému. Systém je koncipován tak, aby bylo v budoucnu možné jednotlivé činnosti (např. ztotožnění vozidla a řidiče), včetně vystavení složenky a jejího odeslání (obr. 1) plně automatizovat. Na obr. 4 je ukázka vyhodnocovacího programu jízdy na červenou. Snímky pocházejí z doby testování systému, nebyly hodnoceny jako přestupky.

Vozidlo a stav signalizačního zařízení se detkují automaticky na základě zpracování obrazu. Pro úspěšné vyřešení úlohy bylo nutné vyvinout rychlé a spolehlivé metody detekce vozidla ve sledované oblasti. Složitost úlohy zvyšuje to, že algoritmus musí pracovat za všech rozumných podmínek osvětlení scény a že obrazy vozidel v podmínkách hustého provozu splývají nebo se překrývají. Jednoduché metody založené na detekci pohybu jsou nespolehlivé, kromě toho se ve sledované oblasti mohou vyskytovat chodci, jejichž úhlová rychlost může být srovnatelná s rychlostí vozidel.

Nakonec se ukázalo, že nejjistějším příznakem přítomnosti vozidla ve sledované oblasti je společně s některými konstrukčními prvky masky vozidla státní poznávací značka (SPZ). Po jejím zpracování hranovým filtrem vznikne v místě značky série svislých čar, jejichž přítomnost se snadno detekuje (obr. 3).

Obr. 3.

Obraz byl zpracován standardními způsoby hranování a ztenčování čar. Po výpočetní optimalizaci byl implementován na signálový procesor TMS320C32. Detekce značky v oblasti 60 × 380 pixelů trvá do 20 ms. Spolehlivost vyhodnocení postačuje k tomu, aby paměť procesoru nebyla zahlcena a neukládaly se zbytečné snímky. Pravděpodobnost správné detekce se zvětší v další fázi zpracování v nadřazeném počítači (k posouzení, zda vyhodnocená oblast je opravdu SPZ, se přibírají další příznaky), jehož hlavní úlohou je komprimovat a ukládat data a přenášet je na vyšší uzel systému.

Při řešení úlohy se vyskytla řada dalších zajímavých problémů, např. volba optiky a řízení expozice, kalibrace kamer, způsoby propojení a komunikace mezi jednotlivými prvky systému a problémy spojené s automatizací administrativy při vyhodnocování přestupků. Jejich popis je nad rámec tohoto článku.

Zařízení má název Unicam a bylo řešeno ve spolupráci s firmou UNIS Brno, která zajišťovala projektové práce a obchodní vedení projektu.

Obr. 4.

3. Monitorování dopravní situace
Úlohou je zjistit průměrnou hodnotu počtu a rychlosti vozidel v jízdních pruzích na vozovce a detekovat krizové situace, jako jsou tvorba front a dopravní zácpy. Nejsou zde tak přísné požadavky na přesnost snímání počtu projíždějících vozidel. Použité metody jsou jednoduché a jsou založeny na detekci pohybu ve vymezené části obrazu komunikace. Přesnost vyhodnocení parametrů se pohybuje kolem devadesáti procent. Havarijní situace se rozpoznávají s pravděpodobností blízkou jedné. Vyhodnocení dopravní situace je znázorněno na obr. 5.

4. Testování kondenzátorů SMD
Zařízení je nadstavbou baličky kondenzátorů SMD a kontroluje, zda jsou jejich rozměry v toleranci a zda nevznikla chyba při ohybu vývodů. Kromě toho se kontrolují tvarové vady, orientace vývodů a správnost popisu. Úloha je ztížena tím, že zařízení musí pracovat synchronně se strojem a komunikovat s nadřazeným počítačem.

Požadavky na přesnost měření rozměrů jsou poměrně přísné (±0,015 mm). Proto musely být vyvinuty přesné metody vyhodnocení poloh hran, necitlivé na nečistoty, které ulpívají na povrchu součástek a mechanismech stroje. Detekované hrany se pro zlepšení přesnosti prokládají křivkou, která aproximuje tvar součástky a vyhodnocuje se vzdálenost definovaných bodů příslušných křivek. Přesnost měření je zajištěna i optikou, která pracuje s planárním světelným svazkem. Optický systém byl navržen a vyroben speciálně pro toto zařízení.

Jako dílčí úloha se řešilo měření natočení součástky kolem svislé osy při kontrole popisu. Natočení součástky je jedním ze vstupních parametrů metod kontroly popisu. Jako velmi účinná a spolehlivá pro tyto účely se ukázala Houghova transformace. Správnost potisku (logotyp a kódové znaky) se vyhodnocuje komparační metodou.

Velká pozornost je věnována optické přípravě scény tak, aby byly zvýrazněny detaily, které jsou důležité v dané úloze, a naopak potlačeny nežádoucí rušivé vlivy. Volbou vlnové délky lze zmenšit kontrast razítka kondenzátoru, ve kterém se ztrácejí trhliny a jiné tvarové vady. Na infračerveném snímku je razítko sotva patrné, povrchové vady se zobrazí bez změny kontrastu.

Obr. 5.

5. Testování relé SMD
Úloha je podobná jako v předchozím případě. Komplikace vzniká tím, že jde o prostorovou úlohu, z obrazů je nutné rekonstruovat nejen rozměry součástky, ale i prostorové rozložení jednotlivých vývodů. Vychází se ze základních principů fotogrammetrie, které byly modifikovány pro danou konkrétní úlohu. Požadavky na přesnost zařízení jsou velmi přísné. Proto bylo nutné vybavit kamery speciálními telecentrickými objektivy, které byly vyvinuty v koprodukci s Vývojovou optickou dílnou AV ČR Turnov.

Řešení této úlohy ztížily optické vlastnosti vývodů relé. Jsou lesklé, a proto se na obrazu mohou na předem nedefinovaných místech vyskytovat odrazy. Pro lokalizaci vývodů nemohly být použity standardní metody zpracování obrazu. Vyloučit negativní vlivy způsobené odrazy se podařilo zařazením prvků umělé inteligence do algoritmů lokalizace vývodů relé.

6. Závěr
Všechny úlohy mají společné to, že jsou zpracovávány v reálném čase. Při monitorování dopravní scény je nutné obraz zpracovávat tak, aby byla spolehlivě detekována všechna vozidla – obraz nesmí být podvzorkován v časové oblasti. Krok výpočtu je dán maximální rychlostí vozidel na komunikaci a je 40 ms. V tomto čase se musejí uskutečnit všechny výpočty. To vede k použití signálových procesorů pro předzpracování obrazu.

Úlohy popsané v odstavcích 4 a 5 se navíc vyznačují tím, že součástky se v zorném poli pohybují velkou úhlovou rychlostí. Kamery nemohou pracovat ve standardním televizním režimu, je nutné je synchronizovat se strojem. Pro tento účel byly kamery modifikovány tak, aby mohly pracovat v stroboskopickém režimu a byly připraveny přijmout a realizovat požadavek na snímek v libovolném časovém okamžiku, a ne v kroku 20 ms, jak je to běžné pro televizní kamery.

Největší péče byla v každém zmíněném případě věnována analýze úlohy. Pro řešení každého problému musejí být zvoleny takové metody, které jsou danými technickými prostředky realizovatelné ve vymezené době. Kromě toho tyto metody musejí být extrémně spolehlivé. Například při testování povrchových vad kondenzátorů je povolen jeden omyl méně závažného charakteru na více než jeden milión kusů, a to při kontrole všech testovaných parametrů.

Literatura:

[1] HORN, B.: Robot Vision. N. Y., McGraw-Hill 1986.

[2] HLAVÁČ, V. – ŠONKA, M.: Počítačové vidění. Praha, Grada 1992.

[3] VERNON, D.: Machine Vision. Prentice Hall, 1991.

Tato práce byla vytvořena v rámci grantu č. 102/97/1012 GAČR.