视觉是人类观察世界、认知世界的重要功能手段，人类感知外部世界主要通过视觉、触觉、听觉和嗅觉等感觉器官，其中80％的信息是由视觉获取的。机器视觉是人类利用计算机实现人的视觉功能—对客观世界三维场景的感知、识别和理解，机器视觉是一个相当新而且发展迅速的研究领域，机器视觉技术正广泛地应用于各个方面，许多人类无法感知的场合（如危险场景感知等），机器视觉更突显其优越性。本文是国家创新基金项目“全自动防爆定重式液态计量灌装系统”（No.01c26222210304）的机器视觉检测部分，阐述了机器视觉检测算法及其硬件的实现，解决了以下问题：1.工业现场中视频信号的有效提取和准确识别；2.摄像机参数的快速标定,包括摄像机模型数字化及模型中各参数的在线调整；3.实现灌装过程自动化。4.人机交互界面的设计。系统的算法实现包括摄像机校正、图像的增强处理、图像的特征提取及二轴步进电机控制。首先，在本自动灌装系统中，由于灌装系统精度要求较高，并且采用单摄像机系统，所以必须考虑摄像机的镜头失真等一些因素，因而采用通用摄像机模型，对坐标变换中的参数进行校正。从3-D世界坐标到计算机图像坐标的变换中所需校正的参数共有11个，其中有5个内部参数：焦距，镜头失真系数，不确定性图像尺度因子、图像平面原点的计算机图像坐标和，6个外部参数：中的3个欧拉角（、、）和中的三个元素（、、），本系统中我们采用基准校正法：在摄像机前放一个已知形状和尺寸的物体，称为标定物或标定参照物，通过软件在线调整相应的校正参数，并根据最小均方误差原理，使得系统达到较好的校正精度。其次，由于摄像机摄入的图像受到现场噪声的影响，为了便于图像的后处理，必须对图像进行滤波处理。本系统摄取的灰度图像中，图像的边缘细节信息较少，现场中脉冲噪声和椒盐噪声对它们影响较大，直接影响到图像质量，我们将平均值滤波器与中值滤波器相结合，提出了一种加权方差混合滤波算法，设计了一种基于平均滤波和中值滤波的混合滤波器。均值滤波器由于其直观简单且计算速度快，因而在图像去噪中得到广泛应用。但它也存在着很大的缺点，比如它存在模糊效应，使图像的边缘和细节变得模糊不清。而以中值滤波器为代表的非线性滤波器，在抑制随机噪声的同时还能保持图像的边沿不受模糊，尤其是中值滤波器对脉冲噪声和椒盐噪声有很好的抑制效果，这是因为它不依赖于邻域内那些与典型值差别很大的值；但它对含有高斯噪声的细节较少的图像，滤波效果则不如平<WP=77>均值滤波器。在混合滤波器中，我们利用图像的方差来与滤波器的阈值相比较。这是因为图像的方差在很大程度上反映了图像细节的丰富程度，图像的方差小，说明图像的细节比较少，方差大说明图像的细节比较多，所以选取图像的方差作控制参数可以使平均值滤波器和中值滤波器发挥各自的优势，达到更好的滤波效果。第三，对于摄入的图像，需借助一定的算法进行分析，得到所需的信息。本系统中需从摄入图像中识别桶口位置、进料管位置信息，从而驱动进料管灌装。首先，我们对常用的边缘检测算子进行比较，确定应用Sobel算子对图像进行边缘检测，它不但能够清晰地检测出图像的边缘信息，而且为后续算法提供了梯度信息。之后，应用哈夫变换检测桶口中心与进料管位置。1.系统中被检测的圆桶具有显著的几何特征：桶中心和桶口中心有着比较稳定的距离尺度关系，并且油桶直径及桶口直径的尺度范围均为已知，所以，本系统的设计思想是：首先判别油桶桶中心的位置范围，然后由桶中心和桶口中心的约束尺度关系识别桶口位置。我们应用边缘检测算法得到的梯度信息来减少自由度数量的约束，并且利用圆周的极坐标方程，从而减少求取哈夫变换所需的计算量。2.对于进料管的检测，系统中为了检测方便，在进料管上标示了坐标参考标识，其平面与摄像机光轴垂直，且其直角点与进料管管口位置固定，因而，在检测过程中，只要检测到直角点位置，即两条直角边的交点，就可以确定进料管管口位置。在检测过程中，我们做如下改进，因为每次灌装完成后进料管自动归位，其位置比较固定，因而将进料管标识的检测，即两条直角线的检测只限制在初始位置周围固定的区域进行检测，并且我们将其颜色定义为光敏感色，可以清晰地检测出其边缘，因而Hough变换可以准确的找出两条直角边的位置。 本系统硬件部分主要由机器视觉检测单元、进料管行走单元、计量单元、传输控制单元和主控制柜组成，根据系统设计的需要，我们给出了系统的硬件框图，并且详细阐述了各部分的设计及器件选择。通过实验验证本系统达到了系统性能的要求，很好地解决了工业现场液态原料灌装现场劳动强度大、效率低下的不足，同时大大减轻了有毒、腐蚀性强、易燃、易爆等液态原料灌装过程中对操作人员人身安全的威胁和危害，有着极大的经济效益和社会效益。