CN116883387A - 一种基于zynq的保偏光纤熔接机对轴方法及系统 - Google Patents
一种基于zynq的保偏光纤熔接机对轴方法及系统 Download PDFInfo
- Publication number
- CN116883387A CN116883387A CN202310990123.3A CN202310990123A CN116883387A CN 116883387 A CN116883387 A CN 116883387A CN 202310990123 A CN202310990123 A CN 202310990123A CN 116883387 A CN116883387 A CN 116883387A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate
- optical fiber
- polarization maintaining
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000010287 polarization Effects 0.000 title claims abstract description 44
- 230000004927 fusion Effects 0.000 title claims abstract description 37
- 239000000835 fiber Substances 0.000 title claims abstract description 35
- 239000013307 optical fiber Substances 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 49
- 230000011218 segmentation Effects 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims description 16
- 239000003550 marker Substances 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 abstract description 2
- 238000003466 welding Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007526 fusion splicing Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Mechanical Coupling Of Light Guides (AREA)
Abstract
本发明涉及保偏光纤熔接机光纤对轴技术领域,涉及一种基于ZYNQ的保偏光纤熔接机对轴方法及系统;首先采集两段光纤端面图像,对采集的图像进行去噪处理,使用OTSU自适应阀值分割算法对去噪后的图像进行阈值分割,并进行二值化处理,对二值化处理后的图像进行连通域处理算法,得到光纤端面同属于一个连通域的坐标信息,用公式对坐标信息处理,得到中心坐标,并进行补偿,由PS侧判断当前位置坐标于预定位置坐标,旋转光纤至预定位置坐标;通过检测端面图像进行应力区判定,获得最佳旋转角度,在FPGA上实现加速处理,从而达到快速定轴,同时提高定轴精度的目的,解决现有技术中存在的如何在保偏光纤熔接前实现双折射轴的精确对准问题。
Description
技术领域
本发明涉及保偏光纤熔接机光纤对轴技术领域,具体涉及一种基于ZYNQ的保偏光纤熔接机对轴方法及系统。
背景技术
保偏光纤熔接机是一种用于光纤连接的设备,它可以将两根光纤精确地对准并熔接在一起,两根光纤建立连接。在光纤通信中,由于光纤传输的是光信号,因此在连接时需要确保光纤的端面能够精确地对准,以避免光信号的损失和故障。传统的光纤连接方法包括机械连接和粘贴连接,这些方法需要手工操作,容易出现误差和不稳定性。而保偏熔接机可以通过自动化的精确对准和熔接技术,实现高质量、高效率的光纤连接。随着光纤通信技术的不断发展,保偏熔接机也在不断地升级和改进,以满足不断增长的光纤连接需求。
当前在国内流通的主流保偏光纤熔接机里,主要使用以下两种保偏光纤对轴方法,其一是瑞典爱立信公司发明的POL对轴法,另一个就是日本藤仓发明的PAS对轴法。POL法是通过侧面照射光源,绘制观察屏的强度与旋转角度曲线进行对比,两种对轴方法的主要区别是观察光纤图像的位置不同,POL的观察屏在光纤圆柱透镜效应的焦点处,其全称是Polarization of observation by lens-effect tracing,PAS的观察屏位置则比较靠前,在纤芯与焦点的中点处,其全称是Profile alignment system,又称中心图像直接监测法。
目前主要采用光强分布检测实现光纤对准,通过获取光纤的光强曲线,得到峰值时,确定旋转对芯的角度,这种方法下,存在峰值模糊、误差大、精度低的问题。针对特种保偏光纤对轴方案的以上缺点,解决现有技术中存在的如何在保偏光纤熔接前实现双折射轴的精确对准问题。
发明内容
本发明的目的在于解决现有技术中的不足,提出一种基于ZYNQ的保偏光纤熔接接对轴方法及系统。
为了达到上述目的,本发明是通过以下技术方案实现的:
第一方面,本发明提供一种基于ZYNQ的保偏光纤熔接机对轴方法,所述方法包括以下步骤:
步骤S1:采集两段光纤端面图像;
步骤S2:对采集到的图像进行去噪处理;
步骤S3:使用OTSU自适应阀值分割算法对步骤S2去噪后的图像进行阈值分割,得到最佳阈值h;
步骤S4:使用边缘算子对步骤S3得到的图像进行二值化处理,得到黑白效果的二值化图像;
步骤S5:对黑白效果的二值化图像进行连通域处理算法,得到光纤端面同属于一个连通域的坐标信息;
步骤S6:用坐标公式对步骤S5得到的坐标信息进行处理,得到中心坐标,即当前位置坐标;
步骤S7:假设两段光纤端面的应力区中心在同一水平线上,即预位置坐标在同一高度,当前位置坐标为(xave,yave),采用两步法旋转,当当前位置坐标值与预定位置坐标值距离较远时,保偏光纤熔接机的旋转速度设为高速,进行粗调节,不断通过PL模块和PS模块计算当前位置坐标与预定位置坐标之间的差值,当差值小于或等于粗调节设定阈值时,降低保偏光纤熔接机的旋转速度,进行精细调节,使用模糊PID算法不断降低当前位置坐标与预定位置坐标之间的差值,当差值小于或等于精细调节设定阈值时,即当前位置坐标达到预定位置坐标,停止运转;
步骤S8:根据测量当前位置坐标拟合出的曲线计算与实际位置坐标的差值,针对当前位置坐标进行补偿,得到补偿之后的中心坐标,调节保偏光纤熔接机旋转,完成对轴。
优选的,步骤S1中采用灰度MT9V034摄像头配合高放大倍数的镜筒采集光纤端面图像,光纤端面图像设置为640*480分辨率,光纤端面图像为8位灰度图像,拼接位RGB888进行存储。采用此摄像头拍摄的图像曝光速度快,畸变失真比较小,帧率较高,可降低整个系统因图像采集速度慢造成的误差;提高系统反应精度。由ZYNQ中的PL的VDMA送入到DDR3内存里面,在内存里面使用VDMA读出摄像头图像。
优选的,步骤S2中使用3*3卷积算子或者5*5卷积算子对采集到的图像进行扫描去噪处理,并设定阀值,当小于阀值时,再次进行去噪处理,直至达到阀值。在图像二值化之前首先要消除图像尖锐噪声、实现图像平滑、模糊等功能效果,相比于二值化之后再进行去噪处理,此法有效避免自适应阀值分割算法区分阈值不准确,造成图像判断位置误差较大,最终影响中心位置标定。
优选的,所述OTSU自适应阀值分割算法是通过统计图像中所有的像素点的灰度值,选取一个数值,让所有像素点灰度值与选定的灰度值得到的方差最大,那么这个值就是最佳阈值h。相比于固定阈值分割算法,OTSU可以获得最佳阈值,阈值根据最大化类间方差计算,因此抗干扰性能更强,进行阈值分割的效果更好。
优选的,步骤S4所述的使用边缘算子对步骤S3得到的图像进行二值化处理,得到黑白效果的二值化图像,具体为:若当前扫描到的像素点像素值为x,若x>h,则输出0,否则,则输出255,由此得到一帧包含光纤端面图像信息的黑白图像,并对其进行一次腐蚀膨胀操作消除孤立噪点,连通的地方为白色,背景为黑色。
优选的,步骤S5所述的对黑白效果的二值化图像进行连通域处理算法,得到同属于一个域的坐标信息,包括x轴和y轴,具体为:设置连通域信息表,若8邻域的某点像素坐标数据为S11,S12,S13,S21,S22,S23;使用两个RAM来保存连通域的信息表,使用一个双端口RAM保存连通域算法扫描连通体内的坐标信(x1,y1),(x2,x2)(x3,y3)…(xn,yn);
从左往右逐行扫描图像时,正在被扫描的这个点被标上的标记,与它前邻域的4个点有关,这个点标记包括三种情况:
(1)前邻域这4个点都是白点,说明这是一个新连通域的起始点,给S23标上一个新的标号,并将新的连通域信息更新到连通域信息表里;
(2)4个点中有两个点的标号不同,这个情况只有两种,S13和S21的标号不同,或S13和S11标号不同,在这种情况下,标志着存在一个新的点将原本不连通的区域进行连通,将S21或者S11的标号赋值给S22,S22的标号也要赋值给S23;
(3)4个点中有1、2、3或4个已标点,但它们的标号都是相同的,因此将S11的标号赋值给S22。
优选的,步骤S6中所述坐标公式如下:
y=ax2+bx+c
a=(||g(A)||+||g(C)||-2||g(B)||)/2
b=(||g(C)||-||g(A)||)/2
c=||g(B)||
其中g(A)为f(x-1)的导数,g(C)为f(x+1)的导数,g(B)为f(x)的导数,
由上述公式可以求得应力区的轮廓,再由以下公式可以得出中心坐标;
x=x1+x2+x3......xn
y=y1+y2+y3......yn。
优选的,步骤S8中旋转对芯的PID公式如下:
其中,e(t)为当前光纤位置和预定位置的之差;u(t)为当前输出的控制信号;Kp为比例系数;Tt积分时间常数;TD为微分时间常数;t是从开始调节到输出当前控制量所经过的时间间隔。
第二方面,本发明提供一种基于ZYNQ的保偏光纤熔接机对轴的系统,所述系统包括采集光纤端面的摄像头、ZYNQ主板,所述ZYNQ主板包括PS模块和PL模块;
所述PL模块集成了光纤图像采集模块、图像处理模块;图像处理模块主要对采集的光线图像进行去噪处理、OTSU自适应阀值分割算法处理、二值化处理以及连通域算法处理;
所述PS模块与PL模块协同处理连通域算法得到的中心坐标,保偏光纤熔接机采用两步旋转,实现对轴,测量当前位置坐标与实际位置坐标误差进行补偿处理,完成对轴。
本发明具有以下有益效果:(1)本发明提出通过检测端面图像进行应力区判定,获得最佳旋转角度,在FPGA上实现加速处理,从而达到快速定轴,同时提高定轴精度的目的,而且保偏光纤的端面一般包括熊猫型、蝴蝶结型、椭圆包层型等。目前一般的图像算法只能针对单一的端面类型,而本方案可以识别多种不同端面类型的保偏光纤。
(2)本发明所述方法及系统可在保偏光纤熔接机上首次运用图像处理方法,采用图像处理方法可以更精确的获得旋转对芯的方位角,并且在FPGA上运行图像处理算法,由于FPGA的并行处理特性,可以大大加快响应时间。针对一般保偏光熔接机定轴的时候,采用的PAS法等来获取旋转角度的方法,此方法只要在定轴的这个过程中,采集光纤端面的图像使用本专利中提到的图像处理方法,可以得到更为精确的旋转角度,并且速度会更快,占用的空间更小。
附图说明
图1为本发明所述方法的流程示意图;
图2为本发明的像素连通域示意图;
图3为本发明的卷积算子模板;
图4为完全连通和不完全连通的示意图;
图5为边缘振荡示意图;
图6为本发明不同光纤端面识别处的中心坐标示意图;
图7为连通域法监测光纤端面应力区的示意图;
图8为领域4点的判断情况中第一种情况示意图;
图9为领域4点的判断情况中第二种情况示意图;
图10为领域4点的判断情况中第三种情况示意图。
具体实施方式
下面结合实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
一种基于ZYNQ的保偏光纤熔接机对轴系统,所述系统包括采集光纤端面的摄像头、ZYNQ主板,所述ZYNQ主板包括PS模块和PL模块;
所述PL模块集成了,光纤图像采集模块、图像处理模块;图像处理模块主要对采集的光线图像进行去噪处理、OTSU自适应阀值分割算法处理、二值化处理以及连通域算法处理;
所述PS模块与PL模块协同处理连通域算法得到的中心坐标,保偏光纤熔接机采用两步旋转,实现对轴,测量当前位置坐标与实际位置坐标误差进行补偿处理,完成对轴。
如图1所示,一种基于ZYNQ的保偏光纤熔接机对轴方法,所述方法包括以下步骤:
步骤S1:采集两段光纤端面图像;使用灰度MT9V034摄像头配合高放大倍数的镜筒采集光纤端面图像,光纤端面图像设置为640*480分辨率,光纤端面图像为8位灰度图像,拼接位RGB888进行存储。
步骤S2:对采集到的图像进行去噪处理;使用3*3卷积算子或者5*5卷积算子对采集到的图像进行扫描去噪,并设定阀值,当小于阀值时,再次进行去噪处理,直至达到阀值,如图4所示,经过多次去噪关键是获得一个“完全连通”的边缘,即边缘每个点的领域都要有另外一个边缘的点,不连通的边缘点,会大大影响结果;算子模板如图3所示,在图像二值化之前首先要消除图像尖锐噪声、实现图像平滑、模糊等功能效果,相比于二值化之后再进行去噪处理,此法有效避免自适应阀值分割算法区分阈值不准确,造成图像判断位置误差较大,最终影响中心位置标定。
步骤S3:使用OTSU自适应阀值分割算法对步骤S2去噪后的图像进行阈值分割,OTSU自适应阀值分割算法是通过统计图像中所有的像素点的灰度值,选取一个数值,让所有像素点灰度值与选定的灰度值得到的方差最大,那么这个值就是最佳阈值h,分割效果最好,从而得到噪点少、只有边缘连通的图像。在进行二值化时,使用sobel边缘检测算子检测应力区边缘。
步骤S4:使用3*3的边缘检测算子对步骤S3得到的图像进行二值化处理,使用边缘检测算子对图像进行一行一行的卷积可以得到一个具有黑白效果的并且是具有轮廓特征的图像,只存在边缘信息,得到黑白效果的二值化图像;具体为:若当前扫描到的像素点像素值为x,若x>h,则输出0,否则,则输出255,由此得到一帧包含光纤端面图像信息的黑白图像,并对其进行一次腐蚀膨胀操作消除孤立噪点,连通的地方为白色,背景为黑色。
步骤S5:对黑白效果的二值化图像进行连通域处理算法,得到光纤端面同属于一个连通域的坐标信息,得到应力区的轮廓;图7为连通域法监测光纤端面应力区的示意图,应力区就是图中黑色的那个圆形,但也有其他的形状,比如哑铃型等等,在检测的时候是检测的一个轮廓的中心坐标,实际上就是这个小圆的中心坐标,光纤端面上是有两个应力区的,即两个小圆。
步骤S6:使用verilog编写连通域处理算法,用坐标公式对步骤S5得到的坐标信息进行处理,得到中心坐标,即当前位置坐标;
具体为:设置连通域信息表,如表1所示,若8邻域的某点像素坐标数据为S11,S12,S13,S21,S22,S23,如图2所示,
表1连通域信息表
点数 | 标号 |
1 | 1 |
1 | 2 |
1 | -1 |
从左往右逐行扫描图像时,正在被扫描的这个点应该被标上什么标记,其实只和在它之前已经被扫描过的点,也就是它邻域中上面3个和左边1个这4个点有关。因此某个点该被标记什么标号,只和它前邻域的四个点有关,也就是左边,左上,正上,右上这四个点。因此用这样一个2x3的算子扫描图像,只需缓存一行图像。接下来就是对邻域这4个点的情况进行判断来确定当前这个点该怎么标记。总共4个点为16种情况,但实际概括起来只有三种情况,如图8-10所示:
(1)前邻域这4个点都是白点,说明这是一个新连通域的起始点,给S23标上一个新的标号,并将新的连通域信息更新到连通域信息表里;
(2)4个点中有两个点的标号不同,这个情况只有两种,S13和S21的标号不同,或S13和S11标号不同,不会存在三个点标号不同和四个点标号都不同的情况;在这种情况下,标志着存在一个新的点将原本不连通的区域进行连通,将S21或者S11的标号赋值给S22,S22的标号也要赋值给S23;
(3)4个点中有1、2、3或4个已标点,但它们的标号都是相同的,因此将S11的标号赋值给S22。
使用两个RAM来保存连通域的信息表,使用一个双端口RAM保存连通域算法扫描连通体内的坐标信(x1,y1),(x2,x2)(x3,y3)…(xn,yn);此算法的特点是(1)可用低端FPGA即可实现,无需外接任何存储器。也无需DDR进行存储,只用了十几个块RAM,消耗逻辑资源较少。
2)实时性高,延时固定且很小。由于该方法进行的是并行流水线处理,即对图像扫描一遍就可完成对所有连通区域的识别,因此识别每个连通区域的延时都是固定的,并不会因图像中连通区域多,延时就增加。延时很小,约扫描十几行图像的时间。可做到消耗内存少,延时小。
3)能给出连通区域的各种统计信息例如能给出面积、周长、外切矩形中心点坐标等统计信息。在进行连通域识别时,要保证多次去噪,得到无多余噪点的图像;保证当前图像只有两个待识别物体;对于本系统来说这样算出的中心位置坐标更准确,从S1-S6都在zynq里面的FPGA侧实现,可以提高处理速度。
通过DMA搬运双端口RAM存储的坐标信息数据送入到PS侧的DDR内存中储存,使用PS中的双核Cortex-A9处理器编写C语言代码通过以下坐标公式算出x坐标之和y坐标之和,此坐标就是保偏光纤端面,在进行图像边缘的提取时要防止边缘振荡问题如图5所示,因此采用计算亚像素极大值点的判断防止边缘振荡问题。
y=ax2+bx+c
a=(||g(A)||+||g(C)||-2||g(B)||)/2
b=(||g(C)||-||g(A)||)/2
c=||g(B)||
其中g(A)为f(x-1)的导数,g(C)为f(x+1)的导数,g(B)为f(x)的导数,而x为当前计算的坐标点的x坐标;每运行一次这五个公式,就可以得出一组x,y坐标,运行很多次就可以得出很多组x,y坐标;
由上述公式可以求得应力区的轮廓,再由一下公式可以得出中心坐标。
x=x1+x2+x3......xn
y=y1+y2+y3......yn;
应力区的坐标,可以得出各类不同形状的闭环连通图形的中心坐标,如图6所示。
步骤S7:假设两段光纤端面的应力区中心在同一水平线上,即预位置坐标在同一高度,当前位置坐标为(xave,yave),采用两步法旋转,当当前位置坐标值与预定位置坐标值距离较远时,光纤由保偏光纤熔接机的光纤夹具夹持,光纤夹具旋转带动光纤旋转,即光纤端面在旋转,保偏光纤熔接机的旋转速度设为高速,进行粗调节,不断通过PL模块和PS模块计算当前位置坐标与预定位置坐标之间的差值,当差值小于或等于粗调节设定阈值时,降低保偏光纤熔接机的旋转速度,进行精细调节,使用模糊PID算法不断降低当前位置坐标与预定位置坐标之间的差值,当差值小于或等于精细调节设定阈值时,即当前位置坐标达到预定位置坐标,停止运转;
步骤S8:根据测量当前位置坐标拟合出的曲线计算与实际位置坐标的差值,实际坐标就是经过专业仪器测量出来的像素点坐标(准确值),但是图像算法计算出来的是跟实际真实坐标有一定误差值,所以需要补偿一下,整个的对齐的过程就是,不断的旋转光纤,每一帧图像都可以计算出一个坐标针对当前位置坐标进行补偿,得到补偿之后的中心坐标,得到补偿之后的中心坐标;根据每次实际坐标与算法计算中的坐标进行对比,计算100次,得出平均差值,在下一次计算的时候,加上或者减去这个差值;调节保偏光纤熔接接旋转,完成对轴。
旋转对芯的PID公式如下:
其中,e(t)为当前光纤位置和预定位置的之差;u(t)为当前输出的控制信号;Kp为比例系数;Tt积分时间常数;TD为微分时间常数;t是从开始调节到输出当前控制量所经过的时间间隔。
根据测量当前位置坐标拟合出的曲线,使用最小二乘法,最小化误差平方和来选择最优的曲线拟合数据点,一般有以下几个步骤:
1.确定拟合函数的形式,根据测量点的坐标,选择合适的拟合函数并确定其形式;
2.确定误差函数,常见的误差函数包括均方误差和平均绝对误差;
3.构建误差函数的优化模型;
4.求解最优拟合函数系数,对误差函数求导,得到最优拟合函数系数的闭式解;根据拟合函数的形式和误差函数的定义,求解最优拟合函数系数。
如图6所示为不同光纤端面识别处的中心坐标示意图,本发明所涉及的超细径保偏光纤是一种直径细至40μm,两块应力区对称分布在纤芯两边,结构由蝴蝶结型、熊猫型、领结型等形状的特种光纤,两应力区的连线方向称为超细径保偏光纤的应力轴方向。
以上显示和描述了本发明的基本原理、主要特征及优点。但是以上所述仅为本发明的具体实施例,本发明的技术特征并不局限于此,任何本领域的技术人员在不脱离本发明的技术方案下得出的其他实施方式均应涵盖在本发明的专利范围之中。
Claims (9)
1.一种基于ZYNQ的保偏光纤熔接机对轴方法,其特征在于,所述方法包括以下步骤:
步骤S1:采集两段光纤端面图像;
步骤S2:对采集到的图像进行去噪处理;
步骤S3:使用OTSU自适应阀值分割算法对步骤S2去噪后的图像进行阈值分割,得到最佳阈值h;
步骤S4:使用边缘算子对步骤S3得到的图像进行二值化处理,得到黑白效果的二值化图像;
步骤S5:对黑白效果的二值化图像进行连通域处理算法,得到光纤端面同属于一个连通域的坐标信息;
步骤S6:用坐标公式对步骤S5得到的坐标信息进行处理,得到中心坐标,即当前位置坐标;
步骤S7:假设两段光纤端面的应力区中心在同一水平线上,即预位置坐标在同一高度,当前位置坐标为(xave,yave),采用两步法旋转,当当前位置坐标值与预定位置坐标值距离较远时,保偏光纤熔接机的旋转速度设为高速,进行粗调节,不断通过PL模块和PS模块计算当前位置坐标与预定位置坐标之间的差值,当差值小于或等于粗调节设定阈值时,降低保偏光纤熔接机的旋转速度,进行精细调节,使用模糊PID算法不断降低当前位置坐标与预定位置坐标之间的差值,当差值小于或等于精细调节设定阈值时,即当前位置坐标达到预定位置坐标,停止运转;
步骤S8:根据测量当前位置坐标拟合出的曲线计算与实际位置坐标的差值,针对当前位置坐标进行补偿,得到补偿之后的中心坐标,调节保偏光纤熔接机旋转,完成对轴。
2.根据权利要求1所述的基于ZYNQ的保偏光纤熔接机对轴方法,其特征在于,步骤S1中采用灰度MT9V034摄像头配合高放大倍数的镜筒采集光纤端面图像,光纤端面图像设置为640*480分辨率,光纤端面图像为8位灰度图像,拼接位RGB888进行存储。
3.根据权利要求1所述的基于ZYNQ的保偏光纤对轴方法,其特征在于,步骤S2中使用3*3卷积算子或者5*5卷积算子对采集到的图像进行扫描去噪处理,并设定阀值,当小于阀值时,再次进行去噪处理,直至达到阀值。
4.根据权利要求1所述的基于ZYNQ的保偏光纤熔接机对轴方法,其特征在于,所述OTSU自适应阀值分割算法是通过统计图像中所有的像素点的灰度值,选取一个数值,让所有像素点灰度值与选定的灰度值得到的方差最大,那么这个值就是最佳阈值h。
5.根据权利要求1所述的基于ZYNQ的保偏光纤熔接机对轴方法,其特征在于,步骤S4所述的使用边缘算子对步骤S3得到的图像进行二值化处理,得到黑白效果的二值化图像,具体为:若当前扫描到的像素点像素值为x,若x>h,则输出0,否则,则输出255,由此得到一帧包含光纤端面图像信息的黑白图像,并对其进行一次腐蚀膨胀操作消除孤立噪点,连通的地方为白色,背景为黑色。
6.根据权利要求1所述的基于ZYNQ的保偏光纤熔接机对轴方法,其特征在于,步骤S5所述的对黑白效果的二值化图像进行连通域处理算法,得到同属于一个域的坐标信息,包括x轴和y轴,具体为:设置连通域信息表,若8邻域的某点像素坐标数据为S11,S12,S13,S21,S22,S23;使用两个RAM来保存连通域的信息表,使用一个双端口RAM保存连通域算法扫描连通体内的坐标信(x1,y1),(x2,x2)(x3,y3)…(xn,yn);
从左往右逐行扫描图像时,正在被扫描的这个点被标上的标记,与它前邻域的4个点有关,这个点标记包括三种情况:
(1)前邻域这4个点都是白点,说明这是一个新连通域的起始点,给S23标上一个新的标号,并将新的连通域信息更新到连通域信息表里;
(2)4个点中有两个点的标号不同,这个情况只有两种,S13和S21的标号不同,或S13和S11标号不同,在这种情况下,标志着存在一个新的点将原本不连通的区域进行连通,将S21或者S11的标号赋值给S22,S22的标号也要赋值给S23;
(3)4个点中有1、2、3或4个已标点,但它们的标号都是相同的,因此将S11的标号赋值给S22。
7.根据权利要求1所述的基于ZYNQ的保偏光纤熔接机对轴方法,其特征在于,步骤S6中所述坐标公式如下:
y=ax2+bx+c
a=(||g(A)||+||g(C)||-2||g(B)||)/2
b=(||g(C)||-||g(A)||)/2
c=||g(B)||
其中g(A)为f(x-1)的导数,g(C)为f(x+1)的导数,g(B)为f(x)的导数,
由上述公式可以求得应力区的轮廓,再由以下公式可以得出中心坐标;
x=x1+x2+x3......xn
y=y1+y2+y3......yn。
8.根据权利要求1所述的基于ZYNQ的保偏光纤熔接机对轴方法,其特征在于,步骤S8中旋转对芯的PID公式如下:
其中,e(t)为当前光纤位置和预定位置的之差;u(t)为当前输出的控制信号;Kp为比例系数;Tt积分时间常数;TD为微分时间常数;t是从开始调节到输出当前控制量所经过的时间间隔。
9.权利要求1-8任一项所述基于ZYNQ的保偏光纤熔接机对轴方法的系统,其特征在于,所述系统包括采集光纤端面的摄像头、ZYNQ主板,所述ZYNQ主板包括PS模块和PL模块;
所述PL模块集成了光纤图像采集模块、图像处理模块;图像处理模块主要对采集的光线图像进行去噪处理、OTSU自适应阀值分割算法处理、二值化处理以及连通域算法处理;
所述PS模块与PL模块协同处理连通域算法得到的中心坐标,保偏光纤熔接机采用两步旋转,实现对轴,测量当前位置坐标与实际位置坐标误差进行补偿处理,完成对轴。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990123.3A CN116883387A (zh) | 2023-08-08 | 2023-08-08 | 一种基于zynq的保偏光纤熔接机对轴方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990123.3A CN116883387A (zh) | 2023-08-08 | 2023-08-08 | 一种基于zynq的保偏光纤熔接机对轴方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116883387A true CN116883387A (zh) | 2023-10-13 |
Family
ID=88258668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310990123.3A Pending CN116883387A (zh) | 2023-08-08 | 2023-08-08 | 一种基于zynq的保偏光纤熔接机对轴方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883387A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118537273A (zh) * | 2024-07-26 | 2024-08-23 | 深圳大学 | 一种光纤图像中蜂窝样伪影去除和重构方法 |
-
2023
- 2023-08-08 CN CN202310990123.3A patent/CN116883387A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118537273A (zh) * | 2024-07-26 | 2024-08-23 | 深圳大学 | 一种光纤图像中蜂窝样伪影去除和重构方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103226814B (zh) | 一种基于医药视觉检测机器人图像校正的药瓶异物检测方法 | |
CN115100200B (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
CN105021628A (zh) | 一种用于光纤倒像器表面缺陷的检测方法 | |
CN106643549A (zh) | 一种基于机器视觉的瓷砖尺寸检测方法 | |
CN116883387A (zh) | 一种基于zynq的保偏光纤熔接机对轴方法及系统 | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
CN114383505B (zh) | 一种用于短轴类零件尺寸的自动检测装置 | |
CN109409290A (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN109540917A (zh) | 一种多角度模式下纱线外观特征参数提取与分析方法 | |
CN105181713A (zh) | 一种用于光纤倒像器表面缺陷的检测装置 | |
CN109900723A (zh) | 玻璃表面缺陷检测方法及装置 | |
CN111415349A (zh) | 一种基于图像处理技术的涤纶长丝毛丝检测方法 | |
CN110873718A (zh) | 基于机器视觉的钢板表面缺陷检测系统及方法 | |
CN116907380A (zh) | 基于图像信息的点衍射干涉仪被测镜精确对准方法及系统 | |
CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
CN112183134A (zh) | 一种快递条码的拼接及校正方法 | |
CN111882569A (zh) | 一种基于机器视觉的指针式压力表自动校验仪示值读数方法 | |
CN113066063B (zh) | 光纤待对芯端图像处理方法及光纤自适应对芯方法 | |
US20020071111A1 (en) | System and method for measuring properties of an optical component | |
CN107784673B (zh) | 一种基于非均匀性校正的光纤图像处理方法 | |
CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
He et al. | A unified and accurate subpixel detector of control points for camera calibration | |
CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN110108209A (zh) | 小型多孔零件的测量方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |