基于OpenCV视觉库让机械手根据视觉判断物体有无和分类抓取的例程

项目实例，在一个无人封闭的隔绝场景中，根据视觉判断物件的有无，通过机械手
进行物件分类提取，并且返回状态结果；
实际的场景是有一个类似采血的固件支架盘，上面很多采血管，采血管帽颜色可能不同，
也有可能支架盘上只有空位，没有放置采血管，需要机器操作。

图像的大小，支架和物件的位置、大小等等都基本保存一致不会经常的变化。

开始的思路是通过判断空位上的圆来做排除，遇到了局限性，比如光照不好的情况下，空位
并非是正常的圆，可能是缺的圆，而且因为视角的缘故，根本没法判断是圆了，于是只好放弃；

后来就进行二值化后判断多个圆，如果有多个圆的那应该是有物件的，二值化后显然无法
根据颜色来判断不同的提取对象，也是不行的；

最后还是觉得通过颜色来判断比较合理，因为不仅仅要获取物件的有无，还要判断物件的分类，
而且物件的大概位置不能错，因为要知道对应的位置上是否有插物件。

设计思路：
使用 HSV颜色模型来做。

HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 
也称六角锥体模型(Hexcone Model)。
HSV颜色模型是指H、S、V三维颜色空间中的一个可见光子集，它包含某个颜色域的所有颜色。

每一种颜色都是由色相（Hue，简H），饱和度（Saturation，简S）和色明度（Value，简V）所表示的。
这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。

色调H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，取值范围为0°～360°。
若从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。
它们的补色是：黄色为60°，青色为180°，紫色为300°；

饱和度S：取值范围为0.0～1.0；
亮度V：取值范围为0.0(黑色)～1.0(白色)。

调试判断过程如下：

橘红色物件

黄色物件

相关代码如下

void CMFCCVMDlg::OnBnClickedBtnOpen()
{
	char* window_name = "testCELL";
	//resizeWindow(window_name, 480, 320);

	BOOL isOpen = TRUE;		    //是否打开(否则为保存)
	CString defaultDir = "";	//默认打开的文件路径
	CString fileName = "";		//默认打开的文件名
	CString filter = "图像文件 (*.png; *.jpg; *.bmp)|*.png;*.jpg;*.bmp||";	//文件过虑的类型
	CFileDialog openFileDlg(isOpen, defaultDir, fileName, OFN_HIDEREADONLY | OFN_READONLY, filter, NULL);
	openFileDlg.GetOFN().lpstrInitialDir = "";
	INT_PTR result = openFileDlg.DoModal();
	CString filePath = "";
	if (result != IDOK) 
	{
		//filePath = openFileDlg.GetPathName();
		return;
	}
	filePath = openFileDlg.GetPathName();
	Mat imgOriginal = imread(filePath.GetBuffer());

	namedWindow("imgOriginal", 0);
	imshow("imgOriginal", imgOriginal);

	int iLowH = 0, iLowS = 0, iLowV = 0;
	int iHighH = 180, iHighS = 255, iHighV = 255;

	Mat imgHSV, imgThresholded;
	//vector<Mat> hsvSplit;
	cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV); //Convert the captured frame from BGR to HSV
	//split(imgHSV, hsvSplit);

	namedWindow(window_name, 0);
	// 创建跟踪条并将其附着到指定窗口。
	createTrackbar("iLowH:", window_name, &iLowH, 180); //no name cann't use this
	createTrackbar("iHighH:", window_name, &iHighH, 180);

	createTrackbar("iLowS:", window_name, &iLowS, 255);
	createTrackbar("iHighS:", window_name, &iHighS, 255);

	createTrackbar("iLowV:", window_name, &iLowV, 255);
	createTrackbar("iHighV:", window_name, &iHighV, 255);

	while (true)
	{
		// 检查数组元素是否位于其他两个数组的元素之间。
		inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);
		//src.copyTo(dst, detected_edges);
		imshow(window_name, imgThresholded);
		char key = (char)waitKey(30);
		if (key == 27)
			break;
	}
}

最后做下亮块大小判断即可获得是否有物件，和对应位置，以及是什么颜色的物件。