一种调整鞋帮涂胶轨迹的方法、存储设备和鞋底涂胶机器人

技术领域

本申请涉及鞋底涂胶技术领域，特别涉及一种调整鞋帮涂胶轨迹的方法、存储设备和鞋底涂胶机器人。

背景技术

现有技术中，鞋帮套楦工序一般采用人工手动的作业方式，虽然能完成套楦作业，但是存在套楦的一定的偏差、不稳定、不牢固等现象，现场采用人工检验的方法进行评判，并没有对套楦的结果进行有效的评判及输出量化结果。此外目前运动鞋的涂胶流程为1、人工套楦并人工检测是否满足要求；2、套楦的鞋帮到达指定的涂胶工位，并机械定位；3、机械臂示教轨迹作为涂胶轨迹。

上述方法存在以下主要问题:人工套楦存在个体之间的差异，如果采用单一示教轨迹进行涂胶，涂胶的精度存在一定的偏差。

发明内容

鉴于上述问题，本申请提供了一种调整鞋帮涂胶轨迹的方法，用以解决现有人工套楦存在个体之间的差异，采用单一示教轨迹进行涂胶，涂胶精度存在偏差的技术问题。具体技术方案如下：

一种调整鞋帮涂胶轨迹的方法，包括步骤：

采集目标图像，所述目标图像包括：鞋底视角图像和鞋后跟视角图像；

对所述目标图像进行处理得不同对象；

根据所述不同对象对套楦结果进行判定，并根据所述判定结果进行涂胶轨迹差异性补偿。

进一步的，所述不同对象包括以下中的一种或多种：鞋后跟中心线、鞋面后跟边缘点、鞋楦铝块左侧边缘线、鞋楦铝块上侧边缘线；

所述根据所述不同对象对套楦结果进行判定，还包括：

计算所述鞋后跟中心线与所述鞋楦铝块左侧边缘线的角度，计算鞋面邦角余量的长度，计算鞋面后跟边缘点到鞋楦铝块上侧边缘线的垂直距离，

根据所述角度、所述鞋面邦角余量的长度和所述垂直距离对套楦结果进行判定。

进一步的，根据所述角度、所述鞋面邦角余量的长度和所述垂直距离对套楦结果进行判定还包括：

根据所述角度判断鞋面是否歪斜；

根据所述鞋面邦角余量的长度判断中底布是否位于楦底的正中央及邦角余皮外露大小是否均匀；

根据所述垂直距离判断鞋面是否完全套入鞋楦。

进一步的，所述并根据所述判定结果进行涂胶轨迹差异性补偿，还包括：

依次将获得的所述角度、所述鞋面邦角余量的长度和所述垂直距离与标准套楦的参数进行对比，获取偏差值，根据所述偏差值进行涂胶轨迹差异性补偿。

进一步的，所述对所述目标图像进行处理得不同对象，还包括：

对所述鞋后跟视角图像进行扫描，得相应的点，并对所述相应的点进行拟合，删除异常点，再进行精确拟合得鞋后跟中心线；

通过分析提取鞋楦下端铝块左侧缘侧线和鞋楦铝块上侧边缘线。

为解决上述技术问题，还提供一种存储设备，具体技术方案如下：

一种存储设备，其中存储有指令集，所述指令集用于执行：采集目标图像，所述目标图像包括：鞋底视角图像和鞋后跟视角图像；

对所述目标图像进行处理得不同对象；

根据所述不同对象对套楦结果进行判定，并根据所述判定结果进行涂胶轨迹差异性补偿。

进一步的，所述不同对象包括以下中的一种或多种：鞋后跟中心线、鞋面后跟边缘点、鞋楦铝块左侧边缘线、鞋楦铝块上侧边缘线；

所述指令集还用于执行：所述根据所述不同对象对套楦结果进行判定，还包括：

计算所述鞋后跟中心线与所述鞋楦铝块左侧边缘线的角度，计算鞋面邦角余量的长度，计算鞋面后跟边缘点到鞋楦铝块上侧边缘线的垂直距离，

根据所述角度、所述鞋面邦角余量的长度和所述垂直距离对套楦结果进行判定。

进一步的，所述指令集还用于执行：根据所述角度、所述鞋面邦角余量的长度和所述垂直距离对套楦结果进行判定还包括：

根据所述角度判断鞋面是否歪斜；

根据所述鞋面邦角余量的长度判断中底布是否位于楦底的正中央及邦角余皮外露大小是否均匀；

根据所述垂直距离判断鞋面是否完全套入鞋楦。

进一步的，所述指令集还用于执行：所述并根据所述判定结果进行涂胶轨迹差异性补偿，还包括：

依次将获得的所述角度、所述鞋面邦角余量的长度和所述垂直距离与标准套楦的参数进行对比，获取偏差值，根据所述偏差值进行涂胶轨迹差异性补偿。

进一步的，所述指令集还用于执行：所述对所述目标图像进行处理得不同对象，还包括：

对所述鞋后跟视角图像进行扫描，得相应的点，并对所述相应的点进行拟合，删除异常点，再进行精确拟合得鞋后跟中心线；

通过分析提取鞋楦下端铝块左侧缘侧线和鞋楦铝块上侧边缘线。

为解决上述技术问题，还提供了一种鞋底涂胶机器人，具体实施方式如下：

一种鞋底涂胶机器人，包括：3D相机、涂胶机械臂和处理器；

所述3D相机，用于采集目标图像，所述目标图像包括：鞋底视角图像和鞋后跟视角图像；

所述处理器用于：对所述目标图像进行处理得不同对象；根据所述不同对象对套楦结果进行判定，并根据所述判定结果进行涂胶轨迹差异性补偿；

所述涂胶机械臂用于：响应处理器的指令，对鞋底进行涂胶补偿。

本发明的有益效果是：一种调整鞋帮涂胶轨迹的方法，包括步骤：采集目标图像，所述目标图像包括：鞋底视角图像和鞋后跟视角图像；对所述目标图像进行处理得不同对象；根据所述不同对象对套楦结果进行判定，并根据所述判定结果进行涂胶轨迹差异性补偿。通过该方法可实现对套楦样品的偏差检测，实现自动反馈补偿。

上述发明内容相关记载仅是本申请技术方案的概述，为了让本领域普通技术人员能够更清楚地了解本申请的技术方案，进而可以依据说明书的文字及附图记载的内容予以实施，并且为了让本申请的上述目的及其它目的、特征和优点能够更易于理解，以下结合本申请的具体实施方式及附图进行说明。

附图说明

附图仅用于示出本申请具体实施方式以及其他相关内容的原理、实现方式、应用、特点以及效果等，并不能认为是对本申请的限制。

在说明书附图中：

图1为具体实施方式所述一种调整鞋帮涂胶轨迹的方法的流程图；

图2为具体实施方式所述目标图像信息采集装置示意图；

图3具体实施方式所述鞋后跟视角图像及从该视角提取的特征；

图4具体实施方式所述鞋底部视角图像及从该视角提取的特征；

图5具体实施方式所述平均浓度示意图；

图6具体实施方式所述投影波形微分处理示意图一；

图7具体实施方式所述投影波形微分处理示意图二；

图8具体实施方式所述通过校正使微分最大值达到100％的示意图；

图9具体实施方式所述亚像素处理示意图；

图10具体实施方式所述边缘敏感度示意图；

图11具体实施方式所述趋势边缘检测示意图；

图12具体实施方式所述检测宽大小示意图；

图13具体实施方式所述步长大小示意图；

图14具体实施方式所述边缘方向示意图；

图15具体实施方式所述存储设备的模块示意图；

图16为具体实施方式所述一种鞋底涂胶机器人的模块框图。

上述各附图中涉及的附图标记说明如下：

1500、存储设备，

1600、一种鞋底涂胶机器人，

1601、3D相机，

1602、涂胶机械臂，

1603、处理器。

具体实施方式

为详细说明本申请可能的应用场景，技术原理，可实施的具体方案，能实现目的与效果等，以下结合所列举的具体实施例并配合附图详予说明。本文所记载的实施例仅用于更加清楚地说明本申请的技术方案，因此只作为示例，而不能以此来限制本申请的保护范围。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中各个位置出现的“实施例”一词并不一定指代相同的实施例，亦不特别限定其与其它实施例之间的独立性或关联性。原则上，在本申请中，只要不存在技术矛盾或冲突，各实施例中所提到的各项技术特征均可以以任意方式进行组合，以形成相应的可实施的技术方案。

除非另有定义，本文所使用的技术术语的含义与本申请所属技术领域的技术人员通常理解的含义相同；本文中对相关术语的使用只是为了描述具体的实施例，而不是旨在限制本申请。

在本申请的描述中，用语“和/或”是一种用于描述对象之间逻辑关系的表述，表示可以存在三种关系，例如A和/或B，表示：存在A，存在B，以及同时存在A和B这三种情况。另外，本文中字符“/”一般表示前后关联对象是一种“或”的逻辑关系。

在本申请中，诸如“第一”和“第二”之类的用语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何实际的数量、主次或顺序等关系。

在没有更多限制的情况下，在本申请中，语句中所使用的“包括”、“包含”、“具有”或者其他类似的表述，意在涵盖非排他性的包含，这些表述并不排除在包括所述要素的过程、方法或者产品中还可以存在另外的要素，从而使得包括一系列要素的过程、方法或者产品中不仅可以包括那些限定的要素，而且还可以包括没有明确列出的其他要素，或者还包括为这种过程、方法或者产品所固有的要素。

与《审查指南》中的理解相同，在本申请中，“大于”、“小于”、“超过”等表述理解为不包括本数；“以上”、“以下”、“以内”等表述理解为包括本数。此外，在本申请实施例的描述中“多个”的含义是两个以上(包括两个)，与之类似的与“多”相关的表述亦做此类理解，例如“多组”、“多次”等，除非另有明确具体的限定。

以下参阅图1至图14，对一种调整鞋帮涂胶轨迹的方法的具体实施方式展开说明，一种调整鞋帮涂胶轨迹的方法可应用在一种存储设备上，所述存储设备包括但不限于：个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备等，其中发送至存储设备让其处理的目标图像信息采集在本实施方式中主要通过如图2所示的采集装置进行，该设备搭建在鞋子生产的流水线上，其搭建的框架主要在两个视角布置工业相机，并合理布置光源，将光源布置在L形板和两边吕型材立柱上，来提高采集图像的质量。但要采集套楦样品图像时，套楦样品在输送带上运动到触发光电开关时工业相机开始采集图像，采集到的图像会对应发送到存储设备上，存储设备会根据采集到的图片做出判断。

以下展开具体说明，如图1所示，一种调整鞋帮涂胶轨迹的方法包括了步骤S101至步骤S104。

在步骤S101中，采集目标图像，所述目标图像包括：鞋底视角图像和鞋后跟视角图像。

在步骤S102中，对所述目标图像进行处理得不同对象。所述不同对象包括以下中的一种或多种：鞋后跟中心线、鞋面后跟边缘点、鞋楦铝块左侧边缘线、鞋楦铝块上侧边缘线。需要说明的是，具体需要得到哪些不同的对象，与事先建立好的套楦检测的判定标准有关系，乃是根据这个判定标准来设定提取的特征。

至于套楦检测的判定标准主要为通过套楦标准的相关资料查阅、制鞋厂的现场参观及套楦工人的沟通得知，当前主要依据套楦工人的主观判断，其结果也是肉眼观察的定性要求，采用机器代替人工，需要对套楦结果建立数字化的套楦标准。这个标准则要通过对提取图像的特征进行判断，以及套楦厂的标准进行综合分析，确定便于反映套楦标准的特征，制定数字化标准。工厂的套楦标准主要有以下几点：

(1)入楦后鞋头与后跟中心要正，不可歪斜，即鞋面不可歪斜；

(2)中底布位于楦底的正中央；

(3)邦角余皮外露大小均匀；

(4)鞋身内外高度一致。

需要说明的是对于获取的目标图像，需保证对于同一批套楦样品采集的图像其套楦样品所放的位置统一，相机相对于鞋楦的角度唯一。其中鞋楦上的特征就可以作为标准，作为判断套楦准确性的依据。针对套楦的标准，先从侧面提取鞋后跟中心线，根据所述鞋后跟中心线与鞋楦铝块左侧边缘线(即鞋楦上垂直标准线)的角度来判断鞋面是否歪斜。

其中如图3所示，对鞋后跟中心线(即图3中的后跟中心线)的提取，用halconFindStraitLineV3算子进行稳定扫描，得到相应的点，对得到的点进行粗略拟合，删除比较异常的点，再精确拟合得到鞋后跟中心线。通过blob分析，提取鞋楦下端铝块左边缘上的一条垂直的轮廓线，即垂直标准线，比较两条直线的角度，以测得的角度值作为判定的标准。再通过从后跟角度采集到的图像，通过提取鞋面后跟处边缘点到鞋楦水平标准线(即鞋楦铝块上侧边缘线)的垂直距离(根据提取的特征，用halcon测量算子angle_ll计算直线与直线的角度，测量算子distance_pl计算点到直线的距离，得到相应的数值结果)，判断鞋面套楦过程中是否套到位，没有留空隙。因为每一批次的产品鞋楦是固定不变的，可以将鞋楦作为固定标准辅助进行判断。提取鞋后跟边缘区域内的全部特征点，再遍历所得到的点，计算其与鞋楦水平标准线的垂直距离，取其最短距离做为判断标准。最后考虑在鞋楦的正上方放置相机，采集鞋楦的相关信息。如图4所示，对同一批次的样品在相同的位置计算邦角余量(邦角余量指的是从正面看套楦后的鞋帮中底布与鞋帮边缘的距离)的大小，判断中底布是否位于楦底的正中央。

在步骤S103中，根据所述不同对象对套楦结果进行判定。主要为计算所述鞋后跟中心线与所述鞋楦铝块左侧边缘线的角度，计算鞋面邦角余量的长度，计算鞋面后跟边缘点到鞋楦铝块上侧边缘线的垂直距离，

根据所述角度、所述鞋面邦角余量的长度和所述垂直距离对套楦结果进行判定。具体可为：根据所述角度判断鞋面是否歪斜；根据所述鞋面邦角余量的长度判断中底布是否位于楦底的正中央及邦角余皮外露大小是否均匀；根据所述垂直距离判断鞋面是否完全套入鞋楦。

即如上述所提及的四个套楦标准，其中第一点可以通过所述角度进行判断，第二点和第三点可以通过所述鞋面邦角余量的长度进行判断，第四点可以通过鞋楦铝块上侧边缘线的垂直距离进行判断。在理论上当套楦准确时，所述角度应为0，然而根据实际情况可以设定合理的阈值范围，如在2°以内则认为合格。邦角余量和垂直距离的话则与不同的鞋型有关，需要依据不同鞋型设定标准，且在鞋的一周邦角波动也比较大，故此其具体的判断阈值范围需要根据实际的情况进行确定。

在步骤S104中，并根据所述判定结果进行涂胶轨迹差异性补偿。具体可为：依次将获得的所述角度、所述鞋面邦角余量的长度和所述垂直距离与标准套楦的参数进行对比，获取偏差值，根据所述偏差值进行涂胶轨迹差异性补偿。如对套楦鞋面的鞋跟区域进行打磨或者涂胶的轨迹修正。

通过该方法可实现对套楦样品的偏差检测，实现自动反馈补偿。

以下对目标图像具体如何处理展开说明，目标图像的处理包括：预处理、边缘提取、特征点提取、点到线的拟合。以下展开具体说明：

(1)首先通过gen_measure_rectangle2生成一个ROI，产生一个MeasureHandle，即测量的句柄，用它，就可以告诉其它需要用到这个ROI的算子，Interpolation代表要用插值的方法，找到一些小数位置的灰度值，因为如果ROI不是垂直或水平的，它就可能包含很多坐标是小数的点，这些点本身是没有灰度值定义的，需要通过插值的方法算出来。Row,Column是矩形的中心,Length1,Length2是矩形区域的长和宽的一半，关于区域的宽度，尽量在包住边缘的同时设置的越大越好，因为设置的太小噪声太大Phi是Rectangle旋转的角度，当为正时表示逆时针旋转，当为负时表示顺时针旋转。

(2)通过上面得到的MeasureHandle，当然还有更早得到的Image,我们再用measure_pos这个算子，意思是要测量(边缘)的位置。这里Sigma是进行均值滤波的参数，而要进行均值滤波的原因是，图像上可能会有噪点，影响我们对边缘的判断，用均值滤波平滑掉这些噪点，可以减少误判；Threshold是阈值，代表阈值超过多少把它当做边缘；Transition代表是如何转换的，是亮到暗还是暗到亮还是都要；Select代表可以为first或last或all，意思是你要选你一个还是最后一个还是所有检测到的边缘因为接下来的RowEdge和ColumnEdge存储边缘的数组，它可以存储很多的点；Amplitude指定的是一个缩放，因为工业上还是要测量具体的值的，通过边界的坐标加上缩放的计算，可以计算出确切的距离，就存在Distance里。

(3)边缘检测

①边缘检测不是根据浓度的绝对值进行处理，而是在对垂直于边缘检测方向的检测范围内进行投影处理后，根据其平均浓度的变化量进行处理的，如图5所示。该变化量称为边缘强度。可以理解为对垂直于检测方向上像素的平均值，计算投影方向的平均浓度。可以减少区域内的噪点造成的检查错误。

②根据投影波形进行微分处理

可能成为边缘的、浓淡变化较大的部位，其微分值也较大。微分处理就是计算浓淡(级)变化量的处理过程。可以消除区域内浓度绝对值的变化所导致的影响。例：没有浓淡变化的部位的微分值是0。白色(255)→黑色(0)时的值是-255，微分必须是连续的，如图6所示，所以图像处理都是差分代替微分。列举一个简单的例子：梯度差分算法代替微分算法，就是用临近的投影值的加减乘除运算代替当前位置投影值，一般用sobel来求，如图7所示。

③通过校正使微分最大值达到100％

在实际生产线上，为了使边缘达到稳定的状态，通常会进行适当的调整以使微分绝对值达到100％。将超过预先设置的“边缘感度(％)”的微分波形的峰值作为边缘位置。根据浓淡变化峰值的检测原理，在照度经常发生变化的生产线上也可以稳定的检测出边缘，如图8所示。

④亚像素处理

对于微分波形中最大部分的(符合筛选条件的)中心附近的3个像素，根据这3个像素形成的波形，进行修正演算。以1/100像素为单位测算边界位置(次像素处理)。如图9所示。

⑤边缘敏感度

将边缘强度的最大值(浓淡变化最大的部位)定为100％，用来识别边缘的比例称为边缘敏感度。除了根据浓淡的变化量对边缘实施检测外，还可根据最大边缘强度的比例，相对指定边缘敏感度(边缘识别基准)。由此，即使全体图像的亮度发生变化，也可实现稳定的边缘检测。(可以理解为边缘敏感度就是梯度阈值)。如图10所示。

⑥预处理宽度

通过设定预处理宽度，可将边缘强度波形平均化。因干扰成分导致对边缘实施了误检测时，可通过将预处理宽度放大，将干扰成分平均化，以减少误检测。

另外，在检测工件倾斜等情况下，需要检测光滑的边缘时,通过扩大预处理宽度,可方便将更广范围的浓度变化作为边缘进行检测。

此处可以理解为：将前后几个像素(宽度)进行平均一下作为当前位置的强度值。

⑦趋势边缘检测【检测边缘的知识点---多个点构成边缘】

趋势边缘检测中,将所要进行边缘检测的段沿着在检测范围内指定的方向扫描，检测各段的边缘位置。由于可在1个检测范围中检测多个边缘位置信息，可以计算全体的平均或最大最小值，或以检测位置为基础检测圆或直线。另外，将已检测的圆或直线为做基准，还可求取缺陷。通俗的理解为边缘点扫描方向。如图11所示。

⑧检测宽大小【检测边缘的知识点---多个点构成边缘】

指定用于检测边缘的宽度的大小。尺寸越大，越难以检测细微的变化，但也难以受到干扰的影响。如图12所示。

⑨步长大小

指定所检测边缘的段朝趋势方向移动多少量。缩小移动量时，相应的处理时间会变长，但可进行更为细致的点数检测。如图13所示。

⑩边缘方向

指定作为边缘进行检测的明暗的变化方向。如图14所示。

在本申请中根据套楦标准的要求，使用工业相机获取套楦样品的两个视角的图像，然后对图像进行处理和计算，最终实现套楦样品质量的判定，该判定方法简单易行、稳定性强、为套楦样品的检测提供了一种更高效、更加自动化的解决方案。

此外本申请根据套楦标准的要求，使用halcon封装的函数，结合halcon内部算子，使用线扫描点的方式，依次移动扫描线，这样来提取扫描到的点，更加稳定的得到边缘点，满足实际生产复杂的环境。

以下参阅图15，对一种存储设备1500的具体实施方式展开说明：

一种存储设备1500，其中存储有指令集，所述指令集用于执行：采集目标图像，所述目标图像包括：鞋底视角图像和鞋后跟视角图像；

对所述目标图像进行处理得不同对象；

根据所述不同对象对套楦结果进行判定，并根据所述判定结果进行涂胶轨迹差异性补偿。

进一步的，所述不同对象包括以下中的一种或多种：鞋后跟中心线、鞋面后跟边缘点、鞋楦铝块左侧边缘线、鞋楦铝块上侧边缘线。需要说明的是，具体需要得到哪些不同的对象，与事先建立好的套楦检测的判定标准有关系，乃是根据这个判定标准来设定提取的特征。

至于套楦检测的判定标准主要为通过套楦标准的相关资料查阅、制鞋厂的现场参观及套楦工人的沟通得知，当前主要依据套楦工人的主观判断，其结果也是肉眼观察的定性要求，采用机器代替人工，需要对套楦结果建立数字化的套楦标准。这个标准则要通过对提取图像的特征进行判断，以及套楦厂的标准进行综合分析，确定便于反映套楦标准的特征，制定数字化标准。工厂的套楦标准主要有以下几点：

(1)入楦后鞋头与后跟中心要正，不可歪斜，即鞋面不可歪斜；

(2)中底布位于楦底的正中央；

(3)邦角余皮外露大小均匀；

(4)鞋身内外高度一致。

需要说明的是对于获取的目标图像，需保证对于同一批套楦样品采集的图像其套楦样品所放的位置统一，相机相对于鞋楦的角度唯一。其中鞋楦上的特征就可以作为标准，作为判断套楦准确性的依据。针对套楦的标准，先从侧面提取鞋后跟中心线，根据所述鞋后跟中心线与鞋楦铝块左侧边缘线(即鞋楦上垂直标准线)的角度来判断鞋面是否歪斜。

其中如图3所示，对鞋后跟中心线(即图3中的后跟中心线)的提取，用halconFindStraitLineV3算子进行稳定扫描，得到相应的点，对得到的点进行粗略拟合，删除比较异常的点，再精确拟合得到鞋后跟中心线。通过blob分析，提取鞋楦下端铝块左边缘上的一条垂直的轮廓线，即垂直标准线，比较两条直线的角度，以测得的角度值作为判定的标准。再通过从后跟角度采集到的图像，通过提取鞋面后跟处边缘点到鞋楦水平标准线(即鞋楦铝块上侧边缘线)的垂直距离(根据提取的特征，用halcon测量算子angle_ll计算直线与直线的角度，测量算子distance_pl计算点到直线的距离，得到相应的数值结果)，判断鞋面套楦过程中是否套到位，没有留空隙。因为每一批次的产品鞋楦是固定不变的，可以将鞋楦作为固定标准辅助进行判断。提取鞋后跟边缘区域内的全部特征点，再遍历所得到的点，计算其与鞋楦水平标准线的垂直距离，取其最短距离做为判断标准。最后考虑在鞋楦的正上方放置相机，采集鞋楦的相关信息。如图4所示，对同一批次的样品在相同的位置计算邦角余量邦角余量指的是从正面看套楦后的鞋帮中底布与鞋帮边缘的距离)的大小，判断中底布是否位于楦底的正中央。

所述指令集还用于执行：所述根据所述不同对象对套楦结果进行判定，还包括：

计算所述鞋后跟中心线与所述鞋楦铝块左侧边缘线的角度，计算鞋面邦角余量的长度，计算鞋面后跟边缘点到鞋楦铝块上侧边缘线的垂直距离，

根据所述角度、所述鞋面邦角余量的长度和所述垂直距离对套楦结果进行判定。

进一步的，所述指令集还用于执行：根据所述角度判断鞋面是否歪斜；

根据所述鞋面邦角余量的长度判断中底布是否位于楦底的正中央及邦角余皮外露大小是否均匀；

根据所述垂直距离判断鞋面是否完全套入鞋楦。

即如上述所提及的四个套楦标准，其中第一点可以通过所述角度进行判断，第二点和第三点可以通过所述鞋面邦角余量的长度进行判断，第四点可以通过鞋楦铝块上侧边缘线的垂直距离进行判断。在理论上当套楦准确时，所述角度应为0，然而根据实际情况可以设定合理的阈值范围，如在2°以内则认为合格。邦角余量和垂直距离的话则与不同的鞋型有关，需要依据不同鞋型设定标准，且在鞋的一周邦角波动也比较大，故此其具体的判断阈值范围需要根据实际的情况进行确定。

进一步的，所述指令集还用于执行：所述并根据所述判定结果进行涂胶轨迹差异性补偿，还包括：

依次将获得的所述角度、所述鞋面邦角余量的长度和所述垂直距离与标准套楦的参数进行对比，获取偏差值，根据所述偏差值进行涂胶轨迹差异性补偿。如对套楦鞋面的鞋跟区域进行打磨或者涂胶的轨迹修正。

通过该方法可实现对套楦样品的偏差检测，实现自动反馈补偿。

以下对目标图像具体如何处理展开说明，目标图像的处理包括：预处理、边缘提取、特征点提取、点到线的拟合。以下展开具体说明：

(1)首先通过gen_measure_rectangle2生成一个ROI，产生一个MeasureHandle，即测量的句柄，用它，就可以告诉其它需要用到这个ROI的算子，Interpolation代表要用插值的方法，找到一些小数位置的灰度值，因为如果ROI不是垂直或水平的，它就可能包含很多坐标是小数的点，这些点本身是没有灰度值定义的，需要通过插值的方法算出来。Row,Column是矩形的中心,Length1,Length2是矩形区域的长和宽的一半，关于区域的宽度，尽量在包住边缘的同时设置的越大越好，因为设置的太小噪声太大Phi是Rectangle旋转的角度，当为正时表示逆时针旋转，当为负时表示顺时针旋转。

(2)通过上面得到的MeasureHandle，当然还有更早得到的Image,我们再用measure_pos这个算子，意思是要测量(边缘)的位置。这里Sigma是进行均值滤波的参数，而要进行均值滤波的原因是，图像上可能会有噪点，影响我们对边缘的判断，用均值滤波平滑掉这些噪点，可以减少误判；Threshold是阈值，代表阈值超过多少把它当做边缘；Transition代表是如何转换的，是亮到暗还是暗到亮还是都要；Select代表可以为first或last或all，意思是你要选你一个还是最后一个还是所有检测到的边缘因为接下来的RowEdge和ColumnEdge存储边缘的数组，它可以存储很多的点；Amplitude指定的是一个缩放，因为工业上还是要测量具体的值的，通过边界的坐标加上缩放的计算，可以计算出确切的距离，就存在Distance里。

(3)边缘检测

①边缘检测不是根据浓度的绝对值进行处理，而是在对垂直于边缘检测方向的检测范围内进行投影处理后，根据其平均浓度的变化量进行处理的，如图5所示。该变化量称为边缘强度。可以理解为对垂直于检测方向上像素的平均值，计算投影方向的平均浓度。可以减少区域内的噪点造成的检查错误。

②根据投影波形进行微分处理

可能成为边缘的、浓淡变化较大的部位，其微分值也较大。微分处理就是计算浓淡(级)变化量的处理过程。可以消除区域内浓度绝对值的变化所导致的影响。例：没有浓淡变化的部位的微分值是0。白色(255)→黑色(0)时的值是-255，微分必须是连续的，如图6所示，所以图像处理都是差分代替微分。列举一个简单的例子：梯度差分算法代替微分算法，就是用临近的投影值的加减乘除运算代替当前位置投影值，一般用sobel来求，如图7所示。

③通过校正使微分最大值达到100％

在实际生产线上，为了使边缘达到稳定的状态，通常会进行适当的调整以使微分绝对值达到100％。将超过预先设置的“边缘感度(％)”的微分波形的峰值作为边缘位置。根据浓淡变化峰值的检测原理，在照度经常发生变化的生产线上也可以稳定的检测出边缘，如图8所示。

④亚像素处理

对于微分波形中最大部分的(符合筛选条件的)中心附近的3个像素，根据这3个像素形成的波形，进行修正演算。以1/100像素为单位测算边界位置(次像素处理)。如图9所示。

⑤边缘敏感度

将边缘强度的最大值(浓淡变化最大的部位)定为100％，用来识别边缘的比例称为边缘敏感度。除了根据浓淡的变化量对边缘实施检测外，还可根据最大边缘强度的比例，相对指定边缘敏感度(边缘识别基准)。由此，即使全体图像的亮度发生变化，也可实现稳定的边缘检测。(可以理解为边缘敏感度就是梯度阈值)。如图10所示。

⑥预处理宽度

通过设定预处理宽度，可将边缘强度波形平均化。因干扰成分导致对边缘实施了误检测时，可通过将预处理宽度放大，将干扰成分平均化，以减少误检测。

另外，在检测工件倾斜等情况下，需要检测光滑的边缘时,通过扩大预处理宽度,可方便将更广范围的浓度变化作为边缘进行检测。

此处可以理解为：将前后几个像素(宽度)进行平均一下作为当前位置的强度值。

⑦趋势边缘检测【检测边缘的知识点---多个点构成边缘】

趋势边缘检测中,将所要进行边缘检测的段沿着在检测范围内指定的方向扫描，检测各段的边缘位置。由于可在1个检测范围中检测多个边缘位置信息，可以计算全体的平均或最大最小值，或以检测位置为基础检测圆或直线。另外，将已检测的圆或直线为做基准，还可求取缺陷。通俗的理解为边缘点扫描方向。如图11所示。

⑧检测宽大小【检测边缘的知识点---多个点构成边缘】

指定用于检测边缘的宽度的大小。尺寸越大，越难以检测细微的变化，但也难以受到干扰的影响。如图12所示。

⑨步长大小

指定所检测边缘的段朝趋势方向移动多少量。缩小移动量时，相应的处理时间会变长，但可进行更为细致的点数检测。如图13所示。

⑩边缘方向

指定作为边缘进行检测的明暗的变化方向。如图14所示。

通过以上存储设备1500对使用工业相机获取套楦样品的两个视角的图像进行处理和计算，最终实现套楦样品质量的判定，该判定方法简单易行、稳定性强、为套楦样品的检测提供了一种更高效、更加自动化的解决方案。

此外本申请根据套楦标准的要求，使用halcon封装的函数，结合halcon内部算子，使用线扫描点的方式，依次移动扫描线，这样来提取扫描到的点，更加稳定的得到边缘点，满足实际生产复杂的环境。

以下参阅图16，对一种鞋底涂胶机器人1600的具体实施方式展开说明：

一种鞋底涂胶机器人1600，包括：3D相机1601、涂胶机械臂1602和处理器1603；

所述3D相机1601，用于采集目标图像，所述目标图像包括：鞋底视角图像和鞋后跟视角图像；

所述处理器1603用于：对所述目标图像进行处理得不同对象；根据所述不同对象对套楦结果进行判定，并根据所述判定结果进行涂胶轨迹差异性补偿；

所述涂胶机械臂1602用于：响应处理器1603的指令，对鞋底进行涂胶补偿。

其中所述处理器1603还用于执行上述所提及的一种调整鞋帮涂胶轨迹的方法的任意步骤，在此不做重复说明。

通过该机器人1600可实现对套楦样品的偏差检测，实现自动反馈补偿。

最后需要说明的是，尽管在本申请的说明书文字及附图中已经对上述各实施例进行了描述，但并不能因此限制本申请的专利保护范围。凡是基于本申请的实质理念，利用本申请说明书文字及附图记载的内容所作的等效结构或等效流程替换或修改产生的技术方案，以及直接或间接地将以上实施例的技术方案实施于其他相关的技术领域等，均包括在本申请的专利保护范围之内。