CN101532926A - 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 - Google Patents
冲击试样自动加工装置在线检测视觉系统及其图像处理方法 Download PDFInfo
- Publication number
- CN101532926A CN101532926A CN200810209683A CN200810209683A CN101532926A CN 101532926 A CN101532926 A CN 101532926A CN 200810209683 A CN200810209683 A CN 200810209683A CN 200810209683 A CN200810209683 A CN 200810209683A CN 101532926 A CN101532926 A CN 101532926A
- Authority
- CN
- China
- Prior art keywords
- image
- search
- processing
- region
- edge
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种应用于冲击试样自动加工装置的在线检测视觉系统及其图像处理方法。以视觉技术和图像处理技术为基础,利用图像采集、显示、处理和分析技术,完成冲击试样尺寸在线视觉检测系统。可以提高生产的柔性及自动化程度,适用于大批量的生产过程,可以解决人工检测产品质量效率低、精确度不高、无法实时在线测量的缺点。本发明图像处理过程为:首先利用CCD摄像技术及图像采集卡采集工件端面静态图像,图像信息传至计算机后,图像处理软件对信息进行全面处理,最终计算出工件的实际尺寸,将测试结果传给控制软件,经过甄别处理后得出进一步加工或停止加工的指令,发出信号,启动相应的运动控制程序和伺服执行机构完成后续正常的自动加工过程。
Description
技术领域
本发明是金属冲击试样自动化加工系统的重要组成部分。涉及在线检测和图像处理专业领域。
背景技术
夏比冲击试验所需的试样,其中主要尺寸、形状、表面质量及形位公差的技术要求是必须保证的。冲击试样自动加工系统主要对铣削V型缺口后的冲击试样进行尺寸和形状检测,包含三个部分:
(1)检测V型缺口角度Φ,如果测量结果Φ>47°或Φ<43°,则给出换刀具信号;如果结果符合精度要求,则给出角度合格信号。
(2)检测圆弧半径R,若测量结果符合精度要求,即R∈(0.225mm,0.275mm),不超差,则检测L2。如果测量结果超差,则给出换刀或者修刀的信号。
(3)检测L2,检测跟第一步相似,如果L2>2.03mm,计算进给量并继续进给;如果L2<1.97mm,给出产品不合格命令;L2∈(1.97mm,2.03mm),给出合格信号,并反馈给运控系统,控制L2加工。
冲击试样自动加工系统由一铣(平面铣)、二铣(分料)和成型铣(铣V型槽)三部机床、三维机械手、料位转换和定位装置、排屑、去毛刺装置及打号机等机械装置组成,整个系统由包含运动控制系统(包括PLC控制子系统及伺服控制子系统)和视觉检测系统的集成控制系统实行控制,实现冲击试样的全自动加工。视觉检测是该系统完全实现全自动化加工的关键技术。人工检测产品质量效率低、精确度不高、无法实时在线测量,生产的柔性及自动化程度受限制,不适用于大批量的生产过程。
发明内容
本发明目的在于公开应用于冲击试样自动加工装置的在线检测视觉系统及其图像处理方法。
本发明以机器视觉技术为基础,以图像处理技术为方法,针对机械加工的特殊条件及对冲击试样在线检测的技术要求,结合机器视觉系统的功能及结构特点,利用图像采集、显示、处理和分析技术,完成冲击试样尺寸在线视觉检测系统的设计。可以提高生产的柔性及自动化程度,适用于大批量的生产过程,可以解决人工检测产品质量效率低、精确度不高、无法实时在线测量的缺点,其应用前景十分广阔。
本发明图像处理过程为:首先利用CCD摄像技术及图像采集卡采集工件端面静态图像,图像信息传至计算机后,图像处理软件对信息进行全面处理,最终计算出工件的实际尺寸,将测试结果传给控制软件,经过甄别处理后得出进一步加工或停止加工的指令,发出信号,启动相应的运动控制程序和伺服执行机构完成后续正常的自动加工过程。
本发明冲击试样加工视觉检测系统的构成:
系统的硬件由下述几部分组成:
照明系统、CCD摄像机及光学镜头、摄像机与光源安装装置、图像采集卡和计算机。摄像头处在一个密封的装置中,当运动控制系统给出采集图像的信号时,摄像头前方的保护屏打开后,进行图像的采集。同时将光源也放置在此装置中,并设计了保持焦距为定值的机构。图像采集卡接收从CCD摄像头中输入的模拟电信号,由A/D转换为离散的数字信号,将离散的信号存储在图像的一个或者多个存储单元中,当计算机发出传送指令时,经过PCI总线将图像信息传到计算机内存以便于计算机的运算处理,或者直接送到显示卡上进行显示。
图像采集卡能够输出四路模拟信号,具有外部触发功能,可以通过RTSI(实时系统总线)与运动控制卡连在一起相互触发,完成视觉系统与运动控制系统的相互的数据信号交换功能。
计算机系统的配置为:CPU为PIII1.8G以上,内存256MB以上,硬盘在20G以上,32M以上的VGA显卡,选择奔腾系列,采用了最新的MMX技术,包含大量通用指令,完全兼容于现存的各类操作系统与应用软件。利用MMX技术对于大多数图像采集视觉函数,如滤波、阈值处理、运算、逻辑和形态学都有显著的性能增益。
视觉检测中的图像处理方法为:
1、图像预处理:首先对图像进行预处理,本发明选定了3×3的中值滤波的图像预处理方法。
2、图像分割:本发明采用基于区域分割的方法。可以对二值图像进行处理从而改善边缘分割的效果,
3、二值化:本发明采用最大类间方差法进行二值化处理。
4、数学形态学处理:采用四种基本变换:腐蚀、膨胀、开运算和闭运算,形成图像的形态变换,从而达到图像分析和特征提取的目的。
5、特征边界提取:二值图像轮廓提取的算法就是掏空内部点,本发明采用梯度法完成边界提取,用内梯度和外梯度两部分的加和来作为提取的物体的边界。
6、边缘检测:边缘检测是判别并定位特征化了的物体相对于背景的边界图像上像素强度的不连续点。通过线性ROI工具来选定要分析的搜索区域。搜索的区域内包含一定数量的搜索线,沿着这些搜索线来分析像素值,检测出其中显著的强度变化的点,这些点即为边缘点。当边缘点检测出来之后,按照一定的拟合准则可以将这些点拟合成相应的边缘,而这条边缘就是在搜索区域内检测到的物体的边缘。
7、边缘拟合:将离散的分布点按照一定的法则和算法将它们联系在一起,组成能够测量的规则的几何形状。
本发明直线拟合与长度、角度检测:选择边缘的拟合搜索区域,搜索区域选择了耙形区域进行矩形区域搜索。搜索区域与矩形的边相平行,对于水平方向的矩形,指定搜索方向为从左到右或从右到左;对于垂直方向的矩形,则指定搜索区域方向从上到下或从下到上。耙形搜索区域内的搜索线会检测出所检测物体的边缘点。
圆弧拟合与圆弧检测:采用辐射区域搜索,使用一组从圆环中心发出的指向外边界的搜索线,通过设定搜索区域之间的角度来控制搜索线的数量,搜索线的方向可以是由中心向外,也可以是由外边界指向中心。然后用最小二乘法对底部圆弧所有边缘点先拟合出综合圆心和半径,利用这个综合圆心与半径对这些边缘点进行检查,去掉太远和太近的噪声点,把剩下的边缘点再进行“最小二乘圆法”拟合,进行2~3次迭代后,得到圆心位置的精确值以及圆弧半径。直线拟合与长度、角度检测包括:
1.高度测量:获取V型缺口底部切线和试件底部边缘线后测量两线距离;
2.圆弧测量:获取与v型缺口底部圆弧重合的虚圆后测量该圆的半径;
3.角度测量:获取V型缺口边缘线后测量两线夹角。
附图说明
图1为本发明视觉检测及运动控制系统示意图;
图2为本发明边缘直线拟合方法示意图;
图3为本发明边缘圆弧拟合方法示意图;
图4为本发明视觉检测测量方案示意图;
图5为本发明直线拟合程序框图;
图6为本发明圆弧拟合程序框图;
图7为本发明图象处理过程示意图;
图8为本发明检测程序框图。
具体实施方式
视觉检测系统是冲击试样加工中心的一个组成部分如图.1所示,它主要完成V型缺口的形状和尺寸,以及试件厚度尺寸的检测,并与系统的PLC及运动控制系统有机的结合,实现智能化的全自动加工。它的工作过程是首先由光源2照射到试样1上,然后试样通过镜头成像到CCD摄像机3上,图像采集卡把CCD摄像机上的光信号转换成电信号,也就是把原始图像转化为数字图像,计算机用图像处理软件IMAQ Vision与LabVIEW开发的软件系统对数字图像进行处理、测量与判断,并显示出测量结果与判断信息,运动控制系统根据判断信息决定运动的程序。图中4为加工铣刀。
系统的硬件由下述几部分组成:
1)照明系统
系统中选用的LED光源的寿命更长,光源稳定工作寿命达到6000h~10000h;而且具有功耗小、响应快等优点。
2)CCD摄像机及光学镜头
本发明所选CCD芯片为日本CBC公司型号为ZC-F11CH4的CCD芯片。它的规格为1/3″,电视制式为CCIR(PAL的一种黑白模式),解析度为570线,最低照度为0.08LUX。
光学镜头采用可调焦的CBC公司型号为TEC-M55镜头,其接口类型为C型,焦距为55-146mm,大景深,50mm焦阑,镜头最大孔径比为1:2.8,。
3)摄像机与光源安装装置
为了保证系统的总体的工作要求,避免摄像头受到污染,在零件的加工过程中,应该保证摄像头处在一个密封的装置中,当运动控制系统给出采集图像的信号时,摄像头前方的保护屏打开后,进行图像的采集。同时将光源也放置在此装置中。为防止每次检测焦距的不同,装置中设计了保持焦距为定值的机构。
4)图像采集卡
图像采集卡接收从CCD摄像头中输入的模拟电信号,由A/D转换为离散的数字信号,将离散的信号存储在图像的一个或者多个存储单元中,当计算机发出传送指令时,经过PCI总线将图像信息传到计算机内存以便于计算机的运算处理,或者直接送到显示卡上进行显示。
考虑到兼容性和系统的要求,本发明使用NI公司的IMAQ-PCI-1409图像采集卡。此采集卡支持多种视频制式:PAL,NTSC等。它不但能够输出四路模拟信号,还具有外部触发功能,并且可以通过RTSI(实时系统总线)与运动控制卡连在一起相互触发,从而完成视觉系统与运动控制系统的相互的数据信号交换功能。
5)计算机配置
为了满足图像处理的速度和画面质量的要求,计算机系统的配置为选用CPU为PIII1.8G以上,内存256MB以上的兼容机或品牌机,硬盘在20G以上,32M以上的VGA显卡,选择奔腾系列,因为在奔腾系列的PC机采用了最新的MMX技术,它不仅包含大量通用指令,增强了PC的处理能力,而且MMX技术也完全兼容于现存的各类操作系统与应用软件。利用MMX技术对于大多数图像采集视觉函数,如滤波、阈值处理、运算、逻辑和形态学都有显著的性能增益。
系统的软件
系统的软件由LabVIEW及其工具软件包IMAQ Vision组成。
1)NI-IMAQ软件包
数字图像处理是本视觉系统的关键,NI公司的IMAQ Vision软件包在LabVIEW,BridgeVIEW,LabWindows/CVI,ComponentWorks以及其它ActiveX容器应用程序中加入了机器视觉和图像处理的功能。IMAQ Vision中包含一套丰富的为MMX而优化的函数,可用来完成灰度、彩色以及二值图像的显示、处理(统计、滤波和几何变换)、形状匹配、斑点分析、计算和测量等。
2)NI-IMAQ驱动软件
NI-IMAQ是图像采集驱动软件,不论使用LabVIEW,LabWindows/CVI,C或是Visual Basic,NI-IMAQ都能提供对NI-IMAQ采集设备的高层控制。NI-IMAQ是针对图像采集的一个完整而可靠的API,这样满足了性能要求而且能够有效地减少应用系统开发时间。驱动软件直接对图像采集板卡的寄存器进行编程,管理它的各种操作并且对它与计算机的资源(例如:处理器中断、DMA和内存等进行整合。
视觉检测中的图像处理
1、图像预处理
为减少外界的噪声加入到图像中,在对采集到的图像进行处理前,需要先对图像进行预处理,就是要对噪声图像进行滤波,平滑噪声图像。根据不同的要求,滤波的方法有很多种,较常应用的有均值与中值滤波。
中值滤波的输出与输入噪声的密度分布有关。而均值滤波的输出与输入分布无关。对随机噪声的抑制能力方面来看,中值滤波性能要比均值滤波差一些。而对脉冲干扰来讲,中值滤波是很有效的。考虑滤波效果与滤波时间两个因素,本发明最终选定了3×3的中值滤波的图像预处理方法。
2、图像分割
图像分割是将一幅图像分成互不交叠的区域,通过分割把目标从背景中提取出来。图像分割是由图像处理进到图像分析的关键步骤,也是一种基本的计算机视觉技术。它利用了图像中要提取的目标物与其背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域(目标和背景)的组合,选取一个合适的阈值,以确定图像中每一个象素点应该属于目标还是背景区域,从而分割成相应的二值图像。阈值分割不仅可以大量压缩数据,减少存储容量,而且大大简化在其后的分析和处理步骤。
图像分割一般采用两种方法:一种是基于区域的分割,另一种是基于边缘的分割。基于边缘的分割算法易受噪声影响,虽然对图像进行了预处理,但是还会存在对边缘分割影响的噪声。采用区域分割方法,可以对二值图像进行处理从而改善边缘分割的效果,故本发明采用基于区域分割的方法。
3、二值化
阈值选取方法很多,利用直方图进行阈值分割一种简便的图像分割方法。在图像内容不太复杂、灰度分布较集中的情况下,利用这种方法可获得很好的分割效果。为采集的零件原图经过中值滤波后的灰度直方图,其中横坐标为灰度级别,纵坐标表示某一灰度级对应的像素点个数。物体和背景的灰度差别较大,灰度直方图呈现明显的双峰。
本发明采用最大类间方差法进行二值化处理。
由上述方法对原始图像求阈值分别为97和111,通过两种阈值的分割方法。
4、数学形态学处理
在二值图像上,需要进行检测并提取图像的特征以及对图像进行测量等处理,图像二值化后,图像只有黑白两种信息,很多细节都丢失了,因此二值化后的图像一般不能满足测量要求,这样就需要对二值图像进行处理。数学形态学是以二值数字图像作为研究对象,以集合论为基础发展起来的。
数学形态处理就是用结构元素(Structuring Element)对二值图像进行移位、交、并等集合运算。结构元素也由点集构成,是一个可以在图像上平移且尺寸比图像小的集合,根据不同的目的,选择不同类型、大小和形状的结构元素与目标图像相互作用,形成图像的形态变换,从而达到图像分析和特征提取的目的。
二值形态学有四种基本变换:腐蚀、膨胀、开运算和闭运算。
本发明采用的是闭运算来消除二值化之后的空洞,为了不致使圆弧变形,采用的是8邻接半径为3的近似圆作为结构元素。
特征边界提取
二值图像轮廓提取的算法就是掏空内部点。如果原图中有一点为黑,且它的8个相邻点都是黑色时(此时该点是内部点),则将该点删除。联系到数学形态学的知识这实际上相当于用一个九个点八邻接的结构元素对原图像进行腐蚀再用原图像减去腐蚀图像。
本发明边界提取用到的是梯度法。
边缘检测
边缘检测的是判别并定位图像上像素强度的不连续点。这些不连续性伴随着像素强度值的突变,这些突变特征化了物体相对于背景的边界,为了进行边缘检测,应该在图像中的选定特定的搜索区域。可以用互动法或者编程法来设定搜索的路径,通过线性ROI工具来选定要分析的搜索区域。一组搜索区域可以是直线,圆或者椭圆圆周,长方形或多边形边缘或手绘区域的边界,搜索的区域内包含一定数量的搜索线,沿着这些搜索线来分析像素值,检测出其中显著的强度变化的点,这些点即为边缘点。当边缘点检测出来之后,按照一定的拟合准则可以将这些点拟合成相应的边缘,而这条边缘就是在搜索区域内检测到的物体的边缘。
边缘拟合的方法
通过指定特定的搜索区域,沿着此搜索区域检测线进行边缘检测,得到的是对应于检测直线的一系列的离散的点,这些离散的点既是物体上的点,又是检测直线上的点,即在搜索区域内检测到的边缘。本发明中组成被测物体边界的最基本数学模型就是直线和圆,边缘拟合就是将离散的分布点按照一定的法则和算法将他们联系在一起,组成能够测量的规则的几何形状。
直线拟合
在通过搜索区域检测到的点中,本来笔直的物体边缘,通常会由于各种因素的影响并不在一条直线上,比如被检测物体的边缘不完全在检测区域内,物体边缘不连续,噪声使得检测点偏离正确位置等等。本发明使用MSD算法(Mean Square Distance)将检测到的边缘点拟合直线,取得了很好的效果。
直线拟合的过程如下:选择边缘的拟合搜索区域,本发明的搜索区域选择了耙形区域作为搜索区域,它应用于矩形搜索区域。搜索区域与矩形的边相平行,对于水平方向的矩形,指定搜索方向为从左到右或从右到左;对于垂直方向的矩形,则指定搜索区域方向从上到下或从下到上。耙形搜索区域内的搜索线会检测出所检测物体的边缘点。
有了检测到的直线边缘,尺寸的测量也就轻而易举了。这时只需要简单的调用量测函数,取相应的Line Coordinates或者Edge Coordinates中的检测点进行测量就可以得出测量的结果了。
圆心检测与圆弧拟合
当3点位于一个圆周上时,可以用图解或解析的方法确定圆心的位置,如“三点定圆法”。当采集点的点数大于3时,可以用最小二乘法进行曲线拟合,求得圆的最合适位置,计算出圆心的坐标。本发明采用最小二乘圆法作圆心检测,最小二乘法有使误差平方和为最小的拟合作用。
对底部圆弧所有边缘点先拟合出综合圆心和半径,利用这个综合圆心与半径对这些边缘点进行检查,去掉太远和太近的噪声点,把剩下的边缘点再进行“最小二乘圆法”拟合,进行2~3次迭代后,得到圆心位置的精确值以及圆弧半径。
本发明采用的搜索区域是辐射搜索,如图.3所示,使用一组从圆环中心发出的指向外边界的搜索线,通过设定搜索区域之间的角度来控制搜索线的数量,搜索线的方向可以是由中心向外,也可以是由外边界指向中心。通过拟合算法可以得出待检测圆的圆心和半径。
图像区域定位
本发明所说的定位是保证检测的区域在图像坐标系中的相对位置不变。在检测过程中,零件图像在摄像机坐标系中运动,而检测区域相对于摄像机坐标系是不动的,通过建立参考坐标系的方法,可以使检测区域随着图像的运动而动。当在图像上建立相对的参考坐标系后,检测区域在此参考坐标系中便能准确的定位。参考坐标系改变,检测区域也会随之改变。例如,在第K帧图像中选取一个检测区域A,在第K+1帧时,检测区域为B,定位的就是要保证A在第K帧图像中的坐标位置与B在第K+1帧图像中的坐标位置相同。本发明在检测区域定位时,将图像的坐标变换和图像的模式匹配进行了比较,得出了较为准确的定位方案。
IMAQ Vision中与模型匹配相关的函数综合运用了非均匀采样、边缘检测等等匹配方法,令模型匹配快速而且准确。而且,允许匹配对象可以有0到360度的旋转和一定范围内的大小比例变化。即使是在照明状况有变化(指的是均匀变化)、镜头聚焦不太好和部分图形被隐藏的情况下,也能取得比较满意的效果。图.5展示了在指定区域内的模板匹配结果图像。
图像处理与测量子模块图像处理测量包括下列功能子模块:中值滤波,阈值分割,二值图像的闭运算,边界提取,边缘检侧,尺寸测量。
具体边缘检测方法是:首先在图像中根据要检测的边缘形状来设定搜索区域。用一定数量的搜索线组成的区域来覆盖待检测的区域,然后设置搜索线的距离(Distance),搜索线强度对比值(Contrast),平均值(Smoothing),陡峭度(Steepness)。设定这些值之后可以检测出希望得到的边缘。
V型缺口的参数测量方案
下述所有参数一次测量完成。
(1)角度的测量,首先采用耙形区域搜索拟合V形缺口的两个边,然后采用四点测角度法得到要测的角度值。
(2)底部圆弧半径的测量,首先通过辐射搜索圆弧边线,并进行曲线拟合,进而得到圆心的坐标和圆弧的半径。
(3)测量缺口圆弧底部剩余高度。采用向外搜索最小垂直距离的办法测量圆弧底部切线与试件底部边线之间的距离,在执行测量的过程中进行3次测量求取平均值作为测量结果。
数据存储模块和误差修正模块
当需要对检测到的数据进行人工查看和分析的时候,可以调用已经存储检测数据,这种数据的存储方式为文本格式,并且带有纪录的时间。为防止存储的数据量过大导致文件打开困难,设定了按照存储时间保存数据的方法。
通过对误差事先检定,用多项式插值法得出误差公式,在测量时调出误差结果,代入公式进行补偿。
视觉检测系统软件
本发明软件采用先进的图形化编程软件LabVIEW7.0编制,在Windows系统下运行,Windows具有清晰、直观的图形界面特点、设备无关性和多任务性等优点,而LabVIEW是一个32位的编译环境,其数据流的编程机制为人们提供了一种全新的能更自然、更直接、更充分表达显示世界的方法。采用Windows编程机制,使系统具有Windows功能特点,完全脱离传统顺序执行程序的设计思想,通过消息驱动的方式控制系统的动作,使程序再运行期间充分接受用户的控制,具有良好的人机交互功能。软件设计采用模块式设计思路,各功能模块都以主程序界面为初始启动界面,并通过主程序界面相联系。
系统软件的设计思想及流程
软件系统为两个串行的程序流,它们分别是测量零件厚度的程序和测量零件V型缺口尺寸的程序。程序运行后,等待运动控制系统给图像采集卡的触发信号,如果没有触发信号,则执行等待检测模块,系统提示处于等待检测状态并回到初始等待信号状态。如果收到了触发信号,系统开始采集信号,并且将信号数字化后,进行处理、分析、最后显示出测量值,根据测量值与要求值进行判断,显示出判断结果,此结果将传递给运动控制系统进行刀具进给,这样就完成了一个工作循环,重新回到了等待运动控制系统触发信号的状态。
本发明充分利用了LabVIEW模块化的先进的设计思想,化整为零,将各个流程用相应的模块来设计。在设计过程中,遵循由上至下的设计方法,首先根据系统的总体需求,将系统划分为各个功能模块:聚焦子模块,标定子模块,检测显示子模块(自动与手动检测),传输通讯子模块。然后需一个主界面来实现各个模块的调用,从而将各功能模块集成在一起。
系统的各个功能模块
图像采集模块
首先对图像采集卡初始化,配置Buffer菜单,然后是抽出一小块内存,并且为Buffer命名相应的不重复的名称,因为系统检测时需要用到相应的触发(Trigger)信号,接收到触发信号时,才开始采集图像到相应的寄存器地址,所以要为图像采集配置相应动作的触发信号。比如当每一帧图像采集且信号来临,才能将此帧图像采集到内存中,并对图像进行下一步的动作。配置Buffer是很有技巧的,本发明为每个通道配置的5个Buffer为循环的Ring Buffer,当分别命名为0、1、2、3、4,只要抽走其中的一个Buffer,就会有相应的位置的Buffer来填满,当采集图像的命令开始后,图像就会源源不断地送到指定的寄存器,只有当程序发出Copy或者Extract命令时,图像才能送到指定的内存段并显示。程序实现流程如图4所示:
图像聚焦模块
为了提高测量精度,系统应准确调焦。通常应使用自动调焦镜头或设计一套自动调焦系统,但自动调焦,要增加步进电机及驱动、传动、反馈等系统,这无疑增加了系统的控制复杂性及成本。考虑到调焦误差相对于系统的要求精度较小,我们提出一种用图像清晰度评价函数—灰度差分函数,判定调焦位置的手动调焦方法,经过粗调和微调的过程。
(1)粗调过程首先将摄像机盒在导轨上移动到固定的视野位置,然后前后拉动镜头,使图像经历模糊—清晰—模糊,即调焦不足—齐焦—调焦过度的过程。对评价函数值F(i)经历由大到小,再由小到大的过程,粗调只能保证聚焦在合适的范围内。
(2)微调过程采取微调方法,即转动镜头的微调机构,采集连续图像,比较图像清晰度评价函数值F(i),逐渐找到评价函数最大值所对应的位置。此时的位置即为系统齐焦位置。然后用锁紧螺母将镜头的锁紧。
本发明编写了完整的聚焦程序,分别采用了两个评价函数来确定调焦的正确位置:边缘梯度函数法,FFT函数法。
检测显示模块
检测显示模块是本发明的重点模块,它是由区域定位模块图像处理模块、图像测量模块、数据存储模块、误差修正模块等一系列的子模块组成。同时检测显示模块可以分为自动检测和离线检测互不干扰的两部分。一般零件的检测是靠自动检测来完成的,通过自动检测部分可以完成冲击试样的自动化的在线检测。离线检测说明本检测系统也可以采用人工手动的检测,拓展了检测系统的功能。同时离线检测的参数设定的改变可以通过动态节点的方式传到自动检测过程,不会影响到再次启动自动检测时的参数设置。
传输通讯模块
检测到的尺寸参数:厚度,V型缺口的深度,V型缺口的角度,V型缺口的底部圆弧半径。将这些测得的尺寸与给定值(技术指标值)比较,计算出它们的差值,并送给运动控制系统,运动控制系统根据差值进行刀具进给。
Claims (4)
1.冲击试样自动加工装置的在线检测视觉系统;
图像处理过程为:首先利用CCD摄像技术及图像采集卡采集工件端面静态图像,图像信息传至计算机后,图像处理软件对信息进行全面处理,最终计算出工件的实际尺寸,将测试结果传给控制软件,经过甄别处理后得出进一步加工或停止加工的指令,发出信号,启动相应的运动控制程序和伺服执行机构完成后续正常的自动加工过程;其特征在于:
系统的构成:
系统的硬件由下述几部分组成:
照明系统、CCD摄像机及光学镜头、摄像机与光源安装装置、图像采集卡和计算机;摄像头处在一个密封的装置中,当运动控制系统给出采集图像的信号时,摄像头前方的保护屏打开后,进行图像的采集;同时将光源也放置在此装置中,并设计了保持焦距为定值的机构;图像采集卡接收从CCD摄像头中输入的模拟电信号,由A/D转换为离散的数字信号,将离散的信号存储在图像的一个或者多个存储单元中,当计算机发出传送指令时,经过PCI总线将图像信息传到计算机内存以便于计算机的运算处理,或者直接送到显示卡上进行显示;
图像采集卡能够输出四路模拟信号,具有外部触发功能,可以通过RTSI(实时系统总线)与运动控制卡连在一起相互触发,完成视觉系统与运动控制系统的相互的数据信号交换功能;
计算机系统的配置为:CPU为PIII1.8G以上,内存256MB以上,硬盘在20G以上,32M以上的VGA显卡,选择奔腾系列,采用了最新的MMX技术,包含大量通用指令,完全兼容于现存的各类操作系统与应用软件;利用MMX技术对于大多数图像采集视觉函数,如滤波、阈值处理、运算、逻辑和形态学都有显著的性能增益。
2.权利要求1所述的冲击试样自动加工装置的在线检测视觉系统的图像处理方法为:
(1)、图像预处理:首先对图像进行预处理,本发明选定了3×3的中值滤波的图像预处理方法;
(2)、图像分割:本发明采用基于区域分割的方法;可以对二值图像进行处理从而改善边缘分割的效果;
(3)、二值化:本发明采用最大类间方差法进行二值化处理;
(4)、数学形态学处理:采用四种基本变换:腐蚀、膨胀、开运算和闭运算,形成图像的形态变换,从而达到图像分析和特征提取的目的;
(5)、特征边界提取:二值图像轮廓提取的算法就是掏空内部点,本发明采用梯度法完成边界提取,用内梯度和外梯度两部分的加和来作为提取的物体的边界;
(6)、边缘检测:边缘检测是判别并定位特征化了的物体相对于背景的边界图像上像素强度的不连续点;通过线性ROI工具来选定要分析的搜索区域;搜索的区域内包含一定数量的搜索线,沿着这些搜索线来分析像素值,检测出其中显著的强度变化的点,这些点即为边缘点;当边缘点检测出来之后,按照一定的拟合准则可以将这些点拟合成相应的边缘,而这条边缘就是在搜索区域内检测到的物体的边缘;
(7)、边缘拟合:将离散的分布点按照一定的法则和算法将它们联系在一起,组成能够测量的规则的几何形状。
3.权利要求2所述的冲击试样自动加工装置的在线检测视觉系统的图像处理方法,其特征是:
直线拟合与长度、角度检测:选择边缘的拟合搜索区域,搜索区域选择了耙形区域进行矩形区域搜索;搜索区域与矩形的边相平行,对于水平方向的矩形,指定搜索方向为从左到右或从右到左;对于垂直方向的矩形,则指定搜索区域方向从上到下或从下到上;耙形搜索区域内的搜索线会检测出所检测物体的边缘点;
圆弧拟合与圆弧检测:采用辐射区域搜索,使用一组从圆环中心发出的指向外边界的搜索线,通过设定搜索区域之间的角度来控制搜索线的数量,搜索线的方向可以是由中心向外,也可以是由外边界指向中心;然后用最小二乘法对底部圆弧所有边缘点先拟合出综合圆心和半径,利用这个综合圆心与半径对这些边缘点进行检查,去掉太远和太近的噪声点,把剩下的边缘点再进行“最小二乘圆法”拟合,进行2~3次迭代后,得到圆心位置的精确值以及圆弧半径。
4.权利要求2所述的冲击试样自动加工装置的在线检测视觉系统的图像处理方法,其特征是:
直线拟合与长度、角度检测包括:
1.高度测量:获取V型缺口底部切线和试件底部边缘线后测量两线距离;
2.圆弧测量:获取与v型缺口底部圆弧重合的虚圆后测量该圆的半径;
3.角度测量:获取V型缺口边缘线后测量两线夹角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810209683A CN101532926A (zh) | 2008-12-12 | 2008-12-12 | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810209683A CN101532926A (zh) | 2008-12-12 | 2008-12-12 | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101532926A true CN101532926A (zh) | 2009-09-16 |
Family
ID=41103657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810209683A Pending CN101532926A (zh) | 2008-12-12 | 2008-12-12 | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101532926A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519387A (zh) * | 2011-10-27 | 2012-06-27 | 哈尔滨工业大学 | 一种电子束焊接熔池形状参数的视觉检测方法 |
CN102637317A (zh) * | 2012-04-26 | 2012-08-15 | 东南大学 | 基于视觉的硬币尺寸测量算法 |
CN103175848A (zh) * | 2013-02-05 | 2013-06-26 | 厦门大学 | 一种rcf型铣刀刃部崩缺在线检测方法 |
CN103218467A (zh) * | 2012-01-19 | 2013-07-24 | 昆山思拓机器有限公司 | 一种利用成品制作开口文件的方法 |
CN104103078A (zh) * | 2014-07-31 | 2014-10-15 | 中国航天科工集团第三研究院第八三五七研究所 | 一种螺旋对称中心检测方法 |
CN105405109A (zh) * | 2015-11-16 | 2016-03-16 | 华北电力大学 | 一种基于带状背景建模的脏点检测方法 |
CN105666274A (zh) * | 2016-02-03 | 2016-06-15 | 华中科技大学 | 一种基于视觉控制的餐盘磨边方法 |
CN105729267A (zh) * | 2016-02-03 | 2016-07-06 | 华中科技大学 | 一种基于视觉控制的磨边装置及方法 |
CN107180440A (zh) * | 2017-05-31 | 2017-09-19 | 铜仁市万山区丹凤朱砂工艺品研发检测鉴定中心有限公司 | 一种根据照片获取加工曲线的方法 |
CN107449359A (zh) * | 2017-06-27 | 2017-12-08 | 无锡贺邦汽车配件有限公司 | 一种应用于汽车冲压件的测量系统 |
CN107514974A (zh) * | 2017-09-07 | 2017-12-26 | 唐冬香 | 一种机床检测工件的方法及系统 |
CN107817265A (zh) * | 2017-09-11 | 2018-03-20 | 北京理工大学 | 一种基于红外热成像技术的铁体形貌探测法 |
CN108000239A (zh) * | 2017-12-01 | 2018-05-08 | 常州信息职业技术学院 | 数控加工在线检测系统 |
CN108037024A (zh) * | 2017-12-21 | 2018-05-15 | 江苏金恒信息科技股份有限公司 | 一种试样夹取装置以及冲击实验系统 |
CN108550142A (zh) * | 2018-03-30 | 2018-09-18 | 深圳大学 | 一种牙孔检测方法及装置 |
CN109189001A (zh) * | 2018-11-16 | 2019-01-11 | 厦门大学 | 拖拉机变速箱用立铣刀端截形图像扫描获取及标定的方法 |
CN110362038A (zh) * | 2019-07-24 | 2019-10-22 | 河南机电职业学院 | 识别五轴联动数控机床在线检测能力的试件与检测方法 |
CN111272764A (zh) * | 2020-01-22 | 2020-06-12 | 哈尔滨工业大学 | 大型智能临时平台非接触图像识别移动管控系统及方法 |
CN112414317A (zh) * | 2020-11-06 | 2021-02-26 | 马鞍山学院 | 基于机器视觉的坚果开口尺寸检测方法 |
CN112897431A (zh) * | 2020-10-24 | 2021-06-04 | 泰州无印广告传媒有限公司 | 兼容型自适应灌装系统 |
CN113096090A (zh) * | 2021-04-07 | 2021-07-09 | 中国工程物理研究院机械制造工艺研究所 | 带倒角的端面间隙视觉测量方法、装置、设备及存储介质 |
CN113591956A (zh) * | 2021-07-21 | 2021-11-02 | 慧泉智能科技(苏州)有限公司 | 一种基于工业自动化行业的多传感融合平台软件系统 |
CN113804718A (zh) * | 2021-09-08 | 2021-12-17 | 西安科技大学 | 水冰相变冻胀作用多维参数测试装置、测试方法 |
TWI751869B (zh) * | 2020-12-30 | 2022-01-01 | 廣達電腦股份有限公司 | 運算裝置及用於近眼顯示裝置之缺陷偵測方法 |
CN114127533A (zh) * | 2019-05-15 | 2022-03-01 | 康宁公司 | 边缘强度测试方法及设备 |
CN114383505A (zh) * | 2022-01-06 | 2022-04-22 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
CN116740044A (zh) * | 2023-06-30 | 2023-09-12 | 常州润来科技有限公司 | 基于视觉检测与控制的铜管铣面加工方法及系统 |
-
2008
- 2008-12-12 CN CN200810209683A patent/CN101532926A/zh active Pending
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519387A (zh) * | 2011-10-27 | 2012-06-27 | 哈尔滨工业大学 | 一种电子束焊接熔池形状参数的视觉检测方法 |
CN103218467A (zh) * | 2012-01-19 | 2013-07-24 | 昆山思拓机器有限公司 | 一种利用成品制作开口文件的方法 |
CN102637317A (zh) * | 2012-04-26 | 2012-08-15 | 东南大学 | 基于视觉的硬币尺寸测量算法 |
CN103175848A (zh) * | 2013-02-05 | 2013-06-26 | 厦门大学 | 一种rcf型铣刀刃部崩缺在线检测方法 |
CN104103078A (zh) * | 2014-07-31 | 2014-10-15 | 中国航天科工集团第三研究院第八三五七研究所 | 一种螺旋对称中心检测方法 |
CN105405109A (zh) * | 2015-11-16 | 2016-03-16 | 华北电力大学 | 一种基于带状背景建模的脏点检测方法 |
CN105666274B (zh) * | 2016-02-03 | 2018-03-09 | 华中科技大学 | 一种基于视觉控制的餐盘磨边方法 |
CN105666274A (zh) * | 2016-02-03 | 2016-06-15 | 华中科技大学 | 一种基于视觉控制的餐盘磨边方法 |
CN105729267A (zh) * | 2016-02-03 | 2016-07-06 | 华中科技大学 | 一种基于视觉控制的磨边装置及方法 |
CN105729267B (zh) * | 2016-02-03 | 2018-06-12 | 华中科技大学 | 一种基于视觉控制的磨边装置及方法 |
CN107180440A (zh) * | 2017-05-31 | 2017-09-19 | 铜仁市万山区丹凤朱砂工艺品研发检测鉴定中心有限公司 | 一种根据照片获取加工曲线的方法 |
CN107449359A (zh) * | 2017-06-27 | 2017-12-08 | 无锡贺邦汽车配件有限公司 | 一种应用于汽车冲压件的测量系统 |
CN107514974A (zh) * | 2017-09-07 | 2017-12-26 | 唐冬香 | 一种机床检测工件的方法及系统 |
CN107817265A (zh) * | 2017-09-11 | 2018-03-20 | 北京理工大学 | 一种基于红外热成像技术的铁体形貌探测法 |
CN108000239A (zh) * | 2017-12-01 | 2018-05-08 | 常州信息职业技术学院 | 数控加工在线检测系统 |
CN108037024A (zh) * | 2017-12-21 | 2018-05-15 | 江苏金恒信息科技股份有限公司 | 一种试样夹取装置以及冲击实验系统 |
CN108550142A (zh) * | 2018-03-30 | 2018-09-18 | 深圳大学 | 一种牙孔检测方法及装置 |
WO2019184094A1 (zh) * | 2018-03-30 | 2019-10-03 | 深圳大学 | 一种牙孔检测方法及装置 |
CN109189001A (zh) * | 2018-11-16 | 2019-01-11 | 厦门大学 | 拖拉机变速箱用立铣刀端截形图像扫描获取及标定的方法 |
CN114127533A (zh) * | 2019-05-15 | 2022-03-01 | 康宁公司 | 边缘强度测试方法及设备 |
CN110362038A (zh) * | 2019-07-24 | 2019-10-22 | 河南机电职业学院 | 识别五轴联动数控机床在线检测能力的试件与检测方法 |
CN111272764A (zh) * | 2020-01-22 | 2020-06-12 | 哈尔滨工业大学 | 大型智能临时平台非接触图像识别移动管控系统及方法 |
CN111272764B (zh) * | 2020-01-22 | 2023-04-28 | 哈尔滨工业大学 | 大型智能临时平台非接触图像识别移动管控系统及方法 |
CN112897431A (zh) * | 2020-10-24 | 2021-06-04 | 泰州无印广告传媒有限公司 | 兼容型自适应灌装系统 |
CN112414317A (zh) * | 2020-11-06 | 2021-02-26 | 马鞍山学院 | 基于机器视觉的坚果开口尺寸检测方法 |
TWI751869B (zh) * | 2020-12-30 | 2022-01-01 | 廣達電腦股份有限公司 | 運算裝置及用於近眼顯示裝置之缺陷偵測方法 |
CN113096090A (zh) * | 2021-04-07 | 2021-07-09 | 中国工程物理研究院机械制造工艺研究所 | 带倒角的端面间隙视觉测量方法、装置、设备及存储介质 |
CN113591956A (zh) * | 2021-07-21 | 2021-11-02 | 慧泉智能科技(苏州)有限公司 | 一种基于工业自动化行业的多传感融合平台软件系统 |
CN113804718A (zh) * | 2021-09-08 | 2021-12-17 | 西安科技大学 | 水冰相变冻胀作用多维参数测试装置、测试方法 |
CN114383505A (zh) * | 2022-01-06 | 2022-04-22 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
CN114383505B (zh) * | 2022-01-06 | 2024-06-07 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
CN116740044A (zh) * | 2023-06-30 | 2023-09-12 | 常州润来科技有限公司 | 基于视觉检测与控制的铜管铣面加工方法及系统 |
CN116740044B (zh) * | 2023-06-30 | 2024-02-27 | 常州润来科技有限公司 | 基于视觉检测与控制的铜管铣面加工方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101532926A (zh) | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 | |
CN111951237B (zh) | 外观视觉检测方法 | |
CN101456159B (zh) | 火花识别对刀方法及磨削加工自动化系统 | |
CN104063873B (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
CN113865508B (zh) | 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法 | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
WO2021203664A1 (zh) | 墙面的截面尺寸的测量方法及装置、系统 | |
CN113723325B (zh) | 一种装配式预制构件的工装缺陷检测系统 | |
CN103868924A (zh) | 一种基于视觉的轴承外观缺陷检测算法 | |
WO2021088247A1 (zh) | 合金分析视觉定位方法、装置及合金分析系统 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
CN112734662B (zh) | 一种针对锥齿轮磨损的机器视觉检测方法及系统 | |
CN107796718A (zh) | 布氏硬度测量系统及方法 | |
CN110375674A (zh) | 一种精密制造设备的视觉检测系统 | |
CN108389184A (zh) | 一种基于机器视觉的工件制孔数检测方法 | |
Qin et al. | Research on automatic monitoring method of face milling cutter wear based on dynamic image sequence | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN110570412B (zh) | 一种零件误差视觉判断系统 | |
CN104316530A (zh) | 一种零部件检测方法及应用 | |
CN106403818A (zh) | 多规格大型方矩形管在线尺寸参数检测用的系统及方法 | |
CN115330712A (zh) | 一种基于虚实融合的装配式建筑预制构件智能质检方法及系统 | |
CN112037281B (zh) | 一种用于引导自动化毛囊采集机器的视觉系统 | |
CN110969357A (zh) | 一种铝合金机加工零件孔洞视觉检测方法 | |
CN113723841B (zh) | 一种装配式预制构件中工装缺失的在线检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090916 |