CN103968772A - 一种基于单目视觉检测的活塞环检测方法 - Google Patents

Abstract

本发明利用计算机视觉理论、图像处理理论和数学知识，设计基于计算机视觉的活塞环闭口间隙和圆度的无损伤测量方法。该方法包括图像增强、边缘检测、测量圆度、局部亚像素、测量间隙各步骤。本发明采用亚像素技术进行间隙部分进行局部图像处理，从而提高了测量精度；本发明不仅测量出间隙的距离，而且测量出活塞环的圆度，从而拓展了测量的范围，提高了检测质。

Description

一种基于单目视觉检测的活塞环检测方法

技术领域

本发明涉及一种汽车器件的检测领域，具体来讲是关于是采用单目视觉对活塞环质量进行检测的方法。

背景技术

活塞环是内燃机中的重要零件之一，也是活塞起密封作用的关键零件，密封燃气，防止机油窜入燃烧室。活塞环闭口缝隙即活塞环放在气缸内，在闭口处呈现的缝隙，闭口缝隙是防止活塞环受热膨胀后卡死在缸内，因此活塞环闭口缝隙的尺寸对于活塞运动具有重要意义。随着工业制造技术的不断提高和加工工艺的不断改进，企业对检测手段、检测速度和精度也提出了越来越高的要求。然而，现有的检测手段(如卡尺、显微镜、三坐标测量仪)均难以处理速度和精度两者之间的矛盾，而基于计算机视觉的测量技术就可以很好地解决这个难题。

但是，现有的用作活塞环质量检测的算法没有考虑到亚像素数据处理以及活塞环的圆度测量，这样不仅直接影响到测量精度，而且影响到检测的质量。

发明内容

本发明利用计算机视觉理论、图像处理理论和数学知识，设计基于计算机视觉的活塞环闭口间隙和圆度的无损伤测量方法。该方法包括图像增强、边缘检测、测量圆度、局部亚像素、测量间隙等步骤。

本发明的具体技术方案如下：

1、一种基于单目视觉检测的活塞环检测方法，该方法包括以下步骤：

图像增强、边缘检测、测量圆度、局部亚像素、测量间隙，其中各步骤具体如下；

图像增强：检测活塞环的边缘，采用频域处理法对图像进行增强处理，通过高斯平滑滤波对图像进行滤波处理；

边缘检测：然后利用(常规的)二值对比方法对边缘进行提取；

测量圆度：计算外缘所包括的面积S，同时统计出区域中的平均直径R；根据式(1)计算出理论面积S’；再根据式(2)计算出两者之间的相近程度，即 为圆度Dr；

$S^{\′}=\frac{\mathrm{\π}{R}^2}{4}---\left(1\right)$

$\mathrm{Dr}=1-\left|\frac{S-S^{\′}}{S}\right|---\left(2\right)$

局部亚像素：采用小波变换的方法，定义如下：

设Wf(s,k)是边缘信号f(k)的在尺度s下小波变换后的系数，p(k)为Wf(s,k)＞T的概率，T为根据使用者设置的可变阈值，i为各个像素，则其Nr维边缘期望为式(3)，其中Nr维表示的是图像的一个维度，(例如二维图像中的x方向，y方向)；

$p\left(k\right)=\frac{\mathrm{Wf}(s,k)}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Wk}(s,k)}---\left(3\right)$

$N_r=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{kWf}(s,i)}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Wf}(s,k)}---\left(4\right)$

人为选择尺度ss，(该尺度越大，精度越精确，同时计算速度也会变慢；反之，尺度越小，精度越差，同时计算速度会提高。根据经验，在本实施例中，尺度ss选择的是3。)对区域图像进行小波变换，找出尺度ss下的所有小波系数的极大模值；人为设置阈值T,(T的影响到滤波的效果。根据经验，在本实施例中，T选择为所有极大模值的平均值的10％。)滤除比T小的模值，起到滤波的效果；最后在模极大值附近,寻找与模极大值相同符号的小波系数域,这也是起到滤波的功能；再把这个域中的小波系数按式(4)求的期望值，从而得到边缘的亚像素位置；

测量间隙：首先通过数值积分算法中的Romberg算法得到活塞环的轮廓曲线长度，然后通过相应的数学解析算法得到活塞环的闭口间隙和宽度，最后通过象素与实际尺寸的比例关系，得到活塞环的实际闭口间隙和宽度。

本发明五个步骤各步骤的作用如下：

1)图像增强步骤负责对整体图像进行增强。

2)边缘检测步骤负责在获得二值化后的图片后，检测出目标物体的边缘。

3)测量圆度步骤负责计算出物体的圆形的程度。

4)局部亚像素步骤负责寻找出目标的间隙部分，并且对其进行亚像素处理。

5)测量间隙步骤负责在得到亚像素处理后的间隙图像后，对间隙部分测量出直线距离。从而完成整体测量工作。

本发明具有以下特点：

1、本发明采用亚像素技术进行间隙部分进行局部图像处理，从而提高了测量精度；

2、本发明不仅测量出间隙的距离，而且测量出活塞环的圆度，从而拓展了测量的范围，提高了检测质。

附图说明

图1是本发明实施例的整体流程图。

图2是本发明实施例的图像增强前后的效果图。

图3是本发明实施例的圆度计算流程图。

图4为本发明的系统组成图。

具体实施方式

下面结合附图和具体实施方式对本发明的内容做详细说明。

本发明的活塞环测量系统组成如图4所示，主要由被测物(活塞环)、光学成像系统、CCD摄像机、图像采集卡及计算机系统组成，CCD摄像机把带有尺寸信息的光学信号变为视频信号，并输入到计算机系统进行处理在测量时，本发明首先得到的数据为是以象素为单位来表示的，如果要得到活塞环的实际尺寸，必须建立图像象素和实际尺寸的对应关系，即测量系统的标定。在本发明中，采用了相对标定法，即标准件法，通过测得标准件的象素尺寸，又因为标准件的实际 尺寸已知，从而得到象素与实际尺寸的比例关系，从而实现了对测量系统的标定。

本发明基于单目视觉检测的活塞环检测方法，包括以下五个步骤：图像增强、边缘检测、测量圆度、局部亚像素、测量间隙。测量的流程如图1所示。

1、图像增强步骤负责对整体图像进行增强，本实施例采用直方图修改处理、二值化。

2、边缘检测步骤负责在获得二值化后的图片后，检测出目标物体的边缘。

目标物体(指图像中的活塞环)

3、测量圆度步骤负责计算出活塞环的圆形的程度。本实施例采用算法如下：

如图3所示，在获得图像中活塞环边缘后，本发明计算圆度的过程为：

计算外缘所包括的图像中活塞环所在面积S，同时统计出区域中的平均直径R。根据直径R计算出理论面积S’。再计算出两者之间的相近程度，即为圆度Dr。

$S^{\′}=\frac{\mathrm{\π}{R}^2}{4}---\left(1\right)$

$\mathrm{Dr}=1-\left|\frac{S-S^{\′}}{S}\right|---\left(2\right)$

4、局部亚像素步骤负责寻找出图像中活塞环的间隙部分，并且对其进行下述的小波变换的亚像素处理。仅对存在间隙的外缘区域进行亚像素处理，从而在不过多增加计算时间的前提下，提高系统的精度。亚像素的方法可以极大地提高系统的精确度，但是也提出计算量的问题，所以本发明只对边缘部分进行亚像素处理，从而减少了计算负担。亚像素精度是指相邻两像素之间细分情况，本实施例采用的是小波变换的方法，其定义如下：

设Wf(s,k)是图像中活塞环边缘信号f(k)的在尺度s下小波变换后的系数，p(k)为Wf(s,k)＞T的概率，T为根据使用者设置的可变阈值，i为各个像素，则其Nr维边缘期望为式(3)，其中Nr维表示的是图像的某一个维度，例如二维图像中的x方向，y方向。

$p\left(k\right)=\frac{\mathrm{Wf}(s,k)}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Wk}(s,k)}---\left(3\right)$

$N_r=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{kWf}(s,i)}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Wf}(s,k)}---\left(4\right)$

人为选择尺度ss，该尺度越大，精度越精确，同时计算速度也会变慢；反之，尺度越小，精度越差，同时计算速度会提高。根据经验，在本实施例中，尺度ss选择的是3。对区域图像(区域图像是指活塞环图像)进行小波变换，找出尺度ss下的所有小波系数的极大模值；

人为设置阈值T,T的影响到滤波的效果。根据经验，在本实施例中，T选择为所有极大模值的平均值的10％。滤除比T小的模值，起到滤波的效果；

最后在模极大值附近,寻找与模极大值相同符号的小波系数域,这也是起到滤波的功能；

再把这个域中的小波系数按式(4)求的期望值，从而得到边缘的亚像素位置。

5、测量间隙步骤负责在得到亚像素处理后的间隙图像后，对间隙部分测量出直线距离。从而完成整体测量工作。

活塞环闭口间隙和宽度的计算，首先通过常见的数值积分算法中的Romberg算法得到活塞环的轮廓曲线长度，然后通过相应的数学解析算法得到活塞环的闭口间隙和宽度，最后通过象素与实际尺寸的比例关系，得到活塞环的实际闭口间隙和宽度。

图像增强前后的效果图如图2所示。其中图2中左图2-1为原有的活塞环图，图2中右图2-2为增强后的图像效果图。检测活塞环的边缘时，本发明采用频域处理法对图像进行增强处理，通过高斯平滑滤波对图像进行滤波处理；然后利用小波变换算法对边缘进行提取。

Claims (1)

1.一种基于单目视觉检测的活塞环检测方法，该方法包括以下步骤：

图像增强、边缘检测、测量圆度、局部亚像素、测量间隙，其中各步骤具体如下；

1)图像增强：检测活塞环的边缘，采用频域处理法对图像进行增强处理，通过高斯平滑滤波对图像进行滤波处理；

2)边缘检测：然后利用二值对比方法对边缘进行提取；

3)测量圆度：计算外缘所包括的面积S，同时统计出区域中的平均直径R；根据式(1)计算出理论面积S’；再根据式(2)计算出两者之间的相近程度，即为圆度Dr；

$S^{\′}=\frac{\mathrm{\π}{R}^2}{4}---\left(1\right)$

$\mathrm{Dr}=1-\left|\frac{S-S^{\′}}{S}\right|---\left(2\right)$

4)局部亚像素：采用小波变换的方法，定义如下：

设Wf(s,k)是边缘信号f(k)的在尺度s下小波变换后的系数，p(k)为Wf(s,k)＞T的概率，T为根据使用者设置的可变阈值，i为各个像素，则其Nr维边缘期望为式(3)，其中Nr维表示的是图像的一个维度；

$p\left(k\right)=\frac{\mathrm{Wf}(s,k)}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Wk}(s,k)}---\left(3\right)$

$N_r=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{kWf}(s,i)}{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Wf}(s,k)}---\left(4\right)$

人为选择尺度ss，对区域图像进行小波变换，找出尺度ss下的所有小波系数的极大模值；人为设置阈值T,滤除比T小的模值，起到滤波的效果；最后在模极大值附近,寻找与模极大值相同符号的小波系数域；再把这个域中的小波系数按式(4)求的期望值，从而得到边缘的亚像素位置；

5)测量间隙：首先通过数值积分算法中的Romberg算法得到活塞环的轮廓曲线长度，然后通过相应的数学解析算法得到活塞环的闭口间隙和宽度，最后通过象素与实际尺寸的比例关系，得到活塞环的实际闭口间隙和宽度。