CN104089575A - 智能平面检测仪及检测方法 - Google Patents
智能平面检测仪及检测方法 Download PDFInfo
- Publication number
- CN104089575A CN104089575A CN201410312012.8A CN201410312012A CN104089575A CN 104089575 A CN104089575 A CN 104089575A CN 201410312012 A CN201410312012 A CN 201410312012A CN 104089575 A CN104089575 A CN 104089575A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- deviation
- junctor
- profile
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种智能平面检测仪包括光源、匀光板、被测工件、相机、数据线、计算机、相机悬挂系统、投影系统支架,光源均匀安装在投影系统支架的工作平台上,离光源上方不远处安装匀光板,被测工件放置于匀光板之上,相机悬挂系统的下端与投影系统支架相连接,位于投影系统支架的工作平台的正上方相机安装在相机悬挂系统上,相机与计算机之间通过数据线相连接,本发明采用单幅校正,操作简单、精度高、单次可检测工件大,并且可通过拼接解决超大幅面测量,可直接将测量结果和设计工程图进行比对,保证了信息的准确可靠,对于一些人工难于定位并测量的异形图形,也能实现细致检测,逆向功能更是能解决实际生产中工件反绘的很多难题。
Description
技术领域
本发明涉及一种检测仪及检测方法,特别是涉及一种应用于平面检测的检测仪及检测方法。
背景技术
目前加工行业一般采用三维坐标测量仪或使用手持常规检测工具检测成品或半成品工件的几何量尺寸,这种检测方法和手段既耗时又费力,不能适应现代化钣金加工业的批量生产,且无法处理异形孔检测,对过于复杂的平面被测工件和拥有大量不规则孔的工件,多余和缺失检测也是件不容易实现的事情。
发明内容
本发明的目的是提供一种智能平面监测仪用于实现对具有复杂平面结构的的工件的检测与测量。
同时本发明提供一种检测具有复杂平面结构的工件的检测方法。
一种智能平面检测仪包括光源、匀光板、相机、数据线、计算机、相机悬挂系统、投影系统支架,光源均匀安装在投影系统支架的工作平台上,光源上方安装匀光板,被测工件放置于匀光板之上,相机悬挂系统的下端与投影系统支架相连接,位于投影系统支架的工作平台的正上方相机安装在相机悬挂系统上,相机与计算机之间通过数据线相连接。
所述相机悬挂系统包括三维调节机构,所述三维机构包括Z方向调节转接体、X方向调节转接体、Y方向调节转接体、相机悬挂系统支撑臂、固定螺栓,Z方向调节转接体上开有Z方向调节导槽、X方向调节转接体上开有X方向调节导槽、Y方向调节转接体上开有Y方向调节导槽,Y方向调节转接体通过固定螺栓连接在X方向调节转接体上,X方向调节转接体与Z方向调节转接体之间通过固定螺栓连接,Z方向调节转接体与相机悬挂系统支撑臂之间通过固定螺栓相连接,该三维调节机构完成相机的三维调节。
光源1用于产生散射光,匀光板用于将散射光线均匀化,相机用于获取被测工件投影的彩色图像,数据线用于实现相机和计算机之间的通信,计算机用于完成物像标定、被测工件 边缘特征提取、被测工件逆向制图、图像对齐、拼接功能、矢量偏差计算、矢量偏差统计标记等功能,相机悬挂系统用于安装固定相机。
所述光源由LED灯产生或者由荧光灯产生,所述匀光板采用材料是乳白PMMA或者采用乳白胶片。
利用本发明智能平面检测仪进行平面监测的方法包括如下步骤:
S1、物象标定:放置预先设计出的标定板于平台上,打开光源,相机拍摄到标定板的图像,计算出全部角点的坐标,将计算出的坐标和设计的理论坐标进行比对,计算偏差矩阵,找到整个系统实际值偏差,保存成系统偏差文件。
S2、被测工件边缘特征提取:被检测工件在投影平台上产生投影,计算机通过相机获取到投影的14位原始彩色图像,首先对原始图像进行分解,转换成灰度图像,然后通过阀值算法,得到二值图像,然后按二值图像进行轮廓提取,提取出像素级轮廓数据,然后采用三次方程插值拟合的方法进行亚像素定位。
S3、被测工件逆向制图:将被测工件边缘特征提取得到的轮廓数组,按组拟合成线条或线条组合,以矢量形式保存成dxf格式文件。
S4、图像对齐:将从数据库中提取的工程图纸进行图层分解,提取出工件的加工工程图纸导入到系统中。把获取的实际工件的轮廓数据生成的图纸经过镜像、旋转、平移等操作,和工程图纸进行对齐操作,使对应元素一一对应。
S5、图像拼接:对于实际工件大于投影台面的超大工件施行分步拍摄,每次拍摄一部分,通过多次拍摄,提取每一部分的轮廓数据,然后各部分拼接在一起,恢复出完整的超大工件轮廓。
S6、矢量偏差计算:经图像对齐模块对齐以后的图形,以相同的间隔计算出对应的离散数据,然后一一对应计算离散的数据点之间的偏差线长度:
其中Δx=x1-x2;Δy=y1-y2;偏差线的方向:起点自(x1,y1),终点是(x2,y2);求取图元的平均偏差值,产生偏差数据文件。
S7、矢量偏差统计标记:根据设定的偏差判断标准,对计算出的偏差数据进行统计,得到合格项目,不合格项目,缺失元素和多余元素等信息,以矢量型式,在对齐的两幅图之间,绘制矢量的偏差线,并且按预先的设定值,对不同长度的偏差线以不同颜色进行区分。
所述相机的三维调节包括以下步骤:
首先将Z轴调至最高固定,确保视野最大;
调节X轴,观察投影图在视场中X轴方向的位置,左右调节至标定板图像在X轴方向居于视场的中心,固定X轴;
调节Y轴,观察投影图在视场中Y轴方向的位置,前后调节至标定板图像在Y轴方向上居于视场的中心,固定Y轴;
调节Z轴,观察视场中的标定板图像的大小,上下调节至标定板大小接近视场大小,固定Z轴。
所述物象标定方法包括如下步骤:
第一步,定位棋盘格图案上的角点,对棋盘格图案的标定板图像进行边缘检测,用霍夫变换找到图像上的直线,直线之间的交点就是粗略的角点位置;
第二步,在第一步得到的粗略角点位置的基础上进行细化,得到亚像素精度的角点位置;
第三步,找到最接近标定板图像中心的一个正方形作为参考正方形;
第四步,由于第三步得到的参考正方形位于标定板图像中心附近,几何畸变很小,将其视为无畸变的理想正方形并进行复制扩展,得到与棋盘格图案对应的无畸变角点阵列;
第五步,由第三步得到的参考正方形计算出物像比;
第六步,将在第一步棋盘格图案角点检测中得到的实际角点位置和第四步复制扩展得到的无畸变角点位置作为标定结果保存在文件中。
所述被测工件边缘特征提取的方法如下:
第一步,将原始图像二值化,由于拍摄的场景和背景光照条件都是固定的,所以可以使用固定的阈值将原始灰度图像转换成二值图像;
第二步,使用漫水填充算法对第一步生成的二值图像做连通区域标记;
第三步,使用轮廓跟踪方法获得二值图像上每个连通区域的像素级轮廓;
第四步,使用Sharr算子计算像素级轮廓上每个点在原始灰度图像上的梯度方向,这个方向就是该位置的轮廓法线方向;
第五步,根据原始灰度图像上的灰度分布和第四步得到的轮廓法线方向,对像素级轮廓中的每个位置进行亚像素定位,输出亚像素轮廓数据;
第六步,根据标定结果对上一步得到的亚像素轮廓数据进行几何校正,使其尽可能与实际工件的轮廓位置匹配;
第七步,根据标定结果将亚像素轮廓数据转换成以物理距离为单位的数据并保存到文件中。
本发明的有益效果为,采用单幅校正,操作简单、精度高、单次可检测工件大,并且可 通过拼接解决超大幅面测量,可直接将测量结果和设计工程图进行比对,保证了信息的准确可靠,对于一些人工难于定位并测量的异形图形,也能实现细致检测,逆向功能更是能解决实际生产中工件反绘的很多难题。
下面结合附图对本发明的智能平面检测仪及检测方法作进一步说明。
附图说明
图1为智能平面检测仪结构示意图;
图2为三维调节机构示意图;
图3为标定板示意图;
图4为法线方向比较接近水平时的亚像素定位情形示意图;
图5为法线方向比较接近竖直时的亚像素定位情形示意图;
图6为沿着工件边缘法线方向的灰度分布示意图;
图7为沿着工件边缘法线方向的灰度分布的差分示意图;
图8为最大外包矩及几何中心示意图。
具体实施方式
如图1所示本发明智能平面检测仪及检测方法包括光源1、匀光板2、相机4、数据线5、计算机6、相机悬挂系统7、投影系统支架8,光源1均匀安装在投影系统支架8的工作平台上,光源1上方安装有匀光板2,被测工件3放置于匀光板2上,相机悬挂系统7的下端与投影系统支架8相连接,位于投影系统支架8的工作平台的正上方相机4安装在相机悬挂系统7上(安装结构为三维调节机构,即安装后的相机4在X、Y、Z三个方向可调),相机4与计算机6之间通过数据线5相连接;
光源1由LED灯产生或者由荧光灯产生,光源1用于产生散射光,匀光板2采用材料是乳白PMMA或者采用乳白胶片,匀光板2用于将散射光线均匀化,相机4用于获取被测工件投影的彩色图像,数据线5用于实现相机4和计算机6之间的通信,相机悬挂系统7用于安装固定相机4,计算机6用于完成物像标定、被测工件边缘特征提取、被测工件逆向制图、图像对齐、拼接功能、矢量偏差计算、矢量偏差统计标记等功能;
物象标定:放置预先设计出的标定板于检测平台上,打开光源1,相机4拍摄到标定板的图像,计算出全部角点的坐标,将计算出的坐标和设计的理论坐标进行比对,计算偏差矩阵,找到整个系统实际值偏差,保存成系统偏差文件,用于校准系统误差对工件造成的影响。
被测工件边缘特征提取:被检测工件在检测平台上投射出工件轮廓,计算机6通过相机获取到投影的14位原始彩色图像,首先对原始图像进行分解,转换成灰度图像,然后通过阀值算法,得到二值图像,然后按二值图像进行轮廓提取,提取出像素级轮廓数据,然后采用三次方程插值拟合的方法进行亚像素定位,得到更精确的边缘位置。
被测工件逆向制图:将被测工件边缘特征提取得到的轮廓数组,按组拟合成线条或线条组合,以矢量形式保存成dxf格式文件。
图像对齐:将从数据库中提取的工程图纸进行图层分解,提取出工件的加工工程图纸导入到系统中。把获取的实际工件的轮廓数据生成的图纸经过镜像、旋转、平移等操作,和工程图纸进行对齐操作,使对应元素一一对应,用于计算偏差。
图像拼接:对于实际工件大于投影台面的超大工件施行分步拍摄,每次拍摄一部分,通过多次拍摄,提取每一部分的轮廓数据,然后各部分拼接在一起,恢复出完成的超大工件轮廓。
矢量偏差计算:经图像对齐模块对齐以后的图形,以相同的间隔计算出对应的离散数据,然后一一对应计算离散的数据点之间的偏差线长度:
其中Δx=x1-x2;Δy=y1-y2;偏差线的方向:起点自(x1,y1),终点是(x2,y2);求取图元的平均偏差值,产生偏差数据文件。
矢量偏差统计标记:根据设定的偏差判断标准,对计算出的偏差数据进行统计,得到合格项目,不合格项目,缺失元素和多余元素等信息,以矢量型式,在对齐的两幅图之间,绘制矢量的偏差线,并且按预先的设定值,对不同长度的偏差线以不同颜色进行区分,便于快速定位。
如图2所示,相机悬挂系统7包括三维调节机构,三维调节机构包括Z方向调节转接体9、X方向调节转接体10、Y方向调节转接体11、相机悬挂系统支撑臂13、固定螺栓12,Z方向调节转接体9上开有Z方向调节导槽9-1、X方向调节转接体10上开有X方向调节导槽10-1、Y方向调节转接体11上开有Y方向调节导槽11-1。Y方向调节转接体11通过固定螺栓12连接在X方向调节转接体10上,X方向调节转接体10与Z方向调节转接体9之间通过固定螺栓12连接,Z方向调节转接体9与相机悬挂系统支撑臂13之间通过固定螺栓12相连接,该三维调节机构可以完成相机的三维调节,具体调节过程如下:
首先放置标定板在投影平台的正中央,打开光源1,打开相机4,打开计算机6,在屏幕上观察标定板的投影图,调节三维调节机构,保证标定板完整布满可视区域;
先将Z轴调至最高固定,确保视野最大;
调节X轴,观察投影图在视场中X轴方向的位置,左右调节至标定板图像在X轴方向居于视场的中心,固定X轴;
调节Y轴,观察投影图在视场中Y轴方向的位置,前后调节至标定板图像在Y轴方向上居于视场的中心,固定Y轴;
调节Z轴,观察视场中的标定板图像的大小,上下调节至标定板大小接近视场大小,固定Z轴;
相机位置调整完成,相机位置即固定下来,位置校准完成,之后不用再做任何调制。
如图3所示,本发明采用的标定板上分布黑白相间的方块,其中白色方块表示为透明的光纤可通过,黑色方块表示不透明,光纤不能通过。该标定板用于放置到智能平面检测仪的检测平台上,并且由相机拍摄标定板的图像,计算机6计算出全部角点的坐标,将计算出的坐标和设计的理论坐标进行对比,得出偏差矩阵,找到整个智能平面检测仪的实际偏差值,保存成系统偏差文件,用于校准系统误差对被测工件造成的影响。
实际应用中,就物像标定,本发明采用单图像标定法,通过拍摄一张指定图案和尺寸的标定板的图像,通过算法计算出在该相机姿态下的物相比和图像畸变模式,用于后续的畸变校正,具体包括如下步骤:
第一步,定位棋盘格图案上的角点,对棋盘格图案的标定板图像进行边缘检测,用霍夫变换找到图像上的直线,直线之间的交点就是粗略的角点位置;
第二步,在第一步得到的粗略角点位置的基础上进行细化,得到亚像素精度的角点位置;
第三步,找到最接近标定板图像中心的一个正方形作为参考正方形;
第四步,由于第三步得到的参考正方形位于标定板图像中心附近,几何畸变很小,将其视为无畸变的理想正方形并进行复制扩展,得到与棋盘格图案对应的无畸变角点阵列;
第五步,由第三步得到的参考正方形计算出物像比(就是像素和物理长度的比例关系);
第六步,将在第一步棋盘格图案角点检测中得到的实际角点位置和第四步复制扩展得到的无畸变角点位置作为标定结果保存在文件中。
就被测工件边缘特征提取,本发明采取的方法步骤如下:
第一步,将原始图像二值化,由于拍摄的场景和背景光照条件都是固定的,所以可以使用固定的阈值将原始灰度图像转换成二值图像;
第二步,使用漫水填充算法对第一步生成的二值图像做连通区域标记;
第三步,使用轮廓跟踪方法获得二值图像上每个连通区域的像素级轮廓;
第四步,使用Sharr算子计算像素级轮廓上每个点在原始灰度图像上的梯度方向,这个方向就是该位置的轮廓法线方向。Sharr算子是Sobel算子的改进算子,用于检测灰度图像上每个点的梯度大小和方向,与Sobel算子相比Sharr算子得到的梯度方向更加准确,其卷积核如下:
第五步,根据原始灰度图像上的灰度分布和第四步得到的轮廓法线方向,对像素级轮廓中的每个位置进行亚像素定位,输出亚像素轮廓数据,具体的过程是:
5.1、确定轮廓法线方向更接近水平还是更接近竖直方向:
如果轮廓法线方向更接近水平,则按图4的方式,在初始位置(图中用方框标出)左右两侧指定的搜索范围(图中所示的搜索范围是5)内,沿着轮廓法线方向确定横坐标为整数的几个位置,图中用三角形点标记,之后确定每个三角形点在竖直方向最邻近的四个像素位置,图中用空心圆点表示。由这4个竖直排列的空心圆点可以通过插值法确定一条三次曲线,得到这条曲线后,就可以通过三角形点所在的y坐标和整数x坐标确定出三角形点的灰度值(满足三次方程)。每个三角形点的灰度与初始点的灰度及其坐标都可以得到,这些数据组成了一组x y坐标对集合。下一步就是通过这些数据确定一条连续曲线,依靠这条连续曲线的特征参数确定亚像素的边缘位置;
如果轮廓法线方向更接近竖直,则按图5的方式,在初始位置(图中用方框标出)上下两侧指定的搜索范围(图中所示的搜索范围是5)内,沿着轮廓法线方向确定纵坐标为整数的几个位置,图中用三角形点标记,之后确定每个三角形点在水平方向最邻近的四个像素位置,图中用空心圆点表示。由这4个水平排列的空心圆点可以通过插值法确定一条三次曲线,得到这条曲线后,就可以通过三角形点所在的y坐标和整数x坐标确定出三角形点的灰度值(满足三次方程)。每个三角形点的灰度与初始点的灰度及其坐标都可以得到,这些数据组成了一组x y坐标对集合。下一步就是通过这些数据确定一条连续曲线,依靠这条连续曲线的特征参数确定亚像素的边缘位置。
5.2、将5.1中得到的x y坐标对集合画在x-y坐标系中,得到如图6所示的坐标图,横坐标代表“沿着工件边缘法线方向的位置”,纵坐标代表像素的灰度级,其差分如图7所示,横坐标代表“沿着工件边缘法线方向的位置”,纵坐标代表像素的灰度级之差,由于在 充分接近工件内部或外部背景的地方,灰度值趋于常数,因此图7中的样本点的分布适合使用高斯曲线来近似。
5.3、高斯曲线的拟合是被转化为对二次曲线的拟合实现的,首先对样本点的y坐标取自然对数,然后与x坐标组成新的样本点,对这些数据应用最小二乘意义下的二次曲线拟合,得到的表达式加上底数e就是拟合得到的高斯曲线,其均值就是亚像素边缘定位的位置。
第六步,根据标定结果对上一步得到的亚像素轮廓数据进行几何校正,使其尽可能与实际工件的轮廓位置匹配。几何校正基于如下思路:标定结果中实际的角点位置与生成的无畸变角点位置是准确对应的,如果亚像素定位得到的轮廓位置刚好位于某个角点,那么对应的无畸变角点位置就是其校正后的位置。但轮廓点大部分并不能落在角点位置上,一般的情况是落到非角点位置,那么使用其相邻近的四个角点的对应匹配偏移量,结合当前轮廓位置和这四个角点的相对位置,通过二维插值方法就可以确定得到当前轮廓位置的匹配偏移量,进而计算出校正后的位置,经过试验,双线性插值具有良好的精度和连续性。
第七步,根据标定结果(物像比)将亚像素轮廓数据转换成以物理距离(例如毫米)为单位的数据并保存到文件中。
就图像对齐,本发明包括粗调和细调两部分,任务是完成原图和轮廓图(轮廓提取部分产生的数据)最优对齐,具体步骤如下:
第一步:计算出原图和轮廓图的最大外包矩及几何中心,分别定义为原图几何中心(X1,Y1),轮廓图几何中心(X2,Y2),参考图8;
第二步:原图位置不动,计算平移的坐标值,轮廓图在X方向移动(X1-X2),Y方向平移(Y1-Y2),将两个几何中心重合;
第三步:以重叠的几何中心为中心,按固定角度β旋转轮廓图,每旋转一次计算一次两个外包距的重叠面积,用重叠部分的面积S1,比上原图面积S,得到一个重合率,记录该重合率为P,则旋转360度以后,对应旋转的角度计算出一个重合率数组:
旋转角度数组:[R1,R2,R3……Rx]
重合率数组:[P1,P2,P3……Px];
第四步:对第三步中产生的重合率数组按递归排序法进行排序,找到最大的重合率Pmax,然后根据角标编号在旋转角度数组里提取出对应的角度Rmax,并旋转轮廓图至这个角度对应的位置。
第五步:细调包括如下A、B、C、D四个步骤:
A、完成粗略对齐以后,轮廓组内部各个小轮廓已经基本对其,分别计算出原图和轮廓 图对应位置图元的几何中心,按两图中对应关系排序:
原图中元素几何中心集合:{(Xa1,Ya1),(Xa2,Ya2),(Xa3,Ya3),……(Xan,Yan)}
轮廓图中元素几何中心集合:{(Xb1,Yb1),(Xb2,Yb2),(Xb3,Yb3),……(Xbn,Ybn)}
其中n为元素总数量。
B、计算元素几何中心偏差:对应元素的几何中心偏差,以第一组为例为,其它元素偏差以此类推。
C、轮廓图在现有的坐标位置上进行微步距调整,对轮廓图进行移动调整的方案有以下三种组合方式:X方向移动n种平移,Y方向移动m种平移,旋转p种角度,进行组合以后有C1 n x C1 m x C1 p种组合,移动轮廓图遍历该组合方案,同时记录下每一种组合方式下各个元素几何中心偏差,组合方式和对应误差几何描述如下所示:
(X1,Y1,R1),E1={△1,△2,△3,……△x};
(X2,Y1,R1),E2={△1,△2,△3,……△x};
(X3,Y1,R1),E3={△1,△2,△3,……△x};
……
(Xn,Ym,Rp),Ex={△1,△2,△3,……△x};
D、按第C步中组合方案进行调整后,利用最小二乘法原理,对每一组误差集合进行曲线拟合。以E1为例,偏差设为Y轴,轮廓编号设为X轴,将集合E1包含的数据拟合成一条线段AB,将线段AB向X轴方向投影,计算投影区域面积S1,面积的大小表征了轮廓图整体偏差的程度。将所有组合分别计算投影面积后,然后对面积集合S进行大小排列,找到最小面积Smin,找到对应的调整方案(X,Y,R)min,即为最优组合方案,此时,完成对齐。
就矢量偏差计算、矢量偏差统计标记,本发明
完成原图和轮廓图对齐以后,两图中所有元素按固定间距进行离散化处理,处理以后,所有图形都变成坐标点集A,点集B,以两集合中对应点a1、b1为例计算矢量偏差:
其中△x=xa1–xb1;△y=ya1–yb1;偏差线的方向:起点自(xa1,ya1),终点是(xb1,yb2);以此类推求取图元的平均偏差值,产生偏差数据文件。
根据偏差数据文件,将偏差数据以矢量形式绘制在图纸上,不同的偏差等级绘制成不同 的颜色,通过颜色很快就能定位局部偏差等级。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (10)
1.一种智能平面检测仪,其特征在于,包括光源(1)、匀光板(2)、相机(4)、数据线(5)、计算机(6)、相机悬挂系统(7)、投影系统支架(8),光源(1)均匀安装在投影系统支架(8)的工作平台上,光源(1)上方安装匀光板(2),被测工件(3)放置于匀光板(2)之上,相机悬挂系统(7)的下端与投影系统支架(8)相连接,位于投影系统支架(8)的工作平台的正上方相机(4)安装在相机悬挂系统(7)上,相机(4)与计算机(6)之间通过数据线(5)相连接。
2.根据权利要求1所述的智能平面检测仪,其特征在于,所述相机悬挂系统(7)包括三维调节机构,所述三维机构包括Z方向调节转接体(9)、X方向调节转接体(10)、Y方向调节转接体(11)、相机悬挂系统支撑臂(13)、固定螺栓(12),Z方向调节转接体(9)上开有Z方向调节导槽(9-1)、X方向调节转接体(10)上开有X方向调节导槽(10-1)、Y方向调节转接体(11)上开有Y方向调节导槽(11-1),Y方向调节转接体(11)通过固定螺栓(12)连接在X方向调节转接体(10)上,X方向调节转接体(10)与Z方向调节转接体(9)之间通过固定螺栓(12)连接,Z方向调节转接体(9)与相机悬挂系统支撑臂(13)之间通过固定螺栓(12)相连接,该三维调节机构完成相机的三维调节。
3.根据权利要求2所述的智能平面检测仪,其特征在于,所述光源(1)用于产生散射光,匀光板(2)用于将散射光线均匀化。
4.根据权利要求3所述的智能平面检测仪,其特征在于,所述相机(4)用于获取被测工件投影的彩色图像,数据线(5)用于实现相机(4)和计算机(6)之间的通信。
5.根据权利要求3所述的智能平面检测仪,其特征在于,所述计算机(6)用于完成物像标定、被测工件边缘特征提取、被测工件逆向制图、图像对齐、拼接功能、矢量偏差计算、矢量偏差统计标记等功能,相机悬挂系统(7)用于安装固定相机(4)。
6.根据权利要求5所述的智能平面检测仪,其特征在于,所述光源(1)由LED灯产生或者由荧光灯产生,所述匀光板(2)采用材料是乳白PMMA或者采用乳白胶片。
7.利用权利要求1至6任一所述的智能平面检测仪进行平面监测的方法包括如下步骤:
S1、物象标定:放置预先设计出的标定板于平台上,打开光源(1),打开相机(4),并对相机(4)进行三维调整,随后相机(4)拍摄到标定板的图像,计算出全部角点的坐标,将计算出的坐标和设计的理论坐标进行比对,计算偏差矩阵,找到整个系统实际值偏差,保存成系统偏差文件;
S2、被测工件边缘特征提取:被检测工件在投影平台上产生投影,计算机(6)通过相机获取到投影的原始彩色图像,首先对原始图像进行分解,转换成灰度图像,然后通过阀值算法,得到二值图像,然后按二值图像进行轮廓提取,提取出像素级轮廓数据,然后采用多次方程插值拟合的方法进行亚像素定位;
S3、被测工件逆向制图:将被测工件边缘特征提取得到的轮廓数组,按组拟合成线条或线条组合,以矢量形式保存成dxf格式文件;
S4、图像对齐:将从数据库中提取的工程图纸进行图层分解,提取出工件的加工工程图纸导入到系统中。把获取的实际工件的轮廓数据生成的图纸经过镜像、旋转、平移等操作,和工程图纸进行对齐操作,使对应元素一一对应;
S5、图像拼接:对于实际工件大于投影台面的超大工件施行分步拍摄,每次拍摄一部分,通过多次拍摄,提取每一部分的轮廓数据,然后各部分拼接在一起,恢复出完整的超大工件轮廓;
S6、矢量偏差计算:经图像对齐模块对齐以后的图形,以相同的间隔计算出对应的离散数据,然后一一对应计算离散的数据点之间的偏差线长度:
其中Δx=x1-x2;Δy=y1-y2;偏差线的方向:起点自(x1,y1),终点是(x2,y2);求取图元的平均偏差值,产生偏差数据文件;
S7、矢量偏差统计标记:根据设定的偏差判断标准,对计算出的偏差数据进行统计,得到合格项目,不合格项目,缺失元素和多余元素等信息,以矢量型式,在对齐的两幅图之间,绘制矢量的偏差线,并且按预先的设定值,对不同长度的偏差线以不同颜色进行区分。
8.根据权利要求7所述的利用智能平面检测方法,其特征在于,所述相机的三维调节包括以下步骤:
首先将Z轴调至最高固定,确保视野最大;
调节X轴,观察投影图在视场中X轴方向的位置,左右调节至标定板图像在X轴方向居于视场的中心,固定X轴;
调节Y轴,观察投影图在视场中Y轴方向的位置,前后调节至标定板图像在Y轴方向上居于视场的中心,固定Y轴;
调节Z轴,观察视场中的标定板图像的大小,上下调节至标定板大小接近视场大小,固定Z轴。
9.根据权利要求7所述的智能平面检测方法,其特征在于,所述物象标定方法包括如下步骤:
第一步,定位棋盘格图案上的角点,对棋盘格图案的标定板图像进行边缘检测,用霍夫变换找到图像上的直线,直线之间的交点就是粗略的角点位置;
第二步,在第一步得到的粗略角点位置的基础上进行细化,得到亚像素精度的角点位置;
第三步,找到最接近标定板图像中心的一个正方形作为参考正方形;
第四步,由于第三步得到的参考正方形位于标定板图像中心附近,几何畸变很小,将其视为无畸变的理想正方形并进行复制扩展,得到与棋盘格图案对应的无畸变角点阵列;
第五步,由第三步得到的参考正方形计算出物像比;
第六步,将在第一步棋盘格图案角点检测中得到的实际角点位置和第四步复制扩展得到的无畸变角点位置作为标定结果保存在文件中。
10.根据权利要求7所述的智能平面检测方法,其特征在于,所述被测工件边缘特征提取的方法如下:
第一步,将原始图像二值化,由于拍摄的场景和背景光照条件都是固定的,所以可以使用固定的阈值将原始灰度图像转换成二值图像;
第二步,使用漫水填充算法对第一步生成的二值图像做连通区域标记;
第三步,使用轮廓跟踪方法获得二值图像上每个连通区域的像素级轮廓;
第四步,使用Sharr算子计算像素级轮廓上每个点在原始灰度图像上的梯度方向,这个方向就是该位置的轮廓法线方向;
第五步,根据原始灰度图像上的灰度分布和第四步得到的轮廓法线方向,对像素级轮廓中的每个位置进行亚像素定位,输出亚像素轮廓数据;
第六步,根据标定结果对上一步得到的亚像素轮廓数据进行几何校正,使其尽可能与实际工件的轮廓位置匹配;
第七步,根据标定结果将亚像素轮廓数据转换成以物理距离为单位的数据并保存到文件中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410312012.8A CN104089575B (zh) | 2014-07-02 | 2014-07-02 | 智能平面检测仪及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410312012.8A CN104089575B (zh) | 2014-07-02 | 2014-07-02 | 智能平面检测仪及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104089575A true CN104089575A (zh) | 2014-10-08 |
CN104089575B CN104089575B (zh) | 2018-05-11 |
Family
ID=51637313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410312012.8A Active CN104089575B (zh) | 2014-07-02 | 2014-07-02 | 智能平面检测仪及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104089575B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104880156A (zh) * | 2015-06-05 | 2015-09-02 | 贵州航天精工制造有限公司 | 一种利用cad技术测量大r值的方法 |
CN104913723A (zh) * | 2015-07-01 | 2015-09-16 | 广东省自动化研究所 | 一种大构件在线精密检测系统与方法 |
CN105513086A (zh) * | 2016-01-26 | 2016-04-20 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其基于形状匹配的魔方检测定位方法 |
CN105526866A (zh) * | 2016-03-03 | 2016-04-27 | 深圳市海科瑞科技有限公司 | 一种工件尺寸检测装置及检测方法 |
CN106529091A (zh) * | 2016-12-13 | 2017-03-22 | 广东工业大学 | 一种基于有限元的线结构光的3d标定方法 |
CN106651828A (zh) * | 2016-09-21 | 2017-05-10 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN106767979A (zh) * | 2016-11-30 | 2017-05-31 | 东莞市天合机电开发有限公司 | 一种工业摄像机检测用平台 |
CN106908353A (zh) * | 2017-04-19 | 2017-06-30 | 煤科院节能技术有限公司 | 基于数字图像技术的水煤浆流动性测定仪及测定方法 |
CN106970025A (zh) * | 2017-04-28 | 2017-07-21 | 安徽捷迅光电技术有限公司 | 一种基于传送平台的相机安装架视觉校正系统 |
CN107154050A (zh) * | 2017-05-03 | 2017-09-12 | 魏玉震 | 一种基于机器视觉的石材几何参数的自动获取方法 |
CN107328371A (zh) * | 2017-05-22 | 2017-11-07 | 四川大学 | 基于高斯影响的亚像素轮廓提取及利用Softmax回归在钣金检测场景下的优化 |
CN107727664A (zh) * | 2017-11-30 | 2018-02-23 | 四川恒匀通科技有限公司 | 钣金视觉检测采集终端及方法 |
CN108022266A (zh) * | 2017-12-14 | 2018-05-11 | 杭州电子科技大学 | 面向光伏电池在线位置检测的人工智能图像识别方法 |
CN108180832A (zh) * | 2018-01-04 | 2018-06-19 | 广州唯品会研究院有限公司 | 用于服装尺寸测量的拍摄装置、方法及服装尺寸测量设备 |
CN109211121A (zh) * | 2018-10-29 | 2019-01-15 | 安徽江淮汽车集团股份有限公司 | 一种用于停缸凸轮轴位移的检测方法 |
CN109405790A (zh) * | 2018-12-14 | 2019-03-01 | 北京无线电测量研究所 | 一种用于伺服传动系统的角度测量方法和系统 |
CN109813221A (zh) * | 2019-03-05 | 2019-05-28 | 天津工业大学 | 基于控制场的大型钢板的测量误差补偿方法 |
CN110312052A (zh) * | 2019-08-02 | 2019-10-08 | 广州精绘电子科技有限公司 | 图像数字化采集仪 |
CN110458855A (zh) * | 2019-07-08 | 2019-11-15 | 安徽淘云科技有限公司 | 图像提取方法及相关产品 |
CN110472291A (zh) * | 2019-07-18 | 2019-11-19 | 武汉理工大学 | 一种双曲度板的展开方法 |
CN110631504A (zh) * | 2019-09-05 | 2019-12-31 | 宾努克斯科技(佛山)有限公司 | 一种端面轮廓分析设备及方法 |
TWI699513B (zh) * | 2019-04-11 | 2020-07-21 | 大陸商業成科技(成都)有限公司 | 檢測治具及檢測系統 |
CN111504188A (zh) * | 2020-04-28 | 2020-08-07 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
CN112588621A (zh) * | 2020-11-30 | 2021-04-02 | 山东农业大学 | 一种基于视觉伺服的农产品分拣方法及系统 |
CN112648935A (zh) * | 2020-12-14 | 2021-04-13 | 杭州思锐迪科技有限公司 | 一种图像处理方法、装置和三维扫描系统 |
WO2021138990A1 (zh) * | 2020-01-10 | 2021-07-15 | 大连理工大学 | 一种棋盘格亚像素级角点自适应检测的方法 |
CN113375591A (zh) * | 2021-06-03 | 2021-09-10 | 昆山一麦自动化科技有限公司 | 一种基于3d扫描的成像设备及其矫正方法 |
CN113675121A (zh) * | 2020-05-13 | 2021-11-19 | 苏州能讯高能半导体有限公司 | 定位方法及装置 |
CN115170669A (zh) * | 2022-09-05 | 2022-10-11 | 合肥安迅精密技术有限公司 | 基于边缘特征点集配准的识别定位方法及系统、存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110243292B (zh) * | 2019-06-13 | 2022-03-18 | 无锡先导智能装备股份有限公司 | 分切系统及分切检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2751304Y (zh) * | 2004-11-29 | 2006-01-11 | 杨梦甦 | 便携式微流体芯片ccd成像仪 |
CN1832529A (zh) * | 2005-03-08 | 2006-09-13 | 佳能株式会社 | 图像处理装置和方法 |
JP2008082873A (ja) * | 2006-09-27 | 2008-04-10 | Fujitsu Ltd | 測定装置および測定方法 |
CN102620684A (zh) * | 2012-04-20 | 2012-08-01 | 安徽国盾三维高科技有限公司 | 三维形貌痕迹比对测量仪 |
CN202599371U (zh) * | 2012-01-13 | 2012-12-12 | 广东工业大学 | 一种视觉传感器和三坐标测量机集成的测量装置 |
CN204128495U (zh) * | 2014-07-02 | 2015-01-28 | 北京东方迈视测控技术有限公司 | 智能平面检测仪 |
-
2014
- 2014-07-02 CN CN201410312012.8A patent/CN104089575B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2751304Y (zh) * | 2004-11-29 | 2006-01-11 | 杨梦甦 | 便携式微流体芯片ccd成像仪 |
CN1832529A (zh) * | 2005-03-08 | 2006-09-13 | 佳能株式会社 | 图像处理装置和方法 |
JP2008082873A (ja) * | 2006-09-27 | 2008-04-10 | Fujitsu Ltd | 測定装置および測定方法 |
CN202599371U (zh) * | 2012-01-13 | 2012-12-12 | 广东工业大学 | 一种视觉传感器和三坐标测量机集成的测量装置 |
CN102620684A (zh) * | 2012-04-20 | 2012-08-01 | 安徽国盾三维高科技有限公司 | 三维形貌痕迹比对测量仪 |
CN204128495U (zh) * | 2014-07-02 | 2015-01-28 | 北京东方迈视测控技术有限公司 | 智能平面检测仪 |
Non-Patent Citations (2)
Title |
---|
杨雪荣: "CMM与线结构光视觉传感器集成的逆向工程系统关键技术研究", 《中国博士学位论文全文数据库》 * |
田相军: "电路板"反绘"电路原理图的方法", 《电子制作》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104880156A (zh) * | 2015-06-05 | 2015-09-02 | 贵州航天精工制造有限公司 | 一种利用cad技术测量大r值的方法 |
CN104913723A (zh) * | 2015-07-01 | 2015-09-16 | 广东省自动化研究所 | 一种大构件在线精密检测系统与方法 |
CN105513086A (zh) * | 2016-01-26 | 2016-04-20 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其基于形状匹配的魔方检测定位方法 |
CN105513086B (zh) * | 2016-01-26 | 2019-02-19 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其基于形状匹配的魔方检测定位方法 |
CN105526866A (zh) * | 2016-03-03 | 2016-04-27 | 深圳市海科瑞科技有限公司 | 一种工件尺寸检测装置及检测方法 |
CN106651828A (zh) * | 2016-09-21 | 2017-05-10 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN106651828B (zh) * | 2016-09-21 | 2020-05-26 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN106767979A (zh) * | 2016-11-30 | 2017-05-31 | 东莞市天合机电开发有限公司 | 一种工业摄像机检测用平台 |
CN106767979B (zh) * | 2016-11-30 | 2019-06-18 | 宝应县精工绝缘材料有限公司 | 一种工业摄像机检测用平台 |
CN106529091A (zh) * | 2016-12-13 | 2017-03-22 | 广东工业大学 | 一种基于有限元的线结构光的3d标定方法 |
CN106529091B (zh) * | 2016-12-13 | 2019-09-06 | 广东工业大学 | 一种基于有限元的线结构光的3d标定方法 |
CN106908353A (zh) * | 2017-04-19 | 2017-06-30 | 煤科院节能技术有限公司 | 基于数字图像技术的水煤浆流动性测定仪及测定方法 |
CN106970025A (zh) * | 2017-04-28 | 2017-07-21 | 安徽捷迅光电技术有限公司 | 一种基于传送平台的相机安装架视觉校正系统 |
CN107154050A (zh) * | 2017-05-03 | 2017-09-12 | 魏玉震 | 一种基于机器视觉的石材几何参数的自动获取方法 |
CN107328371A (zh) * | 2017-05-22 | 2017-11-07 | 四川大学 | 基于高斯影响的亚像素轮廓提取及利用Softmax回归在钣金检测场景下的优化 |
CN107727664A (zh) * | 2017-11-30 | 2018-02-23 | 四川恒匀通科技有限公司 | 钣金视觉检测采集终端及方法 |
CN108022266B (zh) * | 2017-12-14 | 2024-02-02 | 杭州电子科技大学 | 面向光伏电池在线位置检测的人工智能图像识别方法 |
CN108022266A (zh) * | 2017-12-14 | 2018-05-11 | 杭州电子科技大学 | 面向光伏电池在线位置检测的人工智能图像识别方法 |
CN108180832A (zh) * | 2018-01-04 | 2018-06-19 | 广州唯品会研究院有限公司 | 用于服装尺寸测量的拍摄装置、方法及服装尺寸测量设备 |
CN109211121A (zh) * | 2018-10-29 | 2019-01-15 | 安徽江淮汽车集团股份有限公司 | 一种用于停缸凸轮轴位移的检测方法 |
CN109405790A (zh) * | 2018-12-14 | 2019-03-01 | 北京无线电测量研究所 | 一种用于伺服传动系统的角度测量方法和系统 |
CN109813221A (zh) * | 2019-03-05 | 2019-05-28 | 天津工业大学 | 基于控制场的大型钢板的测量误差补偿方法 |
TWI699513B (zh) * | 2019-04-11 | 2020-07-21 | 大陸商業成科技(成都)有限公司 | 檢測治具及檢測系統 |
CN110458855A (zh) * | 2019-07-08 | 2019-11-15 | 安徽淘云科技有限公司 | 图像提取方法及相关产品 |
CN110472291A (zh) * | 2019-07-18 | 2019-11-19 | 武汉理工大学 | 一种双曲度板的展开方法 |
CN110472291B (zh) * | 2019-07-18 | 2022-11-11 | 武汉理工大学 | 一种双曲度板的展开方法 |
CN110312052A (zh) * | 2019-08-02 | 2019-10-08 | 广州精绘电子科技有限公司 | 图像数字化采集仪 |
CN110631504A (zh) * | 2019-09-05 | 2019-12-31 | 宾努克斯科技(佛山)有限公司 | 一种端面轮廓分析设备及方法 |
US11900634B2 (en) | 2020-01-10 | 2024-02-13 | Dalian University Of Technology | Method for adaptively detecting chessboard sub-pixel level corner points |
WO2021138990A1 (zh) * | 2020-01-10 | 2021-07-15 | 大连理工大学 | 一种棋盘格亚像素级角点自适应检测的方法 |
CN111504188A (zh) * | 2020-04-28 | 2020-08-07 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
CN111504188B (zh) * | 2020-04-28 | 2021-11-16 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
CN113675121A (zh) * | 2020-05-13 | 2021-11-19 | 苏州能讯高能半导体有限公司 | 定位方法及装置 |
CN112588621B (zh) * | 2020-11-30 | 2022-02-08 | 山东农业大学 | 一种基于视觉伺服的农产品分拣方法及系统 |
CN112588621A (zh) * | 2020-11-30 | 2021-04-02 | 山东农业大学 | 一种基于视觉伺服的农产品分拣方法及系统 |
CN112648935A (zh) * | 2020-12-14 | 2021-04-13 | 杭州思锐迪科技有限公司 | 一种图像处理方法、装置和三维扫描系统 |
CN113375591A (zh) * | 2021-06-03 | 2021-09-10 | 昆山一麦自动化科技有限公司 | 一种基于3d扫描的成像设备及其矫正方法 |
CN115170669A (zh) * | 2022-09-05 | 2022-10-11 | 合肥安迅精密技术有限公司 | 基于边缘特征点集配准的识别定位方法及系统、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104089575B (zh) | 2018-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104089575A (zh) | 智能平面检测仪及检测方法 | |
CN106705897B (zh) | 曲面电子显示屏用弧形玻璃面板缺陷检测方法 | |
CN101576379B (zh) | 基于二维彩色标靶的主动投影三维测量系统快速标定方法 | |
CN203084734U (zh) | 用于再生虚拟物体的系统 | |
CN103615980B (zh) | 一种板件上圆孔参数的测量方法及系统 | |
US8180101B2 (en) | Calibration method for structure parameters of structured-light vision sensor | |
CN101673397B (zh) | 一种基于lcd的数码相机非线性标定方法 | |
CN109029299A (zh) | 舱段销孔对接转角的双相机测量装置及测量方法 | |
CN101726257B (zh) | 多目大范围激光扫描测量方法 | |
CN107610178A (zh) | 一种工业摄影测量系统相机参数移动式标定方法 | |
CN103759669A (zh) | 一种大型零件的单目视觉测量方法 | |
CN207649542U (zh) | 一种多量程大尺寸高精度视觉测量机构 | |
CN111872544B (zh) | 激光出光指示点的标定方法、装置和振镜同轴视觉系统 | |
CN102376089A (zh) | 一种标靶校正方法及系统 | |
CN111811433B (zh) | 基于红蓝正交条纹的结构光系统标定方法及装置和应用 | |
CN103328959A (zh) | 基板检查装置、基板检查系统以及基板检查结果的确认用画面的显示方法 | |
CN103512548A (zh) | 距离测量装置及距离测量方法 | |
CN109489591A (zh) | 基于机器视觉的平面划痕长度非接触测量方法 | |
CN100385197C (zh) | 便携式无导轨结构光三维扫描测量系统及其测量方法 | |
CN104075659A (zh) | 一种基于rgb结构光源的三维成像识别方法 | |
CN107167088A (zh) | 玻璃变形量的测量方法及装置 | |
CN204128495U (zh) | 智能平面检测仪 | |
CN101776437A (zh) | 带有光路调整的嵌入式机器视觉亚像素标定技术 | |
CN202304767U (zh) | 一种基于多传感器的三维轮廓测量装置 | |
CN104034259B (zh) | 一种影像测量仪校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |