CN105865335A - 一种基于机器视觉的定子线棒截面尺寸检测系统 - Google Patents
一种基于机器视觉的定子线棒截面尺寸检测系统 Download PDFInfo
- Publication number
- CN105865335A CN105865335A CN201610249686.7A CN201610249686A CN105865335A CN 105865335 A CN105865335 A CN 105865335A CN 201610249686 A CN201610249686 A CN 201610249686A CN 105865335 A CN105865335 A CN 105865335A
- Authority
- CN
- China
- Prior art keywords
- stator bar
- image
- sectional dimension
- measured piece
- model
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
Abstract
本发明公开了一种基于机器视觉的定子线棒截面尺寸检测系统,所述系统用于检测定子线棒直线段部分横截面的长和宽;所述系统包括:图像采集传输模块,用于采集转换传输定子线棒的宽面图像和窄面图像;图像预处理模块,用于处理数字图像,生成目标截面尺寸模型和标准截面尺寸模型;标定模块,用于完成摄像机定标;测量模块,用于将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,通过像素差分法和误差修正,获得定子线棒被测件的实测截面尺寸。所述系统对每一根定子线棒被测件可自动且同时的检测其横截面长度和横截面宽度,且可对大批量生产的同型号定子线棒被测件的截面尺寸进行流水线式检测,实现了定子线棒截面尺寸的在线实时检测。
Description
技术领域
本发明属于定子线棒几何尺寸检测领域,涉及一种定子线棒截面尺寸检测系统,特别是一种基于机器视觉的定子线棒截面尺寸检测系统。
背景技术
随着大型发电机定子线棒设计与制造技术的不断进步,针对大型发电机定子线棒的检测技术要求也不断提高。传统的定子线棒截面尺寸检测很多是人工完成的,由检测人员采用数显卡尺等低效率工具对定子线棒的截面尺寸实施检测,目力读数,手工记录和处理检测结果。人工检测方式,检测速度慢,效率低,难以跟上定子线棒的生产速度,影响生产周期,尤其不适合对批量生产的定子线棒进行截面尺寸检测。并且人工检测方式会增加人力成本,无法满足发电机制造企业降低成本提升效益的需求,此外,人工检测方式误差较大,精确度较差,误判率较高,增加了发电机运行中发生故障的风险。
发明内容
为了克服上述传统定子线棒截面尺寸的人工检测方式效率低、人力成本高且精确度较差的不足,本发明提供一种基于机器视觉的定子线棒截面尺寸检测系统。该系统采用机器视觉技术实时获得定子线棒宽面图像和定子线棒窄面图像,通过图像处理技术、图像匹配方式以及像素差分法检测出定子线棒被测件的实测截面尺寸,可做到自动、快速、准确、在线、稳定的检测大型发电机定子线棒的截面尺寸,能很大程度的提高定子线棒截面尺寸检测的效率和精度,极大的减小定子线棒截面尺寸检测的误判率,对降低定子线棒检测所耗费的人力成本也有很大帮助,适合对大批量生产的定子线棒进行流水线式检测。
本发明解决其技术问题采用的技术方案是:
这种基于机器视觉的定子线棒截面尺寸检测系统,所检测的是定子线棒直线段部分横截面的长和宽,所述检测系统包括图像采集传输模块、图像预处理模块、标定模块以及测量模块;
当定子线棒到达测量工位时,图像采集传输模块实时采集定子线棒的宽面图像和窄面图像,并将采集到图像信息转换成宽面数字图像和窄面数字图像输入到图像预处理模块;图像预处理模块分析和处理定子线棒的宽面数字图像和窄面数字图像,生成的宽面精确边缘图像和窄面精确边缘图像共同组成当前定子线棒的截面尺寸模型,定子线棒被测件的截面尺寸模型为目标截面尺寸模型,定子线棒标准件的截面尺寸模型为标准截面尺寸模型并被存储于标准模型数据库中;标定模块用于完成摄像机定标,计算出摄像机模型的内部参数和外部参数,称为标定参数,存储于标定参数数据库中;测量模块将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,通过像素差分法得出定子线棒被测件的宽面图像像素差分个数和窄面图像像素差分个数,进而计算出定子线棒被测件横截面的实测长度误差和实测宽度误差,利用定子线棒标准件的已知截面尺寸修正后的结果作为定子线棒被测件的实测截面尺寸保存到检测结果数据库中,用于质量判断和显示输出。
所述图像采集传输模块包括:两台工业照相机,分别安装在测量工位的上方和侧方,分别称为上方相机和侧方相机,上方相机的中心光轴垂直于定子线棒的宽面,用于采集定子线棒的宽面图像,侧方相机的中心光轴垂直于定子线棒的窄面,用于采集定子线棒的窄面图像;每一台工业照相机配备一组光源,分别称为上方光源组和侧方光源组,上方光源组用于为定子线棒宽面打光,侧方光源组用于为定子线棒窄面打光;每一台工业照相机配备一个镜头;图像采集卡用于图像的转换和传输;
所述图像预处理模块包括自主编制的图像处理软件、标准模型数据库;所述标定模块包括自主编制的定标软件和标定参数数据库;所述测量模块包括尺寸测量软件和检测结果数据库;三个模块搭载于同一台工业控制计算机上。
这种基于机器视觉的定子线棒截面尺寸检测系统,工作过程为:
1)启动检测系统,上方光源和侧方光源打光,检测人员设置当前批次定子线棒被测件的相关参数,相关参数可以包括:当前批次定子线棒被测件的型号、批号、根数、检测人员工号;
2)进入标定过程,选择与当前批次定子线棒被测件型号相同且已知截面尺寸的定子线棒标准件作为定标参照物,当定子线棒标准件被传送到测量工位时,触发图像采集传输模块工作,上方相机和侧方相机在同一时刻分别采集测量工位上定子线棒标准件的宽面图像和窄面图像,并将经过转换获得的定子线棒标准件宽面数字图像和窄面数字图像输入到图像处理软件中;
进一步的,针对一批同型号的定子线棒被测件,在初次检测之前,需要实施标定过程,当更改了定子线棒被测件的型号时,需要重新实施标定过程;
3)图像处理软件分析和处理定子线棒标准件的宽面数字图像和窄面数字图像,生成标准宽面精确边缘图像和标准窄面精确边缘图像,两幅边缘图像共同组成定子线棒标准件的截面尺寸模型,称为标准截面尺寸模型,保存于标准模型数据库中,同时图像处理软件将获得的标准截面尺寸模型传输给定标软件;
4)定标软件根据标准截面尺寸模型和定子线棒标准件的已知截面尺寸,完成摄像机定标,分析计算得到的摄像机模型的内部参数和外部参数作为标定参数保存到标定参数数据库;
进一步的,所述摄像机模型的内部参数和外部参数为:上方相机的几何参数和光学参数、侧方相机的几何参数和光学参数、宽面图像的像素标定系数K1以及窄面图像的像素标定系数K2;
进一步的,所述宽面图像的像素标定系数K1以及窄面图像的像素标定系数K2的计算过程具体为:所选取的已知截面尺寸的定子线棒标准件,横截面长度为D,横截面宽度为d;对定子线棒标准件反复实施10次平行标定过程,获得定子线棒标准件的10个宽面精确边缘图像、10个窄面精确边缘图像、 10个以像素为单位的横截面长度以及10个以像素为单位的横截面宽度;分别对定子线棒标准件的10个以像素为单位的横截面长度和10个以像素为单位的横截面宽度取算术平均值,作为最终的定子线棒标准件以像素为单位的横截面长度Dpixel和横截面宽度dpixel,并分别选取定子线棒标准件的10个宽面精确边缘图像中效果最为满意的一个与10个窄面精确边缘图像中效果最为满意的一个,两幅图像组合作为标准截面尺寸模型;计算定子线棒宽面图像的像素标定系数K1和窄面图像的像素标定系数K2,计算公式分别为K1=D/Dpixel和K2=d/dpixel,得到检测系统中图像像素尺寸与实际物理尺寸之间的转换关系;
5)进入测量过程,当定子线棒被测件被传送到测量工位时,当前单根定子线棒被测件作为目标,触发图像采集传输模块工作,上方相机和侧方相机在同一时刻分别采集测量工位上定子线棒被测件的宽面图像和窄面图像,并将经过转换获得的定子线棒被测件的宽面数字图像和窄面数字图像输入到图像处理软件中;
6)图像处理软件分析和处理定子线棒被测件的宽面数字图像和窄面数字图像,生成目标宽面精确边缘图像和目标窄面精确边缘图像,两幅边缘图像共同组成当前单根定子线棒被测件的截面尺寸模型,称为目标截面尺寸模型,图像处理软件将目标截面尺寸模型输入给尺寸测量软件;
7)尺寸测量软件将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,通过像素差分法得出定子线棒被测件的宽面图像像素差分个数和窄面图像像素差分个数,进而计算出定子线棒被测件横截面的实测长度误差和实测宽度误差,利用定子线棒标准件的已知截面尺寸修正后的结果作为定子线棒被测件的实测截面尺寸保存到检测结果数据库中;
进一步的,尺寸测量软件的具体工作过程为:当接收到目标截面尺寸模型时,从标准模型数据库中加载标准截面尺寸模型,从标定参数数据库中加载标定参数;将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,计算出当前单根定子线棒被测件的宽面图像像素差分个数M和窄面图像像素差分个数N;利用像素差分个数与像素标定系数计算当前单根定子线棒被测件的横截面长度误差△D和横截面宽度误差为△d,计算公式分别为△D=M* K1和△d=N* K2;进行误差修正,得到当前单根定子线棒被测件的实测横截面长度Dcurrent和实测横截面宽度dcurrent,误差修正公式分别为Dcurrent=D+△D和dcurrent=d+△d,Dcurrent和dcurrent作为对当前单根定子线棒被测件的检测结果保存于检测结果数据库中;
8)测量模块持续工作,循环测量当前单根定子线棒被测件的截面尺寸,直至对当前批次定子线棒被测件全部测量结束时,测量模块暂时停止工作;
9)若不继续检测下一批次定子线棒被测件,则检测结束,定子线棒截面尺寸检测系统停止工作;若要继续检测下一批次定子线棒被测件,则检测人员重新设置下一批次定子线棒被测件的相关参数后判断相邻两个待检测批次的定子线棒型号是否更改,若更改,则需要更换相应型号的且已知截面尺寸的定子线棒标准件重新实施标定过程后再检测下一批次定子线棒被测件,若未更改,测量模块重新启动,准备直接对下一批次定子线棒被测件进行检测。
本发明具有以下有益效果:
本发明运用两个方向上的工业照相机同时且实时采集定子线棒的宽面图像和窄面图像,图像的采集转换传输均自动进行,图像数据的处理和分析由图像处理软件自动进行,标定参数以及检测结果的分析处理分别由定标软件和测量软件自动完成,自动化程度高,对每一根定子线棒被测件可以自动且同时的检测其横截面长度和横截面宽度,并且能够对大批量生产的同型号定子线棒被测件的截面尺寸进行流水线式检测,实现了定子线棒截面尺寸的在线实时检测,极大的提高了定子线棒截面尺寸检测的精度和效率,降低了人力成本并且能够避免检测过程中由于工作人员的技术水平限制和自身素质差异会带来操作误差。
附图说明:
图1是本发明提供的一种基于机器视觉的定子线棒截面尺寸检测系统的各模块之间关系图;
图2是本发明提供的一种基于机器视觉的定子线棒截面尺寸检测系统构成示意图;
图3是本发明提供的一种基于机器视觉的定子线棒截面尺寸检测系统的工作流程图;
图4是定子线棒截面尺寸的检测示意图;
图中:1、定子线棒宽面,2、定子线棒窄面,3、上方光源组,4、上方相机的中心光轴,5、上方镜头,6、上方相机,7、图像采集卡,8、工业控制计算机,9、侧方相机,10、侧方镜头,11、侧方相机的中心光轴,12、侧方光源组。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明实施例提供了一种基于机器视觉的定子线棒截面尺寸检测系统,能够有效的检测得到定子线棒的截面尺寸,可靠性较高。以下分别进行详细说明。
请参阅图1,图1是本发明提供的一种基于机器视觉的定子线棒截面尺寸检测系统的各模块之间关系图,具体的,本发明实施例所述检测系统可以包括图像采集传输模块、图像预处理模块、标定模块以及测量模块;当定子线棒到达测量工位时,图像采集传输模块实时采集定子线棒的宽面图像和窄面图像,并将采集到图像信息转换成宽面数字图像和窄面数字图像输入到图像预处理模块进行分析处理;图像预处理模块生成的定子线棒宽面精确边缘图像和窄面精确边缘图像共同组成当前定子线棒的截面尺寸模型,定子线棒被测件的截面尺寸模型为目标截面尺寸模型,定子线棒标准件的截面尺寸模型为标准截面尺寸模型并被存储于标准模型数据库中;标定模块用于完成摄像机定标,计算出摄像机模型的内部参数和外部参数,称为标定参数,存储于标定参数数据库中;测量模块将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,通过像素差分法得出定子线棒被测件的宽面图像像素差分个数和窄面图像像素差分个数,进而计算出定子线棒被测件横截面的实测长度误差和实测宽度误差,利用定子线棒标准件的已知截面尺寸修正后的结果作为定子线棒被测件的实测截面尺寸保存到检测结果数据库中,用于质量判断或者显示输出。
进一步的,请参阅图2,图2是本发明实施例提供的一种基于机器视觉的定子线棒截面尺寸检测系统构成示意图,具体的,本发明实施例所述检测系统可以包括上述的定子线棒截面尺寸检测系统的图像采集传输模块,图像预处理模块,标定模块以及测量模块。进一步的,在本发明实施例中,所述图像采集模块可以具体包括:两台工业照相机,分别安装在测量工位的上方和侧方,分别称为上方相机6和侧方相机9,上方相机的中心光轴4垂直于定子线棒宽面1,用于采集定子线棒的宽面图像,侧方相机的中心光轴11垂直于定子线棒窄面2,用于采集定子线棒的窄面图像;每一台工业照相机配备一组光源,分别称为上方光源组3和侧方光源组12,上方光源组3用于为定子线棒宽面1打光,侧方光源组12用于为定子线棒窄面2打光,可以采用低角度环形光源照明方式;每一台工业照相机配备一个镜头,分别称为上方镜头5和侧方镜头10;
本发明实施例中,工业控制计算机8上搭载着图像处理软件、标准模型数据库、定标软件、标定参数数据库、尺寸测量软件及检测结果数据库;可以通过两个方向上的相机同时且实时对定子线棒宽面1和定子线棒窄面2的图像进行采集,输入到图像采集卡7中进行转换,再传输到工业控制计算机8中进行分析处理,获得定子线棒被测件的实测截面尺寸。
请参阅图3,图3是本发明提供的一种基于机器视觉的定子线棒截面尺寸检测系统的工作流程图,具体的,图3所示的工作流程可以包括以下步骤:
(1)启动检测系统,上方光源组3和侧方光源组12打光,检测人员设置当前批次定子线棒被测件的相关参数,相关参数可以包括:当前批次定子线棒被测件的型号、批号、根数、检测人员工号;在具体实施例中,当前批次被测定子线棒可以为A1,A2,……,Ai,……,An,其中n为当前批次定子线棒被测件的根数,Ai为第i根定子线棒被测件,i的取值从1到n;请参阅图4,图4是定子线棒截面尺寸的检测示意图,其中Ai为第i根定子线棒被测件, Di和di分别为第i根定子线棒被测件的横截面长度和横截面宽度;
(2)进入标定过程,选择与当前批次定子线棒被测件型号相同且已知截面尺寸的定子线棒标准件作为定标参照物,定子线棒标准件的横截面长度和横截面宽度分别为D和d,当定子线棒标准件被传送到测量工位时,触发图像采集传输模块工作,上方相机6和侧方相机9在同一时刻分别采集测量工位上定子线棒标准件的宽面图像和窄面图像,并将经过转换获得的定子线棒标准件宽面数字图像和窄面数字图像输入到图像处理软件中;
进一步的,针对一批同型号的定子线棒被测件,在初次检测之前,需要实施标定过程,当更改了定子线棒被测件的型号时,需要重新实施标定过程;
(3)图像处理软件分析和处理定子线棒标准件的宽面数字图像和窄面数字图像,生成的标准宽面精确边缘图像和标准窄面精确边缘图像,两幅边缘图像共同组成定子线棒标准件的截面尺寸模型,称为标准截面尺寸模型,保存于标准模型数据库中,同时图像处理软件将获得的标准截面尺寸模型传输给定标软件;
(4)定标软件根据标准截面尺寸模型和定子线棒标准件的已知截面尺寸,完成摄像机定标,分析计算得到的摄像机模型的内部参数和外部参数作为标定参数保存到标定参数数据库;
进一步的,所述摄像机模型的内部参数和外部参数为:上方相机6的几何参数和光学参数、侧方相机9的几何参数和光学参数、宽面图像的像素标定系数K1以及窄面图像的像素标定系数K2;
进一步的,所述宽面图像的像素标定系数K1以及窄面图像的像素标定系数K2的计算过程具体为:对定子线棒标准件反复实施10次平行标定过程,获得定子线棒标准件的10个宽面精确边缘图像、10个窄面精确边缘图像、10个以像素为单位的横截面长度以及10个以像素为单位的横截面宽度;分别对定子线棒标准件的10个以像素为单位的横截面长度和10个以像素为单位的横截面宽度取算术平均值,作为最终的定子线棒标准件以像素为单位的横截面长度Dpixel和横截面宽度dpixel,并分别选取定子线棒标准件的10个宽面精确边缘图像中效果最为满意的一个与10个窄面精确边缘图像中效果最为满意的一个,两幅图像组合作为标准截面尺寸模型;计算定子线棒宽面图像的像素标定系数K1和窄面图像的像素标定系数K2,计算公式分别为K1=D/Dpixel和K2=d/dpixel,得到检测系统中图像像素尺寸与实际物理尺寸之间的转换关系;
(5)进入测量过程,当第i根定子线棒被测件Ai被传送到测量工位时,Ai作为目标,触发图像采集传输模块工作,上方相机6和侧方相机9在同一时刻分别采集测量工位上Ai的宽面图像和窄面图像,并将经过转换获得的Ai的宽面数字图像和窄面数字图像输入到图像处理软件中;
(6)图像处理软件分析和处理Ai的宽面数字图像和窄面数字图像,生成的目标宽面精确边缘图像和目标窄面精确边缘图像,两幅边缘图像共同组成Ai的截面尺寸模型,称为目标截面尺寸模型,图像处理软件将目标截面尺寸模型输入给尺寸测量软件;
(7)尺寸测量软件将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,通过像素差分法得出Ai的宽面图像像素差分个数和窄面图像像素差分个数,进而计算出Ai横截面的实测长度误差和实测宽度误差,利用定子线棒标准件的已知截面尺寸D和d修正后的结果作为Ai的实测截面尺寸保存到检测结果数据库中;
进一步的,尺寸测量软件的具体工作过程为:当接收到目标截面尺寸模型时,从标准模型数据库中加载标准截面尺寸模型,从标定参数数据库中加载标定参数;将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,计算出Ai的宽面图像像素差分个数Mi和窄面图像像素差分个数Ni;利用像素差分个数与像素标定系数计算Ai的横截面长度误差△Di和横截面宽度误差为△di,计算公式分别为△Di=Mi* K1和△di=Ni* K2;进行误差修正,得到Ai的实测横截面长度Di和实测横截面宽度di,误差修正公式分别为Di=D+△Di和di=d+△di,Di和di作为对Ai的检测结果保存于检测结果数据库中;
(8)测量模块持续工作,循环测量定子线棒被测件A1,A2,……,Ai,……,An的截面尺寸,直至对当前批次定子线棒被测件全部测量结束时,测量模块暂时停止工作;
(9)若不继续检测下一批次定子线棒被测件,则检测结束,定子线棒截面尺寸检测系统停止工作;若要继续检测下一批次定子线棒被测件,则检测人员重新设置下一批次定子线棒被测件的相关参数后判断相邻两个待检测批次的定子线棒型号是否更改,若更改,则需要更换相应型号的且已知截面尺寸的定子线棒标准件重新实施标定过程后再检测下一批次定子线棒被测件,若未更改,测量模块重新启动,准备直接对下一批次定子线棒被测件进行检测;
在以上实施例中,对各个实施例的描述各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。
Claims (4)
1.一种基于机器视觉的定子线棒截面尺寸检测系统,包括图像采集传输模块、图像预处理模块、标定模块以及测量模块,工作过程包含标定过程和测量过程,当定子线棒到达测量工位时,图像采集传输模块实时采集定子线棒的宽面图像和窄面图像,并将采集到图像信息转换成宽面数字图像和窄面数字图像输入到图像预处理模块;图像预处理模块分析和处理定子线棒的宽面数字图像和窄面数字图像,生成的宽面精确边缘图像和窄面精确边缘图像共同组成当前定子线棒的截面尺寸模型,定子线棒被测件的截面尺寸模型为目标截面尺寸模型,定子线棒标准件的截面尺寸模型为标准截面尺寸模型且被存储于标准模型数据库中;标定模块用于完成摄像机定标,计算出摄像机模型的内部参数和外部参数,存储于标定参数数据库中;
其特征是:所述的测量模块将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,通过像素差分法得出定子线棒被测件的宽面图像像素差分个数和窄面图像像素差分个数,进而计算出定子线棒被测件横截面的实测长度误差和实测宽度误差,利用定子线棒标准件的已知截面尺寸修正后的结果作为定子线棒被测件的实测截面尺寸保存到检测结果数据库中,用于质量判断和显示输出。
2.根据权利要求1所述的一种基于机器视觉的定子线棒截面尺寸检测系统,其特征在于所述工作过程为:启动检测系统,检测人员设置参数;进入标定过程,获得的标准截面尺寸模型保存到标准模型数据库并输入到定标软件;定标软件根据标准截面尺寸模型和定子线棒标准件的已知截面尺寸,完成摄像机定标,分析计算得到的摄像机模型的内部参数和外部参数保存到标定参数数据库;进入测量过程,获得当前单根定子线棒被测件的目标截面尺寸模型,输入到尺寸测量软件;尺寸测量软件分析计算得到当前单根定子线棒被测件的实测截面尺寸,保存到检测结果数据库中;测量模块持续工作,循环测量当前单根定子线棒被测件的截面尺寸,直至对当前批次定子线棒被测件全部测量结束时,测量模块暂时停止工作;若不继续检测下一批次定子线棒被测件,则检测结束,定子线棒截面尺寸检测系统停止工作;若要继续检测下一批次定子线棒被测件,则检测人员重新设置下一批次被测件的相关参数后判断相邻两个待检测批次的定子线棒型号是否更改,若更改,则需要更换相应型号的且已知截面尺寸的定子线棒标准件重新实施标定过程后再检测下一批次定子线棒被测件,若未更改,测量模块重新启动,准备直接对下一批次定子线棒被测件进行检测。
3.根据权利要求1所述的一种基于机器视觉的定子线棒截面尺寸检测系统,其特征在于所述标定过程为:选择与当前批次定子线棒被测件型号相同且已知截面尺寸的定子线棒标准件作为定标参照物;针对一批同型号的定子线棒被测件,在初次检测之前,需要实施标定过程,当更改了定子线棒被测件的型号时,需要重新实施标定过程;宽面图像的像素标定系数K1以及窄面图像的像素标定系数K2的计算过程具体为:所选取的已知截面尺寸的定子线棒标准件,横截面长度为D,横截面宽度为d;对定子线棒标准件反复实施10次平行标定过程,获得定子线棒标准件的10个宽面精确边缘图像、10个窄面精确边缘图像、10个以像素为单位的横截面长度及10个以像素为单位的横截面宽度;分别对定子线棒标准件的10个以像素为单位的横截面长度和10个以像素为单位的横截面宽度取算术平均值,作为最终的定子线棒标准件以像素为单位的横截面长度Dpixel和横截面宽度dpixel,并分别选取定子线棒标准件的10个宽面精确边缘图像中效果最为满意的一个与10个窄面精确边缘图像中效果最为满意的一个,两幅图像组合作为标准截面尺寸模型;计算定子线棒宽面图像的像素标定系数K1和窄面图像的像素标定系数K2,计算公式分别为K1=D/Dpixel和K2=d/dpixel,得到检测系统中图像像素尺寸与实际物理尺寸之间的转换关系。
4.根据权利要求1所述的一种基于机器视觉的定子线棒截面尺寸检测系统,其特征在于所述测量过程为:将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,通过像素差分法得出定子线棒被测件的宽面图像像素差分个数和窄面图像像素差分个数,进而计算出定子线棒被测件横截面的实测长度误差和实测宽度误差,利用定子线棒标准件的已知截面尺寸修正后的结果作为定子线棒被测件的实测截面尺寸保存到检测结果数据库中;尺寸测量软件的具体工作过程为:当接收到目标截面尺寸模型时,从标准模型数据库中加载标准截面尺寸模型,从标定参数数据中加载标定参数;将目标截面尺寸模型与标准截面尺寸模型进行图像匹配,计算出当前单根定子线棒被测件的宽面图像像素差分个数M和窄面图像像素差分个数N;利用像素差分个数与像素标定系数计算当前单根定子线棒被测件的横截面长度误差△D和横截面宽度误差为△d,计算公式分别为△D=M* K1和△d=N* K2;进行误差修正,得到当前单根定子线棒被测件的实测横截面长度Dcurrent和实测横截面宽度dcurrent,误差修正公式分别为Dcurrent=D+△D和dcurrent=d+△d,Dcurrent和dcurrent作为对当前单根定子线棒被测件的检测结果保存于检测结果数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610249686.7A CN105865335A (zh) | 2016-04-21 | 2016-04-21 | 一种基于机器视觉的定子线棒截面尺寸检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610249686.7A CN105865335A (zh) | 2016-04-21 | 2016-04-21 | 一种基于机器视觉的定子线棒截面尺寸检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105865335A true CN105865335A (zh) | 2016-08-17 |
Family
ID=56632595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610249686.7A Pending CN105865335A (zh) | 2016-04-21 | 2016-04-21 | 一种基于机器视觉的定子线棒截面尺寸检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105865335A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107091609A (zh) * | 2017-06-02 | 2017-08-25 | 四川大学 | 一种全自动机器视觉定子线棒检测装置 |
CN107413674A (zh) * | 2017-06-08 | 2017-12-01 | 北京农业信息技术研究中心 | 一种作物种籽在线分拣方法及系统 |
CN108775868A (zh) * | 2018-08-17 | 2018-11-09 | 厦门攸信信息技术有限公司 | 一种检测机构 |
CN110044257A (zh) * | 2018-01-16 | 2019-07-23 | 本田技研工业株式会社 | 导线位置检查方法及其装置 |
CN111102922A (zh) * | 2019-12-30 | 2020-05-05 | 陕西泰诺特检测技术有限公司 | 管道几何尺寸检测装置及方法 |
CN111275671A (zh) * | 2020-01-15 | 2020-06-12 | 江苏众远智能装备有限公司 | 一种机器人配合3d技术视觉识别方法 |
EP3607264B1 (en) | 2017-04-05 | 2021-06-09 | Oy Mapvision Ltd | Machine vision system |
CN113405476A (zh) * | 2021-06-11 | 2021-09-17 | 华侨大学 | 一种用于工件尺寸测量的工业线扫相机测量装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63281007A (ja) * | 1987-05-13 | 1988-11-17 | Sumitomo Metal Mining Co Ltd | 不良品アノ−ドの検出方法 |
US20100166294A1 (en) * | 2008-12-29 | 2010-07-01 | Cognex Corporation | System and method for three-dimensional alignment of objects using machine vision |
CN103344182A (zh) * | 2013-07-25 | 2013-10-09 | 中国科学院自动化研究所 | 一种基于双目视觉的糖果几何尺寸测量系统和方法 |
CN105444697A (zh) * | 2015-12-31 | 2016-03-30 | 河南科达东大国际工程有限公司 | 阳极炭块外形测量系统 |
CN205138423U (zh) * | 2015-11-02 | 2016-04-06 | 广州市沃佳软件技术有限公司 | 基于机器视觉的产品外观尺寸一般性检测系统 |
-
2016
- 2016-04-21 CN CN201610249686.7A patent/CN105865335A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63281007A (ja) * | 1987-05-13 | 1988-11-17 | Sumitomo Metal Mining Co Ltd | 不良品アノ−ドの検出方法 |
US20100166294A1 (en) * | 2008-12-29 | 2010-07-01 | Cognex Corporation | System and method for three-dimensional alignment of objects using machine vision |
CN103344182A (zh) * | 2013-07-25 | 2013-10-09 | 中国科学院自动化研究所 | 一种基于双目视觉的糖果几何尺寸测量系统和方法 |
CN205138423U (zh) * | 2015-11-02 | 2016-04-06 | 广州市沃佳软件技术有限公司 | 基于机器视觉的产品外观尺寸一般性检测系统 |
CN105444697A (zh) * | 2015-12-31 | 2016-03-30 | 河南科达东大国际工程有限公司 | 阳极炭块外形测量系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3607264B1 (en) | 2017-04-05 | 2021-06-09 | Oy Mapvision Ltd | Machine vision system |
CN107091609A (zh) * | 2017-06-02 | 2017-08-25 | 四川大学 | 一种全自动机器视觉定子线棒检测装置 |
CN107091609B (zh) * | 2017-06-02 | 2023-07-07 | 四川大学 | 一种全自动机器视觉定子线棒检测装置 |
CN107413674A (zh) * | 2017-06-08 | 2017-12-01 | 北京农业信息技术研究中心 | 一种作物种籽在线分拣方法及系统 |
CN107413674B (zh) * | 2017-06-08 | 2019-09-10 | 北京农业信息技术研究中心 | 一种作物种籽在线分拣方法及系统 |
CN110044257A (zh) * | 2018-01-16 | 2019-07-23 | 本田技研工业株式会社 | 导线位置检查方法及其装置 |
CN108775868A (zh) * | 2018-08-17 | 2018-11-09 | 厦门攸信信息技术有限公司 | 一种检测机构 |
CN111102922A (zh) * | 2019-12-30 | 2020-05-05 | 陕西泰诺特检测技术有限公司 | 管道几何尺寸检测装置及方法 |
CN111275671A (zh) * | 2020-01-15 | 2020-06-12 | 江苏众远智能装备有限公司 | 一种机器人配合3d技术视觉识别方法 |
CN113405476A (zh) * | 2021-06-11 | 2021-09-17 | 华侨大学 | 一种用于工件尺寸测量的工业线扫相机测量装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105865335A (zh) | 一种基于机器视觉的定子线棒截面尺寸检测系统 | |
CN104036513B (zh) | 一种三维弯管多相机视觉检测方法及其系统 | |
CN106705847B (zh) | 一种自由曲面内缝隙几何尺寸测量方法及装置 | |
CN106935683B (zh) | 一种太阳能电池片高速视觉定位及矫正系统及其方法 | |
CN105510362B (zh) | 基于微型ct的水稻分蘖性状无损测量装置及其测量方法 | |
CN102141380A (zh) | 非接触测量钢管管端尺寸图象处理方法 | |
CN106127758A (zh) | 一种基于虚拟现实技术的视觉检测方法及装置 | |
CN110672029A (zh) | 大型复杂曲面三维形貌机器人柔性测量系统 | |
CN108731592A (zh) | 一种基于摄影测量的飞机制造工装的检定方法 | |
CN102798349A (zh) | 一种基于等灰度线搜索的三维表面提取方法 | |
CN104808165A (zh) | 电学三表自动检定系统及利用其实现自动检定的方法 | |
CN113344244B (zh) | 一种数字孪生驱动的工件加工能耗预测装置 | |
CN110108219A (zh) | 电缆截面结构的测算方法、系统、设备及可读存储介质 | |
CN108180871B (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 | |
Miao et al. | Efficient measurement of key-cap flatness for computer keyboards with a multi-line structured light imaging approach | |
CN110353714A (zh) | Ct设备异常检测方法、装置、设备及存储介质 | |
CN103084927A (zh) | 一种在线测量系统及其在线测量方法 | |
Anchini et al. | A comparison between stereo-vision techniques for the reconstruction of 3-D coordinates of objects | |
CN111336939A (zh) | 一种基于机器视觉的隔爆接合面间隙在线检测方法及装置 | |
CN116562590A (zh) | 一种桥梁施工及运营维护方法、系统、设备及介质 | |
Chen et al. | Theoretical uncertainty evaluation of stereo reconstruction | |
CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
Chen et al. | Research on stability and accuracy of the OptiTrack system based on mean error | |
US10325361B2 (en) | System, method and computer program product for automatically generating a wafer image to design coordinate mapping | |
CN104808164A (zh) | 电学三表自动检定的测量系统及实现自动检定的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160817 |
|
WD01 | Invention patent application deemed withdrawn after publication |