CN106097323A - 一种基于机器视觉的发动机气缸体铸件的定位方法 - Google Patents
一种基于机器视觉的发动机气缸体铸件的定位方法 Download PDFInfo
- Publication number
- CN106097323A CN106097323A CN201610394640.4A CN201610394640A CN106097323A CN 106097323 A CN106097323 A CN 106097323A CN 201610394640 A CN201610394640 A CN 201610394640A CN 106097323 A CN106097323 A CN 106097323A
- Authority
- CN
- China
- Prior art keywords
- cylinder block
- region
- image
- hole
- engine cylinder
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Abstract
本发明公开了一种基于机器视觉的发动机气缸体铸件的定位方法,包括缸体的图像获取,缸体的图像处理以及缸体的识别和定位等一整套方法。将缸体铸件的中间两个通孔作为抓取目标,可以有效避免相机畸变而造成的定位误差;针对缸体通孔比较深,采用双侧条形光源低角度打光,同时采用分辨率不高但是焦距大的相机获取理想的初始图像;针对铸件表面的毛刺和凹坑,提出了一种适合于缸体图像的处理方法,包括灰度化、二值化、反色处理、区域阀值分割、开闭操作和区域填补,获得了理想的图像分割效果,通孔边缘光滑、不粘连且形状完整;针对通孔特定的形状,提出了将圆形度作为判别指标,将区域质心作为定位对象,获得了简单且符合精度要求的定位方法。
Description
技术领域
本发明属于机器视觉领域,尤其涉及一种用于发动机气缸体铸件识别以及定位方法。
背景技术
目前,在铸件后处理加工流水线中,大型铸件,例如发动机气缸,往往需要人工上下料和装夹,造成效率低下和增加人工成本。机器视觉技术可以提高生产线的自动化程度,可以应用于工件上下料、缺陷检测以及视觉测量中,不仅可以降低人工成本,而且可以代替人类在复杂危险的工业环境中作业。目标工件的识别和定位方法随工件的变化而不同,
由于发动机气缸体体积大,铸件表面粗糙,获取图像阴影多,通孔变形严重等问题,传统工件识别和定位方法无法实现本文的缸体的定位和识别。
发明内容
针对铸件缸体体积大,铸件表面粗糙,获取图像阴影多,通孔变形严重等问题,本发明将缸体铸件的中间两个通孔作为抓取目标,提供了一种用于大型缸体铸件的识别和定位的一整套方法,包括铸件图像的获取、图像预处理、图像特征提取、感兴趣区域的识别以及感兴趣区域的定位,服务于后续的机器人自动上下料系统。本发明的技术方案如下:
一种基于机器视觉的发动机气缸体铸件的定位方法,包括如下步骤:
步骤1,采集发动机气缸体图像;
步骤2,对发动机气缸体图像进行处理,所述处理依次包括灰度化、二值化、反色处理、区域阀值分割、开闭操作和区域填补;
所述灰度化:将彩色图像转为灰度图像,忽略颜色特征,便于后续处理,图像的灰度值为Gray=0.29900*R+0.58700*G+0.11400*B;
所述二值化:根据图像采用适合于缸体铸件的固定阀值分割将图像转为黑白图像,去除不必要的区域特征,获得准确的通孔特征;
所述反色处理:是将灰度值为1的区域变为0,将灰度值为0的区域变为1,方便后续填补孔洞边缘由于铸件毛刺等造成缺失的信息;
所述区域阀值分割:删除二值图像中区域面积小于等于160000像素的由铸件表面粗糙而造成的干扰区域;
所述开操作和闭操作:为了去除孔洞特征边缘的凸起和填补凹坑,使孔洞边缘完整,该操作所采用的是结构元素为半径2像素的平面圆盘;
所述区域填补:为了填补由于铸件表面粗糙而造成的信息缺失,填补同一区域内的孔洞,去除干扰边缘;
步骤3,设计用于气缸体铸件的通孔识别和定位的方法:将缸体的中间两个通孔作为定位目标,利用圆形度特征进行通孔识别,当圆形度大于设定的阀值时认为该区域为圆形通孔区域,利用圆心坐标进行通孔定位。
进一步地,所述步骤1的实现包括:采用条型LED光源置于被捡气缸体两侧,采用双侧低角度打光方式,调节光源角度使光照可覆盖气缸体表面,并且不产生反光;被捡气缸体的上方通过相机支架固定工业相机,所述工业相机为1280*960的面阵CCD,镜头选用焦距大于等于50mm的工业镜头。
进一步地,所述工业相机采用型号为MER-125-30UC的大恒工业相机。
进一步地,所述步骤2中二值化的处理中采用Ostu阀值分割算法,并设阀值为0.3。
进一步地,所述步骤3中的阀值设为0.8,所述圆心为区域质心。
本发明的有益效果:
1、将缸体中间的两个孔作为识别对象,可以有效避免缸体大而造成的局部畸变,通过视觉识别和定位可以获取整个缸体的方向和位置信息。
2、本发明的图像获取方法,有效避免了铸件通孔阴影,通过本发明提及的图像处理步骤,避免了由于铸件表面粗糙而造成的干扰特征,简化了匹配特征,获取了清晰的通孔区域,实现了准确抓取目标的区域信息。
3、采用自定义圆形度特征作为判别指标,准确获取通孔特征,并将区域质心作为定位目标,本发明的定位精度较高。
4、提高上下料的自动化,缸体铸件由于体积大,重量大,在传送过程中的位置是未知的,而且上下料属于重复性劳动,所需的劳动强度大,但是技术含量低,需要耗费大量的人类成本,本发明减小了工人的劳动强度,降低了劳动成本。
附图说明
图1是本发明专利的流程图;
图2是气缸缸体铸件视觉定位系统的示意图;
图3是气缸缸体铸件的结构图;
图4是普通方法获取的初始平面图;
图5是运用本文方法获取的初始平面图;
图6是运用本文方法获取的图像分割效果图;
图7是运用本文方法获取的定位效果图。
图中标记,1-计算机,2-工业相机,3-相机支架,4-条形LED光源,5-光源控制器,6-气缸体。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示,本发明的方法包括如下步骤:
(1)采集发动机气缸体图像:缸体体积大,表面粗糙,缸体本身的通孔比较深,普通方法获取的图像通孔周围有大量阴影,不利于通孔的定位,如图4所示。通过如图2所示的视觉定位系统,选择合适的光源、打光方式、相机以及镜头获取凸显大型铸件缸体抓取特征的的原始图像。具体的:采用条型LED光源4,用于较大被检测物体的表面照明,所述打光方式为双侧低角度打光,通过光源控制器5调节光源角度,使光照可覆盖工件表面,并不产生反光,可以避免缸体通孔的大量阴影。所述相机采用1280*960的面阵CCD,型号为MER-125-30UC的大恒工业相机2,根据工作距离,镜头焦距大于等于50mm的工业镜头,降低获取孔的变形率,通过相机支架3固定在被捡工件6的上方。采用本发明的图像采集方法使获取的图像通孔内部没有阴影,通孔边缘比较圆整光滑,是理想的初始图像,如图5所示。将采集的图像通过USB接口送给计算机1进行后续处理。
(2)设计用于发动机气缸体图像的处理和分析方法,以获取感兴趣区域:缸体铸件图像的图像处理步骤依次包括灰度化、二值化、反色处理、区域阀值分割、开闭操作和区域填补。
所述灰度化:通过将彩色图像转为灰度图像,忽略颜色特征,便于后续处理,图像的灰度值为Gray=0.29900*R+0.58700*G+0.11400*B;
所述二值化:根据图像采用适合于缸体铸件的固定阀值分割将图像转为黑白图像,去除不必要的区域特征,获得准确的通孔特征,本算法采用Ostu阀值分割算法,阀值为0.3时取得最好的分割效果;
所述反色处理:是将灰度值为1的区域变为0,将灰度值为0的区域变为1,方便后续填补孔洞边缘由于铸件毛刺等造成缺失的信息;
所述区域阀值分割,删除二值图像中区域面积小于等于160000像素的由铸件表面粗糙而造成的干扰区域;
所述开操作和闭操作是为了去除孔洞特征边缘的凸起和填补凹坑,使孔洞边缘完整,该操作所采用的结构元素为半径2像素的平面圆盘;
所述区域填补是为了填补由于铸件表面粗糙而造成的信息缺失,填补同一区域内的孔洞,去除干扰边缘。
通过以上图像处理方法,获得良好的图像分割效果,如图6所示。
(3)设计用于气缸体铸件的通孔识别和定位方法:缸体的体积是300*250*300mm,重40kg,由于缸体体积大,采用单目CCD的情况下,将缸体的中间两个通孔作为定位目标(机器人抓取目标),利用圆形度特征进行通孔识别,利用圆心坐标进行通孔定位,实现机器人末端执行器抓取。所述圆形度e=(4π*面积)/(周长*周长);当圆形度大于阀值(本发明中设为0.85)的时候,认为该区域为圆型通孔区域,所述圆心为区域像素质心,其中x0、y0分别是质心坐标,f(x,y)是点(x,y)处的像素值。通过求取区域像素质心,获得两个圆孔的圆心像素坐标分别为(337.30,631.53)和(883.79,625.78),由于上下料对定位精度要求不高,将圆孔的区域圆形度作为判定指标,计算的两个圆孔的圆形度分别为0.89和0.90,大于预设阀值0.85,说明获取圆孔的精度很高,可以满足定位精度的需求。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于机器视觉的发动机气缸体铸件的定位方法,其特征在于,包括如下步骤:
步骤1,采集发动机气缸体图像;
步骤2,对发动机气缸体图像进行处理,所述处理依次包括灰度化、二值化、反色处理、区域阀值分割、开闭操作和区域填补;
所述灰度化:将彩色图像转为灰度图像,忽略颜色特征,便于后续处理,图像的灰度值为Gray=0.29900*R+0.58700*G+0.11400*B;
所述二值化:根据图像采用适合于缸体铸件的固定阀值分割将图像转为黑白图像,去除不必要的区域特征,获得准确的通孔特征;
所述反色处理:是将灰度值为1的区域变为0,将灰度值为0的区域变为1,方便后续填补孔洞边缘由于铸件毛刺等造成缺失的信息;
所述区域阀值分割:删除二值图像中区域面积小于等于160000像素的由铸件表面粗糙而造成的干扰区域;
所述开操作和闭操作:为了去除孔洞特征边缘的凸起和填补凹坑,使孔洞边缘完整,该操作所采用的是结构元素为半径2像素的平面圆盘;
所述区域填补:为了填补由于铸件表面粗糙而造成的信息缺失,填补同一区域内的孔洞,去除干扰边缘;
步骤3,设计用于气缸体铸件的通孔识别和定位的方法:将缸体的中间两个通孔作为定位目标,利用圆形度特征进行通孔识别,当圆形度大于设定的阀值时认为该区域为圆形通孔区域,利用圆心坐标进行通孔定位。
2.根据权利要求1所述的一种基于机器视觉的发动机气缸体铸件的定位方法,其特征在于,所述步骤1的实现包括:采用条型LED光源(4)置于被捡气缸体(6)两侧,采用双侧低角度打光方式,调节光源角度使光照可覆盖气缸体表面,并且不产生反光;被捡气缸体的上方通过相机支架(3)固定工业相机(2),所述工业相机(2)为1280*960的面阵CCD,镜头选用焦距大于等于50mm的工业镜头。
3.根据权利要求2所述的一种基于机器视觉的发动机气缸体铸件的定位方法,其特征在于,所述工业相机(2)采用型号为MER-125-30UC的大恒工业相机。
4.根据权利要求1所述的一种基于机器视觉的发动机气缸体铸件的定位方法,其特征在于,所述步骤2中二值化的处理中采用Ostu阀值分割算法,并设阀值为0.3。
5.根据权利要求1所述的一种基于机器视觉的发动机气缸体铸件的定位方法,其特征在于,所述步骤3中的阀值设为0.8,所述圆心为区域质心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610394640.4A CN106097323B (zh) | 2016-06-03 | 2016-06-03 | 一种基于机器视觉的发动机气缸体铸件的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610394640.4A CN106097323B (zh) | 2016-06-03 | 2016-06-03 | 一种基于机器视觉的发动机气缸体铸件的定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106097323A true CN106097323A (zh) | 2016-11-09 |
CN106097323B CN106097323B (zh) | 2020-11-03 |
Family
ID=57448660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610394640.4A Active CN106097323B (zh) | 2016-06-03 | 2016-06-03 | 一种基于机器视觉的发动机气缸体铸件的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097323B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109764807A (zh) * | 2019-01-14 | 2019-05-17 | 广东原点智能技术有限公司 | 发动机缸体位置标定的2d视觉检测方法及检测系统 |
CN110794763A (zh) * | 2019-11-20 | 2020-02-14 | 航天科技控股集团股份有限公司 | 基于智能相机的电机装配到位判定系统及方法 |
CN110842517A (zh) * | 2019-11-20 | 2020-02-28 | 航天科技控股集团股份有限公司 | 电机轴视觉定位方法、基于桁架机械手平台的仪表指针压装系统及方法 |
CN110969357A (zh) * | 2019-12-03 | 2020-04-07 | 西安交通大学 | 一种铝合金机加工零件孔洞视觉检测方法 |
-
2016
- 2016-06-03 CN CN201610394640.4A patent/CN106097323B/zh active Active
Non-Patent Citations (4)
Title |
---|
叶家和: "基于机器视觉的手机摄像头自动调焦", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈少平: "基于机器视觉的零件表面缺陷检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈爽: "基于图像处理的磨具自动识别与定位技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈英 等: "铝合金精密锻件图像测量的方法", 《塑形工程学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109764807A (zh) * | 2019-01-14 | 2019-05-17 | 广东原点智能技术有限公司 | 发动机缸体位置标定的2d视觉检测方法及检测系统 |
CN110794763A (zh) * | 2019-11-20 | 2020-02-14 | 航天科技控股集团股份有限公司 | 基于智能相机的电机装配到位判定系统及方法 |
CN110842517A (zh) * | 2019-11-20 | 2020-02-28 | 航天科技控股集团股份有限公司 | 电机轴视觉定位方法、基于桁架机械手平台的仪表指针压装系统及方法 |
CN110794763B (zh) * | 2019-11-20 | 2021-01-29 | 航天科技控股集团股份有限公司 | 基于智能相机的电机装配到位判定系统及方法 |
CN110969357A (zh) * | 2019-12-03 | 2020-04-07 | 西安交通大学 | 一种铝合金机加工零件孔洞视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106097323B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767423B (zh) | 一种基于双目视觉的机械臂目标定位抓取方法 | |
CN107471218B (zh) | 一种基于多目视觉的双臂机器人手眼协调方法 | |
CN107203990B (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
CN106097323A (zh) | 一种基于机器视觉的发动机气缸体铸件的定位方法 | |
CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
CN108764345B (zh) | 一种基于局部与全局聚类的水下大坝裂缝检测方法 | |
CN107884413A (zh) | 一种自动检测轴承滚动体缺失的装置及检测方法 | |
CN114495068B (zh) | 基于人机交互和深度学习的路面健康检测方法 | |
CN110889829A (zh) | 一种基于鱼眼镜头的单目测距方法 | |
CN108021926A (zh) | 一种基于全景环视系统的车辆刮痕检测方法及系统 | |
CN108154536A (zh) | 二维平面迭代的相机标定法 | |
CN108171753A (zh) | 基于形心特征点与邻域灰度互相关性的立体视觉定位方法 | |
CN107014291A (zh) | 一种物料精密转载平台的视觉定位方法 | |
CN105954292B (zh) | 基于复眼仿生视觉的水下构筑物表面裂缝检测装置及方法 | |
CN111985435A (zh) | 一种基于机器视觉的无人机水域监测巡航方法 | |
CN107016343A (zh) | 一种基于贝尔格式图像的红绿灯快速识别方法 | |
CN109218587A (zh) | 一种基于双目摄像头的图像采集方法及系统 | |
CN114018946B (zh) | 一种基于OpenCV的高反光瓶盖缺陷检测方法 | |
CN109318235B (zh) | 一种机器人视觉伺服系统的快速聚焦方法 | |
CN107145906B (zh) | 基于全景视觉成像系统的移动机器人室内快速归航方法 | |
CN114663299A (zh) | 适用于煤矿井下的图像去雾模型的训练方法及其装置 | |
CN108171746A (zh) | 一种基于视觉的球杆小球定位系统及方法 | |
CN109521029B (zh) | 一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 | |
CN108460763B (zh) | 一种磁粉探伤图像自动检测识别方法 | |
CN113674175A (zh) | 用于检测跨海大桥结构损害的水下机器人图像增强方法 |
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 |