CN106204540B - 视觉检测方法 - Google Patents
视觉检测方法 Download PDFInfo
- Publication number
- CN106204540B CN106204540B CN201610496560.XA CN201610496560A CN106204540B CN 106204540 B CN106204540 B CN 106204540B CN 201610496560 A CN201610496560 A CN 201610496560A CN 106204540 B CN106204540 B CN 106204540B
- Authority
- CN
- China
- Prior art keywords
- radius
- circle
- center location
- point
- target circle
- 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.)
- Active
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及视觉识别技术领域,公开了一种视觉检测方法及系统。本发明中,视觉检测方法,包括:获取待检品的灰度图与目标圆的已知条件;其中,已知条件包括第一圆心位置、第一半径、目标圆的极性、第一偏差值与第二偏差值,对灰度图进行边缘检测获取灰度图的图像轮廓;根据已知条件对图像轮廓进行极性筛选,获取第一轮廓;根据第一轮廓上各点到目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径;其中,第二圆心位置为确定的目标圆的圆心位置,第二半径为确定的目标圆的半径。本发明实施方式还提供了一种视觉检测系统,使得在检测待检品的图像上的圆时可以提高圆心和半径提取的准确度以及速度,进而提高提取效率。
Description
技术领域
本发明涉及视觉识别技术领域,特别涉及一种视觉检测方法及系统。
背景技术
在薄膜键盘的上盖板下方设置有一层待检品,在每个按键的位置上设置有一个弹性键帽(一般是橡胶帽),该弹性键帽相对于按键的位置一定不能偏位,否则,可能导致击键无效。
在制造薄膜键盘时,需要检测弹性键帽相对于对应的按键是否偏位。在检测时,先对薄膜键盘的正面进行拍照,获取灰度图(是一副二维平面图);其中,在该灰度图中,按键覆盖的区域的轮廓为圆角四边形,弹性键帽覆盖区域的轮廓为圆形;接着,采用视觉识别技术,从灰度图中提取出弹性键帽所对应的圆;最后,检测提取出的圆相对于圆角四边形是否偏位。
在实现本发明的过程中,发明人发现现有技术中存在如下问题:一方面,针对待检品检测中按键(key)周围圆的提取方法,目前较少,而且,从圆的提取角度来说,目前可能使用的主要方法包括三种:第一种,通过梯度的方式提取圆心,但是,利用圆的梯度求取的圆不太准确;第二种,通过遍历所有圆心和半径的方式提取圆,由于不限制圆心和半径的方式提取圆,效率较低;第三种,通过拟合的方式提取圆,拟合的方式提取圆效率较低。
发明内容
本发明实施方式的目的在于提供一种视觉检测方法及系统,使得在检测待检品的图像上的圆时可以提高圆心和半径提取的准确度以及速度,进而提高提取效率。
为解决上述技术问题,本发明的实施方式提供了一种视觉检测方法,包括:获取待检品的灰度图与目标圆的已知条件;其中,所述已知条件包括第一圆心位置、第一半径、所述目标圆的极性、第一偏差值与第二偏差值,所述目标圆为待提取的圆,所述第一偏差值为所述目标圆的圆心偏差值,所述第二偏差值为所述目标圆的半径偏差值,所述第一圆心位置为所述目标圆的圆心推测位置,所述第一半径为所述目标圆的推测半径;对所述灰度图进行边缘检测获取所述灰度图的图像轮廓;根据所述已知条件对所述图像轮廓进行极性筛选,获取第一轮廓;根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径;其中,所述第二圆心位置为确定的目标圆的圆心位置,所述第二半径为确定的目标圆的半径,所述目标圆的圆心位置范围根据所述第一圆心位置与所述第一偏差值计算得到。
本发明的实施方式还提供了一种视觉检测系统,包括:获取模块、检测模块、筛选模块与确定模块;所述获取模块,用于获取待检品的灰度图与目标圆的已知条件;其中,所述已知条件包括第一圆心位置、第一半径、所述目标圆的极性、第一偏差值与第二偏差值,所述目标圆为待提取的圆,所述第一偏差值为所述目标圆的圆心偏差值,所述第二偏差值为所述目标圆的半径偏差值,所述第一圆心位置为所述目标圆的圆心推测位置,所述第一半径为所述目标圆的推测半径;所述检测模块,用于对所述灰度图进行边缘检测获取所述灰度图的图像轮廓;所述筛选模块,用于根据所述已知条件对所述图像轮廓进行极性筛选,获取第一轮廓;所述确定模块,用于根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径;其中,所述第二圆心位置为确定的目标圆的圆心位置,所述第二半径为确定的目标圆的半径,所述目标圆的圆心位置范围根据所述第一圆心位置与所述第一偏差值计算得到。
本发明实施方式相对于现有技术而言,通过对待检品的灰度图进行边缘检测得到图像轮廓,再根据已知条件对该图像轮廓进行极性筛选,既可以得到待提取圆的轮廓,再根据待提取圆的轮廓上每个点到目标圆的圆心范围内每个点的距离,最终确定待提取圆的准确轮廓。计算过程中,由于待提取的圆的圆心的推测位置及其偏差、推测半径及其偏差是已知的,利用这些已知条件可以先得到模糊的图像轮廓,然后就可以再进行精确筛选,最后确定待提取圆的准确轮廓,简单、快速,而且准确,使得在检测待检品周围圆的时候可以提高圆心和半径提取的准确度以及速度,进而提高提取效率。
另外,在根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径中,具体包括:计算所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离;在位于所述目标圆的半径取值范围内的距离中,统计相对于同一点的距离的数目;其中,所述半径取值范围根据所述第一半径与所述第二偏差值计算得到;将最大数目所对应的距离确定为所述第二半径,将所述最大数目所对应的点确定为所述第二圆心位置。这样,仅统计目标圆的半径取值范围内的相对于同一点的距离的数目,而不用考虑该范围之外的相对于同一点的距离的数目,可以提高第二半径选取的准确度。
另外,在获取待检品的灰度图与目标圆的已知条件之前,还包括:以所述第一圆心位置为原点建立第一坐标系,以所述灰度图中预设点为原点建立第二坐标系;其中,所述第一坐标系的单位小于1像素,所述第二坐标系的单位为1像素;在根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径中,具体包括:在所述第一坐标系中,获取第三圆心位置与第三半径;其中,所述第三圆心位置为在所述第一坐标系中计算出的所述目标圆的圆心位置,所述第三半径为在所述第一坐标系中计算出的所述目标圆的半径;根据所述第一坐标系与所述第二坐标系之间的变换关系、所述第三圆心位置与所述第三半径,计算得到所述第二圆心位置与所述第二半径。通过建立以目标圆的圆心推测位置为原点的坐标系,降低了计算的复杂度,简单、容易实现,同时使得在计算目标圆的圆心位置时更准确;而且,在第一坐标系中计算提取的圆的圆心位置与半径时,坐标的单位小于1像素,这样,提取出的圆可以达到亚像素精度。
另外,在对所述灰度图进行边缘检测获取所述灰度图的图像轮廓中,具体包括:采用坎尼算子对所述灰度图进行边缘检测。坎尼算子去噪能力强,具有更好的边缘检测效果。
附图说明
图1是根据本发明第一实施方式的视觉检测方法流程图;
图2是根据本发明第二实施方式的视觉检测方法流程图;
图3是根据本发明第二实施方式中的键盘软膜的灰度图;
图4是根据本发明第二实施方式中从灰度图中提取出的单个按键的轮廓图;
图5是根据本发明第二实施方式中的第二轮廓图;
图6是根据本发明第二实施方式中的在第二轮廓图上选取一个像素点及其对应的内、外点的示意图;
图7是根据本发明第二实施方式中的第一轮廓图;
图8是根据本发明第三实施方式的视觉检测方法流程图;
图9是根据本发明第四实施方式的视觉检测系统结构示意图;
图10是根据本发明第五实施方式的视觉检测系统结构示意图;
图11是根据本发明第六实施方式的视觉检测系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种视觉检测方法,本实施方式中的视觉检测方法适用于提取待检品的图像上的圆,比如说可以提取键盘软膜的图像上的圆,本实施方式中视觉检测方法的流程如图1所示,具体如下:
在步骤101中:获取待检品的灰度图与目标圆的已知条件。具体的说,本实施方式中的已知条件包括第一圆心位置、第一半径、目标圆的极性、第一偏差值与第二偏差值。其中,目标圆为待提取的圆,第一偏差值为目标圆的圆心偏差值,第二偏差值为目标圆的半径偏差值,第一圆心位置为目标圆的圆心推测位置,第一半径为目标圆的推测半径。
在步骤102中:对灰度图进行边缘检测获取灰度图的图像轮廓。
在步骤103中:根据已知条件对图像轮廓进行极性筛选,获取第一轮廓。
在步骤104中:根据第一轮廓上各点到目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径。其中,第二圆心位置为确定的目标圆的圆心位置,第二半径为确定的目标圆的半径,目标圆的圆心位置范围根据第一圆心位置与第一偏差值计算得到。
本发明实施方式相对于现有技术而言,通过对待检品的灰度图进行边缘检测得到图像轮廓,再根据已知条件对该图像轮廓进行极性筛选,既可以得到待提取圆的轮廓,再根据待提取圆的轮廓上每个点到目标圆的圆心范围内每个点的距离,最终确定待提取圆的准确轮廓。计算过程中,由于待提取的圆的圆心的推测位置及其偏差、推测半径及其偏差是已知的,利用这些已知条件可以先得到模糊的图像轮廓,然后就可以再进行精确筛选,最后确定待提取圆的准确轮廓,简单、快速,而且准确,使得在检测待检品周围圆的时候可以提高圆心和半径提取的准确度以及速度,进而提高提取效率。
本发明的第二实施方式涉及一种视觉检测方法。其流程如图2所示,具体如下:
在步骤201中,获取待检品的灰度图与目标圆的已知条件。本实施方式中以键盘软膜中按键(key)为例进行说明,具体的说,本实施方式中的已知条件包括第一圆心位置、第一半径、目标圆的极性、第一偏差值与第二偏差值。其中,目标圆为待提取的圆,第一偏差值为目标圆的圆心偏差值,第二偏差值为目标圆的半径偏差值,第一圆心位置为目标圆的圆心推测位置,第一半径为目标圆的推测半径。在实际应用中,可以通过拍照或者实物扫描获取待检品的图像,并对图像进行灰度处理得到待检品的灰度图,如图3所示。
在步骤202中,对灰度图进行边缘检测获取灰度图的图像轮廓。具体的说,本实施方式中可以通过边缘检测算子—坎尼(canny)算子检测图3中的轮廓,为提取按键(key)上的圆做准备,图4是图3中31部分的轮廓放大图。
在步骤203中,根据已知条件获取第二轮廓。具体的说,第二轮廓为目标区域内的轮廓,且目标区域为环形区域,环形区域的内圆半径等于第一半径减去第一固定值(该第一固定值可以根据第一偏差值和第二偏差值确定,具体地,该第一固定值大于第一偏差值和第二偏差值的和),环形区域的外圆半径等于第一半径加上第二固定值(该第二固定值可以根据第一偏差值和第二偏差值确定,具体地,该第二固定值大于第一偏差值和第二偏差值的和);第一固定值与第二固定值可以相同。比如说,可以在图4中假定圆心为(x,y),半径为r,本实施方式中第一偏差值假设为5,第二偏差值假设为2,第一固定值与第二固定值可以均为10,则第二轮廓的内圆半径为r-10,第二轮廓的外圆半径为r+10,将这部分轮廓单独显示出来,如图5中所示。
在步骤204中,选取第二轮廓上的一个像素点,获取一个内点与一个外点。具体的说,该内点与外点均位于第二轮廓上的像素点与第一圆心位置的像素点的连线上,更具体地说,该内点、外点分别位于以第一圆心位置的像素点为圆心、以第二轮廓上的像素点到第一圆心位置的像素点的距离为半径的圆的内侧、外侧,如图6中所示(图中O点为圆心,I点为第二轮廓上的像素点,A点为内点,B点为外点)。
在步骤205中,判断内点的灰度值是否小于外点的灰度值。若是则进入步骤206,否则进入步骤207。具体的说,本步骤中若判断结果为是,说明A点的灰度值小于B点的灰度值,则进入步骤206,否则说明A点的灰度值大于B点的灰度值,则进入步骤207。
在步骤206中,从第二轮廓上清除该内点、外点对应的像素点。具体的说,当A点的灰度值小于B点的灰度值时,清除像素点I。
在步骤207中,保留第二轮廓上该内点、外点对应的像素点。具体的说,当A点的灰度值大于B点的灰度值时,保留像素点I。
在步骤208中,判断第二轮廓上是否还有未选取的像素点。若是则返回步骤204,否则进入步骤209。具体的说,本步骤中若判断结果为是,说明第二轮廓上还有为选取的像素点,则返回步骤204继续选取第二轮廓上的像素点进行判断,否则说明第二轮廓上所有像素点都已经选取过,则进入步骤209。
在步骤209中,将所有保留的像素点组成第一轮廓。本实施方式中的第一轮廓即为通过极性筛选后最终剩下的像素点组成的轮廓,如图7所示。
在步骤210中,计算第一轮廓上各点到目标圆的圆心位置范围内每个点的距离。
在步骤211中,在位于目标圆的半径取值范围内的距离中,统计相对于同一点的距离的数目。其中,半径取值范围根据第一半径与第二偏差值计算得到。比如说,第一半径为r,第二偏差值为2,则半径取值范围为[r-2,r+2]。
在实际应用中,步骤210~步骤211可以通过如下方式实现:根据目标圆的圆心的偏差和半径的偏差,产生一个初始值为0的三维数组,假设三维数组为s[x,y,r]。
根据所要提取的圆心和半径的精度,设定如下量:x的步长为stepx、y的步长为stepy、r的步长为stepr、r的偏差为△R,x的偏差为△X,y的偏差为△Y;indexX=ceil(2*△X/stepx),indexY=ceil(2*△Y/stepy),indexR=ceil(2*△R/stepr);则s[x,y,r]中x,y,r的取值范围为[0indexX],[0indexY],[0indexR]。其中,ceil函数表示向上取整。
遍历图7中的每个像素点,对每个像素点进行下述计算,假设当前像素点的位置为x0,y0。
其中distance[(x0,y0),(x1,y1)]表示求点(x0,y0)和(x1,y1)之间的欧式距离。round表示四舍五入取整。
在步骤212中,将最大数目所对应的距离确定为第二半径,将最大数目所对应的点确定为第二圆心位置。
具体的说,可以计算s[x,y,r]的最大值所对应的x1,y1,r1,并对应的转换为实际X,Y,R,转换关系如下:
X=xc-△X+x1*stepx
Y=yc-△Y+y1*stepy
R=rc-△R+r1*stepr
(X,Y)即为所求得的目标圆的圆心坐标和R为求得的目标圆的半径。
本实施方式中,仅统计目标圆的半径取值范围内的相对于同一点的距离的数目,而不用考虑该范围之外的相对于同一点的距离的数目,可以提高第二半径选取的准确度。
本发明的第三实施方式涉及一种视觉检测方法。第三实施方式与第一实施方式大致相同,改进之处在于:在本实施方式中,可以以不同的待检品的圆心位置建立坐标系,降低了计算的复杂度,简单、容易实现,同时使得在计算目标圆的圆心位置时更准确,而且,在计算提取的圆的圆心位置与半径时,坐标的单位小于1像素,这样,提取出的圆可以达到亚像素精度。本实施方式中的视觉检测方法流程如图8所示,具体如下。
在步骤801中:以第一圆心位置为原点建立第一坐标系。具体的说,第一坐标系的单位可以小于1像素,本实施方式中的第一圆心位置为目标圆的圆心推测位置。
在步骤802中:以灰度图中预设点为原点建立第二坐标系。具体的说,第二坐标系的单位可以为1像素,本实施方式中的预设点可以为灰度图图3中任意一个按键(key)上的圆心,也可以是根据键盘软膜的中心位置,或者键盘软膜的顶角位置。
在步骤803中:获取待检品的灰度图与目标圆的已知条件。具体的说,本实施方式中的已知条件包括第一圆心位置、第一半径、目标圆的极性、第一偏差值与第二偏差值。其中,目标圆为待提取的圆,第一偏差值为目标圆的圆心偏差值,第二偏差值为目标圆的半径偏差值,第一圆心位置为目标圆的圆心推测位置,第一半径为目标圆的推测半径。在实际应用中,可以通过拍照或者实物扫描获取待检品的图像,并对图像进行灰度处理得到待检品的灰度图,如图3所示。
在步骤804中:对灰度图进行边缘检测获取灰度图的图像轮廓。具体的说,本实施方式中可以通过边缘检测算子—canny算子检测图3中的轮廓,为提取图像上的圆做准备。
在步骤805中:根据已知条件对图像轮廓进行极性筛选,获取第一轮廓。具体的说,可以根据第二实施方式中的步骤203至步骤209获取第一轮廓,获取取后的第一轮廓如图7所示。
在步骤806中:在第一坐标系中获取第三圆心位置与第三半径。具体的说,第三圆心位置为在第一坐标系中计算出的目标圆的圆心位置,第三半径为在第一坐标系中计算出的目标圆的半径。本实施方式中第三圆心位置和第三半径的值可以根据第二实施方式中的步骤210至212获得。
在步骤807中:根据第一坐标系与第二坐标系之间的变换关系、第三圆心位置、第三半径,计算得到第二圆心位置与第二半径。
本实施方式通过建立以目标圆的圆心推测位置为原点的坐标系,降低了计算的复杂度,简单、容易实现,同时使得在计算目标圆的圆心位置时更准确;而且,在第一坐标系中计算提取的圆的圆心位置与半径时,坐标的单位小于1像素,这样,提取出的圆可以达到亚像素精度。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包含相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第四实施方式涉及一种视觉检测系统,如图9所示,包括:获取模块1、检测模块2、筛选模块3与确定模块4。
获取模块1,用于获取待检品的灰度图与目标圆的已知条件;其中,已知条件包括第一圆心位置、第一半径、目标圆的极性、第一偏差值与第二偏差值,目标圆为待提取的圆,第一偏差值为目标圆的圆心偏差值,第二偏差值为目标圆的半径偏差值,第一圆心位置为目标圆的圆心推测位置,第一半径为目标圆的推测半径。
检测模块2,用于对灰度图进行边缘检测获取灰度图的图像轮廓。
筛选模块3,用于根据已知条件对图像轮廓进行极性筛选,获取第一轮廓。
确定模块4,用于根据第一轮廓上各点到目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径;其中,第二圆心位置为确定的目标圆的圆心位置,第二半径为确定的目标圆的半径,目标圆的圆心位置范围根据第一圆心位置与第一偏差值计算得到。
不难发现,本实施方式为与第一实施方式相对应的系统实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明第五实施方式涉及一种视觉检测系统。本实施方式中的确定模块4具体包括:第一计算子模块41、统计子模块42与比较子模块43,如图10所示。
第一计算子模块41,用于计算第一轮廓上各点到目标圆的圆心位置范围内每个点的距离。
统计子模块42,用于在位于目标圆的半径取值范围内的距离中,统计相对于同一点的距离的数目;其中,半径取值范围根据第一半径与第二偏差值计算得到。
比较子模块43,用于比较统计子模块的统计结果中相对于不同点的距离的数目,将最大数目所对应的距离确定为第二半径,将最大数目所对应的点确定为第二圆心位置。
由于第二实施方式与本实施方式相互对应,因此本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效,在第二实施方式中所能达到的技术效果在本实施方式中也同样可以实现,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第二实施方式中。
本发明第五实施方式涉及一种视觉检测系统。本实施方式中的视觉检测系统还包括坐标系建立模块5,确定模块4中还包括:获取子模块44与第二计算子模块45,如图11所示。
坐标系建立模块5,用于以第一圆心位置为原点建立第一坐标系,以灰度图中预设点为原点建立第二坐标系;其中,第一坐标系的单位小于1像素,第二坐标系的单位为1像素。
获取子模块44,用于在第一坐标系中,获取第三圆心位置与第三半径;其中,第三圆心位置为在第一坐标系中计算出的目标圆的圆心位置,第三半径为在第一坐标系中计算出的目标圆的半径。
第二计算子模块45,用于根据第一坐标系与第二坐标系之间的变换关系、第三圆心位置与第三半径,计算得到第二圆心位置与第二半径。
本实施方式为与第三实施方式相对应的系统实施例,本实施方式可与第三实施方式互相配合实施。第三实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第三实施方式中。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (7)
1.一种视觉检测方法,其特征在于,包括:
获取待检品的灰度图与目标圆的已知条件;其中,所述已知条件包括第一圆心位置、第一半径、所述目标圆的极性、第一偏差值与第二偏差值,所述目标圆为待提取的圆,所述第一偏差值为所述目标圆的圆心偏差值,所述第二偏差值为所述目标圆的半径偏差值,所述第一圆心位置为所述目标圆的圆心推测位置,所述第一半径为所述目标圆的推测半径;
对所述灰度图进行边缘检测获取所述灰度图的图像轮廓;
根据所述已知条件对所述图像轮廓进行极性筛选,获取第一轮廓;
根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径;其中,所述第二圆心位置为确定的目标圆的圆心位置,所述第二半径为确定的目标圆的半径,所述目标圆的圆心位置范围根据所述第一圆心位置与所述第一偏差值计算得到;
在根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径中,具体包括:
计算所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离;
在位于所述目标圆的半径取值范围内的距离中,统计相对于同一点的距离的数目;其中,所述半径取值范围根据所述第一半径与所述第二偏差值计算得到;
将最大数目所对应的距离确定为所述第二半径,将所述最大数目所对应的点确定为所述第二圆心位置。
2.根据权利要求1所述的视觉检测方法,其特征在于,在获取待检品的灰度图与目标圆的已知条件之前,还包括:
以所述第一圆心位置为原点建立第一坐标系,以所述灰度图中预设点为原点建立第二坐标系;其中,所述第一坐标系的单位小于1像素,所述第二坐标系的单位为1像素;
在根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径中,具体包括:
在所述第一坐标系中,获取第三圆心位置与第三半径;其中,所述第三圆心位置为在所述第一坐标系中计算出的所述目标圆的圆心位置,所述第三半径为在所述第一坐标系中计算出的所述目标圆的半径;
根据所述第一坐标系与所述第二坐标系之间的变换关系、所述第三圆心位置与所述第三半径,计算得到所述第二圆心位置与所述第二半径。
3.根据权利要求1所述的视觉检测方法,其特征在于,在根据所述已知条件对所述图像轮廓进行极性筛选,获取第一轮廓中,具体包括:
根据所述已知条件获取第二轮廓;其中,所述第二轮廓为目标区域内的轮廓,所述目标区域为环形区域,所述环形区域的内圆半径等于所述第一半径减去第一固定值;所述第一固定值大于所述第一偏差值与所述第二偏差值之和,所述环形区域的外圆半径等于所述第一半径加上第二固定值;所述第二固定值大于所述第一偏差值与所述第二偏差值之和;
对于所述第二轮廓上的每一个像素点,获取一个内点与一个外点;其中,所述内点与所述外点均位于所述第二轮廓上的像素点与所述第一圆心位置的像素点的连线上,所述内点、外点分别位于以所述第一圆心位置的像素点为圆心、以所述第二轮廓上的像素点到所述第一圆心位置的像素点的距离为半径的圆的内侧、外侧;
若所述内点的灰度值小于所述外点的灰度值,则从所述第二轮廓上清除所述内点、所述外点对应的像素点;若所述内点的灰度值大于所述外点的灰度值,则保留所述第二轮廓上所述内点、所述外点对应的像素点,其中,所有保留的像素点组成所述第一轮廓。
4.根据权利要求1所述的视觉检测方法,其特征在于,在对所述灰度图进行边缘检测获取所述灰度图的图像轮廓中,具体包括:
采用坎尼算子对所述灰度图进行边缘检测。
5.根据权利要求1所述的视觉检测方法,其特征在于,所述第一偏差值为5个像素,所述第二偏差值为2个像素。
6.一种视觉检测系统,其特征在于,包括:获取模块、检测模块、筛选模块与确定模块;
所述获取模块,用于获取待检品的灰度图与目标圆的已知条件;其中,所述已知条件包括第一圆心位置、第一半径、所述目标圆的极性、第一偏差值与第二偏差值,所述目标圆为待提取的圆,所述第一偏差值为所述目标圆的圆心偏差值,所述第二偏差值为所述目标圆的半径偏差值,所述第一圆心位置为所述目标圆的圆心推测位置,所述第一半径为所述目标圆的推测半径;
所述检测模块,用于对所述灰度图进行边缘检测获取所述灰度图的图像轮廓;
所述筛选模块,用于根据所述已知条件对所述图像轮廓进行极性筛选,获取第一轮廓;
所述确定模块,用于根据所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离,确定第二圆心位置与第二半径;其中,所述第二圆心位置为确定的目标圆的圆心位置,所述第二半径为确定的目标圆的半径,所述目标圆的圆心位置范围根据所述第一圆心位置与所述第一偏差值计算得到;
所述确定模块具体包括:第一计算子模块、统计子模块与比较子模块;
所述第一计算子模块,用于计算所述第一轮廓上各点到所述目标圆的圆心位置范围内每个点的距离;
所述统计子模块,用于在位于所述目标圆的半径取值范围内的距离中,统计相对于同一点的距离的数目;其中,所述半径取值范围根据所述第一半径与所述第二偏差值计算得到;
所述比较子模块,用于比较所述统计子模块的统计结果中相对于不同点的距离的数目,将最大数目所对应的距离确定为所述第二半径,将所述最大数目所对应的点确定为所述第二圆心位置。
7.根据权利要求6所述的视觉检测系统,其特征在于,还包括:坐标系建立模块;所述确定模块中还包括:获取子模块与第二计算子模块;
所述坐标系建立模块,用于以所述第一圆心位置为原点建立第一坐标系,以所述灰度图中预设点为原点建立第二坐标系;其中,所述第一坐标系的单位小于1像素,所述第二坐标系的单位为1像素;
所述获取子模块,用于在所述第一坐标系中,获取第三圆心位置与第三半径;其中,所述第三圆心位置为在所述第一坐标系中计算出的所述目标圆的圆心位置,所述第三半径为在所述第一坐标系中计算出的所述目标圆的半径;
所述第二计算子模块,用于根据所述第一坐标系与所述第二坐标系之间的变换关系、所述第三圆心位置与所述第三半径,计算得到所述第二圆心位置与所述第二半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610496560.XA CN106204540B (zh) | 2016-06-29 | 2016-06-29 | 视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610496560.XA CN106204540B (zh) | 2016-06-29 | 2016-06-29 | 视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106204540A CN106204540A (zh) | 2016-12-07 |
CN106204540B true CN106204540B (zh) | 2018-12-11 |
Family
ID=57462637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610496560.XA Active CN106204540B (zh) | 2016-06-29 | 2016-06-29 | 视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106204540B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018195797A1 (zh) * | 2017-04-26 | 2018-11-01 | 深圳配天智能技术研究院有限公司 | 一种视觉检测方法、检测设备以及机器人 |
CN107388991B (zh) * | 2017-07-03 | 2019-12-03 | 中国计量大学 | 一种端面多圆角轴类零件圆角半径测量方法 |
CN108519771B (zh) * | 2018-03-01 | 2022-03-11 | Ai机器人株式会社 | 用于搬运设备的定位方法、装置、搬运设备及存储介质 |
WO2020133538A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种圆形特征检测方法、处理系统及具有存储功能的装置 |
CN111007441B (zh) * | 2019-12-16 | 2022-12-02 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
CN112052847B (zh) * | 2020-08-17 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
WO2024021063A1 (zh) * | 2022-07-29 | 2024-02-01 | 宁德时代新能源科技股份有限公司 | 检测视觉系统稳定性的方法和装置 |
CN116572078B (zh) * | 2023-07-14 | 2023-10-17 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种车削刀具磨损检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6859555B1 (en) * | 2000-09-19 | 2005-02-22 | Siemens Corporate Research, Inc. | Fast dominant circle detection through horizontal and vertical scanning |
JP2009009539A (ja) * | 2007-05-29 | 2009-01-15 | Tokyo Univ Of Marine Science & Technology | 円形状検出装置 |
CN103235939A (zh) * | 2013-05-08 | 2013-08-07 | 哈尔滨工业大学 | 基于机器视觉的基准点定位方法 |
CN103606128A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测瓶盖外圆毛刺的方法 |
CN103606169A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测瓶盖缺陷的方法 |
CN103606167A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种用于缺陷检测的瓶盖图像外轮廓确定方法 |
CN104050660A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件圆形边缘的方法 |
-
2016
- 2016-06-29 CN CN201610496560.XA patent/CN106204540B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6859555B1 (en) * | 2000-09-19 | 2005-02-22 | Siemens Corporate Research, Inc. | Fast dominant circle detection through horizontal and vertical scanning |
JP2009009539A (ja) * | 2007-05-29 | 2009-01-15 | Tokyo Univ Of Marine Science & Technology | 円形状検出装置 |
CN103235939A (zh) * | 2013-05-08 | 2013-08-07 | 哈尔滨工业大学 | 基于机器视觉的基准点定位方法 |
CN103606128A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测瓶盖外圆毛刺的方法 |
CN103606169A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测瓶盖缺陷的方法 |
CN103606167A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种用于缺陷检测的瓶盖图像外轮廓确定方法 |
CN104050660A (zh) * | 2014-05-26 | 2014-09-17 | 华中科技大学 | 一种测量工件圆形边缘的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106204540A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204540B (zh) | 视觉检测方法 | |
CN104778721B (zh) | 一种双目图像中显著性目标的距离测量方法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN108596197B (zh) | 一种印章匹配方法及装置 | |
CN110472534A (zh) | 基于rgb-d数据的3d目标检测方法、装置、设备和存储介质 | |
CN110503108A (zh) | 违章建筑识别方法及装置、存储介质、计算机设备 | |
CN106558072A (zh) | 一种基于改进sift特征在遥感图像上配准的方法 | |
CN104867137B (zh) | 一种基于改进ransac算法的图像配准方法 | |
CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
CN107092871A (zh) | 基于多尺度多特征融合的遥感影像建筑物检测方法 | |
CN103295227B (zh) | 一种基于梯度方向分割的圆检测方法 | |
CN104282027B (zh) | 一种基于Hough变换的圆检测方法 | |
CN104851095B (zh) | 基于改进型形状上下文的工件图像稀疏立体匹配方法 | |
CN106971404A (zh) | 一种鲁棒surf无人机彩色遥感图像配准方法 | |
CN109493367A (zh) | 一种对目标对象进行跟踪的方法和设备 | |
CN107133623A (zh) | 一种基于背景差和圆心定位的指针位置精确检测方法 | |
CN106295498A (zh) | 光学遥感图像目标区域检测装置与方法 | |
CN109919247A (zh) | 危化品堆垛双目测距中特征点匹配方法、系统和设备 | |
CN106204542B (zh) | 视觉识别方法及系统 | |
CN113379777A (zh) | 一种基于最小外接矩形垂直内距离比例的形状描述与检索方法 | |
CN113450269A (zh) | 一种基于3d视觉的点云关键点提取方法 | |
CN106339710A (zh) | 一种边缘宽度缺陷检测方法及装置 | |
CN103186900B (zh) | 一种InSAR水体和阴影区域自动提取和识别的方法 | |
CN111738310B (zh) | 物料分类方法、装置、电子设备和存储介质 |
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 |