CN106546263B - 一种基于机器视觉的激光水平仪出射激光线检测方法 - Google Patents
一种基于机器视觉的激光水平仪出射激光线检测方法 Download PDFInfo
- Publication number
- CN106546263B CN106546263B CN201610888229.2A CN201610888229A CN106546263B CN 106546263 B CN106546263 B CN 106546263B CN 201610888229 A CN201610888229 A CN 201610888229A CN 106546263 B CN106546263 B CN 106546263B
- Authority
- CN
- China
- Prior art keywords
- laser
- image
- laser rays
- information
- rays
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Abstract
本发明公开了一种基于机器视觉的激光水平仪出射激光线检测方法,包括:1)实时采集多条水平或垂直激光线的多幅图像数据;2)传输图像数据到PC机;3)图像预处理;4)图像检测每幅图片中拍摄的激光线段位置,并且判断激光线宽度等信息;5)将激光线相关图片信息融合,判断激光直线的位置信息是否发生上下左右方向的出射偏移;6)将激光线多幅图片宽度信息融合,判断每条激光线是否小于等于规定的衍射角,保证宽度符合生产要求;7)将激光水平仪是否合格的信息显示到人机界面,给出判断结果和依据,并存储当前检测水平仪编号和其各方向激光线宽度、位置等信息入库。本发明可以实现对激光线的位置精度识别以及对激光线宽度的精确测量。
Description
技术领域
本发明属于自动化控制、人工智能技术和机器视觉领域,具体涉及一种基于机器视觉的激光水平仪出射激光线检测方法。
背景技术
近年来,随着现代工业和智能制造技术的不断发展,各行各业都或多或少的在实际的生活、生产中使用了现代化智能自动化检测设备来替代传统的人工检测。其中,工业视觉检测技术也在快速发展,并且已经发展成为了一门系统的新兴边缘交叉综合工程学科。由于计算机技术、机器视觉技术、人工智能技术和控制理论的不断进步,机器视觉工业检测与产品标准判断等应用提供了系统的理论工具和分析方法。
目前,国内的激光水平仪的出射激光线检测都是采用人工的方式肉眼判断。这样检测效率很低,同时不同技术工人由于经验和知识层次不同,判断标准也参差不齐。而近年来,随着国家对智能检测技术方面的重视,工业企业也纷纷引进了国内外先进的视觉检测设备。然而在激光水平仪检测的方面还比较传统,多数激光水平仪产品的检测还是停留在人工肉眼检测,没有实现自动化,也不能够智能判断出射激光线的宽度和位置等功能。
激光水平仪通常射出水平和垂直的激光射线,通过激光的直线性好,能量强等特点来标定水平和铅垂线位置,在建筑和土木领域都有极广的应用。检测出合格的激光水平仪产品具有重要的价值和意义。
发明内容
针对现有激光水平仪的出射激光线检测存在的不足,本发明的目的是提供一种基于机器视觉的激光水平仪出射激光线检测方法,以适应工业现场环境,同时保证了识别激光水平仪出射激光线的宽度及其位置信息的准确性和快速性。
为达到上述目的,本发明采用了以下技术方案:
一种基于机器视觉的激光水平仪出射激光线检测方法,包括以下步骤:
1)实时采集多条水平或垂直激光线的多幅图像数据;
2)将步骤1)采集到的图像数据传输到PC机上;
3)将步骤2)中的图像进行预处理;
4)将步骤3)中预处理后的图像通过检测射出每幅图片激光线的位置,判断激光线宽度信息;
5)通过步骤4)中处理的结果,将激光线相关图片信息融合,判断激光直线的位置信息是否发生上下左右方向的出射偏移;
6)通过步骤4)中处理的结果,将每条激光线多幅相关图片宽度信息融合,判断每条激光线是否小于等于规定的衍射角,保证宽度符合生产要求;
7)将步骤5)和步骤6)的判断信息显示到人机界面,给出判断结果和依据,并存储当前检测水平仪编号和其各方向激光线宽度、位置信息入库。
所述步骤1)实时采集图像数据,首先需要确定摄像头安装位置,为了更好地采集激光线一部分的图像,根据工业现场的特点,以及检测激光水平仪框架的结构,来确定摄像头放置位置;将摄像头安装在位于标定板侧下方,每条激光线分别放置三个位置的摄像头,在激光线出射角互相间隔60°的方向上5米处采集激光线三个位置的图像,保证激光线不受视野窄的影响产生误差判断,同时5米处便于准确计算衍射角,提高检测精度。
所述步骤4)中的图像检测激光线的宽度,并且判断激光线相对位置信息,包括以下步骤:
a)对单个工业照相机通过采集彩色图像,进行灰度化处理,再得到清晰的灰度图像信息,考虑激光水平仪多采用红色激光线、绿色激光线,故在灰度处理过程中通过对单通道的图像获取灰度信息,并结合RGB转HSV的特性,获得色度H通道的信息来加强图像色度本身特性,减弱光照亮度因素的干扰,再对彩色图像进行灰度化处理,得到灰度图像;
b)获取激光线图像有效点,并二值化图片;由于激光线的特性,其图像中多为点状堆叠,同时考虑衍射角的和光栅作用,形成一方面激光线亮度呈现中间亮边缘暗的特性,另一方面边缘处出现噪点和不平滑的特点,都对测量造成影响;故在二值化之前要通过随机场模型确定激光线边缘的噪点,判断哪些噪点能够视为有效宽度,再通过OTSU二值化图像;
c)通过Ransac算法缩小激光线像素点的范围,确定激光线大致的中心线,再将有效的像素点通过Hough和最小二乘的方法拟合直线,获得激光线数学意义的中心线,之后通过几何算法求得与标定板中标定线的相对位置信息;
d)通过激光中心线位置和斜率,做部分线段外接矩形,通过高斯平滑和样条插值获得激光线两边亚像素边缘;再利用坐标转化得到激光线宽度。
所述步骤5)、步骤6)中的每条激光线多幅相关图片信息综合进行分析、计算,判断位置和宽度是否符合标准包括以下步骤:
a)对互相之间距离60°的激光线段图片,通过几何关系确定三张图片实际位置相距8.66米,再结合每张图中标定线的相对位置将三张图片的位置信息拟合成为一条激光线,判断其是否符合要求;
b)对同一激光线相关的三张图片所得宽度信息数据分析,求出结合不同位置权重信息的平均宽度代表整条激光线宽度,判读其是否符合标准。
本发明与现有技术相比较,具有以下突出的实质性特点和显著的进步:
(1)本发明使用了一种多摄像头的机器视觉系统,对图像中激光线的识别、定位更加准确、快速,替代了传统人工肉眼检测的方法,填补了激光水平仪自动化视觉检测的空白。
(2)本发明针对激光线衍射和光栅效应等特点,引入了采样随机场结合Hough变换和Ransac算法检测激光线,在保证检测快速性的前提下提高了激光线宽度的检测精度。
附图说明
图1是本发明基于机器视觉的激光水平仪出射激光线检测方法的步骤图。
图2是本发明基于机器视觉的激光水平仪出射激光线检测方法的框架整体设计图。
图3是本发明基于机器视觉的激光水平仪出射激光线检测方法的上位机软件图。
具体实施方式
下面结合附图和优选实施例对本发明作进一步的描述。
如图1所示,一种基于机器视觉的激光水平仪出射激光线检测方法,包括如下步骤:
1)实时采集多条水平或垂直激光线的多幅图像数据;即利用安装在检测框架上的多个摄像头,实时采集每个摄像头视野内的激光线图像数据。如图2所示,其中1为激光水平仪,2为激光水平仪放置位置,其下方有开孔用于定位激光水平仪是否安放准确。3、6和7都是一组标定板,安装架和相机,分别采集每个部位的激光线。其中3处相机采集激光水平仪底部定位点图像,6处三组相机在水平方向互相间隔60°,采集水平激光线信息;7处三组相机在垂直方向上互相间隔60°,采集垂直方向激光线信息。框架4用于扩展水平仪其他方向检测,可以同时检测四个垂直方向的激光线;框架5用于扩展水平方向激光线检测。
2)将步骤1)采集到的图像数据传输到PC机上;摄像头采用USB2.0接口,可以直接通过USB进行数据传输,传输速度较快。
3)将步骤2)中的图像进行预处理;图像预处理包括图像直方图均衡化、获取图像灰度图片等,使图像相对于现场环境噪声的影响变小,有用信息突出且更为清晰,便于之后的处理。
4)将步骤3)中预处理后的图像通过检测射出每幅图片激光线的位置,判断激光线宽度信息;对单个工业照相机通过采集彩色图像,进行灰度化处理,得到清晰的灰度图像信息。获取激光线图像有效点,并二值化图片。通过随机场模型确定激光线边缘的噪点,判断哪些噪点可以视为有效宽度,再通过OTSU二值化图像。利用Ransac算法缩小激光线像素点的范围,确定激光线大致的中心线,再将有效的像素点通过Hough和最小二乘的方法拟合直线,获得激光线数学意义的中心线,之后通过几何算法求得与标定板中标定线的相对位置信息;通过高斯平滑和样条插值获得激光线两边亚像素边缘,坐标转化得到激光线宽度。
5)对互相之间距离60°的激光线段图片,结合每张图中标定线的相对位置将三张图片的位置信息拟合成为一条激光线,判断其是否符合垂直射出的要求。
6)对同一激光线相关的三张图片所得宽度信息数据分析,求出结合不同位置权重信息的平均宽度代表整条激光线宽度,判读其是否符合标准。
7)如图3所示,将步骤5)和步骤6)的判断信息显示到人机界面,给出判断结果和依据,并存储当前检测水平仪编号和其各方向激光线宽度、位置等信息入库。
Claims (3)
1.一种基于机器视觉的激光水平仪出射激光线检测方法,其特征在于,包括以下步骤:
1)实时采集多条水平或垂直激光线的多幅图像数据;
2)将步骤1)采集到的图像数据传输到PC机上;
3)将步骤2)中的图像进行预处理;
4)将步骤3)中预处理后的图像通过检测射出每幅图片激光线的位置,判断激光线宽度信息;
5)通过步骤4)中处理的结果,将激光线相关图片信息融合,判断激光直线的位置信息是否发生上下左右方向的出射偏移;
6)通过步骤4)中处理的结果,将每条激光线多幅相关图片宽度信息融合,判断每条激光线是否小于等于规定的衍射角,保证宽度符合生产要求;
7)将步骤5)和步骤6)的判断信息显示到人机界面,给出判断结果和依据,并存储当前检测水平仪编号和其各方向激光线宽度、位置信息入库;
所述步骤4)中的图像检测激光线的宽度,并且判断激光线相对位置信息,包括以下步骤:
a)对单个工业照相机通过采集彩色图像,进行灰度化处理,再得到清晰的灰度图像信息,考虑激光水平仪多采用红色激光线、绿色激光线,故在灰度处理过程中通过对单通道的图像获取灰度信息,并结合RGB转HSV的特性,获得色度H通道的信息来加强图像色度本身特性,减弱光照亮度因素的干扰,再对彩色图像进行灰度化处理,得到灰度图像;
b)获取激光线图像有效点,并二值化图片;由于激光线的特性,其图像中多为点状堆叠,同时考虑衍射角的和光栅作用,形成一方面激光线亮度呈现中间亮边缘暗的特性,另一方面边缘处出现噪点和不平滑的特点,都对测量造成影响;故在二值化之前要通过随机场模型确定激光线边缘的噪点,判断哪些噪点能够视为有效宽度,再通过OTSU二值化图像;
c)通过Ransac算法缩小激光线像素点的范围,确定激光线大致的中心线,再将有效的像素点通过Hough和最小二乘的方法拟合直线,获得激光线数学意义的中心线,之后通过几何算法求得与标定板中标定线的相对位置信息;
d)通过激光中心线位置和斜率,做部分线段外接矩形,通过高斯平滑和样条插值获得激光线两边亚像素边缘;再利用坐标转化得到激光线宽度。
2.根据权利要求1所述的基于机器视觉的激光水平仪出射激光线检测方法,其特征在于:所述步骤1)实时采集图像数据,首先需要确定摄像头安装位置,为了更好地采集激光线一部分的图像,根据工业现场的特点,以及检测激光水平仪框架的结构,来确定摄像头放置位置;将摄像头安装在位于标定板侧下方,每条激光线分别放置三个位置的摄像头,在激光线出射角互相间隔60°的方向上5米处采集激光线三个位置的图像,保证激光线不受视野窄的影响产生误差判断,同时5米处便于准确计算衍射角,提高检测精度。
3.根据权利要求1所述的基于机器视觉的激光水平仪出射激光线检测方法,其特征在于:所述步骤5)、步骤6)中的每条激光线多幅相关图片信息综合进行分析、计算,判断位置和宽度是否符合标准包括以下步骤:
a)对互相之间距离60°的激光线段图片,通过几何关系确定三张图片实际位置相距8.66米,再结合每张图中标定线的相对位置将三张图片的位置信息拟合成为一条激光线,判断其是否符合要求;
b)对同一激光线相关的三张图片所得宽度信息数据分析,求出结合不同位置权重信息的平均宽度代表整条激光线宽度,判读其是否符合标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610888229.2A CN106546263B (zh) | 2016-10-12 | 2016-10-12 | 一种基于机器视觉的激光水平仪出射激光线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610888229.2A CN106546263B (zh) | 2016-10-12 | 2016-10-12 | 一种基于机器视觉的激光水平仪出射激光线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106546263A CN106546263A (zh) | 2017-03-29 |
CN106546263B true CN106546263B (zh) | 2019-08-20 |
Family
ID=58368644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610888229.2A Active CN106546263B (zh) | 2016-10-12 | 2016-10-12 | 一种基于机器视觉的激光水平仪出射激光线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106546263B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107084748B (zh) * | 2017-05-24 | 2019-09-10 | 东南大学 | 基于视觉的激光投线仪自动检测系统 |
CN109631946B (zh) * | 2018-12-27 | 2021-08-27 | 上海建工集团股份有限公司 | 激光倾斜仪精度的测试方法、测试系统 |
CN109458991A (zh) * | 2019-01-08 | 2019-03-12 | 大连理工大学 | 一种基于机器视觉的结构位移和转角的监测方法 |
CN110533675B (zh) * | 2019-08-26 | 2021-01-19 | 大连理工大学 | 一种激光条纹遮挡噪声滤除及补偿方法 |
CN111854616A (zh) * | 2020-05-21 | 2020-10-30 | 南京鸿亦沄智能科技有限公司 | 一种激光辅助下的树木胸径视觉测量方法与系统 |
CN113048957A (zh) * | 2021-03-09 | 2021-06-29 | 东南大学 | 一种基于视觉的激光投线仪精度快速检测系统 |
CN114769884B (zh) * | 2022-04-28 | 2024-02-06 | 深圳泰德激光技术股份有限公司 | 氧化物去除设备和调校方法 |
CN114888441B (zh) * | 2022-04-28 | 2024-02-06 | 深圳泰德激光技术股份有限公司 | 氧化物去除设备 |
CN114778560B (zh) * | 2022-06-20 | 2022-09-27 | 国网江苏省电力有限公司常州供电分公司 | 基于线缆巡检机器人的架空线检测方法和系统 |
CN115389173B (zh) * | 2022-10-26 | 2023-03-24 | 潍坊歌尔电子有限公司 | 激光分叉自检方法、装置、桌面投影机及存储介质 |
CN115979597B (zh) * | 2023-02-13 | 2024-01-12 | 杭州简并激光科技有限公司 | 一种激光水平仪锥镜的缺陷检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2465179Y (zh) * | 2001-02-27 | 2001-12-12 | 武汉大学 | 激光仪器误差自动检测仪 |
CN200986436Y (zh) * | 2006-12-14 | 2007-12-05 | 王冬梅 | 检测可见激光束位置偏差的装置 |
-
2016
- 2016-10-12 CN CN201610888229.2A patent/CN106546263B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2465179Y (zh) * | 2001-02-27 | 2001-12-12 | 武汉大学 | 激光仪器误差自动检测仪 |
CN200986436Y (zh) * | 2006-12-14 | 2007-12-05 | 王冬梅 | 检测可见激光束位置偏差的装置 |
Non-Patent Citations (2)
Title |
---|
激光扫平仪光电自动检测系统中扫描激光线的图像处理;刘震亚等;《激光杂志》;20051231;第26卷(第1期);第62-63、66页 |
激光扫平仪的误差分析与智能检测;胡国元等;《光学与光电技术》;20050831;第3卷(第4期);第58-60页 |
Also Published As
Publication number | Publication date |
---|---|
CN106546263A (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106546263B (zh) | 一种基于机器视觉的激光水平仪出射激光线检测方法 | |
CN102930266B (zh) | 一种用轮廓重心法定位PCB板Mark点的方法 | |
CN101799434B (zh) | 一种印刷图像缺陷检测方法 | |
CN107014294B (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
CN109520706B (zh) | 一种汽车保险丝盒的螺孔坐标提取方法 | |
CN110501342B (zh) | 一种筒子纱纱杆定位视觉检测方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN107945184A (zh) | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 | |
CN104331695B (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN110910350B (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN102938077A (zh) | 基于双阈值二值化的在线式aoi图像检索方法 | |
CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
CN105865329A (zh) | 基于视觉的成捆圆钢端面中心坐标的获取系统和方法 | |
CN110930390A (zh) | 基于半监督深度学习的芯片管脚缺失检测方法 | |
CN104112123A (zh) | 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法 | |
CN116402784A (zh) | 基于机器视觉的辅助对中方法、系统、设备及存储介质 | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
CN109879170A (zh) | 一种起重机吊臂旁弯位移实时检测系统 | |
CN115170551A (zh) | 一种基于视觉技术标定的产品检测和溯源方法及系统 | |
CN115753791A (zh) | 基于机器视觉的缺陷检测方法、装置以及系统 | |
CN112036393A (zh) | 一种基于页岩气田生产单指针仪表读数的识别方法 | |
CN110533698A (zh) | 一种基于视觉检测的基坑施工桩检测控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |