CN106989672A - 一种基于机器视觉的工件测量方法 - Google Patents
一种基于机器视觉的工件测量方法 Download PDFInfo
- Publication number
- CN106989672A CN106989672A CN201710248076.XA CN201710248076A CN106989672A CN 106989672 A CN106989672 A CN 106989672A CN 201710248076 A CN201710248076 A CN 201710248076A CN 106989672 A CN106989672 A CN 106989672A
- Authority
- CN
- China
- Prior art keywords
- image
- workpiece
- formula
- value
- measurement
- 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
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- 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
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的工件测量方法,首先,对工件图像进行采集,并显示与存储;然后采用中值滤波法对采集到的工件图像进行滤波处理,而后采用类间方差法进行二值化处理;最终,对二值化处理后的图像中的工件进行尺寸测量,主要包括:将图像旋转至与竖直方向一致,然后,自动或手动测量长宽,自动测量圆或圆弧。本发明测量方法可以实时监视工件生产线的加工情况并随时存储图像,同时能对工件的尺寸进行在线测量,为后续的进一步加工处理提供数据支持。本发明能够显著提高尺寸检测精度和工件的加工速度,有利于企业降低生产成本、提升生产效率,为实现智能生产、智能制造奠定了基础。
Description
技术领域
本发明涉及一种基于机器视觉的工件测量系统,适用于各种工件加工场的尺寸测量场合,属于分析及测量控制技术领域。
背景技术
现阶段在我国大多数机械加工企业的加工生产流水线上,产品尺寸的测量仍然采用传统的人工随机抽样的方法,这种传统的手工测量方法对操作人员的依赖性强,操作者劳动强度大,而且测量效率低、准确度不高、随机性大,产品质量得不到有效保障,还可能产生很多人为误差,这样就难以满足大批量、高精度、高效率的产品检测要求。
随着现代制造业的快速发展,迫切需要改进测量方法。研究低成本、高精度、高效率的零件尺寸自动检测系统,对提高我国机械装备制造业的技术水平具有重大意义。
发明内容
本发明的目的在于建立一种基于机器视觉的工件测量方法,该方法可以实时监视工件生产线的加工情况并随时存储图像,同时能对工件的尺寸进行在线测量,为后续的进一步加工处理提供数据支持。本发明能够显著提高尺寸检测精度和工件的加工速度,有利于企业降低生产成本、提升生产效率,实现智能生产、智能制造。
为了解决上述技术问题,本发明提出的一种基于机器视觉的工件测量方法,包括以下步骤:
步骤一、对工件图像的采集、显示与存储;
步骤二、对步骤一采集到的工件图像进行滤波、二值化预处理:
2-1)采用中值滤波对步骤一采集到的工件图像进行滤波处理,
式(1)中,f(s,t)为原始图像的灰度值,S为设定的滤波模板,i为滤波处理后的图像A的灰度值;
2-2)利用类间方差法对图像A进行二值化处理,
式(2)中:
式(3)、式(4)和式(5)中:
式(3)-式(6)中:当式(2)的结果为最大时,其中的k值是被选做阈值的灰度值,h(i)代表图像A中每个灰度值的像素数,N代表图像A中灰度值的总数;
步骤三、对二值化处理后的图像B中的工件进行尺寸测量,包括:
3-1)旋转图像:在图像B中,选定一条与工件上某一轮廓线平行、且与垂直方向的夹角<45°的直线作为参考线,并得到这条参考线的斜率,进而将斜率转换为对应的角度;如果该角度为正,则将图像B顺时针旋转;如果该角度为负,则将图像B逆时针旋转,将图像B旋转至所述参考线与竖直方向一致得到旋转后的图像C;
3-2)测量,包括以下情形中的一种或多种:
自动测量长宽,使用一矩形检测框在图像C中选取待测区域,从矩形检测框的左侧至矩形检测框的右侧按垂直方向检测该检测框内所有像素的值,第一个非零像素的水平坐标X0和最后一个非零像素的水平坐标X1差值的绝对值即为待测形状的长度;再从矩形检测框的上侧至矩形检测框的下侧按水平方向检测该检测框内所有像素的值,第一个非零像素的垂直坐标Y0和最后一个非零像素的垂直坐标Y1差值的绝对值即为待测形状的宽度;
手动测量距离,在图像C中确定待测距离的两个端点,得到该两个端点的坐标值,进而得到该距离;
测量圆或圆弧,使用一扇环检测框在图像C中选取待测圆或圆弧,沿径向自外向里检测该检测框内所有像素的值,得到每次检测的第一个非零像素,将检测到的所有第一个非零像素点拟合成圆弧,即得到待测圆或圆弧的半径和圆心。
与现有技术相比,本发明的有益效果是:
本发明提出采用机器视觉技术自动检测工件尺寸,将机器视觉引入工业检测中,实现对物体尺寸或相对位置的快速测量,具有实时性高、非接触、精度高、误差小等特点。基于机器视觉的工件尺寸自动测量系统,可以从根本上解决人工测量效率低、精度低等问题,不仅省时省力,而且还能对这些指标进行定量描述,同时也能实现生产的连续性和提高生产的自动化程度,具有人工检测所无法比拟的优越性。
附图说明
图1是本发明一种基于机器视觉的工件测量方法流程框图;
图2是本发明中工件图像采集、显示和存储的流程框图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步详细描述,所描述的具体实施例仅对本发明进行解释说明,并不用以限制本发明。
如图1所示,本发明提出的一种基于机器视觉的工件测量方法,包括以下步骤:
步骤一、对工件图像的采集、显示与存储;如图2所示,首先在内存中为图像分配内存并初始化摄像头,然后取出摄像头缓存中的图像并显示。为了达到动态显示的效果,为整个程序添加了一个While循环,使其能够不断循环从摄像头缓存采集图像并显示的过程,达到连续动态显示的效果。与此同时,在循环中引入等待。这样做是为了能够根据控制画面每秒钟显示的帧数,同时也能大大减少计算机的CPU和内存占用。循环中还包括时间显示和图像存储功能,使用户能够随时了解当前的系统时间,并且能够在硬盘的指定位置存储当前图像。采用本发明中的图像采集方法,不但可以实时采集工件图像,而且还可以实时监控生产的画面。
步骤二、对步骤一采集到的工件图像进行滤波、二值化预处理。
与传统滤波器的概念类似,图像滤波器可以在保留图像内主要信息的条件下尽可能多地去除图像内的干扰噪声,工业生产线上的产品表面往往存在一些细小的纹理或污点,而且待处理的数字图像是由数字摄像机或摄像头采集的,在环境光不足时,图像上的噪点也会明显增多。这些像素点降低了图像质量,扰乱了图像内的有效信息,对图像识别与尺寸测量等后续工作的运行有极大的影响。因此,对图像进行滤波是图像在预处理过程中不可或缺的一个环节,能够大大提高图像在后期处理和分析时的效率和准确性。由于本发明的目的是对图像进行尺寸测量,所以所选的滤波器应满足两点要求:一是能够尽可能多地抑制图像主体和背景中的纹理、斑点等噪声,二是能够有效地保留工件的形状、大小等几何特征。
对图片分别用线性滤波,中值滤波,自适应滤波等滤波方法进行分析。通过多组实验结果比较可知,线性滤波在去除噪声的同时会使图像变得模糊,使边界信息减弱,并且模板的尺寸越大图像模糊程度越大。中值滤波是一种非线性的图像滤波方法。与线性滤波器不同,中值滤波器处理后的图像边缘受模板大小变化影响不大,同时去噪效果较好,且对于消除孤立点和线段的干扰十分有效。中值滤波的优点在于除去图像噪声的同时,还能够保护图像的边缘信息。
因此,本发明测量方法中对原始图像的滤波处理采用中值滤波处理,其基本原理是把滤波模板在图像区域内滑动,将滤波模板中像素按灰度等级依次排序,取中间值作为当前像素的灰度值,采用中值滤波对步骤一采集到的工件图像进行滤波处理,
式(1)中,f(s,t)为原始图像的灰度值,S为设定的滤波模板,i为滤波处理后的图像A的灰度值。
对图像A进行二值化处理。
二值化算法有双峰法、熵权法、迭代法、力矩法和类间方差法等。这些算法计算阈值的方式各有不同,对于同一副图片,不同的算法最终得到的阈值也会不同。因此,应根据图像的特点来选择最适合的算法。对图片分别使用以上阈值算法处理对比后发现,类间方差法保留了图像中物体的完整轮廓,符合本发明处理图像的要求,效果相对最好。类间方差法又叫大津法,简称OTSU法,是日本学者大津展之(Nobuyuki Otsu)于1979年提出的。类间方差法是一种自适应的二值化算法,在前景和目标之间的类间方差最大时得到阈值。此时前景和背景之间的差别最大,也就意味着错误划分二者的概率最小。类间方差法是最常用的二值化算法之一。因此,本发明测量方法中选用类间方差法对图像进行二值化处理。
二值化的阈值是像素值k在下列表达式最大时
式(2)中:
式(3)、式(4)和式(5)中:
式(3)-式(6)中:当式(2)的结果为最大时,其中的k值是被选做阈值的灰度值,h(i)代表图像A中每个灰度值的像素数,N代表图像A中灰度值的总数,本发明实施例中采用的是8位图像,其N=256。
步骤三、对图像中的工件进行尺寸测量。
为了实现把二值化后的图像B进行尺寸测量的目的,这一部分主要分两步:首先是把图像旋转到合适的角度,将图像转正之后将大大方便测量工作的进行。然后进入正式的图像测量过程。本发明设置了两种尺寸测量类型:一是距离(长宽)测量,适合测量直线部分的尺寸,二是圆(弧)测量,适合测量圆、弧等形状的尺寸。具体过程如下:
3-1)旋转图像:
设计思路是,首先在图像中得到一条垂直方向的参考线,该参考线可以通过自动识别图像中的边界得到,也可以手动设置。进一步得到这条线的两个端点的坐标值,将两点的水平坐标和垂直坐标分别相减后再相除,得到这条线的斜率。使用反正切函数得到斜率对应的弧度值,再将弧度转换为角度。接下来需要判断旋转的方向:如果该角度为正,则说明图像需要顺时针旋转,因此将该角度减去90°得到旋转角;如果该角度为负,则说明图像需要逆时针旋转,因此将该角度加上90°得到旋转角。再根据该旋转角旋转图像,即可将图像旋转至参考线竖直的方向。
在图像B中,选定一条与工件上某一轮廓线平行、且与垂直方向的夹角<45°的直线作为参考线,并得到这条参考线的斜率,进而将斜率转换为对应的角度;如果该角度为正,则将图像B顺时针旋转;如果该角度为负,则将图像B逆时针旋转,将图像B旋转至所述参考线与竖直方向一致得到旋转后的图像C;
3-2)工件的测量。
(1)测量长宽,本发明中设置了两种测量方式:第一种是自动测量形状的长宽,第二种是手动测量两点间的距离。
自动测量长宽,使用一矩形检测框在图像C中选取待测区域,从矩形检测框的左侧至矩形检测框的右侧按垂直方向检测该检测框内所有像素的值,第一个非零像素的水平坐标X0和最后一个非零像素的水平坐标X1差值的绝对值即为待测形状的长度;自动测量宽度的原理与之类似。
手动测量距离,在图像C中确定待测距离的两个端点,得到该两个端点的坐标值,进而使用勾股定理就能够很容易地得到两点间的距离。
(2)测量圆或圆弧,使用一扇环检测框在图像C中选取待测圆或圆弧,沿径向自外向里检测该检测框内所有像素的值,得到每次检测的第一个非零像素,将检测到的所有第一个非零像素点拟合成圆弧,即得到待测圆或圆弧的半径和圆心。
尽管上面结合附图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以做出很多变形,这些均属于本发明的保护之内。
Claims (1)
1.一种基于机器视觉的工件测量方法,其特征在于,包括以下步骤:
步骤一、对工件图像的采集、显示与存储;
步骤二、对步骤一采集到的工件图像进行滤波、二值化预处理:
2-1)采用中值滤波对步骤一采集到的工件图像进行滤波处理,
式(1)中,f(s,t)为原始图像的灰度值,S为设定的滤波模板,i为滤波处理后的图像A的灰度值;
2-2)利用类间方差法对图像A进行二值化处理,
式(2)中:
式(3)、式(4)和式(5)中:
式(3)-式(6)中:当式(2)的结果为最大时,其中的k值是被选做阈值的灰度值,h(i)代表图像A中每个灰度值的像素数,N代表图像A中灰度值的总数;
步骤三、对二值化处理后的图像B中的工件进行尺寸测量,包括:
3-1)旋转图像:在图像B中,选定一条与工件上某一轮廓线平行、且与垂直方向的夹角<45°的直线作为参考线,并得到这条参考线的斜率,进而将斜率转换为对应的角度;如果该角度为正,则将图像B顺时针旋转;如果该角度为负,则将图像B逆时针旋转,将图像B旋转至所述参考线与竖直方向一致得到旋转后的图像C;
3-2)测量,包括以下情形中的一种或多种:
自动测量长宽,使用一矩形检测框在图像C中选取待测区域,从矩形检测框的左侧至矩形检测框的右侧按垂直方向检测该检测框内所有像素的值,第一个非零像素的水平坐标X0和最后一个非零像素的水平坐标X1差值的绝对值即为待测形状的长度;再从矩形检测框的上侧至矩形检测框的下侧按水平方向检测该检测框内所有像素的值,第一个非零像素的垂直坐标Y0和最后一个非零像素的垂直坐标Y1差值的绝对值即为待测形状的宽度;
手动测量距离,在图像C中确定待测距离的两个端点,得到该两个端点的坐标值,进而得到该距离;
测量圆或圆弧,使用一扇环检测框在图像C中选取待测圆或圆弧,沿径向自外向里检测该检测框内所有像素的值,得到每次检测的第一个非零像素,将检测到的所有第一个非零像素点拟合成圆弧,即得到待测圆或圆弧的半径和圆心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248076.XA CN106989672A (zh) | 2017-04-17 | 2017-04-17 | 一种基于机器视觉的工件测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248076.XA CN106989672A (zh) | 2017-04-17 | 2017-04-17 | 一种基于机器视觉的工件测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106989672A true CN106989672A (zh) | 2017-07-28 |
Family
ID=59415577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710248076.XA Pending CN106989672A (zh) | 2017-04-17 | 2017-04-17 | 一种基于机器视觉的工件测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106989672A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035333A (zh) * | 2018-06-14 | 2018-12-18 | 同济大学 | 轴对称图形的偏转角度识别的单目机器视觉方法 |
CN111047588A (zh) * | 2019-12-26 | 2020-04-21 | 电子科技大学 | 一种轴型小零件尺寸的图像化测量方法 |
CN113091980A (zh) * | 2021-03-03 | 2021-07-09 | 广州瑞通生物科技有限公司 | 一种用于测量弓丝转矩的测量方法及测量工具 |
CN116152211A (zh) * | 2023-02-28 | 2023-05-23 | 哈尔滨市科佳通用机电股份有限公司 | 一种闸瓦磨耗超限故障的识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11339040A (ja) * | 1998-05-26 | 1999-12-10 | Sharp Corp | マクロ検査方法 |
CN101839693A (zh) * | 2010-04-12 | 2010-09-22 | 东莞市嘉腾仪器仪表有限公司 | 一种自动影像测量系统 |
CN102425989A (zh) * | 2011-08-22 | 2012-04-25 | 天津大学 | 基于图像检测的二维特征尺寸测量方法 |
CN103292701A (zh) * | 2013-06-24 | 2013-09-11 | 哈尔滨工业大学 | 基于机器视觉的精密器件在线尺寸测量方法 |
CN104598228A (zh) * | 2015-01-05 | 2015-05-06 | 深圳市金立通信设备有限公司 | 一种物体尺寸的测量方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN105278673A (zh) * | 2014-06-02 | 2016-01-27 | 特莎有限公司 | 用于辅助操作者测量物体的部分的方法 |
CN105865344A (zh) * | 2016-06-13 | 2016-08-17 | 长春工业大学 | 一种基于机器视觉的工件尺寸测量方法和装置 |
CN106323184A (zh) * | 2016-11-15 | 2017-01-11 | 中国核动力研究设计院 | 一种滑移汽泡直径三维动态测量方法 |
-
2017
- 2017-04-17 CN CN201710248076.XA patent/CN106989672A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11339040A (ja) * | 1998-05-26 | 1999-12-10 | Sharp Corp | マクロ検査方法 |
CN101839693A (zh) * | 2010-04-12 | 2010-09-22 | 东莞市嘉腾仪器仪表有限公司 | 一种自动影像测量系统 |
CN102425989A (zh) * | 2011-08-22 | 2012-04-25 | 天津大学 | 基于图像检测的二维特征尺寸测量方法 |
CN103292701A (zh) * | 2013-06-24 | 2013-09-11 | 哈尔滨工业大学 | 基于机器视觉的精密器件在线尺寸测量方法 |
CN105278673A (zh) * | 2014-06-02 | 2016-01-27 | 特莎有限公司 | 用于辅助操作者测量物体的部分的方法 |
CN104598228A (zh) * | 2015-01-05 | 2015-05-06 | 深圳市金立通信设备有限公司 | 一种物体尺寸的测量方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN105865344A (zh) * | 2016-06-13 | 2016-08-17 | 长春工业大学 | 一种基于机器视觉的工件尺寸测量方法和装置 |
CN106323184A (zh) * | 2016-11-15 | 2017-01-11 | 中国核动力研究设计院 | 一种滑移汽泡直径三维动态测量方法 |
Non-Patent Citations (1)
Title |
---|
秦志远 等: "《数字图像处理》", 31 January 2004 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035333A (zh) * | 2018-06-14 | 2018-12-18 | 同济大学 | 轴对称图形的偏转角度识别的单目机器视觉方法 |
CN109035333B (zh) * | 2018-06-14 | 2021-04-06 | 同济大学 | 轴对称图形的偏转角度识别的单目机器视觉方法 |
CN111047588A (zh) * | 2019-12-26 | 2020-04-21 | 电子科技大学 | 一种轴型小零件尺寸的图像化测量方法 |
CN113091980A (zh) * | 2021-03-03 | 2021-07-09 | 广州瑞通生物科技有限公司 | 一种用于测量弓丝转矩的测量方法及测量工具 |
CN116152211A (zh) * | 2023-02-28 | 2023-05-23 | 哈尔滨市科佳通用机电股份有限公司 | 一种闸瓦磨耗超限故障的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
CN102779279B (zh) | 搅拌摩擦焊弧形纹间距的图像识别方法 | |
CN106989672A (zh) | 一种基于机器视觉的工件测量方法 | |
CN102496161B (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN107292310A (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
CN112132886A (zh) | 一种航空零件圆孔圆心快速定位及圆度检测方法 | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN112489042A (zh) | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 | |
CN115294527B (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
CN111353981B (zh) | 基于机器视觉的齿轮检测方法、系统及存储介质 | |
CN113781585A (zh) | 一种增材制造零件表面缺陷在线检测方法及系统 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN113393430B (zh) | 用于风机叶片缺陷检测的热成像图像增强训练方法和装置 | |
Chen | Image Edge Detection Algorithm of Machined Parts Based on Mathematical Morphology | |
CN114882009A (zh) | 可适应多种表面状态的疲劳裂纹尖端自动检测方法及系统 | |
Yu et al. | A Machine vision method for non-contact Tool Wear Inspection | |
CN113628155A (zh) | 一种圆盘造球机的生球粒径检测方法及系统 | |
CN110954002A (zh) | 一种光纤直径测量方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170728 |