CN107292309B - 一种无色差刻印字符识别方法 - Google Patents
一种无色差刻印字符识别方法 Download PDFInfo
- Publication number
- CN107292309B CN107292309B CN201710437740.5A CN201710437740A CN107292309B CN 107292309 B CN107292309 B CN 107292309B CN 201710437740 A CN201710437740 A CN 201710437740A CN 107292309 B CN107292309 B CN 107292309B
- Authority
- CN
- China
- Prior art keywords
- character
- plane
- cloud data
- light
- point
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
Abstract
本发明涉及一种无色差刻印字符识别方法,其特征在于具体的识别步骤如下:步骤1:使用线结构光3D传感器对立体字符进行点云数据扫描;步骤2:应用总体最小二乘法构建初始点云数据的平面方程。步骤3:利用步骤2拟合出的平面方程切割整体点云数据,将点云数据中低于该平面0.3毫米以下的点判定为带有字符深度信息的点,这些点进行保留。步骤4:从该平面的法线方向显示剩余的点云,即可得到字符的图像。其利用刻印字符的深度信息,通过线结构光传感器采集字符深度图像信息,结合总体最小二乘平面拟合,完成对图像中字符信息提取的方法,即基于总体最小二乘法的无色差立体字符的点云处理方法。
Description
技术领域
本发明涉及一种无色差刻印字符识别方法,用于工业产品标识的识别领域。
背景技术
机械加工工件表面通常都有通过冲头或激光加工出的数字及英文字母。这些数字或英文字母用于标识工件的生产日期、生产批次、零件名称、零件号以及操作员等信息,是生产组织及管理、产品质量监控和产品物流跟踪及售后追溯的重要媒介。
通过冲头或激光在工件表面加工出的字符,与工件表面上的喷涂、印刷字符或粘贴纸质标签相比,是刻印在工件表面上的。这种刻印在工件表面的字符具有一定的深度信息,是空间立体字符,具有耐污损及耐划伤的特点,能够适应高温、清洗及高速旋转等各种恶劣的工业环境及产品工作状况,具有表面喷涂、印刷字符或粘贴纸质标签不可比拟的环境稳定性优势,目前已被广泛的应用到各种工业产品之上。
工件表面上的刻印字符与工件表面背景没有色差,应用传统的光学字符识别方法对其进行识别,字符识别的正确率较低,无法应用在工业生产中。
发明内容
本发明的目的在于提供一种无色差刻印字符识别方法,其利用刻印字符的深度信息,通过线结构光传感器采集字符深度图像信息,结合总体最小二乘平面拟合,完成对图像中字符信息提取的方法,即基于总体最小二乘法的无色差立体字符的点云处理方法。
本发明的技术方案是这样实现的:一种无色差刻印字符识别方法,其特征在于具体的识别步骤如下:
步骤1:使用线结构光3D传感器对立体字符进行点云数据扫描。将线激光器发出的结构光垂直投射到刻印字符区域表面,由于刻印字符在工件表面形成不同的深度信息,结构光光线的形状在字符深度变化区域会发生变形;CCD摄像机在与激光器成30°~ 40°的角度位置上拍摄结构光光线的形状,并根据预先标定的激光器与摄像机的几何位置关系来计算结构光光线的三维坐标值,这些三维坐标值在激光平面上的投影即为该光线处刻印字符横截面轮廓;通过将激光器发出的线结构光从上到下或从左到右扫描整个被测字符区域,就可以得到初始的包含所有被测立体字符信息的点云数据。
步骤2:应用总体最小二乘法构建初始点云数据的平面方程。由于通过冲头加工的字符与字符所在的平面在深度方向有一定的距离(一般为0.5毫米),构建平面方程时,字符的深度信息影响了被加工平面正确的建立,所以应该剔除。剔除点云中字符所在的数据点,重新构建平面方程。
步骤3:利用步骤2拟合出的平面方程切割整体点云数据,将点云数据中低于该平面0.3毫米以下的点判定为带有字符深度信息的点,这些点进行保留。
步骤4:从该平面的法线方向显示剩余的点云,即可得到字符的图像。
本发明的积极效果是其根据刻印字符与背景无色差、具有深度信息的特点,通过线结构光传感器采集包含字符深度图像信息的点云数据,结合总体最小二乘平面拟合方法,将字符信息在点云数据中分离,在字符点云深度数据中提取字符的轮廓信息,即基于总体最小二乘法的无色差立体字符的点云处理方法。本发明考虑到整个系统观测向量误差与系数矩阵误差,可获得相对更加准确的平面参数,从而能够提取出精确的字符信息。并利用点云数据标准差,将异常点剔除,从而获取稳健的平面参数。本发明解决无色差刻印字符高质量数据采集及数据处理问题。
附图说明
图1为本发明的总体最小二乘法平面拟合方法的流程图。
图2为刻印字符的样本。
图3为字符的原始点云信息图。
图4为字符信息图。
具体实施方式
下面以列车轮对轴端刻印的字符的实施为例来对本发明做进一步的描述:如图1所示为本发明方法的流程图。流程图中描述了从获取点云开始直至字符输出的点云数据处理的步骤。
列车轮对轴端刻印的字符信息如图2所示。刻印字符与印刷字符等传统的工业字符相比,是空间立体字符,字符与背景没有色差,无法直接应用传统的光学字符识别方法对其进行识别。因此,本发明利用刻印在轮对轴端上字符的深度信息,通过线结构光传感器采集轴端刻印字符的深度图像信息。
图像采集系统包含结构光传感器和数据采集卡两部分。结构光传感器由AT相机和线激光器组成。将线激光器发出的结构光垂直投射到轮对轴端刻印字符区域表面,由于刻印字符在轮对轴端表面上形成不同的深度信息,线激光器发出的直线形状的结构光光线在字符深度变化区域会发生形状变化。CCD摄像机在与激光器成30°~ 40°的角度位置上拍摄结构光光线的形状变化,并根据预先标定的激光器与CCD摄像机的几何位置关系来计算结构光光线的三维坐标值,这些三维坐标值在激光平面上的投影即为该光线处刻印字符横截面轮廓。通过将激光器发出的线结构光从上到下或从左到右扫描整个被测字符区域,就可以得到初始的包含所有被测立体字符信息的点云数据,得到的点云数据如图3所示。
步骤2:应用总体最小二乘法构建初始点云数据的平面方程。由于机械加工的字符与被加工平面在深度方向有一定的距离,通常是0.5毫米左右。在构建平面方程时,字符的深度信息影响了被加工平面正确的建立,所以应该剔除。剔除点云中字符所在的数据点,重新应用总体最小二乘法构建平面方程。
总体最小二乘法是根据最小二乘法演变而来的一种较为先进的算法。与传统的最小二乘法相比,总体最小二乘法优势在于可以同时减少系数矩阵与观测值的随机误差对计算结果的影响,数据模型中系数矩阵的元素不是常数而是由观测值或其他计算结果组成的情况下,系数矩阵一定包含测量误差,此种情况应用总体最小二乘法求解会得到比最小二乘法更加准确的结果。
总体最小二乘法的推导公式如下:
设待拟合的三维空间平面方程的公式(1)为:
式(1)中,a,b,c为待拟合平面的参数值。
把式(1)转换成矩阵形式(2):
式(2)中,
假设当系数矩阵与观测值都含有误差,变量含误差的数学模型(3)为:
式(3)中,Z为观测向量,A为系数矩阵。设和分别是观测值测量误差和系数矩阵的测量误差,并且二者服从正态分布且相互独立,具有相同的方差并且均值为0。设定矩阵A的秩, 是维度的观测值向量,其中是维度的系数矩阵,并且是维度的待估参数。
同时考虑到观测值测量误差和系数矩阵的测量误差总体最小二乘法的公式(4)为:
式(6-8)中,min函数为求取最小值,表示范数;为维度的增广矩阵。
假设一个矩阵M维度为,则其范数公式(5)为:
式(5)中,为矩阵M中第i行第j列的值,为矩阵的求迹运算符号,为矩阵M的转置。
将公式(5)所述增广矩阵进行奇异值分解可得(6):
在式(6)中,其中并且为的转置矩阵。其中,其中,且。所以,当且的情况下,系数矩阵与观测值的总体最小二乘估计公式(7)表达为:
在式(6-11)中,分别为各自矩阵的估计值。其中。
向量作为的零空间,即待求参数的总体最小二乘估计可通过奇异值分解法求出,如公式(8)所示:
为矩阵的估计值。设定系数矩阵及观测值得改正数为公式(9):
由于是的最小特征值的特征向量,所以可得出公式(10):
…………(10)
由公式(10)可推导出公式(11):
为的转置矩阵,为单位矩阵。当且的情况下,为正定矩阵,所以待求参数的总体最小二乘法估计见公式(12)为:
在不同的测量系统中,三维线结构光的测量误差表达方式也不相同。一般来说,在三维线结构光测量系统中,主要的误差来源基于几个方面:测量系统的机械结构误差、图像数据传感器参数设定误差、摄像机的镜头参数设定误差以及被测元素的特征的影响及提取的算法带来的误差。在使用线结构光传感器对列车轮对字符进行扫描时,由于上述各种因素影响,必然使得获取的点云数据存在测量误差甚至存在异常点。并且刻印字符具有一定的深度,字符表面轮廓均在轮对端面平面之下。在首次应用总体最小二乘法拟合平面时,各种测量误差、异常点及刻印字符都参与了计算。因此为了提高平面拟合的精度,应去除三维点云数据中的测量异常点及对应的刻印字符信息的表面轮廓点,以获取精确的拟合平面参数a、b、c的估计值。其中具体的流程如下:
首先,应用总体最小二乘法拟合初始的平面参数a、b、c估计值。
然后,根据初始的a、b、c值采用公式(13):
计算点云数据中每个数据点距离的标准差,其中。当的情况下,该点被认为是异常点,并予以删除,反之则保留。最后,应用总体最小二乘法在保留下来的点云数据中重新拟合平面,并重新计算待估参数a、b、c,则可获得相对更加准确的平面参数。
步骤3:利用步骤2拟合出的平面方程切割整体点云数据,将点云数据中低于该平面0.3毫米以下的点判定为带有字符深度信息的点,这些点进行保留。
步骤4:从该平面的法线方向显示剩余的点云,即可得到字符的图像如图4所示。
Claims (1)
1.一种无色差刻印字符识别方法,其特征在于具体的识别步骤如下:
步骤1:使用线结构光3D传感器对立体字符进行点云数据扫描,将线激光器发出的结构光垂直投射到刻印字符区域表面,由于刻印字符在工件表面形成不同的深度信息,结构光光线的形状在字符深度变化区域会发生变形;CCD摄像机在与激光器成30°~ 40°的角度位置上拍摄结构光光线的形状,并根据预先标定的激光器与摄像机的几何位置关系来计算结构光光线的三维坐标值,这些三维坐标值在激光平面上的投影即为该光线处刻印字符横截面轮廓;通过将激光器发出的线结构光从上到下或从左到右扫描整个被测字符区域,就可以得到初始的包含所有被测立体字符信息的点云数据;
步骤2:应用总体最小二乘法构建初始点云数据的平面方程,由于通过冲头加工的字符与字符所在的平面在深度方向有一定的距离为0.5毫米,构建平面方程时,字符的深度信息影响了被加工平面正确的建立,所以应该剔除,剔除点云中字符所在的数据点,重新构建平面方程;
步骤3:利用步骤2拟合出的新构建平面来切割整体点云数据,将点云数据中低于新构建平面0.3毫米的点判定为带有字符深度信息的点,这些点进行保留;
步骤4:从该平面的法线方向显示剩余的点云,即可得到字符的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710437740.5A CN107292309B (zh) | 2017-06-12 | 2017-06-12 | 一种无色差刻印字符识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710437740.5A CN107292309B (zh) | 2017-06-12 | 2017-06-12 | 一种无色差刻印字符识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292309A CN107292309A (zh) | 2017-10-24 |
CN107292309B true CN107292309B (zh) | 2018-05-22 |
Family
ID=60096426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710437740.5A Expired - Fee Related CN107292309B (zh) | 2017-06-12 | 2017-06-12 | 一种无色差刻印字符识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292309B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109753963A (zh) * | 2019-02-22 | 2019-05-14 | 山东大学 | 一种基于线结构光的轮胎标识自动识别系统及其工作方法 |
CN110210496A (zh) * | 2019-05-24 | 2019-09-06 | 武汉理工大学 | 一种工况条件下钢轨压印字符提取装置及方法 |
CN110375644A (zh) * | 2019-07-04 | 2019-10-25 | 成都绝影智能科技有限公司 | 一种便携式打刻字符深度的检测装置和检测方法 |
CN110375645B (zh) * | 2019-07-04 | 2021-09-28 | 成都绝影智能科技有限公司 | 一种字符尺寸检测的方法和装置 |
CN113610083B (zh) * | 2021-08-13 | 2023-07-25 | 天津大学 | 车辆vin码的字符识别和字符打刻深度检测系统及检测方法 |
WO2023097600A1 (zh) * | 2021-12-02 | 2023-06-08 | 苏州惟信易量智能科技有限公司 | 三维字符的识别方法以及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105021124A (zh) * | 2015-04-16 | 2015-11-04 | 华南农业大学 | 一种基于深度图的平面零件三维位置和法向量计算方法 |
-
2017
- 2017-06-12 CN CN201710437740.5A patent/CN107292309B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105021124A (zh) * | 2015-04-16 | 2015-11-04 | 华南农业大学 | 一种基于深度图的平面零件三维位置和法向量计算方法 |
Non-Patent Citations (2)
Title |
---|
Novel method for structured light system calibration;Song Zhang等;《Optical Engineering》;20060831;第45卷(第8期);全文 * |
基于线结构光的三维坐标测量技术研究;宋大虎等;《计算机工程》;20121130;第38卷(第22期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107292309A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292309B (zh) | 一种无色差刻印字符识别方法 | |
CN105538345B (zh) | 一种基于多镜头的智能机械手及定位装配方法 | |
CN109034017B (zh) | 头部姿态估计方法及机器可读存储介质 | |
CN109579695B (zh) | 一种基于异构立体视觉的零件测量方法 | |
CN107481284A (zh) | 目标物跟踪轨迹精度测量的方法、装置、终端及系统 | |
JP7037876B2 (ja) | 自動工業検査における3dビジョンの使用 | |
JP6912215B2 (ja) | 対象物の姿勢等を検出する検出方法、検出プログラム | |
CN105444696B (zh) | 一种基于透视投影直线测量模型的双目匹配方法及其应用 | |
JP2020161129A (ja) | ビジョンシステムにおいてカラー画像と対照してカラーの候補ポーズをスコアリングするためのシステム及び方法 | |
CN104748683A (zh) | 一种数控机床工件在线自动测量装置及测量方法 | |
Ganguly et al. | 3D face recognition from range images based on curvature analysis | |
CN109916308A (zh) | 一种鞋底的信息采集方法及其系统 | |
CN109632825A (zh) | 一种钢卷表面异常突起的自动检测方法 | |
CN112329726A (zh) | 人脸识别方法及装置 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
Chen et al. | Binocular visual dimension measurement method for rectangular workpiece with a precise stereoscopic matching algorithm | |
CN110992416A (zh) | 基于双目视觉与cad模型的高反光面金属零件位姿测量方法 | |
CN116909208B (zh) | 基于人工智能的壳体加工路径优化方法及系统 | |
CN113155057A (zh) | 一种使用非特制靶标的线结构光平面标定方法 | |
CN113221953A (zh) | 基于实例分割和双目深度估计的目标姿态识别系统与方法 | |
CN117152727A (zh) | 一种用于巡检机器人的指针式仪表自动读数方法 | |
CN108682035B (zh) | 一种单步光刀系统激光空间平面方程计算方法 | |
CN114963981B (zh) | 一种基于单目视觉的筒状零件对接非接触式测量方法 | |
CN113063804B (zh) | 一种基于图像处理的热切机视觉系统自动定位方法 | |
CN205607332U (zh) | 基于机器视觉的桥式起重机桥架跨度测量装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180522 Termination date: 20190612 |
|
CF01 | Termination of patent right due to non-payment of annual fee |