CN107330881B - 一种用于识别轮毂气门孔的方法 - Google Patents
一种用于识别轮毂气门孔的方法 Download PDFInfo
- Publication number
- CN107330881B CN107330881B CN201710521778.0A CN201710521778A CN107330881B CN 107330881 B CN107330881 B CN 107330881B CN 201710521778 A CN201710521778 A CN 201710521778A CN 107330881 B CN107330881 B CN 107330881B
- Authority
- CN
- China
- Prior art keywords
- valve hole
- hub
- area
- positioning
- candidate
- 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
Images
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于识别轮毂气门孔的方法,其内容是:首先对从生产线上采集的轮毂图片进行预处理,用Hough圆变换定位出轮毂的位置同时获得其圆心和半径信息,结合气门孔在轮毂上的实际位置,设定半径范围,切出一个环形区域,气门孔就在这个以轮毂中心为圆心的环形区域内;设定气门孔的半径范围,在这个环形区域中寻找气门孔候选区域,并对环形区域进行自适应阈值变换,通过对候选区域内低值像素个数的判断来确定候选区域是否为真正的气门孔;最后对比轮毂的直径参数人为设定气门孔直径大小,定位出气门孔。本发明思路清晰、步骤简单,算法运算耗时少,定位精准,符合工业生产的快速性和实时性。
Description
技术领域
本发明属于计算机视觉技术领域,涉及一种用于识别轮毂气门孔的方法,该方法通过对气门孔进行两次定位而确定气门孔的准确位置,第一次定位确定气门孔所在的圆环范围,第二次具体定位出气门孔所在位置。
技术背景
在汽车轮毂的生产过程中,需要提取轮毂的背腔信息,这些信息都是按一定的顺序分布在轮毂的辐条上,要依次得到这些信息就要先确定一个参照位置,由于轮毂是中心对称的,而气门孔正好是这个对称图像中的一个差异点,故以气门孔作为参照最为简单快捷。以气门孔为参照点,通过控制轮毂的旋转角度对轮辐上的数据信息进行采集。
本发明的初衷是从气门孔的特征出发,首先发掘出气门孔相比于周围的轮辐区域有哪些差异特征,经过对多个轮毂的观察发现,气门孔是一个标准的圆形,而且气门孔附近的图像灰度值变化较为剧烈,一般呈现出比其它轮辐区域灰度值低的特征。所以通过结合以上三种特征,就能找出气门孔和周围区域的差别从而定位出气门孔。然而,选用什么样的图像预处理方法才能更好地凸显气门孔区域以便于进行下一步的识别是一个难点,一般常用的预处理方法是图像的滤波去噪以及形态学变换等,但对于此处的气门孔却不能用这些方法,因为相对于轮毂来说气门孔本身就比较小,如果采用图像的平滑处理就会丢失为数不多的边缘细节信息,不利于Hough圆变换进行圆形搜索,所以此处采用自适应阈值法能很好地保留边缘细节。
发现气门孔的以上三个特征虽然不难,但如何凸显这三个特征,以及怎样结合这些特征去定位出气门孔就不容易想到。
发明内容
本发明旨在完成对气门孔的定位。对车轮毂进行身份识别时需要用到轮毂背腔的铸码以及打码信息,这些信息都被标注在轮毂的轮辐上,中信戴卡车轮背腔信息标识有五种,它们分别是:GM、CHINA、T-DOT、年月和Dicastal,对于不同的轮毂,这五种信息出现的先后顺序是没有规律的。为了轮毂识别的快捷性,在建立轮毂信息库时,就需要针对不同轮毂分别记录以上五种信息出现的先后顺序,以及每两种信息间隔的距离。而要查找先后顺序和间隔就需要先规定一个基准点,根据轮毂的实际特征要求,以气门孔为基准点具有简单快捷的优点,故气门孔定位是识别轮毂背腔信息的第一步。
为了解决上述存在的技术问题,本发明采用下述技术方案:首先对从生产线上采集的轮毂图片进行预处理,用Hough圆变换定位出轮毂的位置同时获得其圆心和半径信息,结合气门孔在轮毂上的实际位置,设定半径范围,切出一个环形区域,气门孔就在这个以轮毂中心为圆心的环形区域内;设定气门孔的半径范围,在这个环形区域中寻找气门孔候选区域,并对环形区域进行自适应阈值变换,通过对候选区域内低值像素个数的判断来确定候选区域是否为真正的气门孔;最后对比轮毂的直径参数人为设定气门孔直径大小,定位出气门孔。
一种用于识别轮毂气门孔的方法,该方法内容包括以下步骤:
(1)定位轮毂所在位置
首先对从生产线上采集的轮毂图片进行预处理,采用Hough圆变换方法确定轮毂所在的大圆区域;因为轮毂是一个圆形结构,而且在工业相机取景中占据相当大的比例,所以可以先确定轮毂所在的大圆区域。
(2)气门孔粗定位
通过步骤(1)中所确定的轮毂在大圆区域位置的定位,再确定轮毂的圆心O和半径R,合理设置半径范围,切出一个环形区域,从而确定气门孔所在的外环区域;
(3)确定气门孔候选位置
首先对步骤(2)中切出的轮毂环形区域进行自适应阈值变换,用Hough圆变换在上述环形区域中查找气门孔候选位置;
(4)定位出气门孔的精确位置
对气门孔候选区域进行确认,判断候选区域中的低值像素的个数,也即黑色像素点的个数,判断是否满足设定的个数条件;如果不满足,则进行下一次定位候选区域;若满足,则表示成功定位到一个气门孔精确位置。
本发明适用于轮毂生产线等一些环境比较复杂的场景,因为是直接通过Hough圆变换查找圆所在位置,故不需要对背景进行处理,具有抗干扰性强的优点,最后通过低值像素的判断确保了定位气门孔的准确性。
由于采用上述技术方案,本发明提供的一种用于识别轮毂气门孔的方法,与现有技术相比具有这样的有益效果:
①本发明对轮毂生产线等一些环境比较复杂的场景也适用,由于Hough变换输入参数是图像的边缘信息,所以背景图像的变化对气门孔定位的影响可以忽略,具有抗干扰性强的优点;
②生产线上轮毂取景时由于工艺误差和轮毂位置的摆放差别,同一型号轮毂的大圆半径和气门孔半径都不会是一个确定的值,会由于误差的原因而在上下一定范围内浮动,而本发明在查找轮毂大圆和气门孔小圆时,用的是范围半径查找方式,正好克服了半径误差带来的干扰;
③本发明在进行气门孔初次筛选后还要对气门孔候选区域进行低值像素的统计,通过对自适应阈值变换后的气门孔候选区域进行低值像素统计,判断是否满足设定阈值,以此来进行气门孔的二次筛选,保证了定位气门孔的精度,降低了气门孔定位的误识别率;
④本发明思路清晰、步骤简单,算法运算耗时少,定位精准,符合工业生产的快速性和实时性。
附图说明
图1是本发明一种用于识别轮毂气门孔的方法流程图;
图2是气门孔定位步骤;
图3是非极大值抑制的方法原理图;
图4是气门孔误检情况;
图5是气门孔误检后的修正结果;
图6是人为设定气门孔直径示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细说明。
本发明的一种用于识别轮毂气门孔的方法,其流程图如图1所示,该方法的大致步骤如图2所示,其中:图2a是三种待识别轮毂的原图,图2b是三种轮毂经过canny算法之后提取的高频边缘图,图2c是各轮毂气门孔定位的识别结果,详细步骤为:
(步骤1)定位轮毂所在位置
首先对从生产线上采集的轮毂图片进行预处理,采用Hough圆变换方法确定轮毂所在的大圆区域;定位轮毂位置时需要用到Hough圆变换,所述Hough圆变换方法的具体步骤为:
①首先用Canny算法对图片进行边缘检测,确定圆周线;
②求出圆周线的法线,各法线的交点即为待确定的圆心;
③对法线的交点进行累加,累加次数大于设定的阈值则判定为一个圆心;
④得出半径,计算圆心到所有圆周线的距离,圆半径的数量要远大于其它长度相等线段的数量;
⑤对得出的半径进行筛选,使之满足设定的半径范围。
所述用Canny算法对图片进行边缘检测,确定圆周线,其具体步骤如下:
先用sobel算子计算图片的梯度方向以及获得大致边缘图。sobel算子由两组3x3的矩阵组成:
(1)式方括号中是横向算子,(2)式方括号中是纵向算子,将两个算子分别与原图作卷积运算得到Gx和Gy,其中A表示原始图像,Gx及Gy分别表示经横向及纵向边缘检测的图像。则梯度的幅值G可以表示为梯度方向θ表示为
然后用非极大值抑制方法对上述的sobel边缘进行进一步细化,其原理如图3所示,图中黑色方框代表图像中的像素点,像素点的方向为边缘的梯度方向,比如先将像素I(i-1)作为极大值候选,将它和左右邻像素值对比,假设I(i)为局部极大值,则I(i)>I(i-1),I(i-1)不是极大值则置零,再将I(i)作为极大值候选,已知I(i)>I(i+1),则将像素I(i+1)置零而不用作为极大值候选像素,直接跳到I(i+2),将像素I(i+2)作为极大值候选。以此来排除非边缘像素,而仅仅保留一些细线作为边缘。接下来用滞后阈值法再次细化上述sobel边缘的边缘线,首先设置两个阈值,一个高阈值和一个低阈值,判断某一像素位置的幅值若高于高阈值,则该像素被保留为边缘像素;若某一像素位置的幅值低于低阈值则被排除;若某一像素位置的幅值在两个阈值之间,只有当它连接到一个高于高阈值的像素时才被保留。
(步骤2)气门孔粗定位
通过上述步骤1中所确定的轮毂在大圆区域位置的定位,再确定轮毂的圆心O和半径R,合理设置半径范围,切出一个环形区域,从而确定气门孔所在的外环区域。经过对多个轮毂气门孔位置的观察,本发明把气门孔的位置限定在12R/16到15R/16的轮毂外环内。
(3)确定气门孔候选位置
对上述步骤2中切出的轮毂环形区域进行自适应阈值变换,用Hough圆变换在上述环形区域中查找气门孔候选位置;由于已经把目标图像的范围限定在环形区域,所以在进行气门孔定位的时候就不会把轮毂中间的螺丝孔搜索到,这样可以排除轮毂中心孔洞的影响,提高气门孔定位的精确度。气门孔的直径都是在12mm左右,在进行气门孔候选位置确定的时候限定Hough变换的半径参数有利于快速找到候选气门孔。
(4)定位出气门孔精确位置
为防止个别气门孔存在误检的情况,在用Hough圆变换检测出气门孔之后,还要对检测出的气门孔进行确认。本发明采用的确认方法是对圈定的气门孔区域进行低值像素的统计。先检测出气门孔候选区域,如图4a所示,再对截取的气门孔所在的轮毂外环区域进行自适应阈值变换,如图4b所示,然后对图4a中的气门孔候选区域进行确认,统计气门孔候选区域内的低值像素的个数,图4c中的灰色圆环即为气门孔候选区域,统计这个灰色圆环内低值像素的个数,如果小于我们设定的阈值,则排除这个候选区域并进行下一次气门孔查找,直到找到满足低值像素个数的正确气门孔位置,如图5所示。
对于气门孔的直径,因为工业制造上它的大小都是在特定范围内,所以可以人为把它设为轮毂外直径的1/25,以防止气门孔的内孔干扰对气门孔直径检测的影响。如图6所示,图6a为轮毂气门孔原图,图6b是实际检测出的气门孔,图6c是人为设定直径后的气门孔大小。
Claims (1)
1.一种用于识别轮毂气门孔的方法,其特征在于:该方法包括以下几个步骤:
(1)定位轮毂所在位置
首先对从生产线上采集的轮毂图片进行预处理,采用Hough圆变换方法确定轮毂所在的大圆区域;
(2)气门孔粗定位
通过步骤(1)中所确定的轮毂在大圆区域位置的定位,再确定轮毂的圆心O和半径R,合理设置半径范围,切出一个环形区域,从而确定气门孔所在的外环区域;
(3)确定气门孔候选位置
首先对步骤(2)中切出的轮毂环形区域进行自适应阈值变换,用Hough圆变换在上述环形区域中查找气门孔候选位置;
(4)定位出气门孔的精确位置
对气门孔候选区域进行确认,判断候选区域中的低值像素的个数,也即黑色像素点的个数,判断是否满足设定的个数条件;如果不满足,则进行下一次定位候选区域;若满足,则表示成功定位到一个气门孔精确位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710521778.0A CN107330881B (zh) | 2017-06-30 | 2017-06-30 | 一种用于识别轮毂气门孔的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710521778.0A CN107330881B (zh) | 2017-06-30 | 2017-06-30 | 一种用于识别轮毂气门孔的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107330881A CN107330881A (zh) | 2017-11-07 |
CN107330881B true CN107330881B (zh) | 2020-11-06 |
Family
ID=60199348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710521778.0A Active CN107330881B (zh) | 2017-06-30 | 2017-06-30 | 一种用于识别轮毂气门孔的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330881B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288619B (zh) * | 2018-03-14 | 2021-08-03 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置检测方法 |
CN108492293B (zh) * | 2018-03-22 | 2021-11-26 | 东南大学 | 一种基于图像的汽车轮毂钢套检测方法 |
CN109871854B (zh) * | 2019-02-22 | 2023-08-25 | 大连工业大学 | 快速轮毂识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2721428Y (zh) * | 2004-08-10 | 2005-08-31 | 叶俊杰 | 汽车轮胎保险装置 |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5363921B2 (ja) * | 2009-08-31 | 2013-12-11 | 富士重工業株式会社 | 車両用白線認識装置 |
JP6519262B2 (ja) * | 2014-04-10 | 2019-05-29 | 株式会社リコー | 立体物検出装置、立体物検出方法、立体物検出プログラム、及び移動体機器制御システム |
-
2017
- 2017-06-30 CN CN201710521778.0A patent/CN107330881B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2721428Y (zh) * | 2004-08-10 | 2005-08-31 | 叶俊杰 | 汽车轮胎保险装置 |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
Non-Patent Citations (2)
Title |
---|
基于PCA和分段RHT的PCB板圆Mark点定位;刘政等;《重庆理工大学学报(自然科学)》;20170115;第93-99页 * |
基于机器视觉的悬链线上机械手装卸工件的研究;王芳;《中国优秀硕士学位论文全文数据库信息科技辑》;20150115;第33-37页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107330881A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229342B (zh) | 一种海面舰船目标自动检测方法 | |
CN107330881B (zh) | 一种用于识别轮毂气门孔的方法 | |
CN105718872B (zh) | 两侧车道快速定位及检测车辆偏转角度的辅助方法及系统 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN107564006B (zh) | 一种利用Hough变换的圆形目标检测方法 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
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 | |
CN104063691B (zh) | 基于改进的Hough变换的车道线快速检测方法 | |
CN107563301A (zh) | 基于图像处理技术的红灯信号检测方法 | |
CN112528868B (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
CN107766847B (zh) | 一种车道线检测方法及装置 | |
CN102005051A (zh) | 一种边缘检测方法以及相关装置 | |
CN114119603A (zh) | 基于图像处理的快餐盒短射缺陷检测方法 | |
CN110866926A (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN108256385A (zh) | 基于视觉的前方车辆检测方法 | |
CN110288619B (zh) | 基于视觉的太阳花模组表面螺钉孔位置检测方法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN111950559A (zh) | 一种基于径向灰度的指针仪表自动读数方法 | |
CN113012181B (zh) | 一种基于Hough变换的新型类圆形检测方法 | |
CN116883446B (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 | |
CN111126371B (zh) | 一种基于图像处理的粗指针表盘示数读取方法 | |
CN111191659B (zh) | 服装生产系统多形状衣架识别方法 | |
CN106778515B (zh) | 一种法兰轴向漏磁阵列信号自动识别方法 | |
CN110428430B (zh) | 一种区域内的直线定位拟合方法及应用 |
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 |