CN108230386A - 一种汽车管梁测量中的图像处理算法 - Google Patents
一种汽车管梁测量中的图像处理算法 Download PDFInfo
- Publication number
- CN108230386A CN108230386A CN201810012154.0A CN201810012154A CN108230386A CN 108230386 A CN108230386 A CN 108230386A CN 201810012154 A CN201810012154 A CN 201810012154A CN 108230386 A CN108230386 A CN 108230386A
- Authority
- CN
- China
- Prior art keywords
- tube beam
- automobile tube
- vertical direction
- vertical
- line segment
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 title claims abstract description 18
- 238000005259 measurement Methods 0.000 title claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000000877 morphologic effect Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000012152 algorithmic method Methods 0.000 abstract 1
- 238000000691 measurement method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种汽车管梁测量中的图像处理算法,包括如下步骤:步骤一,采用相机拍摄汽车管梁首、末端面的图像;步骤二,通过动态阈值法分割出汽车管梁目标区域;步骤三,形态学滤波去除杂散噪声的影响;步骤四,基于Canny算法拟合出汽车管梁目标区域的边缘,将封闭的边缘分割成线段,并计算出首端面竖直方向的线段到视场中心的加权像素距离,以及与竖直方向的夹角;步骤五,同理计算出末端面竖直方向的线段到视场中心的加权像素距离,以及与竖直方向的夹角;步骤六,根据步骤四和五中得到的结果并结合相机的标定信息求出汽车管梁的长度和平行度。该算法方法简便,具有较好的实时性和精确性,可以极大地提高测量效率。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种汽车管梁测量中的图像处理算法。
背景技术
汽车管梁作为汽车的一种重要部件,其规格和尺寸均要符合一定的标准。由于汽车型号的不同,汽车管梁的尺寸存在差别。对不同的汽车管梁需要通过测量才能确定其质量,传统的测量方式是人工测量。人工测量的劳动强度大、效率低下,而且由于采用接触式的测量方式,容易造成测量设备的损坏。
为了改进汽车管梁的测量方式,人们开始尝试采用图像处理的方法,采用图像处理的方式进行汽车管梁的测量可以避免人工测量的缺点,但是现有的图像处理算法还存在实时性和精确性不高,处理过程比较复杂的缺点。
发明内容
针对现有技术中存在的上述问题,本发明提供了一种汽车管梁测量中的图像处理算法,该算法根据首、末端面的图像并结合相机标定信息求出汽车管梁的长度和平行度,方法简便,具有较好的实时性和精确性,可以极大地提高测量效率。
为此,本发明采用了以下技术方案:
一种汽车管梁测量中的图像处理算法,包括如下步骤:
步骤一,采用相机拍摄汽车管梁首、末端面的图像;
步骤二,通过动态阈值法分割出汽车管梁目标区域(图像中像素值较低点),f表示采集到的汽车管梁图片,f(i,j)表示第i行j列像素值大小;
步骤三,形态学滤波去除杂散噪声的影响;
步骤四,基于Canny算法拟合出汽车管梁目标区域的边缘,将封闭的边缘分割成线段,并计算出首端面竖直方向的线段Sleft到左视场中心的加权像素距离lleft,以及Sleft与竖直方向的夹角αvertical;
步骤五,同理计算出末端面的竖直方向的线段Sright到右视场中心的加权像素距离lright,以及Sright与竖直方向的夹角βvertical;
步骤六,根据步骤四和五中得到的结果并结合相机的标定信息求出汽车管梁的长度L和平行度ψ。
进一步地,步骤二的具体过程如下:
首先,创建一个滤波模板,模板大小为MaskWidth×MaskHeight,其中MaskWidth和MaskHeight均为正奇数,模板对图像f进行卷积,然后除以模板大小,得到新的图像fmean;选取补偿值Toffset,对于满足式f(i,j)≥fmean(i,j)+Toffset的像素点在f中保留,反之舍弃;得到图像fdyn,fdyn中还存在杂散噪声的影响,通过形态学滤波去除噪声,提取出汽车管梁目标区域图片fpipe。
进一步地,步骤六中汽车管梁的长度L的计算公式如下:
其中:T为左、右视场中心间距,Δl为每像素对应的实际长度,Ccenter_left和Ccenter_rightt分别为左右视场的中心点,fobj_left和fobj_right分别表示左右视场中的目标区域。
进一步地,步骤六中汽车管梁的平行度ψ的计算公式如下:
ψ=|αvertical-βvertical|
其中:αvertical是首端面竖直方向的线段Sleft与竖直方向的夹角,βvertical是末端面竖直方向的线段Sright与竖直方向的夹角。
与现有技术相比,本发明的有益效果是:
(1)方法简便,具有较好的实时性和精确性。
(2)提高了测量效率,降低了劳动强度。
(3)通用性较强,维护成本较低。
附图说明
图1是本发明所提供的图像处理算法中汽车管梁首端面图像示意图。
图2是本发明所提供的图像处理算法中汽车管梁末端面图像示意图。
附图标记说明:1、左视场中心;2、汽车管梁;3、右视场中心。
具体实施方式
下面结合附图以及具体实施例来详细说明本发明,其中的具体实施例以及说明仅用来解释本发明,但并不作为对本发明的限定。
本发明公开了一种汽车管梁测量中的图像处理算法,包括如下步骤:
步骤一,采用相机拍摄汽车管梁首、末端面的图像;
步骤二,通过动态阈值法分割出汽车管梁目标区域(图像中像素值较低点),f表示采集到的汽车管梁图片,f(i,j)表示第i行j列像素值大小;
步骤三,形态学滤波去除杂散噪声的影响;
步骤四,基于Canny算法拟合出汽车管梁目标区域的边缘,将封闭的边缘分割成线段,并计算出首端面竖直方向的线段Sleft到左视场中心的加权像素距离lleft,以及Sleft与竖直方向的夹角αvertical;
步骤五,同理计算出末端面的竖直方向的线段Sright到右视场中心的加权像素距离lright,以及Sright与竖直方向的夹角βvertical;
步骤六,根据步骤四和五中得到的结果并结合相机的标定信息求出汽车管梁的长度L和平行度ψ。
步骤六中汽车管梁的长度L的计算公式如下:
其中:T为左、右视场中心间距,Δl为每像素对应的实际长度,Ccenter_left和Ccenter_rightt分别为左右视场的中心点,fobj_left和fobj_right分别表示左右视场中的目标区域。
步骤六中汽车管梁的平行度ψ的计算公式如下:
ψ=|αvertical-βvertical|
其中:αvertical是首端面竖直方向的线段Sleft与竖直方向的夹角,βvertical是末端面竖直方向的线段Sright与竖直方向的夹角。
实施例
图1所示为本发明所提供的图像处理算法中汽车管梁的首端面图像,它由相机拍摄获得,其中W表示视场宽度,对应固定的长度(标定的距离),对于拍摄的首端面图像处理如下:
第一步:通过动态阈值法分割出炮梁目标区域(图像中像素值较低点),f表示采集到的炮梁图片,f(i,j)表示第i行j列像素值大小;首先,创建一个滤波模板,模板大小为MaskWidth×MaskHeight,其中MaskWidth和MaskHeight均为正奇数,模板对图像f进行卷积,然后除以模板大小,得到新的图像fmean;选取补偿值Toffset,对于满足式f(i,j)≥fmean(i,j)+Toffset的像素点在f中保留,反之舍弃;得到图像fdyn,fdyn中还存在杂散噪声的影响,通过形态学滤波去除噪声,提取出炮梁目标区域图片fpipe;
第二步:形态学滤波去除杂散噪声的影响;
第三步:基于Canny算法拟合出汽车管梁目标区域的边缘,将封闭的边缘分割成线段,并计算出首端面竖直方向的线段Sleft到左视场中心的加权像素距离lleft,以及Sleft与竖直方向的夹角αvertical。
图2所示为本发明所提供的图像处理算法中汽车管梁的末端面图像,按照图1中的图像处理算法计算出末端面的竖直方向的线段Sright到右视场中心的加权像素距离lright,以及Sright与竖直方向的夹角βvertical。结合首端面和末端面求得的结果并根据相机的标定信息求出汽车管梁的长度L和平行度ψ。
以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种汽车管梁测量中的图像处理算法,其特征在于:包括如下步骤:
步骤一,采用相机拍摄汽车管梁首、末端面的图像;
步骤二,通过动态阈值法分割出汽车管梁目标区域(图像中像素值较低点),f表示采集到的汽车管梁图片,f(i,j)表示第i行j列像素值大小;
步骤三,形态学滤波去除杂散噪声的影响;
步骤四,基于Canny算法拟合出汽车管梁目标区域的边缘,将封闭的边缘分割成线段,并计算出首端面竖直方向的线段Sleft到左视场中心的加权像素距离lleft,以及Sleft与竖直方向的夹角αvertical;
步骤五,同理计算出末端面的竖直方向的线段Sright到右视场中心的加权像素距离lright,以及Sright与竖直方向的夹角βvertical;
步骤六,根据步骤四和五中得到的结果并结合相机的标定信息求出汽车管梁的长度L和平行度ψ。
2.根据权利要求1所述的一种汽车管梁测量中的图像处理算法,其特征在于:步骤二的具体过程如下:
首先,创建一个滤波模板,模板大小为MaskWidth×MaskHeight,其中MaskWidth和MaskHeight均为正奇数,模板对图像f进行卷积,然后除以模板大小,得到新的图像fmean;选取补偿值Toffset,对于满足式f(i,j)≥fmean(i,j)+Toffset的像素点在f中保留,反之舍弃;得到图像fdyn,fdyn中还存在杂散噪声的影响,通过形态学滤波去除噪声,提取出汽车管梁目标区域图片fpipe。
3.根据权利要求1或2所述的一种汽车管梁测量中的图像处理算法,其特征在于:步骤六中汽车管梁的长度L的计算公式如下:
其中:T为左、右视场中心间距,Δl为每像素对应的实际长度,Ccenter_left和Ccenter_rightt分别为左右视场的中心点,fobj_left和fobj_right分别表示左右视场中的目标区域。
4.根据权利要求3所述的一种汽车管梁测量中的图像处理算法,其特征在于:步骤六中汽车管梁的平行度ψ的计算公式如下:
ψ=|αvertical-βvertical|
其中:αvertical是首端面竖直方向的线段Sleft与竖直方向的夹角,βvertical是末端面竖直方向的线段Sright与竖直方向的夹角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810012154.0A CN108230386A (zh) | 2018-01-05 | 2018-01-05 | 一种汽车管梁测量中的图像处理算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810012154.0A CN108230386A (zh) | 2018-01-05 | 2018-01-05 | 一种汽车管梁测量中的图像处理算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108230386A true CN108230386A (zh) | 2018-06-29 |
Family
ID=62645444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810012154.0A Pending CN108230386A (zh) | 2018-01-05 | 2018-01-05 | 一种汽车管梁测量中的图像处理算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230386A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040196451A1 (en) * | 2003-04-07 | 2004-10-07 | Honda Motor Co., Ltd. | Position measurement method, an apparatus, a computer program and a method for generating calibration information |
CN103712555A (zh) * | 2013-07-10 | 2014-04-09 | 湖北工业大学 | 汽车大梁装配孔视觉在线测量系统及其方法 |
CN103913121A (zh) * | 2014-03-05 | 2014-07-09 | 中国农业大学 | 一种车辆轮廓尺寸自动测量装置及方法 |
CN104239904A (zh) * | 2014-09-28 | 2014-12-24 | 中南大学 | 轨道车辆外部轮廓非接触式检测方法 |
CN104567700A (zh) * | 2014-12-24 | 2015-04-29 | 北京航天测控技术有限公司 | 一种车辆尺寸的在线测量装置 |
US20160217588A1 (en) * | 2014-12-11 | 2016-07-28 | Jeffrey R. Hay | Method of Adaptive Array Comparison for the Detection and Characterization of Periodic Motion |
CN106595496A (zh) * | 2017-03-03 | 2017-04-26 | 湖南科技大学 | 一种人机交互零件尺寸柔性视觉测量方法 |
CN107358809A (zh) * | 2017-06-06 | 2017-11-17 | 浙江大学 | 个性化交通安全信息推送系统及方法 |
-
2018
- 2018-01-05 CN CN201810012154.0A patent/CN108230386A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040196451A1 (en) * | 2003-04-07 | 2004-10-07 | Honda Motor Co., Ltd. | Position measurement method, an apparatus, a computer program and a method for generating calibration information |
CN103712555A (zh) * | 2013-07-10 | 2014-04-09 | 湖北工业大学 | 汽车大梁装配孔视觉在线测量系统及其方法 |
CN103913121A (zh) * | 2014-03-05 | 2014-07-09 | 中国农业大学 | 一种车辆轮廓尺寸自动测量装置及方法 |
CN104239904A (zh) * | 2014-09-28 | 2014-12-24 | 中南大学 | 轨道车辆外部轮廓非接触式检测方法 |
US20160217588A1 (en) * | 2014-12-11 | 2016-07-28 | Jeffrey R. Hay | Method of Adaptive Array Comparison for the Detection and Characterization of Periodic Motion |
CN104567700A (zh) * | 2014-12-24 | 2015-04-29 | 北京航天测控技术有限公司 | 一种车辆尺寸的在线测量装置 |
CN106595496A (zh) * | 2017-03-03 | 2017-04-26 | 湖南科技大学 | 一种人机交互零件尺寸柔性视觉测量方法 |
CN107358809A (zh) * | 2017-06-06 | 2017-11-17 | 浙江大学 | 个性化交通安全信息推送系统及方法 |
Non-Patent Citations (3)
Title |
---|
DE-HAI ZHANG等: ""Photogrammetric 3D Measurement Method Applying to Automobile Panel"", 《2010 THE 2ND INTERNATIONAL CONFERENCE ON COMPUTER AND AUTOMATION ENGINEERING》 * |
张金亮等: ""车辆姿态测量仪表的设计"", 《湖北汽车工业学院学报》 * |
王华: ""基于计算机视觉的车架纵梁在线检测关键技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569704B (zh) | 一种基于立体视觉的多策略自适应车道线检测方法 | |
CN107203973B (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
CN110118528B (zh) | 一种基于棋盘靶标的线结构光标定方法 | |
CN104677305B (zh) | 一种基于十字结构光的物体表面三维重建方法和系统 | |
CN104574393B (zh) | 一种三维路面裂缝图像生成系统和方法 | |
CN104034269B (zh) | 一种单目视觉测量方法与装置 | |
CN101408985A (zh) | 一种圆形光斑亚像素中心提取方法及装置 | |
CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
CN104809698A (zh) | 一种基于改进三边滤波的Kinect深度图像修复方法 | |
CN113390605B (zh) | 一种风洞试验飞机机翼变形全场测量方法 | |
CN103913149B (zh) | 一种基于stm32单片机的双目测距系统及其测距方法 | |
CN111046843A (zh) | 一种智能驾驶环境下的单目测距方法 | |
CN115170669A (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
CN105913425B (zh) | 一种基于自适应椭圆分块和小波变换的多猪轮廓提取方法 | |
CN111178193A (zh) | 一种车道线的检测方法、检测装置及计算机可读存储介质 | |
CN108416798A (zh) | 一种基于光流的车辆距离估计方法 | |
CN109741376A (zh) | 一种基于改进ransac算法的中、长波红外图像配准方法 | |
CN111753693B (zh) | 一种静态场景下目标检测方法 | |
CN115760893A (zh) | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 | |
CN109671084B (zh) | 一种工件形状的测量方法 | |
CN114820474A (zh) | 一种基于三维信息的列车车轮缺陷检测方法 | |
CN105115443B (zh) | 基于视觉测量技术的水平全视角高精度三维测量方法 | |
CN110473255A (zh) | 一种基于多重网格划分的船舶系船柱定位方法 | |
CN104156977A (zh) | 基于多线列时差扫描扩展采样的点目标运动速度探测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180629 |
|
RJ01 | Rejection of invention patent application after publication |