CN108230388A - 一种白车身焊点图像的识别定位方法 - Google Patents

Abstract

本发明涉及一种白车身焊点图像的识别定位方法，其首先对白车身焊点图像进行中值滤波处理；然后进行图像边缘检测，得出白车身焊点的二值边缘图像；其次针对二值边缘图像提取图像轮廓，并排除图像轮廓中的较短轮廓，对排除较短轮廓曲线后的每个图像轮廓的像素点进行抽稀，得到简化后的图像轮廓像素点；接着，从经简化得到的每个图像轮廓的像素点中，提取并筛选出若干圆弧段轮廓，包括圆心位置；最后，对提取到的各个圆弧段轮廓的圆心间的距离进行聚类分析，排除掉干扰圆心，得出分布密集的圆心类簇，依据该圆心类簇确定出焊点中心的位置。本发明能够对不规则外观的焊点图像进行准确定位，并在图像处理过程中占用内存少且运算较快。

Description

一种白车身焊点图像的识别定位方法

技术领域

本发明涉及图像处理领域，具体涉及一种白车身焊点图像的识别定位方法。

背景技术

在汽车制造行业，焊点的质量好坏直接影响到车辆的安全以及制作水平。

理想情况下，点焊过程中由于正负电极垂直压紧被焊物，并通入高压电流在被焊物接触面形成熔核，焊点表面会产生凹陷，形成圆形的焦黑色轮廓。而在实际焊接过程中，由于定位时白车身微小的形变，焊接的电极帽磨损以及其它未知的不确定因素，焊点凹陷处会出现双层甚至多层类圆弧形轮廓，每层轮廓并不连续，且间断的轮廓曲率并不一致；并且由于光照以及表面油污等的影响，焊点内部区域的灰度分布不确定性较大，会出现随机大小的亮区域，区域内又夹杂着较多噪声。

为了保证焊点的质量，在实施点焊过程中采用自动化焊点质量在线检测技术，这种焊点质量在线检测技术是采用机器视觉的方法对焊点拍照，通过焊点图像定位方法对得到的目标图像进行识别定位，来引导检测传感器对准焊点中心进行质量检测。

现有的焊点图像定位方法有Hough(霍夫)圆变换方法，该方法是将焊点图像看作是圆形轮廓的目标图像，通过Hough圆变换等识别圆的方法来寻找图像中的圆形轮廓，将圆心点近似的认为是焊点中心。并基于目标图像为圆形的前提下，建立基于图形尺寸的三维累加器进行累加计算，图像的非零像素点皆认为是候选的圆轮廓累加部分，累加器的大小随着图像尺寸的增大也成平方或立方式的增长。

这种方法用来处理标准的圆形焊点轮廓效果较好，但是当处理这种质量较差的白车身焊点时，由于白车身焊点具有的双轮廓特征及弧线曲率不稳定的特点，使得焊点轮廓无法被很好的拟合为圆形，导致焊点的定位效果较差；而且由于累加器的大小随着图像尺寸的增大成平方或立方式的增长，导致图像处理速度的降低非常明显。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种白车身焊点图像的识别定位方法，其能够解决对不规则外观的焊点图像定位不准确的技术问题，并能够避免现有技术采用霍夫圆变换的方法进行图像处理占用较大内存且运算较慢的技术问题。

本发明的目的通过如下技术方案实现：

本发明提供一种白车身焊点图像的识别定位方法，其包括：

步骤S10，对白车身焊点图像进行中值滤波处理，得到滤除椒盐噪声后的平滑焊点图像；

步骤S20，针对滤波后的平滑焊点图像，进行图像边缘检测，得出白车身焊点的二值边缘图像；

步骤S30，针对得到的白车身焊点的二值边缘图像，提取图像轮廓，并排除图像轮廓中的较短轮廓，针对排除较短轮廓曲线后的每个图像轮廓的像素点进行抽稀，得到简化后的图像轮廓像素点；

步骤S40，从经简化得到的每个图像轮廓的像素点中，提取并筛选出若干圆弧段轮廓，包括圆心位置；

步骤S50，对提取到的各个圆弧段轮廓的圆心间的距离进行聚类分析，排除掉干扰圆心，得出分布密集的圆心类簇，依据该圆心类簇确定出焊点中心的位置。

更优选地，所述步骤S30包括：

将以点阵式像素点存储方式的二值边缘图像，转换为以数组式存储方式表达的焊点图像；

基于以数组式存储方式表达的焊点图像，通过该轮廓追踪方法，在白车身焊点的二值边缘图像中找到多条长短不一的轮廓信息；

提取出轮廓信息后，对于其中的部分较短轮廓，将其像素点数量与阀值T进行比较，将像素点数量小于T的轮廓信息舍弃掉；

采用DP算法对排除较短轮廓后的其余每个图像轮廓的像素点进行抽稀，得到简化后的图像轮廓像素点。

更优选地，所述采用DP算法对排除较短轮廓后的其余每个图像轮廓的像素点进行抽稀的过程，包括：

a)对轮廓曲线的首末点虚连一条直线，求所述轮廓曲线上所有点与所述直线的距离，并找出最大距离值d_max，用d_max与距离阀值D相比；

若d_max<D，则将这条轮廓曲线上的中间点全部舍去，并记录所述直线段的端点为简化后的图像轮廓像素点；若d_max≥D，保留d_max对应的坐标点，并以该点为界，把轮廓曲线分为两部分；

b)对所述两部分分别进行a)步，直到所有d_max<D，得到简化后的所有图像轮廓像素点。

更优选地，所述步骤S40包括：

步骤S401，从焊点图像轮廓起始点取连续三个像素点；

步骤S402，根据该三个像素点拟合为圆弧轮廓，并计算出该圆弧轮廓的半径、圆心位置；

步骤S403，判断该三个点是否是轮廓起始的三个像素点，若否，则继续步骤S404；否则，转入步骤S407；

步骤S404，判断拟合的圆弧与上一次拟合的圆弧是否连续，若是，则转入步骤S405；若否，则转入步骤S406；

步骤S405，将该段圆弧与上一段圆弧一起保留；

步骤S406，判断该三个像素点是否是轮廓的结束点，若是，则结束；若否，则转入步骤S407；

步骤S407，将当前的三个像素点向后移动一位，形成新的三个像素点，然后返回步骤S402。

更优选地，所述步骤S50包括：

针对提取到的n个圆弧段轮廓的圆心，用一个n阶的对称矩阵M来表示所述圆弧段轮廓的n个圆心，其矩阵值由下式计算：

其中i_x,i_y；j_x,j_y代表相邻两个圆心点坐标的序列号，x、y的取值范围为0,1,2,3.......n-1；

针对矩阵M，采用如下步骤进行聚类分析：

步骤S501，n个圆心各自属于不同的聚类；

步骤S502，遍历矩阵M所有元素，取最小值M_i,j；

步骤S503，判断M_i,j是否小于不同类簇之间允许的最大距离阈值D，若是，则执行步骤S504，然后转入步骤S504；若否，则结束；

步骤S504，将i_x,i_y；j_x,j_y所在类归为同一类；

步骤S505，将矩阵M中所属行、列删掉，形成新的小1阶的M矩阵。然后转入步骤S502。

由上述本发明的技术方案可以看出，本发明具有如下技术效果：

本发明通过对获取的焊点图像通过中值滤波消除图像噪声，边缘检测得出焊点轮廓的二值边缘图像，再从二值边缘图像中提取轮廓并对其编号存储，接下来以每个轮廓为单元进行分析拟合，得出每个轮廓的中心位置，再对所有的中心位置进行聚类分析，最后得出焊点中心位置。由于图像处理过程中以提取到的轮廓为单元进行存储和计算，可以减少内存存储，提高运算速度；通过对提取的每个轮廓进行曲率连续性的分析，筛选得到的圆弧段，使得对焊点的定位更加准确，并能够提高图像处理的稳定性。

附图说明

图1为本发明的实施流程示意图；

图2为本发明中以数组式存储方式表达的焊点图像示意图；

图3为本发明中提取和筛选圆弧段轮廓的流程；

图4为本发明中对提取到的各个圆弧段轮廓的圆心之间的距离进行聚类分析过程的实施流程图；

图5为通过本发明得到的焊点中心位置示意图。

具体实施方式

以下将结合图1至图5对本发明的技术方案做进一步详细说明。

实施例一

本发明提供一种白车身焊点图像的识别定位方法，其实施流程如图1所示，包括如下步骤：

步骤S10，对白车身焊点图像进行中值滤波处理，得到滤除椒盐噪声后的平滑焊点图像。

由于白车身焊点图像的椒盐噪声较多，中值滤波可以很好地过滤椒盐噪声，并平滑焊点图像。其原理是将某像素点的灰度值g(x,y)用该点的一个邻域Sxy中各点值的中值代替，从而消除孤立的噪声点。根据图像的具体特征，可以尝试3×3，5×5，7×7等不同大小的模板，选择最合适的模板对图像进行卷积处理。

步骤S20，针对滤波后的平滑焊点图像，进行图像边缘检测，得出白车身焊点的二值边缘图像。

此步骤中采用Sobel算子对滤波后的平滑焊点图像进行卷积计算，得出图像边缘信息。具体进行图像边缘检测的过程如下：

对于图像中的每个像素点(x,y)，其水平和垂直方向的微分算子G_x和G_y近似的计算公式为：

G_x＝X_F*S_xy G_y＝Y_F*S_xy

其中X_F、Y_F为水平和垂直方向的Sobel算子矩阵，S_xy为点(x,y)相应的邻域。Sobel算子矩阵为：

每个像素点对应的梯度值G的近似计算公式为：

G＝G_x+G_y

然后根据每个像素点的梯度值G大小来决定像素点是否保留。具体采用双阀值的原则，设置两个合适的阀值T₁和T₂(其中T₁>T₂)，遵循如下法则选择需保留的边缘像素点：

a)若G>T₁此像素点为强边缘点，保留。

b)若G<T₂，此像素点将被排除掉。

c)若T₁<G<T₂，此像素点为弱边缘点，若该像素点的8连通域内存在强边缘点，则将其保留，否则排除掉。

依据上述步骤，得出以点阵式的像素点存储方式存储的白车身焊点的二值边缘图像。

步骤S30，针对得到的白车身焊点的二值边缘图像，提取图像轮廓，并排除图像轮廓中的较短轮廓，针对排除较短轮廓后的每个图像轮廓的像素点进行抽稀，得到简化后的图像轮廓像素点。

将以点阵式像素点存储方式的二值边缘图像，转换为以数组式存储方式表达的焊点图像。如图2所示，

每个轮廓内是连接的像素点坐标，所有轮廓的合集组成了焊点图像。采用数组式存储方式表达焊点图像轮廓，便于对轮廓信息的提取，同时可以降低运算内存，进而提高运算速度。

轮廓提取采用现有的轮廓追踪方法，如Suzuki提出的轮廓追踪方法。通过该轮廓追踪方法，可以在白车身焊点的二值边缘图像中找到多条长短不一的轮廓信息。

提取出轮廓信息后，然后针对这些长短不一的进行轮廓筛选。轮廓筛选过程主要做两方面的工作：一方面是对较短轮廓进行排除；另一方面对每个轮廓内的像素点进行抽稀，以提高后续操作的运算速度。

对于部分较短轮廓，规定一个合适的阀值T，将像素点数量小于T的轮廓舍弃掉。

抽稀过程采用Douglas-Peuker(DP)算法来抽稀轮廓信息中的像素点，使得每个图像轮廓的像素点得到更进一步的简化。抽稀的过程具体为：

a)选取一个合适的阀值D，对轮廓曲线的首末点虚连一条直线，求曲线上所有点与直线的距离，并找出最大距离值d_max，用d_max与D相比：

若d_max<D，则将这条轮廓曲线上的中间点全部舍去，并将该直线段作为轮廓曲线的近似，该段轮廓曲线处理完毕，记录所述直线段的端点为简化后的图像轮廓像素点；若d_max≥D，保留d_max对应的坐标点，并以该点为界，把轮廓曲线分为两部分。

b)对这两部分重复使用该方法，即重复a)步，直到所有d_max均<D，即完成对轮廓曲线的抽稀过程，得到简化后的所有图像轮廓像素点。

步骤S40，从经简化得到的每个图像轮廓的像素点中，提取并筛选出若干个圆弧段轮廓，包括圆心位置、半径及角度信息。

对于三个不共线的三点(x₁,y₁),(x₂,y₂),(x₃,y₃)，可根据圆弧公式计算出圆心(x₀,y₀)，半径r，计算方法如下：

令则

对于一条含有n个像素点(P₁,P₂,P₃....P_n)的轮廓，按照本文的方法取(P₁,P₂,P₃),(P₂,P₃,P₄),(P₃,P₄,P₅)...(P_n-2,P_n-1,P_n)等n-2个组，每组中的三个像素点可以确定一段圆弧和相应的圆心，从而每组形成一段拟合的圆轮廓。由此，对于一条含有n个像素点(P₁,P₂,P₃....P_n)的图像轮廓，可以得到n-2条拟合的圆弧段轮廓。

由于白车身的类圆形焊点边缘轮廓的曲率半径和圆心会发生变化，因此，在本文中，根据焊点图像特点，引入圆弧连续的概念，设计一套圆弧段的提取和筛选流程，如图3所示，包括如下步骤S401-S407：

步骤S401，从焊点图像轮廓起始点取连续三个点；

步骤S402，根据该三个点拟合为圆弧轮廓，并计算出该圆弧轮廓的半径、圆心位置；

步骤S403，判断该三个点是否是轮廓起始的三个点，若否，则继续步骤S404；否则，转入步骤S407；

步骤S404，判断拟合的圆弧与上一次拟合的圆弧是否连续，若是，则转入步骤S405；若否，则转入步骤S406；

步骤S405，将该段圆弧与上一段圆弧一起保留；

步骤S406，判断该三个点是否是轮廓的结束点，若是，则结束；若否，则转入步骤S407；

步骤S407，将当前的三个点向后移动一位，形成新的三个点，然后返回步骤S402。

上述步骤S404中对于两段圆弧的连续性判定过程，据图如下：设定阀值T，对于两段半径为R₁,R₂，圆心为(x₁,y₁),(x₂,y₂)的圆弧，若满足：

则说明两段圆弧的半径大小与位置差别不大，认为此时两段圆弧是连续的，即两段圆弧是同一个焊点的边缘轮廓；反之，则说明两段圆弧差别较大，轮廓存在曲率的突变。

步骤S50，对提取到的各个圆弧段轮廓的圆心之间的距离进行聚类分析，排除掉干扰圆心，得出的分布较为密集且数量较多的圆心类簇，依据该圆心类簇确定出焊点中心的位置。

对提取到的所有圆弧的圆心位置，采用直接聚类的方法，基于所有圆心之间的距离进行聚类分析，从而排除掉干扰圆心。

设定D为不同类簇之间可以允许的最大距离。若存在n个圆心，首先计算一个n阶的对称矩阵M，其矩阵值由下式计算：

其中i_x,i_y；j_x,j_y代表相邻两个圆心点坐标的序列号，x、y的取值范围为0,1,2,3.......n-1。

针对矩阵M，采用如图4所示的流程图进行聚类分析，以确定出焊点中心的位置，具体包括如下步骤：

步骤S501，n个圆心各自属于不同的聚类。

步骤S502，遍历矩阵M所有元素，取最小值M_i,j。

步骤S503，判断M_i,j是否小于D(不同类簇之间允许的最大距离)，若是，将所在类归为同一类，然后转入步骤S504；若否，则结束。

步骤S504，将i_x,i_y；j_x,j_y所在类归为同一类。

步骤S505，将矩阵M中所属行、列删掉，形成新的小1阶的M矩阵。然后转入步骤S502。

经过上述步骤S501-S505的过程进行聚类分析后，可得出若干圆心聚类，同一类簇内各圆心之间距离较近，不同类簇之间的距离较远，每个类簇可能代表着焊点中心，也可能是没有任何意义的干扰点。易知焊点类簇内的点分布集中且密集，数量较多，而噪声点形成类簇中元素数量很少。因此设定一个合适的阀值N，当类簇内元素数量少于N时，认为该类簇是噪声干扰，将其排除。最终得出的分布较为密集且数量较多的圆心类簇，代表着焊点中心的位置。对焊点的x、y坐标以及半径r求算数平均值，得出的最终(x,y)坐标以及半径r，即焊点中心坐标以及焊点半径。

由上述可以看出，本发明通过以上方法对焊点图像进行处理后得到的焊点中心位置如图5所示，图5中的十字点为找到的焊点中心，黑色轮廓线为该中心代表的类簇中相应的圆弧集合。从图中可以看出，得到的焊点中心坐标由若干个焊点边缘轮廓拟合圆的圆心而产生，焊点的边缘信息中含有的其它干扰轮廓并未对最后的结果产生影响，说明本方法具有较强的抗噪声干扰能力。

虽然本发明已以较佳实施例公开如上，但实施例并不限定本发明。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。

Claims (5)

1.一种白车身焊点图像的识别定位方法，其特征在于，所述的白车身焊点图像的识别定位方法包括：

步骤S10，对白车身焊点图像进行中值滤波处理，得到滤除椒盐噪声后的平滑焊点图像；

步骤S20，针对滤波后的平滑焊点图像，进行图像边缘检测，得出白车身焊点的二值边缘图像；

步骤S30，针对得到的白车身焊点的二值边缘图像，提取图像轮廓，并排除图像轮廓中的较短轮廓，针对排除较短轮廓曲线后的每个图像轮廓的像素点进行抽稀，得到简化后的图像轮廓像素点；

步骤S40，从经简化得到的每个图像轮廓的像素点中，提取并筛选出若干圆弧段轮廓，包括圆心位置；

步骤S50，对提取到的各个圆弧段轮廓的圆心间的距离进行聚类分析，排除掉干扰圆心，得出分布密集的圆心类簇，依据该圆心类簇确定出焊点中心的位置。

2.根据权利要求1所述的白车身焊点图像的识别定位方法，其特征在于，所述步骤S30包括：

将以点阵式像素点存储方式的二值边缘图像，转换为以数组式存储方式表达的焊点图像；

基于以数组式存储方式表达的焊点图像，通过该轮廓追踪方法，在白车身焊点的二值边缘图像中找到多条长短不一的轮廓信息；

提取出轮廓信息后，对于其中的部分较短轮廓，将其像素点数量与阀值T进行比较，将像素点数量小于T的轮廓信息舍弃掉；

采用DP算法对排除较短轮廓后的其余每个图像轮廓的像素点进行抽稀，得到简化后的图像轮廓像素点。

3.根据权利要求2所述的白车身焊点图像的识别定位方法，其特征在于，所述采用DP算法对排除较短轮廓后的其余每个图像轮廓的像素点进行抽稀的过程，包括：

a)对轮廓曲线的首末点虚连一条直线，求所述轮廓曲线上所有点与所述直线的距离，并找出最大距离值d_max，用d_max与距离阀值D相比；

若d_max<D，则将这条轮廓曲线上的中间点全部舍去，并记录所述直线段的端点为简化后的图像轮廓像素点；若d_max≥D，保留d_max对应的坐标点，并以该点为界，把轮廓曲线分为两部分；

b)对所述两部分分别进行a)步，直到所有d_max<D，得到简化后的所有图像轮廓像素点。

4.根据权利要求1所述的白车身焊点图像的识别定位方法，其特征在于，所述步骤S40包括：

步骤S401，从焊点图像轮廓起始点取连续三个像素点；

步骤S402，根据该三个像素点拟合为圆弧轮廓，并计算出该圆弧轮廓的半径、圆心位置；

步骤S403，判断该三个点是否是轮廓起始的三个像素点，若否，则继续步骤S404；否则，转入步骤S407；

步骤S404，判断拟合的圆弧与上一次拟合的圆弧是否连续，若是，则转入步骤S405；若否，则转入步骤S406；

步骤S405，将该段圆弧与上一段圆弧一起保留；

步骤S406，判断该三个像素点是否是轮廓的结束点，若是，则结束；若否，则转入步骤S407；

步骤S407，将当前的三个像素点向后移动一位，形成新的三个像素点，然后返回步骤S402。

5.根据权利要求1所述的白车身焊点图像的识别定位方法，其特征在于，所述步骤S50包括：

针对提取到的n个圆弧段轮廓的圆心，用一个n阶的对称矩阵M来表示所述圆弧段轮廓的n个圆心，其矩阵值由下式计算：

其中i_x,i_y；j_x,j_y代表相邻两个圆心点坐标的序列号，x、y的取值范围为0,1,2,3.......n-1；

针对矩阵M，采用如下步骤进行聚类分析：

步骤S501，n个圆心各自属于不同的聚类；

步骤S502，遍历矩阵M所有元素，取最小值M_i,j；

步骤S503，判断M_i,j是否小于不同类簇之间允许的最大距离阈值D，若是，则执行步骤S504，然后转入步骤S504；若否，则结束；

步骤S504，将i_x,i_y；j_x,j_y所在类归为同一类；

步骤S505，将矩阵M中所属行、列删掉，形成新的小1阶的M矩阵。然后转入步骤S502。