CN108460776A - 一种基于机器视觉的刹车片尺寸检测方法及装置 - Google Patents
一种基于机器视觉的刹车片尺寸检测方法及装置 Download PDFInfo
- Publication number
- CN108460776A CN108460776A CN201810327498.0A CN201810327498A CN108460776A CN 108460776 A CN108460776 A CN 108460776A CN 201810327498 A CN201810327498 A CN 201810327498A CN 108460776 A CN108460776 A CN 108460776A
- Authority
- CN
- China
- Prior art keywords
- edge point
- region
- interest roi
- edge
- brake
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003708 edge detection Methods 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 22
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000002783 friction material Substances 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- 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
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的刹车片尺寸检测方法及装置,本发明方法包括:S1、对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;S2、对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;S3、每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;S4、对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;S5、对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;S6、对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
Description
技术领域
本发明涉及刹车片检测技术领域,尤其涉及一种基于机器视觉的刹车片尺寸检测方法及装置。
背景技术
在汽车的制动系统中,刹车片是最关键的安全部件,所有刹车效果的好坏都是刹车片起决定性作用,刹车片质量的好坏直接影响驾驶员的生命财产安全,刹车片尺寸是否合格是评价刹车片质量好坏的重要因素之一。所以对刹车片各个尺寸的检测尤为重要。
目前,刹车片需要测量摩擦材料的整体长和宽,摩擦材料为不规则的椭圆形,摩擦材料下面有一个类似摩擦材料的底座,摩擦材料有一定高度。目前的尺寸检测常用的方法通过激光传感器进行三维图案的重建,进而进行尺寸的测量,但是该成本比较高。基于机器视觉进行的尺寸检测,一般仅进行阈值分割处理将图案分割出来并进行尺寸测量,但这种方法对光源要求比较高,成本比较高。
在光照环境不是很好的情况下,仅进行阈值分割处理容易受到光照不均的影响,分割出来的图案噪点很多的技术问题。
发明内容
本发明提供了一种基于机器视觉的刹车片尺寸检测方法及装置,解决了在光照环境不是很好的情况下,仅进行阈值分割处理容易受到光照不均的影响,分割出来的图案噪点很多的技术问题。
本发明提供了一种基于机器视觉的刹车片尺寸检测方法,包括:
S1、对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;
S2、对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;
S3、每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;
S4、对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;
S5、对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;
S6、对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
可选地,步骤S4具体包括:
对感兴趣区域ROI进行边缘检测,得到感兴趣区域ROI的第二边缘点并生成第二边缘点组;
利用一次线性方程,结合第一边缘点数组中每隔预置范围内第一边缘点的切线方向,对第二边缘点进行线性拟合,得到一次直线集合;
计算被一次直线切割成多边形的每个感兴趣区域ROI中每个多边形的原图像素点的平均像素值,并确定每个多边形中原图像素点为平均像素值的坐标点;
获取刹车片图像的预设像素值,并一一与感兴趣区域ROI中每个多边形的平均像素值进行比较,选择与刹车片图像的预设像素值最接近的多边形中原图像素点为平均像素值的坐标点作为代替感兴趣区域ROI的第二特殊边缘点。
可选地,步骤S1之后,步骤S2之前还包括:
对二值化图像进行形态学操作处理。
本发明提供了一种基于机器视觉的刹车片尺寸检测装置,包括:
第一处理单元,用于对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;
第一边缘检测单元,用于对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;
ROI构建单元,用于每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;
第二边缘检测单元,用于对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;
拟合单元,用于对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;
测量单元,用于对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
可选地,第二边缘检测单元具体包括:
边缘检测子单元,用于对感兴趣区域ROI进行边缘检测,得到感兴趣区域ROI的第二边缘点并生成第二边缘点组;
直线拟合子单元,用于利用一次线性方程,结合第一边缘点数组中每隔预置范围内第一边缘点的切线方向,对第二边缘点进行线性拟合,得到一次直线集合;
坐标点确定子单元,用于计算被一次直线切割成多边形的每个感兴趣区域ROI中每个多边形的原图像素点的平均像素值,并确定每个多边形中原图像素点为平均像素值的坐标点;
代替子单元,用于获取刹车片图像的预设像素值,并一一与感兴趣区域ROI中每个多边形的平均像素值进行比较,选择与刹车片图像的预设像素值最接近的多边形中原图像素点为平均像素值的坐标点作为代替感兴趣区域ROI的第二特殊边缘点。
可选地,本发明提供的一种基于机器视觉的刹车片尺寸检测装置还包括:
第二处理单元,用于对二值化图像进行形态学操作处理。
本发明提供了一种基于机器视觉的刹车片尺寸检测装置,包括:
存储器,用于存储指令;
处理器,耦合到所述存储器,所述处理器被配置为基于所述存储器存储的指令执行实现如上中任一项所述的方法。
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如上中任一项所述的方法。
从以上技术方案可以看出,本发明具有以下优点:
本发明提供了一种基于机器视觉的刹车片尺寸检测方法,包括:S1、对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;S2、对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;S3、每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;S4、对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;S5、对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;S6、对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
本发明中,通过固定阈值分割找出刹车片的大致轮廓,再利用第一次边缘检测和第二次边缘检测,根据宏观到微观的思路,抑制光照不均匀的影响,对局部轮廓利用第二特殊边缘点代替,最后将第二特殊边缘点进行多项式拟合,进一步提高刹车片尺寸测量时的精度,解决了在光照环境不是很好的情况下,仅进行阈值分割处理容易受到光照不均的影响,分割出来的图案噪点很多的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明提供的一种基于机器视觉的刹车片尺寸检测方法的一个实施例的流程示意图;
图2为本发明提供的一种基于机器视觉的刹车片尺寸检测方法的另一个实施例的流程示意图;
图3为本发明提供的一种基于机器视觉的刹车片尺寸检测装置的一个实施例的结构示意图;
图4为本发明提供的一种基于机器视觉的刹车片尺寸检测装置的另一个实施例的结构示意图。
具体实施方式
本发明实施例提供了一种基于机器视觉的刹车片尺寸检测方法及装置,解决了在光照环境不是很好的情况下,仅进行阈值分割处理容易受到光照不均的影响,分割出来的图案噪点很多的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明提供了一种基于机器视觉的刹车片尺寸检测方法的一个实施例,包括:
101、对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;
102、对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;
103、每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;
104、对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;
105、对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;
106、对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
本发明实施例中,通过固定阈值分割找出刹车片的大致轮廓,再利用第一次边缘检测和第二次边缘检测,根据宏观到微观的思路,抑制光照不均匀的影响,对局部轮廓利用第二特殊边缘点代替,最后将第二特殊边缘点进行多项式拟合,进一步提高刹车片尺寸测量时的精度,解决了在光照环境不是很好的情况下,仅进行阈值分割处理容易受到光照不均的影响,分割出来的图案噪点很多的技术问题。
以上是对本发明提供的一种基于机器视觉的刹车片尺寸检测方法的一个实施例进行的说明,以下将对本发明提供的一种基于机器视觉的刹车片尺寸检测方法的另一个实施例进行说明。
请参阅图2,本发明提供了一种基于机器视觉的刹车片尺寸检测方法的另一个实施例,包括:
201、对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;
需要说明的是,对待处理的刹车片图像首先进行固定阈值分割,把需要测量刹车片图像的局部轮廓大致分割出来,再进行二值化处理,得到二值化图像。
202、对二值化图像进行形态学操作处理;
需要说明的是,对得到的二值化图像进行形态学操作处理,包括膨胀和腐蚀。
203、对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;
需要说明的是,对处理后的二值化图像进行边缘检测,记录下二值化图像中的第一边缘点并生成第一边缘点数组。
204、每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;
需要说明的是,在第一边缘点数组中,每隔预置间隔选取一个第一边缘点作为第一特殊边缘点,预置间隔越大,精度越低,数据处理量越小,反之亦然。在确定了第一特殊边缘点后,在二值化图像中,截取一个垂直于第一特殊边缘点边缘切线方向的预置大小(宽为w,高度为h,宽度w和高度h与预置间隔搭配设置)的感兴趣区域ROI,其中,第一特殊边缘点位于感兴趣区域ROI的中心位置。
205、对感兴趣区域ROI进行边缘检测,得到感兴趣区域ROI的第二边缘点并生成第二边缘点组;
需要说明的是,在构建了所有的感兴趣区域ROI后,再对每个感兴趣区域ROI进行边缘检测,得到所有感兴趣区域ROI的第二边缘点构成的第二边缘点组。
206、利用一次线性方程,结合第一边缘点数组中每隔预置范围内第一边缘点的切线方向,对第二边缘点进行线性拟合,得到一次直线集合;
需要说明的是,在得到第二边缘点组后,利用一次线性方程,同时参照第一边缘点数组中每隔预置范围内的第一边缘点的切线方向,对第二边缘点进行线性拟合,得到多条一次直线,构成一次直线集合。
207、计算被一次直线切割成多边形的每个感兴趣区域ROI中每个多边形的原图像素点的平均像素值,并确定每个多边形中原图像素点为平均像素值的坐标点;
需要说明的是,拟合出的多条一次直线会将感兴趣区域ROI切割成多个多边形,计算每个感兴趣区域ROI中切割出的每个多边形的原图像素点的平均像素值,并在每个多边形中找到原图像素点为平均像素值的坐标点。
208、获取刹车片图像的预设像素值,并一一与感兴趣区域ROI中每个多边形的平均像素值进行比较,选择与刹车片图像的预设像素值最接近的多边形中原图像素点为平均像素值的坐标点作为代替感兴趣区域ROI的第二特殊边缘点;
需要说明的是,在得到感兴趣区域ROI中每个多边形中原图像素点为平均像素值的坐标点后,获取刹车片图像的预设像素值,该预设像素值可以为刹车片中心像素点的像素值,根据实际的需求确定预设像素值的取值大小。在得到刹车片图像的预设像素值后,将预设像素值一一与感兴趣区域ROI中每个多边形中原图像素点的平均像素值进行比较,选择与预设像素值最接近的多边形中原图像素点的平均像素值对应的坐标点作为第二特殊边缘点,最后将第二特殊边缘点代替所位于的整个感兴趣区域ROI。
209、对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;
需要说明的是,将所有的感兴趣区域ROI均用第二特殊边缘点代替后,对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案。
210、对封闭轮廓图案进行尺寸测量,得到刹车片尺寸;
需要说明的是,对封闭轮廓图案进行尺寸测量,即可得到刹车片的尺寸。
本发明实施例中,通过固定阈值分割找出刹车片的大致轮廓,再利用第一次边缘检测和第二次边缘检测,根据宏观到微观的思路,抑制光照不均匀的影响,对局部轮廓利用第二特殊边缘点代替,最后将第二特殊边缘点进行多项式拟合,进一步提高刹车片尺寸测量时的精度,解决了在光照环境不是很好的情况下,仅进行阈值分割处理容易受到光照不均的影响,分割出来的图案噪点很多的技术问题。
以上是对本发明提供的一种基于机器视觉的刹车片尺寸检测方法的另一个实施例进行的说明,以下将对本发明提供的一种基于机器视觉的刹车片尺寸检测装置的一个实施例进行说明。
请参阅图3,本发明提供了一种基于机器视觉的刹车片尺寸检测装置的一个实施例,包括:
第一处理单元301,用于对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;
第二处理单元302,用于对二值化图像进行形态学操作处理;
第一边缘检测单元303,用于对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;
ROI构建单元304,用于每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;
第二边缘检测单元305,用于对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;
第二边缘检测单元305具体包括:
边缘检测子单元3051,用于对感兴趣区域ROI进行边缘检测,得到感兴趣区域ROI的第二边缘点并生成第二边缘点组;
直线拟合子单元3052,用于利用一次线性方程,结合第一边缘点数组中每隔预置范围内第一边缘点的切线方向,对第二边缘点进行线性拟合,得到一次直线集合;
坐标点确定子单元3053,用于计算被一次直线切割成多边形的每个感兴趣区域ROI中每个多边形的原图像素点的平均像素值,并确定每个多边形中原图像素点为平均像素值的坐标点;
代替子单元3054,用于获取刹车片图像的预设像素值,并一一与感兴趣区域ROI中每个多边形的平均像素值进行比较,选择与刹车片图像的预设像素值最接近的多边形中原图像素点为平均像素值的坐标点作为代替感兴趣区域ROI的第二特殊边缘点;
拟合单元306,用于对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;
测量单元307,用于对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
以上是对本发明提供的一种基于机器视觉的刹车片尺寸检测装置的一个实施例进行的说明,以下将对本发明提供的一种基于机器视觉的刹车片尺寸检测装置的另一个实施例进行说明。
如图4所示,本发明提供了一种基于机器视觉的刹车片尺寸检测装置的另一个实施例,包括:
存储器401,用于存储指令;
处理器402,耦合到存储器401,处理器402被配置为基于存储器存储的指令执行实现如图1或图2中任一实施例涉及的方法。
如图4所示基于机器视觉的刹车片尺寸检测装置还包括通信接口403,用于与其它设备进行信息交互。同时该装置还包括总线404,处理器402、通信接口403以及存储器401通过总线404完成相互间的通信。
存储器401可以包含高速RAM存储器,也可还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。存储器401也可以是存储器阵列。存储器401还可能被分块,并且块可按一定的规则组合成虚拟卷。
此外,处理器402可以是一个中央处理器CPU,或者可以是专用集成电路ASIC(application specific integrated circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
以上是对本发明提供的一种基于机器视觉的刹车片尺寸检测装置的另一个实施例进行的说明,以下将对本发明提供的一种计算机可读存储介质的一个实施例进行说明。
本发明提供的一种计算机可读存储介质的一个实施例,计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如图1或图2中任一实施例涉及的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于机器视觉的刹车片尺寸检测方法,其特征在于,包括:
S1、对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;
S2、对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;
S3、每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;
S4、对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;
S5、对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;
S6、对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
2.根据权利要求1所述的基于机器视觉的刹车片尺寸检测方法,其特征在于,步骤S4具体包括:
对感兴趣区域ROI进行边缘检测,得到感兴趣区域ROI的第二边缘点并生成第二边缘点组;
利用一次线性方程,结合第一边缘点数组中每隔预置范围内第一边缘点的切线方向,对第二边缘点进行线性拟合,得到一次直线集合;
计算被一次直线切割成多边形的每个感兴趣区域ROI中每个多边形的原图像素点的平均像素值,并确定每个多边形中原图像素点为平均像素值的坐标点;
获取刹车片图像的预设像素值,并一一与感兴趣区域ROI中每个多边形的平均像素值进行比较,选择与刹车片图像的预设像素值最接近的多边形中原图像素点为平均像素值的坐标点作为代替感兴趣区域ROI的第二特殊边缘点。
3.根据权利要求1所述的基于机器视觉的刹车片尺寸检测方法,其特征在于,步骤S1之后,步骤S2之前还包括:
对二值化图像进行形态学操作处理。
4.一种基于机器视觉的刹车片尺寸检测装置,其特征在于,包括:
第一处理单元,用于对刹车片图像依次进行固定阈值分割和二值化处理,得到二值化图像;
第一边缘检测单元,用于对二值化图像进行边缘检测,记录二值化图像中的第一边缘点并生成第一边缘点数组;
ROI构建单元,用于每隔预置间隔选取第一边缘点数组中的一个第一特殊边缘点,并在二值化图像中截取一个垂直于第一特殊边缘点边缘切线方向的预置大小的感兴趣区域ROI,其中第一特殊边缘点位于感兴趣区域ROI的中心;
第二边缘检测单元,用于对感兴趣区域ROI进行边缘检测,记录代替每个感兴趣区域ROI的第二特殊边缘点;
拟合单元,用于对第二特殊边缘点进行多项式拟合,得到封闭轮廓图案;
测量单元,用于对封闭轮廓图案进行尺寸测量,得到刹车片尺寸。
5.根据权利要求4所述的基于机器视觉的刹车片尺寸检测装置,其特征在于,第二边缘检测单元具体包括:
边缘检测子单元,用于对感兴趣区域ROI进行边缘检测,得到感兴趣区域ROI的第二边缘点并生成第二边缘点组;
直线拟合子单元,用于利用一次线性方程,结合第一边缘点数组中每隔预置范围内第一边缘点的切线方向,对第二边缘点进行线性拟合,得到一次直线集合;
坐标点确定子单元,用于计算被一次直线切割成多边形的每个感兴趣区域ROI中每个多边形的原图像素点的平均像素值,并确定每个多边形中原图像素点为平均像素值的坐标点;
代替子单元,用于获取刹车片图像的预设像素值,并一一与感兴趣区域ROI中每个多边形的平均像素值进行比较,选择与刹车片图像的预设像素值最接近的多边形中原图像素点为平均像素值的坐标点作为代替感兴趣区域ROI的第二特殊边缘点。
6.根据权利要求4所述的基于机器视觉的刹车片尺寸检测装置,其特征在于,还包括:
第二处理单元,用于对二值化图像进行形态学操作处理。
7.一种基于机器视觉的刹车片尺寸检测装置,其特征在于,包括:
存储器,用于存储指令;
处理器,耦合到所述存储器,所述处理器被配置为基于所述存储器存储的指令执行实现如权利要求1至3中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如权利要求1至3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810327498.0A CN108460776B (zh) | 2018-04-12 | 2018-04-12 | 一种基于机器视觉的刹车片尺寸检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810327498.0A CN108460776B (zh) | 2018-04-12 | 2018-04-12 | 一种基于机器视觉的刹车片尺寸检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108460776A true CN108460776A (zh) | 2018-08-28 |
CN108460776B CN108460776B (zh) | 2022-03-25 |
Family
ID=63234761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810327498.0A Expired - Fee Related CN108460776B (zh) | 2018-04-12 | 2018-04-12 | 一种基于机器视觉的刹车片尺寸检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460776B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269411A (zh) * | 2018-11-06 | 2019-01-25 | 昆山睿力得软件技术有限公司 | 一种用于汽车刹车片的检测设备 |
CN110400321A (zh) * | 2019-07-26 | 2019-11-01 | 广东工业大学 | 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法 |
CN111242963A (zh) * | 2018-11-29 | 2020-06-05 | 合肥泰禾光电科技股份有限公司 | 货箱轮廓检测方法及装置 |
CN111709912A (zh) * | 2020-05-18 | 2020-09-25 | 北京配天技术有限公司 | 一种圆弧边缘检测方法、装置及存储介质 |
CN113624136A (zh) * | 2021-08-25 | 2021-11-09 | 中机生产力促进中心 | 零件检测设备和零件检测设备标定方法 |
CN113643225A (zh) * | 2020-04-26 | 2021-11-12 | 北京配天技术有限公司 | 一种圆弧检测方法以及圆弧检测装置 |
CN115775315A (zh) * | 2023-02-10 | 2023-03-10 | 武汉精立电子技术有限公司 | Roi提取方法、装置、设备及可读存储介质 |
CN115984232A (zh) * | 2023-01-12 | 2023-04-18 | 大连工业大学 | 一种基于双目视觉系统的分割猪肉断面脂肪最大厚度检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839690A (zh) * | 2010-04-13 | 2010-09-22 | 河海大学常州校区 | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 |
CN102116610A (zh) * | 2010-11-29 | 2011-07-06 | 科达斯特恩(常州)汽车塑件系统有限公司 | 基于机器视觉的汽车配件尺寸在线自动检测方法及装置 |
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 |
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
US20150371093A1 (en) * | 2014-06-18 | 2015-12-24 | Fuji Jukogyo Kabushiki Kaisha | Image processing apparatus |
CN105258727A (zh) * | 2015-10-28 | 2016-01-20 | 中国计量学院 | 基于机器视觉的刹车片背板自动检测装置 |
CN106096497A (zh) * | 2016-05-28 | 2016-11-09 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 一种针对多元遥感数据的房屋矢量化方法 |
CN106568385A (zh) * | 2016-01-29 | 2017-04-19 | 中国计量学院 | 一种基于双相机的汽车刹车片尺寸机器视觉自动测量系统 |
CN106651828A (zh) * | 2016-09-21 | 2017-05-10 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN107084666A (zh) * | 2017-05-10 | 2017-08-22 | 中国计量大学 | 基于机器视觉的刹车片尺寸综合检测方法 |
CN111968144A (zh) * | 2020-09-07 | 2020-11-20 | 北京凌云光技术集团有限责任公司 | 一种图像边缘点获取方法及装置 |
-
2018
- 2018-04-12 CN CN201810327498.0A patent/CN108460776B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839690A (zh) * | 2010-04-13 | 2010-09-22 | 河海大学常州校区 | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 |
CN102116610A (zh) * | 2010-11-29 | 2011-07-06 | 科达斯特恩(常州)汽车塑件系统有限公司 | 基于机器视觉的汽车配件尺寸在线自动检测方法及装置 |
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 |
US20150371093A1 (en) * | 2014-06-18 | 2015-12-24 | Fuji Jukogyo Kabushiki Kaisha | Image processing apparatus |
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
CN105258727A (zh) * | 2015-10-28 | 2016-01-20 | 中国计量学院 | 基于机器视觉的刹车片背板自动检测装置 |
CN106568385A (zh) * | 2016-01-29 | 2017-04-19 | 中国计量学院 | 一种基于双相机的汽车刹车片尺寸机器视觉自动测量系统 |
CN106096497A (zh) * | 2016-05-28 | 2016-11-09 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 一种针对多元遥感数据的房屋矢量化方法 |
CN106651828A (zh) * | 2016-09-21 | 2017-05-10 | 哈尔滨工业大学 | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 |
CN107084666A (zh) * | 2017-05-10 | 2017-08-22 | 中国计量大学 | 基于机器视觉的刹车片尺寸综合检测方法 |
CN111968144A (zh) * | 2020-09-07 | 2020-11-20 | 北京凌云光技术集团有限责任公司 | 一种图像边缘点获取方法及装置 |
Non-Patent Citations (3)
Title |
---|
MERIAUDEAU ET AL: "Machine vision prototype for defect detection on metallic tubes", 《CONFERENCE ON MACHINE VISION APPLICATIONS IN INDUSTRIAL INSPECTION》 * |
左东祥等: "基于 HALCON 的刹车片尺寸和表面缺陷检测系统", 《电子科技》 * |
胡琳丽等: "基于尺寸公差和图像处理的刹车片尺寸检测", 《仪器仪表学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269411A (zh) * | 2018-11-06 | 2019-01-25 | 昆山睿力得软件技术有限公司 | 一种用于汽车刹车片的检测设备 |
CN111242963A (zh) * | 2018-11-29 | 2020-06-05 | 合肥泰禾光电科技股份有限公司 | 货箱轮廓检测方法及装置 |
CN111242963B (zh) * | 2018-11-29 | 2024-02-13 | 合肥泰禾光电科技股份有限公司 | 货箱轮廓检测方法及装置 |
CN110400321A (zh) * | 2019-07-26 | 2019-11-01 | 广东工业大学 | 基于机器视觉的皮革原料轮廓及实际尺寸的提取方法 |
CN113643225A (zh) * | 2020-04-26 | 2021-11-12 | 北京配天技术有限公司 | 一种圆弧检测方法以及圆弧检测装置 |
CN111709912A (zh) * | 2020-05-18 | 2020-09-25 | 北京配天技术有限公司 | 一种圆弧边缘检测方法、装置及存储介质 |
CN113624136A (zh) * | 2021-08-25 | 2021-11-09 | 中机生产力促进中心 | 零件检测设备和零件检测设备标定方法 |
CN115984232A (zh) * | 2023-01-12 | 2023-04-18 | 大连工业大学 | 一种基于双目视觉系统的分割猪肉断面脂肪最大厚度检测方法 |
CN115984232B (zh) * | 2023-01-12 | 2023-11-10 | 大连工业大学 | 一种基于双目视觉系统的分割猪肉断面脂肪最大厚度检测方法 |
CN115775315A (zh) * | 2023-02-10 | 2023-03-10 | 武汉精立电子技术有限公司 | Roi提取方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108460776B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460776A (zh) | 一种基于机器视觉的刹车片尺寸检测方法及装置 | |
CN110489682B (zh) | 一种页面加载方法和装置 | |
CN104924857A (zh) | 带有磨损指示件的磨损件以及用于磨损检查的系统 | |
CN102947865A (zh) | 用于光线跟踪中的图元相交的系统和方法 | |
CN110019244A (zh) | 数据处理方法、装置和计算机可读存储介质 | |
US20230079053A1 (en) | Systems and methods for generating vehicle wraps | |
CN105378797A (zh) | 三维数据可视化 | |
CN106055654A (zh) | 异构数据的整合方法以及装置 | |
JPWO2017057448A1 (ja) | 個体識別子抽出装置 | |
CN106327558A (zh) | 点云立面提取方法和装置 | |
CN105912425A (zh) | 快照映像建立、回滚方法以及装置 | |
CN110738626A (zh) | 渲染图的优化方法、装置及电子设备 | |
US7451010B2 (en) | Chip information character set generation system and method of marking a chip with a chip information character set | |
US20120029894A1 (en) | Information processing apparatus and information processing method | |
CN116051575A (zh) | 图像分割方法、装置、计算机设备、存储介质程序产品 | |
CN107909284A (zh) | 一种基于gis信息的交易配套分析可视化方法 | |
CN106663317A (zh) | 数字图像的形态学处理方法和数字图像处理装置 | |
US20080303815A1 (en) | Method and apparatus for detecting between virtual objects | |
CN108062785A (zh) | 面部图像的处理方法及装置、计算设备 | |
CN110370092B (zh) | 一种纵磨外圆轴向表面粗糙度确定方法、装置及设备 | |
CN111222904B (zh) | 广告投放方法、装置、系统、计算设备和存储介质 | |
JP3292976B2 (ja) | マルチプロセッサ描画処理装置 | |
CN109947846A (zh) | 交易数据处理方法、装置、计算机设备和存储介质 | |
GB2619844A (en) | Graphics processing | |
CN105844255A (zh) | 主观题阅卷方法及其装置 |
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: 20220325 |
|
CF01 | Termination of patent right due to non-payment of annual fee |