CN108731606A - 一种基于凸性缺陷关键点的齿轮参数快速检测方法 - Google Patents

一种基于凸性缺陷关键点的齿轮参数快速检测方法 Download PDF

Info

Publication number
CN108731606A
CN108731606A CN201810474451.7A CN201810474451A CN108731606A CN 108731606 A CN108731606 A CN 108731606A CN 201810474451 A CN201810474451 A CN 201810474451A CN 108731606 A CN108731606 A CN 108731606A
Authority
CN
China
Prior art keywords
gear
convexity defect
key point
convexity
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.)
Pending
Application number
CN201810474451.7A
Other languages
English (en)
Inventor
张爱军
刘潇龙
陈国华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Chemical Technology
Original Assignee
Beijing University of Chemical Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Chemical Technology filed Critical Beijing University of Chemical Technology
Priority to CN201810474451.7A priority Critical patent/CN108731606A/zh
Publication of CN108731606A publication Critical patent/CN108731606A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种基于凸性缺陷关键点的齿轮参数快速检测方法，采用从齿轮图像轮廓的凸性缺陷中提取关键点的方法，提出了一种快速测量齿轮参数的方法。首先对预处理之后的齿轮图像提取齿轮外轮廓，求取外轮廓的凸包和凸性缺陷；然后利用凸性缺陷的性质，求得齿数以及齿根圆和齿顶圆上的关键点；最后利用关键点拟合圆求得齿根圆和齿顶圆半径。其中外轮廓提取的方法应用能够提升对于局部高光齿轮图片的检测鲁棒性，齿轮凸性缺陷使得检测无须以定位齿轮中心为前提，避免了齿轮中心定位误差对于齿轮参数测量精度的影响。而提取关键点进行计算，大大减小了计算量，显著提神了检测效率，实验证明，本方法比经典方法要快上1.5倍左右，完全可以满足工业场景的实时性要求。

Description

一种基于凸性缺陷关键点的齿轮参数快速检测方法
技术领域
本专利涉及一种基于凸性缺陷关键点的齿轮参数快速检测方法。
背景技术
鉴于现有的基于机器视觉的齿轮参数检测方法都以定位齿轮中心为基准，且反复利用所有边缘轮廓点进行计算，本文提出一种基于凸性缺陷关键点的齿轮参数快速检测方法，无须定位齿轮中心，避免中心定位误差对于参数精度的影响。且基于关键点的计算方法，大大减小了计算量。通过理论分析和实验，本方法能够在不损失精度的情况下，速度提升约1.5倍。
发明内容
本专利的目的在于：在齿轮参数检测过程中，避免齿轮中心定位误差对于齿轮参数精度的影响，从冗余的齿轮外轮廓点钟提取关键点，提升计算的效率。
为了实现上述目的，本专利采用的技术方案是：对于相机获取的齿轮图像，首先通过图像预处理对齿轮进行灰度变换、阈值分割和外轮廓提取，然后通过求取齿轮外轮廓的凸包和凸性缺陷获取齿轮轮廓上的有限个关键点，并基于关键点快速地计算出齿轮的齿数、齿根圆半径和齿顶圆半径等参数。本方法在图像预处理过程中，用外轮廓提取的方法代替边缘检测，省去了从边缘图像提取点集的操作。基于关键点的参数计算，使得新方法无需每次都让齿轮外轮廓的所有的点参与运算，大大减少了计算量，提升了计算效率。
一种基于凸性缺陷关键点的齿轮参数快速检测方法，其特征在于：首先对预处理之后的齿轮图片进行阈值分割和外轮廓提取，此方法相较于现在流行的边缘提取算法对于具有局部高光区域的齿轮图像具有更强的鲁棒性。然后从齿轮形状的特性出发，通过求取外轮廓的凸包和缺陷。
进一步，对于外轮廓提取的到的轮廓，即点集C，可以根据以下公式获取其凸包Conv(C)。
其中xi表示轮廓点集C上的第i个点；ai表示xi对应的系数，它的取值范围为[0,1]且所有ai的总和为1。
由轮廓和凸包点集可求得齿轮的凸性缺陷为：
ConvexityDefects＝Conv(C)-C
为了方便计算和表达，每一个凸性缺陷可以用一个四元组来表示。即：
ConvexityDefect＝(start，end，farthest，depth)
其中start和end分别表示凸性缺陷区域在轮廓上的起始点和终结点，farthest表示凸性缺陷区域中距离凸包最远的点。depth表示最远点与凸包之间的最短距离。
为了表示方便，可以利用ABC三点构成的三角形来描述一个凸性缺陷，也即上述四元组。即
Defects＝∑Δ(start，end，fasthest)
start、end和farthest分别为凸性缺陷三角形的三个顶点，而depth表示为从穿过fasthest点的三角形的高。所有凸性缺陷三角形的顶点组成了齿轮外轮廓的关键点。
那么，根据齿轮外形分析及齿数周期出现的特性，可以根据这些关键点计算齿轮的基础参数。
齿轮齿根圆齿顶圆半径的确定是在图像中的坐标来表示的，以像素数来度量。在摄像机完成标定以后，像素数即可转化为实际的度量单位，从而以实际尺寸来表示。
与现有技术相比，本专利的优点在于：本方法在图像预处理过程中，用外轮廓提取的方法代替边缘检测，省去了从边缘图像提取点集的操作。同时对于有局部高亮的齿轮图像的参数检测具有更好的鲁棒性。而基于关键点的参数计算，使得新方法无需每次都让齿轮轮廓的所有的点参与运算，大大减少了计算量，提升了计算效率。同时计算过程中，通过提取关键点进行各个参数的计算，从而避免了所有参数都以齿轮中心为基准进行计算。
附图说明
图1为本发明实施一种基于凸性缺陷关键点的齿轮参数快速检测方法的流程图；
图2为齿轮图像预处理效果图。
其中(a)表示齿轮源图像；(b)表示经过阈值分割之后得到的二值图像；(c)为轮廓提取之后得到的齿轮外轮廓。
图3为齿轮外轮廓及外轮廓凸包。
图4为齿轮外轮廓凸性缺陷及凸性缺陷关键点表示方法。
图5为关键点拟合得到的齿轮齿顶圆和齿根圆。
图6为对比试验中本方法与经典方法运行50次的耗费时间对比图。
具体实施方式
进一步，对于外轮廓提取的到的轮廓，即点集C，可以根据以下公式获取其凸包Conv(C)。
其中xi表示轮廓点集C上的第i个点；ai表示xi对应的系数，它的取值范围为[0,1]且所有a的总和为1。其中ai根据凸包计算算法算的，经典算法都有很多种，而且都是现有的方法，
由轮廓和凸包点集可求得齿轮的凸性缺陷为：
ConvexityDefects＝Conv(C)-C
为了方便计算和表达，每一个凸性缺陷可以用一个四元组来表示。即：
ConvexityDefect＝(start，end，farthest，depth)
其中start和end分别表示凸性缺陷区域在轮廓上的起始点和终结点，farthest表示凸性缺陷区域中距离凸包最远的点。depth表示最远点与凸包之间的最短距离。
为了表示方便，可以利用ABC三点构成的三角形来描述一个凸性缺陷，也即上述四元组。即
Defects＝∑Δ(start，end，fasthest)
start、end和farthest分别为凸性缺陷三角形的三个顶点，而depth表示为从穿过fasthest点的三角形的高。所有凸性缺陷三角形的顶点组成了齿轮外轮廓的关键点。
那么，根据齿轮外形分析及齿数周期出现的特性，可以根据这些关键点计算齿轮的基础参数。
齿轮齿根圆齿顶圆半径的确定是在图像中的坐标来表示的，以像素数来度量。在摄像机完成标定以后，像素数即可转化为实际的度量单位，从而以实际尺寸来表示。
实验证明，本方法比经典方法要快上1.5倍左右，完全可以满足工业场景的实时性要求。

Claims (3)

1.一种基于凸性缺陷关键点的齿轮参数快速检测方法，其特征在于：首先对齿轮图片进行灰度变换、滤波降噪、阈值分割和外轮廓提取，然后从齿轮形状的特性出发，通过求取外轮廓的凸包和凸性缺陷来提取齿轮外轮廓关键点，进而利用关键点快速计算齿轮的齿数、齿根圆半径和齿顶圆半径。
2.根据权利要求1所述的方法，其特征在于：
对于齿轮外轮廓提取的到的轮廓，即点集C，根据以下公式获取其凸包Conv(C)；
其中xi表示外轮廓点集C上的第i个点；ai表示xi对应的系数，它的取值范围为[0,1]且所有ai的总和为1；
由外轮廓和凸包点集求得齿轮的凸性缺陷为：
ConvexityDefects＝Conv(C)-C
每一个凸性缺陷用一个四元组来表示；即：
ConvexityDefect＝(start，end，farthest，depth)
其中start和end分别表示凸性缺陷区域在外轮廓上的起始点和终结点，farthest表示凸性缺陷区域中距离凸包最远的点；depth表示最远点与凸包之间的最短距离。
3.根据权利要求2所述的方法，其特征在于：
利用ABC三点构成的三角形来描述一个凸性缺陷，也即上述四元组；即
Defects＝∑Δ(start，end，fasthest)
start、end和farthest分别为凸性缺陷三角形的三个顶点，而depth表示为从穿过fasthest点的三角形的高；所有凸性缺陷三角形的顶点组成了齿轮外轮廓的关键点。
CN201810474451.7A 2018-05-17 2018-05-17 一种基于凸性缺陷关键点的齿轮参数快速检测方法 Pending CN108731606A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810474451.7A CN108731606A (zh) 2018-05-17 2018-05-17 一种基于凸性缺陷关键点的齿轮参数快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810474451.7A CN108731606A (zh) 2018-05-17 2018-05-17 一种基于凸性缺陷关键点的齿轮参数快速检测方法

Publications (1)

Publication Number Publication Date
CN108731606A true CN108731606A (zh) 2018-11-02

Family

ID=63938465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810474451.7A Pending CN108731606A (zh) 2018-05-17 2018-05-17 一种基于凸性缺陷关键点的齿轮参数快速检测方法

Country Status (1)

Country Link
CN (1) CN108731606A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102914545A (zh) * 2012-11-15 2013-02-06 潍坊学院 一种基于计算机视觉的齿轮缺陷检测方法及系统
CN202916213U (zh) * 2012-11-16 2013-05-01 潍坊学院 一种基于计算机视觉的齿轮缺陷检测系统
CN107228860A (zh) * 2017-06-28 2017-10-03 北京因时机器人科技有限公司 一种基于图像旋转周期特性的齿轮缺陷检测方法
CN111353981A (zh) * 2020-02-28 2020-06-30 广州大学 基于机器视觉的齿轮检测方法、系统及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102914545A (zh) * 2012-11-15 2013-02-06 潍坊学院 一种基于计算机视觉的齿轮缺陷检测方法及系统
CN202916213U (zh) * 2012-11-16 2013-05-01 潍坊学院 一种基于计算机视觉的齿轮缺陷检测系统
CN107228860A (zh) * 2017-06-28 2017-10-03 北京因时机器人科技有限公司 一种基于图像旋转周期特性的齿轮缺陷检测方法
CN111353981A (zh) * 2020-02-28 2020-06-30 广州大学 基于机器视觉的齿轮检测方法、系统及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张钰婷 等: "基于机器视觉的齿轮缺陷检测方法研究", 《工业控制计算机》 *
邵勇 等: "基于最小凸包的直齿圆柱齿轮检测方法研究", 《电子测量与仪器学报》 *

Similar Documents

Publication Publication Date Title
US9818232B2 (en) Color-based depth smoothing of scanned 3D model to enhance geometry in 3D printing
CN107876970A (zh) 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法
CN107507208A (zh) 一种基于轮廓上曲率估计的图像特征点提取方法
CN109447939B (zh) 基于混合光谱视觉的熔池成形前焊缝宽度预测方法
CN103824049A (zh) 一种基于级联神经网络的人脸关键点检测方法
TWI497450B (zh) 視訊物件追蹤方法
CN107228860A (zh) 一种基于图像旋转周期特性的齿轮缺陷检测方法
CN110530875A (zh) 一种基于深度学习的fpcb外观缺陷自动检测算法
CN110793462B (zh) 基于视觉技术的尼龙齿轮分度圆测量方法
CN105719275A (zh) 一种并行组合的图像缺陷分割方法
CN107462182A (zh) 一种基于机器视觉和红线激光器的截面轮廓形变检测方法
CN109801360A (zh) 基于图像的胃肠三维重构和可视化方法
CN116612123B (zh) 一种花生油加工质量视觉检测方法
CN107657620A (zh) 一种带纹理的金属凝固区域识别的方法及系统
CN109308707B (zh) 铝锭厚度非接触式在线测量方法
CN108731606A (zh) 一种基于凸性缺陷关键点的齿轮参数快速检测方法
CN111539951B (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
CN105741263A (zh) 一种手轮廓提取及定向算法
CN116645418A (zh) 基于2d和3d相机的屏幕按钮检测方法、装置及其相关介质
CN116452505A (zh) 基于改进YOLOv5的连铸坯内部缺陷检测与评级方法
CN115222730A (zh) 一种基于线扫光谱共聚焦相机的缺陷检测算法
CN102129683B (zh) 基于中医望诊的口唇图像自动分割方法
CN111738934B (zh) 基于mtcnn的红眼自动修复方法
CN114943761A (zh) 一种fpga中线结构光条纹中心提取方法及装置
CN104309866B (zh) 一种香烟包装机模盒内烟支自动定位方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181102

WD01 Invention patent application deemed withdrawn after publication