CN108805870A - 一种带针座的接插件的检测方法 - Google Patents
一种带针座的接插件的检测方法 Download PDFInfo
- Publication number
- CN108805870A CN108805870A CN201810611911.6A CN201810611911A CN108805870A CN 108805870 A CN108805870 A CN 108805870A CN 201810611911 A CN201810611911 A CN 201810611911A CN 108805870 A CN108805870 A CN 108805870A
- Authority
- CN
- China
- Prior art keywords
- needle stand
- marginal position
- image
- ccd camera
- connector
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000005352 clarification Methods 0.000 claims abstract description 3
- 238000003708 edge detection Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 7
- 230000002950 deficient Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000001960 triggered effect Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000013316 zoning 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
- G06T7/0002—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
- G06T7/80—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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种带针座的接插件的检测方法,属于图像处理技术领域,包括以下步骤:a.对CCD相机的镜头标定内参数及畸变矫正;b.将CCD相机切换至硬件触发模式;c.带针座的接插件随传送带进入CCD相机的视野范围;d.当待测目标进入CCD相机视野范围内,传感器触发;e.传感器给CCD相机一个触发拍照信号,CCD相机瞬间获取一帧图像;f.将获取的一帧图像进行预处理,作为待检测图像;g以待检测目标的特征点作为原点,建立XY平面坐标系,随之建立待检测图像的目标ROI(Region Of Interest);h.对待检测图像的目标ROI进行图像处理,采用边缘位置检测法来检测接插件针中针座的数量及边缘直线拟合求偏差法来判断接插件中针座长度是否统一;采用机器视觉对针座进行检测,不会对针座产生损伤。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种插座针座的检测方法。
背景技术
现今社会中,电子工业、航天工业、汽车工业的发展对其中的工件精度要求越来越高,传统工件检测工艺中普遍采用游标卡尺、螺旋测微器等计量工具进行人工检测,或者采用定量的夹具与被测量的工件配合进行测量,或者利用是否能够满足工作需要进行定性测量。当今的测量方法与测量工具不断增加,为高效的测量提供了良好的技术准备。其中,视觉测量具有精确度高、非接触测量等优点在现代工业生产的应用日益增多,视觉测量能够代替部分人工视觉,同时能够适应自动化生产线。
插座针座在现代工业中广泛应用,尤其是在汽车生产领域。目前,插座针座的检测主要集中在插座针座是否缺针以及针座的长度是否相等。如果插座针座存在缺针,人工利用肉眼非常容易判断,但是人工长期检测,极容易产生视觉疲劳,容易产生检测遗漏。如果插座针座的个别针座的伸出长度存在明显不一致的情况,对于单排针座用以检测,对于多排针座需要进行多方位的人工视觉检测,极容易产生检测遗漏,同时对于长度不一致的情况,人工的判断标准不统一。
发明内容
本发明针对现有技术存在的缺陷,提供一种基于机器视觉的插座针座的检测方法,该检测方法能够对插座针座通过视觉检测进行缺针及长度不一致的检测。
本发明采用的技术方案如下:一种带针座的接插件的检测方法,包括以下步骤:a.对CCD 相机的镜头标定内参数及畸变矫正;b.将CCD相机切换至硬件触发模式;c.带针座的接插件随传送带以预设姿态进入CCD相机的视野范围;d.CCD相机的正下方设置一组对射型光电传感器,当待测目标进入CCD相机视野范围内,光电传感器立刻检测到待测目标;e.光电传感器给CCD相机一个触发拍照信号,CCD相机瞬间获取一帧图像;f.将获取一帧图像进行预处理,采用平滑-低通滤波器来克服噪声干扰后,作为待检测图像;g以待检测目标的特征点作为原点,建立XY平面坐标系,定义传送带的运动方向的为X轴正向,随之建立待检测图像的目标ROI(Region Of Interest);h.对待检测图像的目标ROI进行图像处理,采用边缘位置检测法秋来判断接目标工件中针座的数量是否符合标准;如果目标工件中针座数量等于预设值,则进行步骤i,否则为不合格品;i.利用边缘直线拟合求偏差法来判断目标工件的针座长度是否符合标准,若目标工件中针座长度全部符合标准,该目标工件为合格品,否则为不合格品。
进一步的,内参数包括内参矩阵,内参矩阵K为一个3×3矩阵,具体如下:
fx=f/dx
fy=f/dy
其中,f表示CCD相机的焦距,fy和fx为CCD相机在x和y方向的焦距,dx为x 方向上的像素当量,dy为y方向上的像素当量,(x0,y0)是CCD相机的光心在待检测图像上的坐标即为主点坐标,s为倾斜因子。
进一步的,畸变矫正通过建立偏心畸变模型求得畸变系数。
进一步的,平滑-低通滤波器的内核结构尺寸为3×3的二维数组。
进一步的,边缘检测法包括如下步骤:a.采用交互式方法指定搜索区域;b.使用线性ROI 工具来选择要分析的搜索路径;c.使用内核算子沿搜索路径来检索搜索区域中所有点的边缘强度;其中边缘极性定义为上升沿,边缘的灰度值突然增加,其中边缘强度/边缘长度=边缘梯度,搜索区域中某一点的边缘梯度达到设定值时,该点即为待检测图像的边缘位置,峰值像素点来表示检测位置最接近的整数像素。
进一步的,于边缘检测方法中,利用亚像素分析法来计算边缘位置的亚像素位置,压像素分析法利用抛物线来拟合边缘位置的坐标从而计算出亚像素位置,具体如下:在待检测图像的某一个边缘位置,用抛物线拟合边缘位置的峰值像素点及峰值像素点两边的整数像素点,使用下面的表达式:
y=ax2+bx+c
求取a、b、c的过程如下:用三个点(x0,y0)、(x1,y1)、(x2,y2)分别来表示峰值像素点及峰值像素点两边的整数像素点,在不损失共性的前提下使x0=-1,x1=0,x2=1,现在将替代这些点在抛物线方程中,然后求解a、b、c的值,结果如下:
c=y1
边缘位置为抛物线函数的一阶导数为0的坐标点,求解得到边缘位置的横坐标为:
即拟合到边缘位置的横坐标,边缘位置的纵坐标已知,即得到边缘位置的压像素位置。
进一步的,边缘直线拟合求偏离法的步骤如下:a.建立理想直线来拟合边缘位置的峰值像素点所在的理想直线;b.依次判断所有边缘位置的峰值像素点与理想直线的方差;c.将方差与预设方差进行比较,大于预设方差则带针座的接插件不合格。
进一步的,边缘直线拟合求偏离法的步骤如下:A.建立理想直线来拟合边缘位置的亚像素位置所在的理想直线;B.依次判断所有边缘位置的亚像素位置与理想直线的方差;C.将方差与预设方差进行比较,大于预设方差则带针座的接插件不合格。
进一步的,理想直线来拟合边缘位置所在直线的原理如下:对带针座的接插件,进行直线拟合,假定理想直线用以下式子进行表示:
αr+βc+γ=0
(ri,ci),i=1,2,…,n依次表示边缘位置的像素坐标或者压像素坐标,n表示正整数,为了拟合出一条理想直线,需要所有边缘位置到理想直线的距离的平方和进行最小化处理:
上述直线拟合的方法是采取最小平方直线拟合法,拟合直线必须满足轮廓上所有的点到此直线的平方距离的和为最小,直线拟合主要有三个步骤:1、随机选择边缘检测法中任意两个边缘位置的位置坐标;2、根据上述两个点来构造一条拟合直线;3、然后判断其余的边缘位置是否在该条拟合直线上;最后选择边缘位置与拟合直线的重合率最高的拟合直线,作为理想直线。
本发明的有益效果:本发明采用机器视觉对带针座的接插件的针座数量及长度进行检测,采用非接触的方法对针座进行检测,不会对针座产生损伤,同时机器视觉的检测精度高不会产生疲劳,能够取代人工视觉检测,降低成本;采用亚像素分析法进一步对边缘位置进行像素坐标的进一步拟合,提高了检测的精度。
附图说明
图1为本发明方法中畸变矫正中坐标转化关系图。
图2为本发明方法中边缘位置检测法中边缘特征示意图。
图3为本发明方法中待检测图像进行直线拟合的效果图。
图4为本发明方法的流程图。
具体实施方式
本实施例中带针座的接插件采用的具有双排针座的接插件,利用该检测方法依次对接插件的双排针座进行针座数量及针座长度的检测。
一种带针座的接插件测量方法,包括以下步骤:a.对CCD相机镜头标定内参数标定及畸变矫正;b.CCD相机切换至硬件触发模式;c.带针座的接插件随传送带以预设姿态进入CCD 相机的视野范围;d.CCD相机的正下方设置一组对射型光电传感器,当待测目标进入CCD相机的视野范围内,光电传感器立刻检测到待测目标;e.光电传感器给CCD相机一个触发拍照信号,使得CCD相机瞬间获取一帧图像;f.将获取一帧图像进行预处理,采用平滑-低通滤波器来克服噪声干扰后,作为待检测图像;g.以待检测目标的特征点作为原点,建立XY平面坐标系,定义传送带的运动方向的为X轴正向,随之建立待检测图像的目标ROI(RegionOf Interest);H.对待检测图像的目标ROI进行图像处理,采用边缘位置检测法秋来判断接插件中针座的数量是否符合标准;如接插件的针座数量等于预设值,则进行步骤i,否则为不合格品;i.利用边缘直线拟合求偏差法来判断接插件的针座长度是否符合标准,若针座长度全部符合标准,该接插件为合格品,否则为不合格品。
带针座的接插件的检测流程如图4所示。
需要对CCD相机标定内参数及畸变校正,结合激光传感器测量镜头出光点到被检测目标表面的垂直距离,通过检测目标工件插针的数量及长度,将这些数据进行处理判断,最终确定是否符合标准,将不符合标准的工件进行剔除,提高目标工件产品的合格率。
CCD工业相机进行标定确定内参数矩阵:CCD相机的内参矩阵K可以表示为一个3×3 矩阵:
fx=f/dx
fy=f/dy
其中,f表示CCD相机的焦距,fy和fx为CCD相机在x和y方向的焦距,dx 为x方向上的像素当量,dy为y方向上的像素当量,CCD相机的镜头主光轴与待测图像所在平面的交点俗称为“主点”,(x0,y0)是主点在待检测图像上的坐标即为主点坐标,s为倾斜因子,现在的制作工艺较好,倾斜因子一般可认为近似为零,s=0,因此本实施例中CCD相机内参就是一个拥有4个自由度的K,如下所示:
由于相机光学系统并不是精确地按理想化的小孔成像原理工作,存在透镜畸变,物点在成像平面上实际成像与理想成像之间存在有光学畸变误差,主要的畸变误差分为三类:径向畸变、偏心畸变和薄棱镜畸变。
本发明选择偏心畸变模型,该模型基本上满足了对带针座的接插件中针座数量的视觉检测需求。
偏心畸变模型:物镜系统各单元透镜,因装配和振动偏离了轴线或歪斜,从而引起的像点偏离其准确理想位置的误差:
由上式中可以看出,偏心畸变模型是位置的函数,偏心畸变模型存在一个畸变中心,畸变中心不存在畸变的,畸变中心为CCD相机的镜头主光轴与待测图像所在平面的交点,也就是俗称的“主点”,表示主点坐标,而且由上式可(x0,y0)以得出像点距离主点越近,畸变就越小。
如图1所示,(xd,yd)表示实际图像坐标中的某一点的坐标,(xu,yu)表示立项图像坐标中对应点的坐标,实际图像坐标与理想图像坐标的关系如下所示:
式中:(ΔxD,ΔyD)为CCD相机调焦距f在XY方向的偏心畸变差分量;e为CCD相机调焦距f时焦距f时的相应主距;f为CCD相机的焦距;(p1,p2)为CCD相机调焦距f在 XY方向的偏心畸变系数。
进一步说明,平滑-低通滤波器的图像预处理,带振作的接插件沿传送带依次进入CCD相机的视野视野内,通过光电传感器触发相机拍照,本实施例中带针座的接插件的座针为银白色,为了增强图像的对比度,设计传送带背景为黑色,当针座的其他颜色时,可以将传送带设置成与针座颜色对比度较强的其他颜色。
由于运行过程中,会有一些灰尘落在皮带上面,在图像中表现为白色的小点,使用低通滤波器可以有效地过滤掉原始图像中孤立的高亮小白点,从而使图像更纯净;低通滤波器,顾名思义就是只有低频的信号将被截止,其作用是使消除细节的方式来平滑图像,滤波器尺寸越大,则可以过滤越大的高亮小点,图像边缘受噪声干扰也会越少,但图像的边缘也会变得越模糊,同时计算量也会增加,对图像的影响就越大,因此选择合适的滤波器尺寸,十分重要。
本实施例中选择低通滤波器的内核结构尺寸为3×3的二维数组,如下
运行过程一些灰尘落在黑色皮带上面,在图像中表现为白色的小点,由于灰尘颗粒非常小,因此使用低通滤波器内核结构尺寸为3×3足以过滤掉相机采集图像中孤立的高亮小白点,有效地抑制了噪声干扰,为后续的进一步图像处理奠定基础。
边缘检测算法采用交互式指定搜索区域,使用线性ROI工具来选择想要分析的搜索路径,使用内核算子沿搜索路径来检索搜索区域中所有点的边缘强度,分析沿着搜索区域来检测边缘的像素,查找所有边缘,边缘极性定义为上升沿,当边缘交点处的灰度值突然增加,图2 为边缘特征模型示意图,横坐标表示搜索方向,纵坐标表示灰度强度,图中①为灰度剖面图,②为边缘长度③,为边缘强度,④边缘位置。
其中边缘强度/边缘长度=边缘梯度,搜索区域中某一点的边缘梯度达到设定值时,该点即为待检测图像的边缘位置,峰值像素点来表示检测位置最接近的整数像素,在步骤h定义的ROI中,选择图像的搜索线方向从左往右,沿着搜索区域来检测边缘的像素,边缘极性为上升沿,查找所有边缘位置,待检测目标存在多排针座,在目标定义区域内生成对应数量的搜索线来分别检测多排针座中每排数量,最终判断是否符合标准。
为了提高对接插件中针座的检测精度较高,可以亚像素分析法来找到边缘位置。
亚像素分析法是一种软件方法,用于估算像素值,可以得到比成像系统能提供的分辨率更高的分辨率,在亚像素分析中,利用抛物线来拟合边缘位置的数据点从而计算出亚像素位置,在每个感兴趣的边缘位置,用抛物线拟合取峰值像素点及峰值像素点两边的整数像素点,抛物线可以使用下面的表达式:
y=ax2+bx+c
求取a、b、c的过程如下:用三个点(x0,y0)、(x1,y1)、(x2,y2)来表示整数的像素峰值的像素点及其两边的邻域的像素点,在不损失共性的前提下使x0=-1,x1=0,x2=1。现在将替代这些点在抛物线方程中,然后求解a、b、c的值,结果如下:
c=y1
函数的最大值是通过计算抛物线函数的一阶导数然后设置结果为0,求解得到:
即拟合检测到的边缘像素位置,有效地提高了检测精度。
进一步测量带针座的接插件的针座长度是否一致,待检测目标的重要信息通常体现在图像边缘上,因此我们要尽可能准确地提取出ROI中针座的边缘位置,边缘位置往往在信号异常处体现,图像中插针的轮廓是由多个边缘位置组成的。
边界轮廓的提取通俗地来讲是指去掉图像里面的点,结合形态学侵蚀与扩张操作,计算出区域图像的内边界,需对区域图像进行适当的侵蚀后从原来的区域中减去侵蚀后的区域即可,具体公式如下:Graduation(R)=R-(RΘS)
由侵蚀与扩张的对偶性可知,计算区域外边界,需对区域图像进行适当的扩张操作,后用扩张操作后的区域减去原来的图像即可,具体公式如下:
其中R代表区域图像,S代表结构元。
由此可知内边界的提取比实际目标边界稍小;而外边界的提取比实际目标的边界稍大,单独进行操作,都与真实目标边界有差值,因此我们可以把上述算法进行整合,可先进行内边界提取再进行外边界提取或先进行外边界提取再进行内边界提取,公式如下:
进行边缘检测提取出边缘轮廓,得到目标区域的边缘特征。由于轮廓是由多个边界点组成的,边缘轮廓包含了大量的轮廓点,但实际中并不需要如此大数据量的信息,因此本发明主要介绍将轮廓数据拟合成几何基元的方法,结合本文的检测内容结合接插件中针座的排列方式可知,边界轮廓为直线。
边缘直线拟合求偏离法的步骤如下:A.建立理想直线来拟合边缘位置的峰值像素点所在的理想直线;B.依次判断所有边缘位置的峰值像素位置与理想直线的方差;C.将方差与预设方差进行比较,大于预设方差则带针座的接插件不合格。
上述步骤中可以使用边缘位置的亚像素位置进行直线拟合下面进行直线拟合分析,依次判断边缘位置的亚像素位置与理想直线的方差,将方差与预设方差进行比较,大于预设方差则带针座的接插件不合格。
进行直线拟合首先要了解直线的表示方法,在图像中直线出现的位置不确定,其可以是任意方向的,所有直线都可以用以下式子进行表示:
αr+βc+γ=0
这实际上是一种过渡参数化的表达方式,其中(α,β,γ)参数是齐次的,(ri,ci),i=1,2,…,n依次表示边缘位置的像素坐标或者压像素坐标,n表示正整数,坐标表示的边缘位置的峰值像素值,需要对这些点到这条直线的距离的平方和进行最小化处理:
上述直线拟合的方法是采取最小平方直线拟合法,满足要求的拟合直线称为理想直线,理想直线必须满足轮廓上所有的点到此直线的平方距离的和为最小。直线拟合主要有三个步骤:1、随机选择边缘检测法中任意两个边缘位置的位置坐标;2、根据上述两个点来构造一条拟合直线;3、然后判断其余的边缘位置是否在该条拟合直线上;最后选择边缘位置与拟合直线的重合率最高的拟合直线,作为理想直线。如图3所示,为带针座的接插件的针座的边缘位置进行直线拟合的效果图片。
最终,依据前面的边缘轮廓检测所得到的结果,生成目标工件图像外接矩形。本发明是在获得接插件的插针边缘轮廓的基础上获取接插件的插针相应的外接矩形,我们可以理解为该矩形是在得到边界轮廓的像素坐标后依据像素坐标计算生成的。通过生成的矩形图像为最大外接矩形,来获取外接矩形后矩形的各个参数如长、宽及宽长比等特征,且都可通过精确的数据显示出来。这样我们所想要的汽车接插件的插针精确长度就可以获得了。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (9)
1.一种带针座的接插件的检测方法,其特征在于,包括以下步骤:
A.对CCD相机的镜头标定内参数及畸变矫正;
B.将CCD相机切换至硬件触发模式;
C.带针座的接插件随传送带以预设姿态进入CCD相机的视野范围;
D.CCD相机的正下方设置一组对射型光电传感器,当待测目标进入CCD相机视野范围内,光电传感器立刻检测到待测目标;
E.光电传感器给CCD相机一个触发拍照信号,CCD相机瞬间获取一帧图像;
F.将获取一帧图像进行预处理,采用平滑-低通滤波器来克服噪声干扰后,作为待检测图像;
G.以待检测目标的特征点作为原点,建立XY平面坐标系,定义传送带的运动方向的为X轴正向,随之建立待检测图像的目标ROI(Region OfInterest);
H.对待检测图像的目标ROI进行图像处理,采用边缘位置检测法秋来判断接目标工件中针座的数量是否符合标准;如果目标工件中针座数量等于预设值,则进行步骤I,否则为不合格品;
I.利用边缘直线拟合求偏差法来判断目标工件中的插针长度是否符合标准,若目标工件中插针长度全部符合标准,该目标工件为合格品,否则为不合格品。
2.根据权利要求1所述的带针座的接插件的检测方法,其特征在于,所述内参数包括内参矩阵,内参矩阵K为一个3×3矩阵,具体如下:
fx=f/dx
fy=f/dy
其中,f表示CCD相机的焦距,fy和fx为CCD相机在x和y方向的焦距,dx为x方向上的像素当量,dy为y方向上的像素当量,(x0,y0)是CCD相机的光心在待检测图像上的坐标即为主点坐标,s为倾斜因子。
3.根据权利要求1所述的带针座的接插件的检测方法,其特征在于,所述畸变矫正通过建立偏心畸变模型求得畸变系数。
4.根据权利要求1所述的带针座的接插件的检测方法,其特征在于,所述平滑-低通滤波器的内核结构尺寸为3×3的二维数组。
5.根据权利要求1所述的带针座的接插件的检测方法,其特征在于,所述边缘检测法包括如下步骤:
A.采用交互式方法指定搜索区域;
B.使用线性ROI工具来选择要分析的搜索路径;
C.使用内核算子沿所述搜索路径来检索所述搜索区域中所有点的边缘强度;
其中边缘极性定义为上升沿,边缘的灰度值突然增加,其中边缘强度/边缘长度=边缘梯度,搜索区域中某一点的边缘梯度达到设定值时,该点即为待检测图像的边缘位置,峰值像素点来表示所述检测位置最接近的整数像素。
6.根据权利要求5所述的带针座的接插件的检测方法,其特征在于所述边缘检测方法中,利用亚像素分析法来计算边缘位置的亚像素位置,所述压像素分析法利用抛物线来拟合边缘位置的坐标从而计算出亚像素位置,具体如下:在待检测图像的某一个边缘位置,用抛物线拟合所述边缘位置的峰值像素点及所述峰值像素点两边的整数像素点,使用下面的表达式:
y=ax2+bx+c
求取a、b、c的过程如下:用三个点(x0,y0)、(x1,y1)、(x2,y2)分别来表示峰值像素点及所述峰值像素点两边的整数像素点,在不损失共性的前提下使x0=-1,x1=0,x2=1,现在将替代这些点在抛物线方程中,然后求解a、b、c的值,结果如下:
c=y1
边缘位置为抛物线函数的一阶导数为0的坐标点,求解得到边缘位置的横坐标为:
即拟合到边缘位置的横坐标,边缘位置的纵坐标已知,即得到边缘位置的压像素位置。
7.根据权利要求5所述的带针座的接插件的检测方法,其特征在于,所述边缘直线拟合求偏离法的步骤如下:
A.建立理想直线来拟合边缘位置的峰值像素点所在的理想直线;
B.依次判断所有边缘位置的峰值像素点与所述理想直线的方差;
C.将方差与预设方差进行比较,大于预设方差则带针座的接插件不合格。
8.根据权利要求6所述的带针座的接插件的检测方法,其特征在于,所述边缘直线拟合求偏离法的步骤如下:
A.建立理想直线来拟合边缘位置的亚像素位置所在的理想直线;
B.依次判断所有边缘位置的亚像素位置与所述理想直线的方差;
C.将方差与预设方差进行比较,大于预设方差则带针座的接插件不合格。
9.根据权利要求7或8任一项所述的带针座的接插件的检测方法,其特征在于,所述理想直线来拟合边缘位置所在直线的原理如下:对带针座的接插件,进行直线拟合,假定理想直线用以下式子进行表示:
αr+βc+γ=0
(ri,ci),i=1,2,…,n依次表示边缘位置的像素坐标或者压像素坐标,n表示正整数,为了拟合出一条理想直线,需要所有边缘位置到所述理想直线的距离的平方和进行最小化处理:
上述直线拟合的方法是采取最小平方直线拟合法,拟合直线必须满足轮廓上所有的点到此直线的平方距离的和为最小,直线拟合主要有三个步骤:a、随机选择所述边缘检测法中任意两个边缘位置的位置坐标;b、根据上述两个点来构造一条拟合直线;c、然后判断其余的边缘位置是否在该条拟合直线上;最后选择边缘位置与拟合直线的重合率最高的拟合直线,作为理想直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810611911.6A CN108805870A (zh) | 2018-06-14 | 2018-06-14 | 一种带针座的接插件的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810611911.6A CN108805870A (zh) | 2018-06-14 | 2018-06-14 | 一种带针座的接插件的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805870A true CN108805870A (zh) | 2018-11-13 |
Family
ID=64086225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810611911.6A Pending CN108805870A (zh) | 2018-06-14 | 2018-06-14 | 一种带针座的接插件的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805870A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544626A (zh) * | 2018-11-14 | 2019-03-29 | 苏州诚拓机械设备有限公司 | 卡尺式定位方法 |
CN110260818A (zh) * | 2019-07-02 | 2019-09-20 | 吉林大学 | 一种基于双目视觉的电子连接器鲁棒检测方法 |
CN113160161A (zh) * | 2021-04-14 | 2021-07-23 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
CN113393447A (zh) * | 2021-06-24 | 2021-09-14 | 四川启睿克科技有限公司 | 基于深度学习的针尖正位度检测方法及系统 |
CN116091498A (zh) * | 2023-04-07 | 2023-05-09 | 飞杨电源技术(深圳)有限公司 | 用于铅酸蓄电池智能充电器的视觉缺陷检测方法 |
CN117495859A (zh) * | 2024-01-02 | 2024-02-02 | 常州星宇车灯股份有限公司 | 接插件到位检测方法、装置、设备及其介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305793A (zh) * | 2011-05-11 | 2012-01-04 | 苏州天准精密技术有限公司 | 一种产品外观质量检测方法和设备 |
CN103895042A (zh) * | 2014-02-28 | 2014-07-02 | 华南理工大学 | 一种基于视觉引导的工业机器人工件定位抓取方法及系统 |
-
2018
- 2018-06-14 CN CN201810611911.6A patent/CN108805870A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305793A (zh) * | 2011-05-11 | 2012-01-04 | 苏州天准精密技术有限公司 | 一种产品外观质量检测方法和设备 |
CN103895042A (zh) * | 2014-02-28 | 2014-07-02 | 华南理工大学 | 一种基于视觉引导的工业机器人工件定位抓取方法及系统 |
Non-Patent Citations (3)
Title |
---|
ANDY YUAN: "NI Vision Assistant中文入门教程(高清PDF版)", 《中国专业IT社区CSDN》 * |
刘日明: "基于图像处理的冷轧中厚板轮廓检测仪研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
杜媛: "基于自适应分割与直线拟合的芯片连接器针脚缺陷检测算法", 《系统仿真技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544626A (zh) * | 2018-11-14 | 2019-03-29 | 苏州诚拓机械设备有限公司 | 卡尺式定位方法 |
CN109544626B (zh) * | 2018-11-14 | 2022-11-15 | 苏州诚拓智能装备有限公司 | 卡尺式定位方法 |
CN110260818A (zh) * | 2019-07-02 | 2019-09-20 | 吉林大学 | 一种基于双目视觉的电子连接器鲁棒检测方法 |
CN113160161A (zh) * | 2021-04-14 | 2021-07-23 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
CN113160161B (zh) * | 2021-04-14 | 2023-07-11 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
CN113393447A (zh) * | 2021-06-24 | 2021-09-14 | 四川启睿克科技有限公司 | 基于深度学习的针尖正位度检测方法及系统 |
CN113393447B (zh) * | 2021-06-24 | 2022-08-02 | 四川启睿克科技有限公司 | 基于深度学习的针尖正位度检测方法及系统 |
CN116091498A (zh) * | 2023-04-07 | 2023-05-09 | 飞杨电源技术(深圳)有限公司 | 用于铅酸蓄电池智能充电器的视觉缺陷检测方法 |
CN116091498B (zh) * | 2023-04-07 | 2023-06-23 | 飞杨电源技术(深圳)有限公司 | 用于铅酸蓄电池智能充电器的视觉缺陷检测方法 |
CN117495859A (zh) * | 2024-01-02 | 2024-02-02 | 常州星宇车灯股份有限公司 | 接插件到位检测方法、装置、设备及其介质 |
CN117495859B (zh) * | 2024-01-02 | 2024-03-26 | 常州星宇车灯股份有限公司 | 接插件到位检测方法、装置、设备及其介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805870A (zh) | 一种带针座的接插件的检测方法 | |
US9370799B2 (en) | Method and system for optically inspecting a manufactured part at a single inspection station having a measurement axis | |
US9575013B2 (en) | Non-contact method and system for inspecting a manufactured part at an inspection station having a measurement axis | |
CN108986070B (zh) | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 | |
US9486840B2 (en) | High-speed, triangulation-based, 3-D method and system for inspecting manufactured parts and sorting the inspected parts | |
CN108362220A (zh) | 用于印制线路板的三维形貌测量及缺陷检测的方法 | |
CN109520436B (zh) | 一种基于机器视觉的蝶形弹簧三维尺寸自动测量系统及其测量方法 | |
CN105004324B (zh) | 一种具有三角测距功能的单目视觉传感器 | |
JPS62503121A (ja) | 物体の表面の少なくとも一部分の横断面形状又は輪郭に関する情報を得る方法及び装置 | |
CN110030923B (zh) | 连接器Pin针检测系统及其检测方法 | |
CN109976391B (zh) | 光学聚焦镜头的焦点感光元件三维空间视觉伺服定位系统及方法 | |
CN106225676B (zh) | 三维测量方法、装置及系统 | |
CN106338524A (zh) | 竖直光学元件表面损伤的显微扫描成像采集装置及方法 | |
CN106918306A (zh) | 基于光场单相机的工业产品三维形貌实时检测系统 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN109596054A (zh) | 长条形工件的尺寸检测识别方法 | |
CN117346694B (zh) | 复合面型样品的检测方法、检测系统 | |
CN114577135B (zh) | 基于单镜头的芯片引脚翘曲的3d检测方法及系统 | |
CN107271445A (zh) | 一种缺陷检测方法及装置 | |
CN113566733A (zh) | 一种线激光视觉三维扫描装置及方法 | |
US20140347438A1 (en) | Triangulation-based, 3-d method and system for imaging the outer peripheral surface of a part | |
CN110657750B (zh) | 一种用于刀具刃口钝化的检测系统和方法 | |
CN105928484B (zh) | 基于双目视觉的电梯导轨自动测量系统 | |
CN109632814A (zh) | 零件缺陷检测方法 | |
CN107941147B (zh) | 大型系统三维坐标非接触在线测量方法 |
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: 20181113 |
|
WD01 | Invention patent application deemed withdrawn after publication |