CN109668520B - 一种机器视觉提取物料轮廓的系统及方法 - Google Patents
一种机器视觉提取物料轮廓的系统及方法 Download PDFInfo
- Publication number
- CN109668520B CN109668520B CN201910036505.6A CN201910036505A CN109668520B CN 109668520 B CN109668520 B CN 109668520B CN 201910036505 A CN201910036505 A CN 201910036505A CN 109668520 B CN109668520 B CN 109668520B
- Authority
- CN
- China
- Prior art keywords
- template
- array
- point
- contour
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000000463 material Substances 0.000 title claims abstract description 44
- 238000009958 sewing Methods 0.000 claims abstract description 46
- 238000003825 pressing Methods 0.000 claims abstract description 39
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000003491 array Methods 0.000 claims description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种机器视觉提取物料轮廓的系统及方法,其包括自动缝纫机,自动缝纫机上设置有缝纫针头,自动缝纫机设置有工作台,工作台上放置有衬衣领领底,工作台上设置有X驱动轴、Y驱动轴及视觉系统,视觉系统包括白色光源、面阵相机及线激光器,其中,白色光源用于向工作台发出白光,白色光源发出白光的照射范围覆盖在衬衣领领底上,面阵相机及线激光器装设在X驱动轴上,线激光器用于向衬衣领领底上投射多条平行的激光线,Y驱动轴上装设有压料模板,衬衣领领底具有四个尖角部。本发明解决了衬衣衣领领面与领底贴合轮廓的提取;低成本,可靠性高;工艺简单,使得自动缝纫机缝纫时的精度和速度都容易达到工艺要求。
Description
技术领域
本发明涉及视觉检测技术领域,尤其是涉及一种机器视觉提取物料轮廓的系统及方法。
背景技术
在对衬衣领自动缝纫中,如何将衬衣领缝纫轮廓可靠地进行提取是个难点,如果轮廓某个点的数据的精度或重复性不够,缝纫过程中缝纫针会打断,要达到实用目的,轮廓数据的可靠性是关键的。如图1所示,衬衣领由领面100、领底200两块面料组成,领底是白色,领面的花样、颜色、条纹各不相同,在生产中,衬衣领每次摆放的位置会有一些方向上的偏差,对于不同的衣领,领面与领底的在贴合位置也会有偏差,需要通过机器视觉提取出领面与领底贴合的轮廓并修正轮廓姿态,领底设有四个尖角部210/220/230/240,生产中要求四个尖角部处必须缝纫一针,所以必须对这四个尖角部特征进行提取并定位,在开始缝纫前需在X驱动轴及Y驱动轴方向移动衣领,把左下角尖角部210移动到缝纫机的针头位置,因为领面的颜色与领底的颜色会随机的在轮廓某处相同,采用单纯的2D机器视觉方法很多情况下无法把领底正确的分割出来,也就没法把轮廓提取出来。采用3D视觉方法,比如轮廓传感器,扫描轮廓的时间效率不高,且成本高。
发明内容
基于此,有必要针对现有技术的不足,提供一种机器视觉提取物料轮廓的系统及方法,采用2D相机与线结构光辅等辅助,实现可靠、高效、低成本的衣领轮廓提取。
为解决上述技术问题,本发明所采用的技术方案是:一种机器视觉提取物料轮廓的系统,其包括自动缝纫机,自动缝纫机上设置有缝纫针头,所述自动缝纫机设置有工作台,所述工作台上放置有衬衣领领底,工作台上设置有X驱动轴、Y驱动轴及视觉系统,所述视觉系统包括白色光源、面阵相机及线激光器,其中,所述白色光源用于向工作台发出白光,所述白色光源发出白光的照射范围覆盖在衬衣领领底上,所述面阵相机及线激光器装设在X驱动轴上,所述线激光器用于向衬衣领领底上投射多条平行的激光线,所述Y驱动轴上装设有压料模板,所述衬衣领领底具有四个尖角部,分别为左下角尖角部、左上角尖角部、右上角尖角部及右下角尖角部。
一种机器视觉提取物料轮廓的方法,其包括如下步骤,
(1)、调整模板领底位置及压料模板位置,保证模板领底边缘与压料模板边缘平行:将白色的模板领底放在具有黑色背景的工作台上,控制X驱动轴及Y驱动轴将初始位置的压料模板移送至模板领底上方,获得X驱动轴相对于初始位置的水平方向运行位移xb及Y驱动轴相对于初始位置的垂直方向运行位移yb,此时压料模板的一侧边缘所在直线与X轴方向平行,调整模板领底位置使得模板领底边缘与压料模板边缘平行;
(2)、获取衣领的缝纫轮廓坐标数据,其中,获取衣领的缝纫轮廓坐标数据的步骤包括:
(2.1)、退开压料模板,控制X驱动轴相对于初始位置运行位移xb+0.5*δ*Hp及Y驱动轴相对于初始位置运行位移yb,关闭线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取第一模板图像;开启线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取包含激光线的第二模板图像;其中,面阵相机的水平像素分辨率为Hp,δ为在模板图像中相邻两水平像素点的间距;
(2.2)、控制X驱动轴相对于初始位置运行位移及Y驱动轴相对于初始位置运行位移xb-0.5*δ*Hp,关闭线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取第三模板图像;开启线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取包含激光线的第四模板图像;
(2.3)、将第一模板图像与第三模板图像进行拼接,构成第五模板图像,将第二模板图像与第四模板图像进行拼接,构成包含激光线的第六模板图像;
(2.4)、对第五模板图像进行二值化处理,获取第七模板图像;
(2.5)、通过Blob分析算法对第七模板图像中的连通区域进行标记,并获取面积最大的连通区域,得到第八模板图像;
(2.6)、将第八模板图像与第六模板图像做对应元素矩阵乘法运算得到包含激光线和模板领底图像的第九模板图像;
(2.7)、对第九模板图像采用灰度阈值分割法把激光线对应的连通区域分割出来,得到第十模板图像;
(2.8)、通过Blob分析算法对第十模板图像中激光线对应的连通区域进行标记,确定每条激光线对应连通区域的中心位置p在模板图像坐标系中的坐标数据,保存为数组p=[xc1,yc1,xc2,yc2,...xcn,ycn],其中,[xcn,ycn]为模板图像坐标系中第n条激光线的中心位置坐标,模板图像坐标系的原点对应于第六模板图像左上角;
(2.9)、通过Blob分析算法获得第十模板图像中面积最大的连通区域,即第十模板图像中最长的激光线,以最长激光线中心位置为起点分别向激光线延伸方向搜索第一个像素值为0的点,从而找到最长激光线的两个端点,即模板领底图像轮廓上的两个轮廓点,其中,第十模板图像中最长的激光线的中心位置坐标为pcm=[xcm,ycm];
(2.10)、获取第十模板图像中的各条激光线的两个端点,其中各条激光线的两个端点为模板领底图像轮廓上的轮廓点,确定激光线与模板领底图像轮廓相交的轮廓点坐标;其中,获取第十模板图像中的各条激光线的两个端点,各条激光线的两个端点为模板领底图像轮廓上的轮廓点,确定激光线与模板领底图像轮廓相交的轮廓点坐标的方法,包括如下步骤:
(2.10.1)、以第十模板图像中最长的激光线的中心位置pcm=[xcm,ycm]为起点,定义最长的激光线左侧激光线的中心点为pcm-i=(xcm-i,ycm-i),i=1~(cm-1)及定义最长的激光线右侧的激光线的中心点pcm+i=(xcm+i,ycm+i),i=1~(n-cm);
(2.10.2)、根据两相邻激光线中心点间的欧式距离小于预设阈值t确定pcm=[xcm,ycm]左侧的中心点pcm-i对应激光线,获得中心点pcm-i对应激光线与模板领底图像轮廓相交的轮廓点坐标,其中,pcm-i=(xcm-i,ycm-i),
(2.10.3)、根据两相邻激光线中心点间的欧式距离小于预设阈值t确定pcm=[xcm,ycm]右侧的中心点pcm+i对应激光线,获得中心点pcm+i对应激光线与模板领底图像轮廓相交的轮廓点坐标,其中,pcm+i=(xcm+i,ycm+i),
(2.10.4)、将步骤(2.10.2)及(2.10.3)中的轮廓点坐标按顺时针排列保存为数组其中,数组p0中下标相同的点分别表示同一激光线的两个端点坐标,定义上标为1的点表示模板领底图像轮廓上端的轮廓点坐标,定义上标为2的点表示模板领底图像轮廓下端的轮廓点坐标;
(2.10.5)、将数组重新排列为新数组点为模板领底图像轮廓左上角对应第一条激光线上端的端点,为模板领底图像轮廓右下角对应最后一条激光线上端的端点,获得经过两点的直线y=α1x+β1及经过过两点的直线y=α2x+β2,两条直线交叉点的坐标就是左上角尖角部对应点的坐标(xt2,yt2);
(2.10.7)、从数组中提取出数组及数组对数组中模板领底图像轮廓的轮廓点求出斜率Ki-2=(yi-yi-1)/(xi-xi-1),i=3~(n-1),n是激光线的总条数,保存为数组k=[k1,k2...kn-2],对数组k的斜率数据做差分绝对值,得到数组Δk=[|k2-k1|,|k3-k2|,...|kn-2-kn-3|],对数组Δk中相邻两个值进行求和,得到数组
(2.10.8)、获得数组Δk1中的最大值,并得到数组Δk1中的最大值对应的索引pm1,根据数组Δk1中表达式的下标和索引pm1,得到其余三个索引,分别为索引pm1-1、索引pm1+1及索引pm1+2,获得经过索引pm1-1对应点索引pm1对应点的直线y=α5x+β5及经过索引pm1+1对应点索引pm1+2对应点的直线y=α6x+β6,两条直线交叉点的坐标就是右上角尖角部对应点的坐标(xt3,yt3);
(2.10.10)、获得数组Δk3中的最大值,并得到数组Δk3中的最大值对应的索引pm2,根据数组Δk3中表达式下标和索引pm2,得到其余三个索引,分别为索引pm2-1、索引pm2+1及索引pm2+2,获得经过索引pm2-1对应点索引pm2对应点的直线y=α7x+β7及经过索引pm2+1对应点索引pm2+2对应点的直线y=α8x+β8,两条直线交叉点的坐标就是左下角尖角部对应点的坐标(xt1,yt1);
(2.10.11)、将四个尖角部对应点的坐标保存为数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4],把数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4]的四个尖角部对应点的坐标数据插到数组中得到数组P3;
(2.11)、根据索引pm1-1对应点的坐标数据中下标pm1对应的具体数值,对数组P3进行顺时针循环移动pm1次得数组P4;其中,数组P3中的坐标数据及对应第一条激光线的两个端点坐标,数组P3中的坐标数据对应模板领底图像轮廓上轮廓点坐标,即数组P3中的坐标数据首尾相连;
(2.12)、在数组P4中将坐标数据(xt4,yt4)之后的坐标数据删去,获得衣领的缝纫轮廓坐标数据。
综上所述,本发明一种机器视觉提取物料轮廓的系统及方法具有以下优势:1、解决了衬衣衣领领面与领底贴合轮廓的提取;2、低成本,可靠性高;3、工艺简单,使得自动缝纫机缝纫时的精度和速度都容易达到工艺要求。
附图说明
图1为本发明传统衬衣领的结构示意图;
图2为一种机器视觉提取物料轮廓的系统的结构示意图;
图3为本发明一种机器视觉提取物料轮廓的系统中衬衣领领底上投射激光线的结构示意图。
具体实施方式
为能进一步了解本发明的特征、技术手段以及所达到的具体目的、功能,下面结合附图与具体实施方式对本发明作进一步详细描述。
如图2和图3所示,本发明一种机器视觉提取物料轮廓的系统用于提取衬衣领的领底轮廓,其中,衬衣领的领底颜色为白色,一种机器视觉提取物料轮廓的系统包括自动缝纫机,自动缝纫机上设置有缝纫针头,所述自动缝纫机设置有工作台10,所述工作台10上放置有衬衣领领底20,工作台10上设置有X驱动轴30、Y驱动轴40及视觉系统,所述视觉系统包括白色光源(图未示)、面阵相机50及线激光器60,其中,所述白色光源用于向工作台10发出白光70,所述白色光源发出白光70的照射范围覆盖在衬衣领领底20上,保证衬衣领领底20在偏移范围内能被白色光源发出白光70光线均匀覆盖,所述面阵相机50及线激光器60装设在X驱动轴30上,所述线激光器60用于向衬衣领领底20上投射多条平行的激光线61,所述Y驱动轴40上装设有压料模板41,Y驱动轴40上还设置有上下移动轴及压料模板41旋转轴,所述上下移动轴带动压料模板41作上下移动,压料模板41旋转轴带动压料模板41作旋转运动,压料模板41和衬衣领领底20形状相同,缝纫时,压料模板41将衬衣领领底20压住,自动缝纫机的缝纫针头沿压料模板41周侧对衬衣领领底20进行缝纫处理,其中,所述衬衣领领底20具有四个尖角部,分别为左下角尖角部21、左上角尖角部22、右上角尖角部23及右下角尖角部24;在具体使用时,衬衣领领底20可替换为模板领底及待缝纫衬衣衣领领底。
在其中一个实施例中,所述线激光器向衬衣领领底20上投射的激光线61与X轴夹角为45°±5°,所述线激光器向衬衣领领底20上投射的相邻激光线61的间距为预设值η。
一种机器视觉提取物料轮廓的方法,包括如下步骤:
(1)、调整模板领底位置及压料模板41位置,保证模板领底边缘与压料模板41边缘平行:将白色的模板领底放在具有黑色背景的工作台10上,模板领底为烫平整状态,控制X驱动轴30及Y驱动轴40将初始位置的压料模板41移送至模板领底上方,获得X驱动轴30相对于初始位置的水平方向运行位移xb及Y驱动轴40相对于初始位置的垂直方向运行位移yb,此时压料模板41的一侧边缘所在直线与X轴方向平行,调整模板领底位置使得模板领底边缘与压料模板41边缘平行,压料模板41向下移动压住模板领底,具体地,压料模板41边缘与模板领底边缘的间距为2.5~3.5mm,以方便缝纫机的缝纫针头对模板领底边缘进行缝纫操作;
(2)、获取模板领底轮廓图像,其中,获取模板领底轮廓图像的步骤包括:
(2.1)、退开压料模板41,控制X驱动轴30相对于初始位置运行位移xb+0.5*δ*Hp及Y驱动轴40相对于初始位置运行位移yb,关闭线激光器60,通过X驱动轴30上装设的面阵相机50进行拍照,获取第一模板图像f1(i,j),其中,f1(i,j)表示第一模板图像中第i行第j列的像素值;开启线激光器60,通过X驱动轴30上装设的面阵相机50进行拍照,获取包含激光线的第二模板图像f2(i,j),f2(i,j)表示第二模板图像中第i行第j列的像素值;其中,面阵相机50的水平像素分辨率为Hp,δ为在模板图像中相邻两水平像素点的间距;
(2.2)、控制X驱动轴30相对于初始位置运行位移及Y驱动轴40相对于初始位置运行位移xb-0.5*δ*Hp,关闭线激光器60,通过X驱动轴30上装设的面阵相机50进行拍照,获取第三模板图像f3(i,j),其中,,f3(i,j)表示第三模板图像中第i行第j列的像素值;开启线激光器60,通过X驱动轴30上装设的面阵相机50进行拍照,获取包含激光线的第四模板图像f4(i,j),f4(i,j)表示第四模板图像中第i行第j列的像素值;
(2.3)、将第一模板图像与第三模板图像进行拼接,构成第五模板图像f5(z,k),z=1~i,k=1~2j,将第二模板图像与第四模板图像进行拼接,构成包含激光线的第六模板图像f6(z,k),其中,
即第一模板图像f1(i,j)对应的矩阵与第三模板图像f3(i,j)对应的矩阵行对齐,列首尾相邻合并成一个i行2j列的第五模板图像f5(z,k)对应的矩阵,同时,获得第六模板图像f6(z,k)对应的矩阵
(2.4)、对第五模板图像进行二值化处理,获取第七模板图像,其中,对第五模板图像进行二值化处理的方法为将第五模板图像中的每个像素点的灰度值与预设阈值T进行比较,大于预设阈值T的第五模板图像中的像素点像素值设为1,小于预设阈值T的第五模板图像中的像素点像素值设为0,从而获取第七模板图像f7(z,k);
(2.5)、通过Blob分析算法对第七模板图像中的连通区域进行标记,并获取面积最大的连通区域,得到第八模板图像f8(z,k),其中,
(2.6)、将第八模板图像与第六模板图像做对应元素矩阵乘法运算得到包含激光线和模板领底图像的第九模板图像f9(z,k),其中,
(2.7)、对第九模板图像采用灰度阈值分割法把激光线对应的连通区域分割出来,得到第十模板图像f10(i,j);
(2.8)、通过Blob分析算法对第十模板图像中激光线对应的连通区域进行标记,确定每条激光线对应连通区域的中心位置p在模板图像坐标系中的坐标数据,保存为数组p=[xc1,yc1,xc2,yc2,...xcn,ycn],其中,[xcn,ycn]为模板图像坐标系中第n条激光线的中心位置坐标,模板图像坐标系的原点对应于第六模板图像左上角;
(2.9)、通过Blob分析算法获得第十模板图像中面积最大的连通区域,即第十模板图像中最长的激光线,以最长激光线中心位置为起点分别向激光线延伸方向搜索第一个像素值为0的点,从而找到最长激光线的两个端点,即模板领底图像轮廓上的两个轮廓点,其中,第十模板图像中最长的激光线的中心位置坐标为pcm=[xcm,ycm];
(2.10)、获取第十模板图像中的各条激光线的两个端点,其中各条激光线的两个端点为模板领底图像轮廓上的轮廓点,确定激光线与模板领底图像轮廓相交的轮廓点坐标;其中,获取第十模板图像中的各条激光线的两个端点,各条激光线的两个端点为模板领底图像轮廓上的轮廓点,确定激光线与模板领底图像轮廓相交的轮廓点坐标的方法,包括如下步骤:
(2.10.1)、以第十模板图像中最长的激光线的中心位置pcm=[xcm,ycm]为起点,定义最长的激光线左侧激光线的中心点为pcm-i=(xcm-i,ycm-i),i=1~(cm-1),及定义最长的激光线右侧的激光线的中心点为pcm+i=(xcm+i,ycm+i),i=1~(n-cm),其中,中心点pcm-i及中心点pcm+i的坐标数据已通过Blob分析算法获得;
(2.10.2)、根据两相邻激光线中心点间的欧式距离小于预设阈值t确定中心点pcm=[xcm,ycm]左侧的中心点pcm-i对应激光线,获得中心点pcm-i对应激光线与模板领底图像轮廓相交的轮廓点坐标,具体地,以中心点pcm-i为起点分别向中心点pcm-i对应激光线延伸方向搜索第一个像素值为0的点,从而找到中心点pcm-i对应激光线的两个端点,即中心点pcm-i对应激光线与模板领底图像轮廓相交的两个轮廓点,其中,pcm-i=(xcm-i,ycm-i),
(2.10.3)、根据两相邻激光线中心点间的欧式距离小于预设阈值t确定中心点pcm=[xcm,ycm]右侧的中心点pcm+i对应激光线,获得中心点pcm+i对应激光线与模板领底图像轮廓相交的轮廓点坐标,具体地,以中心点pcm+i为起点分别向中心点pcm+i对应激光线延伸方向搜索第一个像素值为0的点,从而找到中心点pcm+i对应激光线的两个端点,即中心点pcm+i对应激光线与模板领底图像轮廓相交的两个轮廓点,其中,pcm+i=(xcm+i,ycm+i), 通过步骤(2.10.2)及(2.10.3)可过滤掉那些类激光线形式的干扰线条,以避免干扰线条对真实的激光线的确认造成影响;
(2.10.4)、将步骤(2.10.2)及(2.10.3)中获得的轮廓点坐标按顺时针排列保存为数组其中,数组p0中下标相同的点分别表示同一激光线的两个端点坐标,定义上标为1的点表示模板领底图像轮廓上端的轮廓点坐标,定义上标为2的点表示模板领底图像轮廓下端的轮廓点坐标;
(2.10.5)、将数组重新排列为新数组点为模板领底图像轮廓左上角对应第一条激光线上端的端点,为模板领底图像轮廓右下角对应最后一条激光线上端的端点,获得经过两点的直线y=α1x+β1及经过过两点的直线y=α2x+β2,两条直线交叉点的坐标就是左上角尖角部22对应点的坐标(xt2,yt2)。
(2.10.7)、从数组中提取出数组及数组对数组中模板领底图像轮廓的轮廓点求出斜率Ki-2=(yi-yi-1)/(xi-xi-1),i=3~(n-1),n是激光线的总条数,保存为数组k=[k1,k2...kn-2],对数组k的斜率数据做差分绝对值,得到数组Δk=[|k2-k1|,|k3-k2|,...|kn-2-kn-3|],对数组Δk中相邻两个值进行求和,得到数组
Δk1=[|k2-k1|+|k3-k2|,|k3-k2|+|k4-k3|
...,|kn-3-kn-4|+|kn-2-kn-3|]
(2.10.8)、获得数组Δk1中的最大值,并得到数组Δk1中的最大值对应的索引pm1,根据数组Δk1中表达式的下标和索引pm1,得到其余三个索引,分别为索引pm1-1、索引pm1+1及索引pm1+2,获得经过索引pm1-1对应点索引pm1对应点的直线y=α5x+β5及经过索引pm1+1对应点索引pm1+2对应点的直线y=α6x+β6,两条直线交叉点的坐标就是右上角尖角部23对应点的坐标(xt3,yt3);
(2.10.10)、获得数组Δk3中的最大值,并得到数组Δk3中的最大值对应的索引pm2,根据数组Δk3中表达式下标和索引pm2,得到其余三个索引,分别为索引pm2-1、索引pm2+1及索引pm2+2,获得经过索引pm2-1对应点索引pm2对应点的直线y=α7x+β7及经过索引pm2+1对应点索引pm2+2对应点的直线y=α8x+β8,两条直线交叉点的坐标就是左下角尖角部21对应点的坐标(xt1,yt1);其中,数组Δk3中表达式下标为n-3、n-2、n-4;
(2.10.11)、将四个尖角部对应点的坐标保存为数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4],把数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4]的四个尖角部对应点的坐标数据插到数组中得到数组P3;具体地,将四个尖角部对应点的坐标保存为数组
g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4],把数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4]的四个尖角部对应点的坐标数据插到数组中得到数组P3的方法包括以下步骤:
把(xt2,yt2)坐标数据插到数组
(2.11)、根据索引pm1对应点的坐标数据中下标pm1对应的具体数值,对数组P3进行顺时针循环移动pm1次得数组P4;其中,数组P3中的坐标数据及对应第一条激光线的两个端点坐标,数组P3中的坐标数据对应模板领底图像轮廓上轮廓点坐标,即数组P3中的坐标数据首尾相连;
依次类推,对数组P3进行顺时针循环移动pm1次得数组P4。
(2.12)、在数组P4中将坐标数据(xt4,yt4)之后的坐标数据删去,获得衣领的缝纫轮廓坐标数据。
在其中一个实施例中,一种机器视觉提取物料轮廓的方法,还包括如下步骤:
(3)、根据步骤(2)获取待缝纫衬衣衣领领底轮廓点坐标数据pr,其中待缝纫衬衣衣领领底四个尖角部对应的坐标数据(xr1,yr1)、(xr2,yr2)、(xr3,yr3)、(xr4,yr4),根据待缝纫衬衣衣领领底轮廓与模板领底轮廓的仿射变换关系:
获得待缝纫衬衣衣领领底轮廓相对于模板领底轮廓的偏移量Δx,Δy,待缝纫衬衣衣领领底轮廓相对于模板领底轮廓的姿态角度θ,从而分别修正对X驱动轴30、Y驱动轴40、压料模板旋转轴的控制,
其中,仿射变换T的定义为:
Δx=τx,Δy=τy,θ=atan(σσ,σχ)*180/π,θ=atan(σσ,σχ)*180/π,atan是反正切函数。
(4)、定义压料模板41对待缝纫衬衣衣领领底的压料位置为pya,则pya=(xb+Δx,yb+Δy,θ),θ为压料模板41相对于初始状态下在水平方向上的旋转角度。
(5)、定义自动缝纫机的缝纫针头的针眼中心相对于工作台10上模板领底的左下角尖角部(xt1,yt1)的坐标为pn=(xn,yn),其中(xn,yn)的数值通过如下方法获得,当压料模板41压好模板领底后,X驱动轴30及Y驱动轴40带动压料模板41运动到缝纫针头处,使得压料模板41对应模板领底左下角尖角部与缝纫针重合,记录下X驱动轴30及Y驱动轴40的移动增量,即获得(xn,yn)的数值;
(6)、获取自动缝纫机的缝纫针头第一针下针位置对应的点坐标pn’=(xn+Δx,yn+Δy)。
综上所述,本发明一种机器视觉提取物料轮廓的系统及方法具有以下优势:
1、解决了衬衣衣领领面与领底贴合轮廓的提取;
2、低成本,可靠性高;
3、工艺简单,使得自动缝纫机缝纫时的精度和速度都容易达到工艺要求。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。
Claims (9)
1.一种机器视觉提取物料轮廓的方法,其特征在于,包括如下步骤,
(1)、调整模板领底位置及压料模板位置,保证模板领底边缘与压料模板边缘平行:将白色的模板领底放在具有黑色背景的工作台上,控制X驱动轴及Y驱动轴将初始位置的压料模板移送至模板领底上方,获得X驱动轴相对于初始位置的水平方向运行位移xb及Y驱动轴相对于初始位置的垂直方向运行位移yb,此时压料模板的一侧边缘所在直线与X轴方向平行,调整模板领底位置使得模板领底边缘与压料模板边缘平行;
(2)、获取衣领的缝纫轮廓坐标数据,其中,获取衣领的缝纫轮廓坐标数据的步骤包括:
(2.1)、退开压料模板,控制X驱动轴相对于初始位置运行位移xb+0.5*δ*Hp及Y驱动轴相对于初始位置运行位移yb,关闭线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取第一模板图像;开启线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取包含激光线的第二模板图像;其中,面阵相机的水平像素分辨率为Hp,δ为在模板图像中相邻两水平像素点的间距;
(2.2)、控制X驱动轴相对于初始位置运行位移及Y驱动轴相对于初始位置运行位移xb-0.5*δ*Hp,关闭线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取第三模板图像;开启线激光器,通过X驱动轴上装设的面阵相机进行拍照,获取包含激光线的第四模板图像;
(2.3)、将第一模板图像与第三模板图像进行拼接,构成第五模板图像,将第二模板图像与第四模板图像进行拼接,构成包含激光线的第六模板图像;
(2.4)、对第五模板图像进行二值化处理,获取第七模板图像;
(2.5)、通过Blob分析算法对第七模板图像中的连通区域进行标记,并获取面积最大的连通区域,得到第八模板图像;
(2.6)、将第八模板图像与第六模板图像做对应元素矩阵乘法运算得到包含激光线和模板领底图像的第九模板图像;
(2.7)、对第九模板图像采用灰度阈值分割法把激光线对应的连通区域分割出来,得到第十模板图像;
(2.8)、通过Blob分析算法对第十模板图像中激光线对应的连通区域进行标记,确定每条激光线对应连通区域的中心位置p在模板图像坐标系中的坐标数据,保存为数组p=[xc1,yc1,xc2,yc2,...xcn,ycn],其中,[xcn,ycn]为模板图像坐标系中第n条激光线的中心位置坐标,模板图像坐标系的原点对应于第六模板图像左上角;
(2.9)、通过Blob分析算法获得第十模板图像中面积最大的连通区域,即第十模板图像中最长的激光线,以最长激光线中心位置为起点分别向激光线延伸方向搜索第一个像素值为0的点,从而找到最长激光线的两个端点,即模板领底图像轮廓上的两个轮廓点,其中,第十模板图像中最长的激光线的中心位置坐标为pcm=[xcm,ycm];
(2.10)、获取第十模板图像中的各条激光线的两个端点,其中各条激光线的两个端点为模板领底图像轮廓上的轮廓点,确定激光线与模板领底图像轮廓相交的轮廓点坐标;其中,获取第十模板图像中的各条激光线的两个端点,各条激光线的两个端点为模板领底图像轮廓上的轮廓点,确定激光线与模板领底图像轮廓相交的轮廓点坐标的方法,包括如下步骤:
(2.10.1)、以第十模板图像中最长的激光线的中心位置pcm=[xcm,ycm]为起点,定义最长的激光线左侧激光线的中心点为pcm-i=(xcm-i,ycm-i),i=1~(cm-1)及定义最长的激光线右侧的激光线的中心点pcm+i=(xcm+i,ycm+i),i=1~(n-cm);
(2.10.2)、根据两相邻激光线中心点间的欧式距离小于预设阈值t确定pcm=[xcm,ycm]左侧的中心点pcm-i对应激光线,获得中心点pcm-i对应激光线与模板领底图像轮廓相交的轮廓点坐标,其中,pcm-i=(xcm-i,ycm-i),
(2.10.3)、根据两相邻激光线中心点间的欧式距离小于预设阈值t确定pcm=[xcm,ycm]右侧的中心点pcm+i对应激光线,获得中心点pcm+i对应激光线与模板领底图像轮廓相交的轮廓点坐标,其中,pcm+i=(xcm+i,ycm+i),
(2.10.4)、将步骤(2.10.2)及(2.10.3)中的轮廓点坐标按顺时针排列保存为数组其中,数组p0中下标相同的点分别表示同一激光线的两个端点坐标,定义上标为1的点表示模板领底图像轮廓上端的轮廓点坐标,定义上标为2的点表示模板领底图像轮廓下端的轮廓点坐标;
(2.10.5)、将数组重新排列为新数组点为模板领底图像轮廓左上角对应第一条激光线上端的端点,为模板领底图像轮廓右下角对应最后一条激光线上端的端点,获得经过两点的直线y=α1x+β1及经过过两点的直线y=α2x+β2,两条直线交叉点的坐标就是左上角尖角部对应点的坐标(xt2,yt2);
(2.10.7)、从数组中提取出数组及数组对数组中模板领底图像轮廓的轮廓点求出斜率Ki-2=(yi-yi-1)/(xi-xi-1),i=3~(n-1),n是激光线的总条数,保存为数组k=[k1,k2...kn-2],对数组k的斜率数据做差分绝对值,得到数组Δk=[|k2-k1|,|k3-k2|,...|kn-2-kn-3|],对数组Δk中相邻两个值进行求和,得到数组
(2.10.8)、获得数组Δk1中的最大值,并得到数组Δk1中的最大值对应的索引pm1,根据数组Δk1中表达式的下标和索引pm1,得到其余三个索引,分别为索引pm1-1、索引pm1+1及索引pm1+2,获得经过索引pm1-1对应点索引pm1对应点的直线y=α5x+β5及经过索引pm1+1对应点索引pm1+2对应点的直线y=α6x+β6,两条直线交叉点的坐标就是右上角尖角部对应点的坐标(xt3,yt3);
(2.10.10)、获得数组Δk3中的最大值,并得到数组Δk3中的最大值对应的索引pm2,根据数组Δk3中表达式下标和索引pm2,得到其余三个索引,分别为索引pm2-1、索引pm2+1及索引pm2+2,获得经过索引pm2-1对应点索引pm2对应点的直线y=α7x+β7及经过索引pm2+1对应点索引pm2+2对应点的直线y=α8x+β8,两条直线交叉点的坐标就是左下角尖角部对应点的坐标(xt1,yt1);
(2.10.11)、将四个尖角部对应点的坐标保存为数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4],把数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4]的四个尖角部对应点的坐标数据插到数组中得到数组P3;
(2.11)、根据索引pm1-1对应点的坐标数据中下标pm1对应的具体数值,对数组P3进行顺时针循环移动pm1次得数组P4;其中,数组P3中的坐标数据及对应第一条激光线的两个端点坐标,数组P3中的坐标数据对应模板领底图像轮廓上轮廓点坐标,即数组P3中的坐标数据首尾相连;
(2.12)、在数组P4中将坐标数据(xt4,yt4)之后的坐标数据删去,获得衣领的缝纫轮廓坐标数据。
2.根据权利要求1所述的一种机器视觉提取物料轮廓的方法,其特征在于,还包括如下步骤:
(3)、根据步骤(2)获取待缝纫衬衣衣领领底轮廓点坐标数据pr,其中待缝纫衬衣衣领领底四个尖角部对应的坐标数据为(xr1,yr1)、(xr2,yr2)、(xr3,yr3)、(xr4,yr4),根据待缝纫衬衣衣领领底轮廓与模板领底轮廓的仿射变换关系:
其中,仿射变换T的定义为:
Δx=τx,Δy=τy,θ=atan(σσ,σχ)*180/π,θ=atan(σσ,σχ)*180/π,atan是反正切函数;
(4)、定义压料模板对待缝纫衬衣衣领领底的压料位置为pya,则pya=(xb+Δx,yb+Δy,θ),θ为压料模板相对于初始状态下在水平方向上的旋转角度;
(5)、定义自动缝纫机的缝纫针头的针眼中心相对于工作台上模板领底的左下角尖角部的坐标为pn=(xn,yn);
(6)、获取自动缝纫机的缝纫针头第一针下针位置对应的点坐标pn’=(xn+Δx,yn+Δy)。
4.根据权利要求1所述的一种机器视觉提取物料轮廓的方法,其特征在于,步骤(2.4)中对第五模板图像进行二值化处理的方法为:将第五模板图像中的每个像素点的灰度值与预设阈值T进行比较,大于预设阈值T的第五模板图像中的像素点像素值设为1,小于预设阈值T的第五模板图像中的像素点像素值设为0,从而获取第七模板图像。
5.根据权利要求1所述的一种机器视觉提取物料轮廓的方法,其特征在于,步骤(2.10.11)中将四个尖角部对应点的坐标保存为数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4],把数组g=[xt1,yt1,xt2,yt2,xt3,yt3,xt4,yt4]的四个尖角部对应点的坐标数据插到数组中得到数组P3包括如下步骤:
获得模板领底图像轮廓上轮廓点坐标数据对应的数组P3。
7.根据权利要求1所述的一种机器视觉提取物料轮廓的方法,其特征在于:所述压料模板边缘与模板领底边缘的间距为2.5~3.5mm。
8.根据权利要求1所述的一种机器视觉提取物料轮廓的方法,其特征在于,步骤(2.10.2)中根据两相邻激光线中心点间的欧式距离小于预设阈值t确定pcm=[xcm,ycm]左侧的中心点pcm-i对应激光线,获得中心点pcm-i对应激光线与模板领底图像轮廓相交的轮廓点坐标的方法为:以中心点pcm-i为起点分别向中心点pcm-i对应激光线延伸方向搜索第一个像素值为0的点,找到中心点pcm-i对应激光线的两个端点,即中心点pcm-i对应激光线与模板领底图像轮廓相交的两个轮廓点。
9.根据权利要求1所述的一种机器视觉提取物料轮廓的方法,其特征在于,步骤(2.10.3)中根据两相邻激光线中心点间的欧式距离小于预设阈值t确定pcm=[xcm,ycm]右侧的中心点pcm+i对应激光线,获得中心点pcm+i对应激光线与模板领底图像轮廓相交的轮廓点坐标的方法为:以中心点pcm+i为起点分别向中心点pcm+i对应激光线延伸方向搜索第一个像素值为0的点,找到中心点pcm+i对应激光线的两个端点,即中心点pcm+i对应激光线与模板领底图像轮廓相交的两个轮廓点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910036505.6A CN109668520B (zh) | 2019-01-15 | 2019-01-15 | 一种机器视觉提取物料轮廓的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910036505.6A CN109668520B (zh) | 2019-01-15 | 2019-01-15 | 一种机器视觉提取物料轮廓的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109668520A CN109668520A (zh) | 2019-04-23 |
CN109668520B true CN109668520B (zh) | 2020-11-27 |
Family
ID=66150197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910036505.6A Active CN109668520B (zh) | 2019-01-15 | 2019-01-15 | 一种机器视觉提取物料轮廓的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109668520B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298840B (zh) * | 2019-07-10 | 2021-05-18 | 哈尔滨理工大学 | 一种基于图像的纱线缺陷检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6547370B2 (en) * | 2001-03-14 | 2003-04-15 | Xerox Corporation | Method of printing including stitching and interpolating |
CN101205662A (zh) * | 2007-11-26 | 2008-06-25 | 天津工业大学 | 三维复合材料预制件机器人缝合系统 |
CN102373581A (zh) * | 2010-08-05 | 2012-03-14 | 佛吉亚汽车座椅公司 | 用于在线缝处连接的材料的对准机构 |
CN103776378A (zh) * | 2014-02-27 | 2014-05-07 | 上海思琢自动化科技有限公司 | 一种非接触式柔性在线尺寸测量系统 |
CN105066909A (zh) * | 2015-09-01 | 2015-11-18 | 华中科技大学 | 一种手持式多激光条纹快速三维测量方法 |
CN105823436A (zh) * | 2016-05-24 | 2016-08-03 | 中国计量大学 | 一种生丝截面轮廓扫描方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100785906B1 (ko) * | 2006-11-06 | 2007-12-17 | 이원태 | 원 헤드 누비기의 누비 무늬 보정 방법 및 그 장치 |
-
2019
- 2019-01-15 CN CN201910036505.6A patent/CN109668520B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6547370B2 (en) * | 2001-03-14 | 2003-04-15 | Xerox Corporation | Method of printing including stitching and interpolating |
CN101205662A (zh) * | 2007-11-26 | 2008-06-25 | 天津工业大学 | 三维复合材料预制件机器人缝合系统 |
CN102373581A (zh) * | 2010-08-05 | 2012-03-14 | 佛吉亚汽车座椅公司 | 用于在线缝处连接的材料的对准机构 |
CN103776378A (zh) * | 2014-02-27 | 2014-05-07 | 上海思琢自动化科技有限公司 | 一种非接触式柔性在线尺寸测量系统 |
CN105066909A (zh) * | 2015-09-01 | 2015-11-18 | 华中科技大学 | 一种手持式多激光条纹快速三维测量方法 |
CN105823436A (zh) * | 2016-05-24 | 2016-08-03 | 中国计量大学 | 一种生丝截面轮廓扫描方法 |
Non-Patent Citations (3)
Title |
---|
Joint classfication and contour extraction of large 3D point clouds;Timo Hackel;《ISPRS Journal of Photogrammetry and Remote Sensing》;20171231;全文 * |
坡口及焊缝表面三维轮廓的激光视觉测量;张鹏贤;《焊接学报》;20171231;全文 * |
基于激光扫描的焊缝成形尺寸测量;张鹏贤;《上海交通大学学报》;20140531;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109668520A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
CN107931012B (zh) | 一种提取点胶路径的方法及点胶系统 | |
CN104005180B (zh) | 一种用于缝纫的视觉定位方法及系统 | |
US20120197427A1 (en) | Apparatus For Cutting Amd/or Etching Articles Comprising A Flat Surface On Which Designs And/or Writings Are Reproduced And A method For Actuating The Apparatus | |
CN108917593B (zh) | 一种基于待测工件基元组态的智能测量系统及方法 | |
CN208937054U (zh) | 基于二维码的定位导航系统和机器人 | |
CN112200058B (zh) | 一种教辅资料智能批改的系统及方法 | |
TWI770301B (zh) | 立體物印刷系統以及立體物印刷方法 | |
US20190257027A1 (en) | Method and system for automatic cutting of fabric | |
CN113838144B (zh) | 一种基于机器视觉和深度学习的uv打印机上物件定位方法 | |
CN109668520B (zh) | 一种机器视觉提取物料轮廓的系统及方法 | |
CN109353815A (zh) | 利用现有视觉传感器进行二次引导上件的方法及系统 | |
CN106446888A (zh) | 摄像模组多标识符识别方法及设备 | |
CN111055021A (zh) | 一种激光打标软件的视觉定位方法 | |
CN207976755U (zh) | 一种基于机器视觉和plc的钢材仓储控制系统 | |
CN117506931A (zh) | 一种基于机器视觉的坡口切割路径规划及校正设备与方法 | |
Ren et al. | A fine grained digital textile printing system based on image registration | |
CN109784331B (zh) | 基于标志点的棒材端面标记方案及字符图像矫正方法 | |
CN109840522B (zh) | 一种大棒端面标记方案及字符图像矫正方法 | |
CN115961429A (zh) | 一种花样缝纫模板定位方法及缝纫单元 | |
JP5160366B2 (ja) | 電子部品のパターンマッチング方法 | |
JP2013198872A (ja) | 加工システム、加工方法、加工プログラム、及び加工プログラムを記憶したコンピュータ読み取り可能な記録媒体 | |
CN113095104A (zh) | 一种缺损二维码定位方法 | |
CN114144308A (zh) | 立体物印刷系统以及立体物印刷方法 | |
CN112037175B (zh) | 基于机器视觉的陶瓷产品表面斑点检测方法及设备 |
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 |