CN110211110B - 一种构件尺寸的检测方法、系统及终端设备 - Google Patents
一种构件尺寸的检测方法、系统及终端设备 Download PDFInfo
- Publication number
- CN110211110B CN110211110B CN201910466455.5A CN201910466455A CN110211110B CN 110211110 B CN110211110 B CN 110211110B CN 201910466455 A CN201910466455 A CN 201910466455A CN 110211110 B CN110211110 B CN 110211110B
- Authority
- CN
- China
- Prior art keywords
- component
- detected
- image
- edge
- target
- 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
- 238000001514 detection method Methods 0.000 title abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000010365 information processing Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 229910052742 iron Inorganic materials 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/80—
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了构件尺寸的检测方法、系统及终端设备,方法包括:获取待测构件的图像;提取图像中待测目标的边缘特征;根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格。本发明智能化程度高,提高了构件尺寸的检测效率,降低了对构件尺寸监测的误差。漏检率和误检率低;实时性好,可以满足高速度大批量在线检测的需求。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种构件尺寸的检测方法、系统及终端设备。
背景技术
铁塔构件是铁塔部件中重要的部分之一,构件的尺寸和形状直接影响到铁塔的搭建和安全,构件出现问题会造成难以想象的后果,铁塔构件检测人员必须及时检测构件出厂时的尺寸,及时发现构件问题,淘汰构件,从而避免铁塔事故的发生。
目前对构件的检测还是人为检测,对构件的尺寸的检测存在误差大,效率低,造成实际工作中施工进度慢,延误工期等问题。
发明内容
有鉴于此,本发明实施例提供了一种构件尺寸的检测方法、系统及终端设备,以解决目前构件尺寸的检测效率低,误差大的问题。
本发明实施例的第一方面提供了一种构件尺寸的检测方法,包括:获取待测构件的图像;
提取图像中待测目标的边缘特征;
根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格。
本发明实施例的第二方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述构件尺寸的检测方法的步骤。
本发明实施例的第三方面提供了一种构件尺寸的检测系统,包括:终端设备、光照装置、相机、电源装置、信息处理装置、报警装置和控制装置;
所述电源装置分别与所述光照装置、所述相机、所述信息处理装置、所述终端设备、所述报警装置和所述控制装置相连,所述光照装置和所述相机均设置于待测构件上方,所述终端设备分别与所述相机和所述控制装置相连,所述控制装置分别与所述报警装置和所述信息处理装置相连;
夹紧装置,所述夹紧装置用于固定待测构件;
位置开关,所述位置开关与所述信息处理装置相连,当夹紧装置松开待测构件时触发位置开关。
本发明实施例的第四方面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程序,所述计算机程序被处理器执行时实现如上所述构件尺寸的检测方法的步骤。
本发明通过提取待测目标的边缘特征,并根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格,智能化程度高,提高了构件尺寸的检测效率,降低了对构件尺寸监测的误差。漏检率和误检率低;实时性好,可以满足高速度大批量在线检测的需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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他的附图。
图1是本发明的一个实施例提供的构件尺寸的检测方法的流程示意图;
图2是本发明的一个实施例提供的相机标定的示意图;
图3是本发明的另一个实施例提供的构件尺寸的检测方法的的流程示意图;
图4是本发明的一个实施例提供的构件尺寸的检测系统的结构示意图;
图5是本发明的一个实施例提供的终端设备的内部结构示意图;
图6是本发明的一个实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及其他任何变形,是指“包括但不限于”,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例1:
图1示出了本发明一实施例所提供的构件尺寸的检测方法的实现流程图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图1所示,本发明实施例所提供的一种构件尺寸的检测方法,包括:
S101,获取待测构件的图像;
S102,提取图像中待测目标的边缘特征;
S103,根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格。
在本实施例中,待测构件的图像由相机拍摄。
在本发明的实施例中,在S101之前,还包括:
对采集待测构件的图像的相机进行标定,获得标定参数。
如图2所示,在本实施例中,建立所示针孔相机的成像模型坐标系,其中O0-X0Y0Z0是相机坐标系,O1-xy为图像坐标系,Ow-XwYwZw是世界坐标系,而O0O1为相机焦距。假设空间一点A,在相机坐标系下的坐标为(X0,Y0,Z0,1)T,在世界坐标系下的坐标为(Xw,Yw,Zw,1)T,则可得两坐标系间的转换关系式:
式中,R为3*3旋转矩阵,t为3*1平移向量,0=[0 0 0]T。
空间一点A对应的投影点A’在图像坐标系下的坐标为(u,v)T,则空间点A和投影点A’关系表达式如下:
式中,k为比例系数,H为单应性矩阵,单应性矩阵H中包含相机的参数。
通过从多角度拍摄圆点阵列靶标的图像,再由相机坐标系与世界坐标系、图像坐标系与世界坐标系的转换式联立即可进行单应性计算,从而得到相机参数。因使用相机采集的待测铁塔构件图像一般都会存在图像畸变现象,如果不去除待测铁塔构件图像的畸变,将会直接影响待测构件的测量精度,所以根据经验可以在计算相机参数的公式中加入镜头的一阶和二阶径向畸变,建立如下畸变模型方程:
其中,(x,y)为校正畸变前投影点在图像坐标系下的坐标;
s1、s2为径向畸变系数,通过最小二乘法可求得相机参数和畸变系数,以此完成基于栅格(圆点阵列靶标)的畸变矫正标定,即利用LabVIEW视觉工具箱中的ImageCalibration模块进行标定。在标定时,圆点阵列靶标放置到待测构件制孔尺寸检测工位处,相机拍摄到实心圆阵列的完整图像,利用LabVIEW视觉工具箱进行相机标定。
畸变主要包括径向畸变和切向畸变,切向畸变对图像影响很小,一般忽略不考虑,所以这里只考虑径向畸变。畸变系数即最终优化后的S1一级径向畸变系数,S2二级径向畸变系数。
经验证,其误差在工厂允许的±0.1mm之内。在保持相机和待测构件工位不变的情况下,本发明的相机畸变矫正标定完成后,后续程序可以直接调用相机参数,不用进行二次标定。
在本发明的实施例中,在S102之前还包括:
对所述图像进行处理,得到处理后的图像,其中,所述处理方式包括以下至少一项:图像灰度化、图像增强、图像滤波、图像分割和图像边缘处理;
相应的,所述提取图像中待测目标的边缘特征,为:
提取处理后的图像中待测目标的边缘特征。
在本实施例中,对图像进行处理,去除采集到的待测构件图像干扰和污染等,提高待测构件图像信息的准确度。
在本实施例中,图像灰度化包括:采集到的待测构件的图像是一个真彩色的图像,分别以R(红)、G(绿)、B(蓝)的叠加来表示每个像素的颜色,即RGB图像。GRB图像占用存储空间大,处理时间长,不便于处理计算。经验证,在LabVIEW中抽取绿色作为图像的灰度处理速度较快,所以本发明选择LabVIEW视觉工具箱Color Plane Extraction模块中的RGB-GreenPlane函数,将图像处理为灰度图像。图像变换后的灰度范围为0-255。
图像增强包括:图像增强采用灰度变换增强法。在经图像灰度化后,在LabVIEW中通过其视觉工具箱的Brightness模块进行待测构件的图像的增强。具体可以通过设置Brightness值、Contrast值及Gamma值来增强待测构件图像的增强。经验证Brightness值取128、Contrast值取45、Gamma值取0.62时,图像增强的效果最佳。
图像滤波包括:改进非线性中值滤波算法:
非线性中值滤波主要是利用排序的方法来抑制噪声。它首先对处理前的图像g(x,y)邻域内的像素点按灰度值升序或降序排列,然后将图像中的像素点替换为其邻域内像素点灰度值的中值,处理后的图像记为f(x,y)。其中Cxy是以(x,y)为中心的邻域集合,则可以用以下公式表示:
中值滤波算法虽可以有效的保持待测构件的图像边缘细节,但是其平滑效果不如均值滤波。因此本发明考虑将均值滤波算法和中值滤波算法结合起来,使其既能保持待测构件边缘细节,又能有效的平滑待测构件的图像。
图像分割包括:图像分割主要是利用待测构件的图像中要提取的待测目标和背景在灰度特征上的差异,选择合适的阀值,通过判断待测构件的图像中的各个像素的灰度特征是否满足阀值要求来确定各像素点是属于待测目标还是属于背景,而产生的图像分割。
图像分割在LabVIEW中是通过其视觉工具箱的Threshold模块进行设置的,在使用Threshold模块时可以通过Auto Threshold:Clustering函数设置为自动获取阀值,也可以采用固定阀值。由于本系统图像提取时,在光照系统下可能发生光的强度变化,采用自动阀值不仅可以提高待测构件的图像质量,而且还可以提高自动检测效率,故采用自动获取阀值。
图像边缘处理包括:利用高级形态学对图像边缘进行处理。Adv.Morphology高级形态学适用于图像分割后对图像中的粒子执行高级的算法,利用此函数可以完成去除图像边缘上不必要的粒子和小目标。
在本发明的实施例中,S102包括:
基于Canny边缘检测算法提取图像中待测目标的边缘特征。
在本实施例中,图像的最基本特征就是物体的形状特征。一般情况下,形状特征包括轮廓特征和区域特征。轮廓特征主要是针对物体的边缘轮廓的,而区域特征则关系到整个形状的区域。本发明依据工厂检测待测构件尺寸的环境复杂度,采用LabVIEW的Filters模块中的Canny边缘检测算法,分别提取预处理后的铁塔构件图像轮廓特征和区域特征后再叠加,同时剔除不相关的次要信息。
Canny边缘检测算法的第一步就是用高斯滤波器平滑图像,其中高斯平滑函数为:
G(x,y)=f(x,y)*H(x,y);
其中,H(x,y)为高斯平滑滤波脉冲响应;σ为高斯分布的尺度因子;x为图像中每一像素点的横坐标;y为图像中对应每一像素点的纵坐标;G(x,y)为经过高斯平滑后的输出图像;f(x,y)为原始输入图像。
第二步是用一阶偏导的有限差分来计算梯度的幅值和方向。
第三步是对梯度幅值进行非极大值抑制。仅得到全局的梯度并不足以确定边缘,因此为确定边缘,必须保留局部梯度最大点而抑制非极大值。
第四步是使用阀值算法检测和连接边缘。减少假边段数的典型方法是使用一个阀值,将低于阀值的所有值赋零值。连接边缘则是在一定区域内收取边缘,将另一区域中所有间隙连接起来,从而得到阀值边缘图像。
在本发明的实施例中,边缘特征包括边缘点坐标。
在本发明的实施例中,S103,包括:
S301,根据所述边缘点坐标,计算图像中待测目标的初始中心点坐标及所述初始中心点到边缘点的初始距离;
S302,基于所述标定参数,将所述初始中心点坐标标定为实际中心点坐标,并将所述初始距离标定为实际距离;
S303,根据实际中心点坐标、实际距离和预设的待测构件的标准尺寸,确定待测构件是否合格。
作为举例,当待测目标为正方形时,根据正方形的轮廓坐标,可以确定正方形的四个顶点的坐标,进而将正方形设置在一个圆内,圆心到顶点的距离为圆的半径,所以可以通过圆的方程,计算得到初始中心点坐标及初始距离。
当待测目标为椭圆时,依然可以通过椭圆的轮廓坐标,得到椭圆的四个顶点左边,根据顶点左边确定原始中心点坐标和原始距离。
在本发明的实施例中,若所述待测构件中待测目标为圆孔时,S301,包括:
(x1-a1)2+(y1-b1)2=r1 2;
(x2-a1)2+(y2-b1)2=r1 2;
(x3-a1)2+(y3-b1)2=r1 2;
其中,(x1,y1)为一个圆上的第一个边缘点坐标;(x2,y2)为同一个圆上第二个边缘点坐标;(x3,y3)为同一个圆上第三个边缘点坐标;(a1,b1)为圆心坐标,也就是初始中心点坐标;r1为圆的半径,也就是初始中心点到边缘点的初始距离。
在本发明的实施例中,若所述待测构件中待测目标为圆孔时,S302,包括:
A1=p*a1;
B1=p*b1;
R1=p*r1;
其中,(A1,B1)为实际中心点坐标;R1为圆的实际半径;p为相机标定参数。
在本发明的实施例中,S303,包括:
其中,FP1为待测构件的实际特征向量;FP2为待测构件的标准特征向量;D为待测构件的实际尺寸和标准尺寸的欧氏距离;
若所述欧式距离大于预设值,则确定待测构件不合格;
若所述欧式距离小于或等于所述预设值,则确定待测构件合格。
在本实施例中,预设值可以是±0.1mm,±0.2mm等。
如图3所示,在本发明的实施例中,在S103之后,还包括:
若所述待测构件不合格,则发送报警信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例2:
如图4所示,本发明的一个实施例提供的构件尺寸的检测系统100,包括:用于执行图1所对应的实施例中的方法步骤的终端设备1,光照装置2、相机3、信息处理装置4和控制装置5。
所述信息处理装置4与所述控制装置5相连,所述光照装置2和所述相机3均设置于待测构件上方,所述终端设备1与所述相机3相连;控制装置5与终端设备1相连。
报警装置8,报警装置8与所述控制装置5相连,当终端设备1判断待测构件不合格时,终端设备1向控制装置5发出指令,控制报警装置8开始报警。
夹紧装置6,所述夹紧装置6用于固定待测构件。
位置开关7,所述位置开关7与所述信息处理装置4相连,当夹紧装置7松开待测构件时触发位置开关7。
位置开关7可以是行程开关,当行程开关启动后,将开关信号传输至信息处理装置4,信息处理装置4对开关信号进行处理后将启动信号传输至控制装置5,所述控制装置5将控制指令传入终端设备1,终端设备1处理后发出指令控制相机3对待测构件拍摄图像,拍摄后的图像传输至终端设备1。
如图5所示,终端设备1包括:
信息获取模块110,用于获取待测构件的图像;
信息提取模块120,用于提取图像中待测目标的边缘特征;
判断模块130,用于根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格。
在本发明的实施例中,构件尺寸的检测系统100还包括电源装置,电源装置分别与所述光照装置、所述相机、所述信息处理装置、所述终端设备、所述报警装置和所述控制装置相连,电源装置为其他装置供电。
在本发明的实施例中,信息处理装置4可以是单片机。
在本发明的实施例中,与信息提取模块120相连接的还包括:
图像处理模块,用于对所述图像进行处理,得到处理后的图像,其中,所述处理方式包括以下至少一项:图像灰度化、图像增强、图像滤波、图像分割和图像边缘处理;
相应的,信息提取模块120,为:
提取处理后的图像中待测目标的边缘特征。
在本发明的实施例中,信息提取模块120包括:
基于Canny边缘检测算法提取图像中待测目标的边缘特征。
在本发明的实施例中,与信息获取模块110相连接的还包括:
相机标定模块,用于对采集待测构件的图像的相机进行标定,获得标定参数。
在本发明的实施例中,边缘特征包括边缘点坐标;
相应的,判断模块130,包括:
第一计算单元,用于根据所述边缘点坐标,计算图像中待测目标的初始中心点坐标及所述初始中心点到边缘点的初始距离;
第二计算单元,用于基于所述标定参数,将所述初始中心点坐标标定为实际中心点坐标,并将所述初始距离标定为实际距离;
判断单元,用于根据实际中心点坐标、实际距离和预设的待测构件的标准尺寸,确定待测构件是否合格。
在本发明的实施例中,若所述待测构件中待测目标为圆孔时,第一计算单元,包括:
(x1-a1)2+(y1-b1)2=r1 2;
(x2-a1)2+(y2-b1)2=r1 2;
(x3-a1)2+(y3-b1)2=r1 2;
第二计算单元,包括;
A1=p*a1;
B1=p*b1;
R1=p*r1;
其中,(x1,y1)为一个圆上的第一个边缘点坐标;(x2,y2)为同一个圆上第二个边缘点坐标;(x3,y3)为同一个圆上第三个边缘点坐标;(a1,b1)为初始中心点坐标;r1为圆的半径;(A1,B1)为实际中心点坐标;R1为圆的实际半径;p为相机标定参数。
在本发明的实施例中,判断单元,包括:
其中,FP1为待测构件的实际特征向量;FP2为待测构件的标准特征向量;D为待测构件的实际尺寸和标准尺寸的欧氏距离;
若所述欧式距离大于预设值,则确定待测构件不合格;
若所述欧式距离小于或等于所述预设值,则确定待测构件合格。
在本发明的实施例中,与判断模块130相连接的还包括:
报警模块,用于若所述待测构件不合格,则发送报警信息。
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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即所述终端设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。实施例中的各功能模块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,上述集成的模块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。另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述终端设备中模块的具体工作过程,可以参考前述方法实施例1中的对应过程,在此不再赘述。
实施例3:
图6是本发明一实施例提供的终端设备的示意图。如图5所示,该实施例的终端设备1包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62。所述处理器60执行所述计算机程序62时实现如实施例1中所述的各实施例中的步骤,例如图1所示的步骤S101至S103。或者,所述处理器60执行所述计算机程序62时实现如实施例2中所述的终端设备的各模块/单元的功能,例如图5所示模块110至130的功能。
所述终端设备1是指具有数据处理能力的终端,包括但不限于计算机、工作站、服务器,甚至是一些性能优异的智能手机、掌上电脑、平板电脑、个人数字助理(PDA)、智能电视(Smart TV)等。终端设备上一般都安装有操作系统,包括但不限于:Windows操作系统、LINUX操作系统、安卓(Android)操作系统、Symbian操作系统、Windows mobile操作系统、以及iOS操作系统等等。以上详细罗列了终端设备1的具体实例,本领域技术人员可以意识到,终端设备并不限于上述罗列实例。
所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备1的示例,并不构成对终端设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备1的内部存储单元,例如终端设备1的硬盘或内存。所述存储器61也可以是所述终端设备1的外部存储设备,例如所述终端设备1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备1的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备1所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
实施例4:
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如实施例1中所述的各实施例中的步骤,例如图1所示的步骤S101至步骤S103。或者,所述计算机程序被处理器执行时实现如实施例2中所述的终端设备的功能,例如图5所示的模块110至130的功能。
所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
在上述实施例中,对各个实施例的描述都各有侧重,实施例1至4可以任意组合,组合后形成的新的实施例也在本申请的保护范围之内。某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的系统/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
以上所述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,均应包含在本发明的保护范围之内。
Claims (8)
1.一种构件尺寸的检测方法,其特征在于,
获取待测构件的图像;
提取图像中待测目标的边缘特征;
根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格;
其中,所述边缘特征包括边缘点坐标;
相应的,所述根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格,包括:
根据所述边缘点坐标,计算图像中待测目标的初始中心点坐标及所述初始中心点到边缘点的初始距离;
基于所述标定参数,将所述初始中心点坐标标定为实际中心点坐标,并将所述初始距离标定为实际距离;
根据实际中心点坐标、实际距离和预设的待测构件的标准尺寸,确定待测构件是否合格;
所述根据所述边缘点坐标,计算图像中待测目标的初始中心点坐标及所述初始中心点到边缘点的初始距离,包括:
在待测目标为正方形时,根据待测目标的边缘点坐标,确定待测目标的四个顶点的坐标,并根据待测目标的四个顶点的坐标,确定包含待测目标的圆,根据所述圆确定待测目标的初始中心点坐标及所述初始中心点到边缘点的初始距离,其中,所述圆的圆心到待测目标的顶点的距离为圆的半径;
在待测目标为椭圆时,根据待测目标的边缘点坐标,确定待测目标的四个顶点的坐标,并根据待测目标的四个顶点的坐标,确定待测目标的初始中心点坐标及所述初始中心点到边缘点的初始距离;
若所述待测构件中待测目标为圆孔时,计算图像中待测目标的初始中心点坐标及所述初始中心点到边缘点的初始距离,包括:
(x1-a1)2+(y1-b1)2=r1 2;
(x2-a1)2+(y2-b1)2=r1 2;
(x3-a1)2+(y3-b1)2=r1 2;
基于所述标定参数,将所述初始中心点坐标标定为实际中心点坐标,并将所述初始距离标定为实际距离;
A1=p*a1;
B1=p*b1;
R1=p*r1;
其中,(x1,y1)为一个圆上的第一个边缘点坐标;(x2,y2)为同一个圆上第二个边缘点坐标;(x3,y3)为同一个圆上第三个边缘点坐标;(a1,b1)为初始中心点坐标;r1为圆的半径;(A1,B1)为实际中心点坐标;R1为圆的实际半径;p为相机标定参数;
所述根据实际中心点坐标、实际距离和预设的待测构件的标准尺寸,确定待测构件是否合格,包括:
其中,FP1为待测构件的实际特征向量;FP2为待测构件的标准特征向量;D为待测构件的实际尺寸和标准尺寸的欧氏距离;
若所述欧式距离大于预设值,则确定待测构件不合格;
若所述欧式距离小于或等于所述预设值,则确定待测构件合格。
2.如权利要求1所述的构件尺寸的检测方法,其特征在于,在提取图像中待测目标的边缘特征之前,还包括:
对所述图像进行处理,得到处理后的图像,其中,所述处理方式包括以下至少一项:图像灰度化、图像增强、图像滤波、图像分割和图像边缘处理;
相应的,所述提取图像中待测目标的边缘特征,为:
提取处理后的图像中待测目标的边缘特征。
3.如权利要求1所述的构件尺寸的检测方法,其特征在于,所述提取图像中待测目标的边缘特征包括:
基于Canny边缘检测算法提取图像中待测目标的边缘特征。
4.如权利要求1所述的构件尺寸的检测方法,其特征在于,在获取待测构件的图像之前,还包括:
对采集待测构件的图像的相机进行标定,获得标定参数。
5.如权利要求1所述的构件尺寸的检测方法,其特征在于,在根据所述边缘特征和预设的待测构件的标准信息,确定待测构件是否合格之后,还包括:
若所述待测构件不合格,则发送报警信息。
6.一种终端设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述构件尺寸的检测方法的步骤。
7.一种构件尺寸的检测系统,其特征在于,包括:如权利要求6所述的终端设备、光照装置、相机、电源装置、信息处理装置、报警装置和控制装置;
所述电源装置分别与所述光照装置、所述相机、所述信息处理装置、所述终端设备、所述报警装置和所述控制装置相连,所述光照装置和所述相机均设置于待测构件上方,所述终端设备分别与所述相机和所述控制装置相连,所述控制装置分别与所述报警装置和所述信息处理装置相连;
夹紧装置,所述夹紧装置用于固定待测构件;
位置开关,所述位置开关与所述信息处理装置相连,当夹紧装置松开待测构件时触发位置开关。
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程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述构件尺寸的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466455.5A CN110211110B (zh) | 2019-05-31 | 2019-05-31 | 一种构件尺寸的检测方法、系统及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466455.5A CN110211110B (zh) | 2019-05-31 | 2019-05-31 | 一种构件尺寸的检测方法、系统及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211110A CN110211110A (zh) | 2019-09-06 |
CN110211110B true CN110211110B (zh) | 2022-02-08 |
Family
ID=67789791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910466455.5A Active CN110211110B (zh) | 2019-05-31 | 2019-05-31 | 一种构件尺寸的检测方法、系统及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211110B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862050A (zh) * | 2020-07-22 | 2020-10-30 | 无锡先导智能装备股份有限公司 | 一种物料检测系统、方法及设备 |
CN112945085A (zh) * | 2020-08-03 | 2021-06-11 | 深圳市明源云链互联网科技有限公司 | 测量方法及电子设备 |
CN112629417A (zh) * | 2020-12-14 | 2021-04-09 | 苏州耘侬软件科技有限公司 | 一种长度测量方法、装置、设备及存储介质 |
CN115035123A (zh) * | 2022-08-15 | 2022-09-09 | 成都三是汇科技有限公司 | 一种管瓶热端检测方法、系统、装置及存储介质 |
CN115540759B (zh) * | 2022-11-16 | 2023-05-09 | 江西滕创洪科技有限公司 | 一种基于图像识别技术修饰金属的检测方法及检测系统 |
CN116543002B (zh) * | 2023-07-06 | 2023-11-21 | 广州市易鸿智能装备有限公司 | 一种针对产品的自动化检测方法、装置和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103322911A (zh) * | 2013-05-27 | 2013-09-25 | 吴晓军 | 一种基于图像的特色建筑立面图测绘方法 |
CN108182708A (zh) * | 2017-12-27 | 2018-06-19 | 深圳进化动力数码科技有限公司 | 一种双目相机的标定方法、标定装置及终端设备 |
CN108257171A (zh) * | 2018-01-09 | 2018-07-06 | 江苏科技大学 | 基于光视觉的汽车雷达装配孔径检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366176B (zh) * | 2012-03-31 | 2018-05-01 | 湖北山鹰光学有限公司 | 光学元件缺陷批量自动识别装置和方法 |
CN202994114U (zh) * | 2012-07-30 | 2013-06-12 | 富鼎电子科技(嘉善)有限公司 | 尺寸测试装置 |
US11664114B2 (en) * | 2017-05-25 | 2023-05-30 | Enlitic, Inc. | Medical scan assisted review system |
CN107745758A (zh) * | 2017-10-09 | 2018-03-02 | 上海理工大学 | 基于零件位姿关系判异的车身装配质量在线诊断方法 |
-
2019
- 2019-05-31 CN CN201910466455.5A patent/CN110211110B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103322911A (zh) * | 2013-05-27 | 2013-09-25 | 吴晓军 | 一种基于图像的特色建筑立面图测绘方法 |
CN108182708A (zh) * | 2017-12-27 | 2018-06-19 | 深圳进化动力数码科技有限公司 | 一种双目相机的标定方法、标定装置及终端设备 |
CN108257171A (zh) * | 2018-01-09 | 2018-07-06 | 江苏科技大学 | 基于光视觉的汽车雷达装配孔径检测方法 |
Non-Patent Citations (4)
Title |
---|
周金波.铁塔构件制孔的机器视觉监测系统研发.《中国优秀硕士学位论文全文数据库 信息科技辑》.2019,论文第5-17页、第30页、第38-49页、第59页. * |
基于机器视觉的转子挂线自动检测技术研究;朱亚旋;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190515;论文第47页 * |
基于机器视觉的零部件质量检测研究;吴荥荥;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180115;论文第15页、第49页、第62页 * |
铁塔构件制孔的机器视觉监测系统研发;周金波;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190215;论文第5-17页、第30页、第38-49页、第59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110211110A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110211110B (zh) | 一种构件尺寸的检测方法、系统及终端设备 | |
US10740912B2 (en) | Detection of humans in images using depth information | |
CN106952307B (zh) | 一种图像中球体定位方法及系统 | |
CN110400315A (zh) | 一种缺陷检测方法、装置及系统 | |
CN112270719B (zh) | 相机标定方法、装置及系统 | |
CN111667448A (zh) | 一种图像处理方法、装置及设备 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
CN114549652A (zh) | 一种相机标定方法、装置、设备及计算机可读介质 | |
CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN111223078B (zh) | 瑕疵等级判定的方法及存储介质 | |
CN107909554B (zh) | 图像降噪方法、装置、终端设备及介质 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN114897881A (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN113191270B (zh) | 抛洒事件检测方法、装置、电子设备及存储介质 | |
CN113936010A (zh) | 货架定位方法、装置、货架搬运设备及存储介质 | |
CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
CN113592953B (zh) | 一种基于特征点集的双目非合作目标位姿测量方法 | |
CN106339709A (zh) | 一种图像实时提取方法 | |
CN114049304A (zh) | 一种3d光栅检测方法、装置、计算机设备及可读存储介质 | |
CN112800806B (zh) | 物体位姿检测追踪方法、装置、电子设备及存储介质 | |
CN113610091A (zh) | 一种空气开关状态的智能识别方法、识别装置及存储介质 |
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 |