CN111724366B - 一种激光腔识别方法及装置 - Google Patents

一种激光腔识别方法及装置 Download PDF

Info

Publication number
CN111724366B
CN111724366B CN202010547299.8A CN202010547299A CN111724366B CN 111724366 B CN111724366 B CN 111724366B CN 202010547299 A CN202010547299 A CN 202010547299A CN 111724366 B CN111724366 B CN 111724366B
Authority
CN
China
Prior art keywords
circle
circles
sample
comparison
center
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
Application number
CN202010547299.8A
Other languages
English (en)
Other versions
CN111724366A (zh
Inventor
陈汉新
李森
刘明明
李梦龙
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.)
Wuhan Institute of Technology
Original Assignee
Wuhan Institute of 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 Wuhan Institute of Technology filed Critical Wuhan Institute of Technology
Priority to CN202010547299.8A priority Critical patent/CN111724366B/zh
Publication of CN111724366A publication Critical patent/CN111724366A/zh
Application granted granted Critical
Publication of CN111724366B publication Critical patent/CN111724366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/30164—Workpiece; Machine component

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

本发明提供一种激光腔识别方法及装置，方法包括：S1：通过CCD相机获取激光腔图像，并对所述激光腔图像进行像素点坐标提取处理，得到多个像素点坐标，集合多个所述像素点坐标，得到坐标数据集；S2：在所述坐标数据集中随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；S3：分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆，并分别对各个所述比较圆进行比较圆参数计算，得到多个比较圆参数。本发明减少了有效点繁杂的计算，提高了圆弧部分的检测精度，大大缩短了检测时间，降低了图像预处理的标准，对检测圆弧轮廓的实际工件具有重要的意义。

Description

一种激光腔识别方法及装置
技术领域
本发明主要涉及图像处理领域，具体涉及一种激光腔识别方法及装置。
背景技术
在工业中，一些机械零固件的外形都不一定是完整的圆弧形状，但同时工程测量又要对其的内径或则圆弧进行测量，这是一件非常困难的工程，并且所获得的结果精度较差。目前数字图像测量技术已经广泛应用于工业测量。
现今取得数字图像可以通过CCD相机获取零件的图像，然后通过提取和检测图像成分的边缘来获得几何尺寸。首先，尽可能建立多项式模型，然后计算图中轮廓点的数据，并将其与模型进行比较。如果图形中的坐标与准备的多项式函数模型之一匹配，则该多项式将被视为所需的多项式。但是，这两种方法仅适用于理想的边缘测试曲线，需要在图中没有噪声点的情况下进行，但是实际过程中这两种方法受边缘噪声的影响很大，鲁棒性差，精度低且稳定性差。
传统的霍夫变换(HT)是检测不连续边界形状的非常重要的方法。可以在图像坐标空间中建立一个已知的曲线方程式及其相应的参数空间。HT具有很强的抗干扰能力，高精度和强健性，因此被广泛用于圆，椭圆和圆弧的拟合。由于提取单个像素边缘的要求较低，因此在不连续或轮廓变形的情况下可以获得更好的结果。但霍夫变换的计算相当沉重，需要使用三维空间计数统计信息，这会占用计算机的大量储存空间，同时其取像并非实时，应用性并不大。
随机霍夫变换(RHT)是一种统计计算，其原理是三个点确定一个圆。通过消除图像中每个点的大量单独计算，缩短了计算时间。但是，该算法不适用于同心圆拟合，容易受到边缘提取效果和边缘噪声的影响。此外，无效点的大量计算和有效点的重复计算延长了计算时间。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种激光腔识别方法及装置。
本发明解决上述技术问题的技术方案如下：一种激光腔识别方法，包括如下步骤：
S1：通过CCD相机获取激光腔图像，并对所述激光腔图像进行像素点坐标提取处理，得到多个像素点坐标，集合多个所述像素点坐标，得到坐标数据集；
S2：在所述坐标数据集中随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；
S3：分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆，并分别对各个所述比较圆进行比较圆参数计算，得到多个比较圆参数；
S4：根据多个所述比较圆参数分别对所述得到样本圆参数进行识别，得到多个目标圆和目标圆数量，根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则返回步骤S2；若满足，则对多个所述目标圆进行输出。
本发明解决上述技术问题的另一技术方案如下：一种激光腔识别装置，包括：
激光腔图像处理模块，用于通过CCD相机获取激光腔图像，并对所述激光腔图像进行像素点坐标提取处理，得到多个像素点坐标，集合多个所述像素点坐标，得到坐标数据集；
样本圆参数处理模块，用于在所述坐标数据集中随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；
比较圆参数处理模块，用于分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆，并分别对各个所述比较圆进行比较圆参数计算，得到多个比较圆参数；
目标圆获得模块，用于根据多个所述比较圆参数分别对所述得到样本圆参数进行识别，得到多个目标圆和目标圆数量，根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则在所述坐标数据集中再次随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；若满足，则对多个所述目标圆进行输出。
本发明的有益效果是：通过对激光腔图像的坐标提取处理来确定多个比较圆，再分别计算比较圆参数，分别通过多个比较圆参数对样本圆参数进行识别，来得到多个目标圆和目标圆数量，能够有效的将不均匀圆弧曲线拟合成最优圆弧，减少了有效数据的重复计算，并提高了算法的精度，也节省了清除参数的运行时间，且每次都减少了循环弧，并大大地提高了算法精度和效率，并且在需要测试的圆弧越多的情况下，图像的效果越好，体现了算法的快速性、高精度和高稳定性，同时，对拟合参数进行了优化，减少了有效点繁杂的计算，提高了圆弧部分的检测精度，大大缩短了检测时间，降低了图像预处理的标准，效率得到明显提高，对检测圆弧轮廓的实际工件具有重要的意义。
附图说明
图1为本发明一实施例提供的激光腔识别方法的流程示意图；
图2为本发明一实施例提供的激光腔识别装置的模块框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
图1为本发明一实施例提供的激光腔识别方法的流程示意图。
如图1所示，一种激光腔识别方法，包括如下步骤：
S1：通过CCD相机获取激光腔图像，并对所述激光腔图像进行像素点坐标提取处理，得到多个像素点坐标，集合多个所述像素点坐标，得到坐标数据集；
S2：在所述坐标数据集中随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；
S3：分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆，并分别对各个所述比较圆进行比较圆参数计算，得到多个比较圆参数；
S4：根据多个所述比较圆参数分别对所述得到样本圆参数进行识别，得到多个目标圆和目标圆数量，根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则返回步骤S2；若满足，则对多个所述目标圆进行输出。
具体地，步骤S1中，对采样数k进行初始化，则k＝0；步骤S2中，所述采样数k为预设的样本最大数Kmax；步骤S4中，当得到多个目标圆和目标圆数量时，对所述采样数k进行重置，则k＝0。
上述实施例中，通过对激光腔图像的坐标提取处理来确定多个比较圆，再分别计算比较圆参数，分别通过多个比较圆参数对样本圆参数进行识别，来得到多个目标圆和目标圆数量，能够有效的将不均匀圆弧曲线拟合成最优圆弧，减少了有效数据的重复计算，并提高了算法的精度，也节省了清除参数的运行时间，且每次都减少了循环弧，并大大地提高了算法精度和效率，并且在需要测试的圆弧越多的情况下，图像的效果越好，体现了算法的快速性、高精度和高稳定性，同时，对拟合参数进行了优化，减少了有效点繁杂的计算，提高了圆弧部分的检测精度，大大缩短了检测时间，降低了图像预处理的标准，效率得到明显提高，对检测圆弧轮廓的实际工件具有重要的意义。
可选地，作为本发明的一个实施例，所述步骤S1的过程包括：
S11:通过CCD相机获取激光腔图像；
S12:对所述激光腔图像进行图像轮廓处理，得到激光腔轮廓提取图；
S13:对所述激光腔轮廓提取图进行像素点提取，得到多个像素点；
S14:根据多个所述像素点得到多个所述像素点坐标；
S15:集合多个所述像素点坐标，得到坐标数据集。
具体地，从CCD相机获取所述激光腔图像，并通过中值滤波、二值化阈值分割、连通域去噪等执行一系列图像处理,得到所述激光腔轮廓提取图，并将提取出来的点视为一个坐标数据集，因为计算机暂时无法识别圆的位置，甚至无法知道圆形中是否有圆。
上述实施例中，对激光腔图像的图像轮廓处理得到激光腔轮廓提取图；对激光腔轮廓提取图的像素点提取得到多个像素点；根据多个像素点得到多个所述像素点坐标，并集合多个所述像素点坐标得到坐标数据集，使得工业中对激光腔工件的直接测量转化为图像测量，并去掉噪声，使得测量更加高效、精准和方便。
可选地，作为本发明的一个实施例，所述样本数据集包括三个所述非共线点相应的非共线点坐标，所述步骤S2的过程包括：
S21：在所述坐标数据集中随机选择三个非共线点，根据三个非共线点分别得到对应的非共线点坐标；
S22：通过第一方程组对三个所述非共线点坐标进行样本圆参数计算，得到样本圆半径和样本圆圆心坐标，所述第一方程组为：
其中，(x1,y1)为第一个非共线点坐标，x1为第一个非共线点横坐标，y1为第一个非共线点纵坐标，(x2,y2)为第二个非共线点坐标，x2为第二个非共线点横坐标，y2为第二个非共线点纵坐标，(x3,y3)为第三个非共线点坐标，x3为第三个非共线点横坐标，y3为第三个非共线点纵坐标，r1为样本圆半径，(x，y)为样本圆上点坐标，x为样本圆上点横坐标，y为样本圆上点纵坐标，(a1,b1)为样本圆圆心坐标，a1为样本圆圆心横坐标，b1为样本圆圆心纵坐标；
S23：根据所述样本圆半径和所述样本圆圆心坐标得到样本圆参数。
上述实施例中，在坐标数据集中随机选择三个非共线点，并根据三个非共线点分别得到对应的非共线点坐标，通过第一方程组对三个所述非共线点坐标的样本圆参数计算得到样本圆半径和样本圆圆心坐标，根据所述样本圆半径和所述样本圆圆心坐标得到样本圆参数，为之后的计算奠定数据支持，减少了有效数据的重复计算，并提高了算法的精度。
可选地，作为本发明的一个实施例，所述步骤S3的过程包括：
S31：分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆；
S32：分别对多个所述像素点坐标进行参数计算，得到多个比较圆半径和多个对应的比较圆圆心坐标；
S33：根据样本圆圆心坐标分别对多个所述比较圆圆心坐标进行中心距计算，得到多个比较圆中心距；
S34：根据各个所述比较圆半径、各个所述比较圆圆心坐标和各个所述比较圆中心距得到多个比较圆参数。
上述实施例中，分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标的组合得到多个比较圆；分别对多个所述像素点坐标的参数计算得到多个比较圆半径和多个对应的比较圆圆心坐标；根据样本圆圆心坐标分别对多个所述比较圆圆心坐标的中心距计算得到多个比较圆中心距；根据各个所述比较圆半径、各个所述比较圆圆心坐标和各个所述比较圆中心距得到多个比较圆参数，为之后的计算奠定数据支持，减少了有效数据的重复计算，并提高了算法的精度。
可选地，作为本发明的一个实施例，所述步骤S32的过程包括：
通过第二方程组分别对多个所述像素点坐标进行参数计算，得到多个比较圆半径和多个对应的比较圆圆心坐标，所述第二方程组为：
其中，(x4,y4)为第一个像素点坐标，x4为第一个像素点横坐标，y4为第一个像素点纵坐标，(x5,y5)为第二个像素点坐标，x5为第二个像素点横坐标，y5为第二个像素点纵坐标，(x6,y6)为第三个像素点坐标，x6为第三个像素点横坐标，y6为第三个像素点纵坐标，r2为比较圆半径，(a2,b2)为比较圆圆心坐标，a2为比较圆圆心横坐标，b2为比较圆圆心纵坐标，(x'，y')为比较圆上点坐标，x'为比较圆上点横坐标，y'为比较圆上点纵坐标。
上述实施例中，通过第二方程组分别对多个所述像素点坐标的参数计算得到多个比较圆半径和多个对应的比较圆圆心坐标，为之后的计算奠定数据支持，减少了有效数据的重复计算，并提高了算法的精度。
可选地，作为本发明的一个实施例，所述步骤S33的过程包括：
通过第一式分别对样本圆圆心坐标和多个所述比较圆圆心坐标进行中心距计算，得到多个比较圆中心距，所述第一式为：
其中，rD为比较圆中心距，(a2,b2)为比较圆圆心坐标，a2为比较圆圆心横坐标，b2为比较圆圆心纵坐标，(a1,b1)为样本圆圆心坐标，a1为样本圆圆心横坐标，b1为样本圆圆心纵坐标。
上述实施例中，通过第一式分别对样本圆圆心坐标和多个所述比较圆圆心坐标的中心距计算得到多个比较圆中心距，为之后的计算奠定数据支持，减少了有效数据的重复计算，并提高了算法的精度。
可选地，作为本发明的一个实施例，所述步骤S4的过程包括：
S41：根据各个所述比较圆的所述比较圆中心距、所述比较圆圆心坐标(a2,b2)和所述比较圆半径r2判断所述比较圆是否为标记圆，若不满足所述比较圆中心距小于预设中心距阈值rd且所述比较圆圆心坐标(a2,b2)与所述样本圆圆心坐标(a1,b1)相等且所述比较圆半径r2与所述样本圆半径r1相等，则将所述样本数据集从所述坐标数据集中删除，并返回步骤S2；若满足，则分别对多个所述比较圆进行标记，得到多个标记圆；
S42：对多个所述标记圆进行数量统计，得到标记圆数量；根据所述标记圆数量判断多个所述标记圆是否为候选圆，若不满足所述标记圆数量大于预设候选圆数量阈值，则将所述样本数据集从所述坐标数据集中删除，并返回步骤S2；若满足，则得到与多个所述标记圆相应数量的候选圆；
S43：根据各个所述标记圆的点到圆心距离d对所述样本圆半径r1进行差值计算，得到多个标记圆点到圆心距离与样本圆半径之差D；并对多个所述标记圆点到圆心距离与样本圆半径之差D进行集合计算，得到标记圆点到圆心距离与样本圆半径之差集合Dsum；
S44：根据所述标记圆点到圆心距离与样本圆半径之差集合Dsum判断多个所述候选圆是否为目标圆，若不满足所述标记圆点到圆心距离与样本圆半径之差集合Dsum小于预设目标圆阈值Dmin，则将所述样本数据集从所述坐标数据集中删除，并返回步骤S2；若满足，则得到多个目标圆，并对多个所述目标圆进行数量统计，得到目标圆数量，将所述目标圆数量进行存储，并将多个所述目标圆对应的所述像素点坐标从所述坐标数据集中删除；
S45：根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则返回步骤S2；若满足，则对多个所述目标圆进行输出。
应理解地，在步骤S41中，工件含有多个比较圆圆弧时，通过设置预设中心距阈值rd，可以通过判断两组弧心的弧心距离，来确定两组是否在同一区域，从而缩小随机取非共线点的范围，当所述比较圆中心距rD小于预设中心距阈值rd时，则说明所述比较圆的点在所述样本圆的点区域内。
具体地，在步骤S41中，所述比较圆圆心坐标(a2,b2)与所述样本圆圆心坐标(a1,b1)相等且所述比较圆半径r2与所述样本圆半径r1相等是由于三个非共线点可以确定一个圆，即一个圆的三个点有相同的圆心和半径，所以所述比较圆圆心坐标(a2,b2)与所述样本圆圆心坐标(a1,b1)相等且所述比较圆半径r2与所述样本圆半径r1相等则说明所述比较圆对应的像素点坐标在同一个圆上。
应理解地，在步骤S41中，将所述样本数据集从所述坐标数据集中删除是为了再次返回步骤S2取样所述非共线点坐标时，不会再次取得相同的所述非共线点坐标并计算，以缩短算法计算时间。
具体地，在步骤S43中，所述标记圆的点到圆心距离d的值与所述样本圆半径r1越近,则所述标记圆点到圆心距离与样本圆半径之差D的值越小，所述标记圆点到圆心距离与样本圆半径之差集合Dsum越小，图形中位于圆上或围绕圆的点越多。
应理解地，在步骤S44中，在判断所述目标圆时，可以将所述候选圆中的像素点坐标与所述样本圆进行比较，当所述标记圆点到圆心距离与样本圆半径之差集合Dsum值小于预设目标圆阈值Dmin最小值时则能获得最佳圆。
上述实施例中，通过根据各个比较圆中心距小于预设中心距阈值且比较圆圆心坐标与样本圆圆心坐标相等且所述比较圆半径与所述样本圆半径相等判断比较圆是否为标记圆，缩小了随机取非共线点的范围，对多个标记圆的数量统计得到标记圆数量，并根据标记圆数量大于预设候选圆数量阈值判断多个所述标记圆是否为候选圆，根据各个标记圆的点到圆心距离对样本圆半径进行差值计算，得到多个标记圆点到圆心距离与样本圆半径之差，对多个标记圆点到圆心距离与样本圆半径之差的集合计算得到标记圆点到圆心距离与样本圆半径之差集合，根据标记圆点到圆心距离与样本圆半径之差集合小于预设目标圆阈值判断多个所述候选圆是否为目标圆，并得到多个目标圆，并对多个目标圆的数量统计得到目标圆数量，将目标圆数量进行存储，并将多个所述目标圆对应的所述像素点坐标从所述坐标数据集中删除，缩短了计算时间，减少了有效数据的重复计算，同时，节省了清除参数的运行时间，减少了循环弧，体现了算法的快速性、高精度和高稳定性。
可选地，作为本发明的一个实施例，所述步骤S43的过程包括：
S431：通过第二式对各个所述标记圆的点到圆心距离d和所述样本圆半径r1进行差值计算，得到多个标记圆点到圆心距离与样本圆半径之差D，所述第二式为：
D＝|d-r1|，
其中，
其中，(x7，y7)为候选圆边缘点坐标，x7为候选圆边缘点横坐标，y7为候选圆边缘点纵坐标，(a1,b1)为样本圆圆心坐标，a1为样本圆圆心横坐标，b1为样本圆圆心纵坐标；
S432：对多个所述标记圆点到圆心距离与样本圆半径之差D进行集合计算，得到标记圆点到圆心距离与样本圆半径之差集合Dsum。
上述实施例中，通过第二式对各个所述标记圆的点到圆心距离和所述样本圆半径的差值计算得到多个标记圆点到圆心距离与样本圆半径之差，对多个所述标记圆点到圆心距离与样本圆半径之差的集合计算得到标记圆点到圆心距离与样本圆半径之差集合，提高了算法的精确度，提高了圆弧部分的检测精度，大大缩短了检测时间。
可选地，作为本发明的一个实施例，所述步骤S432的过程包括：
通过第三式对多个所述标记圆点到圆心距离与样本圆半径之差D进行集合计算，得到标记圆点到圆心距离与样本圆半径之差集合Dsum，所述第三式为：
其中，Di为第i个标记圆点到圆心距离与样本圆半径之差。
上述实施例中，通过第三式对多个所述标记圆点到圆心距离与样本圆半径之差的集合计算得到标记圆点到圆心距离与样本圆半径之差集合，提高了算法的精确度，提高了圆弧部分的检测精度，大大缩短了检测时间。
图2为本发明一实施例提供的激光腔识别装置的模块框图。
可选地，作为本发明的另一个实施例，如图2所示，一种激光腔识别装置，包括：
激光腔图像处理模块，用于通过CCD相机获取激光腔图像，并对所述激光腔图像进行像素点坐标提取处理，得到多个像素点坐标，集合多个所述像素点坐标，得到坐标数据集；
样本圆参数处理模块，用于在所述坐标数据集中随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；
比较圆参数处理模块，用于分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆，并分别对各个所述比较圆进行比较圆参数计算，得到多个比较圆参数；
目标圆获得模块，用于根据多个所述比较圆参数分别对所述得到样本圆参数进行识别，得到多个目标圆和目标圆数量，根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则在所述坐标数据集中再次随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；若满足，则对多个所述目标圆进行输出。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的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，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。
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发明实施例方案的目的。
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，也可以是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。
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。用于这样的理解，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-Only Memory)、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，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种激光腔识别方法，其特征在于，包括如下步骤：
S1：通过CCD相机获取激光腔图像，并对所述激光腔图像进行像素点坐标提取处理，得到多个像素点坐标，集合多个所述像素点坐标，得到坐标数据集；
S2：在所述坐标数据集中随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；
S3：分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆，并分别对各个所述比较圆进行比较圆参数计算，得到多个比较圆参数；
S4：根据多个所述比较圆参数分别对所述得到样本圆参数进行识别，得到多个目标圆和目标圆数量，根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则返回步骤S2；若满足，则对多个所述目标圆进行输出；
所述步骤S1的过程包括：
S11:通过CCD相机获取激光腔图像；
S12:对所述激光腔图像进行图像轮廓处理，得到激光腔轮廓提取图；
S13:对所述激光腔轮廓提取图进行像素点提取，得到多个像素点；
S14:根据多个所述像素点得到多个所述像素点坐标；
S15:集合多个所述像素点坐标，得到坐标数据集；
所述步骤S4的过程包括：
S41：根据各个所述比较圆的所述比较圆中心距rD、所述比较圆圆心坐标(a2,b2)和所述比较圆半径r2判断所述比较圆是否为标记圆，若不满足所述比较圆中心距rD小于预设中心距阈值rd且所述比较圆圆心坐标(a2,b2)与所述样本圆圆心坐标(a1,b1)相等且所述比较圆半径r2与所述样本圆半径r1相等，则将所述样本数据集从所述坐标数据集中删除，并返回步骤S2；若满足，则分别对多个所述比较圆进行标记，得到多个标记圆；
S42：对多个所述标记圆进行数量统计，得到标记圆数量；根据所述标记圆数量判断多个所述标记圆是否为候选圆，若不满足所述标记圆数量大于预设候选圆数量阈值，则将所述样本数据集从所述坐标数据集中删除，并返回步骤S2；若满足，则得到与多个所述标记圆相应数量的候选圆；
S43：根据各个所述标记圆的点到圆心距离d对所述样本圆半径r1进行差值计算，得到多个标记圆点到圆心距离与样本圆半径之差D；并对多个所述标记圆点到圆心距离与样本圆半径之差D进行集合计算，得到标记圆点到圆心距离与样本圆半径之差集合Dsum；
S44：根据所述标记圆点到圆心距离与样本圆半径之差集合Dsum判断多个所述候选圆是否为目标圆，若不满足所述标记圆点到圆心距离与样本圆半径之差集合Dsum小于预设目标圆阈值Dmin，则将所述样本数据集从所述坐标数据集中删除，并返回步骤S2；若满足，则得到多个目标圆，并对多个所述目标圆进行数量统计，得到目标圆数量，将所述目标圆数量进行存储，并将多个所述目标圆对应的所述像素点坐标从所述坐标数据集中删除；
S45：根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则返回步骤S2；若满足，则对多个所述目标圆进行输出。
2.根据权利要求1所述的激光腔识别方法，其特征在于，所述样本数据集包括三个所述非共线点相应的非共线点坐标，所述步骤S2的过程包括：
S21：在所述坐标数据集中随机选择三个非共线点，根据三个非共线点分别得到对应的非共线点坐标；
S22：通过第一方程组对三个所述非共线点坐标进行样本圆参数计算，得到样本圆半径和样本圆圆心坐标，所述第一方程组为：
其中，(x1,y1)为第一个非共线点坐标，x1为第一个非共线点横坐标，y1为第一个非共线点纵坐标，(x2,y2)为第二个非共线点坐标，x2为第二个非共线点横坐标，y2为第二个非共线点纵坐标，(x3,y3)为第三个非共线点坐标，x3为第三个非共线点横坐标，y3为第三个非共线点纵坐标，r1为样本圆半径，(x，y)为样本圆上点坐标，x为样本圆上点横坐标，y为样本圆上点纵坐标，(a1,b1)为样本圆圆心坐标，a1为样本圆圆心横坐标，b1为样本圆圆心纵坐标；
S23：根据所述样本圆半径和所述样本圆圆心坐标得到样本圆参数。
3.根据权利要求2所述的激光腔识别方法，其特征在于，所述步骤S3的过程包括：
S31：分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆；
S32：分别对多个所述像素点坐标进行参数计算，得到多个比较圆半径和多个对应的比较圆圆心坐标；
S33：根据样本圆圆心坐标分别对多个所述比较圆圆心坐标进行中心距计算，得到多个比较圆中心距；
S34：根据各个所述比较圆半径、各个所述比较圆圆心坐标和各个所述比较圆中心距得到多个比较圆参数。
4.根据权利要求3所述的激光腔识别方法，其特征在于，所述步骤S32的过程包括：
通过第二方程组分别对多个所述像素点坐标进行参数计算，得到多个比较圆半径和多个对应的比较圆圆心坐标，所述第二方程组为：
其中，(x4,y4)为第一个像素点坐标，x4为第一个像素点横坐标，y4为第一个像素点纵坐标，(x5,y5)为第二个像素点坐标，x5为第二个像素点横坐标，y5为第二个像素点纵坐标，(x6,y6)为第三个像素点坐标，x6为第三个像素点横坐标，y6为第三个像素点纵坐标，r2为比较圆半径，(a2,b2)为比较圆圆心坐标，a2为比较圆圆心横坐标，b2为比较圆圆心纵坐标，(x'，y')为比较圆上点坐标，x'为比较圆上点横坐标，y'为比较圆上点纵坐标。
5.根据权利要求3所述的激光腔识别方法，其特征在于，所述步骤S33的过程包括：
通过第一式分别对样本圆圆心坐标和多个所述比较圆圆心坐标进行中心距计算，得到多个比较圆中心距，所述第一式为：
其中，rD为比较圆中心距，(a2,b2)为比较圆圆心坐标，a2为比较圆圆心横坐标，b2为比较圆圆心纵坐标，(a1,b1)为样本圆圆心坐标，a1为样本圆圆心横坐标，b1为样本圆圆心纵坐标。
6.根据权利要求1所述的激光腔识别方法，其特征在于，所述步骤S43的过程包括：
S431：通过第二式对各个所述标记圆的点到圆心距离d和所述样本圆半径r1进行差值计算，得到多个标记圆点到圆心距离与样本圆半径之差D，所述第二式为：
D＝|d-r1|，
其中，
其中，(x7，y7)为候选圆边缘点坐标，x7为候选圆边缘点横坐标，y7为候选圆边缘点纵坐标，(a1,b1)为样本圆圆心坐标，a1为样本圆圆心横坐标，b1为样本圆圆心纵坐标；
S432：对多个所述标记圆点到圆心距离与样本圆半径之差D进行集合计算，得到标记圆点到圆心距离与样本圆半径之差集合Dsum。
7.根据权利要求6所述的激光腔识别方法，其特征在于，所述步骤S432的过程包括：
通过第三式对多个所述标记圆点到圆心距离与样本圆半径之差D进行集合计算，得到标记圆点到圆心距离与样本圆半径之差集合Dsum，所述第三式为：
其中，Di为第i个标记圆点到圆心距离与样本圆半径之差。
8.一种激光腔识别装置，其特征在于，包括：
激光腔图像处理模块，用于通过CCD相机获取激光腔图像，并对所述激光腔图像进行像素点坐标提取处理，得到多个像素点坐标，集合多个所述像素点坐标，得到坐标数据集；
样本圆参数处理模块，用于在所述坐标数据集中随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；
比较圆参数处理模块，用于分别对所述坐标数据集中除所述三个非共线点以外剩余的多个所述像素点坐标进行组合，得到多个比较圆，并分别对各个所述比较圆进行比较圆参数计算，得到多个比较圆参数；
目标圆获得模块，用于根据多个所述比较圆参数分别对所述得到样本圆参数进行识别，得到多个目标圆和目标圆数量，根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则在所述坐标数据集中再次随机选择三个非共线点，得到样本数据集，对所述样本数据集进行样本圆参数计算，得到样本圆参数；若满足，则对多个所述目标圆进行输出；
所述激光腔图像处理模块具体用于：
通过CCD相机获取激光腔图像；
对所述激光腔图像进行图像轮廓处理，得到激光腔轮廓提取图；
对所述激光腔轮廓提取图进行像素点提取，得到多个像素点；
根据多个所述像素点得到多个所述像素点坐标；
集合多个所述像素点坐标，得到坐标数据集；
所述目标圆获得模块具体用于：
根据各个所述比较圆的所述比较圆中心距rD、所述比较圆圆心坐标(a2,b2)和所述比较圆半径r2判断所述比较圆是否为标记圆，若不满足所述比较圆中心距rD小于预设中心距阈值rd且所述比较圆圆心坐标(a2,b2)与所述样本圆圆心坐标(a1,b1)相等且所述比较圆半径r2与所述样本圆半径r1相等，则将所述样本数据集从所述坐标数据集中删除，并返回所述样本圆参数处理模块；若满足，则分别对多个所述比较圆进行标记，得到多个标记圆；
对多个所述标记圆进行数量统计，得到标记圆数量；根据所述标记圆数量判断多个所述标记圆是否为候选圆，若不满足所述标记圆数量大于预设候选圆数量阈值，则将所述样本数据集从所述坐标数据集中删除，并返回所述样本圆参数处理模块；若满足，则得到与多个所述标记圆相应数量的候选圆；
根据各个所述标记圆的点到圆心距离d对所述样本圆半径r1进行差值计算，得到多个标记圆点到圆心距离与样本圆半径之差D；并对多个所述标记圆点到圆心距离与样本圆半径之差D进行集合计算，得到标记圆点到圆心距离与样本圆半径之差集合Dsum；
根据所述标记圆点到圆心距离与样本圆半径之差集合Dsum判断多个所述候选圆是否为目标圆，若不满足所述标记圆点到圆心距离与样本圆半径之差集合Dsum小于预设目标圆阈值Dmin，则将所述样本数据集从所述坐标数据集中删除，并返回所述样本圆参数处理模块；若满足，则得到多个目标圆，并对多个所述目标圆进行数量统计，得到目标圆数量，将所述目标圆数量进行存储，并将多个所述目标圆对应的所述像素点坐标从所述坐标数据集中删除；
S45：根据所述目标圆数量判断是否满足预设的圆数量，若不满足，则返回所述样本圆参数处理模块；若满足，则对多个所述目标圆进行输出。
CN202010547299.8A 2020-06-16 2020-06-16 一种激光腔识别方法及装置 Active CN111724366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010547299.8A CN111724366B (zh) 2020-06-16 2020-06-16 一种激光腔识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010547299.8A CN111724366B (zh) 2020-06-16 2020-06-16 一种激光腔识别方法及装置

Publications (2)

Publication Number Publication Date
CN111724366A CN111724366A (zh) 2020-09-29
CN111724366B true CN111724366B (zh) 2023-08-25

Family

ID=72566974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010547299.8A Active CN111724366B (zh) 2020-06-16 2020-06-16 一种激光腔识别方法及装置

Country Status (1)

Country Link
CN (1) CN111724366B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005346390A (ja) * 2004-06-02 2005-12-15 Toyota Motor Corp 物体認識方法
JP2008151706A (ja) * 2006-12-19 2008-07-03 Nikon Corp 画像処理方法および画像処理装置
WO2010037865A1 (de) * 2008-10-02 2010-04-08 Zumbach Electronic Ag Verfahren zur bestimmung von formparametern
CN101699217A (zh) * 2009-11-03 2010-04-28 武汉大学 一种用于工业零件的同心圆检测方法
CN108537778A (zh) * 2018-03-27 2018-09-14 华南理工大学 一种用于柔性基板的改进随机圆孔检测方法
CN108830868A (zh) * 2018-04-19 2018-11-16 江南大学 一种基于Snake模型和迭代极性转换回归结合的圆弧拟合方法
CN108986126A (zh) * 2018-06-15 2018-12-11 哈尔滨工业大学 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法
CN109859206A (zh) * 2019-02-28 2019-06-07 易思维（杭州）科技有限公司 一种圆孔特征的提取方法
CN109978901A (zh) * 2019-03-07 2019-07-05 江苏亿通高科技股份有限公司 一种快速、精确的圆形检测和圆心定位方法
CN110349199A (zh) * 2019-06-25 2019-10-18 杭州汇萃智能科技有限公司 一种物体圆度测量方法
CN110390696A (zh) * 2019-07-03 2019-10-29 浙江大学 一种基于图像超分辨率重建的圆孔位姿视觉检测方法
CN110415292A (zh) * 2019-09-02 2019-11-05 安徽建筑大学 一种圆环标识的运动姿态视觉测量方法及其应用

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9721358B2 (en) * 2015-08-13 2017-08-01 Excelsius Medical Co., Ltd. Method, system, and non-transitory computer readable medium for video-based circular object localization
US10152780B2 (en) * 2015-11-02 2018-12-11 Cognex Corporation System and method for finding lines in an image with a vision system

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005346390A (ja) * 2004-06-02 2005-12-15 Toyota Motor Corp 物体認識方法
JP2008151706A (ja) * 2006-12-19 2008-07-03 Nikon Corp 画像処理方法および画像処理装置
WO2010037865A1 (de) * 2008-10-02 2010-04-08 Zumbach Electronic Ag Verfahren zur bestimmung von formparametern
CN101699217A (zh) * 2009-11-03 2010-04-28 武汉大学 一种用于工业零件的同心圆检测方法
CN108537778A (zh) * 2018-03-27 2018-09-14 华南理工大学 一种用于柔性基板的改进随机圆孔检测方法
CN108830868A (zh) * 2018-04-19 2018-11-16 江南大学 一种基于Snake模型和迭代极性转换回归结合的圆弧拟合方法
CN108986126A (zh) * 2018-06-15 2018-12-11 哈尔滨工业大学 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法
CN109859206A (zh) * 2019-02-28 2019-06-07 易思维（杭州）科技有限公司 一种圆孔特征的提取方法
CN109978901A (zh) * 2019-03-07 2019-07-05 江苏亿通高科技股份有限公司 一种快速、精确的圆形检测和圆心定位方法
CN110349199A (zh) * 2019-06-25 2019-10-18 杭州汇萃智能科技有限公司 一种物体圆度测量方法
CN110390696A (zh) * 2019-07-03 2019-10-29 浙江大学 一种基于图像超分辨率重建的圆孔位姿视觉检测方法
CN110415292A (zh) * 2019-09-02 2019-11-05 安徽建筑大学 一种圆环标识的运动姿态视觉测量方法及其应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏勤.圆检测算法研究及其在同心度测量中的应用.《中国优秀硕士学位论文全文数据库信息科技辑》.2008,全文. *

Also Published As

Publication number Publication date
CN111724366A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
WO2018068599A1 (zh) 基因测序的图像处理方法及系统
CN106530347B (zh) 一种稳定的高性能圆特征检测方法
CN113109368B (zh) 玻璃裂纹检测方法、装置、设备及介质
KR101718752B1 (ko) 타이어 트레드 파라미터를 분석하는 시스템 및 방법
CN112819845B (zh) 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备
CN115330783A (zh) 一种钢丝绳缺陷检测方法
CN102982545B (zh) 一种图像深度估计方法
CN110660072B (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN111260708A (zh) 一种线结构光中心提取方法及系统
CN113436207B (zh) 一种对于规则表面的线结构光条纹中心快速精确提取方法
CN112950650A (zh) 一种适用于高精度形貌测量的深度学习畸变光斑中心提取方法
CN111178193A (zh) 一种车道线的检测方法、检测装置及计算机可读存储介质
CN116824516B (zh) 一种涉路施工安全监测及管理系统
CN113888456B (zh) 一种基于轮廓的角点检测方法
CN114419140A (zh) 一种轨道激光测量装置光斑中心的定位算法
CN117745750A (zh) 一种图像分割方法、图像分割装置、电子设备及存储介质
CN116381672A (zh) 基于孪生网络雷达x波段多扩展目标自适应跟踪方法
CN111724366B (zh) 一种激光腔识别方法及装置
CN116818778B (zh) 一种汽车部件快速智能检测方法及系统
CN112330667A (zh) 一种基于形态学的激光条纹中心线提取方法
CN116862973A (zh) 一种基于声学的水下坝面缺陷量测方法
CN110298816B (zh) 一种基于图像重生成的桥梁裂缝检测方法
CN116452826A (zh) 基于机器视觉的遮挡情况下煤矸石轮廓估计方法
CN111192358A (zh) 基于三维的管道裂痕检测方法、装置、设备和存储介质
CN115984178A (zh) 伪造图像检测方法、电子设备和计算机可读存储介质

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