CN111862037A - 基于机器视觉的精密孔类零件几何特征检测方法及系统 - Google Patents
基于机器视觉的精密孔类零件几何特征检测方法及系统 Download PDFInfo
- Publication number
- CN111862037A CN111862037A CN202010692848.0A CN202010692848A CN111862037A CN 111862037 A CN111862037 A CN 111862037A CN 202010692848 A CN202010692848 A CN 202010692848A CN 111862037 A CN111862037 A CN 111862037A
- Authority
- CN
- China
- Prior art keywords
- precision
- image
- pixel
- detected
- calibration plate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 29
- 230000009466 transformation Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T7/13—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
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
Abstract
本发明涉及精密零件特征检测技术领域，具体公开了一种基于机器视觉的精密孔类零件几何特征检测方法，包括：通过工业相机拍摄标定板图像，并根据该标定板图像计算出工业相机的内参和外参，并对标定板图像进行畸变校正；根据校正后的标定板图像中的角点距离计算出像素当量；获取待测精密孔类零件的图像并进行处理；对处理后的待测零件图像进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径；依据像素当量和亚像素精度的圆孔直径，得到待测零件的实际尺寸。本发明还公开了一种基于机器视觉的精密孔类零件几何特征检测系统。本发明提供的检测方法可以实现图像边缘的亚像素级定位，大大提高精密孔类零件几何特征的检测精度。
Description
技术领域
本发明涉及精密零件特征检测技术领域，更具体地，涉及一种基于机器视觉的精密孔类零件几何特征检测方法及系统。
背景技术
精密孔类零件的几何特征检测往往是国家制造业的关键技术所在，随着制造业的快速发展，智能制造概念的提出，零件检测精度的要求也日趋增加，但是高端检测仪成本高，人工测量精度低，同时也不利于自研算法的验证，结合实际生产情况，研究测量精度指标的孔类零件几何特征检测方法对于企业来说具有重要意义。
对于精密孔类零件尺寸检测来说，人工法操作简单，但是不满足智能化检测的根本目的；三坐标测量机集成化程度高，不利于开展算法研究，而且还需要确定坐标系指导机械手移动，较为复杂；机器视觉法检测平台静止，只需要后续进行图像处理即可，主要考察直径算法的设计，硬件设备较为简单，优点明显。
发明内容
针对现有技术中存在的上述弊端，本发明提供了一种基于机器视觉的精密孔类零件几何特征检测方法及系统，可以实现图像边缘的亚像素级定位，大大提高精密孔类零件几何特征的检测精度。
作为本发明的第一个方面，提供一种基于机器视觉的精密孔类零件几何特征检测方法，包括：
完成世界坐标系到像素坐标系的变换；
设定标定板，并获取标定板固有的方格距离；
通过工业相机拍摄标定板图像，并根据所拍摄的标定板图像计算出所述标定板图像中的角点信息；
根据所述标定板图像中的角点信息，计算出所述工业相机的内参数和外参数，并根据所述工业相机的内参数和外参数对所述标定板图像进行畸变校正；
获取畸变校正后的标定板图像，根据畸变校正后的标定板图像中的角点距离和所述标定板固有的方格距离，计算出像素当量；
获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理；
对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径；
依据所述像素当量和所述亚像素精度的圆孔直径，得到精密孔类零件的实际尺寸特征。
进一步地，所述对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径，包括：
通过基于梯度的Hough圆变换算法，获取处理后的待测精密孔类零件图像中的圆孔区域，提取所述圆孔区域的边缘坐标点，并根据所述所述圆孔区域的边缘坐标点，识别出粗定位的圆孔特征。
进一步地，所述基于梯度的Hough圆变换算法，包括估计圆心和估计半径，具体包括：
估计圆心：
初始化圆心累加器N(a,b)，将所有圆心累加器置0；
设置需要检测圆的最大半径rmax、最小半径rmin以及半径的步长；
对图像空间内所有的边缘坐标点结合梯度方向信息，计算对应的圆心坐标(a,b)，精度等级为只保留整数部分，将对应的圆心累加器N(a,b)数值加1；
设置第一阈值，大于第一阈值的圆心累加器保留为搜索到的圆心；
估计半径：
初始化半径累加器N(r)，将所有半径累加器置0；
对每个保留的圆心计算和各个边缘坐标点的距离，保留整数部分，对应的半径累加器N(r)数值加1；
设置第二阈值，大于第二阈值的半径累加器为该检测圆对应的半径，重复初始化半径累加器N(r)，将所有半径累加器置0，直到所有圆心计算完毕。
进一步地，所述对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径，包括：
在处理后的待测精密孔类零件图像中的圆孔区域中选择对应的感兴趣区域，通过基于改进Zernike矩的亚像素边缘提取算法，对感兴趣区域进行处理，完成亚像素级圆孔轮廓的精定位，得到亚像素精度的圆孔直径。
进一步地，所述基于改进Zernike矩的亚像素边缘提取算法，具体包括：
计算Zernike矩7×7模板系数M11，M20，将其与具有所述感兴趣区域的图像做卷积，计算得到具有所述感兴趣区域的图像对应的矩Z11，Z20；
根据矩Z11，Z20计算具有所述感兴趣区域的图像中所有像素点的边缘参数l，k,θ；
使用边缘点的判定条件k>kt∩l＜lt，如果此位置像素点的阶跃灰度k以及边缘距离l符合判定条件，则说明该位置像素点存在亚像素边缘,计算其位置坐标。
进一步地，所述获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理，包括：
对所述待测精密孔类零件的图像依次进行灰度化和滤波处理，并获取经过滤波处理后的待测精密孔类零件的图像的灰度直方图；
根据所述灰度直方图定量分析噪声的去除情况，并根据噪声去除情况的分析结果，选择中值滤波作为所述待测精密孔类零件的图像的滤波方式。
作为本发明的第二个方面，提供一种在用车SCR后处理控制系统，包括：
变换模块，用于完成世界坐标系到像素坐标系的变换；
设定模块，用于设定标定板，并获取标定板固有的方格距离；
第一计算模块，用于通过工业相机拍摄标定板图像，并根据所拍摄的标定板图像计算出所述标定板图像中的角点信息；
校正模块，用于根据所述标定板图像中的角点信息，计算出所述工业相机的内参数和外参数，并根据所述工业相机的内参数和外参数对所述标定板图像进行畸变校正；
第二计算模块，用于获取畸变校正后的标定板图像，根据畸变校正后的标定板图像中的角点距离和所述标定板固有的方格距离，计算出像素当量；
图像处理模块，用于获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理；
定位模块，用于对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径；
第三计算模块，用于依据所述像素当量和所述亚像素精度的圆孔直径，得到精密孔类零件的实际尺寸特征。
进一步地，所述定位模块具体用于，通过基于梯度的Hough圆变换算法，获取处理后的待测精密孔类零件图像中的圆孔区域，提取所述圆孔区域的边缘坐标点，并根据所述所述圆孔区域的边缘坐标点，识别出粗定位的圆孔特征。
进一步地，所述定位模块还用于，在处理后的待测精密孔类零件图像中的圆孔区域中选择对应的感兴趣区域，通过基于改进Zernike矩的亚像素边缘提取算法，对感兴趣区域进行处理，完成亚像素级圆孔轮廓的精定位，得到亚像素精度的圆孔直径。
进一步地，所述图像处理模块具体用于，对所述待测精密孔类零件的图像依次进行灰度化和滤波处理，并获取经过滤波处理后的待测精密孔类零件的图像的灰度直方图；根据所述灰度直方图定量分析噪声的去除情况，并根据噪声去除情况的分析结果，选择中值滤波作为所述待测精密孔类零件的图像的滤波方式。
本发明提供的基于机器视觉的精密孔类零件几何特征检测方法及系统具有以下优点：可以实现图像边缘的亚像素级定位，大大提高精密孔类零件几何特征的检测精度。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明基于机器视觉的精密孔类零件几何特征检测方法的流程图。
图2为本发明基于机器视觉的精密孔类零件几何特征检测方法的具体实施方式流程图。
图3为本发明对待测精密孔类零件的图像进行处理的示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的基于机器视觉的精密孔类零件几何特征检测方法及系统其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
在本实施例中提供了一种基于机器视觉的精密孔类零件几何特征检测方法，如图1所示，请同时参照图2，基于机器视觉的精密孔类零件几何特征检测方法包括：
步骤S110：完成世界坐标系到像素坐标系的变换；
步骤S120：设定标定板，并获取标定板固有的方格距离；
步骤S130：通过工业相机拍摄标定板图像，并根据所拍摄的标定板图像计算出所述标定板图像中的角点信息；
步骤S140：根据所述标定板图像中的角点信息，计算出所述工业相机的内参数和外参数，并根据所述工业相机的内参数和外参数对所述标定板图像进行畸变校正；
步骤S150：获取畸变校正后的标定板图像，根据畸变校正后的标定板图像中的角点距离和所述标定板固有的方格距离，计算出像素当量；
步骤S160：获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理；
步骤S170：对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径；
步骤S180：依据所述像素当量和所述亚像素精度的圆孔直径，得到精密孔类零件的实际尺寸特征。
优选地，所述对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径，包括：
通过基于梯度的Hough圆变换算法，获取处理后的待测精密孔类零件图像中的圆孔区域，提取所述圆孔区域的边缘坐标点，并根据所述所述圆孔区域的边缘坐标点，识别出粗定位的圆孔特征。
优选地，所述基于梯度的Hough圆变换算法，包括估计圆心和估计半径，先结合边缘坐标点的梯度信息估计所在圆的圆心，根据投票机制选择最可能的圆心，再根据边缘点到上一阶段估计的圆心的距离，确定圆的半径，两步法估计出图像中存在的圆孔特征，可以有效的减少累加器的维度，提高找圆的效率以及准确度，具体如下：
估计圆心：
初始化圆心累加器N(a,b)，将所有圆心累加器置0；
设置需要检测圆的最大半径rmax、最小半径rmin以及半径的步长(整数倍的像素数)；
对图像空间内所有的边缘坐标点结合梯度方向信息，计算对应的圆心坐标(a,b)，精度等级为只保留整数部分，将对应的圆心累加器N(a,b)数值加1；
设置第一阈值，大于第一阈值的圆心累加器保留为搜索到的圆心；
估计半径：
初始化半径累加器N(r)，将所有半径累加器置0；
对每个保留的圆心计算和各个边缘坐标点的距离，保留整数部分，对应的半径累加器N(r)数值加1；
设置第二阈值，大于第二阈值的半径累加器为该检测圆对应的半径，重复初始化半径累加器N(r)，将所有半径累加器置0，直到所有圆心计算完毕。
优选地，所述对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径，包括：
在处理后的待测精密孔类零件图像中的圆孔区域中选择对应的感兴趣区域，通过基于改进Zernike矩的亚像素边缘提取算法，对感兴趣区域进行处理，完成亚像素级圆孔轮廓的精定位，得到亚像素精度的圆孔直径。
需要说明的是，进行圆孔特征的粗定位后，进行领域像素扩充，完成感兴趣区域(ROI)裁剪，将裁剪后的图像进行亚像素级精定位检索，得到边缘点更加准确的坐标位置，由此计算出更加准确的圆孔直径。
优选地，所述基于改进Zernike矩的亚像素边缘提取算法，具体包括：
计算Zernike矩7×7模板系数M11，M20，将其与具有所述感兴趣区域的图像做卷积，计算得到具有所述感兴趣区域的图像对应的矩Z11，Z20；
根据矩Z11，Z20计算具有所述感兴趣区域的图像中所有像素点的边缘参数l，k，θ；
使用边缘点的判定条件k>kt∩l＜lt，如果此位置像素点的阶跃灰度k以及边缘距离l符合判定条件，则说明该位置像素点存在亚像素边缘,计算其位置坐标。
需要说明的是，矩方法是使用数学上矩的概念，利用图像矩的旋转不变性，将图像边缘进行旋转后，计算与边界相关的参数，进一步确定亚像素边缘；本发明以Zernike矩为基础，结合工业零件的图像特点，以低阶矩加上大尺度模板的方式对其进行改进，完成圆形轮廓的亚像素级轮廓提取，最终根据各点的位置坐标结合最小二乘拟合圆法(LSC)计算得到的圆孔直径精度已达到10um左右，满足检测精度要求。
具体地,如图2所示,使用机器视觉方式对精密孔类零件的直径值进行精确测量，包括：
图像前处理：进行机器视觉系统的前处理工作，完成相机标定和标定板图像校正，计算视觉系统的像素当量，清楚的获取图像坐标系与视觉坐标系的映射关系，得到图像尺寸与实物尺寸的准确映射关系，为后续精确进行尺寸计算提供保障；
待测件图像预处理：采用加权法对待测件图像进行灰度化处理，减少RGB图像的数据量，根据图像特点选择中值滤波进行滤波处理；
像素级粗定位：分析常见像素级边缘提取算法，发现整张图像上边缘特征过多，无法准确获取圆孔特征，针对圆孔特征的寻找，提出一种基于梯度的Hough圆变换算法(GCHT)，借助Canny算子的边缘梯度信息，加速进行边缘图像的Hough圆变换，完成像素级圆孔轮廓的粗定位；
亚像素级精定位：直接采用像素级算法得到的直径值无法满足被测件的检测精度要求，因此需要进一步对目标区域进行细化，利用Hough圆变换提取到的圆孔特征设置对应的ROI区域，进一步在此区域内进行亚像素级轮廓的提取；提出一种改进的Zernike矩轮廓检测算法，利用矩的旋转不变性，将图像进行旋转，求解像素格内轮廓的亚像素坐标点，通过分析圆孔特征，采用低级矩+大尺度模板的方式进行ROI区域内轮廓的提取，采用最小二乘拟合圆法(LSC)对圆孔进行拟合，得到直径值，精度达到10um内，满足孔类零件的检测精度要求。
优选地，如图3所示，所述获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理，包括：对所述待测精密孔类零件的图像依次进行灰度化和滤波处理，并获取经过滤波处理后的待测精密孔类零件的图像的灰度直方图；根据所述灰度直方图定量分析噪声的去除情况，并根据噪声去除情况的分析结果，选择中值滤波作为所述待测精密孔类零件的图像的滤波方式；采用灰度化减少多维颜色信息的干扰，采用图像滤波去除噪点信息，进而提高待测精密孔类零件的图像的质量。
作为本发明的另一实施例，提供一种基于机器视觉的精密孔类零件几何特征检测系统，其中，包括：
变换模块，用于完成世界坐标系到像素坐标系的变换；
设定模块，用于设定标定板，并获取标定板固有的方格距离；
第一计算模块，用于通过工业相机拍摄标定板图像，并根据所拍摄的标定板图像计算出所述标定板图像中的角点信息；
校正模块，用于根据所述标定板图像中的角点信息，计算出所述工业相机的内参数和外参数，并根据所述工业相机的内参数和外参数对所述标定板图像进行畸变校正；
第二计算模块，用于获取畸变校正后的标定板图像，根据畸变校正后的标定板图像中的角点距离和所述标定板固有的方格距离，计算出像素当量；
图像处理模块，用于获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理；
定位模块，用于对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径；
第三计算模块，用于依据所述像素当量和所述亚像素精度的圆孔直径，得到精密孔类零件的实际尺寸特征。
优选地，所述定位模块具体用于，通过基于梯度的Hough圆变换算法，获取处理后的待测精密孔类零件图像中的圆孔区域，提取所述圆孔区域的边缘坐标点，并根据所述所述圆孔区域的边缘坐标点，识别出粗定位的圆孔特征。
优选地，所述定位模块还用于，在处理后的待测精密孔类零件图像中的圆孔区域中选择对应的感兴趣区域，通过基于改进Zernike矩的亚像素边缘提取算法，对感兴趣区域进行处理，完成亚像素级圆孔轮廓的精定位，得到亚像素精度的圆孔直径。
优选地，所述图像处理模块具体用于，对所述待测精密孔类零件的图像依次进行灰度化和滤波处理，并获取经过滤波处理后的待测精密孔类零件的图像的灰度直方图；根据所述灰度直方图定量分析噪声的去除情况，并根据噪声去除情况的分析结果，选择中值滤波作为所述待测精密孔类零件的图像的滤波方式。
本发明提供的基于机器视觉的精密孔类零件几何特征检测方法及系统，可以实现图像边缘的亚像素级定位，大大提高精密孔类零件几何特征的检测精度。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于机器视觉的精密孔类零件几何特征检测方法，其特征在于，包括：
完成世界坐标系到像素坐标系的变换；
设定标定板，并获取标定板固有的方格距离；
通过工业相机拍摄标定板图像，并根据所拍摄的标定板图像计算出所述标定板图像中的角点信息；
根据所述标定板图像中的角点信息，计算出所述工业相机的内参数和外参数，并根据所述工业相机的内参数和外参数对所述标定板图像进行畸变校正；
获取畸变校正后的标定板图像，根据畸变校正后的标定板图像中的角点距离和所述标定板固有的方格距离，计算出像素当量；
获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理；
对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径；
依据所述像素当量和所述亚像素精度的圆孔直径，得到精密孔类零件的实际尺寸特征。
2.根据权利要求1所述的基于机器视觉的精密孔类零件几何特征检测方法，其特征在于，所述对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径，包括：
通过基于梯度的Hough圆变换算法，获取处理后的待测精密孔类零件图像中的圆孔区域，提取所述圆孔区域的边缘坐标点，并根据所述所述圆孔区域的边缘坐标点，识别出粗定位的圆孔特征。
3.根据权利要求2所述的基于机器视觉的精密孔类零件几何特征检测方法，其特征在于，所述基于梯度的Hough圆变换算法，包括估计圆心和估计半径，具体包括：
估计圆心：
初始化圆心累加器N(a,b)，将所有圆心累加器置0；
设置需要检测圆的最大半径rm桨x、最小半径rmin以及半径的步长；
对图像空间内所有的边缘坐标点结合梯度方向信息，计算对应的圆心坐标(a,b)，精度等级为只保留整数部分，将对应的圆心累加器N(a,b)数值加1；
设置第一阈值，大于第一阈值的圆心累加器保留为搜索到的圆心；
估计半径：
初始化半径累加器N(r)，将所有半径累加器置0；
对每个保留的圆心计算和各个边缘坐标点的距离，保留整数部分，对应的半径累加器N(r)数值加1；
设置第二阈值，大于第二阈值的半径累加器为该检测圆对应的半径，重复初始化半径累加器N(r)，将所有半径累加器置0，直到所有圆心计算完毕。
4.根据权利要求2所述的基于机器视觉的精密孔类零件几何特征检测方法，其特征在于，所述对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径，包括：
在处理后的待测精密孔类零件图像中的圆孔区域中选择对应的感兴趣区域，通过基于改进Zernike矩的亚像素边缘提取算法，对感兴趣区域进行处理，完成亚像素级圆孔轮廓的精定位，得到亚像素精度的圆孔直径。
5.根据权利要求4所述的基于机器视觉的精密孔类零件几何特征检测方法，其特征在于，所述基于改进Zernike矩的亚像素边缘提取算法，具体包括：
计算Zernike矩7×7模板系数M11，M20，将其与具有所述感兴趣区域的图像做卷积，计算得到具有所述感兴趣区域的图像对应的矩Z11，Z20；
根据矩Z11，Z20计算具有所述感兴趣区域的图像中所有像素点的边缘参数l，k，θ；
使用边缘点的判定条件k>kt∩l＜lt，如果此位置像素点的阶跃灰度k以及边缘距离l符合判定条件，则说明该位置像素点存在亚像素边缘,计算其位置坐标。
6.根据权利要求1所述的基于机器视觉的精密孔类零件几何特征检测方法，其特征在于，所述获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理，包括：
对所述待测精密孔类零件的图像依次进行灰度化和滤波处理，并获取经过滤波处理后的待测精密孔类零件的图像的灰度直方图；
根据所述灰度直方图定量分析噪声的去除情况，并根据噪声去除情况的分析结果，选择中值滤波作为所述待测精密孔类零件的图像的滤波方式。
7.一种基于机器视觉的精密孔类零件几何特征检测系统，其特征在于，包括：
变换模块，用于完成世界坐标系到像素坐标系的变换；
设定模块，用于设定标定板，并获取标定板固有的方格距离；
第一计算模块，用于通过工业相机拍摄标定板图像，并根据所拍摄的标定板图像计算出所述标定板图像中的角点信息；
校正模块，用于根据所述标定板图像中的角点信息，计算出所述工业相机的内参数和外参数，并根据所述工业相机的内参数和外参数对所述标定板图像进行畸变校正；
第二计算模块，用于获取畸变校正后的标定板图像，根据畸变校正后的标定板图像中的角点距离和所述标定板固有的方格距离，计算出像素当量；
图像处理模块，用于获取待测精密孔类零件的图像，对所述待测精密孔类零件的图像进行灰度化和滤波处理；
定位模块，用于对处理后的待测精密孔类零件的图像，进行像素级圆孔轮廓的粗定位和精定位，得到亚像素精度的圆孔直径；
第三计算模块，用于依据所述像素当量和所述亚像素精度的圆孔直径，得到精密孔类零件的实际尺寸特征。
8.根据权利要求7所述的基于机器视觉的精密孔类零件几何特征检测系统，其特征在于，所述定位模块具体用于，通过基于梯度的Hough圆变换算法，获取处理后的待测精密孔类零件图像中的圆孔区域，提取所述圆孔区域的边缘坐标点，并根据所述所述圆孔区域的边缘坐标点，识别出粗定位的圆孔特征。
9.根据权利要求8所述的基于机器视觉的精密孔类零件几何特征检测系统，其特征在于，所述定位模块还用于，在处理后的待测精密孔类零件图像中的圆孔区域中选择对应的感兴趣区域，通过基于改进Zernike矩的亚像素边缘提取算法，对感兴趣区域进行处理，完成亚像素级圆孔轮廓的精定位，得到亚像素精度的圆孔直径。
10.根据权利要求7所述的基于机器视觉的精密孔类零件几何特征检测系统，其特征在于，所述图像处理模块具体用于，对所述待测精密孔类零件的图像依次进行灰度化和滤波处理，并获取经过滤波处理后的待测精密孔类零件的图像的灰度直方图；根据所述灰度直方图定量分析噪声的去除情况，并根据噪声去除情况的分析结果，选择中值滤波作为所述待测精密孔类零件的图像的滤波方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010692848.0A CN111862037A (zh) | 2020-07-17 | 2020-07-17 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010692848.0A CN111862037A (zh) | 2020-07-17 | 2020-07-17 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111862037A true CN111862037A (zh) | 2020-10-30 |
Family
ID=73001160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010692848.0A Pending CN111862037A (zh) | 2020-07-17 | 2020-07-17 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111862037A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815575A (zh) * | 2020-06-19 | 2020-10-23 | 浙江工业大学 | 一种基于机器视觉的轴承钢珠零件检测方法 |
| CN112686920A (zh) * | 2020-12-31 | 2021-04-20 | 天津理工大学 | 一种圆形零件几何尺寸参数视觉测量方法及系统 |
| CN113570517A (zh) * | 2021-07-20 | 2021-10-29 | 杨建弘 | 用于零件二维图形校正的方法、零件测量方法及系统 |
| CN113592955A (zh) * | 2021-07-27 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 |
| CN113607058A (zh) * | 2021-07-21 | 2021-11-05 | 杭州电子科技大学 | 一种基于机器视觉的直刃刀尺寸检测方法及系统 |
| CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
| CN114383505A (zh) * | 2022-01-06 | 2022-04-22 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
| CN114708265A (zh) * | 2022-06-06 | 2022-07-05 | 武汉工程大学 | 高铁动车组关键部件图像识别检测方法及系统 |
| CN114778547A (zh) * | 2022-04-01 | 2022-07-22 | 西南交通大学 | 一种基于图像处理的曲面零件表面粘贴质量的检测方法 |
| CN115156949A (zh) * | 2022-07-22 | 2022-10-11 | 浙江威罗德汽配股份有限公司 | 一种冲压件的定位工装夹具 |
| CN115760860A (zh) * | 2023-01-05 | 2023-03-07 | 广东技术师范大学 | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 |
| CN115780984A (zh) * | 2023-01-31 | 2023-03-14 | 无锡市振华汽车部件股份有限公司 | 一种凸焊机多点定位方法及定位组件 |
| CN115841488A (zh) * | 2023-02-21 | 2023-03-24 | 聊城市飓风工业设计有限公司 | 一种基于计算机视觉的pcb板的检孔方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706260A (zh) * | 2009-11-17 | 2010-05-12 | 陕西科技大学 | 一种基于亚像素的直径测量方法 |
| CN102637300A (zh) * | 2012-04-26 | 2012-08-15 | 重庆大学 | 改进的Zernike矩边缘检测方法 |
| CN104282027A (zh) * | 2014-10-29 | 2015-01-14 | 福州大学 | 一种基于Hough变换的圆检测方法 |
| CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
| CN109489591A (zh) * | 2018-12-17 | 2019-03-19 | 吉林大学 | 基于机器视觉的平面划痕长度非接触测量方法 |
| CN110340728A (zh) * | 2019-06-13 | 2019-10-18 | 浙江大学 | 面向拖拉机制造过程孔组加工的质量控制系统与方法 |
| CN110793462A (zh) * | 2019-11-15 | 2020-02-14 | 中北大学 | 基于视觉技术的尼龙齿轮分度圆测量方法 |
-
2020
- 2020-07-17 CN CN202010692848.0A patent/CN111862037A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706260A (zh) * | 2009-11-17 | 2010-05-12 | 陕西科技大学 | 一种基于亚像素的直径测量方法 |
| CN102637300A (zh) * | 2012-04-26 | 2012-08-15 | 重庆大学 | 改进的Zernike矩边缘检测方法 |
| CN104282027A (zh) * | 2014-10-29 | 2015-01-14 | 福州大学 | 一种基于Hough变换的圆检测方法 |
| CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
| CN109489591A (zh) * | 2018-12-17 | 2019-03-19 | 吉林大学 | 基于机器视觉的平面划痕长度非接触测量方法 |
| CN110340728A (zh) * | 2019-06-13 | 2019-10-18 | 浙江大学 | 面向拖拉机制造过程孔组加工的质量控制系统与方法 |
| CN110793462A (zh) * | 2019-11-15 | 2020-02-14 | 中北大学 | 基于视觉技术的尼龙齿轮分度圆测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| 庞博: "基于机器视觉的高精度零件尺寸检测系统研究及实现", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》 * |
| 罗庆生等: "《仿生四足机器人技术》", 30 April 2016 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815575A (zh) * | 2020-06-19 | 2020-10-23 | 浙江工业大学 | 一种基于机器视觉的轴承钢珠零件检测方法 |
| CN111815575B (zh) * | 2020-06-19 | 2024-03-26 | 浙江工业大学 | 一种基于机器视觉的轴承钢珠零件检测方法 |
| CN112686920A (zh) * | 2020-12-31 | 2021-04-20 | 天津理工大学 | 一种圆形零件几何尺寸参数视觉测量方法及系统 |
| CN113570517A (zh) * | 2021-07-20 | 2021-10-29 | 杨建弘 | 用于零件二维图形校正的方法、零件测量方法及系统 |
| CN113607058B (zh) * | 2021-07-21 | 2023-11-17 | 杭州电子科技大学 | 一种基于机器视觉的直刃刀尺寸检测方法及系统 |
| CN113607058A (zh) * | 2021-07-21 | 2021-11-05 | 杭州电子科技大学 | 一种基于机器视觉的直刃刀尺寸检测方法及系统 |
| CN113592955A (zh) * | 2021-07-27 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 |
| CN113592955B (zh) * | 2021-07-27 | 2024-04-09 | 中国科学院西安光学精密机械研究所 | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 |
| CN114383505A (zh) * | 2022-01-06 | 2022-04-22 | 江苏大学 | 一种用于短轴类零件尺寸的自动检测装置 |
| CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
| CN114219806B (zh) * | 2022-02-22 | 2022-04-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
| CN114778547A (zh) * | 2022-04-01 | 2022-07-22 | 西南交通大学 | 一种基于图像处理的曲面零件表面粘贴质量的检测方法 |
| CN114708265B (zh) * | 2022-06-06 | 2022-08-23 | 武汉工程大学 | 一种高铁动车组关键部件图像识别检测方法及系统 |
| CN114708265A (zh) * | 2022-06-06 | 2022-07-05 | 武汉工程大学 | 高铁动车组关键部件图像识别检测方法及系统 |
| CN115156949B (zh) * | 2022-07-22 | 2023-07-11 | 浙江威罗德汽配股份有限公司 | 一种冲压件的定位工装夹具 |
| CN115156949A (zh) * | 2022-07-22 | 2022-10-11 | 浙江威罗德汽配股份有限公司 | 一种冲压件的定位工装夹具 |
| CN115760860B (zh) * | 2023-01-05 | 2023-04-11 | 广东技术师范大学 | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 |
| CN115760860A (zh) * | 2023-01-05 | 2023-03-07 | 广东技术师范大学 | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 |
| CN115780984A (zh) * | 2023-01-31 | 2023-03-14 | 无锡市振华汽车部件股份有限公司 | 一种凸焊机多点定位方法及定位组件 |
| CN115841488A (zh) * | 2023-02-21 | 2023-03-24 | 聊城市飓风工业设计有限公司 | 一种基于计算机视觉的pcb板的检孔方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111862037A (zh) | 基于机器视觉的精密孔类零件几何特征检测方法及系统 | |
| CN111292305B (zh) | 一种改进型yolo-v3的金属加工表面缺陷检测方法 | |
| CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
| CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
| CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
| CN111414934A (zh) | 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法 | |
| CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
| CN107679535A (zh) | 一种基于模板匹配的指针式水表自动读数识别系统及方法 | |
| CN112132886A (zh) | 一种航空零件圆孔圆心快速定位及圆度检测方法 | |
| CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
| CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
| CN113393426A (zh) | 一种轧钢板表面缺陷检测方法 | |
| CN112884746A (zh) | 一种基于边缘形状匹配的字符缺陷智能检测算法 | |
| CN114580559A (zh) | 一种基于单目视觉系统的测速方法 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
| CN116758067B (zh) | 基于特征匹配的金属结构件检测方法 | |
| CN116883446B (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 | |
| CN113781413A (zh) | 一种基于Hough梯度法的电解电容定位方法 | |
| CN116385440B (zh) | 一种弧形刀片视觉检测方法 | |
| CN115753791B (zh) | 基于机器视觉的缺陷检测方法、装置以及系统 | |
| CN110334727B (zh) | 一种隧道裂缝智能匹配检测方法 | |
| CN115830018B (zh) | 基于深度学习与双目视觉的碳素块检测方法及系统 | |
| CN109191489B (zh) | 一种飞行器着陆标志的检测跟踪方法与系统 | |
| CN110969357A (zh) | 一种铝合金机加工零件孔洞视觉检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |