CN112232376A - 一种基于Hu-moment的钣金件识别方法 - Google Patents

一种基于Hu-moment的钣金件识别方法 Download PDF

Info

Publication number
CN112232376A
CN112232376A CN202010995461.2A CN202010995461A CN112232376A CN 112232376 A CN112232376 A CN 112232376A CN 202010995461 A CN202010995461 A CN 202010995461A CN 112232376 A CN112232376 A CN 112232376A
Authority
CN
China
Prior art keywords
moment
sheet metal
image
metal part
template
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
Application number
CN202010995461.2A
Other languages
English (en)
Inventor
马英
易廷昊
贾时成
党进
储昭琦
肖永强
游玮
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.)
Shanghai Edge Robot Technology Co ltd
Efort Intelligent Equipment Co ltd
Original Assignee
Shanghai Edge Robot Technology Co ltd
Efort Intelligent Equipment Co ltd
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 Shanghai Edge Robot Technology Co ltd, Efort Intelligent Equipment Co ltd filed Critical Shanghai Edge Robot Technology Co ltd
Priority to CN202010995461.2A priority Critical patent/CN112232376A/zh
Publication of CN112232376A publication Critical patent/CN112232376A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及钣金件识别领域，具体是一种基于Hu‑moment的钣金件识别方法，其具体步骤如下：S1：搭建实施平台,使相机的光轴与载物台垂直；S2：获取所有模板工件的图像，并进行预处理；S3：在预处理后的模板工件图像上提取工件轮廓；S4：将轮廓图像及ID存入缓存；S5：根据模板基于hu‑moment匹配；S6：根据以下等式计算hu‑moment的7个等式；S7：钣金件的识别原理；S8：钣金件的识别过程；S9：重复下一帧；本发明通过相机获取图像，对图像进行预处理，从而提取钣金件的轮廓；只需要钣金件的轮廓信息，计算过程简单，容易理解；只需要通过一台相机获取钣金件轮廓信息，成本较低。

Description

一种基于Hu-moment的钣金件识别方法
技术领域
本发明涉及钣金件识别领域，具体是一种基于Hu-moment的钣金件识别方法。
背景技术
中国发明专利申请号为110866894A公开了一种基于机器视觉技术的跨粒度的钣金件识别系统及方法，中国发明专利申请号为110866894A通过计算钣金件图像的形状因子及旋转不变矩作为粗粒度特征信息，提取钣金件图形轮廓数据作为细粒度特征信息，并结合侧面图像及其相关特征作为辅助信息构建钣金件数据库；在检测时，通过比较粗粒度特征信息间的欧式距离和计算细粒度特征信息的相似度，实现跨粒度的钣金件分类与识别。中国发明专利申请号为110866894A需要一个主相机，多个辅相机及一个线激光透射仪获取图像。该方法具有一定的局限性，需要的特征信息太多，计算过程较繁琐；获取特征信息的硬件太多，导致成本提高。
发明内容
为了解决上述问题，本发明提出一种基于Hu-moment的钣金件识别方法。
一种基于Hu-moment的钣金件识别方法，包括载物台、在载物台上设置的零件一、零件二、零件三、设置在载物台上的龙门架、设置在龙门架上的相机和光源，其具体步骤如下：
S1：搭建实施平台,使相机的光轴与载物台垂直；
S2：获取所有模板工件的图像，并进行预处理；
S3：在预处理后的模板工件图像上提取工件轮廓；
S4：将轮廓图像及ID存入缓存；
S5：根据模板基于hu-moment匹配；
S6：根据以下等式计算hu-moment的7个等式：
(1)零阶矩：
Figure BDA0002692452470000021
(2)一阶矩:
Figure BDA0002692452470000022
(3)二阶矩：
Figure BDA0002692452470000023
Figure BDA0002692452470000024
(4)三阶矩：
Figure BDA0002692452470000025
Figure BDA0002692452470000026
(5)中心矩：
μ00＝m00，μ01＝0，μ10＝0，
Figure BDA00026924524700000213
Figure BDA0002692452470000028
Figure BDA0002692452470000029
其中,
Figure BDA00026924524700000210
(6)归一化的中心矩：
Figure BDA00026924524700000211
(7)hu-moment的7个等式：
h1＝nu20+nu02，
Figure BDA00026924524700000212
h3＝(nu30-3nu12)2+(3nu21-nu03)2，h4＝(nu30+nu12)2+(nu21+nu03)2，
h5＝(nu30-3nu12)(nu30+nu12)[(nu30+nu12)2-3(nu21+nu03)2]+(3nu21-nu03)(nu21+nu03)[3(nu30+nu12)2-(nu21+nu03)2]
h6＝(nu20-nu02)[(nu30+nu12)2-(nu21+nu03)2]+4nu11(nu30+nu12)(nu21+nu03)
h7＝(3nu21-nu03)(nu30+nu12)[(nu30+nu12)2-3(nu30+nu21)2]-(nu30-3nu12)(nu21+nu03)[3(nu30+nu12)2-(nu21+nu03)2]
S7：钣金件的识别原理：
(1)匹配方法，令
Figure BDA0002692452470000031
Figure BDA0002692452470000032
其中，A表示零件一，B表示零件二，I(A,B)的值越小表示相似度越高；
(2)根据h7识别镜像图像，互为镜像的两张图像，h7值互为相反数；
S8：钣金件的识别过程：
第一步，根据步骤S1至步骤S3中的方法获取模板图像的hu-moment值；
第二步，获取待处理图像，并根据步骤S1至步骤S3中的方法获取带处理图像的hu-moment值；
第三步，根据步骤S4中的1方法找到与待处理图像最相似的模板图像，如果带处理图像与模板中2张图像相差不大，则应该根据步骤S4中的(2)方法进行进一步识别，确定识别结果；
S9：重复下一帧：重复步骤S2至步骤S8，匹配结果，输出ID。
所述的步骤S1的实施平台具体为：载物台上设置有零件一、零件二、零件三。
所述的步骤S2的预处理是将彩色图转灰度图，再对灰度图进行二值化。
本发明的有益效果是：本发明通过相机获取图像，对图像进行预处理，从而提取钣金件的轮廓；计算钣金件轮廓的零阶矩、一阶矩、二阶矩、三阶矩、中心矩和归一化后的中心矩，从而计算Hu-moment的七个变量，根据Hu-moment的七个变量进行计算匹配；其中Hu-moment的第七个变量能够很好的区别镜像图像，只需要钣金件的轮廓信息，计算过程简单，容易理解；只需要通过一台相机获取钣金件轮廓信息，成本较低。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的流程结构示意图；
图2为本发明的装置立体结构示意图；
图3为本发明的镜像图片1示意图；
图4为本发明的镜像图片2结构示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本发明进一步阐述。
如图1至图4所示，一种基于Hu-moment的钣金件识别方法，包括载物台4、在载物台4上设置的零件一4.1、零件二4.2、零件三4.3、设置在载物台4上的龙门架1、设置在龙门架1上的相机2和光源3，其具体步骤如下：
S1：搭建实施平台,使相机2的光轴与载物台4垂直；
S2：获取所有模板工件的图像，并进行预处理；
S3：在预处理后的模板工件图像上提取工件轮廓；
S4：将轮廓图像及ID存入缓存；
S5：根据模板基于hu-moment匹配；
S6：根据以下等式计算hu-moment的7个等式：
(1)零阶矩：
Figure BDA0002692452470000041
(2)一阶矩:
Figure BDA0002692452470000042
(3)二阶矩：
Figure BDA0002692452470000043
Figure BDA0002692452470000044
(4)三阶矩：
Figure BDA0002692452470000045
Figure BDA0002692452470000046
(5)中心矩：
μ00＝m00，μ01＝0，μ10＝0，
Figure BDA0002692452470000049
Figure BDA0002692452470000048
Figure BDA0002692452470000051
其中,
Figure BDA0002692452470000052
(6)归一化的中心矩：
Figure BDA0002692452470000053
(7)hu-moment的7个等式：
h1＝nu20+nu02，
Figure BDA0002692452470000054
h3＝(nu30-3nu12)2+(3nu21-nu03)2，h4＝(nu30+nu12)2+(nu21+nu03)2，
h5＝(nu30-3nu12)(nu30+nu12)[(nu30+nu12)2-3(nu21+nu03)2]+(3nu21-nu03)(nu21+nu03)[3(nu30+nu12)2-(nu21+nu03)2]
h6＝(nu20-nu02)[(nu30+nu12)2-(nu21+nu03)2]+4nu11(nu30+nu12)(nu21+nu03)
h7＝(3nu21-nu03)(nu30+nu12)[(nu30+nu12)2-3(nu30+nu21)2]-(nu30-3nu12)(nu21+nu03)[3(nu30+nu12)2-(nu21+nu03)2]
S7：钣金件的识别原理：
(1)匹配方法，令
Figure BDA0002692452470000055
Figure BDA0002692452470000056
其中，A表示零件一4.1，B表示零件二4.2，I(A,B)的值越小表示相似度越高；
(2)根据h7识别镜像图像，如图2所示，互为镜像的两张图像，h7值互为相反数；
S8：钣金件的识别过程：
第一步，根据步骤S1至步骤S3中的方法获取模板图像的hu-moment值；
第二步，获取待处理图像，并根据步骤S1至步骤S3中的方法获取带处理
图像的hu-moment值；
第三步，根据步骤S4中的1方法找到与待处理图像最相似的模板图像，如果带处理图像与模板中2张图像相差不大，则应该根据步骤S4中的(2)方法进行进一步识别，确定识别结果；
S9：重复下一帧：重复步骤S2至步骤S8，匹配结果，输出ID。
本发明通过相机2获取图像，对图像进行预处理，从而提取钣金件的轮廓；计算钣金件轮廓的零阶矩、一阶矩、二阶矩、三阶矩、中心矩和归一化后的中心矩，从而计算Hu-moment的七个变量，根据Hu-moment的七个变量进行计算匹配；其中Hu-moment的第七个变量能够很好的区别镜像图像，只需要钣金件的轮廓信息，计算过程简单，容易理解；只需要通过一台相机获取钣金件轮廓信息，成本较低。
所述的步骤S1的实施平台具体为：载物台4上设置有零件一4.1、零件二4.2、零件三4.3。
本发明需要的硬件设备少，只需要一台相机2，硬件部署简单，成本较低；本发明通过开源图像库OpenCV实现，不需要购买商业图像处理软件，节约了成本；本发明可复制性强，应用范围广。
所述的步骤S2的预处理是将彩色图转灰度图，再对灰度图进行二值化。
将hu-moment的7个等式应用在钣金件的识别上，根据hu-矩7个变量比较待处理图像与模板图像的相似性，根据hu-矩的第7个变量区别镜像图片。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种基于Hu-moment的钣金件识别方法，包括载物台(4)、在载物台(4)上设置的零件一(4.1)、零件二(4.2)、零件三(4.3)、设置在载物台(4)上的龙门架(1)、设置在龙门架(1)上的相机(2)和光源(3)，其特征在于：其具体步骤如下：
S1：搭建实施载物台(4),使相机(2)的光轴与载物台(4)垂直；
S2：获取所有模板工件的图像，并进行预处理；
S3：在预处理后的模板工件图像上提取工件轮廓；
S4：将轮廓图像及ID存入缓存；
S5：根据模板基于hu-moment匹配；
S6：根据以下等式计算hu-moment的7个等式：
(1)零阶矩：
Figure FDA0002692452460000011
(2)一阶矩:
Figure FDA0002692452460000012
(3)二阶矩：
Figure FDA0002692452460000013
Figure FDA0002692452460000014
(4)三阶矩：
Figure FDA0002692452460000015
Figure FDA0002692452460000016
(5)中心矩：
μ00＝m00，μ01＝0，μ10＝0，
Figure FDA0002692452460000017
Figure FDA0002692452460000018
Figure FDA0002692452460000019
其中,
Figure FDA00026924524600000110
(6)归一化的中心矩：
Figure FDA0002692452460000021
(7)hu-moment的7个等式：
h1＝nu20+nu02，
Figure FDA0002692452460000024
h3＝(nu30-3nu12)2+(3nu21-nu03)2，h4＝(nu30+nu12)2+(nu21+nu03)2，
h5＝(nu30-3nu12)(nu30+nu12)[(nu30+nu12)2-3(nu21+nu03)2]+(3nu21-nu03)(nu21+nu03)[3(nu30+nu12)2-(nu21+nu03)2]
h6＝(nu20-nu02)[(nu30+nu12)2-(nu21+nu03)2]+4nu11(nu30+nu12)(nu21+nu03)
h7＝(3nu21-nu03)(nu30+nu12)[(nu30+nu12)2-3(nu30+nu21)2]-(nu30-3nu12)(nu21+nu03)[3(nu30+nu12)2-(nu21+nu03)2]
S7：钣金件的识别原理：
(1)匹配方法，令
Figure FDA0002692452460000022
Figure FDA0002692452460000023
其中，A表示零件一(4.1)，B表示零件二(4.2)，I(A,B)的值越小表示相似度越高；
(2)根据h7识别镜像图像，互为镜像的两张图像，h7值互为相反数；
S8：钣金件的识别过程：
第一步，根据步骤S1至步骤S3中的方法获取模板图像的hu-moment值；
第二步，获取待处理图像，并根据步骤S1至步骤S3中的方法获取带处理图像的hu-moment值；
第三步，根据步骤S4中的(1)方法找到与待处理图像最相似的模板图像，如果带处理图像与模板中2张图像相差不大，则应该根据步骤S4中的(2)方法进行进一步识别，确定识别结果；
S9：重复下一帧：重复步骤S2至步骤S8，匹配结果，输出ID。
2.根据权利要求1所述的一种基于Hu-moment的钣金件识别方法，其特征在于：所述的步骤S1的实施平台具体为：载物台(4)上设置有零件一(4.1)、零件二(4.2)、零件三(4.3)。
3.根据权利要求1所述的一种基于Hu-moment的钣金件识别方法，其特征在于：所述的步骤S2的预处理是将彩色图转灰度图，再对灰度图进行二值化。
CN202010995461.2A 2020-09-21 2020-09-21 一种基于Hu-moment的钣金件识别方法 Pending CN112232376A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010995461.2A CN112232376A (zh) 2020-09-21 2020-09-21 一种基于Hu-moment的钣金件识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010995461.2A CN112232376A (zh) 2020-09-21 2020-09-21 一种基于Hu-moment的钣金件识别方法

Publications (1)

Publication Number Publication Date
CN112232376A true CN112232376A (zh) 2021-01-15

Family

ID=74108469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010995461.2A Pending CN112232376A (zh) 2020-09-21 2020-09-21 一种基于Hu-moment的钣金件识别方法

Country Status (1)

Country Link
CN (1) CN112232376A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109357630A (zh) * 2018-10-30 2019-02-19 南京工业大学 一种多类型工件批量视觉测量系统及方法
CN110070557A (zh) * 2019-04-07 2019-07-30 西北工业大学 一种基于边缘特征检测的目标识别与定位方法
CN110866894A (zh) * 2019-10-08 2020-03-06 南京航空航天大学 一种基于机器视觉技术的跨粒度的钣金件识别系统及方法
CN111528910A (zh) * 2020-05-12 2020-08-14 上海深至信息科技有限公司 一种眼部白内障的超声检测系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109357630A (zh) * 2018-10-30 2019-02-19 南京工业大学 一种多类型工件批量视觉测量系统及方法
CN110070557A (zh) * 2019-04-07 2019-07-30 西北工业大学 一种基于边缘特征检测的目标识别与定位方法
CN110866894A (zh) * 2019-10-08 2020-03-06 南京航空航天大学 一种基于机器视觉技术的跨粒度的钣金件识别系统及方法
CN111528910A (zh) * 2020-05-12 2020-08-14 上海深至信息科技有限公司 一种眼部白内障的超声检测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SATYA MALLICK ET AL: "《Shape Matching Using Hu Moments（C++/Python）》", 《HTTPS：//LEARNOPENCV.COM/SHAPE-》 *

Similar Documents

Publication Publication Date Title
CN111179251A (zh) 基于孪生神经网络利用模板比对的缺陷检测系统及方法
US20020126901A1 (en) Automatic image pattern detection
CN110942063B (zh) 证件文字信息获取方法、装置以及电子设备
CN110866894B (zh) 一种基于机器视觉技术的跨粒度的钣金件识别系统及方法
CN111738320B (zh) 基于模板匹配的遮挡工件识别方法
CN109190623A (zh) 一种识别投影仪品牌和型号的方法
CN116523922B (zh) 一种轴承表面缺陷识别方法
CN112215216A (zh) 一种图像识别结果的字符串模糊匹配系统及方法
CN114863189B (zh) 一种基于大数据的图像智能识别方法
CN113516619A (zh) 一种基于图像处理技术的产品表面瑕疵识别方法
CN118014933A (zh) 一种基于图像检测的缺陷检测识别方法和装置
CN111178405A (zh) 一种融合多种神经网络的相似物体识别方法
CN113408643B (zh) 一种基于示教机器人辅助的钣金件识别方法
CN116524725B (zh) 一种智能驾驶的交通标志图像数据识别系统
CN113076916A (zh) 基于几何特征加权融合的动态人脸表情识别方法及系统
CN112614113A (zh) 一种基于深度学习的带钢缺陷检测方法
CN112232376A (zh) 一种基于Hu-moment的钣金件识别方法
Goud et al. Text localization and recognition from natural scene images using ai
Sablatnig et al. Structural analysis of paintings based on brush strokes
JP4510562B2 (ja) 円中心位置検出方法および装置並びにプログラム
CN113284158B (zh) 一种基于结构约束聚类的图像边缘提取方法及系统
Xu et al. Coin recognition method based on SIFT algorithm
CN114742823A (zh) 一种物体表面划痕智能检测方法
Taban et al. Different shape and color targets detection using auto indexing images in computer vision system
CN109886265B (zh) 一种基于Adaboost和模板匹配的车门限位器检测方法

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

Application publication date: 20210115

RJ01 Rejection of invention patent application after publication