CN112986260A - 基于相机矩阵的检测系统、控制系统、终端、介质及应用 - Google Patents
基于相机矩阵的检测系统、控制系统、终端、介质及应用 Download PDFInfo
- Publication number
- CN112986260A CN112986260A CN202110181291.9A CN202110181291A CN112986260A CN 112986260 A CN112986260 A CN 112986260A CN 202110181291 A CN202110181291 A CN 202110181291A CN 112986260 A CN112986260 A CN 112986260A
- Authority
- CN
- China
- Prior art keywords
- camera
- analyzing
- cameras
- data
- matrix
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 239000011159 matrix material Substances 0.000 title claims abstract description 65
- 230000007547 defect Effects 0.000 claims abstract description 53
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 31
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- 229910000831 Steel Inorganic materials 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 239000010959 steel Substances 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000005336 cracking Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 239000004753 textile Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011109 contamination Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000007373 indentation Methods 0.000 claims description 3
- 238000009941 weaving Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000012827 research and development Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 240000002836 Ipomoea tricolor Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000255749 Coccinellidae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开是关于基于相机矩阵的检测系统、控制系统、终端、介质及应用，涉及数字图像处理技术、多相机通讯领域，该基于相机矩阵的检测系统用于拍摄大面积的产品，该基于相机矩阵的检测系统包括以下步骤：步骤1：获取待拍摄的大面积产品的基本数据以及目测缺陷的具体位置；缺陷检测需求数据；步骤2：获取缺陷检测需求数据，分析相机的硬件选型并送显；步骤3：分析步骤1和步骤2接收的数据，输出相机的摆放位置；步骤4：分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显；步骤5：获取各相机的实时采集图像。本公开技术方案适应大面积、不同表面形态、不同类型的缺陷，降低因运动结构、相机拼接引起的误差，提高检测效率。
Description
技术领域
本发明公开涉及数字图像处理技术、多相机通讯领域，尤其涉及基于相机矩阵的检测系统、控制系统、终端、介质及应用。
背景技术
随着科学技术的发展，在很多领域都会涉及到使用多个相机组成相机矩阵来拍摄大面积的产品，其领域包含冲压、钢材、纺织等。现有的机器视觉检测方案通常是采用单个相机完成大面积的检测或者利用传动机构带动相机进行配合完成大面积物体的拍摄。但是在实际应用中，因运动误差、机械误差降低了设备的检测精度，增加了运动机构的运动空间，同时增大了设备的体积。往往在一张小分别率的图像中受视野的限制无法获取企业的真实需求。这使得大视野、多相机的检测系统可以很好解决上述的问题。
加拿大PointGrey公司的Ladybug系列产品为代表其第五代产Ladybug5，采用柱面拼接形式，由6个相机环绕而成。Samsung公司研发的“Project Beyond”相机，其外观酷似一个飞碟，四周环形排列着16个相机，该相机系统能够同时实时处理16个相机的信息。但是针对不同形状的产品无法实现通用性，因此设计一种基于相机矩阵的检测系统是亟待解决的问题。
解决上述技术问题的难度在于：
采用相机矩阵，对相机矩阵中每个相机的位姿提出不同的需求，实现不同产品的检测需求。
相机矩阵中相邻相机之间需要满足检测不同高度信息的产品，实现景深的全覆盖。
相机矩阵中相邻相对相机需要满足同一产品不同对立面的全方位检测。
解决上述技术问题的意义在于：
考虑到传统人工检测方式以及传统视觉的检测方式，采用本文提出的相机矩阵的检测系统可以适应大面积、不同表面形态、不同类型的缺陷，降低因运动结构、相机拼接引起的误差，提高检测效率。
同一套相机矩阵检测系统，利用相机之间的位姿不同，实现产品的全方位检测，降低企业的运行成本，提高产品的研发效率。
发明内容
为克服相关技术中存在的问题，本发明公开实施例提供了基于相机矩阵的检测系统、控制系统、终端、介质及应用。所述技术方案如下：
根据本发明公开实施例的第一方面，提供一种基于相机矩阵的检测系统，该基于相机矩阵的检测系统用于拍摄大面积的产品，该基于相机矩阵的检测系统包括以下步骤：
步骤1：获取待拍摄的大面积产品的基本数据以及目测缺陷的数据；
步骤2：获取缺陷检测需求数据，分析相机的硬件选型并送显；
步骤3：分析步骤1和步骤2接收的数据，输出相机的摆放位置；
步骤4：分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显；
步骤5：获取各相机的实时采集图像。
在一个实施例中，所述步骤1中的基本数据包括：待拍摄的大面积产品的外观尺寸信息以及产品表面最高点与最低点之间距离信息；所述步骤1中的缺陷检测需求数据包括：冲压和钢材缺陷或纺织，其中
冲压和钢材缺陷包括缩进、拉伸、开裂、磕碰、鼓包、凹陷；
纺织缺陷包括断丝、毛丝、污染。
在一个实施例中，所述步骤2：获取缺陷检测需求数据，分析相机的硬件选型并送显，其具体为，
环境因素分析：首先对拍摄环境进行综合性分析，考虑到实际现场环境光学干扰以及设备大小等限制因素，并结合产品的最终检测精度，选择相机以及镜头。
实验模拟分析：根据批量的数据模拟实验以及实际操作经验，根据检测的需求进行相机型号、相机拍摄视野以及单像素的精度的选择；
产品检测的精度以及相机拍摄视野分析：选择镜头进行如下分析：
尺寸分析：
镜头可支持的最大CCD尺寸应大于等于选配相机CCD芯片尺寸；
相机的接口和镜头的接口一致性分析：
首先根据检测需求确定工业相机的接口、靶面尺寸以及分别率；
其次确定所要达到的视野范围(FOV)和工作距离(WD)，根据二者计算得出工业镜头的焦距(f)，计算公式如下：
焦距f＝WD×靶面尺寸(H or V)/FOV(H or V)
视场FOV(H or V)＝WD×靶面尺寸(H or V)/焦距f
视场FOV(H or V)＝靶面尺寸(H or V)/光学倍率
工作距离WD＝f(焦距)×靶面尺寸/FOV(H or V)
光学倍率＝靶面尺寸(H or V)/FOV(H or V)。
在一个实施例中，所述步骤3：分析步骤1和步骤2接收的数据，输出相机的摆放位置，其具体为，根据大面积产品尺寸信息以及需要检测的位置进行相机的位置摆放设计，形成一个相机矩阵系统。相机矩阵系统利用多个空间的相机采集多个角度的图像，实现大面积产品的统一覆盖，获取更加全面的图像信息，包括以下步骤：
视场角的测量步骤：
横向相机排列，最右侧的相机的右侧视野与附近相机的左侧视野相互重叠，形成了相机矩阵的多视场角，根据视场角公式计算出下相机矩阵单个相机的视场角，公式如下：
相机位姿排列步骤：
依据产品的特征，利用镜头的物距，使相机矩阵中的相机呈现拱形的特征进行排列。
在一个实施例中，所述步骤4：分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显，其具体为，
步骤4.1：根据产品的表面的反光程度，调节相机的曝光时间以及增益，保证图像的亮暗均匀；
步骤4.2：调整镜头的光圈环，以达到图像画面曝光正常，根据经验值，一般调节到8；
步骤4.3：调增镜头的拒交环，以达到图像画面的清晰。
步骤4.4：按照步骤4.1-4.3依次调节相机矩阵的各个相机。
根据本公开实施例的第一方面，提供一种适用于上述的基于相机矩阵的检测系统的控制系统，该控制系统包括：
待拍摄产品信息分析模块，所述待拍摄产品信息分析模块用于获取待拍摄的大面积产品的基本数据以及目测缺陷的具体位置；缺陷检测需求数据；
相机硬件选型分析模块，所述相机硬件选型分析模块用于获取缺陷检测需求数据，分析相机的硬件选型并送显；
相机摆放位置分析模块；所述相机摆放位置分析模块用于分析步骤1和步骤2接收的数据，输出相机的摆放位置；
相机调节参数分析模块：所述相机调节参数分析模块用于分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显；
产品图像显示模块：所述产品图像显示模块用于获取各相机的实时采集图像。
根据本公开实施例的第一方面，提供一种信息数据处理终端，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述基于相机矩阵的检测系统。
根据本公开实施例的第一方面，提供一种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，使得所述处理器执行上述基于相机矩阵的检测系统。
根据本公开实施例的第一方面，提供一种根据上述基于相机矩阵的检测系统在汽车外壳及配件缺陷检测上的应用，所述应用中的检测系统搭载上述的基于相机矩阵的检测系统的控制系统。
本发明公开的实施例提供的技术方案可以包括以下有益效果：
第一、本发明根据产品检测需求，按照现场的缺陷特征进行分类，通过对产品的特征以及缺陷类型进行光学方案的设计，实现对相机视场角以及相机位姿的摆放，完成产品的全画幅的采集。从采集的图像可以看到，待检测缺陷被明显地呈现出来，说明次发明提供的图像采集方式效果达到理想预期。
第二、本发明使用相机矩阵实现了大面积产品的同时检测，利用相机的位姿变化，实现产品的全方位检测。
第三、本发明使用相机矩阵可以实现相机的全部同时拍照，实现产品的动态检测，节约设备的检测时间，提高企业的生产效率。
第四、同一套相机矩阵，针对不同产品的缺陷适用率高达98％，针对新设备的研发，降低了算法研发的周期，提升企业的研发效率。
当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本发明实施例提供的基于相机矩阵的检测系统流程图。
图2(a)是本发明实施例提供的大面积产品的缺陷磕碰图。
图2(b)是本发明实施例提供的大面积产品的缺陷开裂图。
图2(c)是本发明实施例提供的大面积产品的缺陷缩进图。
图3是本发明实施例提供的相机视场角示意图。
图4(a)是本发明实施例提供的发散式示意图。
图4(b)是本发明实施例提供的聚合式示意图。
图5是本发明实施例提供的相机矩阵的示意图。
图6(a)是本发明实施例提供的相机矩阵局部的示意图。
图6(b)是本发明实施例提供的相机矩阵局部俯视图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明公开实施例所提供的技术方案涉及基于相机矩阵的检测系统、控制系统、终端、介质及应用，尤其涉及数字图像处理技术、多相机通讯领域。在相关技术中，现有的机器视觉检测方案通常是采用单个相机完成大面积的检测或者利用传动机构带动相机进行配合完成大面积物体的拍摄。但是在实际应用中，因运动误差、机械误差降低了设备的检测精度，增加了运动机构的运动空间，同时增大了设备的体积。往往在一张小分别率的图像中受视野的限制无法获取企业的真实需求。基于此，本公开技术方案所提供的基于相机矩阵的检测系统，可以适应大面积、不同表面形态、不同类型的缺陷，降低因运动结构、相机拼接引起的误差，提高检测效率；同一套相机矩阵检测系统，利用相机之间的位姿不同，实现产品的全方位检测，降低企业的运行成本，提高产品的研发效率。
图1示例性示出了本发明公开技术方案所提供的基于相机矩阵的检测系统的步骤流程图。根据图1可知，
该基于相机矩阵的检测系统包括以下步骤：
步骤S01：获取待拍摄的大面积产品的基本数据以及目测缺陷的具体位置，分析缺陷检测需求数据；
步骤S02：获取缺陷检测需求数据，分析相机的硬件选型并送显；
步骤S03：分析步骤1和步骤2接收的数据，输出相机的摆放位置；
步骤S04：分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显；
步骤S05：获取各相机的实时采集图像。
在一个实施例中，所述步骤1中的基本数据包括：待拍摄的大面积产品的外观尺寸信息以及产品表面最高点与最低点之间距离信息；进一步，输入待检测的缺陷的类型、特征、面积以及大小，其缺陷类型如图2所示。所述步骤1中的缺陷检测需求数据包括：冲压和钢材缺陷或纺织，其中，
冲压和钢材缺陷包括缩进、拉伸、开裂、磕碰、鼓包、凹陷；
纺织缺陷包括断丝、毛丝、污染。
在一个实施例中，所述步骤2：获取缺陷检测需求数据，分析相机的硬件选型并送显，其具体为，
环境因素分析：为了获取到高质量的检测首，先对拍摄环境进行综合性分析，考虑到实际现场环境光学干扰以及设备大小等限制因素，并结合产品的最终检测精度，选择相机以及镜头。
实验模拟分析：根据批量的数据模拟实验以及实际操作经验，相机型号、相机拍摄视野以及单像素的精度汇总如下表1所示，根据检测的需求进行相机型号、相机拍摄视野以及单像素的精度的选择；
表1相机型号、相机拍摄视野以及单像素的精度汇总
产品检测的精度以及相机拍摄视野分析：选择镜头进行如下分析：
尺寸分析：
镜头可支持的最大CCD尺寸应大于等于选配相机CCD芯片尺寸；
相机的接口和镜头的接口一致性分析：
首先根据检测需求确定工业相机的接口、靶面尺寸以及分别率，比如，根据需求选择2/3靶面的工业相机，C接口，5百万像素，则工业镜头先确定是C接口，最少支持2/3靶面的尺寸相机；
其次确定所要达到的视野范围(FOV)和工作距离(WD)，根据二者计算得出工业镜头的焦距(f)，计算公式如下：
焦距f＝WD×靶面尺寸(H or V)/FOV(H or V)
视场FOV(H or V)＝WD×靶面尺寸(H or V)/焦距f
视场FOV(H or V)＝靶面尺寸(H or V)/光学倍率
工作距离WD＝f(焦距)×靶面尺寸/FOV(H or V)
光学倍率＝靶面尺寸(H or V)/FOV(H or V)。
在一个实施例中，所述步骤S03：分析步骤S01和步骤S02接收的数据，输出相机的摆放位置，其具体为，根据大面积产品尺寸信息以及需要检测的位置进行相机的位置摆放设计，形成一个相机矩阵系统。相机矩阵系统利用多个空间的相机采集多个角度的图像，实现大面积产品的统一覆盖，获取更加全面的图像信息，包括以下步骤：
视场角的测量步骤：
虽然根据产品检测的精度以及相机拍摄视野，选择合适的镜头。视场角的大小决定了相机拍摄视野的大小，视场角的大小由工业镜头、工业相机以及物距共同决定。本发明采用相机矩阵的原理，即产生了多视场角，即横向相机排列，最右侧的相机的右侧视野与附近相机的左侧视野相互重叠，形成了相机矩阵的多视场角，根据视场角公式计算出下相机矩阵单个相机的视场角。公式如下：
相机位姿排列步骤：
为了保证产品表面全覆盖检测，相机矩阵种相邻的相机视野由一部分是重叠的。相机的排列方式现有方案存在两种，一种的发散式，另外一种聚合式。在实际应用种需要根据拍摄的产品的特征，调节各个相机之间的角度以及位姿关系，但是在调节过程中，发现在相机调节时导致相机镜头之间发生碰撞，并且因空间狭小，无法再继续安装保护装置。因此介于此种情况，本文提出了相机矩阵方法，依据产品的特征，利用镜头的物距，使相机矩阵中的相机呈现拱形的特征进行排列。
在一个实施例中，所述步骤S04：分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显，其具体为，
步骤S04.1：根据产品的表面的反光程度，调节相机的曝光时间以及增益，保证图像的亮暗均匀；
步骤S04.2：调整镜头的光圈环，以达到图像画面曝光正常，根据经验值，一般调节到8；
步骤S04.3：调增镜头的拒交环，以达到图像画面的清晰。
步骤S04.4：按照步骤S04.1-S04.3依次调节相机矩阵的各个相机。
根据本公开实施例的第一方面，提供一种适用于上述的基于相机矩阵的检测系统的控制系统，该控制系统包括：
待拍摄产品信息分析模块，所述待拍摄产品信息分析模块用于获取待拍摄的大面积产品的基本数据以及目测缺陷的具体位置；缺陷检测需求数据；
相机硬件选型分析模块，所述相机硬件选型分析模块用于获取缺陷检测需求数据，分析相机的硬件选型并送显；
相机摆放位置分析模块；所述相机摆放位置分析模块用于分析步骤1和步骤2接收的数据，输出相机的摆放位置；
相机调节参数分析模块：所述相机调节参数分析模块用于分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显；
产品图像显示模块：所述产品图像显示模块用于获取各相机的实时采集图像。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。
Claims (9)
1.一种基于相机矩阵的检测系统，该基于相机矩阵的检测系统用于拍摄大面积的产品，其特征在于，该基于相机矩阵的检测系统包括以下步骤：
步骤1：获取待拍摄的大面积产品的基本数据以及目测缺陷的数据；
步骤2：获取缺陷检测需求数据，分析相机的硬件选型并送显；
步骤3：分析步骤1和步骤2接收的数据，输出相机的摆放位置；
步骤4：分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显；
步骤5：获取各相机的实时采集图像。
2.根据权利要求1所述的基于相机矩阵的检测系统，其特征在于，所述步骤1中的基本数据包括：待拍摄的大面积产品的外观尺寸信息以及产品表面最高点与最低点之间距离信息；所述步骤1中的缺陷检测需求数据包括：冲压和钢材缺陷或纺织，其中，
冲压和钢材缺陷包括缩进、拉伸、开裂、磕碰、鼓包、凹陷；
纺织缺陷包括断丝、毛丝、污染。
3.根据权利要求1所述的基于相机矩阵的检测系统，其特征在于，所述步骤2：获取缺陷检测需求数据，分析相机的硬件选型并送显，其具体为，
环境因素分析：首先对拍摄环境进行综合性分析，考虑到实际现场环境光学干扰以及设备大小等限制因素，并结合产品的最终检测精度，选择相机以及镜头。
实验模拟分析：根据批量的数据模拟实验以及实际操作经验，，根据检测的需求进行相机型号、相机拍摄视野以及单像素的精度的选择；
产品检测的精度以及相机拍摄视野分析：选择镜头进行如下分析：
尺寸分析：
镜头可支持的最大CCD尺寸应大于等于选配相机CCD芯片尺寸；
相机的接口和镜头的接口一致性分析：
首先：根据检测需求确定工业相机的接口、靶面尺寸以及分别率；
其次：确定所要达到的视野范围(FOV)和工作距离(WD)，根据二者计算得出工业镜头的焦距(f)，计算公式如下：
焦距f＝WD×靶面尺寸(H or V)/FOV(H or V)
视场FOV(H or V)＝WD×靶面尺寸(H or V)/焦距f
视场FOV(H or V)＝靶面尺寸(H or V)/光学倍率
工作距离WD＝f(焦距)×靶面尺寸/FOV(H or V)
光学倍率＝靶面尺寸(H or V)/FOV(H or V)。
4.根据权利要求1所述的基于相机矩阵的检测系统，其特征在于，所述步骤3：分析步骤1和步骤2接收的数据，输出相机的摆放位置，其具体为，根据大面积产品尺寸信息以及需要检测的位置进行相机的位置摆放设计，形成一个相机矩阵系统。相机矩阵系统利用多个空间的相机采集多个角度的图像，实现大面积产品的统一覆盖，获取更加全面的图像信息，包括以下步骤：
视场角的测量步骤：
横向相机排列，最右侧的相机的右侧视野与附近相机的左侧视野相互重叠，形成了相机矩阵的多视场角，根据视场角公式计算出下相机矩阵单个相机的视场角，公式如下：
相机位姿排列步骤：
依据产品的特征，利用镜头的物距，使相机矩阵中的相机呈现拱形的特征进行排列。
5.根据权利要求1所述的基于相机矩阵的检测系统，其特征在于，所述步骤4：分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显，其具体为，
步骤4.1：根据产品的表面的反光程度，调节相机的曝光时间以及增益，保证图像的亮暗均匀；
步骤4.2：调整镜头的光圈环，以达到图像画面曝光正常，根据经验值，一般调节到8；
步骤4.3：调增镜头的拒交环，以达到图像画面的清晰；
步骤4.4：按照步骤4.1-4.3依次调节相机矩阵的各个相机。
6.一种适用于根据权利要求1-5任一所述的基于相机矩阵的检测系统的控制系统，其特征在于，该控制系统包括：
待拍摄产品信息分析模块，所述待拍摄产品信息分析模块用于获取待拍摄的大面积产品的基本数据以及目测缺陷的具体位置；缺陷检测需求数据；
相机硬件选型分析模块，所述相机硬件选型分析模块用于获取缺陷检测需求数据，分析相机的硬件选型并送显；
相机摆放位置分析模块；所述相机摆放位置分析模块用于分析步骤1和步骤2接收的数据，输出相机的摆放位置；
相机调节参数分析模块：所述相机调节参数分析模块用于分析步骤1和步骤2接收的信息以及步骤3输出的相机的摆放位置，输出各相机的调节参数并送显；
产品图像显示模块：所述产品图像显示模块用于获取各相机的实时采集图像。
7.一种信息数据处理终端，其特征在于，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～5任一基于相机矩阵的检测系统。
8.一种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，使得所述处理器执行权利要求1～5任一基于相机矩阵的检测系统。
9.一种根据权利要求1～6任一基于相机矩阵的检测系统在汽车外壳及配件缺陷检测上的应用，所述应用中的检测系统搭载权利要求6所述的基于相机矩阵的检测系统的控制系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110181291.9A CN112986260A (zh) | 2021-02-08 | 2021-02-08 | 基于相机矩阵的检测系统、控制系统、终端、介质及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110181291.9A CN112986260A (zh) | 2021-02-08 | 2021-02-08 | 基于相机矩阵的检测系统、控制系统、终端、介质及应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112986260A true CN112986260A (zh) | 2021-06-18 |
Family
ID=76393014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110181291.9A Pending CN112986260A (zh) | 2021-02-08 | 2021-02-08 | 基于相机矩阵的检测系统、控制系统、终端、介质及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112986260A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113405530A (zh) * | 2021-07-02 | 2021-09-17 | 菲特（天津）检测技术有限公司 | 冲压工艺板料偏移视觉测量系统、方法、设备、生产线、终端 |
| CN114485398A (zh) * | 2022-01-17 | 2022-05-13 | 武汉精立电子技术有限公司 | 光学检测方案生成方法、存储介质、电子设备及系统 |
| CN117252776A (zh) * | 2023-09-26 | 2023-12-19 | 钛玛科（北京）工业科技有限公司 | 适用于多种材料的图像调整方法、装置及设备 |
| CN115661137B (zh) * | 2022-12-12 | 2023-12-22 | 宁德时代新能源科技股份有限公司 | 检测装置、检测方法、终端设备及计算机可读存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103399016A (zh) * | 2013-07-26 | 2013-11-20 | 齐鲁工业大学 | 冷轧铝板表面缺陷在线检测系统及其检测方法 |
| CN103954625A (zh) * | 2014-02-13 | 2014-07-30 | 同济大学 | 一种面向激光薄膜内部缺陷的溯源性损伤阈值测量技术 |
| US20140285675A1 (en) * | 2013-03-13 | 2014-09-25 | Pelican Imaging Corporation | System and Methods for Calibration of an Array Camera |
| CN109752394A (zh) * | 2019-01-28 | 2019-05-14 | 凌云光技术集团有限责任公司 | 一种显示屏缺陷高精度检测方法及系统 |
| CN110082360A (zh) * | 2019-05-17 | 2019-08-02 | 中国科学院光电技术研究所 | 一种基于阵列相机的序列光学元件表面缺陷在线检测装置及方法 |
| CN110335239A (zh) * | 2019-05-09 | 2019-10-15 | 菲特(天津)智能科技有限公司 | 基于深度学习的缺陷检测训练机器及其使用方法 |
| CN111272766A (zh) * | 2020-02-20 | 2020-06-12 | 上海普密德自动化科技有限公司 | 一种基于视觉技术的表面缺陷检测系统及其检测方法 |
| CN111507976A (zh) * | 2020-04-28 | 2020-08-07 | 浙江省北大信息技术高等研究院 | 基于多角度成像的缺陷检测方法及系统 |
| CN112150441A (zh) * | 2020-09-24 | 2020-12-29 | 菲特（天津）检测技术有限公司 | 一种基于机器视觉的光滑漆面表面缺陷检测方法 |
-
2021
- 2021-02-08 CN CN202110181291.9A patent/CN112986260A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140285675A1 (en) * | 2013-03-13 | 2014-09-25 | Pelican Imaging Corporation | System and Methods for Calibration of an Array Camera |
| CN103399016A (zh) * | 2013-07-26 | 2013-11-20 | 齐鲁工业大学 | 冷轧铝板表面缺陷在线检测系统及其检测方法 |
| CN103954625A (zh) * | 2014-02-13 | 2014-07-30 | 同济大学 | 一种面向激光薄膜内部缺陷的溯源性损伤阈值测量技术 |
| CN109752394A (zh) * | 2019-01-28 | 2019-05-14 | 凌云光技术集团有限责任公司 | 一种显示屏缺陷高精度检测方法及系统 |
| CN110335239A (zh) * | 2019-05-09 | 2019-10-15 | 菲特(天津)智能科技有限公司 | 基于深度学习的缺陷检测训练机器及其使用方法 |
| CN110082360A (zh) * | 2019-05-17 | 2019-08-02 | 中国科学院光电技术研究所 | 一种基于阵列相机的序列光学元件表面缺陷在线检测装置及方法 |
| CN111272766A (zh) * | 2020-02-20 | 2020-06-12 | 上海普密德自动化科技有限公司 | 一种基于视觉技术的表面缺陷检测系统及其检测方法 |
| CN111507976A (zh) * | 2020-04-28 | 2020-08-07 | 浙江省北大信息技术高等研究院 | 基于多角度成像的缺陷检测方法及系统 |
| CN112150441A (zh) * | 2020-09-24 | 2020-12-29 | 菲特（天津）检测技术有限公司 | 一种基于机器视觉的光滑漆面表面缺陷检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张文学，等: "基于相机阵列的光学组件缺陷在线检测方法", 《强激光与粒子束》, vol. 32, no. 05, pages 234 - 237 * |
| 王宇，等: "基于面阵CCD的汽车火花塞密封垫圈缺陷检测系统", 《机械工程与自动化》, no. 05, pages 151 - 153 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113405530A (zh) * | 2021-07-02 | 2021-09-17 | 菲特（天津）检测技术有限公司 | 冲压工艺板料偏移视觉测量系统、方法、设备、生产线、终端 |
| CN114485398A (zh) * | 2022-01-17 | 2022-05-13 | 武汉精立电子技术有限公司 | 光学检测方案生成方法、存储介质、电子设备及系统 |
| CN115661137B (zh) * | 2022-12-12 | 2023-12-22 | 宁德时代新能源科技股份有限公司 | 检测装置、检测方法、终端设备及计算机可读存储介质 |
| CN117252776A (zh) * | 2023-09-26 | 2023-12-19 | 钛玛科（北京）工业科技有限公司 | 适用于多种材料的图像调整方法、装置及设备 |
| CN117252776B (zh) * | 2023-09-26 | 2024-04-30 | 钛玛科（北京）工业科技有限公司 | 适用于多种材料的图像调整方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112986260A (zh) | 基于相机矩阵的检测系统、控制系统、终端、介质及应用 | |
| JP3935499B2 (ja) | 画像処理方法、画像処理装置および画像処理プログラム | |
| CN107155341B (zh) | 三维扫描系统和框架 | |
| US20150109418A1 (en) | Method and system for three-dimensional data acquisition | |
| US20160117820A1 (en) | Image registration method | |
| CN108769462B (zh) | 自由视角场景漫游方法及装置 | |
| JPWO2018235163A1 (ja) | キャリブレーション装置、キャリブレーション用チャート、チャートパターン生成装置、およびキャリブレーション方法 | |
| JP2017520944A (ja) | ３ｄラドン画像の生成および使用 | |
| CN109118544B (zh) | 基于透视变换的合成孔径成像方法 | |
| CN111080705B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
| CN112862897B (zh) | 一种基于相位移编码圆的相机离焦状态下的快速标定方法 | |
| WO2023134103A1 (zh) | 图像融合方法、设备以及存储介质 | |
| CN107241592A (zh) | 一种投射单元及包括该单元的拍摄装置、处理器、成像设备 | |
| CN111445537A (zh) | 一种摄像机的标定方法及系统 | |
| CN108340405B (zh) | 一种机器人三维扫描系统及方法 | |
| CN102595178A (zh) | 视场拼接三维显示图像校正系统及校正方法 | |
| WO2018079283A1 (ja) | 画像処理装置、画像処理方法、及び、プログラム | |
| EP4071713A1 (en) | Parameter calibration method and apapratus | |
| US20150271470A1 (en) | Method of using a light-field camera to generate a full depth-of-field image, and light field camera implementing the method | |
| CN115272124A (zh) | 一种畸变图像校正方法、装置 | |
| KR102598910B1 (ko) | 왜곡된 이미지에서 객체를 검출하기 위한 방법, 시스템, 및 장치 | |
| CN113674356A (zh) | 相机筛选方法及相关装置 | |
| CN115967852B (zh) | 一种基于光学补偿优化算法的图像处理方法 | |
| US20220405890A1 (en) | Apparatus and method for noise reduction from a multi-view image | |
| JPWO2011158344A1 (ja) | 画像処理方法、プログラム、画像処理装置及び撮像装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220324 Address after: 300308-1, building 95, lingshangjiayuan, north of West 7th Road, Center Avenue, airport logistics processing zone, Tianjin Binhai New Area pilot free trade zone (Airport Economic Zone) Applicant after: FITOW (TIANJIN) DETECTION TECHNOLOGY CO.,LTD. Address before: 519000 room 105-73430, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Applicant before: Fitter (Zhuhai Hengqin) Intelligent Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right |