CN112991291B - 基于双目视觉的内外螺纹起始角测量方法、系统及设备 - Google Patents

基于双目视觉的内外螺纹起始角测量方法、系统及设备 Download PDF

Info

Publication number
CN112991291B
CN112991291B CN202110265947.5A CN202110265947A CN112991291B CN 112991291 B CN112991291 B CN 112991291B CN 202110265947 A CN202110265947 A CN 202110265947A CN 112991291 B CN112991291 B CN 112991291B
Authority
CN
China
Prior art keywords
image
detected
area
thread
height
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
CN202110265947.5A
Other languages
English (en)
Other versions
CN112991291A (zh
Inventor
刘希龙
吴亚渝
马利平
刘洁锐
符亭
廖周文
罗其贵
钟浩
米长富
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.)
Chongqing Tiema Industries Group Co ltd
Institute of Automation of Chinese Academy of Science
Original Assignee
Chongqing Tiema Industries Group Co ltd
Institute of Automation of Chinese Academy of Science
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 Chongqing Tiema Industries Group Co ltd, Institute of Automation of Chinese Academy of Science filed Critical Chongqing Tiema Industries Group Co ltd
Priority to CN202110265947.5A priority Critical patent/CN112991291B/zh
Publication of CN112991291A publication Critical patent/CN112991291A/zh
Application granted granted Critical
Publication of CN112991291B publication Critical patent/CN112991291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于机器视觉测量算法技术领域,具体涉及一种基于双目视觉的内外螺纹起始角测量方法、系统及设备,旨在解决现有技术中工件装配困难需要垫片辅助安装,而垫片厚度无法预测的问题,本申请的基于双目视觉的内外螺纹起始角测量方法能够广泛应用到各零件装配时的精确计算,减少零件损耗,提高装配效率,保证装配质量。运用本发明的基于双目视觉的内外螺纹起始角测量方法,能够得到螺帽平面上螺纹线终止点与参考方向的夹角θ,且测量误差在10度以内,同时以像素为单位给出所检测螺纹的螺距。本发明的方法具有测量精度高,速度快,方法简单易实现等优点。

Description

基于双目视觉的内外螺纹起始角测量方法、系统及设备
技术领域
本发明属于机器视觉测量算法技术领域,具体涉及一种基于双目视觉的内外螺纹起始角测量方法、系统及设备。
背景技术
目前,在两栖装甲装备油气悬挂系统装配领域,直角接头与液压缸通过内外螺纹进行旋合拧紧装配,装配要求直角接头拧紧后与液压缸轴线方向必须平行。实际装配中,由于直角接头的外螺纹起始角、终止角以及液压缸外螺纹的起始角均具有随机性,因此很难保证直角接头拧紧后与液压缸轴线方向平行。因此,在实际装配中,需要通过加装垫片的方式,调整直角接头拧紧角度,直到与液压缸轴线方向平行。
由于接头拧紧角度具有随机性,导致目前装配需要反复试装,才能最终确定所需加装垫片厚度来保证达到装配要求,装配效率非常低,且反复试装容易对接头外螺纹以及液压缸内螺纹造成损伤,从而影响装配后的密封效果。
发明内容
为了解决现有技术中的上述问题,即为了解决现有技术中工件装配困难需要垫片辅助安装,而垫片厚度无法预测的问题。本申请第一方面提供一种基于双目视觉的内外螺纹起始角测量方法,包括以下步骤:
步骤S100,基于双目视觉设备获取平行于被检测物体中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行,作为模板图像;
步骤S200,基于预设的第一选取规则从所述模板图像中选取第一区域,所述第一选取规则为:使所述第一区域的上顶边与被检测物体的顶面平齐,且所述第一区域的高度至少包含第一数量的螺纹线,所述第一区域的宽度应保证图像的每一行中不会同时出现属于不同螺纹的像素;
步骤S300,基于预设的第二选取规则从所述第一区域中选取第二区域,所述第二选取规则为:使所述第二区域的上顶边和宽度与所述第一区域的上顶边和宽度相同,并调整所述第二区域的高度以使所述第二区域内至少包含第二数量的螺纹线;
步骤S400,获取所述第二区域的图像的矩阵,基于高斯核函数对所述第二区域的图像的矩阵依次进行卷积平滑和向量化,得到模板向量数据;
步骤S500,重复步骤S100-步骤S200的方法,获取待检测物体的螺纹图像对应的第一区域,作为第一待检测区域;获得第一待检测区域图像矩阵,基于高斯核函数对所述第一待检测区域图像矩阵依次进行卷积平滑和向量化,得到待检测向量数据;
步骤S600,通过相关性计算得到模板向量数据与待检测向量数据的匹配度曲线,对所述匹配度曲线进行极大值抑制,以获取螺距和螺纹起始角。
在一些优选技术方案中,所述步骤S100具体为:
步骤S110,基于双目视觉设备获取被检测物体平行于中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行;
步骤S120,将步骤S110调整后的螺纹图像进行二值化处理,将二值化处理后的螺纹图像作为模板图像。
在一些优选技术方案中,所述步骤S400具体为:
步骤S410,获取所述第二区域的图像的矩阵为M,
Figure GDA0003865119310000031
其中,height2为第二区域的高度,width2为第二区域的宽度;
步骤S420,通过尺度为n×n的高斯核函数G对所述二区域图像的矩阵M进行卷积平滑处理得到Mg
Figure GDA0003865119310000032
步骤S430,基于Mg进行向量化:
Figure GDA0003865119310000033
得到模板向量数据vg
Figure GDA0003865119310000034
其中,Mg[i,j]代表Mg第i行,第j列的元素,vg[i]代表第i个元素。
在一些优选技术方案中,所述步骤S500具体为:
步骤S510,重复步骤S100-步骤S200的方法,获取待检测物体的螺纹图像对应的第一区域,作为第一待检测区域;并获得第一待检测区域图像矩阵M2,M2∈Rheight×width,其中,height为第一区域图像的高度,width为第一区域图像的宽度;
步骤S520,通过尺度为n×n的高斯核函数G对所述第一待检测区域图像矩阵M2进行卷积平滑处理得到M2g
Figure GDA0003865119310000035
步骤S530,基于将M2g进行向量化:
Figure GDA0003865119310000036
得到待检测物体的待检测向量数据v2g,v2g∈Rheight
在一些优选技术方案中,所述步骤S600具体为:
步骤S610,通过相关性计算得到模板向量数据vg与待检测向量数据v2g的匹配度曲线m:m=-vg*v2g
Figure GDA0003865119310000037
步骤S620,对匹配度曲线m进行极大值抑制得到mnms和各个极大值在原序列中的索引indexnms,indexnms∈Rk
步骤S630,基于mnms和indexnms计算获取螺距L,
Figure GDA0003865119310000041
步骤S640,基于indexnms对螺距L取模获取螺纹起始角θ,
Figure GDA0003865119310000042
其中,k为indexnms序列的长度。
在一些优选技术方案中,所述第二数量小于所述第一数量。
在一些优选技术方案中,所述第一数量为S1,S1∈[5,9];所述第二数量为S2,S2∈[3,4]。
本发明第二方面提供一种基于双目视觉的内外螺纹起始角测量系统,该系统包括:图像获取模块、图像剪裁模块、图像处理模块、数据处理模块;
所述图像获取模块,配置为获取平行于被检测物体/待检测物体中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行;
所述图像剪裁模块,配置为基于预设的选取规则选取预设区域;
所述图像处理模块,配置为获取选取预设区域图像的矩阵,基于高斯核函数对矩阵依次进行卷积平滑和向量化,得到向量数据;
所述数据处理模块,配置为基于向量数据获取匹配度曲线,并对所述匹配度曲线进行极大值抑制,以获取螺距和螺纹起始角。
本发明第三方面提供一种设备,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述技术方案中任一项所述的基于双目视觉的内外螺纹起始角测量方法。
本发明第四方面提供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指令,所述计算机指令用于被所述计算机执行以实现上述技术方案中任一项所述的基于双目视觉的内外螺纹起始角测量方法。
本发明的有益效果:
本发明的算法能够广泛应用到各零件装配时的精确计算,减少零件损耗,提高装配效率,保证装配质量。运用本发明的基于双目视觉的内外螺纹起始角测量方法,能够得到螺帽平面上螺纹线终止点与参考方向的夹角θ,且测量误差在10度以内,同时以像素为单位给出所检测螺纹的螺距。本发明的方法具有测量精度高,速度快,方法简单易实现等优点。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本发明一种实施例的基于双目视觉的内外螺纹起始角测量方法流程示意图;
图2为本发明一种实施例中螺纹线输出夹角θ的示意图;
图3为本发明一种实施例中螺纹线线终止点的示意图;
图4为本发明一种实施例中第一区域的选取示意图;
图5为本发明一种实施例中第二区域的选取示意图;
图6为本发明一种实施例的基于双目视觉的内外螺纹起始角测量系统的示意图;
图7为本发明一种实施例中基于内外螺纹参数获取垫片厚度的流程示意图;
图8为本发明一种实施例的适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
为使本发明的实施例、技术方案和优点更加明显,下面将结合附图对本发明的技术方案进行清楚、完整的描述,显然,所述的实施例是本发明的一部分实施例,而不是全部实施例。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
本发明的一种基于双目视觉的内外螺纹起始角测量方法,包括以下步骤:
步骤S100,基于双目视觉设备获取平行于被检测物体中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行,作为模板图像;
步骤S200,基于预设的第一选取规则从所述模板图像中选取第一区域,所述第一选取规则为:使所述第一区域的上顶边与被检测物体的顶面平齐,且所述第一区域的高度至少包含第一数量的螺纹线,所述第一区域的宽度应保证图像的每一行中不会同时出现属于不同螺纹的像素;
步骤S300,基于预设的第二选取规则从所述第一区域中选取第二区域,所述第二选取规则为:使所述第二区域的上顶边和宽度与所述第一区域的上顶边和宽度相同,并调整所述第二区域的高度以使所述第二区域内至少包含第二数量的螺纹线;
步骤S400,获取所述第二区域的图像的矩阵,基于高斯核函数对所述二区域图像的矩阵依次进行卷积平滑和向量化,得到模板向量数据;
步骤S500,重复步骤S100-步骤S200的方法,获取待检测物体的螺纹图像对应的第一区域,作为第一待检测区域;获得第一待检测区域图像矩阵,基于高斯核函数对所述第一待检测区域图像矩阵依次进行卷积平滑和向量化,得到待检测向量数据;
步骤S600,通过相关性计算得到模板向量数据与待检测向量数据的匹配度曲线,对所述匹配度曲线进行极大值抑制,以获取螺距和螺纹起始角。
为了更清晰地对本发明基于双目视觉的内外螺纹起始角测量方法进行说明,下面结合附图对本发明一种优选实施例进行展开详述。
本发明提供了一种通过灰度图像数据来确定螺钉或螺孔的螺纹线与螺帽平面三维交点(螺纹线终止点)的方法,如图2所示,该方法可以在利用螺钉或螺孔的侧面灰度图像情况下,得到螺帽平面上螺纹线终止点与参考方向的夹角θ,且测量误差在20度以内,同时以像素为单位给出所检测螺纹的螺距。优选地,基于本申请的俯视图设定参考方向,参考方向与螺纹线终点的夹角即为θ,该参考方向与俯视图的纵中轴线共线。
该方法具有测量精度高,速度快,方法简单易实现等优点。θ代表螺帽平面上螺纹线终止点与参考方向的夹角,优先地,本申请中参考方向为零件俯视图的对称轴线的正向(向上),本领域技术人员可参照后续零件的装配,灵活设置参考方向,在此不再赘述。
作为本发明的第一种优选实施例,本发明的基于双目视觉的内外螺纹起始角测量方法如图1所示,包括以下步骤:
步骤S100,基于双目视觉设备获取平行于被检测物体中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行,作为模板图像img1;其中,步骤S100具体为:
步骤S110,基于双目视觉设备获取被检测物体平行于中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行;
步骤S120,将步骤S110调整后的螺纹图像进行二值化处理,将二值化处理后的螺纹图像作为模板图像img1。可以理解的是,本申请将螺纹图像二值化处理是为了能更好地凸显出螺纹的轮廓,该步骤并非本申请的必要技术方案。
步骤S200,基于预设的第一选取规则从模板图像img1中选取第一区域region1,第一选取规则为:使第一区域region1的上顶边与被检测物体的顶面平齐,且第一区域的高度应保证至少包含第一数量S1的螺纹线,第一区域的宽度应保证图像的每一行中不会同时出现属于不同螺纹的像素;
具体而言,参阅附图4,以左上角坐标和宽高的形式给出感兴趣区域,即第一区域region1:[top,left,width,height],其中第一区域的上沿top与图像中螺帽平面平齐,区域高度height则保证裁剪包含尽可能多的螺纹线,left和width决定了裁剪区域的横向覆盖范围,要求裁剪区域内的螺纹成像清晰且无明显倾斜,由于对模板图像进行了二值化处理,则螺纹成像清晰,像的每一行中不会同时出现属于不同螺纹的像素保证了图像中各螺纹无明显倾斜,“各螺纹无明显倾斜”表示各螺纹的斜率大于设定的斜率阈值,本发明中优选设置为0.95。根据region1在图像img1中裁剪出相应的图像,在本申请的优选实施例中,高度height则保证裁剪包含第一数量S1的螺纹线,S1∈[5,9]。
步骤S300,基于预设的第二选取规则从第一区域中选取第二区域,第二选取规则为:使第二区域的上顶边和宽度与第一区域的上顶边和宽度相同,并调整第二区域的高度以使第二区域内至少包含第二数量的螺纹线。
进一步地,如图5所示,在得到img1中region1对应的区域图像之后,需进一步选取第二区域region2:[top2,left2,width2,height2],其中第二区域的上沿top2与top平齐,第二区域高度height2则保证模板区域包含第二数量S2的螺纹线,在本申请的优选实施例中,S2∈[3,4]。第二区域left2和第二区域width2分别与第一区域left和第一区域width保持一致,根据region2在图像img1中裁剪出相应的图像。需要说明的是,第二区域包含的螺纹线越多,计算出的波峰越准确,所得到的波峰值越小;第二区域包含的螺纹线越少,计算出的波峰值越不准确,经本申请多次实验显示,选择3~4条螺纹线所计算出的结果准确。
步骤S400,获取第二区域图像的矩阵,基于高斯核函数对二区域图像的矩阵依次进行卷积平滑和向量化,得到模板向量数据;
所述步骤S400具体包括以下子步骤:
步骤S410,获取所述第二区域的图像的矩阵为M,
Figure GDA0003865119310000091
表示模板区域图像,为了增强方法的鲁棒性,其中,height2为第二区域的高度,width2为第二区域的宽度;
步骤S420,通过尺度为n×n的高斯核函数G对所述第二区域的图像的矩阵M进行卷积平滑处理得到Mg
Figure GDA0003865119310000092
Mg代表M和G卷积的结果;
步骤S430,基于Mg进行向量化:
Figure GDA0003865119310000093
得到模板向量数据vg
Figure GDA0003865119310000094
其中,vg代表对Mg进行一维向量化的结果,Mg[i,j]代表Mg第i行,第j列的元素,vg[i]代表第i个元素。
步骤S500,重复步骤S100-步骤S200的方法,获取待检测物体的螺纹图像对应的第一区域,作为第一待检测区域;获得第一待检测区域图像矩阵,基于高斯核函数对所述第一待检测区域图像矩阵依次进行卷积平滑和向量化,得到待检测向量数据。
步骤S500具体包括以下子步骤:
步骤S510,将被检测物体替换为待检测物体,重复步骤S100-步骤S200的方法获取待检测物体的螺纹图像对应的第一区域,作为第一待检测区域,并获得第一待检测区域图像矩阵M2,M2∈Rheight×width,其中,height为第一区域图像的高度,width为第一区域图像的宽度;
步骤S520,通过尺度为n×n的高斯核函数G对所述第一待检测区域图像矩阵M2进行卷积平滑处理得到M2g
Figure GDA0003865119310000101
M2g代表M2和G卷积的结果;
步骤S530,基于将M2g进行向量化:
Figure GDA0003865119310000102
得到待检测物体的待检测向量数据v2g,v2g∈Rheight,v2g代表对M2g进行一维向量化的结果。
步骤S600,通过相关性计算得到模板向量数据与待检测向量数据的匹配度曲线,对所述匹配度曲线进行极大值抑制,以获取螺距和螺纹起始角。
所述步骤S600具体为:
步骤S610,通过相关性计算得到模板向量数据vg与待检测向量数据v2g的匹配度曲线m:m=-vg*v2g
Figure GDA0003865119310000103
m代表vg和v2g卷积计算结果。
步骤S620,对匹配度曲线m进行极大值抑制得到mnms和各个极大值在原序列中的索引indexnms,indexnms∈Rk
其中,mnms代表对m进行非极大值抑制(nms)得到的极大值序列,indexnms代表mnms的各个极大值在m中的索引。
步骤S630,基于mnms和indexnms计算获取螺距L,
Figure GDA0003865119310000111
步骤S640,基于indexnms对螺距L取模获取目标夹角θ,
Figure GDA0003865119310000112
其中,k为indexnms序列的长度。
上述本申请实施例中的技术方案中,至少具有如下的技术效果及优点:
本发明的算法能够广泛应用到各零件装配时的精确计算,减少零件损耗,提高装配效率,保证装配质量。运用本发明的基于双目视觉的内外螺纹起始角测量方法,能够得到螺帽平面上螺纹线终止点与参考方向的夹角θ,且测量误差在10度以内,同时以像素为单位给出所检测螺纹的螺距。本发明的方法具有测量精度高,速度快,方法简单易实现等优点。
本发明第二实施例的一种基于双目视觉的内外螺纹起始角测量系统,该系统包括:图像获取模块100、图像剪裁模块200、图像处理模块300、数据处理模块400;
图像获取模块100,配置为获取平行于被检测物体/待检测物体中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行;
图像剪裁模块200,配置为基于预设的选取规则选取预设区域;
图像处理模块300,配置为获取选取预设区域图像的矩阵,基于高斯核函数对矩阵依次进行卷积平滑和向量化,得到向量数据;
数据处理模块400,配置为基于向量数据获取匹配度曲线,并对所述匹配度曲线进行极大值抑制,以获取螺距和螺纹起始角。
所属技术领域的技术人员可以清楚的了解到,为描述的方便和简洁,上述描述的系统具体的工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的基于双目视觉的内外螺纹起始角测量系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。本发明相比于现有的边沿提取获得螺纹图像,由边沿强度构建波峰波谷,进而利用边沿判断螺距和角度的方法计算结果更准确,鲁棒性更强。
本申请基于内螺纹参数和外螺纹参数获取垫片厚度的方法如下:
本申请在直角接头装配工艺中,所选取的垫片厚度与接头外螺纹起始角、终止角、缸筒内螺纹起始角、内螺纹起始位置、垫片材质、垫片压缩变形系数、接头以及缸筒类型、预拧紧力矩、预拧紧角度等参数具有非线性关系,其中接头外螺纹起始角、终止角、缸筒内螺纹起始角、内螺纹起始位置属于测量参数(视觉测量),垫片材质、垫片压缩变形系数、接头以及缸筒类型属于理论输入参数,而预拧紧力矩、预拧紧角度属于拧紧过程测量参数,因此为准确预测垫片厚度,需通过一定量的实验数据进行训练后才能准确预测垫片厚度。
垫片厚度预测过程分为三部分,分别是接头拧紧工艺流程、数据样本获取流程以及垫片厚度预测流程,三者之间的关系如图6所示。其中工艺流程明确了接头拧紧的工艺安排,而数据样本获取是指从工艺过程中获取工艺参数,每走完一个工艺流程,可以形成一条有效的数据样本,所形成的数据样本通过统一知识化表达,可以直接被垫片厚度预测流程所用,垫片厚度预测流程通过不断获取数据样本,逐步提高预测的准确度。
在接头拧紧工艺流程中,第一步为工件装夹,这一步需要手动或扫码输入缸筒以及直角接头型号参数;第二步为初始参数输入,主要指将型号数据输入上位机程序中;第三步为视觉检测,这一步可获得缸筒内螺纹起始角、缸筒内螺纹位置、接头外螺纹起始角以及接头外螺纹终止线四个工艺参数;第四步为接头预拧设置,此步骤主要是设定预装垫片厚度、预拧扭矩以及原点设定,其中预装垫片厚度主要通过人工经验获得;第五步为接头预拧紧,此步骤完成后可获取预拧紧扭矩以及预拧紧角度两个参数值,由上位机自动获取;第六步为接头预拧判断,判断预拧的角度是否在合理范围内,如果角度合格,则可以进行接头终拧紧,直到接头拧到预设位置,这一步会产生接头终拧扭矩以及接头终拧角度两个参数值,由上位机自动读取,至此即可形成一条有效的数据样本。如果在第六步终接头预拧判断不符合条件,则会通过增减垫片厚度来重复预拧过程,需要注意的是,拧紧工艺过程需要重复预拧过程,但此处仍可以形成一条有效的数据样本,如数据样本获取流程所示。形成有效的数据样本后,即可进入垫片厚度预测流程中,进行数据预处理,形成训练集。
数据集训练可在训练软件中进行训练,训练算法可采用多项式拟合或神经网络算法,当训练达到一定次数或满足一定条件时,即可进行预测系统测试:通过输入测试样本,在测试系统中运行,得出预测结果,同时与实测结果进行比对,如果结果较好,则说明系统训练已经可以正常运行,如果结果不好,则需要继续选取特征,改善训练系统结构,重新进行训练。将预训练的垫片厚度流程应用于本申请的接头拧紧工艺中,以使得系统能够自主判定并调整垫片厚度。
本发明第三实施例,提出了一种设备,包括:至少一个处理器;以及与至少一个所述处理器通信连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于双目视觉的内外螺纹起始角测量方法。
本发明第四实施例,提出了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指令,所述计算机指令用于被所述计算机执行以实现上述的基于双目视觉的内外螺纹起始角测量方法。
所述技术领域的技术人员可以清楚的了解到,未描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考签署方法实例中的对应过程,在此不再赘述。
下面参考图8,其示出了适于用来实现本申请方法、系统、设备实施例的服务器的计算机系统的结构示意图。图8示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统包括中央处理单元(CPU,Central Processing Unit)601,其可以根据存储在只读存储器(ROM,Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM,Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有系统操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O,Input/Output)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT,Cathode Ray Tube)、液晶显示器(LCD,Liquid Crystal Display)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN(局域网,Local AreaNetwork)卡、调制解调器等的网络接口卡的通讯部分609。通讯部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通讯部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (8)

1.一种基于双目视觉的内外螺纹起始角测量方法,其特征在于,包括以下步骤:
步骤S100,基于双目视觉设备获取平行于被检测物体中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行,作为模板图像;
步骤S200,基于预设的第一选取规则从所述模板图像中选取第一区域,所述第一选取规则为:使所述第一区域的上顶边与被检测物体的顶面平齐,且所述第一区域的高度区域至少包含第一数量的螺纹线,所述第一区域的宽度区域每一行中不会同时出现属于不同螺纹的像素;
步骤S300,基于预设的第二选取规则从所述第一区域中选取第二区域,所述第二选取规则为:使所述第二区域的上顶边和宽度与所述第一区域的上顶边和宽度相同,并调整所述第二区域的高度以使所述第二区域内至少包含第二数量的螺纹线;
步骤S400,获取所述第二区域的图像的矩阵,基于高斯核函数对所述第二区域的图像的矩阵依次进行卷积平滑和向量化,得到模板向量数据;
步骤S500,重复步骤S100-步骤S200的方法,获取待检测物体的螺纹图像对应的第一区域,作为第一待检测区域;获得第一待检测区域图像矩阵,基于高斯核函数对所述第一待检测区域图像矩阵依次进行卷积平滑和向量化,得到待检测向量数据,包括:
步骤S510,将被检测物体替换为待检测物体,重复步骤S100-步骤S200获取待检测物体的待检测图像,并基于预设的第一选取规则从所述待检测图像中选取第一待检测区域,并获得第一待检测区域图像矩阵M2,M2∈Rheight×width,其中,height为第一区域图像的高度,width为第一区域图像的宽度;
步骤S520,通过尺度为n×n的高斯核函数G对所述第一待检测区域图像矩阵M2进行卷积平滑处理得到M2g
Figure FDA0003865119300000021
其中,height2为第二区域的高度,width2为第二区域的宽度;
步骤S530,将M2g进行向量化:
Figure FDA0003865119300000022
得到待检测物体的待检测向量数据v2g,v2g∈Rheight;其中,M2g[i,j]代表M2g第i行,第j列的元素,v2g[i]代表v2g第i个元素;
步骤S600,通过相关性计算得到模板向量数据与待检测向量数据的匹配度曲线,对所述匹配度曲线进行极大值抑制,以获取螺距和螺纹起始角,包括:
步骤S610,通过相关性计算得到模板向量数据vg与待检测向量数据v2g的匹配度曲线m:m=-vg*v2g
Figure FDA0003865119300000023
步骤S620,对匹配度曲线m进行极大值抑制得到mnms和各个极大值在原序列中的索引indexnms,indexnms∈Rk
步骤S630,基于mnms和indexnms计算获取螺距L,
Figure FDA0003865119300000024
步骤S640,基于indexnms对螺距L取模获取螺纹起始角θ,
Figure FDA0003865119300000025
其中,k为indexnms序列的长度。
2.根据权利要求1所述的基于双目视觉的内外螺纹起始角测量方法,其特征在于,所述步骤S100具体为:
步骤S110,基于双目视觉设备获取被检测物体平行于中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行;
步骤S120,将步骤S110调整后的螺纹图像进行二值化处理,将二值化处理后的螺纹图像作为模板图像。
3.根据权利要求1所述的基于双目视觉的内外螺纹起始角测量方法,其特征在于,所述步骤S400具体为:
步骤S410,获取所述第二区域的图像的矩阵为M,
Figure FDA0003865119300000031
其中,height2为第二区域的高度,width2为第二区域的宽度;
步骤S420,通过尺度为n×n的高斯核函数G对所述第二区域的图像的矩阵M进行卷积平滑处理得到Mg
Figure FDA0003865119300000032
步骤S430,基于将Mg进行向量化:
Figure FDA0003865119300000033
得到模板向量数据vg
Figure FDA0003865119300000034
其中,Mg[i,j]代表Mg第i行,第j列的元素,vg[i]代表第i个元素。
4.根据权利要求1所述的基于双目视觉的内外螺纹起始角测量方法,其特征在于,所述第二数量小于所述第一数量。
5.根据权利要求4所述的基于双目视觉的内外螺纹起始角测量方法,其特征在于,所述第一数量为S1,S1∈[5,9];所述第二数量为S2,S2∈[3,4]。
6.一种基于双目视觉的内外螺纹起始角测量系统,其特征在于,该系统包括:图像获取模块、图像剪裁模块、图像处理模块、数据处理模块;
所述图像获取模块,配置为获取平行于被检测物体/待检测物体中轴面的螺纹图像,并调整螺纹轴线使其与坐标轴竖直线平行;
所述图像剪裁模块,配置为基于预设的选取规则选取预设区域;
所述图像处理模块,配置为获取选取预设区域图像的矩阵,基于高斯核函数对矩阵依次进行卷积平滑和向量化,得到向量数据,包括:将被检测物体替换为待检测物体,重复图像获取模块、图像剪裁模块获取待检测物体的待检测图像,并基于预设的第一选取规则从所述待检测图像中选取第一待检测区域,并获得第一待检测区域图像矩阵M2,M2∈Rheight ×width;通过尺度为n×n的高斯核函数G对所述第一待检测区域图像矩阵M2进行卷积平滑处理得到M2g
Figure FDA0003865119300000041
将M2g进行向量化:
Figure FDA0003865119300000042
得到待检测物体的待检测向量数据v2g,v2g∈Rheight;其中,height为第一区域图像的高度,width为第一区域图像的宽度,height2为第二区域的高度,width2为第二区域的宽度,M2g[i,j]代表M2g第i行,第j列的元素,v2g[i]代表v2g第i个元素;
所述数据处理模块,配置为基于向量数据获取匹配度曲线,并对所述匹配度曲线进行极大值抑制,以获取螺距和螺纹起始角,包括:通过相关性计算得到模板向量数据vg与待检测向量数据v2g的匹配度曲线m:m=-vg*v2g
Figure FDA0003865119300000043
对匹配度曲线m进行极大值抑制得到mnms和各个极大值在原序列中的索引indexnms,indexnms∈Rk;基于mnms和indexnms计算获取螺距L,
Figure FDA0003865119300000044
基于indexnms对螺距L取模获取螺纹起始角θ,
Figure FDA0003865119300000045
其中,k为indexnms序列的长度。
7.一种设备,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求1-5中任一项所述的基于双目视觉的内外螺纹起始角测量方法。
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指令,所述计算机指令用于被所述计算机执行以实现权利要求1-5中任一项所述的基于双目视觉的内外螺纹起始角测量方法。
CN202110265947.5A 2021-03-11 2021-03-11 基于双目视觉的内外螺纹起始角测量方法、系统及设备 Active CN112991291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110265947.5A CN112991291B (zh) 2021-03-11 2021-03-11 基于双目视觉的内外螺纹起始角测量方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110265947.5A CN112991291B (zh) 2021-03-11 2021-03-11 基于双目视觉的内外螺纹起始角测量方法、系统及设备

Publications (2)

Publication Number Publication Date
CN112991291A CN112991291A (zh) 2021-06-18
CN112991291B true CN112991291B (zh) 2022-11-08

Family

ID=76336414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110265947.5A Active CN112991291B (zh) 2021-03-11 2021-03-11 基于双目视觉的内外螺纹起始角测量方法、系统及设备

Country Status (1)

Country Link
CN (1) CN112991291B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109084734B (zh) * 2018-08-17 2020-06-16 中国科学院自动化研究所 基于单目显微视觉的微球姿态测量装置及测量方法
CN110969158B (zh) * 2019-11-06 2023-07-25 中国科学院自动化研究所 基于水下作业机器人视觉的目标检测方法、系统、装置
CN111571190B (zh) * 2020-05-22 2022-01-25 中国科学院自动化研究所 三维立体式可视化自动装配系统及方法
CN112002016B (zh) * 2020-08-28 2024-01-26 中国科学院自动化研究所 基于双目视觉的连续曲面重建方法、系统和装置

Also Published As

Publication number Publication date
CN112991291A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
WO2021213223A1 (zh) 焊缝质量检测方法、装置、系统及电子设备
CN109993800B (zh) 一种工件尺寸的检测方法、装置及存储介质
US20180122083A1 (en) Method and device for straight line detection and image processing
CN111488874A (zh) 一种指针式仪表倾斜校正方法及系统
CN111427028B (zh) 参数监测方法、装置、设备和存储介质
CN110634128A (zh) 一种球头销尺寸检测方法、装置、计算机设备及存储介质
CN112308872A (zh) 基于多尺度Gabor一阶导数的图像边缘检测方法
WO2023169337A1 (zh) 目标物速度的估计方法及装置、车辆和存储介质
CN112215876A (zh) 一种双光谱图像配准融合方法、装置、设备及存储介质
CN112991291B (zh) 基于双目视觉的内外螺纹起始角测量方法、系统及设备
CN111079523A (zh) 物体检测方法、装置、计算机设备和存储介质
CN113839711A (zh) 一种基于动态阈值距离质心算法的峰值检测方法
JP2008116206A (ja) パターン寸法測定装置、方法及びプログラム
CN117218148A (zh) 基于卫星图像的航道边界确定方法和系统、可读存储介质
CN111539951A (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
CN115511819B (zh) 一种x射线焊缝边界识别方法、装置、设备及存储介质
CN109214398B (zh) 一种从连续图像中量测杆体位置的方法和系统
CN113643359A (zh) 一种目标对象定位方法、装置、设备及存储介质
RU2780717C1 (ru) Способ калибровки внешних параметров видеокамер
CN114240946B (zh) 一种定位器异常检测方法、系统、存储介质及计算设备
CN118134907B (zh) 钻针头型的控制方法、装置及电子设备
CN118071783B (zh) 基于图像灰度值分析的鞋底边缘检测方法及装置
CN116772801A (zh) 一种基于腰型孔特征的合装面定位相对位姿测量方法
CN111062911B (zh) 基于路面信息的成像环境评价方法、装置、系统和存储介质
CN114332063B (zh) 一种基于背景差分的线束顺序检测方法

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
GR01 Patent grant
GR01 Patent grant