CN113393526A - 一种基于Zernike矩和均值漂移的接插针位置度检测方法 - Google Patents

一种基于Zernike矩和均值漂移的接插针位置度检测方法 Download PDF

Info

Publication number
CN113393526A
CN113393526A CN202010174695.0A CN202010174695A CN113393526A CN 113393526 A CN113393526 A CN 113393526A CN 202010174695 A CN202010174695 A CN 202010174695A CN 113393526 A CN113393526 A CN 113393526A
Authority
CN
China
Prior art keywords
pixel
edge
contact pin
sub
point
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
CN202010174695.0A
Other languages
English (en)
Inventor
吴鹏飞
李彦晖
刘勇飞
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.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic 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 Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN202010174695.0A priority Critical patent/CN113393526A/zh
Publication of CN113393526A publication Critical patent/CN113393526A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering 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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于Zernike矩和均值漂移的接插针位置度检测方法，该方法通过图像预处理将插针与背景分离，获得只保留插针点基本轮廓的灰度图像，使用Canny算子对预处理图像进行边缘粗定位，提取插针ROI；基于改进的Zernike矩对插针边缘进行亚像素精确定位，获得边缘亚像素坐标点集；最后采用非线性最小二乘法建立椭圆参数的优化目标函数，对每个插针所含坐标进行椭圆拟合，求解每个插针的中心点坐标，从而实现插针位置的精确定位。本发明能实现对插针边缘位置的亚像素级精确定位，进一步的拟合出插针的精确位置，定位误差在0.2像素范围内，具有定位精度高、噪声敏感程度低的优点。

Description

一种基于Zernike矩和均值漂移的接插针位置度检测方法
技术领域
本发明涉及接插件检测领域，具体是一种基于Zernike矩和均值漂移的接插针位置度检测方法。
背景技术
接插件是一种使用极其广泛的电子元器件，有电子设备就有接插件的存在。我国是接插件生产大国，但产品质量水平参差不齐。目前，我国的接插件生产方式既有家庭小作坊式的，也有比较先进的现代化生产线，但由于生产和管理水平也有很大的不同，因此产品质量和可靠性的差别也比较大，根据调查，国内市场上多数的接插件可靠性较大、淘汰率较高，这种现象的存在主要是由于接插件体积小、精密度高，传统的人工检测达不到如此高的精度，而市面上已有的接插件检测设备也因为其高昂的价格，让诸多小规模生产企业难以承受，从而导致检测能力上不去，直接影响了产品的质量。
发明内容
本发明的目的是针对目前市场上接插件产品质量差、检测水平低、相关检测设备昂贵等问题，而提供一种基于Zernike矩和均值漂移的接插针位置度检测方法。
实现本发明目的的技术方案是：
一种基于Zernike矩和均值漂移的接插针位置度检测方法，包括如下步骤：
(1)使用工业相机对汽车电子接插件拍摄灰色图像，采用高斯滤波核对图像去噪，分离图像前后景，保留只含插针的图像；
(2)采用Canny算子对预处理图像进行边缘粗定位，提取插针ROI，获得边缘点像素集合P；
(3)计算7x7的Zernike模板系数M00,M11,M20,M31,M40，将该模板系数与边缘点集合S进行卷积操作，计算得到A00,A11,A20,A31,A40矩；
(4)从集合{P}中逐一取出第i个像素点Pi，根据式(1)(2)(3)计算出相应的边缘参数li,ki,
Figure BDA0002410187300000011
Figure BDA0002410187300000021
Figure BDA0002410187300000022
Figure BDA0002410187300000023
Figure BDA0002410187300000024
Figure BDA0002410187300000025
其中A11,A20,A31,A40为7x7模板系数M11,M20,M31,M40相对应的Zernike矩，
Figure BDA0002410187300000027
l、k是亚像素边缘的判定条件
(5)判断边缘Pi是否满足参数阈值条件li≥lt∩ki≥kt，若不满足则将该点从边缘集合P中删除并继续检测下一个边缘点；将满足条件的点根据式(4)计算其亚像素边缘坐标St(xt,yt)，之后继续判断该点亚像素坐标是否满足条件||Pi-St||≤ε，将满足条件的亚像素边缘点保存到点集S中：
Figure BDA0002410187300000026
(6)采用Mean Shift算法对亚像素边缘点集S进行聚类，将边缘点集S分成K类，提取每个插针的ROI，根据实际的接插件图像将Mean Shift算法的窗口搜索半径w设置为25个像素，将亚像素边缘点集{S}共分为27个类K1,K2,…,K27，每个类包含若干个亚像素边缘点坐标；
(7)遍历每个类Ki，根据最小二乘法针对该类所含的亚像素边缘坐标建立椭圆的一般方程，进而求解椭圆参数得到椭圆圆心(x,y)，以此精确定位插针的位置
步骤(5)所述ε取值为0.5个像素。
本发明的优点是：
1.能实现对插针边缘位置的亚像素级精确定位，进一步的拟合出插针的精确位置，定位误差在0.2像素范围内，具有定位精度高、噪声敏感程度低的优点；
2.能实现测量系统高精度、高速率在线检测，增强了整个设备的可靠性及可维护性，成本低，对工作的环境要求低，安全系数高，检测精度高，能满足不同规模接插件企业的质检要求。
附图说明
图1为本发明实施例检测方法的检测流程图；
图2为本发明实施例亚像素边缘提取流程图。
具体实施方式
下面结合附图对本发明作进一步的阐述。
实施例：
(1)使用工业相机对汽车电子接插件拍摄灰度图像，采用高斯滤波核对图像去噪，分离图像前后景，保留只含插针的图像；
(2)采用Canny算子对预处理图像进行边缘粗定位，提取插针ROI，获得边缘点像素集合{P}；
(3)计算7x7的Zernike模板系数M00,M11,M20,M31,M40，将该模板系数与边缘点集合{S}进行卷积操作，计算得到A00,A11,A20,A31,A40矩；
(4)从集合{P}中逐一取出第i个像素点Pi，根据式(1)(2)(3)计算出相应的边缘参数li,ki,
Figure BDA0002410187300000031
Figure BDA0002410187300000032
Figure BDA0002410187300000033
Figure BDA0002410187300000034
Figure BDA0002410187300000035
Figure BDA0002410187300000036
(5)判断边缘Pi是否满足参数阈值条件li≥lt∩ki≥kt，若不满足则将该点从边缘集合{P}中删除并继续检测下一个边缘点；将满足条件的点根据式(4)计算其亚像素边缘坐标St(xt,yt)，之后继续判断该点亚像素坐标是否满足条件||Pi-St||≤ε(ε取值为0.5个像素)。将满足上述条件的亚像素边缘点保存到点集{S}中：
Figure BDA0002410187300000041
其中A11,A20,A31,A40为7x7模板系数M11,M20,M31,M40相对应的Zernike矩，
Figure BDA0002410187300000042
l、k是亚像素边缘的判定条件；
(6)采用Mean Shift算法对亚像素边缘点集{S}进行聚类，将边缘点集{S}分成K类，提取每个插针的ROI。本文使用的接插件图像插针个数为27个，根据实际的接插件图像将Mean Shift算法的窗口搜索半径w设置为25个像素，可将亚像素边缘点集{S}共分为27个类K1,K2,…,K27，每个类包含若干个亚像素边缘点坐标；
(7)遍历每个类Ki，根据最小二乘法针对该类所含的亚像素边缘坐标建立椭圆的一般方程，进而求解椭圆参数得到椭圆圆心(x,y)，以此精确定位插针的位置。

Claims (2)

1.一种基于Zernike矩和均值漂移的接插针位置度检测方法，包括如下步骤：
(1)使用工业相机对汽车电子接插件拍摄灰色图像，采用高斯滤波核对图像去噪，分离图像前后景，保留只含插针的图像；
(2)采用Canny算子对预处理图像进行边缘粗定位，提取插针ROI，获得边缘点像素集合P；
(3)计算7x7的Zernike模板系数M00,M11,M20,M31,M40，将该模板系数与边缘点集合S进行卷积操作，计算得到A00,A11,A20,A31,A40矩；
(4)从集合{P}中逐一取出第i个像素点Pi，根据式(1)(2)(3)计算出相应的边缘参数li,ki,
Figure FDA0002410187290000011
Figure FDA0002410187290000012
Figure FDA0002410187290000013
Figure FDA0002410187290000014
Figure FDA0002410187290000015
Figure FDA0002410187290000016
其中A11,A20,A31,A40为7x7模板系数M11,M20,M31,M40相对应的Zernike矩，
Figure FDA0002410187290000018
l、k是亚像素边缘的判定条件
(5)判断边缘Pi是否满足参数阈值条件li≥lt∩ki≥kt，若不满足则将该点从边缘集合P中删除并继续检测下一个边缘点；将满足条件的点根据式(4)计算其亚像素边缘坐标St(xt,yt)，之后继续判断该点亚像素坐标是否满足条件||Pi-St||≤ε，将满足条件的亚像素边缘点保存到点集S中：
Figure FDA0002410187290000017
(6)采用Mean Shift算法对亚像素边缘点集S进行聚类，将边缘点集S分成K类，提取每个插针的ROI，根据实际的接插件图像将Mean Shift算法的窗口搜索半径w设置为25个像素，将亚像素边缘点集{S}共分为27个类K1,K2,…,K27，每个类包含若干个亚像素边缘点坐标；
(7)遍历每个类Ki，根据最小二乘法针对该类所含的亚像素边缘坐标建立椭圆的一般方程，进而求解椭圆参数得到椭圆圆心(x,y)，以此精确定位插针的位置。
2.根据权利要求1所述的检测方法，其特征是：步骤(5)所述ε取值为0.5个像素。
CN202010174695.0A 2020-03-13 2020-03-13 一种基于Zernike矩和均值漂移的接插针位置度检测方法 Pending CN113393526A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010174695.0A CN113393526A (zh) 2020-03-13 2020-03-13 一种基于Zernike矩和均值漂移的接插针位置度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010174695.0A CN113393526A (zh) 2020-03-13 2020-03-13 一种基于Zernike矩和均值漂移的接插针位置度检测方法

Publications (1)

Publication Number Publication Date
CN113393526A true CN113393526A (zh) 2021-09-14

Family

ID=77615911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010174695.0A Pending CN113393526A (zh) 2020-03-13 2020-03-13 一种基于Zernike矩和均值漂移的接插针位置度检测方法

Country Status (1)

Country Link
CN (1) CN113393526A (zh)

Similar Documents

Publication Publication Date Title
CN106651828B (zh) 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法
CN109003258B (zh) 一种高精度亚像素圆形零件测量方法
CN111080582B (zh) 工件内外表面缺陷检测方法
CN110298840B (zh) 一种基于图像的纱线缺陷检测方法
CN108960237B (zh) 一种指针式油位计读数识别方法
CN110838097A (zh) 一种基于机器视觉的输送带偏移测量方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN109540925B (zh) 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法
CN112686920A (zh) 一种圆形零件几何尺寸参数视觉测量方法及系统
CN105184792B (zh) 一种圆锯片磨损量在线测量方法
CN107730521B (zh) 一种图像中屋脊型边缘的快速检测方法
CN108871185B (zh) 零件检测的方法、装置、设备以及计算机可读存储介质
CN117437223B (zh) 一种高速板对板连接器缺陷智能检测方法
CN118247331B (zh) 一种基于图像识别的零件尺寸自动检测方法及系统
CN111563896A (zh) 一种用于接触网异常检测的图像处理方法
CN105258647A (zh) 一种汽车锁扣铆点的视觉检测方法
CN113393447B (zh) 基于深度学习的针尖正位度检测方法及系统
CN113607058B (zh) 一种基于机器视觉的直刃刀尺寸检测方法及系统
CN113705564B (zh) 一种指针式仪表识别读数方法
CN111815580B (zh) 一种图像边缘识别方法及小模数齿轮模数检测方法
CN108805854A (zh) 一种复杂环境下药片快速计数与完整性检测方法
CN108898584B (zh) 一种基于图像分析的全自动贴面电容装焊极性判别方法
CN111539951A (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
CN113393526A (zh) 一种基于Zernike矩和均值漂移的接插针位置度检测方法
CN116542910A (zh) 基于亚像素边缘提取的冲压件圆孔定位及形变检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210914

WD01 Invention patent application deemed withdrawn after publication