CN113466233B - 视觉检测方法、视觉检测装置及计算机存储介质 - Google Patents

视觉检测方法、视觉检测装置及计算机存储介质 Download PDF

Info

Publication number
CN113466233B
CN113466233B CN202010244911.4A CN202010244911A CN113466233B CN 113466233 B CN113466233 B CN 113466233B CN 202010244911 A CN202010244911 A CN 202010244911A CN 113466233 B CN113466233 B CN 113466233B
Authority
CN
China
Prior art keywords
image
template
templates
detected
features
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
CN202010244911.4A
Other languages
English (en)
Other versions
CN113466233A (zh
Inventor
周瑞松
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.)
Beijing A&e Technologies Co ltd
Original Assignee
Beijing A&e Technologies 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 Beijing A&e Technologies Co ltd filed Critical Beijing A&e Technologies Co ltd
Priority to CN202010244911.4A priority Critical patent/CN113466233B/zh
Publication of CN113466233A publication Critical patent/CN113466233A/zh
Application granted granted Critical
Publication of CN113466233B publication Critical patent/CN113466233B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • 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
    • G01N2021/8883—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 involving the calculation of gauges, generating models
    • 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
    • G01N2021/8887—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 based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种视觉检测方法、视觉检测装置及计算机存储介质。该方法包括：获取待检测图像；基于至少两个模板对待检测图像进行模式匹配检测；输出检测结果。通过上述方式，一次性输入多个模板可以提高模式匹配的适应性，从而避免多次调整拍照参数的繁琐操作，提高生产效率。

Description

视觉检测方法、视觉检测装置及计算机存储介质
技术领域
本申请涉及视觉检测技术领域，特别是涉及一种视觉检测方法、视觉检测装置及计算机存储介质。
背景技术
机器视觉是汽车装配、食品医药包装、半导体生产等工业生产制造过程中的一个重要的辅助检测方法。机器视觉的图像处理算法包括模式匹配、字符及条码识别、边缘检测、缺陷检测等，而模式匹配在机器视觉中占有很重要的地位，依靠它可以解决生产过程中的定位、测量、校正、识别以及分拣等问题。常见的模式匹配检测特征时只能输入一个模板信息，针对于检测特征的表面状态有较大变化时适应性较差，甚至需要频繁调整拍照参数。
发明内容
为了解决上述问题，本申请提供一种视觉检测方法、视觉检测装置及计算机存储介质，能够一次性输入多个模板可以提高模式匹配的适应性，从而避免多次调整拍照参数的繁琐操作，提高生产效率。
本申请采用的一种技术方案是提供一种视觉检测方法，该方法包括：获取待检测图像；基于至少两个模板对待检测图像进行模式匹配检测；输出检测结果。
其中，获取待检测图像的步骤之前，包括：获取用于检测同一特征和/或不同特征的不同状态的至少两个模板；将至少两个模板进行排序编号并保存。
其中，对应于同一特征的至少两个模板分别为在不同拍照参数下对同一物体进行拍摄获得的，和/或对应于不同特征的至少两个模板分别为对不同物体进行拍摄获得的。
其中，基于至少两个模板对待检测图像进行模式匹配检测的步骤包括：将待检测图像进行预处理；在预处理后的待检测图像内，依次查找与至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征；当查找到图像特征时，则记录当前模板的序号以及图像特征的坐标信息。
其中，当查找到图像特征时，则记录当前匹配成功的模板的序号以及图像特征的坐标信息的步骤之后，还包括：将下一个模板作为当前模板，并返回在预处理后的待检测图像内，依次查找与至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征，直至对至少两个模板完成遍历。
其中，检测结果包括是否匹配成功、匹配到的模板序号、图像特征的坐标以及相似度得分中的至少一个。
其中，输出检测结果的步骤之后，还包括：基于检测结果生成相对应的控制指令；执行控制指令。
其中，基于检测结果生成相对应的控制指令的步骤进一步包括：根据图像特征的坐标转换成物体在实际场景中的坐标；根据物体的坐标生成控制指令，以控制机器人针对物体进行定位、装配和/或分拣动作。
本申请采用的另一种技术方案是提供一种视觉检测装置，该视觉检测装置包括处理器以及与处理器连接的存储器；存储器用于存储程序数据，处理器用于执行程序数据，以实现上述方案中提供的任一方法。
本申请采用的另一种技术方案是提供一种计算机存储介质，计算机存储介质用于存储程序数据，程序数据在被处理器执行时，用于实现上述方案中提供的任一方法。
本申请的有益效果是：区别于现有技术的情况，本申请的一种视觉检测方法，该方法包括：获取待检测图像；基于至少两个模板对待检测图像进行模式匹配检测；输出检测结果。通过上述方式，一次性输入多个模板可以提高模式匹配的适应性，从而避免多次调整拍照参数的繁琐操作，提高生产效率，尤其适用于同一特征但是表面状态有较大变化的场景。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
图1是本申请提供的视觉检测方法第一实施例的流程示意图；
图2是本申请提供的视觉检测方法第一实施例中待检测图像和模板的示意图；
图3是本申请提供的视觉检测方法第二实施例的流程示意图；
图4是本申请提供的视觉检测方法第二实施例中待检测图像和模板的示意图；
图5是本申请提供的视觉检测方法中另一个待检测图像和模板的示意图；
图6是本申请提供的视觉检测装置一实施例的结构示意图；
图7是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
视觉检测系统就是用工业相机代替人眼睛去完成识别、测量、定位等功能。一般视觉检测系统由相机、镜头、光源组合合成，可以代替人工完成条码字符、裂痕、包装、表面图层是否完整、凹陷等检测，使用视觉检测系统能有效的提高生产流水线的检测速度和精度，大大提高产量和质量，降低人工成本，同时防止因为人眼疲劳而产生的误判。
参阅图1，图1是本申请提供的视觉检测方法第一实施例的流程示意图，该方法包括：
步骤11：获取待检测图像。
在一些实施例中，获取待检测图像的方式可以是对待检测物进行实时拍照获取到的。也可以是已经预存的图像。
步骤12：基于至少两个模板对待检测图像进行模式匹配检测。
模板是指模式匹配中提前保存的、用于与待检测图像作比对的特征信息。例如需要对某批工件进行缺陷检测，则先提取工件中具有缺陷的局部作为特征信息，保存在模板中。
在一些实施例中，可以将同一特征的不同状态分别作为特征信息保存在不同的模板中，以对待检测图像进行模式匹配检测。
对应于同一特征的至少两个模板分别为在不同拍照参数下对同一物体进行拍摄获得的。例如：一个模板中的特征是在镜头参数为光圈f/2.0、焦距85mm的情况下拍摄取得；另一个模板中的特征是在镜头参数为光圈f/4.0、焦距1055mm的情况下拍摄取得。
在一些实施例中，可以将不同特征的不同状态分别作为特征信息保存在不同的模板中，以对待检测图像进行模式匹配检测。
对应于不同特征的至少两个模板分别为对不同物体进行拍摄获得的。在一些实施例中，对应于不同特征的至少两个模板也可以分别为对同一物体的不同局部进行拍摄获得的。
在一些实施例中，可以将同一特征的不同状态分别作为特征信息和不同特征的不同状态分别作为特征信息保存在不同的模板中，以对待检测图像进行模式匹配检测。
拍照参数是指影响工业视觉检测时获取图像质量的参数，包括相机参数(曝光、增益、咖玛等)、镜头参数(光圈、焦距等)和光源参数(亮度、与镜头相对位置等)。
模式匹配是一种视觉检测算法，首先提取所选区域内图像的特征信息，再将特征信息保存为模板，在设定的查找区域内查找与模板相同或相近的图像特征，输出查找到的图像特征的数量、坐标、得分等信息。
结合图2，对模式匹配检测的过程进行说明。
图2中左侧是待检测图像21，可以看到，待检测图像21中很多无序的字母，将这些字母理解为待检测图像21中的特征信息。右侧是模板22、模板23、模板24和模板25。
其中，模板22、模板23、模板24和模板25均是在字母A的不同状态时生成的模板。
首先，以模板22为当前模板，在待检测图像21上，从左到右，从上到下的计算模板22与待检测图像上的子图像的匹配度，匹配度大于设定阈值，则确定该子图像为图像特征。记录当前图像特征的信息，如坐标及模板序号。可以理解，在图2中待检测图像21上有多个与模板22相匹配的图像特征，则还需记录该图像特征的数量。当模板22检测完成后，依次用模板23、模板24和模板25进行模式匹配，并记录匹配结果。
步骤13：输出检测结果。
检测结果包括是否匹配成功、匹配到的模板序号、图像特征的坐标以及相似度得分中的至少一个。
结合图2进行说明，经过模板22、模板23、模板24和模板25与待检测图像21进行模式匹配，得到的检测结果为待检测图像与模板匹配成功，匹配到的模板序号为22、23、24、25。其中与模板22匹配的图像特征有两个，与模板23匹配的图像特征有一个，与模板24匹配的图像特征有一个，与模板25匹配的图像特征有一个。基于待检测图像建立坐标系，以确定每个图像特征的坐标信息。
在输出检测结果之后，根据检测结果生成相对应的控制指令。
以执行控制指令，完成当前任务。如当前任务是将检测到的物体进行装配，则基于每个图像特征的坐标信息转换为物体实际场景中的坐标，以生成控制指令控制机器人按照坐标将该物体移到装配区。
区别于现有技术的情况，本申请的一种视觉检测方法，该方法包括：获取待检测图像；基于至少两个模板对待检测图像进行模式匹配检测；输出检测结果。通过上述方式，一次性输入多个模板可以提高模式匹配的适应性，从而避免多次调整拍照参数的繁琐操作，提高生产效率，尤其适用于同一特征但是表面状态有较大变化的场景。
参阅图3，图3是本申请提供的视觉检测方法第二实施例的流程示意图，该方法包括：
步骤31：获取用于检测同一特征的不同状态的至少两个模板。
可以理解，不同状态下的特征信息是不相同的，但是这些特征信息是指向同一物体。所以将这些特征信息进行拍照分别保存在不同的模板中。
在其他实施例中，不同模板中的特征并不相同。
步骤32：将至少两个模板进行排序编号并保存。
将至少两个模板进行排序编号，如以数字进行编号，或者以字母进行编号。可以理解，按照相应逻辑进行排序编号，以使在使用模板时可以读取对应模板的编号。在一具体实施方式，可以将用户生成的多个模板存储在一固定文件夹内，并在每次进行模式匹配之前，根据该固定文件夹内的模板生成选项列表。选项列表中的每个选项可以是对应的模板的缩略图、拍照参数或其他描述性信息，以供用户根据本次检测实际需要进行选择。随后，将用户选择的模板进行排序编号，并存储到一临时文件夹，以在后续检测中顺序地调用临时文件夹中的模板，并在检测完成后删除该临时文件夹。具体的排序原则可根据历史记录的各模板的匹配成功次数进行排序，例如匹配成功次数高，排序越靠前。在该多个模板存储在固定文件夹的过程中，可以根据用户的指定，将同一批次的模板进行关联存储。此时，在选项列表仅显示每个批次的模板中的某一代表性模板，并在用户指定该代表性模板时，将对应的同一批次的模板均分别编号并存储到临时文件夹。
步骤33：获取待检测图像。
步骤34：将待检测图像进行预处理。
预处理的方式可以是灰度化、图像增强，滤波、二值化等处理以克服图像干扰。
步骤35：在预处理后的待检测图像内，依次查找与至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征。
步骤36：当查找到图像特征时，则记录当前模板的序号以及图像特征的坐标信息。
在步骤36之后，将下一个模板作为当前模板，并返回在预处理后的待检测图像内，依次查找与至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征，直至对至少两个模板完成遍历。
在模板遍历完成后，执行步骤37。
步骤37：输出检测结果。
结合图4，对本实施例进行说明。
图4左侧为待检测图像41，右侧为模板42、模板43、模板44、模板45。其中模板42和模板43是基于同一特征在不同状态下图像。模板44和模板45是其余的特征图像。
首先在待检测图像41中，查找与模板42相似度大于阈值的图像特征，经过查找，未找到与模板42匹配的图像特征。接着查找与模板43相似度大于阈值的图像特征，经过查找在待检测模板41中有两个匹配的图像特征，记录下当前模板编号(即模板43)以及每个图像特征的坐标信息。接着查找与模板44相似度大于阈值的图像特征，经过查找在待检测模板44中有三个匹配的图像特征，记录下当前模板编号(即模板44)以及每个图像特征的坐标信息。接着查找与模板45相似度大于阈值的图像特征，经过查找在待检测模板45中有一个匹配的图像特征，记录下当前模板编号(即模板45)以及每个图像特征的坐标信息。
然后将上述记录的模板编号与图像特征的坐标信息作为检测结果输出，以使系统基于检测结果生成控制指令。
在其他实施例中，多个模板信息可检测多个待检测图像。参阅图5，以进行说明。
在图5的左侧为待检测图像51、待检测图像52、待检测图像53。图5的右侧为模板54、模板55、模板56。其中，待检测图像51、待检测图像52、待检测图像53分别为不同特征的图像。模板54、模板55、模板56中保存着不同的特征信息。
首先，获取到待检测图像51，在待检测图像51中，查找与模板54相似度大于阈值的图像特征，得到匹配结果为未找到。接着查找与模板55相似度大于阈值的图像特征，得到匹配结果为未找到。接着查找与模板56相似度大于阈值的图像特征，模板56与图像特征的相似度大于阈值，则记录下模板编号56以及待检测图像51中图像特征的坐标和相似度得分。将这些信息作为检测结果输出，以使对待检测图像51对应的物体进行后续操作。
在待检测图像51对应的物体操作完成后，获取到待检测图像52，在待检测图像52中，查找与模板54相似度大于阈值的图像特征，此时模板56与图像特征的相似度大于阈值，则记录下模板编号56以及待检测图像52中图像特征的坐标和相似度得分。然后继续在待检测图像52中，查找与模板55相似度大于阈值的图像特征，得到匹配结果为未找到。然后继续在待检测图像52中，查找与模板56相似度大于阈值的图像特征，得到匹配结果为未找到。将这些信息作为检测结果输出，以使对待检测图像52对应的物体进行后续操作。
在待检测图像52对应的物体操作完成后，获取到待检测图像53，在待检测图像53中，查找与模板54相似度大于阈值的图像特征，得到匹配结果为未找到。然后继续在待检测图像53中，查找与模板55相似度大于阈值的图像特征，此时模板55与图像特征的相似度大于阈值，则记录下模板编号55以及待检测图像53中图像特征的坐标和相似度得分。然后继续在待检测图像53中，查找与模板56相似度大于阈值的图像特征，得到匹配结果。将这些信息作为检测结果输出，以使对待检测图像53对应的物体进行后续操作。
通过上述方式，能够使用不同模板检测不同的物品，实现物品快速识别分拣。
在一应用场景中，待检测的物体为各种装配零件，如不同规格的螺丝。在模式匹配之前，将不同规格的螺丝的特征分别作为模板排序编号保存。当通过相机获取到待检测图像，可以理解，此时的待检测图像中包括不同规格螺丝的信息。
在待检测图像中，查找与相应模板匹配的图像特征，每当检测到匹配的图像特征时，记录下与图像特征匹配的模板编号以及图像特征的坐标，将这些信息生成检测结果输出。然后根据检测结果中的图像特征的坐标转换成在实际场景中待检测的物体的坐标，根据物体的坐标生成控制指令，以控制机器人针对物体进行定位、装配和/或分拣动作。
参阅图6，图6是本申请提供的视觉检测装置一实施例的结构示意图，视觉检测装置60包括处理器61以及与处理器61连接的存储器62；存储器62用于存储程序数据，处理器61用于执行程序数据，用于实现以下方法：
获取待检测图像；基于至少两个模板对待检测图像进行模式匹配检测；输出检测结果。
可选的，处理器61用于执行程序数据时，还用于实现以下方法：获取用于检测同一特征和/或不同特征的不同状态的至少两个模板；将至少两个模板进行排序编号并保存。
可选的，处理器61用于执行程序数据时，还用于实现以下方法：对应于同一特征的至少两个模板分别为在不同拍照参数下对同一物体进行拍摄获得的，和/或对应于不同特征的至少两个模板分别为对不同物体进行拍摄获得的。
可选的，处理器61用于执行程序数据时，还用于实现以下方法：将待检测图像进行预处理；在预处理后的待检测图像内，依次查找与至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征；当查找到图像特征时，则记录当前模板的序号以及图像特征的坐标信息。
可选的，处理器61用于执行程序数据时，还用于实现以下方法：将下一个模板作为当前模板，并返回在预处理后的待检测图像内，依次查找与至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征，直至对至少两个模板完成遍历。
可选的，处理器61用于执行程序数据时，还用于实现以下方法：检测结果包括是否匹配成功、匹配到的模板序号、图像特征的坐标以及相似度得分中的至少一个。
可选的，处理器61用于执行程序数据时，还用于实现以下方法：基于检测结果生成相对应的控制指令；执行控制指令。
可选的，处理器61用于执行程序数据时，还用于实现以下方法：根据图像特征的坐标转换成物体在实际场景中的坐标；根据物体的坐标生成控制指令，以控制机器人针对物体进行定位、装配和/或分拣动作。
参阅图7，图7是本申请提供的计算机存储介质一实施例的结构示意图，计算机存储介质70用于存储程序数据71，程序数据71在被处理器执行时，用于实现以下的方法步骤：
获取待检测图像；基于至少两个模板对待检测图像进行模式匹配检测；输出检测结果。
可以理解的，程序数据71在被处理器执行时，还用于实现上述任一实施例的方法。
在本申请所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述其他实施方式中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (9)

1.一种视觉检测方法，其特征在于，所述方法包括：
获取用于检测同一特征的不同状态的至少两个模板；其中，对应于所述同一特征的所述至少两个模板分别为在不同拍照参数下对同一物体进行拍摄获得的；其中，所述拍照参数是指影响工业视觉检测时获取图像质量的参数，所述拍照参数至少包括相机参数、镜头参数和光源参数；
将所述至少两个模板进行排序编号并保存；其中，所述至少两个模板的排序原则为根据历史记录的各模板的匹配成功次数从高到低进行排序；
获取待检测图像；
将所述待检测图像进行预处理；
在预处理后的所述待检测图像内，依次查找与所述至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征；
当查找到所述图像特征时，则记录所述当前模板的序号以及所述图像特征的坐标信息；
输出检测结果。
2.根据权利要求1所述的方法，其特征在于，所述将所述至少两个模板进行排序编号并保存之前，包括：
获取用于检测不同特征的不同状态的所述至少两个模板。
3.根据权利要求2所述的方法，其特征在于，
对应于所述不同特征的所述至少两个模板分别为对不同物体进行拍摄获得的。
4.根据权利要求1所述的方法，其特征在于，所述当查找到所述图像特征时，则记录当前匹配成功的模板的序号以及所述图像特征的坐标信息的步骤之后，还包括：
将下一个所述模板作为当前模板，并返回所述在预处理后的所述待检测图像内，依次查找与所述至少两个模板中的当前模板之间的相似度大于预设阈值的图像特征，直至对所述至少两个模板完成遍历。
5.根据权利要求1所述的方法，其特征在于，
所述检测结果包括是否匹配成功、匹配到的模板序号、图像特征的坐标以及相似度得分中的至少一个。
6.根据权利要求1所述的方法，其特征在于，所述输出检测结果的步骤之后，还包括：
基于所述检测结果生成相对应的控制指令；
执行所述控制指令。
7.根据权利要求6所述的方法，其特征在于，所述基于所述检测结果生成相对应的控制指令的步骤进一步包括：
根据所述图像特征的坐标转换成物体在实际场景中的坐标；
根据所述物体的坐标生成控制指令，以控制机器人针对所述物体进行定位、装配和/或分拣动作。
8.一种视觉检测装置，其特征在于，所述视觉检测装置包括处理器以及与所述处理器连接的存储器；
所述存储器用于存储程序数据，所述处理器用于执行所述程序数据，以实现如权利要求1-7任一项所述的方法。
9.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用于实现如权利要求1-7任一项所述的方法。
CN202010244911.4A 2020-03-31 2020-03-31 视觉检测方法、视觉检测装置及计算机存储介质 Active CN113466233B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010244911.4A CN113466233B (zh) 2020-03-31 2020-03-31 视觉检测方法、视觉检测装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010244911.4A CN113466233B (zh) 2020-03-31 2020-03-31 视觉检测方法、视觉检测装置及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113466233A CN113466233A (zh) 2021-10-01
CN113466233B true CN113466233B (zh) 2024-07-16

Family

ID=77866120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010244911.4A Active CN113466233B (zh) 2020-03-31 2020-03-31 视觉检测方法、视觉检测装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113466233B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108355987A (zh) * 2018-01-08 2018-08-03 西安交通大学 一种基于分块模板匹配的电池丝印质量检测方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1460377A3 (de) * 2003-03-21 2004-09-29 Leica Geosystems AG Verfahren und Vorrichtung zur Bildverarbeitung in einem geodätischen Messgerät
JP4986577B2 (ja) * 2006-11-02 2012-07-25 キヤノン株式会社 インクジェット記録装置およびインクジェット記録方法
CN101477066B (zh) * 2009-01-09 2012-02-01 华南理工大学 基于超分辨率图像重建的电路板元件安装/焊接质量检测方法及系统
US9008398B2 (en) * 2012-10-26 2015-04-14 Varian Medical Systems, Inc. Template matching method for image-based detection and tracking of irregular shaped targets
JP2015026117A (ja) * 2013-07-24 2015-02-05 キヤノン株式会社 画像処理方法、画像処理装置、プログラム及び記録媒体
JP2017049742A (ja) * 2015-09-01 2017-03-09 キヤノン株式会社 画像処理方法、画像処理装置、ロボット装置、プログラム、及び記録媒体
WO2018176370A1 (zh) * 2017-03-31 2018-10-04 深圳配天智能技术研究院有限公司 一种视觉检测系统及方法
CN108305242A (zh) * 2017-09-29 2018-07-20 佛山缔乐视觉科技有限公司 一种用于工业生产线的智能视觉检测方法、系统及装置
CN109858504A (zh) * 2017-11-30 2019-06-07 阿里巴巴集团控股有限公司 一种图像识别方法、装置、系统以及计算设备
CN108182383B (zh) * 2017-12-07 2021-07-20 浙江大华技术股份有限公司 一种车窗检测的方法及设备
CN109313708B (zh) * 2017-12-22 2023-03-21 深圳配天智能技术研究院有限公司 图像匹配方法和视觉系统
CN108344743A (zh) * 2018-02-02 2018-07-31 佛山职业技术学院 一种基于机器视觉药品泡罩包装缺陷检测方法及系统
CN108711173A (zh) * 2018-04-13 2018-10-26 深圳安博电子有限公司 多目标识别方法及装置
CN108871185B (zh) * 2018-05-10 2020-12-29 苏州大学 零件检测的方法、装置、设备以及计算机可读存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108355987A (zh) * 2018-01-08 2018-08-03 西安交通大学 一种基于分块模板匹配的电池丝印质量检测方法

Also Published As

Publication number Publication date
CN113466233A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN111179251B (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
CN111325713B (zh) 基于神经网络的木材缺陷检测方法、系统及存储介质
CN111474184B (zh) 基于工业机器视觉的aoi字符缺陷检测方法和装置
CN109816634B (zh) 检测方法、模型训练方法、装置及设备
CN112200776A (zh) 芯片封装缺陷检测方法和检测装置
CN114445843A (zh) 固定版式的卡证图像文字识别方法和装置
CN111191584A (zh) 一种人脸识别方法及装置
CN111178405A (zh) 一种融合多种神经网络的相似物体识别方法
CN113095445B (zh) 一种目标识别方法及装置
CN112101060B (zh) 基于平移不变性和小区域模板匹配的二维码定位方法
CN117809115A (zh) Smt贴片错件检测方法、装置及视觉检测系统
Abbas Recovering homography from camera captured documents using convolutional neural networks
CN113466233B (zh) 视觉检测方法、视觉检测装置及计算机存储介质
CN115564734A (zh) 一种产品检测方法、电子设备及存储介质
CN113628113B (zh) 一种图像拼接方法及其相关设备
CN111935480B (zh) 一种用于图像获取装置的检测方法及相关装置
CN110766671B (zh) 一种基于机器视觉软件的图像处理方法
CN114529912A (zh) 图形验证码识别方法、装置、电子设备及可读存储介质
CN104517114B (zh) 一种元件特征识别方法与系统
WO2021056531A1 (zh) 人脸性别识别方法、人脸性别分类器的训练方法及装置
CN111382703A (zh) 一种基于二次筛选与分数融合的指静脉识别方法
Pan et al. An Improved Faster Region-based Convolutional Neural Network Algorithm for Identification of Steel Coil End-head.
CN118135179B (zh) 切割板件的级联识别方法、装置、计算机设备和存储介质
CN111968126B (zh) 页面焦点识别方法、装置、计算机设备和存储介质
McGill-Smith et al. Jigsaw Puzzle Solver to Locate Piece Position

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