CN113554688A - 一种基于单目视觉的o型密封圈尺寸测量方法 - Google Patents
一种基于单目视觉的o型密封圈尺寸测量方法 Download PDFInfo
- Publication number
- CN113554688A CN113554688A CN202110688459.5A CN202110688459A CN113554688A CN 113554688 A CN113554688 A CN 113554688A CN 202110688459 A CN202110688459 A CN 202110688459A CN 113554688 A CN113554688 A CN 113554688A
- Authority
- CN
- China
- Prior art keywords
- sealing ring
- image
- shaped sealing
- calibration
- gray
- 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.)
- Granted
Links
- 238000007789 sealing Methods 0.000 title claims abstract description 48
- 238000000691 measurement method Methods 0.000 title claims abstract description 4
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000003709 image segmentation Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 29
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 5
- 230000011218 segmentation Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement 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
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于单目视觉的O型密封圈尺寸测量方法,通过在视觉测量系统建立后设计绘制有方形黑白棋盘格的标定板进行标定,从而在目标图像与实物之间建立起空间坐标的映射关系,克服了现有技术中利用标准尺寸元件或者标尺图像作为标定物时,其自身公差或者精度所造成的测量结果不准确的技术问题。黑白棋盘格在图像中与背景之间的对比度更加明显,显著降低了图像滤波、图像分割、图像边缘提取等算法的复杂度。在完成系统标定的同时将同步进行多个密封圈的尺寸测量,当相机与标定板间距发生改变时,对视觉测量系统的重新标定也将变得更为简单。
Description
技术领域
本发明属于视觉测量技术领域,具体涉及一种基于单目视觉测量O型密封圈尺寸的方法。
背景技术
视觉测量作为一门新兴的高新技术,以其独有的非接触、实时性、精度高等优点在工业检测领域具有广阔的应用前景,而其中的单目视觉测量是指仅利用一台视觉传感器采集图像并对物体几何尺寸进行测量的方式。单目视觉测量结构简单、标定步骤少,近年来在该领域的研究比较活跃。
在现有的某些采用单目视觉测量密封圈尺寸技术方案中,选取一个标准的橡胶密封圈,用游标卡尺精确测量出其内外径大小,然后用视觉检测系统获取该标准橡胶密封圈的图像,经图像处理得出橡胶圈灰度图的内外半径的像素数,最后对应的尺寸关系由PC机计算得到,经过多次测试得出定标计算的各参数关系。由于该方案通过人工操作游标卡尺测量橡胶密封圈的尺寸来作为标准尺寸,进而标定密封圈视觉测量系统,因此人工读数引入了很大的不确定性,且密封圈有制造公差,同型号密封圈尺寸也不一致,需要多次测量减小误差,费时费力。
其他的某些方案中将一标准刻度线纹尺放置于万工显二维平台上,对原始图像经过二值化、边缘提取、细化处理,将标准尺刻度线条细化成一个像素宽,形成骨架,如图1所示,由软件读出每个像素行中两个像素灰度值为1的像素点间的像素个数,并求平均值。再由公式计算出1个像素点实际对应的物理距离。该方案以标准线纹尺尺寸为实际参照标准尺提高了标定精度,但是在线纹尺图像分割,刻度边缘提取方面增加了标定算法复杂度,且实际测量精度受线纹尺刻度精度的限制,也容易引入误差。
发明内容
为克服上述现有技术中的问题,本发明提供了一种基于单目视觉的O型密封圈尺寸测量方法,具体包括以下步骤:
步骤1、采用适合指标规格的工业相机、镜头、计算机以及环形LED光源搭建针对型密封圈的视觉测量系统,并对所述视觉测量系统进行标定;
步骤2、采集O型密封圈的图像信息,通过对图像信息预处理以强化待测O型密封圈与其所在的目标区域背景之间的差异;
步骤3、对待测O型密封圈进行边缘检测,提取出内边缘像素所对应的最小外接矩形以及外边缘像素所对应的最大外接矩形;
步骤4、根据所述最小外接矩形、最大外接矩形以及所述视觉测量系统的标定数据计算得到待测O型密封圈的内外径尺寸。
进一步地,所述对所述视觉测量系统进行标定具体包括以下步骤:
1)选择适合尺寸的标定板并在其中间位置绘制特定尺寸和分辨率的黑色棋盘格;将所述标定板设置在与所述工业相机相距特定距离的位置。
2)采集标定板图像信息并执行所述预处理,并检测图像信息中所述棋盘格的边缘像素;
3)根据所述棋盘格的实际尺寸与棋盘格的横纵方向中线分别对应的像素数,建立相同位置处的目标区域图像像素与实物之间的空间坐标映射关系。
进一步地,通过对图像信息预处理以强化待测O型密封圈与其所在的目标区域背景之间的差异具体包括:
对获取图像信息中的灰度信息并采用中值滤波来强化待测O型密封圈的边缘的灰度特征;
对中值滤波后的图像信息f(x,y)设置灰度阈值T,执行基于灰度阈值的图像分割,使待测O型密封圈与其所在的目标区域背景之间分离出来,分割后的图像g(x,y)灰度值由下式给出:
式中,f(x,y)为图像中(x,y)处像素的灰度值,x、y分别表示横、纵坐标。
进一步地,对待测O型密封圈进行边缘检测具体基于Canny算子计算内边缘像素以及外边缘像素处的灰度值来实现。
进一步地,计算待测O型密封圈的内外径尺寸具体包括:
分别确定所述最小外接矩形、最大外接矩形分别在横、纵两个方向上的中线所占的像素数量;
根据像素数量以及由所述标定过程建立的相同位置处目标区域图像像素与实物之间的空间坐标映射关系,计算得到待测O型密封圈的内外径尺寸。
有益效果
上述本发明所提供的方法,通过在视觉测量系统建立后设计绘制有方形黑白棋盘格的标定板进行标定,从而在目标图像与实物之间建立起空间坐标的映射关系,克服了现有技术中利用标准尺寸元件或者标尺图像作为标定物时,其自身公差或者精度所造成的测量结果不准确的技术问题。黑白棋盘格在图像中与背景之间的对比度更加明显,显著降低了图像滤波、图像分割、图像边缘提取等算法的复杂度。在完成系统标定的同时将同步进行多个密封圈的尺寸测量,当相机与标定板间距发生改变时,对视觉测量系统的重新标定也将变得更为简单。
附图说明
图1示出了现有技术中所采用的标准尺刻度细化线条;
图2示出了基于本发明的标定与待测密封圈可选的摆放方式;
图3示出了O型密封圈需要测量的关键尺寸;
图4示出了本发明所提供方法的总体流程;
图5示出了本发明所提供方法中的密封圈图像中值滤波过程;
图6示出了本发明所提供方法中的密封圈图像阈值分割过程;
图7示出了本发明所提供方法中的密封圈图像边缘检测过程;
图8示出了标定板样式图;
图9示出了本发明所提供方法中的标定流程;
图10示出了对棋盘格图像的标定过程;
图11示出了本发明所提供方法中的最大与最小外接矩形的确定过程;
图12示出了本发明所提供方法中的密封圈内外径计算过程。
具体实施方式
下文将结合具体实施例对本发明做更进一步的详细说明。应当理解,下列实施例仅为示例性地说明和解释本发明,而不应被解释为对本发明保护范围的限制。凡基于本发明上述内容所实现的技术均涵盖在本发明旨在保护的范围内。
本发明所提供的基于单目视觉的O型密封圈尺寸测量方法,如图4所示,具体包括以下步骤:
步骤1、采用600万像素baslerUSB工业相机、工业镜头、Win7计算机、以及环形LED光源搭建针对型密封圈的视觉测量系统,并对所述视觉测量系统进行标定;
步骤2、采集O型密封圈的图像信息,通过对图像信息预处理以强化待测O型密封圈与其所在的目标区域背景之间的差异;
步骤3、对待测O型密封圈进行边缘检测,提取出内边缘像素所对应的最小外接矩形以及外边缘像素所对应的最大外接矩形;
步骤4、根据所述最小外接矩形、最大外接矩形以及所述视觉测量系统的标定数据计算得到待测O型密封圈如图3所示的内外径尺寸。
在本发明的一个优选实施方式中,如图9所示,所述对所述视觉测量系统进行标定具体包括以下步骤:
1)选择300×300(mm)尺寸的标定板,如图8所示,标定板背景色为白色,中间位置画有精度为0.01mm的30mm黑色棋盘格,在进行单目视觉测量系统标定时以该棋盘格的标准尺寸30mm作为输入,标定板上棋盘格和密封圈颜色均为黑色;将所述标定板设置在与所述工业相机相距特定距离的位置,可选的摆放方式如图2所示。
2)采集标定板图像信息并执行所述预处理,并检测图像信息中所述棋盘格的边缘像素;
3)根据所述棋盘格的实际尺寸与棋盘格的横纵方向中线分别对应的像素数,建立相同位置处的目标区域图像像素与实物之间的空间坐标映射关系。
图像滤波是图像处理中不可或缺的一个步骤,针对密封圈图像,选择合适的滤波方式还可以同时突出密封圈边缘的灰度特征,改善图像的视觉效果、增强图像、突出特征,有助于提高密封圈的边缘提取效果,为后续图像处理做准备。
常用于数字图像处理的滤波方法有均值滤波、中值滤波和高斯滤波等。中值滤波的像素原始值包含在中值的计算结果中,对于很多随机噪声,去噪能力很好,且相对于均值滤波等线性平滑滤波器,在相同尺寸下引起的模糊要少;中值滤波另一个突出优点是对于极性脉冲噪声,不管是单极还是双极性脉冲噪声都有非常好的滤除能力,因此在本发明的一个优选实施方式中,如图5所示,选用中值滤波器对密封圈图像进行滤波处理。
图像分割是指将图像中相关性强的区域划分为一类,将图像属性有明显差异的部分分割成不同区域的图像处理技术。图像分割算法大致可以分为基于区域的分割算法、基于边缘的分割算法和基于阈值的分割算法。针对密封圈图像的特殊属性:密封圈区域与背景区域具有较强的对比度。因而在环境光线适宜的条件下,基于灰度阈值的图像分割对密封圈图像可以具有不错的分割效果。
因此在本发明的一个优选实施方式中,选用了基于灰度阈值的图像分割方式,如图6所示:
对于图像f(x,y),根据图像目标区域和背景区域灰度值分布的差异,选取合适的灰度阈值T,将图像目标区域从背景中分割出来,分割后的图像g(x,y)由下式给出:
式中,f(x,y)为(x,y)处像素的灰度值。
图像边缘是指图像中表达物体的周围像素灰度发生阶跃变化的那些像素集合,它存在于目标与背景、目标与目标、区域与区域之间。物体的边缘在图像中以局部不连续性作为一种表现特征。从本质上讲,物体边缘意味着一个区域的终结和另一个区域的开始。图像边缘分割也可以称作边缘检测,是图像分割算法中最基本的处理方法。
图像的边缘点一般是信号中的奇异点和突变点,它周围的灰度变化可以通过它邻域点的灰度分布的梯度表现出来。基于这种原理的边缘分割算子分成两种,一种是微分算子,如Roberts算子、Sobel算子、Prewitt算子、Laplacian算子等。还有一些是添加了最优滤波器的检测算子,如LOG算子和Canny算子。
Canny算子是一阶算子,该方法的实质是用一个准高斯函数做平滑运算,然后以带方向的一阶微分算子定位导数最大值。Canny给出了边缘检测的三个准则如下:
(1)定位准确。定位的边缘尽可能接近真实边缘。
(2)信噪比低。边缘的错误定位概率尽可能低。
(3)抑制虚假边缘。单个边缘产生多个响应的概率要低,最大程度抑制虚假边缘。
Canny算子对密封圈图像具有较好的检测效果,而且适用性更好,因此在本发明的一个优选实施方式中,如图7所示,选用了Canny算子进行图像边缘检测。
如图11、12所示,计算待测O型密封圈的内外径尺寸具体包括:
分别确定所述最小外接矩形、最大外接矩形分别在横、纵两个方向上的中线所占的像素数量;
根据像素数量以及由所述标定过程建立的相同位置处目标区域图像像素与实物之间的空间坐标映射关系,计算得到待测O型密封圈的内外径尺寸。
以上对本发明的实施方式进行了说明。但是,本发明不限定于上述实施方式。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于单目视觉的O型密封圈尺寸测量方法,其特征在于:具体包括以下步骤:
步骤1、采用适合指标规格的工业相机、镜头、计算机以及环形LED光源搭建针对型密封圈的视觉测量系统,并对所述视觉测量系统进行标定;
步骤2、采集O型密封圈的图像信息,通过对图像信息预处理以强化待测O型密封圈与其所在的目标区域背景之间的差异;
步骤3、对待测O型密封圈进行边缘检测,提取出内边缘像素所对应的最小外接矩形以及外边缘像素所对应的最大外接矩形;
步骤4、根据所述最小外接矩形、最大外接矩形以及所述视觉测量系统的标定数据计算得到待测O型密封圈的内外径尺寸。
2.如权利要求1所述的方法,其特征在于:所述对所述视觉测量系统进行标定具体包括以下步骤:
1)选择适合尺寸的标定板并在其中间位置绘制特定尺寸和分辨率的黑色棋盘格;将所述标定板设置在与所述工业相机相距特定距离的位置。
2)采集标定板图像信息并执行所述预处理,并检测图像信息中所述棋盘格的边缘像素;
3)根据所述棋盘格的实际尺寸与棋盘格的横纵方向中线分别对应的像素数,建立相同位置处的目标区域图像像素与实物之间的空间坐标映射关系。
4.如权利要求1所述的方法,其特征在于:对待测O型密封圈进行边缘检测具体基于Canny算子计算内边缘像素以及外边缘像素处的灰度值来实现。
5.如权利要求3所述的方法,其特征在于:计算待测O型密封圈的内外径尺寸具体包括:
分别确定所述最小外接矩形、最大外接矩形分别在横、纵两个方向上的中线所占的像素数量;
根据像素数量以及由所述标定过程建立的相同位置处目标区域图像像素与实物之间的空间坐标映射关系,计算得到待测O型密封圈的内外径尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110688459.5A CN113554688B (zh) | 2021-06-21 | 2021-06-21 | 一种基于单目视觉的o型密封圈尺寸测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110688459.5A CN113554688B (zh) | 2021-06-21 | 2021-06-21 | 一种基于单目视觉的o型密封圈尺寸测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554688A true CN113554688A (zh) | 2021-10-26 |
CN113554688B CN113554688B (zh) | 2024-03-26 |
Family
ID=78102243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110688459.5A Active CN113554688B (zh) | 2021-06-21 | 2021-06-21 | 一种基于单目视觉的o型密封圈尺寸测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554688B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092542A (zh) * | 2021-11-22 | 2022-02-25 | 华侨大学 | 一种基于二维视觉的螺栓测量方法以及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
CN112686920A (zh) * | 2020-12-31 | 2021-04-20 | 天津理工大学 | 一种圆形零件几何尺寸参数视觉测量方法及系统 |
-
2021
- 2021-06-21 CN CN202110688459.5A patent/CN113554688B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
CN112686920A (zh) * | 2020-12-31 | 2021-04-20 | 天津理工大学 | 一种圆形零件几何尺寸参数视觉测量方法及系统 |
Non-Patent Citations (2)
Title |
---|
亓信同;范伟军;赵静;: "橡胶密封圈几何尺寸图像检测技术研究", 计算机测量与控制, no. 12 * |
杨宗芳;白剑宇;: "基于机器视觉的西林瓶尺寸检测", 计算机测量与控制, no. 08 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092542A (zh) * | 2021-11-22 | 2022-02-25 | 华侨大学 | 一种基于二维视觉的螺栓测量方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113554688B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN103345755B (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
EP2079054B1 (en) | Detection of blobs in images | |
CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN111899237B (zh) | 标尺精度测量方法、装置、计算机设备和存储介质 | |
CN110569857B (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
US8428335B2 (en) | Combining feature boundaries | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
US20200258300A1 (en) | Method and apparatus for generating a 3d reconstruction of an object | |
CN107239742A (zh) | 一种仪表指针刻度值计算方法 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN112613429A (zh) | 一种基于机器视觉适用于多视角图像指针式仪表读数方法 | |
CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN112991287A (zh) | 一种基于全卷积神经网络的自动压痕测量方法 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN112233186A (zh) | 基于图像感知的设备气密性检测相机自标定方法 | |
CN115760860B (zh) | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 | |
CN111738936A (zh) | 基于图像处理的多株水稻穗长的测量方法 |
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 |