CN113983934A - 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 - Google Patents
一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 Download PDFInfo
- Publication number
- CN113983934A CN113983934A CN202111350328.2A CN202111350328A CN113983934A CN 113983934 A CN113983934 A CN 113983934A CN 202111350328 A CN202111350328 A CN 202111350328A CN 113983934 A CN113983934 A CN 113983934A
- Authority
- CN
- China
- Prior art keywords
- copper
- clad plate
- image
- array camera
- line
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 13
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 241000283070 Equus zebra Species 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 21
- 238000005516 engineering process Methods 0.000 description 5
- 238000009776 industrial production Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T7/0004—Industrial image inspection
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于双线阵相机的覆铜板在线高速尺寸测量方法,离线采集左右线阵相机斑马线图像、左右线阵相机拼接图像以及左线阵相机的棋盘格图像,消除相机的镜头畸变,得到左右图像的坐标变换关系,计算出像素与实际尺寸之间的横纵比例因子;采集左右线阵相机覆铜板图像,定位左线阵相机覆铜板图像的左上、左下角点,以及右线阵相机覆铜板图像的右上、右下角点;结合获取的离线参数对各所述角点的坐标进行标定、拼接和距离计算,最终在线计算出覆铜板的四条边和两条对角线的尺寸数据。本发明自动化程度高,测量范围广、速度快、精度高,不损伤被检测覆铜板,可以完全替代甚至超越人工测量,提高了检测效率、检测一致性,节省了劳动力。
Description
技术领域
本发明属于机器视觉精密测量技术领域,涉及非接触式测量,特别涉及一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置。
背景技术
覆铜板作为印制电路板制造的基板材料在电子信息产业、通讯业、印制电路行业中得到了广泛的应用,随着这些产业的快速发展,工业生产过程中对覆铜板的尺寸精度要求越来越高。传统的尺寸测量方法采用人工测量,测量误差大、效率低、人工成本高,而且对工人的经验和操作熟练度要求高,难以满足现代工业生产对尺寸测量的精度和效率等方面的要求。随后机器视觉技术逐渐被应用到尺寸测量上面,使用相机采集图像,根据图像来进行尺寸测量,这种机器视觉测量技术具有精度高、效率高、成本低、自动化程度高等优点,工业生产传送带上迫切需要用到这种技术来提高生产效率。
目前对于使用单目相机的中小尺寸工件机器视觉测量技术相对比较成熟,但是对于覆铜板这种尺寸大于500mm的大尺寸工件,机器视觉尺寸测量技术并不是特别完善,主要存在以下两个问题:一是覆铜板尺寸过大,无法使用单目相机获取完整的高分辨率覆铜板图像,需要使用两个线阵相机采集图像,然后进行图像拼接,而图像拼接会给尺寸测量带来一定的误差。二是使用两个线阵相机时,需要对两张高分辨率图像进行处理,相对于单目相机,处理时间会增长,使得覆铜板的实时在线尺寸测量难以实现。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置,通过离线采集图像并获取相关参数和在线定位覆铜板角点,实现了在线获取覆铜板的实际尺寸数据,采用了非接触式测量方法,自动化程度高,测量范围广、速度快、精度高,可以完全替代甚至超越人工测量,提高了检测效率、检测一致性,节省了劳动力。
为了实现上述目的,本发明采用的技术方案是:
一种基于双线阵相机的覆铜板在线高速尺寸测量方法,包括如下步骤:
步骤1,离线采集左右线阵相机斑马线图像、左右线阵相机拼接图像以及左线阵相机的棋盘格图像,消除相机的镜头畸变,得到左右图像的坐标变换关系,计算出像素与实际尺寸之间的横纵比例因子;其中所述左右线阵相机布置在覆铜板传送设备上方,镜头朝向在覆铜板传送设备上传送的覆铜板,左右线阵相机的总视场能完全覆盖所述覆铜板;
步骤2,采集左右线阵相机覆铜板图像,借助卷积核在线定位左线阵相机覆铜板图像的左上、左下角点,以及右线阵相机覆铜板图像的右上、右下角点;
步骤3,结合获取的离线参数对各所述角点的坐标进行标定、拼接和距离计算,最终在线计算出覆铜板的四条边和两条对角线的尺寸数据,所述离线参数包括左右线阵相机的相机标定参数、左右图像的坐标变换关系以及像素与实际尺寸之间的横纵比例因子。
本发明还提供了一种基于双线阵相机的覆铜板在线高速尺寸测量装置,包括:
左右线阵相机,布置在覆铜板传送设备上方,镜头朝向在覆铜板传送设备上传送的覆铜板,左右线阵相机的总视场能完全覆盖所述覆铜板;
线光源,由可调稳压恒流开关电源控制并进行供电,线光源光照方向与线阵相机视场成一定夹角,其发射光线经覆铜板反射进入线阵相机镜头成像;
可编程逻辑控制器(PLC),通过连接调速电机来控制覆铜板传送设备的运动;
光电传感器,通过连接可编程逻辑控制器(PLC)来完成与工控机之间的通信;
工控机,控制线阵相机进行图像采集,并对采集到的图像进行处理,执行所述基于双线阵相机的覆铜板在线高速尺寸测量方法。
与现有技术相比,本发明使用双线阵相机完成对大尺寸覆铜板的图像采集,并通过线阵相机标定算法、左右线阵相机图像拼接算法和获取横纵比例因子的方法离线计算出相关参数,结合覆铜板在线角点检测算法,实现了在线获取覆铜板的实际尺寸数据,本发明采用非接触式的在线尺寸测量方法,具有可移植性强、测量范围广、效率高、精度高、成本低等优点。
附图说明
图1为本发明基于双线阵相机的覆铜板在线高速尺寸测量装置示意图。
图2为本发明的覆铜板在线尺寸测量方法的流程图。
图3为本发明的线阵相机标定算法的流程图。
图4为本发明的标定板示意图。
图5为本发明的左右线阵相机图像拼接算法的流程图。
图6为本发明的获取像素与实际尺寸之间横纵比例因子方法的流程图。
图7本发明的覆铜板在线角点检测算法的流程图。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
如图1所示,本发明基于双线阵相机的覆铜板在线高速尺寸测量装置包括双线阵相机、线光源3、显示器4、覆铜板传送设备6、调速电机7、光电传感器8、工控机9、可编程逻辑控制器(PLC)10以及可调稳压恒流开关电源11。对于覆铜板5这种尺寸大于500mm的大尺寸工件,无法使用单目相机获取完整的高分辨率覆铜板图像,需要使用两个线阵相机采集图像,然后进行图像拼接。
具体地,双线阵相机用于接收工控机9的指令进行图像采集,布置在覆铜板传送设备6上方,包括左线阵相机1和右线阵相机2,镜头朝向在覆铜板传送设备6上传送的覆铜板5,左右线阵相机的总视场能完全覆盖覆铜板5。
线光源3由可调稳压恒流开关电源11控制并进行供电,线光源3的光照方向与双线阵相机视场成一定夹角,其发射光线经覆铜板5反射进入线阵相机镜头成像。
可调稳压恒流开关电源11用于给线光源3供电,并调整线光源的亮度。
可编程逻辑控制器(PLC)10通过连接调速电机7来控制覆铜板传送设备6的运动。
光电传感器8通过连接可编程逻辑控制器(PLC)10来完成与工控机9之间的通信,覆铜板5在覆铜板传送设备6上运动时,通过光电传感器8来触发双线阵相机进行图像采集。
工控机9内装有视觉软件,控制线阵相机进行图像采集,并通过视觉软件对采集到的图像进行处理,执行本发明的测量方法。
如图2所示,本发明基于双线阵相机的覆铜板在线高速尺寸测量方法,分为离线参数计算和在线尺寸测量两大环节,包括如下步骤:
步骤1,读取相机离线参数,包括左右线阵相机的相机标定参数、左右图像的坐标变换关系(也即左右线阵相机图像拼接参数)以及像素与实际尺寸之间的横纵比例因子。
步骤2,在线监测左右线阵相机采集到的覆铜板图像。
具体地,使用覆铜板在线角点检测算法对在线采集到的图像进行角点检测,获得覆铜板的左上、左下、右上、右下四个角点的像素坐标。
步骤3,对覆铜板图像中的覆铜板角点进行畸变矫正。
具体地,根据左右线阵相机标定参数对覆铜板的四个角点坐标进行畸变矫正。
步骤4,对畸变矫正之后的覆铜板角点进行拼接。
具体地,根据左右图像的坐标变换关系对覆铜板的右上、右下两个角点坐标进行透视变换,将其变换到左线阵相机的像素平面上。
步骤5,结合前述横纵比例因子,计算覆铜板的实际尺寸。
本发明通过将整个尺寸测量的过程分为离线和在线两个部分,从而大幅度减少在线尺寸测量的时间。离线参数只与两台线阵相机的位置和相机与测量对象的位置有关,在离线状态下通过采集左右线阵相机斑马线图像、左右线阵相机拼接图像以及左线阵相机的棋盘格图像来计算出离线参数,并将离线参数记录在ini文件中。在线状态下,首先从ini文件中读取出这些离线参数,然后使用覆铜板角点检测算法对左右线阵相机在线采集到的覆铜板图像进行处理,最后结合离线参数即可高效快速准确的计算出覆铜板的相关尺寸信息。本发明自动化程度高,测量范围广、速度快、精度高,不损伤被检测覆铜板,可以完全替代甚至超越人工测量,提高了检测效率、检测一致性,节省了劳动力。
具体而言,在步骤1中,左右线阵相机的相机标定参数通过线阵相机标定算法获取,并用于消除线阵相机镜头畸变。参考图3,结合大尺寸覆铜板在线高速尺寸测量的实例来详细介绍其中的线阵相机标定算法,其具体步骤如下:
步骤111,离线采集左右线阵相机的斑马线图像,对左右线阵相机分别进行标定。其中斑马线图像用于标定左右线阵相机,由一系列宽度相等的黑白条纹组成,如图4所示。
步骤112,获取黑白条纹宽度以及边缘横坐标。
具体地,将单个线阵相机采集到的标定板图像转化为灰度图像,在图中寻找一对纵坐标相同的起始点(xstart,y)和终止点(xend,y),在这两个点之间使用卷积核进行图像卷积,该卷积核分为左右两个区域,左半部分填充1,右半部分填充-1,寻找卷积结果绝对值最大的点,即为黑白条纹的边缘点,从而获得黑白条纹边缘点的横坐标(x1,x2,x3,……,xn),相邻两横坐标相减即可获得黑白条纹的宽度(w1,w2,w3……,wn-1)。
步骤113,使用最小二乘法进行二次拟合。
具体地,将n-1条黑白条纹及其宽度[w1,w2,w3……,wn-1]这两组数据使用最小二乘法进行二次拟合得到黑白条纹宽度w和序号n之间的关系:
w=a1n2+b1n+c1
a1、b1和c1为拟合得到的系数。
步骤114,拓展黑白条纹获得理想横坐标。
具体地,对-b1/2a1取整数,得到宽度最大的黑白条纹序号nmax及其宽度wmax,进而得到该条纹左右边缘点的横坐标xmax和xmax=xmax+wmax,基于该条纹对左右两边进行等间距拓展,拓展后的第i条条纹左边缘点横坐标为di=xmax+wmax(i-nmax),拓展后的所有边缘点横坐标为(d1,d2,d3,……,dn),即为理想横坐标。
步骤115,使用最小二乘法进行二次拟合。
具体地,将(x1,x2,x3,……,xn)和(d1,d2,d3,……,dn)使用最小二乘法进行二次拟合,得到理想横坐标d和实际横坐标x之间的关系:
d=a2x2+b2x+c2
根据该关系即可得到图像的实际像素坐标(x,y)和矫正后的像素坐标(u,v)之间的关系,即相机标定函数:
a2、b2和c2为拟合得到的系数。
本发明中,标定算法通过建立实际像素坐标与理想像素坐标的关系来完成图像的畸变矫正,在线进行左右线阵相机图像畸变矫正时,并不是对两张完整的左右线阵相机图像进行畸变矫正,而是只对覆铜板的四个角点坐标进行畸变矫正的运算,从而获取覆铜板的四个角点在畸变矫正后的图像中的像素坐标。
在步骤1中,左右图像的坐标变换关系通过左右线阵相机图像拼接算法获取,参考图5,结合大尺寸覆铜板在线高速尺寸测量的实例来详细介绍拼接算法流程,其具体步骤如下:
步骤121,离线采集左右线阵相机的拼接图像。
具体地,将一张特征点明显且丰富的图片放置在左右线阵相机视野重叠的部分,左右线阵相机分别采集图像。
步骤122,提取左右线阵相机图像中的特征点并进行匹配。
具体地,可使用SURF或者人为进行特征点提取和特征点匹配,得到左右线阵相机拼接图像的m对特征点对[(xl1,yl1),(xl2,yl2),(xl3,yl3),……,(xlm,ylm)]和[(xr1,yr1),(xr2,yr2),(xr3,yr3),……,(xrm,yrm)],m≥4。
步骤123,对匹配好的特征点进行畸变矫正。
具体地,可使用线阵相机标定算法将得到的m对特征点对进行畸变矫正,得到畸变矫正后的特征点对[(ul1,vl1),(ul2,vl2),(ul3,vl3),……,(ulm,vlm)]和[(ur1,vr1),(ur2,vr2),(ur3,vr3),……,(urm,vrm)]。
步骤124,使用畸变矫正之后的特征点对计算出左右线阵相机图像的透视矩阵,通过透视矩阵对图像进行透视变换,将左右线阵相机的两张图像拼接成一张图像。
具体地,使用透视矩阵将右线阵相机图像变换到左线阵相机图像的平面上,从而实现图像的拼接,变换关系为:
其中h11、h12、h21和h22能控制图像的缩放、修剪以及旋转,h31和h32能控制图像的平移,h13和h23能将图像进行透视变换。
xr和yr为右图中某一特征点的横坐标和纵坐标,该特征点在左图中的横坐标为:
该特征点在左图中的纵坐标为:
透视矩阵为:
将得到的畸变矫正后的第i对特征点对(uli,vli)和(uri,vri)代入上述变换关系:
由此可以得到m组方程,进而计算出透视矩阵H,使用此透视矩阵即可将右线阵相机图像变换到左线阵相机图像的平面上,从而实现左右线阵相机图像的拼接。而在在线状态下,对覆铜板图像的四个角点坐标进行畸变矫正,使用透视矩阵对矫正后的覆铜板角点坐标进行图像拼接的计算,即可得到拼接后的覆铜板角点坐标。
本发明中,左右线阵相机图像拼接算法通过建立左右线阵相机图像之间的像素映射关系来获取左右线阵相机图像之间的透视矩阵,在线进行左右线阵相机图像拼接时,并不是将两张完整的图像进行拼接,而是只对矫正后的覆铜板的角点坐标进行图像拼接的运算,这样能够极大的减少对高分辨率图像进行处理所需要的时间,从而提高在线尺寸测量的速度。
在步骤1中,像素与实际尺寸之间的横纵比例因子通过图6所示的方法获取,结合大尺寸覆铜板在线高速尺寸测量的实例来详细介绍拼接算法流程,其具体步骤如下:
步骤131,离线采集左线阵相机的棋盘格图像。
步骤132,检测出棋盘格的内角点坐标。
具体地,对棋盘格图像进行角点检测,检测出棋盘格的p×p个内角点的坐标。
步骤133,对内角点坐标进行畸变矫正。
具体地,使用前述线阵相机标定算法进行畸变矫正。
步骤134,根据内角点坐标计算出纵横比例因子。
具体地,棋盘格中的某一个小方格,是实际边长为length的正方形,该小方格在图像中矫正后的左上、左下、右上、右下四个角点坐标为(uul,vul)、(udl,vdl)、(uur,vur)、(udr,vdr),根据勾股定理可以求出该小方格上边和右边两条边的实际长度:
其中scalex和scaley分别是畸变矫正后的图像中x方向和y方向的实际距离与像素的比例因子,根据棋盘格中的内角点坐标,计算出每个内部小方格的scalex和scaley,计算平均值即可求得像素与实际尺寸之间横纵比例因子。
本发明的步骤2中,使用在线角点检测算法对在线采集到的图像进行角点检测,并借助卷积核在线定位左线阵相机覆铜板图像的左上、左下角点,以及右线阵相机覆铜板图像的右上、右下角点。参考图7,其具体包括如下步骤:
步骤21:在线采集左右线阵相机的覆铜板图像,对覆铜板的左上、左下、右上、右下四个角点分别进行角点检测。
步骤22:对缩小的覆铜板图像进行图像卷积。
具体地,对于单个角点,使用卷积小核对按比例缩小后的覆铜板图像进行图像卷积,粗略地找出该角点的位置。
更具体地,对于覆铜板的某一个角点,将线阵相机采集到的图像缩小到原图像的1/scale,使用卷积小核对缩小后的图像进行图像卷积,该卷积小核可分为四个象限,检测覆铜板的左上角点时,卷积小核的第四象限填充1,其他三个象限填充-1;检测覆铜板的左下角点时,卷积小核的第一象限填充1,其他三个象限填充-1;检测覆铜板的右上角点时,卷积小核的第三象限填充1,其他三个象限填充-1;检测覆铜板的右下角点时,卷积小核的第二象限填充1,其他三个象限填充-1。
步骤23:粗略定位角点位置并还原到原图。
具体地,将角点的粗略位置按比例放大,对应到原覆铜板图像中,由此确定角点所在的一块区域。
更具体地,寻找步骤22中卷积结果最大的点(x,y),该点即为覆铜板角点的大概位置,将这个点还原到原图像中去为(scale×x,scale×y)。
步骤24:对粗定位区域进行图像卷积。
具体地,使用卷积大核对粗定位区域进行图像卷积,从而找出该角点的精确像素坐标。
更具体地,在原图像中取出点(scale×x,scale×y)周围一定大小的区域,使用卷积大核对该区域进行图像卷积,该卷积大核结构与卷积小核是一样的,只是卷积核的大小不一样。寻找卷积结果最大的点,再将其还原到原图像中,即为覆铜板角点的精确位置
步骤25:对于其他三个角点,分别使用不同的卷积小核和卷积大核重复步骤21和步骤22,进而得到覆铜板四个角点的准确坐标。
前述的步骤3~5,可总结为:结合获取的离线参数对各所述角点的坐标进行标定、拼接和距离计算,最终在线计算出覆铜板的四条边和两条对角线的尺寸数据。
具体地,覆铜板的左上、左下、右上、右下四个角点经过步骤3和步骤4后的像素坐标为(xul,yul)、(xdl,ydl)、(xur,yur)、(xdr,ydr),左线阵相机像素与实际尺寸之间横纵比例因子分别为scalex和scaley,进而可以计算出覆铜板的四条边的实际长度分别为:
两条对角线的实际长度分别为:
上所述仅为本发明的具体实施方式,这些描述只是为了解释本发明的原理,而不能以任何结构解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其他具体实施方法,这些结构都将落入本发明的保护范围之内。
Claims (10)
1.一种基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,包括如下步骤:
步骤1,离线采集左右线阵相机斑马线图像、左右线阵相机拼接图像以及左线阵相机的棋盘格图像,消除相机的镜头畸变,得到左右图像的坐标变换关系,计算出像素与实际尺寸之间的横纵比例因子;其中所述左右线阵相机布置在覆铜板传送设备上方,镜头朝向在覆铜板传送设备上传送的覆铜板,左右线阵相机的总视场能完全覆盖所述覆铜板;
步骤2,采集左右线阵相机覆铜板图像,借助卷积核在线定位左线阵相机覆铜板图像的左上、左下角点,以及右线阵相机覆铜板图像的右上、右下角点;
步骤3,结合获取的离线参数对各所述角点的坐标进行标定、拼接和距离计算,最终在线计算出覆铜板的四条边和两条对角线的尺寸数据,所述离线参数包括左右线阵相机的相机标定参数、左右图像的坐标变换关系以及像素与实际尺寸之间的横纵比例因子。
2.根据权利要求1所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,所述步骤1中,斑马线图像用于标定左右线阵相机,由一系列宽度相等的黑白条纹组成,在离线采集左右线阵相机的斑马线图像之后,对左右线阵相机分别进行标定,线阵相机标定算法如下:
首先,将单个线阵相机采集到的标定板图像转化为灰度图像,在图中寻找一对纵坐标相同的起始点(xstart,y)和终止点(xend,y),在这两个点之间使用卷积核进行图像卷积,该卷积核分为左右两个区域,左半部分填充1,右半部分填充-1,寻找卷积结果绝对值最大的点,即为黑白条纹的边缘点,从而获得黑白条纹边缘点的横坐标(x1,x2,x3,……,xn),相邻两横坐标相减即可获得黑白条纹的宽度(W1,W2,W3……,Wn-1);
其次,将n-1条黑白条纹及其宽度[W1,W2,w3……,wn-1]使用最小二乘法进行二次拟合得到黑白条纹宽度w和序号n之间的关系:
w=a1n2+b1n+c1
a1、b1和c1为拟合得到的系数;
然后,对-b1/2a1取整数,得到宽度最大的黑白条纹序号nmax及其宽度wmax,进而得到该条纹左右边缘点的横坐标xmax和xmax+1=xmax+wmax,基于该条纹对左右两边进行等间距拓展,拓展后的第i条条纹左边缘点横坐标为di=xmax+wmax(i-nmax),拓展后的所有边缘点横坐标为(d1,d2,d3,……,dn),即为理想横坐标;
最后,将(x1,x2,x3,……,xn)和(d1,d2,d3,……,dn)使用最小二乘法进行二次拟合,得到理想横坐标d和实际横坐标x之间的关系:
d=a2x2+b2x+c2
根据该关系即可得到图像的实际像素坐标(x,y)和矫正后的像素坐标(u,v)之间的关系,即相机标定函数:
a2、b2和c2为拟合得到的系数。
3.根据权利要求2所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,所述步骤1中,将一张特征点明显且丰富的图片放置在左右线阵相机视野重叠的部分,左右线阵相机分别采集图像,提取左右线阵相机图像中的特征点并进行匹配,对匹配好的特征点进行畸变矫正;使用畸变矫正之后的特征点对计算出左右线阵相机图像的透视矩阵,通过透视矩阵对图像进行透视变换,将左右线阵相机的两张图像拼接成一张图像;所述步骤3中,在线状态下,对覆铜板图像的四个角点坐标进行畸变矫正,使用透视矩阵对矫正后的覆铜板角点坐标进行图像拼接的计算,得到拼接后的覆铜板角点坐标。
4.根据权利要求3所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,所述步骤1中,通过建立左右线阵相机图像之间的像素映射关系来获取左右线阵相机图像之间的透视矩阵,在线进行左右线阵相机图像拼接时,仅对矫正后的覆铜板的角点坐标进行图像拼接运算。
5.根据权利要求3所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,使用SURF或者人为进行特征点提取和特征点匹配,得到左右线阵相机拼接图像的m对特征点对[(xl1,yl1),(xl2,yl2),(xl3,yl3),……,(xlm,ylm)]和[(xr1,yr1),(xr2,yr2),(xr3,yr3),……,(xrm,yrm)],m≥4;
使用线阵相机标定算法将得到的m对特征点对进行畸变矫正,得到畸变矫正后的特征点对[(ul1,vl1),(ul2,vl2),(ul3,vl3),……,(ulm,vlm)]和[(ur1,vr1),(ur2,vr2),(ur3,vr3),……,(urm,vrm)];
使用透视矩阵将右线阵相机图像变换到左线阵相机图像的平面上,从而实现图像的拼接,变换关系为:
其中h11、h12、h21和h22能控制图像的缩放、修剪以及旋转,h31和h32能控制图像的平移,h13和h23能将图像进行透视变换;
xr和yr为右图中某一特征点的横坐标和纵坐标,该特征点在左图中的横坐标为:
该特征点在左图中的纵坐标为:
透视矩阵为:
将得到的畸变矫正后的第i对特征点对(uli,vli)和(uri,vri)代入上述变换关系:
由此可以得到m组方程,进而计算出透视矩阵H,使用此透视矩阵即可将右线阵相机图像变换到左线阵相机图像的平面上,从而实现左右线阵相机图像的拼接。
6.根据权利要求1或3或4或5所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,所述步骤1中,通过建立实际像素坐标与理想像素坐标的关系来完成图像的畸变矫正,从而消除相机的镜头畸变,其中在线进行左右线阵相机图像畸变矫正时,仅对图像的四个角点坐标进行畸变矫正运算,从而获取覆铜板的四个角点在畸变矫正后的图像中的像素坐标。
7.根据权利要求3或4或5所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,所述步骤1中,在离线采集左线阵相机的棋盘格图像之后,对棋盘格图像进行角点检测,检测出棋盘格的p×p个内角点的坐标,并使用线阵相机标定算法进行畸变矫正,对于棋盘格中的某一个小方格,是实际边长为length的正方形,该小方格在图像中矫正后的左上、左下、右上、右下四个角点坐标为(uul,vul)、(udl,vdl)、(uur,vur)、(udr,vdr),该小方格上边和右边两条边的实际长度为:
其中scalex和scaley分别是畸变矫正后的图像中x方向和y方向的实际距离与像素的比例因子,根据棋盘格中的内角点坐标,计算出每个内部小方格的scalex和scaley,计算平均值即可求得像素与实际尺寸之间横纵比例因子。
8.根据权利要求1所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,所述步骤1中,将离线参数记录在ini文件中,所述步骤3中,在线状态下,首先从ini文件中读取出所述离线参数,然后使用覆铜板角点检测算法对左右线阵相机在线采集到的覆铜板图像进行处理,最后结合离线参数即可高效快速准确的计算出覆铜板的相关尺寸信息。
9.根据权利要求1所述基于双线阵相机的覆铜板在线高速尺寸测量方法,其特征在于,所述步骤2包括如下步骤:
步骤21:对于单个角点,使用卷积小核对按比例缩小后的覆铜板图像进行图像卷积,粗略地找出该角点的位置;
步骤22:将该角点的粗略位置按比例放大,对应到原覆铜板图像中,由此确定角点所在的一块区域,使用卷积大核对该区域进行图像卷积,从而找出该角点的精确像素坐标;
步骤23:对于其他三个角点,分别使用不同的卷积小核和卷积大核重复步骤21和步骤22,进而得到覆铜板四个角点的准确坐标。
10.一种基于双线阵相机的覆铜板在线高速尺寸测量装置,其特征在于,包括:
左右线阵相机,布置在覆铜板传送设备上方,镜头朝向在覆铜板传送设备上传送的覆铜板,左右线阵相机的总视场能完全覆盖所述覆铜板;
线光源,由可调稳压恒流开关电源控制并进行供电,线光源光照方向与线阵相机视场成一定夹角,其发射光线经覆铜板反射进入线阵相机镜头成像;
可编程逻辑控制器(PLC),通过连接调速电机来控制覆铜板传送设备的运动;
光电传感器,通过连接可编程逻辑控制器来完成与工控机之间的通信;
工控机,控制线阵相机进行图像采集,并对采集到的图像进行处理,执行权利要求1所述基于双线阵相机的覆铜板在线高速尺寸测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111350328.2A CN113983934B (zh) | 2021-11-15 | 2021-11-15 | 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111350328.2A CN113983934B (zh) | 2021-11-15 | 2021-11-15 | 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113983934A true CN113983934A (zh) | 2022-01-28 |
CN113983934B CN113983934B (zh) | 2022-11-01 |
Family
ID=79748626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111350328.2A Active CN113983934B (zh) | 2021-11-15 | 2021-11-15 | 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113983934B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862767A (zh) * | 2023-06-30 | 2023-10-10 | 苏州城市学院 | 一种线扫光伏组件图片的弹性矫正与拼接方法和系统 |
CN117115233A (zh) * | 2023-10-24 | 2023-11-24 | 杭州百子尖科技股份有限公司 | 一种基于机器视觉的尺寸测量方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363508A (zh) * | 2018-01-13 | 2018-08-03 | 江南大学 | 一种手机触控屏Mark定位非接触式视觉检测方法 |
CN109242909A (zh) * | 2018-08-17 | 2019-01-18 | 中科慧远视觉技术(洛阳)有限公司 | 一种面向高精度二维尺寸测量的线阵相机标定算法 |
CN110969668A (zh) * | 2019-11-22 | 2020-04-07 | 大连理工大学 | 一种长焦双目相机的立体标定算法 |
CN111536981A (zh) * | 2020-04-23 | 2020-08-14 | 中国科学院上海技术物理研究所 | 一种嵌入式的双目非合作目标相对位姿测量方法 |
CN112802109A (zh) * | 2021-02-07 | 2021-05-14 | 的卢技术有限公司 | 一种汽车鸟瞰全景图生成方法 |
-
2021
- 2021-11-15 CN CN202111350328.2A patent/CN113983934B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363508A (zh) * | 2018-01-13 | 2018-08-03 | 江南大学 | 一种手机触控屏Mark定位非接触式视觉检测方法 |
US20200105012A1 (en) * | 2018-01-13 | 2020-04-02 | Jiangnan University | A non-contact visual detection method for mark positioning of mobile phone touch screen |
CN109242909A (zh) * | 2018-08-17 | 2019-01-18 | 中科慧远视觉技术(洛阳)有限公司 | 一种面向高精度二维尺寸测量的线阵相机标定算法 |
CN110969668A (zh) * | 2019-11-22 | 2020-04-07 | 大连理工大学 | 一种长焦双目相机的立体标定算法 |
CN111536981A (zh) * | 2020-04-23 | 2020-08-14 | 中国科学院上海技术物理研究所 | 一种嵌入式的双目非合作目标相对位姿测量方法 |
CN112802109A (zh) * | 2021-02-07 | 2021-05-14 | 的卢技术有限公司 | 一种汽车鸟瞰全景图生成方法 |
Non-Patent Citations (1)
Title |
---|
于春和等: "基于双目立体视觉的工件测量研究", 《舰船电子工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862767A (zh) * | 2023-06-30 | 2023-10-10 | 苏州城市学院 | 一种线扫光伏组件图片的弹性矫正与拼接方法和系统 |
CN117115233A (zh) * | 2023-10-24 | 2023-11-24 | 杭州百子尖科技股份有限公司 | 一种基于机器视觉的尺寸测量方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113983934B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113983934B (zh) | 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 | |
CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
CN106780623A (zh) | 一种机器人视觉系统快速标定方法 | |
CN110544208B (zh) | 工业级图像拼接方法及系统 | |
CN110260818B (zh) | 一种基于双目视觉的电子连接器鲁棒检测方法 | |
CN114378822A (zh) | 一种基于视觉的机器人机械臂末端位姿的调整方法 | |
CN109523539A (zh) | 基于多相机阵列的大尺寸的工业板材在线测量系统及方法 | |
CN111025701A (zh) | 一种曲面液晶屏幕检测方法 | |
CN112304960A (zh) | 一种基于深度学习的高分辨率图像物体表面缺陷检测方法 | |
Wang et al. | Error analysis and improved calibration algorithm for LED chip localization system based on visual feedback | |
CN111986267B (zh) | 一种多相机视觉系统的坐标系统标定方法 | |
CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
CN115082538A (zh) | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 | |
CN116359131A (zh) | 极片缺陷检测系统的标定方法及极片缺陷检测系统 | |
CN112797900B (zh) | 多相机板材尺寸测量方法 | |
CN116851929A (zh) | 一种运动状态下的物体视觉定位激光打标方法及系统 | |
CN113358026B (zh) | 基于双线阵ccd相机的物体位置和轮廓信息的检测方法 | |
CN115661091A (zh) | 一种基于机器视觉检测技术的齿轮箱加工高精度智能控制系统 | |
JP6236819B2 (ja) | 検査装置、検査方法、および、検査装置用のプログラム | |
CN111028231A (zh) | 基于arm和fpga的工件位置获取系统 | |
CN112435220B (zh) | 一种用于零件检测的自定位多孔特征移动窗口拼接方法 | |
Ji et al. | A Machine Vision Measurement Method for Large Plates Based on Reference Point Assistance | |
CN115205511B (zh) | 一种基于计算机视觉的舵翼偏角检测方法及系统 | |
CN118090753A (zh) | 一种基于视觉的激光打印光伏板极小缺陷检测装置及方法 | |
CN112197701B (zh) | 应用于大幅面工件的三维数据提取方法 |
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 |