CN114964032B - 基于机器视觉的盲孔深度测量方法及装置 - Google Patents
基于机器视觉的盲孔深度测量方法及装置 Download PDFInfo
- Publication number
- CN114964032B CN114964032B CN202210546925.0A CN202210546925A CN114964032B CN 114964032 B CN114964032 B CN 114964032B CN 202210546925 A CN202210546925 A CN 202210546925A CN 114964032 B CN114964032 B CN 114964032B
- Authority
- CN
- China
- Prior art keywords
- radius
- blind hole
- image
- depth
- circle
- 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
Links
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
- G01B11/22—Measuring arrangements characterised by the use of optical techniques for measuring depth
-
- 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
Abstract
本发明提供了一种基于机器视觉的盲孔深度测量方法及装置,涉及机器视觉技术领域,首先接收摄像设备采集的待测盲孔的图像信息,其中,图像信息中包括待测盲孔形成的圆环,圆环包括待测盲孔的第一面形成的第一圆形和待测盲孔的第二面形成的第二圆形,第一面与所述第二面相对,第一面与摄像设备之间的距离小于第二面与摄像设备之间的距离;然后获取图像信息中的第一圆形的半径作为第一半径,并获取图像信息中的第二圆形的半径作为第二半径,其中,第一半径大于第二半径;基于第一半径和第二半径获得待测盲孔的深度,结合视觉检测技术,自动、快速、精确地测量盲孔深度,提升盲孔深度的测量速度,并且节约了人力,使得盲孔深度测量自动化程度提高。
Description
技术领域
本发明涉及机器视觉技术领域,特别是涉及一种基于机器视觉的盲孔深度测量方法及装置。
背景技术
盲孔通常是用来连接不同材料,如连接表层和内层的材料,例如,常见的通孔如盲孔或通孔。在生产加工中,各类盲孔零件较为常见,因此盲孔的检测也频繁发生。以对盲孔检测为例,现有的关于盲孔深度测量的方法大致可以分为两类:接触式和非接触式。接触式测量方法为人工使用深度千分尺或者卡尺进行测量,这类方法测量时间长,并且由于人为操作,测量过程误差较大,且受限于人工测量的速度,自动化程度低,无法适用于对大批量盲孔的测量。另一种方法为非接触测量方法,主要利用光谱共焦的方法对孔进行深度测量,这类方法测量范围小,但是逐点检测速度慢,通常适用于较浅的微型孔。上述现有测量方法的缺陷在于检测的效率低,无法满足大批量生产中对盲孔深度检测的时效性需求。对于需要大批量生产,尤其是对于盲孔较多的零件,迫切需要一种测量速度快的测量方法。
为了实现上述目的,本发明提供了一种基于机器视觉的盲孔盲孔深度测量方法及装置,旨在提升盲孔测量的速度,具体技术方案如下:
在本发明实施例的第一方面,提供一种基于机器视觉的盲孔深度测量方法,所述方法包括:调整光源和相机,使图像待测盲孔内部显示清晰。接收摄像设备采集的待测盲孔的图像信息,其中,所述图像信息中包括所述待测盲孔形成的圆环,所述圆环包括所述待测盲孔的第一面形成的第一圆形和所述待测盲孔的第二面形成的第二圆形,所述第一面与所述第二面相对,所述第一面与所述摄像设备之间的距离小于所述第二面与所述摄像设备之间的距离;获取所述图像信息中的所述第一圆形的半径作为第一半径,并获取所述图像信息中的所述第二圆形的半径作为第二半径,其中,所述第一半径大于所述第二半径;基于所述第一半径和所述第二半径获得所述待测盲孔的深度。
可选地,所述接收摄像设备采集的待测盲孔的图像信息之前,还包括:对所述摄像设备进行标定,获取相机内参。可选地,所述接收摄像设备采集的待测盲孔的图像信息之后,还需对所述图像信息进行预处理,包括:二次阈值化获取环状图像;对图像进行特征增强,消除无效区域;Canny边缘检测算子提取第一圆形和第二圆形的轮廓。
可选地,对处理得到的圆轮廓图像,使用最小二乘法进行圆拟合,获得第一圆形的半径和圆心坐标以及第二圆心的半径和圆心坐标。
可选地,所述圆环位于预设坐标系下,所述获取所述图像信息中的所述第一圆形的半径作为第一半径,包括:获取在所述预设坐标系下所述第一圆形上的至少三个点的坐标,作为第一坐标;根据所述第一坐标获取所述第一圆形的半径作为所述第一半径。
可选地,所述获取所述图像信息中的所述第二圆形的半径作为第二半径,包括:获取在所述预设坐标系下所述第二圆上的至少三个点的坐标,作为第二坐标;根据所述第二坐标获取所述第二圆形的半径作为所述第二半径。
可选地,所述基于所述第一半径和所述第二半径获得所述待测盲孔的深度,包括:获取目标物距,其中,所述目标物距为所述待测盲孔的所述第一面到所述摄像设备的透镜光心的距离;根据所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度。
可选地,所述根据所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度,包括:基于预设映射关系、所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度,其中,所述预设映射关系至少包括所述目标物距、所述第一半径、所述第二半径和深度之间的对应关系。
可选地,所述被测盲孔深度其中,R1为第一半径,R2为第二半径,μ1为目标物距。
可选地,所述获取所述图像信息中的所述第一圆形的半径作为第一半径,并获取所述图像信息中的所述第二圆形的半径作为第二半径之前,还包括:获取待测平面与所述摄像设备的透镜之间的距离,
可选地,所述获取待测平面与所述摄像设备的透镜之间的距离,包括:控制所述摄像设备在预设光轴上距离采集待测平面上的被测零件为第一高度时采集远景图,以及在距离待测平面上的被测零件为第二高度时采集近景图;对所述远景图进行特征提取获得第一特征信息,以及对所述近景图进行特征提取获得第二特征信息;通过预设算法剔除所述第一特征信息和所述第二特征信息获得满足预设条件的匹配点;根据所述匹配点获得所述距离。
在本发明实施例的第二方面,提供一种基于机器视觉的盲孔深度测量装置,所述装置包括:图像采集模块,用于采集图像信息并提取图像信息中两圆的特征,根据两圆的参数计算待测盲孔的深度;对于采集到的图像信息进行预处理得到预处理的图像;根据预处理的图像和预设的阈值进行两次阈值化,得到两圆构成的圆环图像;所述圆环图像包括所述待测盲孔的第一面上形成的第一圆形和所述待测盲孔的第二面上形成的第二圆形,所述第一面与所述第二面相对,所述第一面与摄像设备之间的距离小于所述第二面与摄像设备之间的距离;获取阈值化图像中的边缘信息,筛选出圆弧或圆轮廓,根据圆轮廓拟合圆曲线;半径获取模块,用于获取所述图像信息中的所述第一圆形的半径作为第一半径,并获取所述图像信息中的所述第二圆形的半径作为第二半径,其中,所述第一半径大于所述第二半径;深度获取模块,用于基于所述第一半径和所述第二半径获得所述待测盲孔的深度。
可选地,所述深度获取模块包括:物距获取模块,用于获取目标物距,其中,所述目标物距为所述待测盲孔的所述第一面到所述摄像设备的透镜光心的距离;深度测量子模块,用于根据所述目标物距、所述第一半径和所述第二半径,计算获得所述待测盲孔的深度。
与现有技术相比,本发明提供了一种基于机器视觉的盲孔深度测量方法及装置,具备以下有益效果:
采集图像信息并提取图像信息中两圆的特征,根据两圆的参数计算待测盲孔的深度;对于采集到的图像信息进行预处理得到预处理的图像;根据预处理的图像和预设的阈值进行两次阈值化,得到两圆构成的圆环图像;所述圆环图像包括所述待测盲孔的第一面上形成的第一圆形和所述待测盲孔的第二面上形成的第二圆形,所述第一面与所述第二面相对,所述第一面与摄像设备之间的距离小于所述第二面与摄像设备之间的距离;获取阈值化图像中的边缘信息,筛选出圆弧或圆轮廓,根据圆轮廓拟合圆曲线;然后获取图像信息中的第一圆形的半径作为第一半径,并获取图像信息中的第二圆形的半径作为第二半径,其中,第一半径大于第二半径;基于第一半径和第二半径获得待测盲孔的深度,结合视觉检测技术,自动、快速、精确地测量盲孔深度,提升盲孔深度的测量速度,并且节约了人力,使得盲孔深度测量自动化程度提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,以下描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员而言,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附图。
图1示出了本申请一实施例提供的基于机器视觉的盲孔深度测量方法的流程图;
图2示出了本申请一实施例提供的基于机器视觉的盲孔深度测量方法的流程图;
图3示出了本申请一实施例提供的基于机器视觉的盲孔深度测量的应用场景示意图;
图4示出了本申请一实施例提供的待测盲孔的图像信息示意图;
图5示出了本申请一实施例提供的另一种基于机器视觉的深度测量的应用场景示意图;
图6为对图像信息预处理后的图像效果示意图;
图7示出了本申请一实施例提供的待测盲孔的图像信息示意图;
图8示出了对摄像设备矫正示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在生产加工中,各类盲孔零件较为常见,因此盲孔的检测也频繁发生。而盲孔的检测一直非常困难,现有的关于盲孔深度测量的方法大致可以分为两类:接触式和非接触式。接触式测量方法为人工使用深度千分尺或者卡尺进行测量,这类方法测量时间长,并且由于人为操作,测量过程误差较大,且受限于人工测量的速度,自动化程度低,无法适用于对大批量盲孔的测量。另一种方法为非接触测量方法,主要利用光谱共焦的方法对孔进行深度测量,这类方法测量范围小,但是逐点检测速度慢,通常适用于较浅的微型孔。上述现有测量方法的缺陷在于检测的效率低,无法满足大批量生产中对盲孔深度检测的时效性需求。对于需要大批量生产,尤其是对于盲孔较多的零件,迫切需要一种适应性强的盲孔深度自动检测方法。
视觉检测技术是检测技术领域内具有发展潜力的新技术,该技术将计算机视觉引入到工业检测中,实现对物体尺寸和位置的快速测量,具有效率高、精度高、无接触和灵活性高等特点,而本申请提供的基于机器视觉的盲孔深度测量方法,结合视觉技术对盲孔深度自动检测,极大提升了对盲孔的检测速率。
请参阅图1,所述方法包括如下步骤:
步骤S110、控制相机设备在距离待测工件平面的第一高度和第二告诉分别采集远景图像和近景图像。
步骤S120、提取远景图像和近景图像中的特征点,并使用随机采样一致(RAndomSAmple Consensus,简称RANSAC)方法。
步骤S130、通过放射关系获取相机设备与待测工件的距离。
步骤S140、接收相机设备采集的待测盲孔的图像信息,其中,所述图像信息包括待测盲孔形成的圆环,所述圆环包括所述待测盲孔的第一面形成的第一圆形和所述待测盲孔第二面的第二圆形,第一面和第二面相对,所述第一面与所述相机设备之间的距离小于所述第二面与所述相机设备之间的距离。
步骤S150、获取所述图像信息中的所述第一圆形的半径为第一半径,并获取所述图像信息中的所述第二圆形的半径为第二半径,其中,所述第一半径大于第二半径。
步骤S160、基于所述第一半径、所述第二半径以及所述相机设备与所述待测工件之间的距离获取待测盲孔的深度。
图2示出了本申请一实施例提供的基于机器视觉的盲孔深度测量方法的流程图,应用于电子设备,电子设备包括电脑、平板电脑或者是工程或工厂中的测量设备,请参阅图2,所述基于机器视觉的盲孔深度测量方法包括如下步骤:
在摄像设备拍摄图像信息之前,需要对摄像设备进行校正,以采集被测盲孔的清晰的图像,保证盲孔深度测量的准。在实际摄像设备进行校正时,可以通过调整光源和摄像设备两种方式进行校正,具体包括:调整光源与被测盲孔的之间的距离,调整光源亮度,调整光源与相机的相对位置,或是调整相机与被测盲孔的位置等方式实现校正,在对摄像设备进行校正后,使摄像设备可以采集到被测盲孔的清晰图像。
在对摄像设备进行校正时,校正的理想状态的相机位姿应该是:相机光轴与被测盲孔所在平面垂直,此时,相机内圆孔的成像为圆形。但在现实实现时,很难保证摄像设备位姿绝对正确,即盲孔所在平面与相机成像平面不平行,这时会出现投射投影畸变,例如,在拍摄圆形时,由于投影畸变使得圆形拍摄出的图像为椭圆形。
因此在第一次检测时,应使用圆形标定板对成像进行矫正,建立成像像素点与实际点的映射关系。其中待测圆孔所在平面所在的空间坐标系下的坐标Ω1(iw,jw,kw)与成像平面所在相机坐标系下的坐标Ω1(i,j,k)的相对关系如下:
其中,K为相机内参,R表示两坐标系相对的旋转,T表示平移变换矩阵,R和T主要用于体现相机位姿。在使用标定板矫正时,分别选取标定板和图像上对应的多组点,并且获取多组点在各自躲在的坐标下的坐标,根据多组点的坐标,带入上述关系计算得出K、R、T等矩阵参数。其中,在多组点中的每一组点包括在待测圆孔所在平面所在的空间坐标系下的点和在成像平面所在相机坐标系下的点,并且同一组点是相同的点在不同坐标系。
可选地,在摄像设备拍摄出的图像出现畸变时,利用上述计算得出K、R、T等矩阵参数对摄像设备进行矫正。或者是在每次摄像设备开启时,均使用上述矩阵参数对摄像设备进行矫正,以保证拍摄出的图像信息不出现畸变等情况,保证最终计算出的待测盲孔的深度信息的准确性。
步骤S210、接收摄像设备采集的待测盲孔的图像信息,其中,所述图像信息中包括所述待测盲孔形成的圆环,所述圆环包括所述待测盲孔的第一面形成的第一圆形和所述待测盲孔的第二面形成的第二圆形,所述第一面与所述第二面相对,所述第一面与所述摄像设备之间的距离小于所述第二面与所述摄像设备之间的距离。
在一种实施方式中,摄像设备可以是集成在电子设备上的摄像设备,例如摄像头。在校正摄像设备之后,摄像设备用于采集待测盲孔的图像信息,例如,用户触控或者按压电子设备上的拍摄按钮,基于该用户的操作生成拍摄指令,电子设备响应于该拍摄指令,控制摄像设备拍摄待测盲孔的图像信息。
在另一种实施方式中,摄像设备还可以是单独的摄像设备,单独的摄像设备与电子设备通信连接,摄像设备拍摄待测盲孔的图像信息,并且将该图像信息发送至电子设备。示例性的,请参阅图3,摄像设备1置于待测盲孔2的上方,拍摄待测盲孔2,其中,待测盲孔2的第一面21和待测盲孔2的第二面22相对,可以理解的是,第一面21为待测盲孔2的顶面,第二面22为待测盲孔2的底面。摄像设备1拍摄待测盲孔2生成图片信息。
拍摄的图片信息可以如图4和图5所示,在图像信息中,第一面21在图像信息中为第一圆形211,第二面2在图像信息中为第二圆形221。第一圆形221和第二圆形221构成一个圆环,并且第一圆形211为外环,第二圆形221为内环,可以理解的是,第一圆形211的半径大于第二圆形221的半径。
在另一种实施方式中,为了提升图像信息的拍摄效果,请参阅图4,可以设置光源3,在摄像设备1拍摄待测盲孔2时,光源发出的光线垂直入射,保证良好的照明,为摄像设备1提供足够的亮度,使得拍摄得到的图像信息更清晰,可选地,光源3可以为环形光源,摄像设备1通过环形光源的圆环拍摄待测盲孔。
步骤S220、获取所述图像信息中的所述第一圆形的半径作为第一半径,并获取所述图像信息中的所述第二圆形的半径作为第二半径,其中,所述第一半径大于所述第二半径。
可选地,图像的预处理是对图像信息增强的一种手段,在对图4中的图像信息进行预处理时,消除图像信息中无关的信息,例如待测盲孔所处的木板,待测盲孔的底面等,恢复图像信息中有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别的可靠性,为后续的处理减小难度,提高精度。在对图4中的图像信息进行预处理,得到矫正图像,再对矫正图像转换为单通道灰度图像。根据待测盲孔所在表面、孔内壁和孔底部灰度差异设定两个阈值,对灰度图进行阈值化处理,分割出两个圆所在图像区域。然后对阈值化图像进行开运算处理(先腐蚀操作分开图像多个区域,消除可能为噪点的小区域(消除轮廓上的离群点,减小下一个步骤的误差),再膨胀操作将区域感兴趣区域恢复为原来形状)。对阈值化图像使用Canny算子边缘检测,获取第一圆形和第二圆形的轮廓。经过上述处理后,获得预处理后的图像信息如图6所示。
可选地,根据预处理图像信息拟合两个圆的轮廓。筛选出有效的圆弧或圆轮廓,为避免图像中圆形目标受光照强度不均等因素的影响而产生边缘缺失的问题,采用改进的最小二乘法提高拟合精度。具体步骤为:提取预处理图像中内外圆轮廓上像素点的坐标(Xi,Yi)并进行存储。设圆的一般方程为:x2+y2+ax+by+c=0。
计算每个点距离圆心距离的平方和Q(a,b,c)分别对a,b,c求偏导,令偏导为0,得到一组或多组极值点,比较多个极值点使Q(a,b,c)最小,即解得圆方差参数a,b,c。圆半径/>
在本实施例中,获取在所述预设坐标系下所述第一圆形上的至少三个点的坐标,作为第一坐标;根据所述第一坐标获取所述第一圆形的半径作为所述第一半径,如图7所示,第一半径为R1。
在本实施例中,获取在所述预设坐标系下所述第二圆上的至少三个点的坐标,作为第二坐标;根据所述第二坐标获取所述第二圆形的半径作为所述第二半径,如图7所示,第二半径为R2。
步骤S230、基于所述第一半径和所述第二半径获得所述待测盲孔的深度。
基于第一半径和第二半径获得待测盲孔的深度,无需人工手动测量,极大提升了盲孔深度的测量效率。
在一种实施方式中,获取目标物距,其中,所述目标物距为所述待测盲孔的所述第一面到所述摄像设备的透镜光心之间的距离;根据所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度。作为一种方式,基于预设映射关系、所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度,所述预设映射关系至少包括所述目标物距、所述第一半径、所述第二半径和深度之间的对应关系。其中,所述预设映射关系 其中,d为深度,R1为第一半径,R2为第二半径,μ1为目标物距。
本实施例提供的基于机器视觉的盲孔深度测量方法,涉及机器视觉技术领域,首先接收摄像设备采集的待测盲孔的图像信息,其中,图像信息中包括待测盲孔形成的圆环,圆环包括待测盲孔的第一面形成的第一圆形和待测盲孔的第二面形成的第二圆形,第一面与所述第二面相对,第一面与摄像设备之间的距离小于第二面与摄像设备之间的距离;然后获取图像信息中的第一圆形的半径作为第一半径,并获取图像信息中的第二圆形的半径作为第二半径,其中,第一半径大于第二半径;基于第一半径和第二半径获得待测盲孔的深度,结合视觉检测技术,自动、快速、精确地测量盲孔深度,提升盲孔深度的测量速度,并且节约了人力,使得盲孔深度测量自动化程度提高。
可选地,在获取第一半径和第二半径之前,基于机器视觉的盲孔深度测量方法还包括:获取待测平面与所述摄像设备的透镜之间的距离,具体地,包括如下步骤:
a、控制所述摄像设备在预设光轴上距离采集待测平面上的被测零件为第一高度时采集远景图,以及在距离待测平面上的被测零件为第二高度时采集近景图。
可选地,使用光学导轨或者机械臂,控制相机在统一光轴的不同高度上采集被测零件的远景图和近景图。其中,两次采集时,相机的高度差为d(即相机在某一未知高度拍摄远景图,然后延光轴方向向下运动d距离拍摄近景图)。
b、对所述远景图进行特征提取获得第一特征信息,以及对所述近景图进行特征提取获得第二特征信息。
c、通过预设算法剔除所述第一特征信息和所述第二特征信息获得满足预设条件的匹配点。
可选地,对远景图I1,和近景图I2分别进行Sift特征提取。然后使用Ratio-Test来剔除最优次优比近似的模糊匹配点。假设没对匹配都满足局部仿射变换,则对于过滤后的若干对特征点,还需对其中的错误匹配对进行滤除。使用RANSAC方法求解最小解来拟合仿射矩阵,然后滤除置信度低的匹配对。(其中,RANSAC方法的步骤为:选取两组匹配点获取匹配点之间的仿射矩阵/>对于剩余的匹配点/>分别带入仿射矩阵计算匹配的残差/>当rn小于所设定的阈值R_threshold,则认为改匹配对为内点,否则滤除;继续用所有假设的局内点去重新估计模型,重复以上的步骤;最后通过估计局内点与模型的错误率来确定模型)。
d、根据所述匹配点获得所述距离。
通过以上步骤获取的匹配正确的点,选取最符合仿射变换模型的两组点(仿射矩阵计算残差最小的两组点)计算远景图I1上两点/>的距离d1,近景图上两点/>距离d2;由于两次成像相机参数不变,可根据仿射变换原理,求求得两次成像的关系为:
其中,μ1为第二次近景图采集时的物距。也是下文中测量孔深的物距。
为实现上述方法类实施例,本实施例提供一种基于机器视觉的深度测量装置,所述基于机器视觉的盲孔深度测量装置包括:图像采集模块、半径获取模块以及深度获取模块。
图像采集模块,用于接收摄像设备采集的待测盲孔的图像信息,其中,所述图像信息中包括所述待测盲孔形成的圆环,所述圆环包括所述待测盲孔的第一面形成的第一圆形和所述待测盲孔的第二面形成的第二圆形,所述第一面与所述第二面相对,所述第一面与所述摄像设备之间的距离小于所述第二面与所述摄像设备之间的距离;
半径获取模块,用于获取所述图像信息中的所述第一圆形的半径作为第一半径,并获取所述图像信息中的所述第二圆形的半径作为第二半径,其中,所述第一半径大于所述第二半径;
深度获取模块,用于基于所述第一半径和所述第二半径获得所述待测盲孔的深度。
可选地,所述深度获取模块包括:物距获取模块以及深度测量子模块。
物距获取模块,用于获取目标物距,其中,所述目标物距为所述待测盲孔的所述第一面到所述摄像设备的透镜光心的距离;
深度测量子模块,用于根据所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置中模块/单元/子单元/组件的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,所显示或讨论的模块相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
综上所述,本申请提供的一种基于机器视觉的盲孔深度测量方法及装置,首先采集图像信息并提取图像信息中两圆的特征,根据两圆的参数计算待测盲孔的深度;对于采集到的图像信息进行预处理得到预处理的图像;根据预处理的图像和预设的阈值进行两次阈值化,得到两圆构成的圆环图像;所述圆环图像包括所述待测盲孔的第一面上形成的第一圆形和所述待测盲孔的第二面上形成的第二圆形,所述第一面与所述第二面相对,所述第一面与摄像设备之间的距离小于所述第二面与摄像设备之间的距离;获取阈值化图像中的边缘信息,筛选出圆弧或圆轮廓,根据圆轮廓拟合圆曲线;然后获取图像信息中的第一圆形的半径作为第一半径,并获取图像信息中的第二圆形的半径作为第二半径,其中,第一半径大于第二半径;基于第一半径和第二半径获得待测盲孔的深度,结合视觉检测技术,自动、快速、精确地测量盲孔深度,提升盲孔深度的测量速度,并且节约了人力,使得盲孔深度测量自动化程度提高。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意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、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.一种基于机器视觉的盲孔深度测量方法,其特征在于,所述方法包括:
对摄像设备进行校正,其中,所述对所述摄像设备进行校正包括:建立成像像素点与实际点的映射关系,其中待测圆孔所在平面所在的空间坐标系下的坐标与成像平面所在相机坐标系下的坐标/>的相对关系如下:
;
其中,K为相机内参,R表示两坐标系相对的旋转,T表示平移变换矩阵,R和T主要用于体现相机位姿;通过K、R和T对所述摄像设备进行校正;
采集图像信息并提取图像信息中两圆的特征,根据两圆的参数计算待测盲孔的深度;对于采集到的图像信息进行预处理得到预处理的图像;根据预处理的图像和预设的阈值进行两次阈值化,得到两圆构成的圆环图像;所述圆环图像包括所述待测盲孔的第一面上形成的第一圆形和所述待测盲孔的第二面上形成的第二圆形,所述第一面与所述第二面相对,所述第一面与摄像设备之间的距离小于所述第二面与摄像设备之间的距离;获取阈值化图像中的边缘信息,筛选出圆弧或圆轮廓,根据圆轮廓拟合圆曲线;获取所述图像信息中的第一圆形的半径作为第一半径,并获取所述图像信息中的第二圆形的半径作为第二半径,其中,所述第一半径大于所述第二半径;基于所述第一半径和所述第二半径获得所述待测盲孔的深度;
在获得所述第一半径和所述第二半径之前,所述方法还包括:
控制所述摄像设备在预设光轴上距离待测平面上的被测零件为第一高度时采集远景图,以及在距离待测平面上的被测零件为第二高度时采集近景图,其中,所述第一高度和所述第二高度两者的高度差为d;
对所述远景图进行特征提取获得第一特征信息,以及对所述近景图进行特征提取获得第二特征信息;
通过预设算法剔除所述第一特征信息和所述第二特征信息获得满足预设条件的匹配点,其中,对所述远景图和所述近景图分别进行Sift特征提取后,使用Ratio-Test来剔除最优次优比近似的模糊匹配点;
根据所述匹配点获得所述距离,包括:通过获取的匹配正确的点,选取仿射矩阵计算残差最小的两组点和/>;计算所述远景图上两点/>的距离/>、所述近景图上两点/>的距离/>;由于两次成像相机参数不变,可根据仿射变换原理,求得两次成像的关系为:
;
其中,为第二次近景图采集时的物距,且为测量孔深的物距。
2.根据权利要求1所述的方法,其特征在于,所述圆环位于预设坐标系下,所述获取所述图像信息中的所述第一圆形的半径作为第一半径,包括:
获取在所述预设坐标系下所述第一圆形上的至少三个点的坐标,作为第一坐标;
根据所述第一坐标获取所述第一圆形的半径作为所述第一半径;
所述获取所述图像信息中的所述第二圆形的半径作为第二半径,包括:
获取在所述预设坐标系下所述第二圆形上的至少三个点的坐标,作为第二坐标;
根据所述第二坐标获取所述第二圆形的半径作为所述第二半径。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一半径和所述第二半径获得所述待测盲孔的深度,包括:
获取目标物距,其中,所述目标物距为所述待测盲孔的所述第一面到所述摄像设备的透镜光心的距离;
根据所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度,包括:
基于预设映射关系、所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度,其中,所述预设映射关系至少包括所述目标物距、所述第一半径、所述第二半径和深度之间的对应关系。
5.根据权利要求4所述的方法,其特征在于,
所述预设映射关系为,其中,/>为深度,/>为第一半径,/>为第二半径,为目标物距。
6.一种基于机器视觉的盲孔深度测量装置,其特征在于,所述装置用于执行权利要求1~5任意一项所述的方法,所述装置包括:
图像采集模块,用于对摄像设备进行校正,其中,所述对所述摄像设备进行校正包括:建立成像像素点与实际点的映射关系,其中待测圆孔所在平面所在的空间坐标系下的坐标与成像平面所在相机坐标系下的坐标/>的相对关系如下:
;
其中,K为相机内参,R表示两坐标系相对的旋转,T表示平移变换矩阵,R和T主要用于体现相机位姿;通过K、R和T对所述摄像设备进行校正;采集图像信息并提取图像信息中两圆的特征,根据两圆的参数计算待测盲孔的深度;对于采集到的图像信息进行预处理得到预处理的图像;根据预处理的图像和预设的阈值进行两次阈值化,得到两圆构成的圆环图像;所述圆环图像包括所述待测盲孔的第一面上形成的第一圆形和所述待测盲孔的第二面上形成的第二圆形,所述第一面与所述第二面相对,所述第一面与摄像设备之间的距离小于所述第二面与摄像设备之间的距离;获取阈值化图像中的边缘信息,筛选出圆弧或圆轮廓,根据圆轮廓拟合圆曲线;
半径获取模块,用于获取所述图像信息中的第一圆形的半径作为第一半径,并获取所述图像信息中的第二圆形的半径作为第二半径,其中,所述第一半径大于所述第二半径;
深度获取模块,用于基于所述第一半径和所述第二半径获得所述待测盲孔的深度。
7.根据权利要求6所述的装置,其特征在于,所述深度获取模块包括:
物距获取模块,用于获取目标物距,其中,所述目标物距为所述待测盲孔的所述第一面到所述摄像设备的透镜光心的距离;
深度测量子模块,用于根据所述目标物距、所述第一半径和所述第二半径,获得所述待测盲孔的深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546925.0A CN114964032B (zh) | 2022-05-18 | 2022-05-18 | 基于机器视觉的盲孔深度测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546925.0A CN114964032B (zh) | 2022-05-18 | 2022-05-18 | 基于机器视觉的盲孔深度测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114964032A CN114964032A (zh) | 2022-08-30 |
CN114964032B true CN114964032B (zh) | 2023-07-18 |
Family
ID=82971425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210546925.0A Active CN114964032B (zh) | 2022-05-18 | 2022-05-18 | 基于机器视觉的盲孔深度测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114964032B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115713553B (zh) * | 2023-01-06 | 2023-04-18 | 深圳市鹰眼在线电子科技有限公司 | 盲孔板盲孔孔深测量方法及相关装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111479065A (zh) * | 2020-04-16 | 2020-07-31 | 北京迈格威科技有限公司 | 相机视场角同步方法及装置、图像拍摄方法及装置 |
CN112985301A (zh) * | 2021-02-25 | 2021-06-18 | 北京空间机电研究所 | 一种使用非接触式非球面轮廓仪测量离轴非球面的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3429280B2 (ja) * | 2000-09-05 | 2003-07-22 | 理化学研究所 | 画像のレンズ歪みの補正方法 |
JP4025109B2 (ja) * | 2002-04-16 | 2007-12-19 | 株式会社モリテックス | 画像による円形穴の測定における画像処理方法 |
SG158756A1 (en) * | 2008-07-10 | 2010-02-26 | Visionxtreme Pte Ltd | Hole inspection method and apparatus |
CN102062586B (zh) * | 2010-11-19 | 2012-06-13 | 华中科技大学 | 一种内孔激光测量装置 |
CN202938770U (zh) * | 2012-11-16 | 2013-05-15 | 神龙汽车有限公司 | 超深孔深度测量装置 |
CN104990511A (zh) * | 2015-07-21 | 2015-10-21 | 苏州佳祺仕信息科技有限公司 | 螺纹孔结构质量检测方法 |
DE202015009460U1 (de) * | 2015-08-12 | 2017-10-12 | Jenoptik Industrial Metrology Germany Gmbh | Bohrungsinspektionsvorrichtung |
CN106182004B (zh) * | 2016-08-01 | 2019-08-23 | 上海交通大学 | 基于视觉引导的工业机器人自动销孔装配的方法 |
CN208254424U (zh) * | 2018-06-06 | 2018-12-18 | 佛山科学技术学院 | 一种激光盲孔深度检测系统 |
WO2020037575A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市大疆创新科技有限公司 | 图像深度估计方法、装置、可读存储介质及电子设备 |
CN110060303A (zh) * | 2019-03-18 | 2019-07-26 | 英特科利(江苏)医用内窥影像技术有限公司 | 一种光场相机的两步标定方法 |
-
2022
- 2022-05-18 CN CN202210546925.0A patent/CN114964032B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111479065A (zh) * | 2020-04-16 | 2020-07-31 | 北京迈格威科技有限公司 | 相机视场角同步方法及装置、图像拍摄方法及装置 |
CN112985301A (zh) * | 2021-02-25 | 2021-06-18 | 北京空间机电研究所 | 一种使用非接触式非球面轮廓仪测量离轴非球面的方法 |
Non-Patent Citations (1)
Title |
---|
Influence of vapor-phase fluids on the geochemical characterization of hydrothermal sulfides in the shimmering waters of the southern Okinawa Trough;Liang Ma等;《Ore Geology Reviews》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114964032A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020253827A1 (zh) | 评估图像采集精度的方法及装置、电子设备和存储介质 | |
CN113269762B (zh) | 屏幕不良检测方法、系统及计算机存储介质 | |
CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
CN107345789A (zh) | 一种pcb板孔位检测装置及方法 | |
CN110261069B (zh) | 一种用于光学镜头的检测方法 | |
CN104254757A (zh) | 图像处理系统、图像处理方法以及图像处理程序 | |
CN114820475B (zh) | 边缘识别方法、系统、晶圆加工装置及晶圆与加工台同心状态确定方法 | |
CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉系统 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
US7139421B1 (en) | Methods and apparatuses for detecting similar features within an image | |
CN116393982B (zh) | 一种基于机器视觉的螺丝锁付方法及装置 | |
CN113375555A (zh) | 一种基于手机影像的电力线夹测量方法及系统 | |
CN113970560B (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
CN114882122A (zh) | 图像局部自动标定方法、装置及相关设备 | |
CN115684012A (zh) | 视觉检测系统、校准方法、装置和可读存储介质 | |
CN111062887B (zh) | 基于改进的Retinex算法的图像清晰度判定方法 | |
CN107607539B (zh) | 一种连杆胀断面质量视觉检测装置和检测方法 | |
CN112710662A (zh) | 生成方法及装置、生成系统和存储介质 | |
JP2010243209A (ja) | 欠陥検査方法および欠陥検出装置 | |
CN115830053B (zh) | 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及系统 | |
JP2020129187A (ja) | 外形認識装置、外形認識システム及び外形認識方法 | |
CN113532473B (zh) | 一种通过布置近场不动点的摄像测量误差抑制方法 | |
JPH08201022A (ja) | 3次元位置検出方法及び3次元位置検出装置 | |
CN116523882B (zh) | 一种基于视觉的光学目标区域准确率检测方法与系统 |
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 |