CN115761257A - 基于计算机视觉技术的零部件角度检测方法及装置 - Google Patents
基于计算机视觉技术的零部件角度检测方法及装置 Download PDFInfo
- Publication number
- CN115761257A CN115761257A CN202211359189.4A CN202211359189A CN115761257A CN 115761257 A CN115761257 A CN 115761257A CN 202211359189 A CN202211359189 A CN 202211359189A CN 115761257 A CN115761257 A CN 115761257A
- Authority
- CN
- China
- Prior art keywords
- image
- angle
- detection
- computer vision
- vision technology
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种基于计算机视觉技术的零部件角度检测方法及装置,该方法包括:获取待测零部件图像;对所述待测零部件图像进行图像预处理,得到预处理后的图像;确定所述预处理后的图像中需要计算角度的两个目标区域;通过霍夫直线检测得到每个所述目标区域中的所有直线线段;分别对每个所述目标区域各自的所有直线线段进行线性拟合处理,得到每个所述目标区域各自的拟合直线线段;计算出两个所述拟合直线线段之间的角度。本发明实现了自动对零部件角度进行检测,有助于提高零部件角度检测的效率。
Description
技术领域
本发明涉及零部件检测,具体而言,涉及一种基于计算机视觉技术的零部件角度检测方法及装置。
背景技术
动车组列车结构工艺复杂、质量要求高、过程管控严格,其关键部件的制造过程中,存在大量的过程检验要求。在过程检验的各类检测项点中,部分零部件需要进行角度测量,以确保后序装配正常,产品测试合格。例如,复兴号高度阀产品中的关键部件传动杠杆组成,在压装工序完成后,需要进行传动杠杆与弹簧外座的夹角测量,如果夹角超过规定的限值,将造成后序产品测试不合格。
目前动车组关键零部件角度检测,当前主要有三类检测方法:
1)基于目视经验检测:由具有该产品长期检查经验的检验员,通过目视进行检查,依据经验判断角度是否符合技术要求;
2)基于专用设备检测:将待测部件放置于三坐标测量仪上,通过测头检测待测部位的坐标值,计算得到夹角;
3)手动测量:根据关键部件的结构特点,设计专用工装,搭配角度尺进行角度测量。
目前的人工检测方案存在费时费力,准确性难以保证的缺点。
发明内容
本发明为了解决上述背景技术中的至少一个技术问题,提出了一种基于计算机视觉技术的零部件角度检测方法及装置。
为了实现上述目的,根据本发明的一个方面,提供了一种基于计算机视觉技术的零部件角度检测方法,该方法包括:
获取待测零部件图像;
对所述待测零部件图像进行图像预处理,得到预处理后的图像,其中,图像预处理具体包括:灰度转化处理、高斯滤波处理、二值化处理以及图像透视变换处理中的至少一种;
确定所述预处理后的图像中需要计算角度的两个目标区域;
通过霍夫直线检测得到每个所述目标区域中的所有直线线段;
分别对每个所述目标区域各自的所有直线线段进行线性拟合处理,得到每个所述目标区域各自的拟合直线线段;
计算出两个所述拟合直线线段之间的角度。
可选的,所述对所述待测零部件图像进行图像预处理,具体包括:
首先通过灰度转化将图像转换为灰度图像,然后通过高斯滤波去除图像的高斯噪点,最后采用阈值算法对图像进行二值化处理,得到二值化图像。
可选的,所述对所述待测零部件图像进行图像预处理,具体还包括:
对所述二值化图像进行外轮廓检测,确定出最外侧闭合轮廓并提取最外侧闭合轮廓的四个角点坐标;
根据所述角点坐标进行图像透视变换,将图像投影到零部件所在平面。
可选的,所述确定所述预处理后的图像中需要计算角度的两个目标区域,具体包括:
获取所述待测零部件图像对应的需要计算角度的两个目标区域的图像模板;
将所述图像模板与所述预处理后的图像进行匹配,确定所述预处理后的图像中的所述目标区域。
可选的,在所述通过霍夫直线检测得到每个所述目标区域中的所有直线线段之前,还包括:
对所述预处理后的图像进行线条特征突出处理。
可选的,所述对所述预处理后的图像进行线条特征突出处理,具体包括:
对所述预处理后的图像进行均值迁移滤波,在保留边缘的前提下平滑非边缘区域;
进行Sobel横线检测,提取横向线条;
采用自适应阈值算法将横向线条图像进行二值化,并进行腐蚀处理,以实现过滤噪点的同时对主要线条进行加强。
可选的,所述计算出两个所述拟合直线线段之间的角度,具体包括:
根据每个所述拟合直线线段各自的首尾坐标按照笛卡尔坐标系直线夹角计算公式,计算出两个所述拟合直线线段之间的角度。
为了实现上述目的,根据本发明的另一方面,提供了一种基于计算机视觉技术的零部件角度检测装置,该装置包括:
图像获取单元,用于获取待测零部件图像;
图像预处理单元,用于对所述待测零部件图像进行图像预处理,得到预处理后的图像,其中,图像预处理具体包括:灰度转化处理、高斯滤波处理、二值化处理以及图像透视变换处理中的至少一种;
目标区域确定单元,用于确定所述预处理后的图像中需要计算角度的两个目标区域;
霍夫直线检测单元,用于通过霍夫直线检测得到每个所述目标区域中的所有直线线段;
直线线段拟合单元,用于分别对每个所述目标区域各自的所有直线线段进行线性拟合处理,得到每个所述目标区域各自的拟合直线线段;
角度计算单元,用于计算出两个所述拟合直线线段之间的角度。
可选的,所述图像预处理单元,具体包括:
二值化处理模块,用于首先通过灰度转化将图像转换为灰度图像,然后通过高斯滤波去除图像的高斯噪点,最后采用阈值算法对图像进行二值化处理,得到二值化图像。
可选的,所述图像预处理单元,具体还包括:
外轮廓检测模块,用于对所述二值化图像进行外轮廓检测,确定出最外侧闭合轮廓并提取最外侧闭合轮廓的四个角点坐标;
图像透视变换模块,用于根据所述角点坐标进行图像透视变换,将图像投影到零部件所在平面。
可选的,所述目标区域确定单元,具体包括:
图像模板获取模块,用于获取所述待测零部件图像对应的需要计算角度的两个目标区域的图像模板;
模板匹配模块,用于将所述图像模板与所述预处理后的图像进行匹配,确定所述预处理后的图像中的所述目标区域。
可选的,所述基于计算机视觉技术的零部件角度检测装置,还包括:
线条特征突出处理单元,用于在所述霍夫直线检测单元进行霍夫直线检测之前,对所述预处理后的图像进行线条特征突出处理。
可选的,所述线条特征突出处理单元,具体包括:
均值迁移滤波处理模块,用于对所述预处理后的图像进行均值迁移滤波,在保留边缘的前提下平滑非边缘区域;
横线检测模块,用于进行Sobel横线检测,提取横向线条;
腐蚀处理模块,用于采用自适应阈值算法将横向线条图像进行二值化,并进行腐蚀处理,以实现过滤噪点的同时对主要线条进行加强。
可选的,所述角度计算单元,具体用于根据每个所述拟合直线线段各自的首尾坐标按照笛卡尔坐标系直线夹角计算公式,计算出两个所述拟合直线线段之间的角度。
为了实现上述目的,根据本发明的另一方面,还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于计算机视觉技术的零部件角度检测方法的步骤。
为了实现上述目的,根据本发明的另一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述基于计算机视觉技术的零部件角度检测方法的步骤。
为了实现上述目的,根据本发明的另一方面,还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述基于计算机视觉技术的零部件角度检测方法的步骤。
本发明的有益效果为:
本发明通过对待测零部件图像进行图像预处理,确定所述预处理后的图像中需要计算角度的两个目标区域,通过霍夫直线检测得到每个所述目标区域中的所有直线线段,分别对每个所述目标区域各自的所有直线线段进行线性拟合处理得到每个所述目标区域各自的拟合直线线段,最后计算出两个所述拟合直线线段之间的角度,由此实现了自动对待测零部件进行检测,有助于提高零部件角度检测的效率,具有较高的实用性。
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,下面描述中的附图是本发明的一些实施例,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。在附图中:
图1是本发明总体检测流程图;
图2是本发明图像角度检测算法流程图;
图3是本发明检测工作台示意图;
图4是本发明可视化检测软件界面示意图;
图5是本发明待测零部件图像示意图;
图6是本发明二值化处理示意图;
图7是本发明轮廓检测与透视变换示意图;
图8是本发明线条特征突出处理示意图;
图9是本发明目标区域模板匹配示意图;
图10是本发明霍夫直线检测示意图;
图11是本发明直线段拟合示意图;
图12是本发明角度计算结果示意图;
图13是本发明基于计算机视觉技术的零部件角度检测方法的第一流程图;
图14是本发明基于计算机视觉技术的零部件角度检测方法的第二流程图;
图15是本发明基于计算机视觉技术的零部件角度检测方法的第三流程图;
图16是本发明基于计算机视觉技术的零部件角度检测方法的第四流程图;
图17是本发明基于计算机视觉技术的零部件角度检测装置的结构框图;
图18是本发明实施例计算机设备示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。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,都应当属于本发明保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
需要说明的是,本发明的基于计算机视觉技术的零部件角度检测方法,可用于动车组列车的关键零部件检测,也可以应用于到其他零部件的检测。
本发明根据零部件待检测部位的视觉特征,提出一种基于计算机视觉技术的角度检测算法,并配套设计开发了可视化检测软件和检测工作台,构建成的检测系统实现了零部件角度自动化检测。
本发明方案主要包含三个组成部分:
一、图像角度检测算法
图像角度检测算法是本发明的核心部分,其综合运用了图像滤波、轮廓检测、透视变换、模板匹配、线性特征突出、霍夫直线检测、直线拟合、角度计算等技术,具有自动识别待测部位并计算角度值的功能。
其主要工作原理为:首先通过图像预处理技术消除图像噪点并进行二值化处理。然后进行轮廓检测和透视变换,消除待测区域透视和边缘噪点的影响。进一步通过均值迁移滤波、边缘检测、阈值与腐蚀处理,提取图像特定方向的边缘线条并强化。运用霍夫直线检测算法对边缘线条进行检测,得到整体图像在特定方向上的所有直线段。将透视变换后的待测图像与事先截取的待测区域标准图像进行模板匹配,得到待测区域的角点坐标值。通过坐标值对检测出的所有直线段进行筛选,得到待测区域内的直线段。分别对两个待测区域的直线段进行直线拟合处理,得到两条直线段的端点坐标。最后,运用笛卡尔坐标系下的夹角公式即可计算得到角度值。
二、可视化检测软件
图4是本发明可视化检测软件界面示意图,可视化检测软件的主要功能是控制工业相机获取待测图像,并应用角度检测算法对图像进行处理,计算角度值并判定零部件是否合格。该系统包括输入模块、检测模块、过程模块、结果模块四个组成部分。输入模块可以选择采用工业相机实时采集图像,或者选择既有图像输入的形式。检测模块可以选择是否存储结果图像并设定保存路径。过程模块主要用于展示原始图像、角度检测算法的关键过程图像、结果图像。结果模块用于设定标准角度限值,输出检测角度值,计算判定结果并进行可视化展示。
三、检测工作台
检测工作台的功能是提供检测的硬件平台,由工作台框架、工业计算机、工业相机、照明装置、检测工装和滑台组成。工作台框架由铝型材组成,同时具备照明、挂板、脚轮等部件,方便移动和工具的存放。工业计算机内安装可视化检测软件,同时与工业相机连接,是检测软件的硬件环境。工业相机的功能是图像采集,采用600万像素彩色工业相机,搭配远射镜头,可实时高质量采集待测部件图像并消除透视影响。照明装置采用LED白色光源,两侧布置,消除阴影影响。检测工装为针对待测部件设计的定位工装,用于将待测区域的检测平面垂直于工业相机镜头方向置于滑台上。滑台的设计便于待测件的取放操作,滑台设有通用的固定接口,可依据不同零件设计专用检测工装,增加工作台的通用性。
图13是本发明实施例基于计算机视觉技术的零部件角度检测方法的第一流程图,如图13所示,在本发明一个实施例中,本发明的基于计算机视觉技术的零部件角度检测方法包括步骤S101至步骤S106。
步骤S101,获取待测零部件图像。
步骤S102,对所述待测零部件图像进行图像预处理,得到预处理后的图像,其中,图像预处理具体包括:灰度转化处理、高斯滤波处理、二值化处理以及图像透视变换处理中的至少一种。
步骤S103,确定所述预处理后的图像中需要计算角度的两个目标区域。
在本发明一个实施例中,本发明预先针对每种零部件设置了对应的需要计算角度的目标区域的位置信息,进而本步骤可以根据图像中零部件的类型确定对应的目标区域的位置信息,进而根据位置信息确定图中的目标区域。
步骤S104,通过霍夫直线检测得到每个所述目标区域中的所有直线线段。
在本发明一个实施例中,本步骤具体可以先对所述预处理后的图像进行霍夫直线检测,得到检测到的所述预处理后的图像中的所有直线线段,然后根据所述目标区域对检测到的所述预处理后的图像中的所有直线线段进行筛选,确定每个所述目标区域中的所有直线线段。
步骤S105,分别对每个所述目标区域各自的所有直线线段进行线性拟合处理,得到每个所述目标区域各自的拟合直线线段。
步骤S106,计算出两个所述拟合直线线段之间的角度。
在本发明一个实施例中,在通过上述步骤S101至步骤S106检测到角度之后,判断检测到角度是否满足预设的角度范围,若不满足则确定零部件不合格。
在本发明一个实施例中,上述步骤S102的对所述待测零部件图像进行图像预处理,具体包括:
首先通过灰度转化将图像转换为灰度图像,然后通过高斯滤波去除图像的高斯噪点,最后采用阈值算法对图像进行二值化处理,得到二值化图像。
如图14所示,在本发明一个实施例中,上述步骤S102的对所述待测零部件图像进行图像预处理,具体还包括步骤S201和步骤S202。
步骤S201,对所述二值化图像进行外轮廓检测,确定出最外侧闭合轮廓并提取最外侧闭合轮廓的四个角点坐。
步骤S202,根据所述角点坐标进行图像透视变换,将图像投影到零部件所在平面。
如图15所示,在本发明一个实施例中,上述步骤S103的确定所述预处理后的图像中需要计算角度的两个目标区域,具体包括步骤S301和步骤S302。
步骤S301,获取所述待测零部件图像对应的需要计算角度的两个目标区域的图像模板。
在本发明一个实施例中,本发明预先针对每种零部件设置了对应的需要计算角度的目标区域的图像模板,进而本步骤可以根据图像中零部件的类型确定对应的目标区域的图像模板。
步骤S302,将所述图像模板与所述预处理后的图像进行匹配,确定所述预处理后的图像中的所述目标区域。
在本发明一个实施例中,本发明将目标区域的图像模板与所述预处理后的图像进行模板匹配,这里可以采用归一化相关系数匹配方法,将所述预处理后的图像的目标区域检测出来,并获取目标区域的位置信息,位置信息可以目标区域为左上角点坐标和长宽值(x,y,w,h)。
在本发明一个实施例中,在上述步骤S104的通过霍夫直线检测得到每个所述目标区域中的所有直线线段之前,还包括:
对所述预处理后的图像进行线条特征突出处理。
如图16所示,在本发明一个实施例中,上述步骤的对所述预处理后的图像进行线条特征突出处理,具体包括步骤S401至步骤S403。
步骤S401,对所述预处理后的图像进行均值迁移滤波,在保留边缘的前提下平滑非边缘区域。
步骤S402,进行Sobel横线检测,提取横向线条。
步骤S403,采用自适应阈值算法将横向线条图像进行二值化,并进行腐蚀处理,以实现过滤噪点的同时对主要线条进行加强。
在本发明一个实施例中,上述步骤S106的计算出两个所述拟合直线线段之间的角度,具体包括:
根据每个所述拟合直线线段各自的首尾坐标按照笛卡尔坐标系直线夹角计算公式,计算出两个所述拟合直线线段之间的角度。
本发明是一套基于计算机视觉技术的零部件角度检测系统,主要由图像角度检测算法、可视化检测软件、检测工作台三部分组成,下面结合具体实施例和附图对本发明的具体实施方法进行说明。
一、总体检测流程
如图1所示,首先准备好待测部件,然后将图3检测工作台上的照明装置和工业相机进行配置,照明装置应保证图像无阴影产生,工业相机应搭配远射镜头并置于检测工装的正上方。
下一步将滑台拉出,并把待测部件放置于专用的检测工装上进行定位。放置好后,将滑台推回至检测区,此时工件应置于工业相机镜头的正下方,且在照明条件下无阴影产生。
下一步运行工业计算机上的可视化检测软件,在输入模块选择图像的输入模式,分为相机检测和图像检测两种模式。相机检测模式即实时采集工业相机拍摄的图像,图像检测模式可读取特定路径下的待测图像。读入检测图像后,可在检测模块设置是否进行结果图像保存并调整保存路径。
下一步,根据待测部件的技术要求,设置结果模块中的角度标准值。
下一步,点击检测模块的检测按钮,软件将自动调用图像角度检测算法,对图像进行待测部位识别和角度值计算,并将结果图像与关键过程图像输出到过程模块的各选项卡中,同时将计算的角度值与标准值进行对比,如果超过标准值将显示红色不合格标识,如果小于等于标准值则显示绿色合格标识。
最后,将滑台移出检测区,取出待测部件,并根据检测结果进行分类存放。
二、图像角度检测算法
图像角度检测算法是本发明的核心部分,其具有自动识别待测部位并计算角度值的功能。本算法是在试验研究的基础上,对现有图像处理函数进行有效的组合,确定各函数的处理顺序,并完成各函数的超参数标定,以实现一种新型的角度检测算法,其实施过程如图2所示。现以动车组高度阀的关键部件传动杠杆组成为例(如图5所示需计算弹簧外座棱边1和传动杠杆棱边2的夹角),对其具体实施过程说明如下:
首先,对待测部件的图像进行预处理操作,消除图像采集过程中由于照明、工件表面状态等原因造成的噪点,为轮廓检测提供清晰规则的二值化图像。依次使用灰度转化、高斯滤波、自适应阈值三种图像处理函数。灰度转化首先将彩色图像转换为灰度图像,过滤掉彩色通道,保留灰度值通道。高斯滤波去除图像的高斯噪点,这里采用5×5的高斯卷积核进行处理。阈值算法是对图像进行二值化处理,考虑到图像的不同部位可能存在亮度差异,故采用自适应阈值函数。处理后得到的二值化图像如图6所示。
进一步,对二值化图像进行外轮廓检测,筛选出最外侧闭合轮廓(即检测工装轮廓)并提取四个角点坐标。根据检测工装的形态特征,首先提取出所有闭合轮廓,然后将轮廓按周长进行排序,选取最大周长轮廓,并以0.02倍周长作为准确度阈值进行矩形轮廓近似,提取近似矩形的四个角点坐标。
进一步,依据角点坐标进行图像透视变换,将检测工装透视投影到工件所在平面,形成感兴趣区域(即ROI),进一步消除拍摄的透视影响,如图7所示。
进一步,对图像进行线条特征突出处理。首先进行均值迁移滤波,在保留边缘的前提下平滑非边缘区域,然后进行Sobel横线检测,提取横向线条,最后进行自适应阈值将横向线条图像进行二值化,并进行腐蚀处理,过滤噪点的同时对主要线条进行加强,如图8所示。
进一步,将需要计算角度的两个区域截取图像作为模板,与待测图像进行模板匹配,这里采用归一化相关系数匹配方法,将待测图像的目标区域检测出来,并获取区域左上角点坐标和长宽值(x,y,w,h),如图9所示。
进一步,对腐蚀处理后的图像进行霍夫直线检测,检测出所有直线线段。这里,由于两个区域的边缘特征存在差异,需分别进行两次霍夫直线检测,通过控制交点参数、最小长度、最大间隔三个超参数,实现与实测值的匹配。经过试验标定,本实例两次霍夫直线检测的超参数分别为(1,15,5)与(1,3,5)。然后,对两次检测出的所有直线线段进行筛选,提取直线线段首尾坐标(xi,yi),(xj,yj),判断直线线段是否在目标区域内:
分别得到两个目标区域的所有直线线段,如图10所示。
进一步,分别对两个区域直线线段进行线性拟合处理,得到两个目标区域的拟合直线线段,如图11所示。其线段首尾坐标(x1,y1),(x2,y2)分别为:
线段1:(496,562),(572,564);
线段2:(568,633),(1058,631);
进一步,按照笛卡尔坐标系直线夹角计算公式进行角度计算:
得到角度值a=2.05°,如图12所示,经三坐标实测角度值为2.13°。
另取四组压装完成的传动杠杆组成,分别进行三坐标实测与图像角度检测,结果如下:
如上表所示,本算法的检测结果与三坐标实测值较为接近,平均相对误差4.6%,精度满足工程应用,经验证符合实际应用要求。
由以上实施例可以看出,本发明通过运用计算机视觉技术,实现了零部件角度自动检测,具有如下优势:
优势一:整套系统可高效地对部件关键部位进行角度检测,大幅提高了检测效率。
通过本发明的检测系统,操作人员仅需将待测部件按要求放置在专用的检测工装内,检测系统可自动检测部件的待测部位,计算得到角度值,同时与标准值进行对比判定,检测时间仅需1秒左右,加上上下料的时间,总时长在1分钟内。与三坐标测量、专用工装搭配角度尺测量的方法比,大大缩短了检测时长,提高检测效率。
优势二:整套系统实现了角度的自动检测,提高了检测准确性和稳定性。
本检测系统通过工装、照明、镜头的合理搭配,实现了图像采集的稳定性,算法的开发采用基于计算机视觉技术的图像算法组合搭配,并对超参数进行实测值标定,保证了硬件与算法的稳定性和准确性。与人工目视检查相比,优势明显。
优势三:整套系统拓展性强,降低了检测成本。
本检测系统可通过调整工装、照明和镜头的配置,实现各类零部件关键部位的角度检测,拓展性强,对于新增检测任务的投入较低,兼顾了准确性和效率,大大降低了检测成本。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
基于同一发明构思,本发明实施例还提供了一种基于计算机视觉技术的零部件角度检测装置,可以用于实现上述实施例所描述的基于计算机视觉技术的零部件角度检测方法,如下面的实施例所述。由于基于计算机视觉技术的零部件角度检测装置解决问题的原理与基于计算机视觉技术的零部件角度检测方法相似,因此基于计算机视觉技术的零部件角度检测装置的实施例可以参见基于计算机视觉技术的零部件角度检测方法的实施例,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图17是本发明实施例基于计算机视觉技术的零部件角度检测装置的结构框图,如图17所示,在本发明一个实施例中,本发明的基于计算机视觉技术的零部件角度检测装置包括:
图像获取单元1,用于获取待测零部件图像;
图像预处理单元2,用于对所述待测零部件图像进行图像预处理,得到预处理后的图像,其中,图像预处理具体包括:灰度转化处理、高斯滤波处理、二值化处理以及图像透视变换处理中的至少一种;
目标区域确定单元3,用于确定所述预处理后的图像中需要计算角度的两个目标区域;
霍夫直线检测单元4,用于通过霍夫直线检测得到每个所述目标区域中的所有直线线段;
直线线段拟合单元5,用于分别对每个所述目标区域各自的所有直线线段进行线性拟合处理,得到每个所述目标区域各自的拟合直线线段;
角度计算单元6,用于计算出两个所述拟合直线线段之间的角度。
在本发明一个实施例中,所述图像预处理单元2,具体包括:
二值化处理模块,用于首先通过灰度转化将图像转换为灰度图像,然后通过高斯滤波去除图像的高斯噪点,最后采用阈值算法对图像进行二值化处理,得到二值化图像。
在本发明一个实施例中,所述图像预处理单元2,具体还包括:
外轮廓检测模块,用于对所述二值化图像进行外轮廓检测,确定出最外侧闭合轮廓并提取最外侧闭合轮廓的四个角点坐标;
图像透视变换模块,用于根据所述角点坐标进行图像透视变换,将图像投影到零部件所在平面。
在本发明一个实施例中,所述目标区域确定单元3,具体包括:
图像模板获取模块,用于获取所述待测零部件图像对应的需要计算角度的两个目标区域的图像模板;
模板匹配模块,用于将所述图像模板与所述预处理后的图像进行匹配,确定所述预处理后的图像中的所述目标区域。
在本发明一个实施例中,本发明的基于计算机视觉技术的零部件角度检测装置,还包括:
线条特征突出处理单元,用于在所述霍夫直线检测单元进行霍夫直线检测之前,对所述预处理后的图像进行线条特征突出处理。
在本发明一个实施例中,所述线条特征突出处理单元,具体包括:
均值迁移滤波处理模块,用于对所述预处理后的图像进行均值迁移滤波,在保留边缘的前提下平滑非边缘区域;
横线检测模块,用于进行Sobel横线检测,提取横向线条;
腐蚀处理模块,用于采用自适应阈值算法将横向线条图像进行二值化,并进行腐蚀处理,以实现过滤噪点的同时对主要线条进行加强。
在本发明一个实施例中,所述角度计算单元6,具体用于根据每个所述拟合直线线段各自的首尾坐标按照笛卡尔坐标系直线夹角计算公式,计算出两个所述拟合直线线段之间的角度。
为了实现上述目的,根据本申请的另一方面,还提供了一种计算机设备。如图18所示,该计算机设备包括存储器、处理器、通信接口以及通信总线,在存储器上存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例方法中的步骤。
处理器可以为中央处理器(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元,如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及作品数据处理,即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器中,当被所述处理器执行时,执行上述实施例中的方法。
上述计算机设备具体细节可以对应参阅上述实施例中对应的相关描述和效果进行理解,此处不再赘述。
为了实现上述目的,根据本申请的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序在计算机处理器中执行时实现上述基于计算机视觉技术的零部件角度检测方法中的步骤。本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)、随机存储记忆体(RandomAccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
为了实现上述目的,根据本申请的另一方面,还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述基于计算机视觉技术的零部件角度检测方法的步骤。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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,均应包含在本发明的保护范围之内。
Claims (17)
1.一种基于计算机视觉技术的零部件角度检测方法,其特征在于,包括:
获取待测零部件图像;
对所述待测零部件图像进行图像预处理,得到预处理后的图像,其中,图像预处理具体包括:灰度转化处理、高斯滤波处理、二值化处理以及图像透视变换处理中的至少一种;
确定所述预处理后的图像中需要计算角度的两个目标区域;
通过霍夫直线检测得到每个所述目标区域中的所有直线线段;
分别对每个所述目标区域各自的所有直线线段进行线性拟合处理,得到每个所述目标区域各自的拟合直线线段;
计算出两个所述拟合直线线段之间的角度。
2.根据权利要求1所述的基于计算机视觉技术的零部件角度检测方法,其特征在于,所述对所述待测零部件图像进行图像预处理,具体包括:
首先通过灰度转化将图像转换为灰度图像,然后通过高斯滤波去除图像的高斯噪点,最后采用阈值算法对图像进行二值化处理,得到二值化图像。
3.根据权利要求2所述的基于计算机视觉技术的零部件角度检测方法,其特征在于,所述对所述待测零部件图像进行图像预处理,具体还包括:
对所述二值化图像进行外轮廓检测,确定出最外侧闭合轮廓并提取最外侧闭合轮廓的四个角点坐标;
根据所述角点坐标进行图像透视变换,将图像投影到零部件所在平面。
4.根据权利要求1所述的基于计算机视觉技术的零部件角度检测方法,其特征在于,所述确定所述预处理后的图像中需要计算角度的两个目标区域,具体包括:
获取所述待测零部件图像对应的需要计算角度的两个目标区域的图像模板;
将所述图像模板与所述预处理后的图像进行匹配,确定所述预处理后的图像中的所述目标区域。
5.根据权利要求1所述的基于计算机视觉技术的零部件角度检测方法,其特征在于,在所述通过霍夫直线检测得到每个所述目标区域中的所有直线线段之前,还包括:
对所述预处理后的图像进行线条特征突出处理。
6.根据权利要求5所述的基于计算机视觉技术的零部件角度检测方法,其特征在于,所述对所述预处理后的图像进行线条特征突出处理,具体包括:
对所述预处理后的图像进行均值迁移滤波,在保留边缘的前提下平滑非边缘区域;
进行Sobel横线检测,提取横向线条;
采用自适应阈值算法将横向线条图像进行二值化,并进行腐蚀处理,以实现过滤噪点的同时对主要线条进行加强。
7.根据权利要求1所述的基于计算机视觉技术的零部件角度检测方法,其特征在于,所述计算出两个所述拟合直线线段之间的角度,具体包括:
根据每个所述拟合直线线段各自的首尾坐标按照笛卡尔坐标系直线夹角计算公式,计算出两个所述拟合直线线段之间的角度。
8.一种基于计算机视觉技术的零部件角度检测装置,其特征在于,包括:
图像获取单元,用于获取待测零部件图像;
图像预处理单元,用于对所述待测零部件图像进行图像预处理,得到预处理后的图像,其中,图像预处理具体包括:灰度转化处理、高斯滤波处理、二值化处理以及图像透视变换处理中的至少一种;
目标区域确定单元,用于确定所述预处理后的图像中需要计算角度的两个目标区域;
霍夫直线检测单元,用于通过霍夫直线检测得到每个所述目标区域中的所有直线线段;
直线线段拟合单元,用于分别对每个所述目标区域各自的所有直线线段进行线性拟合处理,得到每个所述目标区域各自的拟合直线线段;
角度计算单元,用于计算出两个所述拟合直线线段之间的角度。
9.根据权利要求8所述的基于计算机视觉技术的零部件角度检测装置,其特征在于,所述图像预处理单元,具体包括:
二值化处理模块,用于首先通过灰度转化将图像转换为灰度图像,然后通过高斯滤波去除图像的高斯噪点,最后采用阈值算法对图像进行二值化处理,得到二值化图像。
10.根据权利要求9所述的基于计算机视觉技术的零部件角度检测装置,其特征在于,所述图像预处理单元,具体还包括:
外轮廓检测模块,用于对所述二值化图像进行外轮廓检测,确定出最外侧闭合轮廓并提取最外侧闭合轮廓的四个角点坐标;
图像透视变换模块,用于根据所述角点坐标进行图像透视变换,将图像投影到零部件所在平面。
11.根据权利要求8所述的基于计算机视觉技术的零部件角度检测装置,其特征在于,所述目标区域确定单元,具体包括:
图像模板获取模块,用于获取所述待测零部件图像对应的需要计算角度的两个目标区域的图像模板;
模板匹配模块,用于将所述图像模板与所述预处理后的图像进行匹配,确定所述预处理后的图像中的所述目标区域。
12.根据权利要求8所述的基于计算机视觉技术的零部件角度检测装置,其特征在于,还包括:
线条特征突出处理单元,用于在所述霍夫直线检测单元进行霍夫直线检测之前,对所述预处理后的图像进行线条特征突出处理。
13.根据权利要求12所述的基于计算机视觉技术的零部件角度检测装置,其特征在于,所述线条特征突出处理单元,具体包括:
均值迁移滤波处理模块,用于对所述预处理后的图像进行均值迁移滤波,在保留边缘的前提下平滑非边缘区域;
横线检测模块,用于进行Sobel横线检测,提取横向线条;
腐蚀处理模块,用于采用自适应阈值算法将横向线条图像进行二值化,并进行腐蚀处理,以实现过滤噪点的同时对主要线条进行加强。
14.根据权利要求8所述的基于计算机视觉技术的零部件角度检测装置,其特征在于,所述角度计算单元,具体用于根据每个所述拟合直线线段各自的首尾坐标按照笛卡尔坐标系直线夹角计算公式,计算出两个所述拟合直线线段之间的角度。
15.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述方法的步骤。
16.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至7任意一项所述方法的步骤。
17.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211359189.4A CN115761257A (zh) | 2022-11-02 | 2022-11-02 | 基于计算机视觉技术的零部件角度检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211359189.4A CN115761257A (zh) | 2022-11-02 | 2022-11-02 | 基于计算机视觉技术的零部件角度检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115761257A true CN115761257A (zh) | 2023-03-07 |
Family
ID=85355118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211359189.4A Pending CN115761257A (zh) | 2022-11-02 | 2022-11-02 | 基于计算机视觉技术的零部件角度检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115761257A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116817772A (zh) * | 2023-08-31 | 2023-09-29 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
-
2022
- 2022-11-02 CN CN202211359189.4A patent/CN115761257A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116817772A (zh) * | 2023-08-31 | 2023-09-29 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
CN116817772B (zh) * | 2023-08-31 | 2023-12-15 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN111310558B (zh) | 一种基于深度学习和图像处理法的路面病害智能提取方法 | |
CN109613002B (zh) | 一种玻璃缺陷检测方法、装置和存储介质 | |
CN111325713A (zh) | 基于神经网络的木材缺陷检测方法、系统及存储介质 | |
CN109671058B (zh) | 一种大分辨率图像的缺陷检测方法及系统 | |
CN115222733B (zh) | 基于图像识别的金属构件表面缺陷检测方法 | |
CN115082464A (zh) | 除尘机焊接过程中焊缝数据的识别方法及系统 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
CN111982916A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法及系统 | |
CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
CN110706224B (zh) | 基于暗场图像的光学元件弱划痕检测方法、系统和装置 | |
CN112381791A (zh) | 一种基于3d点云的螺栓松动检测方法 | |
CN112801972A (zh) | 一种桥梁缺陷检测方法、设备、系统及存储介质 | |
CN114945938A (zh) | 缺陷实际面积的检测方法、显示面板的检测方法及装置 | |
CN111738931B (zh) | 光伏阵列无人机航拍图像的阴影去除算法 | |
CN108229473A (zh) | 车辆年检标签检测方法及装置 | |
CN115761257A (zh) | 基于计算机视觉技术的零部件角度检测方法及装置 | |
CN113971669A (zh) | 应用于管道损伤识别的三维检测系统 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN116258838B (zh) | 一种用于管片模具合模系统的智能视觉引导方法 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
CN115797314B (zh) | 零件表面缺陷检测方法、系统、设备及存储介质 | |
CN112132773A (zh) | 飞机头部机盖铆点缺陷检测方法、装置、设备和存储介质 |
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 |