CN115797268B - 一种预制体视觉检测装置及方法 - Google Patents

一种预制体视觉检测装置及方法 Download PDF

Info

Publication number
CN115797268B
CN115797268B CN202211424765.9A CN202211424765A CN115797268B CN 115797268 B CN115797268 B CN 115797268B CN 202211424765 A CN202211424765 A CN 202211424765A CN 115797268 B CN115797268 B CN 115797268B
Authority
CN
China
Prior art keywords
preform
coordinate system
image
search
point
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
CN202211424765.9A
Other languages
English (en)
Other versions
CN115797268A (zh
Inventor
张有信
韩飞
李超
张立泉
王克
王汇博
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.)
Nanjing Fiberglass Research and Design Institute Co Ltd
China National Building Material Group Co Ltd CNBM
Original Assignee
Nanjing Fiberglass Research and Design Institute Co Ltd
China National Building Material Group Co Ltd CNBM
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 Nanjing Fiberglass Research and Design Institute Co Ltd, China National Building Material Group Co Ltd CNBM filed Critical Nanjing Fiberglass Research and Design Institute Co Ltd
Priority to CN202211424765.9A priority Critical patent/CN115797268B/zh
Publication of CN115797268A publication Critical patent/CN115797268A/zh
Application granted granted Critical
Publication of CN115797268B publication Critical patent/CN115797268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种预制体视觉检测装置及方法,所述方法包括:获取若干幅编织预制体局部图像;对采集的图像进行拼接,获得整幅预制体图像;根据位置几何特征参数匹配定位模板,识别图像特征点;建立相机坐标系以及纤维预制体坐标系,在纤维预制体坐标系下建立示迹线的搜索区域,并将示迹线的搜索区域通过仿射变换转换到相机坐标系下;根据模板示迹线位置,设置搜索卡尺,分别搜索全域预制体纱线信息;对预制体纱线信息进行处理,实现预制体尺寸及示迹线距离检测、经纱及纬纱数量检测及经向及纬向纱线密度检测。本发明可实现编织预制体图像自动采集及视觉检测,有效解决高性能复合材料预制体人工检测精度低、检测方法落后及检测效率低等问题。

Description

一种预制体视觉检测装置及方法
技术领域
本发明属于编织复合材料预制体视觉检测技术领域,具体涉及一种预制体视觉检测装置及方法。
背景技术
三维编织复合材料是三维编织技术和现代复合材料技术相结合的产物,三维编织复合材料预制体为其增强体结构。在预制体中,纱线和纤维束按不同的取向相互交织在一起,形成一个不分层的整体结构。由三维编织复合材料预制体增强生成的三维编织复合材料以其高比刚度、高比强度以及优良的抗冲击,抗分层性能被广泛应用于航空航天领域之中。
三维编织复合材料的性能取决于其预制体的结构参数。为了生成满足需求的编织复合材料,首先需对编织预制体的参数进行测量和控制。因此,编织预制体表面的纱线密度参数至关重要。然而,目前对于编织预制体表面纱线密度仍采用人工检测距离、点数纱线数量计算而得,该检测手段存在效率低、检测精度差、容易受主观因素影响等问题。
发明内容
为了解决现有技术中的上述技术缺陷,本发明提出了一种预制体视觉检测装置。
实现本发明目的的技术方案为:一种预制体视觉检测装置,包括光源装置、图像采集模块、第一移动机构、视觉检测控制系统、第二移动机构、视觉检测系统平台;
所述图像采集模块、光源装置设置在第一移动机构上,所述图像采集模块用于采集待检测编织预制体图像,所述光源装置用于照亮待检测编织预制体,所述第一移动机构在视觉检测控制系统的控制下沿相反的第一方向、第二方向移动;
所述第二移动机构置于视觉检测平台上,用于放置待检测编织预制体,且所述第二移动机构在视觉检测控制系统的控制下能在视觉检测平台上沿相反的第三方向、第四方向移动,以使图像采集模块能够采集到多幅待检测编织预制体图像;
所述视觉检测系统平台与图像采集模块连接,用于控制图像采集模块进行图像采集并对采集的图像进行拼接还原出整幅待检测编织预制体图像并根据还原后的待检测编织预制体图像确定待检测编织预制体尺寸及示迹线距离、经纱及纬纱数量及经纱及纬纱密度。
优选地,所述图像采集模块采用线扫相机。
优选地,所述视觉检测系统平台对采集的图像进行拼接还原出整幅待检测编织预制体图像并根据还原后的待检测编织预制体图像确定待检测编织预制体尺寸及示迹线距离、经纱及纬纱数量及经纱及纬纱密度的具体方法为:
步骤1:对采集的图像进行拼接,获得整幅预制体图像;
步骤2:根据位置几何特征参数匹配定位模板,识别图像特征点;
步骤3:建立相机坐标系,通过搜索纤维预制体中图像特征点建立纤维预制体坐标系,在纤维预制体坐标系下建立示迹线的搜索区域,并将示迹线的搜索区域通过仿射变换转换到相机坐标系下;
步骤4:根据模板示迹线位置,设置搜索卡尺,分别搜索全域预制体纱线信息;
步骤5:对预制体纱线信息进行处理,实现预制体尺寸及示迹线距离检测、经纱及纬纱数量检测及经向及纬向纱线密度检测。
优选地,根据位置几何特征参数匹配定位模板的具体方法为:
根据边缘点位置差异性相似性、相位差异相似性和图像特征点边缘的显著性系数建立综合相似性度量,根据综合相似性度量值判断模板是否匹配,其中,综合相似性度量的计算公式为:
P(ak,bl)=Ploc(ak,bl)·Ppha(ak,bl)·ηbl
式中,ak为模板预制体图像明显特征边缘,bl为匹配预制体图像明显特征边缘,Ploc(ak,bl)为利用位置差异性得到ak与bl相似性,Ppha(ak,bl)为利用边缘梯度相位差异得到ak和bl相似性,ηbl为图像特征点边缘的显著性系数。
优选地,图像特征点边缘的显著性系数的确定方法为:
式中:ta为切线方向;gr为梯度幅值;dir为梯度方向;con为边缘两侧的灰度对比度差异;res为领域野点抑制值;l为边缘线;w1、w2、w3、w4分别为各特征分量对应权重因子,w1+w2+w3+w4=1;σ1、σ2、σ3、σ4分别对应控制显著性值随各分量变化快慢的量;τ1、τ2、τ3、τ4分别为各分量的归一化系数。
优选地,相机坐标系与纤维预制体坐标系的转换关系为
式中:(XTP,YTP)为图像特征点在相机坐标系下的位置;(XSP,YSP)为图像特征点在碳纤维预制体坐标系下位置;θx、θy分别为碳纤维预制体坐标系与相机坐标系在x和y方向的夹角;(XT0,YT0)为碳纤维预制体坐标系与相机坐标系的偏移量。
优选地,根据匹配模板示迹线位置,设置预制体图像搜索卡尺,搜索全域预制体纱线信息的具体方法为:
依据搜索区域的宽度、搜索起点、搜索长度和单个卡尺的搜索宽度建立搜索卡尺;
在预制体纱线搜索区域建立多个搜索卡尺,在搜索卡尺的搜索方向,确定搜索长度和宽度区域图像在投影图像的平均像数值并计算投影图像对比度将对比度大于阈值搜索卡尺边界为在预制体纱线获得的边界,即纱线位置。
优选地,投影数据对比度为
C=∑δ(i,j)2Pδ(i,j)
式中:δ(i,j)=|i-j|为相邻像素i,j间灰度差;Pδ(i,j)为相邻像素间i,j间的灰度差为δ的像素分布概率。
优选地,对预制体纱线信息进行处理,实现预制体尺寸及示迹线距离检测、经纱及纬纱数量检测及经向及纬向纱线密度检测,具体方法为:
依据步骤4确定的纱线的位置,计算经线和纬线的交点,通过点与点距离计算预制体尺寸及示迹线距离;
在碳纤维预制体坐标系下建立经纬密区域,利用搜索卡尺及对比度以及边界统计经纱及纬纱数量,获取经纱和纬纱起点和终点距离,依据距离与数量比值计算经纱和纬纱的密度。
本发明还提出了一种预制体视觉检测方法,具体步骤为:
获取若干幅编织预制体局部图像;
对采集的图像进行拼接,获得整幅预制体图像;
根据位置几何特征参数匹配定位模板,识别图像特征点;
建立相机坐标系,通过搜索纤维预制体中图像特征点建立纤维预制体坐标系,在纤维预制体坐标系下建立示迹线的搜索区域,并将示迹线的搜索区域通过仿射变换转换到相机坐标系下;
根据模板示迹线位置,设置搜索卡尺,分别搜索全域预制体纱线信息;
对预制体纱线信息进行处理,实现预制体尺寸及示迹线距离检测、经纱及纬纱数量检测及经向及纬向纱线密度检测。
本发明与现有技术相比,其显著优点为:本发明采用线扫相机移动取像及高精度图像拼接技术,较传统面阵相机取像,预制体边缘及变厚度区域关键信息失真度较小,使后期算法检测示迹线距离更为精确;本发明创新使用局部特征搜索框搜索关键区域信息,有效减少了视觉检测时间,针对检测示迹线距离提高了检测效率;本发明与传统人工检测相比,缩短了90%以上的检测时间,且检测的稳定性、准确性更高。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明的装置示意图。
图2为坐标变化示意图。
图3为切线两侧灰度对比度示意图。
图4为野点抑制距离加权函数示意图。
图5为搜索卡尺示意图。
图6为投影阈值分割原理图。
图7为边界搜索示例。
具体实施方式
容易理解,依据本发明的技术方案,在不变更本发明的实质精神的情况下,本领域的一般技术人员可以想象出本发明的多种实施方式。因此,以下具体实施方式和附图仅是对本发明的技术方案的示例性说明,而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。相反,提供这些实施例的目的是为了使本领域的技术人员更透彻地理解本发明。下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的创新构思。
本发明构思为,一种预制体视觉检测装置,包括光源装置2、图像采集模块、第一移动机构、视觉检测控制系统、第二移动机构、视觉检测系统平台;
所述图像采集模块、光源装置设置在第一移动机构上,所述图像采集模块用于采集待检测编织预制体图像,所述光源装置用于照亮待检测编织预制体,所述第一移动机构在视觉检测控制系统的控制下沿相反的第一方向、第二方向移动;
所述第二移动机构置于视觉检测平台上,用于放置待检测编织预制体,且所述第二移动机构在视觉检测控制系统的控制下能在视觉检测平台上沿相反的第三方向、第四方向移动,以使图像采集模块能够采集到多幅待检测编织预制体图像;
所述视觉检测系统平台与图像采集模块连接,用于控制图像采集模块进行图像采集并对采集的图像进行拼接还原出整幅待检测编织预制体图像并根据还原后的待检测编织预制体图像确定待检测编织预制体尺寸及示迹线距离、经纱及纬纱数量及经纱及纬纱密度。
在某些实施例中,所述第一移动机构为线扫相机移动装置5,所述第二移动机构为编织预制体移动装置7。
在某些实施例中,所述图像采集模块采用线扫相机。
编织预制体1置于编织预制体移动装置7上,所述光源装置2置于编织预制体1与线扫相机镜头3之间并安装于线扫相机移动装置5上,所述线扫相机4安装于线扫相机移动装置5上,所述视觉检测控制系统6安装于视觉检测平台8上,以便采集图像处理及控制操作,所述视觉检测平台8用于本发明装置主体承载。视觉检测控制系统控制线扫相机完成预制体表面取像动作,完成图像采集,并对图像进行处理输出检测结果。
具体地,编织预制体1的种类范围包括三维编织、三维机织、2.5D、3D、针刺、穿刺。
具体地,所述光源装置2为线扫相机4配套适用光源,其光源覆盖范围、光源强度及光源模式均可调整。
具体地,所述线扫相机4与线扫相机镜头3为连接组合状态,其取像视觉及焦距均根据检测需求配置区别的线扫相机镜头。
具体地,所述视觉检测控制系统6用于编织预制体1视觉图像定位智能识别,预制体图像特征信息采集处理,控制系统联动一体化操作。
具体地,所述视觉检测控制系统6硬件包括笔记本电脑、台式电脑及工业控制PLC。
具体地,线扫相机及镜头根据编织预制体1工艺信息可设置1组、2组或3组,并选择适合视觉检测的线扫相机及镜头型号。
具体地,所述编织预制体1整体厚度在检测区域内可变化,预制体纱线组成成份可为碳纤维、玻璃纤维、聚酰亚胺纤维。
在某些实施例中,视觉检测系统平台对采集的图像进行拼接还原出整幅待检测编织预制体图像并根据还原后的待检测编织预制体图像确定待检测编织预制体尺寸及示迹线距离、经纱及纬纱数量及经纱及纬纱密度的具体方法为:
步骤1:对采集的图像进行拼接,获得整幅预制体图像;
步骤2:根据典型位置几何特征参数匹配定位模板,识别图像特征点的具体方法为:
采集纤维预制体图像,选取预制体图像明显特征区域,计算区域几何特征参数,建立模板预制体图像并存储。
当检测纤维预制体工作时,计算整幅预制体图像明显特征的几何参数,计算预制体图像明显特征的几何参数与模板预制体图像明显特征的几何参数的相似性系数,依据阈值判定是否匹配。
采用几何特征参数进行模板匹配相关系数的计算,几何边缘参数满足下列条件边缘点认为是显著的:1)梯度幅度较大;2)梯度方向与切线方向垂直;3)两侧灰度对比度较大;4)领域内野点较少;5)所在边缘长度较长,定义匹配图像特征点边缘的显著性系数,如下式所示。
式中:ta为切线方向;gr为梯度幅值;dir为梯度方向;con为边缘两侧的灰度对比度差异;res为边缘像素点领域野店抑制值;l为边缘线;w1、w2、w3、w4分别为各特征分量对应权重因子,w1+w2+w3+w4=1;σ1、σ2、σ3、σ4分别对应控制显著性值随各分量变化快慢的量;τ1、τ2、τ3、τ4分别为各分量的归一化系数。
显著性系数中参数计算如下:
(1)切线方向
由于噪声的影响,预制体图像明显特征边缘位置发生改变,利用两点计算斜率波动较大,采用边缘点两侧的多点进行直线拟合可以有效提高斜率的准确度。以(xi,yi)点为基准及两侧各两个边缘点,坐标集合为{(xi-2,yi-2),…,(xi+2,yi+2)}。对这五对坐标点进行直线拟合,得直线斜率为sl,反求切线方向ta为
ta=arctan(sl) (1)
(2)梯度幅度和方向
预制体图像明显特征目标尺度大于10×10像素,采用二维高斯函数的偏导数构造滤波器计算梯度,构造高斯滤波器为
取定σ后得到x方向梯度幅值检测算子为gx,y方向检测算子gy=g′x。将匹配冲孔点图像f与梯度幅值检测算子进行卷积,得到x和y方向梯度幅值fx和fy
式中:采用Canny获得匹配预制体图像明显特征边缘图像f的边缘。
每个像素点(i,j)梯度幅值G(i,j)和梯度方向θ(i,j)为
(3)两侧灰度对比度
两侧灰度对比度如图5所示,E为通过像素点o的边缘,Tl为曲线E在点o处的切线,TlE为曲线E在点o处法线。在点o处以Tl分界分别做3×5大小的矩形区域A和B。统计区域A和B的灰度值,比较像素点o两侧的灰度对比度差异为
式中:mean为区域灰度均值,q(i,j)为(i,j)处灰度值。
(4)领域野点抑制值
预制体图像明显特征边缘之外与其不相连的点称为野点,把野点对该点显著性抑制作用称为领域野点抑制。为描述领域野点抑制环境,构造一个中心环境高斯差分函数来实现抑制值的距离加权,野点抑制距离加权函数如图6所示,野点抑制距离加权函数为
式中:σ1和σ2为两个高斯函数标准均方差,分别决定外周和中心面积。对距离加权值进行归一化处理,得到领域野点抑制距离加权函数Wd(x,y)为
式中:||·||为边缘E范数;函数N(·)保证加权作用在一定范围内的抑制区域为
边缘像素点(xi,yi)领域野点抑制值为:
res=f(xi,yi)*Wd(xi,yi) (9)
式中:*表示卷积操作;f(xi,yi)为除去点(xi,yi)所在边缘剩下的边缘图像。
结合边缘点位置差异性相似性、相位差异相似性和显著性建立综合相似性度量,综合相似性度量如下式所示。
P(ak,bl)=Ploc(ak,bl)·Ppha(ak,bl)·ηbl
式中,ak为模板预制体图像明显特征边缘,bl为匹配预制体图像明显特征边缘,Ploc(ak,bl)为利用位置差异性得到ak与bl相似性,Ppha(ak,bl)为利用边缘梯度相位差异得到ak和bl相似性。
步骤3:建立相机坐标系,通过搜索纤维预制体中图像特征点建立纤维预制体坐标系,在纤维预制体坐标系下建立示迹线的搜索区域,并将示迹线的搜索区域通过仿射变换转换到相机坐标系下,原理如图2所示。
上述的坐标变化利用了不移动点移动坐标系的策略,将坐标系向相反方向移动了相应的距离。上图2中可以看到,整个在对P点进行仿射变换的过程中,P点的位置并没有移动,而是通过不断的坐标系的调整来间接达到P点移动的效果。通过相机标定后,相机坐标系坐标原点相对于纤维预制体承载平台相对固定,标志点P坐标相对于纤维预制体的位置固定,不随着纤维预制体的摆放姿态发生变化。转换公式如下所示。
式中:(XTP,YTP)为图像特征点在相机坐标系下的位置;(XSP,YSP)为图像特征点在碳纤维预制体坐标系下位置;θx、θy分别为碳纤维预制体坐标系与相机坐标系在x和y方向的夹角;(XT0,YT0)为碳纤维预制体坐标系与相机坐标系的偏移量。
步骤4:根据匹配模板示迹线位置,设置预制体图像搜索卡尺,分别搜索全域预制体纱线信息,具体方法为:
依据搜索区域的宽度、搜索起点、搜索长度和单个卡尺的搜索宽度为主要参数建立搜索工具。
在预制体纱线建立多个搜索卡尺(个数=依据搜索总宽度/单个搜索卡尺宽度),在搜索卡尺的搜索方向,计算搜索长度和宽度区域图像在投影图像的平均像数值,通过对比度阈值选择对比度较大的搜索卡尺边界为在预制体纱线获得的边界。投影数据对比度为
C=∑δ(i,j)2Pδ(i,j)
式中:δ(i,j)=|i-j|为相邻像素间灰度差;Pδ(i,j)为相邻像素间的灰度差为δ的像素分布概率。
步骤5:对预制体纱线信息进行处理,实现预制体尺寸及示迹线距离检测、经纱及纬纱数量检测及经向及纬向纱线密度检测,具体方法为:
依据步骤4确定了纱线的位置,计算经线和纬线的交点,通过点与点距离计算预制体尺寸及示迹线距离。
在碳纤维预制体坐标系下建立经纬密区域,依据边界统计经纱及纬纱数量,采用步骤4的方法获取经纱和纬纱起点和终点距离,依据距离与数量比值计算经纱和纬纱的密度。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
应当理解,为了精简本发明并帮助本领域的技术人员理解本发明的各个方面,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时在单个实施例中进行描述,或者参照单个图进行描述。但是,不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。
应当理解,可以对本发明的一个实施例的设备中包括的模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备中。可以把实施例的设备包括的不同模块、单元或组件组合成一个模块、单元或组件,也可以把它们分成多个子模块、子单元或子组件。

Claims (5)

1.一种预制体视觉检测装置,其特征在于,包括光源装置、图像采集模块、第一移动机构、视觉检测控制系统、第二移动机构、视觉检测平台;
所述图像采集模块、光源装置设置在第一移动机构上,所述图像采集模块用于采集待检测编织预制体图像,所述光源装置用于照亮待检测编织预制体,所述第一移动机构在视觉检测控制系统的控制下沿相反的第一方向、第二方向移动;
所述第二移动机构置于视觉检测平台上,用于放置待检测编织预制体,且所述第二移动机构在视觉检测控制系统的控制下能在视觉检测平台上沿相反的第三方向、第四方向移动,以使图像采集模块能够采集到多幅待检测编织预制体图像;
所述视觉检测平台与图像采集模块连接,用于控制图像采集模块进行图像采集并对采集的图像进行拼接还原出整幅待检测编织预制体图像并根据还原后的待检测编织预制体图像确定待检测编织预制体尺寸及示迹线距离、经纱及纬纱数量及经纱及纬纱密度,具体方法为:
步骤1:对采集的图像进行拼接,获得整幅预制体图像;
步骤2:根据位置几何特征参数匹配定位模板,识别图像特征点,具体方法为:
根据边缘点位置差异性相似性、相位差异相似性和图像特征点边缘的显著性系数建立综合相似性度量,根据综合相似性度量值判断模板是否匹配,其中,综合相似性度量的计算公式为:
P(ak,bl)=Ploc(ak,bl)·Ppha(ak,bl)·ηbl
式中,ak为模板预制体图像明显特征边缘,bl为匹配预制体图像明显特征边缘,Ploc(ak,bl)为利用位置差异性得到ak与bl相似性,Ppha(ak,bl)为利用边缘梯度相位差异得到ak和bl相似性,ηbl为图像特征点边缘的显著性系数;
图像特征点边缘的显著性系数的确定方法为:
式中:ta为切线方向;gr为梯度幅值;dir为梯度方向;con为边缘两侧的灰度对比度差异;res为邻域野点抑制值;l为边缘线;w1、w2、w3、w4分别为各特征分量对应权重因子,w1+w2+w3+w4=1;σ1、σ2、σ3、σ4分别对应控制显著性值随各分量变化快慢的量;τ1、τ2、τ3、τ4分别为各分量的归一化系数;
步骤3:建立相机坐标系,通过搜索纤维预制体中图像特征点建立纤维预制体坐标系,在纤维预制体坐标系下建立示迹线的搜索区域,并将示迹线的搜索区域通过仿射变换转换到相机坐标系下;
步骤4:根据模板示迹线位置,设置搜索卡尺,分别搜索全域预制体纱线信息,具体方法为:
依据搜索区域的宽度、搜索起点、搜索长度和单个卡尺的搜索宽度建立搜索卡尺;
在预制体纱线搜索区域建立多个搜索卡尺,在搜索卡尺的搜索方向,确定搜索长度和宽度区域图像在投影图像的平均像数值并计算投影图像对比度,将对比度大于阈值的搜索卡尺边界作为在预制体纱线获得的边界,即纱线位置;
步骤5:对预制体纱线信息进行处理,实现预制体尺寸及示迹线距离检测、经纱及纬纱数量检测及经纱及纬纱密度检测,具体方法为:
依据步骤4确定的纱线的位置,计算经线和纬线的交点,通过点与点距离计算预制体尺寸及示迹线距离;
在碳纤维预制体坐标系下建立经纬纱区域,利用搜索卡尺及对比度以及边界统计经纱及纬纱数量,获取经纱和纬纱起点和终点距离,依据距离与数量比值计算经纱和纬纱的密度。
2.根据权利要求1所述的预制体视觉检测装置,其特征在于,所述图像采集模块采用线扫相机。
3.根据权利要求1所述的预制体视觉检测装置,其特征在于,相机坐标系与纤维预制体坐标系的转换关系为
式中:(XTP,YTP)为图像特征点在相机坐标系下的位置;(XSP,YSP)为图像特征点在碳纤维预制体坐标系下位置;θx、θy分别为碳纤维预制体坐标系与相机坐标系在x和y方向的夹角;(XT0,YT0)为碳纤维预制体坐标系与相机坐标系的偏移量。
4.根据权利要求1所述的预制体视觉检测装置,其特征在于,投影图像对比度为:
C=∑δ(i,j)2Pδ(i,j)
式中:δ(i,j)=|i-j|为相邻像素i,j间灰度差;Pδ(i,j)为相邻像素i,j间的灰度差为δ的像素分布概率。
5.一种预制体视觉检测方法,其特征在于,具体步骤为:
获取若干幅编织预制体局部图像;
对采集的图像进行拼接,获得整幅预制体图像;
根据位置几何特征参数匹配定位模板,识别图像特征点;
建立相机坐标系,通过搜索纤维预制体中图像特征点建立纤维预制体坐标系,在纤维预制体坐标系下建立示迹线的搜索区域,并将示迹线的搜索区域通过仿射变换转换到相机坐标系下;
根据模板示迹线位置,设置搜索卡尺,分别搜索全域预制体纱线信息;
对预制体纱线信息进行处理,实现预制体尺寸及示迹线距离检测、经纱及纬纱数量检测及经纱及纬纱密度检测,具体方法为:
依据确定的纱线的位置,计算经线和纬线的交点,通过点与点距离计算预制体尺寸及示迹线距离;
在碳纤维预制体坐标系下建立经纬纱区域,利用搜索卡尺及对比度以及边界统计经纱及纬纱数量,获取经纱和纬纱起点和终点距离,依据距离与数量比值计算经纱和纬纱的密度。
CN202211424765.9A 2022-11-14 2022-11-14 一种预制体视觉检测装置及方法 Active CN115797268B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211424765.9A CN115797268B (zh) 2022-11-14 2022-11-14 一种预制体视觉检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211424765.9A CN115797268B (zh) 2022-11-14 2022-11-14 一种预制体视觉检测装置及方法

Publications (2)

Publication Number Publication Date
CN115797268A CN115797268A (zh) 2023-03-14
CN115797268B true CN115797268B (zh) 2023-10-13

Family

ID=85437614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211424765.9A Active CN115797268B (zh) 2022-11-14 2022-11-14 一种预制体视觉检测装置及方法

Country Status (1)

Country Link
CN (1) CN115797268B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348429A (zh) * 2019-08-02 2019-10-18 南京航空航天大学 一种平纹编织结构经纱与纬纱识别方法
CN111709992A (zh) * 2020-06-12 2020-09-25 南京航空航天大学 一种用于编织陶瓷基复合材料经纬纱交叉处定位方法
CN114994133A (zh) * 2022-05-25 2022-09-02 南京航空航天大学 基于碳基纳米传感器的复合材料预制体健康监测方法及系统
CN115017707A (zh) * 2022-06-08 2022-09-06 南京航空航天大学 一种基于像素法的2.5维编织复合材料建模方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3070402B1 (fr) * 2017-08-30 2020-08-28 Safran Aircraft Engines Texture fibreuse tissee pour la formation d'une preforme de carter
CN113912405A (zh) * 2020-07-09 2022-01-11 南京航空航天大学 一种混编纤维预制体增强的复合材料及其制备方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110348429A (zh) * 2019-08-02 2019-10-18 南京航空航天大学 一种平纹编织结构经纱与纬纱识别方法
CN111709992A (zh) * 2020-06-12 2020-09-25 南京航空航天大学 一种用于编织陶瓷基复合材料经纬纱交叉处定位方法
CN114994133A (zh) * 2022-05-25 2022-09-02 南京航空航天大学 基于碳基纳米传感器的复合材料预制体健康监测方法及系统
CN115017707A (zh) * 2022-06-08 2022-09-06 南京航空航天大学 一种基于像素法的2.5维编织复合材料建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Automated methods for the quantification of 3D woven architectures;Amanda J. Levinson.et.;《Materials Characterization 》;第124卷;第241-249页 *
三维针刺复合材料参数化建模及力学性能仿真;陈国耀等;《复合材料学报》;第39卷(第9期);第4459-4470页 *

Also Published As

Publication number Publication date
CN115797268A (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
CN102854191B (zh) 高速铁轨表面缺陷的实时视觉检测与识别方法
Çelik et al. Development of a machine vision system: real-time fabric defect detection and classification with neural networks
CN100483116C (zh) 带材表面三维缺陷的检测方法
CN105865344A (zh) 一种基于机器视觉的工件尺寸测量方法和装置
CN111126174A (zh) 一种用于机器人抓取零件的视觉检测方法
CN105913415A (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
CN115482195B (zh) 一种基于三维点云的列车部件变形检测方法
CN104112269A (zh) 一种基于机器视觉的太阳能电池激光刻线参数检测方法及系统
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
CN111860501B (zh) 基于形状匹配的高铁高度调整杆脱出故障图像识别方法
CN115496746A (zh) 基于图像和点云数据融合的板材表面缺陷检测方法和系统
CN111640154B (zh) 一种基于显微视觉的立针微平面亚像素级定位方法
Duan et al. High precision edge detection algorithm for mechanical parts
WO2021064893A1 (ja) ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム
CN100492396C (zh) 一种面向摄像整纬器的织物纹理图像识别方法
CN110728269B (zh) 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法
CN115797268B (zh) 一种预制体视觉检测装置及方法
CN113705564A (zh) 一种指针式仪表识别读数方法
US11961221B2 (en) Defect examination on a semiconductor specimen
Liu et al. A coarse-to-fine detection method of pantograph-catenary contact points using DCNNs
Iacono et al. Computational imaging for drill bit wear estimation
Zou et al. Laser-based precise measurement of tailor welded blanks: a case study
Shao et al. High-Speed and Accurate Method for the Gear Surface Integrity Detection Based on Visual Imaging
CN113222880A (zh) 分析检测方法
Elanangai et al. Defect detection and recognition of SS plate using deep autoencoder neural network

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