CN116309606A - 一种基于机器视觉的钢筋弯曲角度校准方法及系统 - Google Patents
一种基于机器视觉的钢筋弯曲角度校准方法及系统 Download PDFInfo
- Publication number
- CN116309606A CN116309606A CN202310593703.9A CN202310593703A CN116309606A CN 116309606 A CN116309606 A CN 116309606A CN 202310593703 A CN202310593703 A CN 202310593703A CN 116309606 A CN116309606 A CN 116309606A
- Authority
- CN
- China
- Prior art keywords
- angle
- image
- steel bar
- machine vision
- region
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 73
- 239000010959 steel Substances 0.000 title claims abstract description 73
- 238000005452 bending Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 229910001294 Reinforcing steel Inorganic materials 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 21
- 230000000877 morphologic effect Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 2
- 241000764238 Isis Species 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 11
- 230000003014 reinforcing effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004382 visual function Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的钢筋弯曲角度校准方法及系统，具体涉及机器视觉技术领域，包括以下步骤：S1、图像采集在漫反射、暗视场背光环境下采集钢筋图像；S2、对采集的图像数据进行矫正以及分割处理；S3、得到分离的背景目标，对钢筋的亚像素边缘进行提取得到目标区域的内外边界；S4、从一维边缘剖面中提取边缘，对一阶导数绝对值进行阈值分割，进行边缘的提取；S5、得到像素边缘提取图后，对钢筋的三个角度值进行获取确定角度值与角之间的对应关系；S6、根据钢筋的三个位置点构建坐标系。本发明以弯曲钢筋为例，结合机器视觉对图像进行采集，提取出夹角两边的线段进行弯曲角度的检测。
Description
技术领域
本发明涉及机器视觉技术领域，更具体地说，本发明涉及一种基于机器视觉的钢筋弯曲角度校准方法及系统。
背景技术
机器视觉是指用摄像机和计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量以及控制，随着制造业技术的发展，钢筋元件的小型化趋势越来越明显，采用自动化机器视觉进行角度的校准，其用视觉传感器采集目标图像，通过对图像各种特征量的分析处理，获取信息，从而达到检测、测量和控制的目的，机器视觉检测具有非接触、信息量大以及动态响应快的优点。
传统的钢筋弯曲角度的测量主要通过万能角度尺、正弦规、角度块规等方法，这些测量方法存在读数过程繁琐、效率低以及人为误差的不足，而非接触式的角度测量方法是一项基于机器视觉技术的角度测量技术，可实现对钢筋进行快速以及无损的测量以及校准，同时克服了主观因素的影响，保证了角度测量的一致性，当前的校准方法主要集中于单个角度的自动以及多角度测量校准，单个角度测量校准方法体现不出测量速度的优势，多角度测量校准无法实现图像采集、处理、测量以及校准的一体化工作方式。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于机器视觉的钢筋弯曲角度校准方法及系统，通过夹角角度获取，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：包括图像采集模块、数据预处理模块、形态学处理模块、像素边缘提取模块、夹角角度获取模块以及角度校准模块，所述图像采集模块在漫反射、暗视场背光环境下采集钢筋图像，图像传感器光轴垂直于被测钢筋的平面，所述数据预处理模块，在接收到所述图像采集模块所采集的图像数据对图像进行矫正以及前景背景分割处理，所述形态学处理模块得到所述数据预处理模块分离的背景目标，对钢筋的亚像素边缘进行提取，计算区域边界，得到目标区域的内外边界，所述像素边缘提取模块从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取，所述夹角角度获取模块得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系并对角度值进行计算，所述角度校准模块根据钢筋的三个位置点构建坐标系。
在一个优选地实施方式中，所述图像采集使用图像传感器光轴垂直于被测钢筋的平面，图像采集需要在漫反射、暗视场背光环境下采集图像，采集设备获得的图像为彩色图像，在采用机器视觉检测时，必须根据产品的特征和生产所处的外部环境适时调整图像处理的参数在保证外部环境和确定产品检测目标之后，可以使用同一参数进行检测，不需要重新测试。
在一个优选地实施方式中，所述数据预处理获得采集的图像数据后，对图像进行矫正，分割出图像的前景以及背景，图像分割采用阈值分割的操作，所述阈值分割的操作定义为：
其中，I表示为图像数据，
为图像I中的点，/>
为阈值的最小值，/>
为阈值的最大值，/>
表示为处于指定灰度值范围内的点，S表示为输出区域，利用特征量区域面积和位置提取出需要检测的区域，所述区域面积定义为：
其中，a表示为区域面积，G为区域内的点数。
在一个优选地实施方式中，所述形态学处理从背景分离出目标后，提取钢筋的亚像素边缘，计算区域的边界，提取边界的近似值能够满足检测角度的要求，利用膨胀计算区域的边界，所述膨胀的计算公式如下：
其中，Y表示为需要处理的区域，
表示为结构元，/>
代表空集，/>
代表为转置后的结构元，/>
表示为根据向量r评议得到的区域，P为Y与/>
交集的点，
表示为被转置结构元平移后的区域，所述腐蚀的计算公式如下：
其中，
为减法运算，对目标区域进行膨胀和腐蚀处理，目标区域的外边界被扩大，内边界被收缩，计算膨胀后和腐蚀后两个区域的不同，获得目标区域的内外边界。
在一个优选地实施方式中，所述像素边缘提取利用形态学处理获得边界的整体区域，在连续的二维图像中，二维边缘用曲线的弧长来描述，在边缘曲线的每个点上与曲线垂直的灰度值剖面是一个一维边缘刨面，从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取。
在一个优选地实施方式中，所述夹角角度获取在得到像素边缘提取图后，对图像进行相机标定、矫正分析以及形态学处理提取出钢筋家夹角两边的线段，对像素边缘进行提取，最终能够计算出弯曲角度，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系，确定
、/>
以及/>
的角度值，对钢筋的B点相对于A点之间的倾斜角进行计算，之后求出B点相对于A点的倾斜角，A和B之间的倾斜角之差的绝对值为/>
的角度值，
角度值的计算公式如下：
B1=a tan((pt2(2)-pt1(2))/(pt2(1)-pt1(1)))；
C1=a tan((pt3(2)-pt1(2))/(pt3(1)-pt1(1)))；
其中，B1、C1分别指B、C点相对于A点的倾斜角，pt1、pt2以及pt3分别指A、B、C点的坐标值，A指
的角度值，a tan表示/>
的正切公式，pt1(1)、pt2(1)、pt3(1)分别表示pt1A点的坐标值，pt2A点的坐标值，pt3A点的坐标值，pt1(2)、pt2(2)以及pt3(2)分别代表pt1B点的坐标值，pt2B点的坐标值pt3B点的坐标值。
在一个优选地实施方式中，所述角度校准根据钢筋的三个位置点确定与板状平行的平面，根据板状的平面构建坐标系，进而确定出与参考平面垂直的Y轴方向，由于钢筋的坐标系构建是以板状所处平面构建的坐标系，钢筋的三个点具有夹角关系，当获取板状平面的偏转角度之后，参考板状平面的角度确定出钢筋三个点的扭转角度，在角度校准中，要确保镜头沿着平面移动，便能保证镜头在移动过程中与钢筋之间间隔的工作距离是恒定的，整个校准过程利用预定焦距的相机即可完成校准，将钢筋的正向弯曲角度设定为九十度，将钢筋 A 从位置 a 平面移动到位置 b，即完成了正向九十度弯曲试验，这时，使用夹角角度获取对钢筋的弯曲角度进行获取通过夹角角度获取显示的数值就是试样从a弯曲到b的角度数，即为正向弯曲角度数α，正向弯曲完成后，将钢筋反向弯曲角度设定为二十度，开始做反向弯曲试验，将钢筋试样 A 从位置 b 平面移动到位置c ，即完成了反向二十度弯曲，这时，通过夹角角度获取显示的数值就是反向弯曲角度数
为/>
，当/>
为锐角时,弯曲角度示值误差/>
，其中，/>
代表弯曲度示值误差，Li表示弯曲度示值 ，L0表示弯曲度设定值九十度。
在一个优选地实施方式中，所述具体包括以下步骤：
S1、图像采集：在漫反射、暗视场背光环境下采集钢筋图像，图像传感器光轴垂直于被测钢筋的平面；
S2、数据预处理：接收到所述图像采集的图像数据对图像进行矫正以及前景背景分割处理；
S3、形态学处理：得到所述数据预处理分离的背景目标，对钢筋的亚像素边缘进行提取，计算区域边界，得到目标区域的内外边界；
S4、像素边缘提取：从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取；
S5、夹角角度获取：得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系并对角度值进行计算；
S6、角度校准：根据钢筋的三个位置点构建坐标系，根据构建的坐标系进行角度的校准。
本发明的技术效果和优点：
本发明通过结合机器视觉对图像进行采集，提取出夹角两边的线段进行弯曲角度的检测，钢筋的弯曲角内外边界分别组成该角的内角和外角，为弯曲角度的检测提供判断依据，通过对钢筋角度的测量，实现了钢筋角度的一体化测量，能够有效的对钢筋实现快速、非接触角度测量，具有良好的检测角度，克服人为误差；
本发明通过设有图像采集，使用图像传感器光轴垂直于被测钢筋的平面，图像采集需要在漫反射、暗视场背光环境下采集图像，采集设备获得的图像为彩色图像，在采用机器视觉检测时，必须根据产品的特征和生产所处的外部环境适时调整图像处理的参数在保证外部环境和确定产品检测目标之后，可以使用同一参数进行检测，不需要重新测试；
本发明通过设有像素边缘提取，像素边缘提取利用形态学处理获得边界的整体区域，在连续的二维图像中，二维边缘用曲线的弧长来描述，在边缘曲线的每个点上与曲线垂直的灰度值剖面是一个一维边缘刨面，从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取。
附图说明
图1为一种基于机器视觉的钢筋弯曲角度校准方法的流程图。
图2为一种基于机器视觉的钢筋弯曲角度校准方法的系统结构框图。
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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，都属于本发明保护的范围。
实施例1：
本实施例提供了如图1所示一种基于机器视觉的钢筋弯曲角度校准方法，包括以下步骤：
S1、图像采集：在漫反射、暗视场背光环境下采集钢筋图像，图像传感器光轴垂直于被测钢筋的平面；
S2、数据预处理：接收到所述图像采集的图像数据对图像进行矫正以及前景背景分割处理；
S3、形态学处理：得到所述数据预处理分离的背景目标，对钢筋的亚像素边缘进行提取，计算区域边界，得到目标区域的内外边界；
S4、像素边缘提取：从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取；
S5、夹角角度获取：得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系并对角度值进行计算；
S6、角度校准：根据钢筋的三个位置点构建坐标系，根据构建的坐标系进行角度的校准。
如图2本实施例提供一种基于机器视觉的钢筋弯曲角度校准系统，包括图像采集模块、数据预处理模块、形态学处理模块、像素边缘提取模块、夹角角度获取模块以及角度校准模块，所述图像采集模块在漫反射、暗视场背光环境下采集钢筋图像，图像传感器光轴垂直于被测钢筋的平面，所述数据预处理模块，在接收到所述图像采集模块所采集的图像数据对图像进行矫正以及前景背景分割处理，所述形态学处理模块得到所述数据预处理模块分离的背景目标，对钢筋的亚像素边缘进行提取，计算区域边界，得到目标区域的内外边界，所述像素边缘提取模块从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取，所述夹角角度获取模块得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系并对角度值进行计算，所述角度校准模块根据钢筋的三个位置点构建坐标系。
S1、图像采集：在漫反射、暗视场背光环境下采集钢筋图像，图像传感器光轴垂直于被测钢筋的平面；
本实施例中，具体需要说明的是图像采集，所述图像采集使用图像传感器光轴垂直于被测钢筋的平面，图像采集需要在漫反射、暗视场背光环境下采集图像，采集设备获得的图像为彩色图像，在采用机器视觉检测时，必须根据产品的特征和生产所处的外部环境适时调整图像处理的参数在保证外部环境和确定产品检测目标之后，可以使用同一参数进行检测，不需要重新测试。
S2、数据预处理：接收到所述图像采集的图像数据对图像进行矫正以及前景背景分割处理；
本实施例中，具体需要说明的是数据预处理，所述数据预处理获得采集的图像数据后，对图像进行矫正，分割出图像的前景以及背景，图像分割采用阈值分割的操作，所述阈值分割的操作定义为：
其中，I表示为图像数据，
为图像I中的点，/>
为阈值的最小值，/>
为阈值的最大值，/>
表示为处于指定灰度值范围内的点，S表示为输出区域，利用特征量区域面积和位置提取出需要检测的区域，所述区域面积定义为：
其中，a表示为区域面积，G为区域内的点数。
S3、形态学处理：得到所述数据预处理分离的背景目标，对钢筋的亚像素边缘进行提取，计算区域边界，得到目标区域的内外边界；
本实施例中，具体需要说明的是形态学处理，所述形态学处理从背景分离出目标后，通过腐蚀和膨胀计算提取钢筋的亚像素边缘，计算区域的边界，提取边界的近似值能够满足检测角度的要求，利用膨胀计算区域的边界，所述膨胀的计算公式如下：
其中，Y表示为需要处理的区域，
表示为结构元，/>
代表空集，/>
代表为转置后的结构元，/>
表示为根据向量r评议得到的区域，P为Y与/>
交集的点，
表示为被转置结构元平移后的区域，所述腐蚀的计算公式如下：
其中，
为减法运算，对目标区域进行膨胀和腐蚀处理，目标区域的外边界被扩大，内边界被收缩，计算膨胀后和腐蚀后两个区域的不同，获得目标区域的内外边界。
S4、像素边缘提取：从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取；
本实施例中，具体需要说明的是像素边缘提取，所述像素边缘提取利用形态学处理获得边界的整体区域，在连续的二维图像中，二维边缘用曲线的弧长来描述，在边缘曲线的每个点上与曲线垂直的灰度值剖面是一个一维边缘刨面，从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取。
S5、夹角角度获取：得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系并对角度值进行计算；
本实施例中，具体需要说明的是夹角角度获取，所述夹角角度获取在得到像素边缘提取图后，对图像进行相机标定、矫正分析以及形态学处理提取出钢筋夹角两边的线段，对像素边缘进行提取，最终能够计算出弯曲角度对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系，确定
、/>
以及/>
的角度值，对钢筋的B点相对于A点之间的倾斜角进行计算，之后求出B点相对于A点的倾斜角，A和B之间的倾斜角之差的绝对值为
的角度值，/>
角度值的计算公式如下：
B1=a tan((pt2(2)-pt1(2))/(pt2(1)-pt1(1)))；
C1=a tan((pt3(2)-pt1(2))/(pt3(1)-pt1(1)))；
其中，B1、C1分别指B、C点相对于A点的倾斜角，pt1、pt2以及pt3分别指A、B、C点的坐标值，A指
的角度值，a tan表示/>
的正切公式，pt1(1)、pt2(1)、pt3(1)分别表示pt1A点的坐标值，pt2A点的坐标值，pt3A点的坐标值，pt1(2)、pt2(2)以及pt3(2)分别代表pt1B点的坐标值，pt2B点的坐标值pt3B点的坐标值。
S6、根据钢筋的三个位置点构建坐标系，根据构建的坐标系进行角度的校准；
本实施例中，具体需要说明的是角度校准，所述角度校准根据钢筋的三个位置点确定与板状平行的平面，根据板状的平面构建坐标系，进而确定出与参考平面垂直的Z轴方向，由于钢筋的坐标系构建是以板状所处平面构建的坐标系，钢筋的三个点具有夹角关系，当获取板状平面的偏转角度之后，参考板状平面的角度确定出钢筋三个点的扭转角度，在角度校准中，要确保镜头沿着平面移动，便能保证镜头在移动过程中与钢筋之间间隔的工作距离是恒定的，整个校准过程利用预定焦距的相机即可完成校准，将钢筋的正向弯曲角度设定为九十度，将钢筋 A 从位置 a 平面移动到位置 b，即完成了正向九十度弯曲试验，这时，使用夹角角度获取对钢筋的弯曲角度进行获取通过夹角角度获取显示的数值就是试样从a弯曲到b的角度数，即为正向弯曲角度数α，正向弯曲完成后，将钢筋反向弯曲角度设定为二十度，开始做反向弯曲试验，将钢筋试样 A 从位置 b 平面移动到位置c ，即完成了反向二十度弯曲，这时，通过夹角角度获取显示的数值就是反向弯曲角度数
为/>
，当/>
为锐角时,弯曲角度示值误差/>
，其中，/>
代表弯曲度示值误差，Li表示弯曲度示值 ，L0表示弯曲度设定值九十度。
最后：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，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 (10)
1.一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：包括以下步骤：
S1、图像采集：在漫反射、暗视场背光环境下采集钢筋图像，图像传感器光轴垂直于被测钢筋的平面；
S2、数据预处理：接收到所述图像采集的图像数据对图像进行矫正以及前景背景分割处理；
S3、形态学处理：得到所述数据预处理分离的背景目标，对钢筋的亚像素边缘进行提取，计算区域边界，得到目标区域的内外边界；
S4、像素边缘提取：从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取；
S5、夹角角度获取：得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系并对角度值进行计算；
S6、角度校准：根据钢筋的三个位置点构建坐标系，根据构建的坐标系进行角度的校准。
2.根据权利要求1所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述S1中，图像采集使用图像传感器光轴垂直于被测钢筋的平面，图像采集需要在漫反射、暗视场背光环境下采集图像，采集设备获得的图像为彩色图像。
3.根据权利要求1所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述S2中，数据预处理获得采集的图像数据后，对图像进行矫正，分割出图像的前景以及背景，图像分割采用阈值分割的操作，所述阈值分割的操作定义为：
其中，I表示为图像数据，
为图像I中的点，/>
为阈值的最小值，/>
为阈值的最大值，/>
表示为处于指定灰度值范围内的点，S表示为输出区域，利用特征量区域面积和位置提取出需要检测的区域，所述区域面积定义为：
其中，a表示为区域面积，G为区域内的点数。
4.根据权利要求1所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述S3中，形态学处理从背景分离出目标后，通过腐蚀和膨胀计算提取钢筋的亚像素边缘，计算区域的边界，提取边界的近似值能够满足检测角度的要求，利用膨胀计算区域的边界，所述膨胀的计算公式如下：
其中，Y表示为需要处理的区域，
表示为结构元，/>
代表空集，/>
代表为转置后的结构元，/>
表示为根据向量r评议得到的区域，P为Y与/>
交集的点，/>
表示为被转置结构元平移后的区域。
5.根据权利要求4所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述腐蚀的计算公式如下：
其中，
为减法运算，对目标区域进行膨胀和腐蚀处理，目标区域的外边界被扩大，内边界被收缩，计算膨胀后和腐蚀后两个区域的不同，获得目标区域的内外边界。
6.根据权利要求1所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述S4中，像素边缘提取利用形态学处理获得边界的整体区域，在连续的二维图像中，二维边缘用曲线的弧长来描述，在边缘曲线的每个点上与曲线垂直的灰度值剖面是一个一维边缘刨面，从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取。
7.根据权利要求1所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述S5中，夹角角度获取在得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系，确定
、/>
以及/>
的角度值，对钢筋的B点相对于A点之间的倾斜角进行计算，之后求出B点相对于A点的倾斜角，A和B之间的倾斜角之差的绝对值为
的角度值。
8.根据权利要求7所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述
角度值的计算公式如下：
B1=a tan((pt2(2)-pt1(2))/(pt2(1)-pt1(1)))；
C1=a tan((pt3(2)-pt1(2))/(pt3(1)-pt1(1)))；
其中，B1、C1分别指B、C点相对于A点的倾斜角，pt1、pt2以及pt3分别指A、B、C点的坐标值，A指
的角度值，a tan表示/>
的正切公式，pt1(1)、pt2(1)、pt3(1)分别表示pt1A点的坐标值，pt2A点的坐标值，pt3A点的坐标值，pt1(2)、pt2(2)以及pt3(2)分别代表pt1B点的坐标值，pt2B点的坐标值pt3B点的坐标值。
9.根据权利要求1所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：所述S6中，角度校准根据钢筋的三个位置点确定与板状平行的平面，根据板状的平面构建坐标系，进而确定出与参考平面垂直的Z轴方向，由于钢筋的坐标系构建是以板状所处平面构建的坐标系，钢筋的三个点具有夹角关系，当获取板状平面的偏转角度之后，参考板状平面的角度确定出钢筋三个点的扭转角度，在角度校准中，要确保镜头沿着平面移动，便能保证镜头在移动过程中与钢筋之间间隔的工作距离是恒定的，整个校准过程利用预定焦距的相机即可完成校准。
10.一种基于机器视觉的钢筋弯曲角度校准系统，用于实施上述权利要求1-9任一项所述的一种基于机器视觉的钢筋弯曲角度校准方法，其特征在于：图像采集模块、数据预处理模块、形态学处理模块、像素边缘提取模块、夹角角度获取模块以及角度校准模块，所述图像采集模块在漫反射、暗视场背光环境下采集钢筋图像，图像传感器光轴垂直于被测钢筋的平面，所述数据预处理模块，在接收到所述图像采集模块所采集的图像数据对图像进行矫正以及前景背景分割处理，所述形态学处理模块得到所述数据预处理模块分离的背景目标，对钢筋的亚像素边缘进行提取，计算区域边界，得到目标区域的内外边界，所述像素边缘提取模块从一维边缘剖面中提取边缘，通过对一阶导数绝对值进行阈值分割，进行边缘的提取，所述夹角角度获取模块得到像素边缘提取图后，对钢筋的三个角度值进行获取并确定角度值与角之间的对应关系并对角度值进行计算，所述角度校准模块根据钢筋的三个位置点构建坐标系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310593703.9A CN116309606B (zh) | 2023-05-25 | 2023-05-25 | 一种基于机器视觉的钢筋弯曲角度校准方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310593703.9A CN116309606B (zh) | 2023-05-25 | 2023-05-25 | 一种基于机器视觉的钢筋弯曲角度校准方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116309606A true CN116309606A (zh) | 2023-06-23 |
| CN116309606B CN116309606B (zh) | 2023-08-01 |
Family
ID=86783700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310593703.9A Active CN116309606B (zh) | 2023-05-25 | 2023-05-25 | 一种基于机器视觉的钢筋弯曲角度校准方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116309606B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105180763A (zh) * | 2015-10-09 | 2015-12-23 | 浙江省交通工程建设集团有限公司 | 混凝土结构钢筋保护层厚度检测环境校准装置及操作方法 |
| US20170076457A1 (en) * | 2015-09-14 | 2017-03-16 | Olympus Corporation | Information processing apparatus, control method of information processing apparatus, and non-transitory storage medium storing information processing program |
| CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
| CN114494045A (zh) * | 2022-01-10 | 2022-05-13 | 南京工大数控科技有限公司 | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 |
-
2023
- 2023-05-25 CN CN202310593703.9A patent/CN116309606B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170076457A1 (en) * | 2015-09-14 | 2017-03-16 | Olympus Corporation | Information processing apparatus, control method of information processing apparatus, and non-transitory storage medium storing information processing program |
| CN105180763A (zh) * | 2015-10-09 | 2015-12-23 | 浙江省交通工程建设集团有限公司 | 混凝土结构钢筋保护层厚度检测环境校准装置及操作方法 |
| CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
| CN114494045A (zh) * | 2022-01-10 | 2022-05-13 | 南京工大数控科技有限公司 | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吴雅莎;肖小亭;陈康;徐信;: "基于机器视觉的弯曲角度检测", 锻压技术, no. 08 * |
| 朱家梁;朱洪涛;: "基于激光传感器的钢轨轨廓检测技术的研究", 激光与红外, no. 12 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116309606B (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107609557B (zh) | 一种指针式仪表读数识别方法 | |
| US6690841B2 (en) | Method and apparatus for image registration | |
| CN108986070B (zh) | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 | |
| CN110992346B (zh) | 一种基于dip和dicm的疲劳裂纹长度在线检测方法 | |
| CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
| Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
| CN109751964B (zh) | 一种高精度非接触式管径测量方法及装置 | |
| CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
| CN104697476A (zh) | 粗糙度光切轮廓曲线的自动检测方法及装置 | |
| CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
| CN111829439B (zh) | 一种高精度平移测量方法及装置 | |
| CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
| CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN108876842A (zh) | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 | |
| CN112508885B (zh) | 一种弯管的三维中轴线检测方法及系统 | |
| JP2007114168A (ja) | 画像処理方法および装置、並びにプログラム | |
| CN116309606B (zh) | 一种基于机器视觉的钢筋弯曲角度校准方法及系统 | |
| Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
| CN113628117B (zh) | 一种深度图像旋转变换方法及装置 | |
| CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
| CN111504232B (zh) | 一种混凝土裂缝数字化检测方法 | |
| CN114266835A (zh) | 一种非量测相机的变形监测控制方法与系统 | |
| CN114509018A (zh) | 一种全场实时桥梁挠度测量方法 | |
| CN113989513A (zh) | 一种方形指针式仪表读数识别的方法 | |
| CN112991376A (zh) | 红外图像中的设备轮廓标注方法及系统 |
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 |