CN116402784A - 基于机器视觉的辅助对中方法、系统、设备及存储介质 - Google Patents
基于机器视觉的辅助对中方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116402784A CN116402784A CN202310343792.1A CN202310343792A CN116402784A CN 116402784 A CN116402784 A CN 116402784A CN 202310343792 A CN202310343792 A CN 202310343792A CN 116402784 A CN116402784 A CN 116402784A
- Authority
- CN
- China
- Prior art keywords
- circle
- center
- target
- target circle
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000001105 regulatory effect Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
- G06F3/1407—General aspects irrespective of display type, e.g. determination of decimal point position, display with fixed or driving decimal point, suppression of non-significant zeros
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供基于机器视觉的辅助对中方法、系统、设备及存储介质,所述方法包括:S1,对参考圆的图像进行霍夫圆检测,对参考圆的图像进行处理得到参考圆的圆心坐标,并进行标定显示;S2,对提取的待处理图像进行灰度化、中值滤波和霍夫圆检测处理,得到包含目标圆的图像信息;S3,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;S4,将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位;S5,将目标圆的圆心和轮廓图像显示在操作界面上。本发明的对中判断显示的速度相对较快,能达到实时处理的要求。
Description
技术领域
本发明属于图像处理研究领域。具体涉及对工业相机图像进行处理,实现一种基于机器视觉的辅助对中方法、系统、设备及存储介质。
背景技术
目前反应堆压力容器整体螺栓拉伸机安装与操作期间,存在以下方法和问题:
1)拉伸机操作人员一般需上顶盖对拉伸机进行对中调整,根据测量数据调整环吊位置,根据调整后的位置再次测量数据,反复进行调整,环吊动作执行一次后常常超出程序规定精度要求,通过多次测量与调整环吊,最终达到精度要求。此方法通过人工临边测量,依赖人员经验,精度较低,且人员处于吊装重物下。
2)当拉伸机安装至顶盖后需要人员进行对中调整,测量拉伸机法兰外环与顶盖法兰外环的径向距离。人工测量方式精度较低,每次人员需根据数据与经验判断环吊动作位置,存在人因失误风险。同时环吊动作后,需再次测量四周间隙差,工作效率低。
3)反应堆压力容器整体螺栓拉伸机安装与操作期间,拉伸机操作人员需要在堆坑确定拉伸机内环的设备状态(拉伸螺母,主螺栓,机械手),确保设备状态与机器操作结果相匹配后再进行下一步工作。而由于关键点较多,人员需频繁上下堆坑与通信人员进行信息交流,工作效率降低,堆坑环境恶劣,剂量率较高,且存在较大安全隐患。
因此,本发明以有核辐射的工作环境为背景,研究高效准确的对中方法,通过确定参考圆的圆心,检测标定杆,即目标圆的圆心,并给出大致的偏移方向,辅助工作人员实现对中及定位。
发明内容
本发明针对现有技术中存在的技术问题,为了减少人工操作,提高目标对中精度,本发明提供了基于机器视觉的辅助对中方法、系统、设备及存储介质。首先,利用霍夫圆检测得到参考圆的圆心并进行标记和存储;再对包含目标圆的图像进行灰度化和中值滤波处理,得到信息质量较高的图像方便后续处理。然后再次利用霍夫圆检测,得到目标圆的圆心,将之与参考圆的圆心进行对比,用条件判断得到目标圆将要调节的方位信息,并通过中文字符串显示在操作界面上,便于操作人员判断并继续执行操作指令。
根据本发明的第一方面,提供了一种基于机器视觉的辅助对中方法,包括以下步骤:
S1,对储存的参考圆的图像进行霍夫圆检测,对参考圆的图像进行灰度化、中值滤波处理得到参考圆的圆心坐标,并进行标定显示;
S2,对提取的待处理图像进行灰度化、中值滤波和霍夫圆检测处理,得到包含目标圆的图像信息;
S3,根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
S4,将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位;
S5,将目标圆的圆心和轮廓图像显示在操作界面上。
在上述技术方案的基础上,本发明还可以作出如下改进。
可选的,所述确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径包括:
通过霍夫圆变换,将图像空间(x,y)对应到参数空间(a,b,r);
建立三维累加数组A(a,b,r),设开始时A(a,b,r)初始化为0,然后对图像坐标空间的每一个前景点(xi,yi),将参数空间中每一个a,b的离散值代入霍夫圆变换之后的数学模型中,计算出对应的x和y的值;
当每计算出一对参数空间(a,b,r),都将对应的数组元素A(a,b,r)加1,即A(a,b,r)=A(a,b,r)+1,在所有的计算结束之后,在参数计算表决结果中找到A(a,b,r)的最大峰值,所对应的a0、b0、r0即为需要找的圆的参数。
可选的,所述将图像空间对应到参数空间包括:通过下式将圆从(x,y)空间中转换为(a,b,r)空间:
(x-a)2+(y-b)2=r2 (4)
其中,(a,b)为目标圆圆心坐标,a为目标圆圆心横坐标,b为目标圆圆心纵坐标,(x,y)为圆上点的坐标,r为目标圆的半径;
所述霍夫圆变换之后的数学模型表示为:
a=x-r*cosθ (5)
b=y-r*cosθ (6)
θ表示为(x,y)点和原点的连线与x轴的夹角。
可选的,所述将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位包括:
将霍夫圆变换得到目标圆的圆心(记作(x2,y2)),储存在一个数组中,和之前保存的参考圆圆心(记作(x1,y1))进行对比;
判断目标圆半径是否为0,如果为0则说明没有检测到目标圆,如果不为0,则说明检测到了目标圆,则根据对比结果判断需要调节的方位。
可选的,所述判断目标圆需要移动的方向包括:如果x2-x1=0,则说明目标圆和参考圆的横坐标相同,即两个圆的圆心在同一垂直线上;
如果此时y2-y1=0,则说明这两个圆的圆心重合,即对中状态;
如果此时y2-y1>0,则说明目标圆的圆心在参考圆圆心正下方,因此调整方向为正上;
如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心正上方,因此调整方向为正下。
可选的,所述判断目标圆需要移动的方向包括:如果x2-x1>0,则说明目标圆在参考圆的右侧;
如果此时y2-y1=0,则说明这两个圆在同一水平线上,即调整方向为正左;
如果此时y2-y1>0,说明目标圆的圆心在参考圆圆心下方,因此调整方向为左上;如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心上方,因此调整方向为左下。
可选的,所述判断目标圆需要移动的方向包括:如果x2-x1<0,则说明目标圆在参考圆的左侧;
如果此时y2-y1=0,则说明这两个圆在同一水平线上,即调整方向为正右;
如果此时y2-y1>0,说明目标圆的圆心在参考圆圆心下方,因此调整方向为右上,
如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心上方,因此调整方向为右下。
根据本发明的第二方面,提供一种基于机器视觉的辅助对中系统,包括:
参考圆圆心坐标获取模块,用于对储存的参考圆的图像进行霍夫圆检测,对参考圆的图像进行处理得到参考圆的圆心坐标,并进行标定显示;
目标圆圆心坐标获取模块,用于对提取的待处理图像进行灰度化处理和中值滤波处理,得到包含目标圆的图像信息;根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
辅助对中模块,用于将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的大致方位;
显示模块,用于将目标圆的圆心和轮廓图像显示在操作界面上。
根据本发明的第三方面,提供了一种电子设备,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机程序时实现基于机器视觉的辅助对中方法的步骤。
根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机管理类程序被处理器执行时实现基于机器视觉的辅助对中方法的步骤。
本发明的技术效果和优点:
本发明提出了一种基于机器视觉的辅助对中方法、系统、设备及存储介质,经过对相机图像中成像原理和噪声特点的分析,选择使用霍夫圆检测得到参考圆的圆心,再提取待处理图像对图像进行灰度化以及中值滤波处理,最后对图像再进行霍夫圆检测得到目标圆的圆心坐标及其半径,最后采用条件判断目标需要调节的方位,并通过中文字符串显示在软件的操作界面上,便于操作人员判断并继续执行操作指令。主要用于在有核辐射的环境下帮助操作人员快速完成设备辅助对中,减少操作人员的工作量以及远程辅助控制,减少人员长时间呆在污染区域。本发明的对中判断显示的速度相对较快,能达到实时处理的要求。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地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说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
图1为本发明实施例提供的对中算法流程图;
图2为本发明实施例提供的直角坐标中的霍夫变换示意图;
图3为本发明实施例提供的参数空间表决结果示意图;
图4为本发明实施例提供的方向判断流程图。
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。
由于对中的要求就是让目标圆的圆心和参考圆的圆心重合,而如何判断目标圆是否与参考圆重合就是判断这两个圆的圆心坐标在同一坐标系中是否相同,因此本发明的重点就是如何准确得到目标圆和参考圆的圆心坐标信息,并进行对比判断需要调节的方位。
可以理解的是,基于背景技术中的缺陷,本发明实施例提出了一种基于机器视觉的辅助对中方法,具体如图1所示,包括如下步骤:
S1:对目标物进行霍夫圆检测,对参考圆的图像进行灰度化、中值滤波处理得到参考圆的圆心坐标,并进行标定显示:
需要进行说明的是,由于参考圆是固定的机械结构,一般不会轻易变动。因此首先操作需要把参考圆的圆心确定,并标注出来,这样可以形成视觉上的直观效果,便于操作人员进行参考。因此使用霍夫圆检测,对参考圆的图像进行灰度化、中值滤波以及霍夫圆检测处理,检测图像中存在的参考圆的信息,得出参考圆的圆心坐标,并将其记录下来。
S2:对提取的待处理图像进行灰度化、中值滤波和霍夫圆检测处理,得到包含目标圆的图像信息;
具体地,为了减少程序的计算量和提高运算速度,使用图像灰度化操作对信息含量过大的彩色图像进行处理,并进一步得到灰度图像方便后续处理。
由于待提取的图像为彩色图像,因此每个像素颜色由R、G、B三个分量来决定,而每个分量的取值范围都在0-255之间,这样对计算机来说,彩色图像的一个像素点就会有256*256*256=16777216种颜色的变化范围,而灰度图像是R、G、B分量相同的一种特殊彩色图像,对计算机来说,一个像素点的变化范围只有0-255这256种。彩色图片的信息含量过大,而进行图片识别时,其实只需要使用灰度图像里的信息就足够,所以图像灰度化的目的就是为了提高运算速度。
对图像进行灰度化处理可选用分量法、最大值法、平均值法以及加权平均法中的任一种。
其中,分量法就是将彩色图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种灰度图像。公式如下所示:
Gray1(i,j)=R(i,j) (7)
Gray2(i,j)=R(i,j) (8)
Gray3(i,j)=R(i,j) (9)
其中Gray(i,j)代表灰色图像的灰度值,R(i,j)代表红色分量的亮度值,G(i,j)代表绿色分量的亮度值,B(i,j)代表蓝色分量的亮度值。
最大值法就是将彩色图像中的三分量亮度的最大值作为灰度图的灰度值,公式为:
Gray(i,j)=max{R(i,j),G(i,j),B(i,j)} (10)
平均值法则是将彩色图像中的三分量亮度求平均得到一个灰度值。公式如下:
Gray(i,j)=(R(i,j)+G(i,j)+B(i,j))/3 (11)
加权平均法是根据重要性及其它指标,将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,按下式对RGB三分量进行加权平均能得到较合理的灰度图像,公式如下:
Gray(i,j)=0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j) (12)
因此本发明实施例算法中的灰度化操作优选为运用加权平均法,因为这种算法更符合人眼视觉效果。
为了处理图像中的干扰噪声,本发明实施例使用中值滤波操作,这是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,能去除孤立的噪声点。
在本发明实施例中,中值滤波基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近真实值,从而消除孤立的噪声点,因此中值滤波对椒盐噪声这种像素值接近0或255的孤立噪声点效果最佳。
该滤波方法使用某种结构的二维滑动模板,该结构包括3*3区域,5*5区域或者其他的二维形状,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的二维数据序列。二维中值滤波输出为
g(x,y)=med{f(x-k,y-l),(k,l∈W)} (13)
其中f(x,y),g(x,y)分别为原始图像和处理后图像,W为二维模板,通常为3*3,5*5区域,也可以是不同的形状,如线状,圆形,十字形,圆环形等。
S3,根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
需要进行说明的是,霍夫变换的基本原理在于利用点与线的对偶性,将图像空间的线条变为参数空间的聚集点,从而检测给定图像是否存在给定性质的曲线。因此本发明实施例使用霍夫圆检测方法来得到目标圆的圆心信息,并将目标圆的轮廓与圆心显示在图像之中,与参考圆圆心形成视觉上的对比,操作人员可以大致通过肉眼分辨移动方向。在本实施例中,所述合适的阈值范围为10-50的像素值。
以霍夫直线检测为例,如图2所示为本发明实施例提供的直角坐标中的霍夫变换示意图,直线的方程为:
yi=axi+b (14)
通过点(xi,yi)的直线有无数条,且对应于不同的a和b值。
如果将xi和yi视为常数,而将原本的参数a和b看作变量,则可以表示为:
b=-axi+yi (15)
这样就变换到了参数平面a-b,这个变换就是直角坐标中对于(xi,yi)点的霍夫变换。
建立一个二维累加数组A(a,b),第一维的范围是图像坐标空间中直线斜率的可能范围,第二维的范围是图像坐标空间中直线截矩的可能范围。开始时A(a,b)初始化为0,然后对图像坐标空间的每一个前景点(xi,yi),将参数空间中每一个a的离散值代入式子(9)中,从而计算出对应的b值。每计算出一对(a,b),都将对应的数组元素A(a,b)加1,即A(a,b)=A(a,b)+1。所有的计算结束之后,在参数计算表决结果中找到A(a,b)的最大峰值,所对应的a0、b0就是源图像中共线点数目最多(共A(a,b)个共线点)的直线方程的参数。
霍夫圆检测中圆的方程式为:
(x-a)2+(y-b)2=r2 (16)
其中,(a,b)为目标圆圆心坐标,a为目标圆圆心横坐标,b为目标圆圆心纵坐标,(x,y)为圆上点的坐标,r为目标圆的半径。
如图3所示为本发明实施例提供的参数空间表决结果示意图。通过霍夫变换,将图像空间对应到参数空间。因此可以通过下式圆的方程将圆从(x,y)空间中转换为(a,b,r)空间:
x=a+r*cosθ (17)
y=b+r*sinθ (18)
其中,θ表示为(x,y)点和原点的连线与x轴的夹角;
变换之后即为:
a=x-r*cosθ (19)
b=y-r*cosθ (20)
通过式(13)、(14)可以发现,(x,y)空间中的圆变成了(a,b,r)空间的一个点,然后建立一个三维累加数组A(a,b,r),第一维的范围是参数空间中圆的圆心横坐标的可能范围,第二维的范围是参数空间中圆的圆心纵坐标的可能范围,第三维的范围是参数空间中圆的半径的可能范围。开始时A(a,b,r)初始化为0,然后对图像坐标空间的每一个前景点(xi,yi),将参数空间中每一个a,b的离散值代入式子(13)、(14)中,从而计算出对应的x和y的值。每计算出一对(a,b,r),都将对应的数组元素A(a,b,r)加1,即A(a,b,r)=A(a,b,r)+1。所有的计算结束之后,在参数计算表决结果中找到A(a,b,r)的最大峰值,所对应的a0、b0、r0就是需要找的圆的参数。在实际编程中会给出圆的半径范围,再一一遍历,从而减少计算量。
S4,将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位;
具体地,通过霍夫圆变换得到目标圆的圆心(记作(x2,y2))之后,储存在一个数组中,和之前保存的参考圆圆心(记作(x1,y1))进行对比,首先判断目标圆半径是否为0,如果为0则说明没有检测到目标圆,如果不为0,则说明检测到了目标圆,这样就可以进行下一步操作。下一步操作包括根据以下三大类情况判断目标圆需要移动的方向;判断流程如图4所示,具体包括:
第一大类情况:如果x2-x1=0,则说明目标圆和参考圆的横坐标相同,即说明两个圆的圆心在同一垂直线上,如果此时y2-y1=0,则说明这两个圆的圆心重合,即对中状态;如果此时y2-y1>0,说明目标圆的圆心在参考圆圆心正下方,因此调整方向为正上,如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心正上方,因此调整方向为正下;
第二大类情况:如果x2-x1>0,则说明目标圆在参考圆的右侧,如果此时y2-y1=0,则说明这两个圆在同一水平线上,即调整方向为正左;如果此时y2-y1>0,说明目标圆的圆心在参考圆圆心下方,因此调整方向为左上,如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心上方,因此调整方向为左下;
第三大类情况:如果x2-x1<0,则说明目标圆在参考圆的左侧,如果此时y2-y1=0,则说明这两个圆在同一水平线上,即调整方向为正右;如果此时y2-y1>0,说明目标圆的圆心在参考圆圆心下方,因此调整方向为右上,如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心上方,因此调整方向为右下;
由于实际对中操作存在误差,很难在像素级别达到参考圆圆心与目标圆圆心完全重合,因此设置一个距离阈值为5个像素,只要两个圆心的距离偏差在5个像素范围内,就说明实现对中操作。
S5:将目标物的圆心和轮廓图像显示在操作界面上;
由于本发明要使用具体的操作界面,因此需要对图像的显示效果再次进行处理,只需要相关核心部分的内容显示,因此对图片进行定向裁剪调整,为了帮助操作人员更好的进行操作,本发明需要提供调节方向信息的汉字提醒显示。
具体地,由于MFC界面中无法使用汉字字符串,本发明采用单独编写的字符串库,调用相关函数,最后将结果集成显示在MFC界面上。
MFC界面的静态控件窗口可以导入bmp格式图像,因此,本发明将经过霍夫圆检测的检测结果图保存在一个目录之下,格式保存为bmp,然后在按钮控件对应的函数下调用该图片,将该图片传输到静态控件窗口中。
本发明实施例还设置3个按键分别控制三个设备的对中测试,点击该按键,对中处理后的图片可以在界面的窗口中显示,再次点击可以更新当前处理界面,更新速度比较快,当三个目标圆的圆心都对中时,整个设备就完成对中要求。
此外,本发明实施例还提供一种基于机器视觉的辅助对中系统,包括:
参考圆圆心坐标获取模块,用于对储存的参考圆的图像进行霍夫圆检测,对参考圆的图像进行处理得到参考圆的圆心坐标,并进行标定显示;
目标圆圆心坐标获取模块,用于对提取的待处理图像进行灰度化处理和中值滤波处理,得到包含目标圆的图像信息;根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
辅助对中模块,用于将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的大致方位;
显示模块,用于将目标圆的圆心和轮廓图像显示在操作界面上。
可以理解的是,本发明提供的一种基于机器视觉的辅助对中系统与前述实施例提供的基于机器视觉的辅助对中方法相对应,基于机器视觉的辅助对中系统的相关技术特征可参考基于机器视觉的辅助对中方法的相关技术特征,在此不再赘述。
本发明实施例提了一种电子设备,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,处理器执行计算机程序时实现以下步骤:
S1,对储存的参考圆的图像进行霍夫圆检测,对参考圆的图像进行灰度化、中值滤波处理得到参考圆的圆心坐标,并进行标定显示;
S2,对提取的待处理图像进行灰度化、中值滤波和霍夫圆检测处理,得到包含目标圆的图像信息;
S3,根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
S4,将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位;
S5,将目标圆的圆心和轮廓图像显示在操作界面上。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如下步骤:
S1,对储存的参考圆的图像进行霍夫圆检测,对参考圆的图像进行灰度化、中值滤波处理得到参考圆的圆心坐标,并进行标定显示;
S2,对提取的待处理图像进行灰度化、中值滤波和霍夫圆检测处理,得到包含目标圆的图像信息;
S3,根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
S4,将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位;
S5,将目标圆的圆心和轮廓图像显示在操作界面上。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,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.基于机器视觉的辅助对中方法,其特征在于,所述方法包括以下步骤:
S1,对储存的参考圆的图像进行霍夫圆检测,对参考圆的图像进行灰度化、中值滤波处理得到参考圆的圆心坐标,并进行标定显示;
S2,对提取的待处理图像进行灰度化、中值滤波和霍夫圆检测处理,得到包含目标圆的图像信息;
S3,根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
S4,将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位;
S5,将目标圆的圆心和轮廓图像显示在操作界面上。
2.根据权利要求1所述的基于机器视觉的辅助对中方法,其特征在于,所述确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径包括:
通过霍夫圆变换,将图像空间(x,y)对应到参数空间(a,b,r);
建立三维累加数组A(a,b,r),设开始时A(a,b,r)初始化为0,然后对图像坐标空间的每一个前景点(xi,yi),将参数空间中每一个a,b的离散值代入霍夫圆变换之后的数学模型中,计算出对应的x和y的值;
当每计算出一对参数空间(a,b,r),都将对应的数组元素A(a,b,r)加1,即A(a,b,r)=A(a,b,r)+1,在所有的计算结束之后,在参数计算表决结果中找到A(a,b,r)的最大峰值,所对应的a0、b0、r0即为需要找的圆的参数。
3.根据权利要求2所述的基于机器视觉的辅助对中方法,其特征在于,所述合适的阈值表示为10-50的像素值,所述将图像空间(x,y)对应到参数空间(a,b,r)包括:通过下式将圆从图像空间(x,y)空间中转换为参数空间(a,b,r):
(x-a)2+(y-b)2=r2 (1)
其中,(a,b)为目标圆圆心坐标,a为目标圆圆心横坐标,b为目标圆圆心纵坐标,(x,y)为圆上点的坐标,r为目标圆的半径;
所述霍夫圆变换之后的数学模型表示为:
a=x-r*cosθ (2)
b=y-r*cosθ (3)
θ表示为(x,y)点和原点的连线与x轴的夹角。
4.根据权利要求1所述的基于机器视觉的辅助对中方法,其特征在于,所述将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的方位包括:
将霍夫圆变换得到目标圆的圆心(记作(x2,y2)),储存在一个数组中,和之前保存的参考圆圆心(记作(x1,y1))进行对比;
判断目标圆半径是否为0,如果为0则说明没有检测到目标圆,如果不为0,则说明检测到了目标圆,则判断目标圆需要移动的方向。
5.根据权利要求4所述的基于机器视觉的辅助对中方法,其特征在于,所述判断目标圆需要移动的方向包括:如果x2-x1=0,则说明目标圆和参考圆的横坐标相同,即两个圆的圆心在同一垂直线上;
如果此时y2-y1=0,则说明这两个圆的圆心重合,即对中状态;
如果此时y2-y1>0,则说明目标圆的圆心在参考圆圆心正下方,因此调整方向为正上;
如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心正上方,因此调整方向为正下。
6.根据权利要求4所述的基于机器视觉的辅助对中方法,其特征在于,所述判断目标圆需要移动的方向包括:如果x2-x1>0,则说明目标圆在参考圆的右侧;
如果此时y2-y1=0,则说明这两个圆在同一水平线上,即调整方向为正左;
如果此时y2-y1>0,说明目标圆的圆心在参考圆圆心下方,因此调整方向为左上;如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心上方,因此调整方向为左下。
7.根据权利要求4所述的基于机器视觉的辅助对中方法,其特征在于,所述判断目标圆需要移动的方向包括:如果x2-x1<0,则说明目标圆在参考圆的左侧;
如果此时y2-y1=0,则说明这两个圆在同一水平线上,即调整方向为正右;
如果此时y2-y1>0,说明目标圆的圆心在参考圆圆心下方,因此调整方向为右上,
如果此时y2-y1<0,说明目标圆的圆心在参考圆圆心上方,因此调整方向为右下。
8.基于机器视觉的辅助对中系统,其特征在于,包括:
参考圆圆心坐标获取模块,用于对储存的参考圆的图像进行霍夫圆检测,对参考圆的图像进行处理得到参考圆的圆心坐标,并进行标定显示;
目标圆圆心坐标获取模块,用于对提取的待处理图像进行灰度化处理和中值滤波处理,得到包含目标圆的图像信息;根据目标圆小于参考圆这一信息,确定合适的阈值,对包含目标圆的图像信息进行霍夫圆检测,只检测出目标圆,得到目标圆的圆心和半径;
辅助对中模块,用于将得到的目标圆圆心储存在数组之中,采用条件判断算法对目标圆的圆心和参考圆的圆心分别进行横纵坐标对比,根据对比结果判断需要调节的大致方位;
显示模块,用于将目标圆的圆心和轮廓图像显示在操作界面上。
9.一种电子设备,其特征在于,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7任一项所述的基于机器视觉的辅助对中方法的步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机管理类程序,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的基于机器视觉的辅助对中方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343792.1A CN116402784A (zh) | 2023-03-29 | 2023-03-29 | 基于机器视觉的辅助对中方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343792.1A CN116402784A (zh) | 2023-03-29 | 2023-03-29 | 基于机器视觉的辅助对中方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116402784A true CN116402784A (zh) | 2023-07-07 |
Family
ID=87006911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310343792.1A Pending CN116402784A (zh) | 2023-03-29 | 2023-03-29 | 基于机器视觉的辅助对中方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402784A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392243A (zh) * | 2023-12-13 | 2024-01-12 | 山东科技大学 | 基于图像处理的编码器安装位置检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160283806A1 (en) * | 2015-03-26 | 2016-09-29 | Mando Corporation | Method and device for detecting elliptical structures in an image |
CN109992011A (zh) * | 2019-04-23 | 2019-07-09 | 广东电网有限责任公司 | 一种巡检机器人云台的二次对准方法、装置和设备 |
CN110866903A (zh) * | 2019-11-08 | 2020-03-06 | 北京工业大学 | 基于霍夫圆变换技术的乒乓球识别方法 |
CN111366076A (zh) * | 2020-03-26 | 2020-07-03 | 武汉大学 | 一种基于圆弧象限分类圆检测的光纤棒机床对中装置及对中方法 |
CN112069906A (zh) * | 2020-08-10 | 2020-12-11 | 浙江工业大学 | 一种基于OpenCV和综合匹配距离的红绿灯识别方法 |
CN114638783A (zh) * | 2022-02-10 | 2022-06-17 | 中冶南方工程技术有限公司 | 一种基于图像识别的钢卷高度对中系统 |
CN114820522A (zh) * | 2022-04-24 | 2022-07-29 | 中南大学 | 基于霍夫变换的瞳孔直径智能检测方法及装置 |
-
2023
- 2023-03-29 CN CN202310343792.1A patent/CN116402784A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160283806A1 (en) * | 2015-03-26 | 2016-09-29 | Mando Corporation | Method and device for detecting elliptical structures in an image |
CN109992011A (zh) * | 2019-04-23 | 2019-07-09 | 广东电网有限责任公司 | 一种巡检机器人云台的二次对准方法、装置和设备 |
CN110866903A (zh) * | 2019-11-08 | 2020-03-06 | 北京工业大学 | 基于霍夫圆变换技术的乒乓球识别方法 |
CN111366076A (zh) * | 2020-03-26 | 2020-07-03 | 武汉大学 | 一种基于圆弧象限分类圆检测的光纤棒机床对中装置及对中方法 |
CN112069906A (zh) * | 2020-08-10 | 2020-12-11 | 浙江工业大学 | 一种基于OpenCV和综合匹配距离的红绿灯识别方法 |
CN114638783A (zh) * | 2022-02-10 | 2022-06-17 | 中冶南方工程技术有限公司 | 一种基于图像识别的钢卷高度对中系统 |
CN114820522A (zh) * | 2022-04-24 | 2022-07-29 | 中南大学 | 基于霍夫变换的瞳孔直径智能检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
沈子琦: "基于视频图像的工件装配对准技术研究", 中国优秀硕士学位论文全文数据库信息科技辑, no. 11, pages 140 - 545 * |
纸言片羽: "霍夫变换(Hough)", pages 1 - 7, Retrieved from the Internet <URL:http://www.360doc.com/content/18/0605/22/35751304_759979582.shtml> * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392243A (zh) * | 2023-12-13 | 2024-01-12 | 山东科技大学 | 基于图像处理的编码器安装位置检测方法及系统 |
CN117392243B (zh) * | 2023-12-13 | 2024-02-06 | 山东科技大学 | 基于图像处理的编码器安装位置检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028213B (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
CN106546263B (zh) | 一种基于机器视觉的激光水平仪出射激光线检测方法 | |
CN108416771A (zh) | 一种基于单目相机的金属材料锈蚀面积检测方法 | |
CN111640104B (zh) | 一种螺钉装配的视觉检测方法 | |
CN112767359B (zh) | 复杂背景下的钢板角点检测方法及系统 | |
CN116402784A (zh) | 基于机器视觉的辅助对中方法、系统、设备及存储介质 | |
CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
CN112308828A (zh) | 一种密封设备气密性的人工智能检测方法和检测系统 | |
CN107818583A (zh) | 十字中心检测方法及装置 | |
Han et al. | Target positioning method in binocular vision manipulator control based on improved canny operator | |
CN109341664A (zh) | 基于视觉的二维桥式吊车的摆动状态测量方法 | |
CN109784257B (zh) | 一种变压器温度表检测与识别方法 | |
CN114842335B (zh) | 用于建筑机器人的开槽目标识别方法及系统 | |
CN115861407A (zh) | 基于深度学习的安全距离检测方法及系统 | |
CN111429437A (zh) | 面向目标检测的图像无参考清晰度质量检测方法 | |
CN114627079B (zh) | 基于人工智能的安防监控设备异常检测方法及系统 | |
CN115035071A (zh) | 一种pad导光板黑点缺陷的视觉检测方法 | |
CN110533698B (zh) | 一种基于视觉检测的基坑施工桩检测控制方法 | |
CN109858474B (zh) | 一种变压器油面温控器检测与识别方法 | |
CN114511894A (zh) | 瞳孔中心坐标的获取系统及获取方法 | |
CN110136104B (zh) | 基于无人机地面站的图像处理方法、系统及介质 | |
CN109242910A (zh) | 一种基于任意已知平面形状的单目相机自标定方法 | |
CN112614182B (zh) | 基于深度学习的识别加工位置的方法、存储设备、移动终端 | |
Zhongtang et al. | High Precision Autocollimation Measurement Technology Based on Image Recognition | |
CN111062879B (zh) | 一种检测图像中渐开线的图像方法 |
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 |