CN117078616A - 编码器码盘基线检测系统 - Google Patents
编码器码盘基线检测系统 Download PDFInfo
- Publication number
- CN117078616A CN117078616A CN202311013961.1A CN202311013961A CN117078616A CN 117078616 A CN117078616 A CN 117078616A CN 202311013961 A CN202311013961 A CN 202311013961A CN 117078616 A CN117078616 A CN 117078616A
- Authority
- CN
- China
- Prior art keywords
- image
- baseline
- logic
- module
- connected domain
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 57
- 230000011218 segmentation Effects 0.000 claims abstract description 56
- 238000001914 filtration Methods 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 33
- 230000000877 morphologic effect Effects 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000005260 corrosion Methods 0.000 claims description 58
- 230000007797 corrosion Effects 0.000 claims description 58
- 230000001629 suppression Effects 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000010339 dilation Effects 0.000 claims description 12
- 230000003628 erosive effect Effects 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 6
- 238000004573 interface analysis Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 13
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000009434 installation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000009825 accumulation Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种编码器码盘基线检测系统,包括:高速图像传感器模块,用于获取编码器码盘基线的原始图像;形态学滤波模块,用于预处理原始图像;基线分割模块用于对预处理图像进行基线特征筛选,基线特征提取模块用于提取图像的基线特征;缓存模块,用于实现图像处理操作过程中的对待处理图像的缓存。通过系统内部的高速图像传感器模块、各个图像处理模块及缓存模块,完成编码器码盘基线图像的采集、处理和传输操作,减少了整个编码器码盘安装系统的基线位置获取延迟,提高了编码器码盘安装系统精度,可广泛应用于工业制造智能化领域。
Description
技术领域
本发明涉及工业制造智能化领域,特别涉及一种编码器码盘基线检测系统。
背景技术
编码器码盘是电机编码器的重要组成部分,高速电机中对位置和速度的高精度检测及控制需要电机编码器精确反馈电机轴的旋转位置,电机编码器通过检测安装到电机轴的码盘上的码道变化数量和速度计算电机轴的位置和速度,当电机高速旋转时,码盘安装的径向偏心程度极大影响编码器角度检测的准确性的稳定性。
为了减少安装编码器码盘时与电机轴的偏心,传统的安装方法是采用人工通过显微镜观测码盘上的基线,观测偏心量的同时调整码盘的位置,由于人工观测无法准确衡量偏心量,这种安装方法的效率和安装精度较低;近年的新技术是通过可以采集图像的工业相机,将电机旋转到不同角度拍摄到的码盘图像上的基线进行最小二乘法拟合间接计算计算码盘的偏心角度和距离,但由于采集图像需传输至上位机进行处理,该方法的实时性和处理帧率较低,检测到的基线数据无法作为实时量对整个偏心调整系统进行反馈控制。因此如何提高编码器码盘安装的效率和准确度是亟待解决的问题。
发明内容
(一)技术方案
本发明的实施例提供一种编码器码盘基线检测系统,包括:高速图像传感器模块,用于获取编码器码盘基线的原始图像,并将原始图像逐像素输出;形态学滤波模块,用于接收原始图像,并对原始图像进行预处理得到预处理图像,并将预处理图像逐像素输出,预处理依次包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作以及高斯滤波操作;基线分割模块,用于对预处理图像进行基线特征筛选得到基线特征图像,并将基线特征图像逐像素输出;基线特征筛选依次包括梯度计算逻辑操作、极大值抑制分割逻辑操作以及基线特征筛选操作;基线特征提取模块,用于对基线特征图像进行连通域特征筛选并得到基线特征,连通域特征筛选依次包括连通域标记操作和连通域特征提取操作;缓存模块,用于在执行当前操作之前,获取待操作的图像像素并将待操作的图像像素行缓存为待处理图像块,当待处理图像块的像素数量满足当前操作对像素的数量要求时,执行当前操作,当前操作包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作、高斯滤波操作、梯度计算逻辑操作、极大值抑制分割逻辑操作、基线特征筛选操作、连通域标记操作以及连通域特征提取操作,待操作的图像像素包括上一个操作或者上一个模块所输出的图像像素。
可选地,编码器码盘基线检测系统还包括:输出接口模块,用于输出基线特征和系统状态数据;核心控制模块,用于获取高速图像传感器模块、形态学滤波模块、基线分割模块和基线特征提取模块的模块工作状态;对高速图像传感器模块输出控制选择信号;对形态学滤波模块、基线分割模块输出图像处理参数并接收通过基线分割模块计算得到的系统状态数据。
可选地,高速图像传感器模块包括:高速图像传感器,用于获取编码器码盘基线的实时图像数据并转换为数据流进行输出;模拟器接口解析逻辑,用于获取码盘基线的模拟图像数据并输出;输入选择逻辑,根据核心控制模块所输出的控制选择信号选择原始图像的第一输入源,第一输入源包括高速图像传感器或模拟器接口解析逻辑。
可选地,形态学滤波模块包括:膨胀腐蚀逻辑,用于进行膨胀腐蚀操作,包括对原始图像进行膨胀腐蚀形态学运算,得到膨胀腐蚀图像;图像相减逻辑,用于进行图像相减操作,包括将膨胀腐蚀图像与原始图像相减,得到相减图像;腐蚀膨胀逻辑,用于进行腐蚀膨胀操作,包括对相减图像进行腐蚀膨胀形态学运算,得到腐蚀膨胀图像;高斯滤波逻辑,用于进行高斯滤波操作,包括采用3×3高斯滤波核对腐蚀膨胀图像进行卷积,得到预处理图像。膨胀腐蚀逻辑和腐蚀膨胀逻辑基于核心控制模块输出的图像处理参数确定膨胀腐蚀操作和腐蚀膨胀操作的滤波半径。
可选地,基线分割模块包括:梯度计算逻辑,用于进行梯度计算逻辑操作,包括计算预处理图像的图像梯度,得到梯度图像和图像梯度特征,图像梯度特征包括梯度幅值和方向值;极大值抑制分割逻辑,用于进行极大值抑制分割逻辑操作,包括对梯度图像进行非极大值抑制分割,得到边缘图像;基线特征筛选逻辑,用于进行基线特征筛选操作,包括根据方向值对边缘图像进行基线特征筛选并得到基线特征图像。
可选地,梯度计算逻辑还包括:根据梯度幅值计算预处理图像的平均梯度值,并输出至核心控制模块;极大值抑制分割逻辑还包括:根据核心控制模块输出的图像处理参数确定非极大值抑制分割操作的分割阈值。
可选地,基线特征提取模块包括:连通域标记逻辑,用于进行连通域标记操作,包括对基线特征图像块进行邻域填充,判别连通关系,并输出连通域标记图像;连通域特征提取逻辑,用于进行连通域特征提取操作,包括提取并筛选连通域标记图像的连通域特征,基于满足基线特征范围的连通域特征得到基线特征,基线特征包括:中心坐标、旋转角和连通域像素数量。
可选地,系统状态数据包括通过梯度计算逻辑得到的预处理图像的横向平均梯度值;输出接口模块包括:数据整合发送逻辑,将系统状态数据和基线特征进行合并,得到系统数据;高速数据接口逻辑,输出系统数据。
本发明的实施例提供一种编码器码盘基线检测方法,包括:
获取编码器码盘基线的原始图像,并将原始图像逐像素输出;对原始图像进行预处理得到预处理图像,依次包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作以及高斯滤波操作,并将预处理图像逐像素输出;对预处理图像进行基线特征筛选得到基线特征图像,依次包括梯度计算逻辑操作、极大值抑制分割逻辑操作以及基线特征筛选操作,并将基线特征图像逐像素输出;对基线特征图像进行连通域特征筛选,依次包括连通域标记操作和连通域特征提取操作,并得到基线特征;在执行当前操作之前,获取待操作的图像像素并将待操作的图像像素行缓存为待处理图像块,当待处理图像块的像素数量满足当前操作对像素的数量要求时,执行当前操作,当前操作包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作、高斯滤波操作、梯度计算逻辑操作、极大值抑制分割逻辑操作、基线特征筛选操作、连通域标记操作以及连通域特征提取操作,待操作的图像像素包括原始图像像素或者上一个操作所输出的图像像素。
可选地,对原始图像进行预处理包括:对原始图像进行膨胀腐蚀形态学运算;将膨胀腐蚀后的图像与原始图像相减;将相减之后的图像进行腐蚀膨胀形态学运算;将腐蚀膨胀后的图像进行高斯滤波;对预处理图像进行基线特征筛选包括:对预处理图像进行卷积运算并得到梯度图像;对梯度图像进行非极大值抑制分割并得到边缘图像;对边缘图像进行基线特征筛选;对基线特征图像进行连通域特征筛选包括:对基线特征图像进行连通域填充和标记并得到连通域标记图像;提取连通域标记图像的连通域特征并筛选满足基线特征的连通域特征,得到基线特征。
(二)有益效果
本发明设计了一种编码器码盘基线检测系统,通过系统内部的高速图像传感器、各个图像处理模块及输入输出控制模块,完成编码器码盘基线图像的采集、处理和传输操作,减少了整个编码器码盘安装系统的基线位置获取延迟,提高了安装效率和安装精度。
通过系统内部的缓存模块使得各个图像处理模块针对图像传感器输出的图像数据流以脉动流水方式进行处理,在图像传感器输出图像的同时完成图像处理,可以减少图像缓存的占用,提高图像处理的实时性,减少系统的复杂程度,利于系统集成和运行的效率。
附图说明
图1示意性地示出了本发明实施例提供的一种编码器码盘基线检测系统工作结构示意图。
图2示意性地示出了本发明实施例提供的高速图像传感器模块的结构示意图。
图3示意性地示出了本发明实施例提供的形态学滤波模块的结构示意图。
图4示意性地示出了本发明实施例提供的基线分割模块的结构示意图。
图5示意性地示出了本发明实施例提供的基线特征提取模块的结构示意图。
图6示意性地示出了本发明实施例提供的输出接口模块的结构示意图。
图7示意性地示出了本发明实施例提供的一种电机编码码盘基线检测方法的流程图。
具体实施方式
使本发明的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本发明作进一步的详细说明。
在此公开本发明结构实施例和方法的描述。应当了解,这并不意图将本发明限制在特定公开的实施例中,本发明可以通过使用其它特征,元件、方法和实施例来加以实施。不同实施例中的相似元件通常会标示相似的号码。
图1示意性地示出了本发明实施例提供的一种编码器码盘基线检测系统工作结构示意图。
如图1所示,该编码器码盘基线检测系统工作结构包括有一种编码器码盘基线检测系统,用于采集电机编码器码盘基线的图像,并输出该基线图像的基线特征与该电机编码器码盘的系统状态数据至码盘安装校准控制部分,该码盘安装校准控制部分用于根据基线特征与系统状态数据对电机编码器码盘进行校准安装。
如图1所示,该编码器码盘基线检测系统包括高速图像传感器模块100,形态学滤波模块200,基线分割模块300,基线特征提取模块300,输出接口模块500,核心控制模块600。
本发明所提供的实施例中,高速图像传感器模块(100),用于获取编码器码盘基线的原始图像,并将原始图像逐像素输出;形态学滤波模块(200),用于接收高速图像传感器模块(100)所输出的原始图像像素,然后原始图像像素进行预处理得到预处理图像,并将预处理图像逐像素输出;基线分割模块(300),用于接收形态学滤波模块(200)所输出的预处理图像像素,对预处理图像进行基线特征筛选得到基线特征图像,并将基线特征图像逐像素输出;基线特征提取模块(400)用于接收基线分割模块(300)所输出的基线特征图像像素并对基线特征图像进行连通域特征筛选,得到基线特征。
本发明提供的实施例中,编码器码盘基线检测系统包括缓存模块,于在执行当前操作之前,获取待操作的图像像素并将待操作的图像像素行缓存为待处理图像块,当待处理图像块的像素数量满足当前操作对像素的数量要求时,执行当前操作,当前操作包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作、高斯滤波操作、梯度计算逻辑操作、极大值抑制分割逻辑操作、基线特征筛选操作、连通域标记操作以及连通域特征提取操作,待操作的图像像素包括上一个操作或者上一个模块所输出的图像像素。
本发明提供的实施例中,当前操作为膨胀腐蚀操作时,待操作的的图像像素来自于上一个模块即高速图像传感器模块100输出的原始图像像素,当前操作为除膨胀腐蚀操作以外的其他操作时,待操作的图像像素来自于当前操作的上一个操作所输出的图像像素,例如进行图像相减操作时,待操作的图像像素即为原始图像经膨胀腐蚀操作后所输出的图像像素。
本发明提供的实施例中,通过缓存模块使得各个模块和操作能够将图像数据以脉动流水方式处理,即在上一个模块或操作输出图像像素的同时,对输出像素进行缓存,当满足当前操作对像素数量的要求时,就能够开始当前操作,进行对图像像素的处理。从而可以在上个操作或模块输出像素的同时实现当前操作对像素的处理,而无需等待上个操作或模块将全部图像像素输出完毕后再获取图像像素,才能够进行对图像像素的处理。进而通过该缓存模块可以减少图像缓存的占用,提高图像处理的实时性,减少系统的复杂程度,利于系统集成和运行的效率。
图2示意性地示出了本发明实施例提供的高速图像传感器模块的结构示意图。
如图2所示,高速图像传感器模块100包括高速图像传感器101、模拟器接口解析逻辑102和输入选择逻辑103。其中,高速图像传感器101通过高速图像传感器拍摄旋转中的电机编码器码盘上的基线,并将所拍摄的基线图像转换为图像数据流传递到输入选择逻辑103,模拟器接口解析逻辑102则是获取模拟的基线图像数据,该模拟基线图像数据包括利用电脑软件模拟生成的基线图像数据或者是实际拍摄保存的基线图像数据。并将模拟基线图像数据传递给输入选择逻辑103。该输入选择逻辑103用于根据核心模块600所输出的输入控制信号选择该编码器码盘基线检测系统的原始图像的第一输入源,该原始图像的第一输入源是高速图像传感器101所传递的基线图像和模拟器接口解析逻辑102所传递的模拟基线图像二者图像数据中的一个。当原始图像为模拟基线图像时,则代表利用模拟基线图像检测该编码器码盘基线检测系统中各模块功能的正确性,从而保证该编码器码盘基线检测系统能够准确无误地运行。
本发明所提供的实施例中,高速图像传感器101采集图像的分辨率为1920×1080,帧率为100fps,针对旋转中的编码器码盘,高速图像传感器101采用全局曝光方式采集图像,可有效减少滚动曝光方式采集图像的不连续性,并且在传递图像数据过程中的接口可以采用高速串行接口输出像素数据,模拟器接口解析逻辑102可以采用万兆以太网接口作为模拟器的接口。
图3示意性地示出了本发明实施例提供的形态学滤波模块的结构示意图。
如图3所示,该形态学滤波模块包括膨胀腐蚀逻辑201、图像相减逻辑202、腐蚀膨胀逻辑203以及高斯滤波模块204。其中膨胀腐蚀逻辑201用于进行膨胀腐蚀操作,包括对原始图像进行膨胀腐蚀形态学运算,得到膨胀腐蚀图像。
本发明所提供的实施例中,膨胀腐蚀操作的运算核为圆形,直径设置为基线宽度所对应像素数量的2倍,根据原始图像数据流的输入方式对原始图像逐像素处理;首先进行膨胀运算,缓存与运算核相同的图像块,查找该图像块内图像像素的最大值,并作为当前像素的输出;腐蚀运算与膨胀运算相似,即查找该图像块内图像像素的最小值,作为当前像素输出。
本发明所提供的实施例中,图像相减逻辑202用于将进行膨胀腐蚀操作后的图像与原始图像相减,并将所得结果图像中小于0的像素设置为0。
本发明所提供的实施例中,腐蚀膨胀逻辑203,用于进行腐蚀膨胀操作,包括对相减图像进行腐蚀膨胀形态学运算,得到腐蚀膨胀图像。
本发明所提供的实施例中,腐蚀膨胀操作的运算核为圆形,直径设置为基线宽度所对应像素数量的1/2,实现步骤与膨胀腐蚀步骤相似,但其是先将图像进行腐蚀运算,再对图像进行膨胀运算。
本发明所提供的实施例中,该膨胀腐蚀逻辑201、腐蚀膨胀逻辑203根据核心控制模块600所输出的滤波半径生成不同半径的运算核。通过对原始图像进行膨胀腐蚀操作、图像相减操作以及腐蚀膨胀操作可以在保留原始图像的基线特征的前提下减小其余特征的干扰。
本发明提供的实施例中,高斯滤波逻辑204用于进行高斯滤波操作,包括采用3×3高斯滤波核对腐蚀膨胀图像进行卷积,得到预处理图像。该高斯滤波采用3×3的高斯滤波核与图像进行加权平均运算,高斯滤波核的标准差
本发明提供的实施例中,电机编码器码盘的基线在采集到的图像中宽度为11~12像素,膨胀腐蚀逻辑201中的滤波模板设置为直径25像素的圆形模板,保证基线在膨胀腐蚀运算后可以去除,腐蚀膨胀逻辑203中的滤波模板设置为直径9像素的圆形模板,保证膨胀腐蚀运算后在图像中保留基线;高斯滤波逻辑204采用3×3高斯滤波核函数与图像进行卷积,可以减少图像传感器引入的高斯噪声。
图4示意性地示出了本发明实施例提供的基线分割模块的结构示意图。
如图4所示,基线分割模块300包括梯度计算逻辑301、非极大值抑制分割逻辑302和基线特征筛选逻辑303。
本发明提供的实施例中,梯度计算逻辑301用于进行梯度计算逻辑操作,包括计算预处理图像的图像梯度,得到梯度图像和图像梯度特征,图像梯度特征包括梯度幅值和方向值。同时根据梯度幅值计算图像的平均梯度,并将平均梯度输出至核心控制模块600。
本发明提供的实施例中,梯度计算逻辑301进行梯度计算逻辑操作的过程包括:使用Sobel算子与形态学滤波后的预处理图像进行卷积运算,得到图像的x方向梯度Gx和y方向梯度Gy,使用计算梯度的幅度,/>计算梯度的方向,得到梯度图像。
本发明提供的实施例中,电机编码器码盘基线在图像中为竖直方向线条,且存在表面脏污。表面脏污的梯度数值一般小于50,梯度计算逻辑301将梯度数值50作为图像清晰度的衡量指标,计算梯度大于50的横向平均梯度,将横向平均梯度小于50的视为表面脏污。
本发明提供的实施例中,非极大值抑制分割逻辑302用于进行极大值抑制分割逻辑操作,包括对梯度图像进行非极大值抑制分割,得到边缘图像。
本发明提供的实施例中,非极大值抑制分割逻辑302的非极大值抑制分割操作具体包括将梯度方向划分为8个方向,在3×3邻域中根据梯度方向查找极大值,若极大值的位置与梯度方向相同,同时大于分割阈值,则将当前位置像素的输出数值设置1,同时输出对应像素的梯度幅值和方向,否则输出数值为0。
本发明提供的实施例中,非极大值抑制分割逻辑302所进行的非极大值抑制分割操作的分割阈值根据核心控制模块600输出的图像处理参数确定,非极大值抑制分割逻辑302根据梯度图像的方向信息和梯度数值采用双阈值进行分割,分割阈值根据图像的亮度由核心控制模块600进行动态调整,非极大值抑制分割逻辑302将梯度图像中的边缘特征进行提取,输出超过高阈值的强边缘和高于低阈值的弱边缘。
本发明提供的实施例中,基线特征筛选逻辑303用于进行基线特征筛选操作,包括根据方向值对边缘图像进行基线特征筛选并得到基线特征图像。
本发明提供的实施例中,基线特征筛选逻辑303进行基线特征筛选操作具体包括根据梯度计算逻辑301输出的梯度图像对非极大值抑制分割逻辑302输出的边缘图像进行筛选,对边缘图像逐像素进行梯度方向判断,不符合基线特征的边缘图像设置为0,保留符合基线梯度特征的强弱边缘图像,最终输出基线特征图像。
图5示意性地示出了本发明实施例提供的基线特征提取模块的结构示意图。
如图5所示,基线特征提取模块400包括连通域标记逻辑401和连通域特征提取逻辑402。
本发明提供的实施例中,连通域标记逻辑401用于进行连通域标记操作,包括对基线特征图像进行邻域填充,判别连通关系,并输出连通域标记图像。
本发明提供的实施例中,连通域标记逻辑401进行连通域标记操作的具体过程包括对基线特征图像进行邻域填充,避免分割筛选导致的基线边缘特征不连续,邻域填充采用3×3邻域填充的方式进行,即缓存3×3图像像素,若中心像素的周围有非0像素,则将输出的中心像素设置为1。将填充完成的图像进行连通域标记,对已完成连通域标记的上一行进行缓存,用于设置当前位置的连通域标记号,同时生成连通域的连接关系表,记录互相连接的连通域,最终输出连通域标记图像。
本发明提供的实施例中,连通域特征提取逻辑402用于进行连通域特征提取操作具体包括提取并筛选连通域标记图像的连通域特征,基于满足基线特征范围的连通域特征得到基线特征,连通域特征包括:中心坐标、旋转角和连通域像素数量。
连通域特征提取逻辑402进行连通域特征提取操作的具体过程包括:连通域特征提取逻辑402内部具有连通域特征缓存,根据连通域的标记联通关系表和连通域标记逻辑401标记完成的连通域图像进行连通域特征统计,统计的连通域特征包括连通域的标签边界、强边缘和弱边缘的像素数量、连通域的梯度累加和及梯度方向累加和,根据连通域的强弱边缘的像素数量,去除均为弱边缘的连通域,并根据连通域的梯度方向累加和及连通域的标签边界计算连通域的中心坐标和旋转角特征,即可得到电机码盘的基线特征。
图6示意性地示出了本发明实施例提供的输出接口模块的结构示意图。
如图6所示,输出接口模块500包括数据整合发送逻辑501和高速数据接口逻辑502。
本发明提供的实施例中,数据整合发送逻辑501用于将系统状态数据和基线特征进行合并,得到系统数据。其中系统状态数据为通过梯度计算逻辑301得到的预处理图像的横向平均梯度值,该系统状态数据由核心模块600传递到数据整合发送逻辑501中。
本发明提供的实施例中,高速数据接口模块502用于输出系统数据,码盘安装校准控制系统可根据系统状态数据实现电机编码器码盘的对准、对焦以及径向偏心校准调整。
图7示意性地示出了本发明实施例提供的一种电机编码码器盘基线检测方法的流程图,包括子操作S710~S740。
在子操作S710,获取编码器码盘基线的原始图像,并将原始图像逐像素输出。
在子操作S720,对原始图像进行预处理得到预处理图像,依次包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作以及高斯滤波操作,并将预处理图像逐像素输出。
本发明提供的实施例中,对原始图像进行预处理包括:
对原始图像进行膨胀腐蚀形态学运算;将膨胀腐蚀后的图像与原始图像相减;将相减之后的图像进行腐蚀膨胀形态学运算;将腐蚀膨胀后的图像进行高斯滤波。
在子操作S730,对预处理图像进行基线特征筛选得到基线特征图像,依次包括梯度计算逻辑操作、极大值抑制分割逻辑操作以及基线特征筛选操作,并将基线特征图像逐像素输出。
本发明提供的实施例中,对预处理图像进行基线特征筛选包括:对预处理图像进行卷积运算并得到梯度图像;对梯度图像进行非极大值抑制分割并得到边缘图像;对边缘图像进行基线特征筛选。
在子操作S740,对基线特征图像进行连通域特征筛选,依次包括连通域标记操作和连通域特征提取操作,并得到基线特征。
本发明提供的实施例中,对基线特征图像进行连通域特征筛选包括:对基线特征图像进行连通域填充和标记并得到连通域标记图像;提取连通域标记图像的连通域特征并筛选满足基线特征的连通域特征,得到基线特征。
本发明提供的实施例中,在执行当前操作之前,获取待操作的图像像素并将待操作的图像像素行缓存为待处理图像块,当待处理图像块的像素数量满足当前操作对像素的数量要求时,执行当前操作,当前操作包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作、高斯滤波操作、梯度计算逻辑操作、极大值抑制分割逻辑操作、基线特征筛选操作、连通域标记操作以及连通域特征提取操作,待操作的图像像素包括原始图像像素或者上一个操作所输出的图像像素。
以上的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种编码器码盘基线检测系统,其特征在于,包括:
高速图像传感器模块(100),用于获取编码器码盘基线的原始图像,并将所述原始图像逐像素输出;
形态学滤波模块(200),用于接收所述原始图像,并对所述原始图像进行预处理得到预处理图像,并将所述预处理图像逐像素输出,所述预处理依次包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作以及高斯滤波操作;
基线分割模块(300),用于对所述预处理图像进行基线特征筛选得到基线特征图像,并将所述基线特征图像逐像素输出;所述基线特征筛选依次包括梯度计算逻辑操作、极大值抑制分割逻辑操作以及基线特征筛选操作;
基线特征提取模块(400),用于对所述基线特征图像进行连通域特征筛选并得到基线特征,所述连通域特征筛选依次包括连通域标记操作和连通域特征提取操作;
缓存模块,用于在执行当前操作之前,获取待操作的图像像素并将所述待操作的图像像素行缓存为待处理图像块,当所述待处理图像块的像素数量满足当前操作对像素的数量要求时,执行当前操作,所述当前操作包括所述膨胀腐蚀操作、所述图像相减操作、所述腐蚀膨胀操作、所述高斯滤波操作、所述梯度计算逻辑操作、所述极大值抑制分割逻辑操作、所述基线特征筛选操作、所述连通域标记操作以及所述连通域特征提取操作,所述待操作的图像像素包括上一个操作或者上一个模块所输出的图像像素。
2.根据权利要求1所述的编码器码盘基线检测系统,其特征在于,还包括:
输出接口模块(500),用于输出所述基线特征和系统状态数据;
核心控制模块(600),用于获取所述高速图像传感器模块(100)、所述形态学滤波模块(200)、所述基线分割模块(300)和所述基线特征提取模块(400)的模块工作状态;
对所述高速图像传感器模块(100)输出控制选择信号;
对所述形态学滤波模块(200)、所述基线分割模块(300)输出图像处理参数并接收通过所述基线分割模块(300)计算得到的系统状态数据。
3.根据权利要求1所述的编码器码盘基线检测系统,其特征在于,所述高速图像传感器模块(100)包括:
高速图像传感器(101),用于获取编码器码盘基线的实时图像数据并转换为数据流进行输出;
模拟器接口解析逻辑(102),用于获取码盘基线的模拟图像数据并输出;
输入选择逻辑(103),根据核心控制模块(600)所输出的控制选择信号选择所述原始图像的第一输入源,所述第一输入源包括所述高速图像传感器(101)或所述模拟器接口解析逻辑(102)。
4.根据权利要求1所述的编码器码盘基线检测系统,其特征在于,所述形态学滤波模块(200)包括:
膨胀腐蚀逻辑(201),用于进行所述膨胀腐蚀操作,包括对所述原始图像进行膨胀腐蚀形态学运算,得到膨胀腐蚀图像;
图像相减逻辑(202),用于进行所述图像相减操作,包括将所述膨胀腐蚀图像与所述原始图像相减,得到相减图像;
腐蚀膨胀逻辑(203),用于进行所述腐蚀膨胀操作,包括对所述相减图像进行腐蚀膨胀形态学运算,得到腐蚀膨胀图像;
高斯滤波逻辑(204),用于进行所述高斯滤波操作,包括采用3×3高斯滤波核对所述腐蚀膨胀图像进行卷积,得到所述预处理图像;
所述膨胀腐蚀逻辑(201)和腐蚀膨胀逻辑(203)基于核心控制模块(600)输出的图像处理参数确定所述膨胀腐蚀操作和所述腐蚀膨胀操作的滤波半径。
5.根据权利要求1所述的编码器码盘基线检测系统,其特征在于,所述基线分割模块(300)包括:
梯度计算逻辑(301),用于进行所述梯度计算逻辑操作,包括计算所述预处理图像的图像梯度,得到梯度图像和图像梯度特征,所述图像梯度特征包括梯度幅值和方向值;
非极大值抑制分割逻辑(302),用于进行所述极大值抑制分割逻辑操作,包括对所述梯度图像进行非极大值抑制分割,得到边缘图像;
基线特征筛选逻辑(303),用于进行所述基线特征筛选操作,包括根据所述方向值对所述边缘图像进行基线特征筛选并得到基线特征图像。
6.根据权利要求5所述的编码器码盘基线检测系统,其特征在于,所述梯度计算逻辑(301)还包括:
根据所述梯度幅值计算所述预处理图像的平均梯度值,并输出至核心控制模块(600);
所述极大值抑制分割逻辑(302)还包括:
根据核心控制模块(600)输出的所述图像处理参数确定所述非极大值抑制分割操作的分割阈值。
7.根据权利要求1所述的编码器码盘基线检测系统,其特征在于,基线特征提取模块(400)包括:
连通域标记逻辑(401),用于进行所述连通域标记操作,包括对所述基线特征图像进行邻域填充,判别连通关系,并输出连通域标记图像;
连通域特征提取逻辑(402),用于进行所述连通域特征提取操作,包括提取并筛选所述连通域标记图像的连通域特征,基于满足基线特征范围的连通域特征得到所述基线特征,所述基线特征包括:连通域的中心坐标、连通域像素数量以旋转角特征。
8.根据权利要求2所述的编码器码盘基线检测系统,其特征在于,
所述系统状态数据包括通过梯度计算逻辑(301)得到的预处理图像的横向平均梯度值;
所述输出接口模块(500)包括:
数据整合发送逻辑(501),用于将所述系统状态数据和所述基线特征进行合并,得到系统数据;
高速数据接口逻辑(502),用于输出所述系统数据。
9.一种编码器码盘基线检测方法,其特征在于,包括:
获取编码器码盘基线的原始图像,并将所述原始图像逐像素输出;
对所述原始图像进行预处理得到预处理图像,依次包括膨胀腐蚀操作、图像相减操作、腐蚀膨胀操作以及高斯滤波操作,并将所述预处理图像逐像素输出;
对所述预处理图像进行基线特征筛选得到基线特征图像,依次包括梯度计算逻辑操作、极大值抑制分割逻辑操作以及基线特征筛选操作,并将所述基线特征图像逐像素输出;
对所述基线特征图像进行连通域特征筛选,依次包括连通域标记操作和连通域特征提取操作,并得到基线特征;
在执行当前操作之前,获取待操作的图像像素并将所述待操作的图像像素行缓存为待处理图像块,当所述待处理图像块的像素数量满足当前操作对像素的数量要求时,执行当前操作,所述当前操作包括所述膨胀腐蚀操作、所述图像相减操作、所述腐蚀膨胀操作、所述高斯滤波操作、所述梯度计算逻辑操作、所述极大值抑制分割逻辑操作、所述基线特征筛选操作、所述连通域标记操作以及所述连通域特征提取操作,所述待操作的图像像素包括原始图像像素或者上一个操作所输出的图像像素。
10.根据权利要求9所述的编码器码盘基线检测方法,其特征在于,
所述对所述原始图像进行预处理包括:
对所述原始图像进行膨胀腐蚀形态学运算;将膨胀腐蚀后的图像与所述原始图像相减;将相减之后的图像进行腐蚀膨胀形态学运算;将腐蚀膨胀后的图像进行高斯滤波;
所述对所述预处理图像进行基线特征筛选包括:
对预处理图像进行卷积运算并得到梯度图像;对所述梯度图像进行非极大值抑制分割并得到边缘图像;对所述边缘图像进行基线特征筛选;
所述对所述基线特征图像进行连通域特征筛选包括:
对所述基线特征图像进行连通域填充和标记并得到连通域标记图像;提取所述连通域标记图像的连通域特征并筛选满足基线特征的连通域特征,得到所述基线特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311013961.1A CN117078616A (zh) | 2023-08-11 | 2023-08-11 | 编码器码盘基线检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311013961.1A CN117078616A (zh) | 2023-08-11 | 2023-08-11 | 编码器码盘基线检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117078616A true CN117078616A (zh) | 2023-11-17 |
Family
ID=88710788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311013961.1A Pending CN117078616A (zh) | 2023-08-11 | 2023-08-11 | 编码器码盘基线检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078616A (zh) |
-
2023
- 2023-08-11 CN CN202311013961.1A patent/CN117078616A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443437B2 (en) | Vibe-based three-dimensional sonar point cloud image segmentation method | |
CN106989683B (zh) | 一种盾构机盾尾间隙视觉测量方法 | |
CN113592955B (zh) | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 | |
CN114279357B (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
CN110598613B (zh) | 一种高速公路团雾监测方法 | |
CN109708658B (zh) | 一种基于卷积神经网络的视觉里程计方法 | |
CN109978940B (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN110334727B (zh) | 一种隧道裂缝智能匹配检测方法 | |
CN102706291A (zh) | 一种道路曲率半径自动测量方法 | |
CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
CN111369570A (zh) | 一种视频图像的多目标检测跟踪方法 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN115880296A (zh) | 基于机器视觉的预制构件质量检测方法及装置 | |
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 | |
CN113223050A (zh) | 一种基于ArUco码的机器人运动轨迹实时采集方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN109671084B (zh) | 一种工件形状的测量方法 | |
CN114485433A (zh) | 基于伪随机散斑的三维测量系统、方法及装置 | |
CN117710588A (zh) | 一种基于视觉测距先验信息的三维目标检测方法 | |
CN113191239A (zh) | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 | |
CN112330667A (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
CN117078616A (zh) | 编码器码盘基线检测系统 | |
CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 |
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 |