CN105741304A - 一种激光条纹中心提取算法 - Google Patents
一种激光条纹中心提取算法 Download PDFInfo
- Publication number
- CN105741304A CN105741304A CN201610117836.9A CN201610117836A CN105741304A CN 105741304 A CN105741304 A CN 105741304A CN 201610117836 A CN201610117836 A CN 201610117836A CN 105741304 A CN105741304 A CN 105741304A
- Authority
- CN
- China
- Prior art keywords
- laser stripe
- image
- stripe center
- center extraction
- algorithm
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000009499 grossing Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 abstract description 12
- 238000003466 welding Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003672 processing method 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
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种激光条纹中心提取算法,该方法包括以下步骤:将图像按纵向进行平滑滤波以消除高频干扰;将图像进行横向滤波以突出图像特征信息;将图像进行平滑处理;通过处理以上三组数据得到梯度分布曲线;找出梯度曲线中的最大值,就是激光条纹中心所在之处。本发明是在梯度算法上改进而来,改进算法的数量级达到了104,具有很高的分辨率,同时避免了重心法、极值法等常规算法造成的激光条纹断裂的不足之处。
Description
技术领域
本发明涉及焊接、图像处理领域,具体涉及一种激光条纹中心提取算法。
背景技术
目前,我国的工业化水平越来越高,大型构件在现场的应用也越来越多。焊接是大型构件在现场的组装的重要手段,作为重工业的一项重要关键技术,焊接质量与效率影响着大型设备制造的质量、周期与成本。使用移动式焊接机器人代替人工焊接,不仅能保证焊接质量的稳定,还能有效地缩短制造工期,降低制造成本。移动机器人的自动化焊接离不开机器视觉和图像处理技术,在采用是主动视觉方法跟踪焊缝过程中,激光条纹中心的提取至关重要,中心提取的精度直接关系到焊接跟踪的精度。用重心法、极值法等常规算进行激光条纹中心提取可能会造成激光条纹断裂,这在如船舶制造中流水孔检测中是不允许的,因此在特定应用场合中必须有新的适应性高的算法。
发明内容
本发明的目的在于提供一种激光条纹中心提取算法,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:一种激光条纹中心提取方法,其特征在于:包括以下步骤:
(1)将图像按纵向进行平滑滤波以消除高频干扰;
(2)将图像进行横向滤波以突出图像特征信息;
(3)将图像进行平滑处理;
(4)通过处理以上三组数据得到梯度分布曲线;
(5)找出梯度分布曲线中的极值点,即为对应的激光条纹中心。
作为本发明进一步的方案:所述步骤(1)具体算法为:
式中Gray(i,j)为第(i,j)个像素点的灰度值,row为纵向滤波的输出值,i为图像的行数,j为图像的列数,对图像边缘像素进行相应处理。
作为本发明再进一步的方案:步骤(2)中具体算法为:
式中N为参与平均的像素点个数,n为选点的起始位置。
作为本发明再进一步的方案:步骤(3)中具体算法为:
式中为平滑处理后的灰度向量
作为本发明再进一步的方案:步骤(4)中具体算法为:
。
找出梯度分布曲线中的极值点,即为对应的激光条纹中心。
与现有技术相比,本发明的有益效果是:本发明算法的数量级达到了104,具有很高的分辨率,同时避免了重心法、极值法等常规算法造成的激光条纹断裂的不足之处。
具体实施方式
图1所示为本发明应用对象纵向激光条纹的示意图。
图2所示为本发明应用对象横向激光条纹的示意图。
图3为本发明的图1从下往上第300行为例,得出对应的灰度级示意图。
图4为本发明的算法步骤(4)后,得出新的数组即图像的灰度级示意图。
具体实施方式
下面将结合本发明实施例,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。
在进行激光条纹中心提取之前,可以进行其它的预处理以提高本发明的计算速度,比如采用动态RIO(RegionOfInterest)的获取。本发明适用于横向或纵向分布的激光条纹,格式为256色BMP,其它格式的图像请事先转换,如图1,2所示。
本发明针对的是图1所示纵向激光条纹提取方法,图2横向所示激光条纹的提取方法类似,相应的处理方法秩序对发明中的步骤(1)和(2)进行交换,即先进行横向滤波,再进行纵向滤波。
以图1为例按本发明的算法进行激光条纹提取,对待处理图像进行扫描,得出图像像素的灰度值,以图1从下往上第300行为例,得出对应的灰度级为图3,
对数组按本发明算法步骤进行,经步骤(4)后,得出新的数组即图像的灰度级,图4所示,
计算之后的数量级达到了104,具有很高的分辨率。所有图像行依此处理,即可得到图像中激光条纹中心的分布。
Claims (6)
1.一种激光条纹中心提取方法,其特征在于,包括以下步骤:
(1)将图像按纵向进行平滑滤波以消除高频干扰;
(2)将图像进行横向滤波以突出图像特征信息;
(3)将图像进行平滑处理;
(4)通过处理以上三组数据得到梯度分布曲线;
(5)找出梯度分布曲线中的极值点,即为对应的激光条纹中心。
2.根据权利要求1所述的激光条纹中心提取方法,其特征在于,将图像按纵向进行平滑滤波,算法具体为:
式中Gray(i,j)为第(i,j)个像素点的灰度值,row为纵向滤波的输出值,i为图像行数,j为图像列数,对图像边缘像素进行相应处理。
3.根据权利要求1所述的激光条纹中心提取方法,其特征在于,将图像进行横向滤波以突出图像特征信息,算法具体为:
式中N为参与平均的像素点个数,n为选点的起始位置。
4.根据权利要求1所述的激光条纹中心提取方法,其特征在于,将图像进行平滑处理,算法具体为:
式中column1(i)为平滑处理后的灰度向量。
5.根据权利要求1所述的激光条纹中心提取方法,其特征在于,梯度分布曲线的算法具体为:
column2(i)=abs(diff(column(i)-row(i)))*column1(i)。
6.根据权利要求1所述的激光条纹中心提取方法,其特征在于,找出梯度分布曲线中的极值点,即为对应的激光条纹中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610117836.9A CN105741304A (zh) | 2016-03-02 | 2016-03-02 | 一种激光条纹中心提取算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610117836.9A CN105741304A (zh) | 2016-03-02 | 2016-03-02 | 一种激光条纹中心提取算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105741304A true CN105741304A (zh) | 2016-07-06 |
Family
ID=56248955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610117836.9A Pending CN105741304A (zh) | 2016-03-02 | 2016-03-02 | 一种激光条纹中心提取算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105741304A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563991A (zh) * | 2017-08-01 | 2018-01-09 | 大连理工大学 | 零件表面断裂激光光条的提取与匹配方法 |
CN107621226A (zh) * | 2017-07-18 | 2018-01-23 | 深圳大学 | 多目立体视觉的三维扫描方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663781A (zh) * | 2012-03-23 | 2012-09-12 | 南昌航空大学 | 一种基于视觉的亚像素级焊缝中心提取方法 |
-
2016
- 2016-03-02 CN CN201610117836.9A patent/CN105741304A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663781A (zh) * | 2012-03-23 | 2012-09-12 | 南昌航空大学 | 一种基于视觉的亚像素级焊缝中心提取方法 |
Non-Patent Citations (1)
Title |
---|
郭亮等: "船舱流水孔自动识别跟踪焊接***", 《焊接学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107621226A (zh) * | 2017-07-18 | 2018-01-23 | 深圳大学 | 多目立体视觉的三维扫描方法及*** |
CN107563991A (zh) * | 2017-08-01 | 2018-01-09 | 大连理工大学 | 零件表面断裂激光光条的提取与匹配方法 |
CN107563991B (zh) * | 2017-08-01 | 2019-08-20 | 大连理工大学 | 零件表面断裂激光光条的提取与匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107478657A (zh) | 基于机器视觉的不锈钢表面缺陷检测方法 | |
CN105913407B (zh) | 一种基于差值图对多聚焦度图像融合优化的方法 | |
CN103136752B (zh) | 基于边缘提取的图像放大方法 | |
CN102496161A (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN102883175A (zh) | 深度图提取、判断视频场景切换及深度图边缘优化方法 | |
CN104236480A (zh) | 一种线结构光机器视觉六角钢坯轮廓测量装置及方法 | |
CN108088381A (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
CN103293168B (zh) | 基于视觉显著性的水果表面缺陷检测方法 | |
CN105488512A (zh) | 基于Sift特征匹配和形状上下文的试卷阅卷方法 | |
CN115880288B (zh) | 电子元件焊接的检测方法、***及计算机设备 | |
CN102663384A (zh) | 基于贝塞尔控制点搜索的曲线识别方法及装置 | |
CN102663781A (zh) | 一种基于视觉的亚像素级焊缝中心提取方法 | |
CN105741304A (zh) | 一种激光条纹中心提取算法 | |
CN104408727B (zh) | 一种图像边缘污点检测方法及*** | |
CN114332079A (zh) | 基于图像处理的塑料餐盒裂缝检测方法、装置及介质 | |
CN110310295B (zh) | 一种焊缝轮廓提取方法及*** | |
CN107507130A (zh) | 一种快速的qfn芯片引脚图像获取与放大方法 | |
CN104573635B (zh) | 一种基于三维重建的微小高度识别方法 | |
CN103411562B (zh) | 一种基于动态规划和均值漂移的结构光光条中心提取方法 | |
CN111738936A (zh) | 基于图像处理的多株水稻穗长的测量方法 | |
CN102967277A (zh) | 定向管平行度测量方法 | |
CN110349142A (zh) | 钢卷端面的缺陷样本生成方法、模型训练方法、***及电子设备 | |
CN102193194B (zh) | 间距计算装置与应用其的透镜修正***及方法 | |
CN104915937B (zh) | 基于频域矩阵分解的快速单透镜计算成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160706 |