CN109242777B - 火炮身管内膛完整图像合成方法 - Google Patents
火炮身管内膛完整图像合成方法 Download PDFInfo
- Publication number
- CN109242777B CN109242777B CN201811079622.2A CN201811079622A CN109242777B CN 109242777 B CN109242777 B CN 109242777B CN 201811079622 A CN201811079622 A CN 201811079622A CN 109242777 B CN109242777 B CN 109242777B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- pixels
- circle
- circular area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 9
- 230000002194 synthesizing effect Effects 0.000 title claims abstract description 8
- 239000003814 drug Substances 0.000 claims abstract description 6
- 230000007547 defect Effects 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T3/047—Fisheye or wide-angle transformations
-
- 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
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了火炮身管内膛完整图像合成方法,搭载相机的行走装置均速沿螺旋膛线向前行走,边走边获取每帧视频画面;对取到的每帧视频画面通过鱼眼图像展开算法,将视频画面中的圆形区域图像转换为矩形图像;截取矩形图像上对应于靠近圆形区域图像的外圆的行的像素,构成待拼接条形图像;将各帧视频画面获得的待拼接条形图像拼接在一起,形成一张完整的内膛平面图;去除内膛平面图中的药室部分图像,获得最终内膛平面图。本发明可多人根据计算机处理后的全景图像进行检测和判断,消除了检测劳动强度大、人眼容易疲劳、工作效率低等弊端;检测结果受主观因素影响较小,疵病易被发现、判断,利于对疵病的客观评价,进而利于判断身管质量。
Description
技术领域
本发明涉及图像处理领域,具体涉及火炮身管内膛完整图像合成方法,适用于火炮身管内膛瑕疵(如挂铜、挂塑、烧蚀、锈蚀、脱线脱落、磨损、裂纹等)检测。
背景技术
在国内,长期以来小口径火炮炮膛表面质量缺陷的检测一直依赖传统光学窥膛仪用肉眼定性观测,不能定量检测,准确度差,效率低下,而且检测结果受检验人员的经验的影响。
本方法通过机器人搭载鱼眼镜头对火炮身管进行渐进式扫描,将扫描到的图像展开并拼接成一幅完整的内膛全景图,可以方便地对图片进行分析。
发明内容
本发明的目的在于克服现有技术存在的上述缺陷,提供火炮身管内膛完整图像合成方法,使用炮管内的行走装置搭载相机对火炮身管内进行渐进式拍摄,同时对拍摄的圆形区域图像进行图像处理,最终合成一张完整的内膛平面图并存档供后期使用(如图像瑕疵识别)。
为了实现上述的目的,本发明采用以下技术措施:
火炮身管内膛完整图像合成方法,包括以下步骤:
步骤1:搭载相机的行走装置均速沿螺旋膛线向前行走,边走边获取每帧视频画面;
步骤2:对取到的每帧视频画面通过鱼眼图像展开算法,将视频画面中的圆形区域图像转换为矩形图像;
步骤3:截取矩形图像上对应于靠近圆形区域图像的外圆的行的像素,构成待拼接条形图像;
步骤4:将各帧视频画面获得的待拼接条形图像拼接在一起,形成一张完整的内膛平面图;
步骤5:去除内膛平面图中的药室部分图像,获得最终内膛平面图。
如上所述的步骤2中的鱼眼图像展开算法包括以下步骤:
步骤2.1、创建矩形图像,矩形图像的长度像素大小等于圆形区域图像的外圆的周长像素大小,矩形图像的的高度像素大小等于设定半径像素大小,设定半径像素大小小于圆形区域图像的外圆的半径像素大小;
步骤2.2、将与圆形区域图像共圆心的像素拾取圆上的像素展开并依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行。
如上所述的步骤2.2包括以下步骤:
像素拾取圆的半径像素等于圆形区域图像的外圆的半径像素的情况下,对像素拾取圆上的像素直接依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行,
像素拾取圆的半径像素小于圆形区域图像的外圆的半径像素的情况下,对像素拾取圆上的像素进行差值运算并展开获得差值填充像素,将差值填充像素依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行。
如上所述的像素拾取圆上的展开方位相同。
本发明现对于现有技术具有以下有益效果:
不需要由人眼通过目镜直接观察内膛情况,由相机对内膛进行宽视场全方位拍摄并可以保存结果,进行定量测量;
1、可多人根据计算机处理后的全景图像进行检测和判断,消除了检测劳动强度大、人眼容易疲劳、工作效率低等弊端;
2、检测结果受主观因素影响较小,疵病易被发现、判断,利于对疵病的客观评价,进而利于判断身管质量。
附图说明
图1为火炮身管外观示意图;
图2为完整的内膛平面图;
图3为视频画面的圆形区域图像;
图4为矩形图像;
图5为拼接条形图像;
图6为最终内膛平面图。
图中:1-火炮身管;2-炮口;3-药室;4-膛线展开部分;5-药室展开部分;6-圆形区域图像。
具体实施方法
为了便于本领域普通技术人员理解和实施本发明,下面结合实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
火炮身管内膛完整图像合成方法,包括以下步骤:
步骤1:搭载相机的行走装置均速沿螺旋膛线向前行走,边走边获取每帧视频画面,优选的,相机的光学中心线与火炮身管的轴线共线;沿螺旋膛线向前行走的搭载相机的行走装置为现有装置。
步骤2:对取到的每帧视频画面通过鱼眼图像展开算法,将视频画面中的圆形区域图像(图3)转换为矩形图像。圆形区域图像的圆心的位置即是炮口中心点位置,圆形区域图像的圆心的定心可以调整相机在行走装置上的位置实现。
步骤2中的鱼眼图像展开算法描述:
步骤2.1、创建矩形图像,矩形图像的长度像素大小等于圆形区域图像的外圆的周长像素大小,矩形图像的的高度像素大小等于设定半径像素大小,设定半径像素大小小于圆形区域图像的外圆的半径像素大小;
步骤2.2、将与圆形区域图像共圆心的像素拾取圆上的像素展开并依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行。矩形图像每行的像素大小等于圆形区域图像的外圆的周长像素大小。
像素拾取圆的半径像素等于圆形区域图像的外圆的半径像素的情况下,对像素拾取圆上的像素直接依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行。
像素拾取圆的半径像素小于圆形区域图像的外圆的半径像素的情况下,对像素拾取圆上的像素进行差值运算并展开获得差值填充像素,将差值填充像素依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行。
像素拾取圆上的像素展开点在圆形区域图像上位于同一半径上。
像素拾取圆上的展开方位相同,优选展开方位为像素拾取圆的12点方向,展开方位是指像素拾取圆的圆心至像素拾取圆上展开的第一个像素的方向。
步骤3:截取矩形图像上对应于靠近圆形区域图像的外圆的行的像素,构成待拼接条形图像,通过鱼眼算法可以发现:越靠近圆心的图像还原度越低,越靠近外沿的还原度越高。因此,只取矩形图像中的对应于靠近圆形区域图像外圆的像素进行拼接。尽可能的保证较高的还原度。优选的,截取矩形图像上对应于圆形区域图像的外圆的一行的像素,构成待拼接条形图像。
步骤4:将各帧视频画面获得的待拼接条形图像拼接在一起,形成一张完整的内膛平面图(图2)。
若相邻帧对应的待拼接条形图像相同,则合并为一个待拼接条形图像;
若拼接条形图像截取矩形图像上对应于靠近圆形区域图像的外圆的行的像素,则将相邻帧对应待拼接条形图像重复的像素行去除,合并为完整的内膛平面图
步骤5:去除内膛平面图中的药室部分图像,获得最终内膛平面图。
内膛平面图中的膛线的成像基本为直线,药室部分图像均为非直线,通过直线检测的方式,通过直线特征匹配去除内膛平面图中的药室部分图像;
使用机器学***面图的样本通过监督学习训练出分类器模型。
对最终内膛平面图通过神经网络识别出膛线的各种缺陷。本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (1)
1.火炮身管内膛完整图像合成方法,其特征在于,包括以下步骤:
步骤1:搭载相机的行走装置均速沿螺旋膛线向前行走,边走边获取每帧视频画面;
步骤2:对取到的每帧视频画面通过鱼眼图像展开算法,将视频画面中的圆形区域图像转换为矩形图像,圆形区域图像的圆心的位置即是炮口中心点位置;
步骤3:截取矩形图像上对应于靠近圆形区域图像的外圆的行的像素,构成待拼接条形图像;
步骤4:将各帧视频画面获得的待拼接条形图像拼接在一起,形成一张完整的内膛平面图;
若相邻帧对应的待拼接条形图像相同,则合并为一个待拼接条形图像;
若拼接条形图像截取矩形图像上对应于靠近圆形区域图像的外圆的行的像素,则将相邻帧对应待拼接条形图像重复的像素行去除,合并为完整的内膛平面图;
步骤5:去除内膛平面图中的药室部分图像,获得最终内膛平面图,
所述的步骤2中的鱼眼图像展开算法包括以下步骤:
步骤2.1、创建矩形图像,矩形图像的长度像素大小等于圆形区域图像的外圆的周长像素大小,矩形图像的高度像素大小等于设定半径像素大小,设定半径像素大小小于圆形区域图像的外圆的半径像素大小;
步骤2.2、将与圆形区域图像共圆心的像素拾取圆上的像素展开并依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行,
所述的步骤2.2包括以下步骤:
像素拾取圆的半径像素等于圆形区域图像的外圆的半径像素的情况下,对像素拾取圆上的像素直接依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行,
像素拾取圆的半径像素小于圆形区域图像的外圆的半径像素的情况下,对像素拾取圆上的像素进行差值运算并展开获得差值填充像素,将差值填充像素依次填充到矩形图像上与像素拾取圆的半径像素大小对应的行,
所述的像素拾取圆上的展开方位相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811079622.2A CN109242777B (zh) | 2018-09-17 | 2018-09-17 | 火炮身管内膛完整图像合成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811079622.2A CN109242777B (zh) | 2018-09-17 | 2018-09-17 | 火炮身管内膛完整图像合成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242777A CN109242777A (zh) | 2019-01-18 |
CN109242777B true CN109242777B (zh) | 2023-01-24 |
Family
ID=65059459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811079622.2A Active CN109242777B (zh) | 2018-09-17 | 2018-09-17 | 火炮身管内膛完整图像合成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242777B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247020A (zh) * | 2012-02-03 | 2013-08-14 | 苏州科泽数字技术有限公司 | 一种基于径向特征的鱼眼图像展开方法 |
CN103247024A (zh) * | 2012-02-03 | 2013-08-14 | 苏州科泽数字技术有限公司 | 一种基于同心圆算法的180度鱼眼图像展开方法和装置 |
CN105424724A (zh) * | 2015-10-22 | 2016-03-23 | 汤一平 | 基于主动式全景视觉的火炮內膛疵病检测装置及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6824059B2 (en) * | 2002-04-30 | 2004-11-30 | Hewlett-Packard Development Company, L.P. | Apparatus for capturing images and barcodes |
US8280113B2 (en) * | 2009-02-25 | 2012-10-02 | Light Prescriptions Innovators, Llc | Passive electro-optical tracker |
EP2459956B1 (en) * | 2009-07-31 | 2014-12-24 | Raytheon Company | Deployable fairing and method for reducing aerodynamic drag on a gun-launched artillery shell |
US10043263B1 (en) * | 2011-07-05 | 2018-08-07 | Bernard Fryshman | Mobile system for explosive device detection and instant active response |
US9234728B2 (en) * | 2013-11-08 | 2016-01-12 | Lonestar Inventions, L.P. | Rocket or artillery launched smart reconnaissance pod |
CN108050948B (zh) * | 2017-11-24 | 2019-12-24 | 华中科技大学 | 一种小口径火炮膛线测量仪及测量方法 |
-
2018
- 2018-09-17 CN CN201811079622.2A patent/CN109242777B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247020A (zh) * | 2012-02-03 | 2013-08-14 | 苏州科泽数字技术有限公司 | 一种基于径向特征的鱼眼图像展开方法 |
CN103247024A (zh) * | 2012-02-03 | 2013-08-14 | 苏州科泽数字技术有限公司 | 一种基于同心圆算法的180度鱼眼图像展开方法和装置 |
CN105424724A (zh) * | 2015-10-22 | 2016-03-23 | 汤一平 | 基于主动式全景视觉的火炮內膛疵病检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109242777A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108918539B (zh) | 一种隧道结构表观病害检测装置及方法 | |
CN107471218B (zh) | 一种基于多目视觉的双臂机器人手眼协调方法 | |
CN107064160B (zh) | 基于显著性检测的纺织品表面瑕疵检测方法及*** | |
CN113358654B (zh) | 一种图像获取与分析*** | |
CN116879308A (zh) | 一种工业机器视觉***图像处理方法 | |
CN1664568A (zh) | 基于图像信息融合技术的水果品质检测*** | |
WO2023197341A1 (zh) | 排水管道内壁全景图像的缺陷检测方法和图像采集机器人 | |
CN113160162B (zh) | 应用于工件的孔识别方法、孔识别装置和孔处理设备 | |
CN112884811A (zh) | 一种针对无人机集群的光电探测跟踪方法及*** | |
CN114113129B (zh) | 一种镜片微小缺陷识别抓取***及方法 | |
CN109242777B (zh) | 火炮身管内膛完整图像合成方法 | |
CN108490002B (zh) | 一种微结构棱镜镜片质量检测方法 | |
CN110736750A (zh) | 一种基于多角度田间高清成像的小麦赤霉病检测方法 | |
JP2016206071A (ja) | 検査装置及び検査方法 | |
CN109003228B (zh) | 一种暗场显微大视场自动拼接成像方法 | |
CN113674175A (zh) | 用于检测跨海大桥结构损害的水下机器人图像增强方法 | |
CN117214172A (zh) | 长身管圆柱体内壁缺陷检测方法、装置及存储介质 | |
CN107330877B (zh) | 光纤显示区偏移量调整方法及*** | |
CN114663299A (zh) | 适用于煤矿井下的图像去雾模型的训练方法及其装置 | |
CN115100102A (zh) | 镀膜镜片的缺陷检测方法、装置、设备及可读存储介质 | |
CN112257514B (zh) | 一种用于设备故障巡检的红外视觉智检的拍摄方法 | |
CN110838107B (zh) | 变角度光学视频智能检测3c透明构件缺陷的方法及装置 | |
CN113063792A (zh) | 一种曲轴主轴颈与曲柄销表面缺陷视觉检测设备及方法 | |
CN113099174A (zh) | 一种多目摄像头及含有多目摄像头的爬行器 | |
CN107860933B (zh) | 基于数字图像的纺织品中纤维含量的自动检测方法和装置 |
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 |