CN109658402A - 基于计算机视觉成像的工业型材几何尺寸自动检测方法 - Google Patents

Abstract

本发明公开了一种基于计算机视觉成像的工业型材几何尺寸自动检测方法，包括步骤：从输入源获取图像，自动检测型材位置并提取感兴趣区；对提取图像进行检测前预处理，改善图片动态范围并得到二值图；分别提取内外轮廓，并做多边形拟合；对于外轮廓，判断多边形顶点处于直线或曲线上，对于内轮廓，判断其为孔或槽；对于外轮廓，根据判断结果计算直线与曲线参数，对于内轮廓，计算孔的位置与半径，槽的位置、长宽与倾斜度；最后，输出检测参数，并将检测结果标注于原图，展现给用户。本发明自动识别图片中工业型材位置，运用计算机视觉和图像处理技术，精确检测输出工业型材的直线、曲线、内部钻孔、锯槽与铣槽各项参数，并将结果标注于原图上。

Description

基于计算机视觉成像的工业型材几何尺寸自动检测方法

技术领域

本发明涉及计算机视觉与图形图像处理技术领域，具体涉及一种基于计算机视觉成像的工业型材几何尺寸自动检测方法。

背景技术

由于工业自动化的高度发展，工厂为了提高工件检测效率，开始引入自动化的、非接触式的工件尺寸检测方法。并且近年来照相机成像技术愈发成熟，因此可以通过计算级视觉技术和图像处理技术通过图像对工业型材的尺寸参数较为精确地测量。

Nobuyuki Ostu于1979年的IEEE期刊上发表了题为《A Threshold SelectionMethod from Gray-Level Histograms》的文章。文章提出了一种自动基于聚类选取阈值的方法对图片进行二值化。这种方法能够在图像二值化过程中很好地将目标物体与背景区分开来，因此能很好地保存工业型材需要检测的细节。

Satoshi Suzuki与Keiichi Abe于1985年发表了题为《TopologicalStructuralAnalysis ofDigitized Binary Image by BorderFollowing》的文章，公开了一种基于边缘跟随的二值图拓扑结构分析方法。文中利用跟踪边界与边界编号的方法分析二值图片中的拓扑结构，构建各个轮廓的拓扑关系树，从而能够分析出内外轮廓的相互包含关系。

David Douglas与Thomas Peucker于1973年发表了题为《Algorithms for theReduction ofthe Number ofPoints Required to Represent a Digitized Line oritsCaricature》的文章，提出了一种迭代适应点算法将曲线近似表示为一系列点，并且减少点数目的方法。使用这种方法对轮廓进行多边形拟合，可以准确提取轮廓主要特征而减少噪声干扰。

Gander,Walter,Gene H.Golub,Rolf Strebel于1996年发表了题为《Least-Square Fitting ofCircles and Ellipses》的文章，公开了一种使用最小二乘法拟合圆或椭圆的方法。这种方法首先用最小二乘法建立输入点关于拟合后圆的残差方程，然后通过解残差方程使其尽可能为零的方法确定圆的圆心坐标与半径。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于计算机视觉成像的工业型材几何尺寸自动检测方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于计算机视觉成像的工业型材几何尺寸自动检测方法，所述的工业型材几何尺寸自动检测方法包括以下步骤：

S1、从输入源获取图像，自动检测型材位置并提取感兴趣区域；

S2、对提取的图像感兴趣区域进行检测前预处理，改善图像动态范围并得到二值图；

S3、分别提取内外轮廓，并做多边形拟合；

S4、对于外轮廓，判断多边形顶点处于直线或曲线上，对于内轮廓，判断其为孔或槽；

S5、对于外轮廓，根据判断结果计算直线与曲线参数，对于内轮廓，计算孔的位置与半径，槽的位置、长宽与倾斜度；

S6、输出检测参数，并将检测结果标注于原图，展现给用户。

进一步地，所述的步骤S1中检测型材位置的过程如下：

以中值滤波平滑图像，提取全部轮廓，对外部轮廓进行矩形拟合，提取面积最大矩形区域。

进一步地，所述的步骤S2的过程如下：

以直方图拉伸的方法提高图像动态范围，使用中值滤波、高斯滤波去除噪声，采用大津法对图像进行二值化得到二值图。大津法是一种自适应确定二值化阈值的方法，该算法将图像分为背景和目标两类，并自动确定令两类类间方差最大的阈值，对图片进行二值化。

进一步地，所述的步骤S3的过程如下：

S31、使用Suzuki-Abe算法提取轮廓，跟踪二值图边界并对边界编号，构建各个轮廓的拓扑关系树，分析内外轮廓的相互包含关系，实现从二值图中提取轮廓；

S32、根据轮廓拓扑结构区分外部轮廓与内部轮廓并分别存储；

S33、使用Ramer–Douglas–Peucker算法进行多边形拟合，使用上一步提取出的轮廓点迭代选取适应点，将曲线近似表示为一系列适应点并减少点的数目，即对轮廓做多边形拟合，得到逆时针排序的多边形顶点。

进一步地，所述的步骤S32中区分外部轮廓与内部轮廓的方法如下：

遍历步骤S31中生成的拓扑关系树，若某轮廓无父轮廓，则为外轮廓；若某轮廓有父轮廓，则为内轮廓。

进一步地，所述的步骤S4的过程如下：

对于外轮廓，遍历步骤S3中多边形拟合得到的顶点，每次按顺序向后取t个点使用最小二乘法计算圆方程得到残差，与经验得到的阈值比较判断该顶点处于轮廓直线或曲线上；

对于内轮廓，使用步骤S3中多边形拟合得到的全部顶点做最小二乘法计算圆的方程，并由残差判断内部轮廓为圆孔或槽。

进一步地，所述的步骤S5的过程如下：

根据步骤S4中多边形顶点判断结果计算出直线和曲线的参数，若相邻两顶点属于直线顶点，则使用两顶点作为线段端点计算出直线的长度与坐标，若连续几个顶点位于原轮廓曲线上，则使用最小二乘法计算曲线相切圆的半径和圆心坐标，将检测到的直线和曲线标注在原图外轮廓上；

根据步骤S4中内轮廓类型判断结果计算出孔和槽的参数，对于判定为圆孔的内轮廓，使用多边形拟合得到的顶点通过最小二乘法计算孔的圆心坐标与半径；对于判定为槽的内轮廓通过寻找最小面积旋转矩形算法得到完全包围槽外轮廓且面积最小的旋转矩形，进而计算槽的坐标、长宽与旋转角度；然后将检测到的圆孔和槽标注在原图上。

进一步地，所述的步骤S6的过程如下：

使用像素与实际距离的比值将检测到长度参数转化为毫米输出，并且在原图中对检测到的顶点、直线、曲线、与曲线相切的圆、内部孔、槽进行标注。

本发明相对于现有技术具有如下的优点及效果：

本发明相比传统检测方法提供了一种快速高效、非接触式的尺寸检测方法。现有的方法要求工件图像质量较高，而本方法适用范围广、检测结果精确，表现稳定；并且此方法对硬件设备要求简单，具有易普及，易使用等特点。在实际使用中可以通过传送带与照相机连续取图进行自动化检验，并且检测结果参数可以直接提供给下游程序使用，具有自动化、易移植的优势，方便了生产过程中工件尺寸的检测。

附图说明

图1是本发明公开的基于计算机视觉成像的工业型材几何尺寸自动检测方法的流程图；

图2是本发明中自动寻找到的型材位置图像；

图3是本发明中经过预处理及二值化之后的型材图像；

图4是本发明中提取的外轮廓图像；

图5是外轮廓直线与曲线检测结果示意图；

图6是内部孔与槽的检测结果示意图；

图7是最终基于计算机视觉成像的工业型材自动几何尺寸检测结果示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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

请参见图1，本实施例公开了一种基于计算机视觉成像的工业型材几何尺寸自动检测方法，包括以下步骤：

S1、从输入源获取图像，自动检测型材位置并提取感兴趣区域(ROI),提取感兴趣区域的结果请参见图2；

其中，步骤S1中检测型材位置的过程具体如下：

以中值滤波平滑图像，提取全部轮廓，对外部轮廓进行矩形拟合，提取面积最大矩形区域。

S2、对提取的图像感兴趣区域进行检测前预处理，改善图像动态范围并得到二值图。对感兴趣区域图片进行预处理并二值化的结果，请参见图3；

其中，步骤S2中对提取的图像感兴趣区域进行检测前预处理的过程具体如下：

以直方图拉伸的方法提高图像动态范围，使用中值滤波、高斯滤波去除噪声，使用大津法对图像进行二值化。大津法是一种自适应确定二值化阈值的方法，该算法将图像分为背景和目标两类，并自动确定令两类类间方差最大的阈值，对图片进行二值化。

S3、分别提取内外轮廓，并做多边形拟合；

其中，步骤S3提取内部与外部轮廓并进行多边形拟合，具体包括：

S31、使用Suzuki-Abe算法提取轮廓。该算法基本原理为跟踪二值图边界并对边界编号，构建各个轮廓的拓扑关系树，从而能够分析出内外轮廓的相互包含关系，实现从二值图中提取轮廓；

S32、根据轮廓拓扑结构区分外部轮廓与内部轮廓并分别存储；其中区分内外轮廓方法如下：遍历步骤S31中生成的拓扑关系树，若某轮廓无父轮廓，则为外轮廓；若某轮廓有父轮廓，则为内轮廓。提取结果请参见图4，图4呈现的是使用Suzuki-Abe算法提取板材外部轮廓的结果；

S33、使用Ramer–Douglas–Peucker算法进行多边形拟合。该算法基本原理为使用上一步提取出的轮廓点迭代选取适应点，将曲线近似表示为一系列适应点并减少点的数目，即对轮廓做多边形拟合，得到逆时针排序的多边形顶点；

S4、对于外轮廓，判断多边形顶点处于直线或曲线上，对于内轮廓，判断其为孔或槽；

其中，步骤S4中，对于外轮廓，判断多边形顶点处于外轮廓的直线还是曲线上，对于内轮廓，判断其为孔或切槽，具体包括：

S41、对于外轮廓，遍历步骤S3中多边形拟合得到的顶点，每次按顺序向后取t个点使用最小二乘法计算圆方程得到残差，与经验得到的阈值比较判断该顶点处于轮廓直线或曲线上；

S42、对于内轮廓，使用步骤S3中多边形拟合得到的全部顶点做最小二乘法计算圆的方程，并由残差判断内部轮廓为圆孔或槽。

S5、对于外轮廓，根据判断结果计算直线与曲线参数，对于内轮廓，计算孔的位置与半径，槽的位置、长宽与倾斜度，检测结果请参见图5、图6。图5中呈现的是对板材外轮廓检测得到的顶点，以及由顶点确定出的直线；图6中呈现的是对内轮廓进行多边形拟合、判断类别、计算参数得到的检测结果。

其中，步骤S5中计算直线与曲线参数，具体包括：

S51、根据步骤S4中多边形顶点判断结果计算出直线和曲线的参数。若相邻两顶点属于直线顶点，则使用两顶点作为线段端点计算出直线的长度与坐标。若连续几个顶点位于原轮廓曲线上，则使用最小二乘法计算曲线相切圆的半径和圆心坐标，将检测到的直线和曲线标注在原图外轮廓上；

S52、根据步骤S4中内轮廓类型判断结果计算出孔和槽的参数。对于判定为圆孔的内轮廓，使用多边形拟合得到的顶点通过最小二乘法计算孔的圆心坐标与半径；对于判定为槽的内轮廓通过寻找最小面积旋转矩形算法得到完全包围槽外轮廓且面积最小的旋转矩形，进而计算槽的坐标、长宽与旋转角度；然后将检测到的圆孔和槽标注在原图上；

S6、输出检测参数，并将检测结果标注于原图，展现给用户，检测结果全部标注于原图的效果，请参照图7。

步骤S6中结果的输出使用像素与实际距离(毫米)的比值将检测到长度参数转化为毫米输出，并且在原图中对检测到的顶点、直线、曲线、与曲线相切的圆、内部孔、槽进行标注。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的工业型材几何尺寸自动检测方法包括以下步骤：

S1、从输入源获取图像，自动检测型材位置并提取感兴趣区域；

S2、对提取的图像感兴趣区域进行检测前预处理，改善图像动态范围并得到二值图；

S3、分别提取内外轮廓，并做多边形拟合；

S4、对于外轮廓，判断多边形顶点处于直线或曲线上，对于内轮廓，判断其为孔或槽；

S5、对于外轮廓，根据判断结果计算直线与曲线参数，对于内轮廓，计算孔的位置与半径，槽的位置、长宽与倾斜度；

S6、输出检测参数，并将检测结果标注于原图，展现给用户。

2.根据权利要求1所述的基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的步骤S1中检测型材位置的过程如下：

以中值滤波平滑图像，提取全部轮廓，对外部轮廓进行矩形拟合，提取面积最大矩形区域。

3.根据权利要求1所述的基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的步骤S2的过程如下：

以直方图拉伸的方法提高图像动态范围，使用中值滤波、高斯滤波去除噪声，采用大津法对图像进行二值化得到二值图。

4.根据权利要求1所述的基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的步骤S3的过程如下：

S31、使用Suzuki-Abe算法提取轮廓，跟踪二值图边界并对边界编号，构建各个轮廓的拓扑关系树，分析内外轮廓的相互包含关系，实现从二值图中提取轮廓；

S32、根据轮廓拓扑结构区分外部轮廓与内部轮廓并分别存储；

S33、使用Ramer–Douglas–Peucker算法进行多边形拟合，使用上一步提取出的轮廓点迭代选取适应点，将曲线近似表示为一系列适应点并减少点的数目，即对轮廓做多边形拟合，得到逆时针排序的多边形顶点。

5.根据权利要求4所述的基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的步骤S32中区分外部轮廓与内部轮廓的方法如下：

遍历步骤S31中生成的拓扑关系树，若某轮廓无父轮廓，则为外轮廓；若某轮廓有父轮廓，则为内轮廓。

6.根据权利要求1所述的基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的步骤S4的过程如下：

对于外轮廓，遍历步骤S3中多边形拟合得到的顶点，每次按顺序向后取t个点使用最小二乘法计算圆方程得到残差，与经验得到的阈值比较判断该顶点处于轮廓直线或曲线上；

对于内轮廓，使用步骤S3中多边形拟合得到的全部顶点做最小二乘法计算圆的方程，并由残差判断内部轮廓为圆孔或槽。

7.根据权利要求1所述的基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的步骤S5的过程如下：

根据步骤S4中多边形顶点判断结果计算出直线和曲线的参数，若相邻两顶点属于直线顶点，则使用两顶点作为线段端点计算出直线的长度与坐标，若连续几个顶点位于原轮廓曲线上，则使用最小二乘法计算曲线相切圆的半径和圆心坐标，将检测到的直线和曲线标注在原图外轮廓上；

根据步骤S4中内轮廓类型判断结果计算出孔和槽的参数，对于判定为圆孔的内轮廓，使用多边形拟合得到的顶点通过最小二乘法计算孔的圆心坐标与半径；对于判定为槽的内轮廓通过寻找最小面积旋转矩形算法得到完全包围槽外轮廓且面积最小的旋转矩形，进而计算槽的坐标、长宽与旋转角度；然后将检测到的圆孔和槽标注在原图上。

8.根据权利要求1所述的基于计算机视觉成像的工业型材几何尺寸自动检测方法，其特征在于，所述的步骤S6的过程如下：

使用像素与实际距离的比值将检测到长度参数转化为毫米输出，并且在原图中对检测到的顶点、直线、曲线、与曲线相切的圆、内部孔、槽进行标注。