CN110186934B - 轴箱橡胶垫裂纹检测方法和检测装置 - Google Patents

轴箱橡胶垫裂纹检测方法和检测装置 Download PDF

Info

Publication number
CN110186934B
CN110186934B CN201910505768.7A CN201910505768A CN110186934B CN 110186934 B CN110186934 B CN 110186934B CN 201910505768 A CN201910505768 A CN 201910505768A CN 110186934 B CN110186934 B CN 110186934B
Authority
CN
China
Prior art keywords
rubber pad
image
dimensional model
images
crack
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
Application number
CN201910505768.7A
Other languages
English (en)
Other versions
CN110186934A (zh
Inventor
王蒙
边志宏
刘洋
康凤伟
李权福
王洪昆
王文刚
卢宇星
方琪琦
王萌
隋顺琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Shenhua Energy Co Ltd
Shenhua Rail and Freight Wagons Transport Co Ltd
Original Assignee
China Shenhua Energy Co Ltd
Shenhua Rail and Freight Wagons Transport Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Shenhua Energy Co Ltd, Shenhua Rail and Freight Wagons Transport Co Ltd filed Critical China Shenhua Energy Co Ltd
Priority to CN201910505768.7A priority Critical patent/CN110186934B/zh
Publication of CN110186934A publication Critical patent/CN110186934A/zh
Application granted granted Critical
Publication of CN110186934B publication Critical patent/CN110186934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明实施例提供一种轴箱橡胶垫裂纹检测方法和检测装置，属于轨道交通技术领域。所述轴箱橡胶垫裂纹检测方法包括：控制线结构光光源照射所述轴箱橡胶垫的一个侧面；采集所述线结构光照射在所述轴箱橡胶垫的所述侧面的不同位置时的多个图像；根据所述多个图像建立所述侧面的三维模型；以及根据所述侧面的三维模型，确定所述轴箱橡胶垫的所述侧面是否有裂纹。采用本发明实施例提供的技术方案，可以实现轴箱橡胶垫裂纹的自动检测，检测效率高且检测结果更加准确，还能降低成本。

Description

轴箱橡胶垫裂纹检测方法和检测装置
技术领域
本发明涉及轨道交通技术领域，具体地涉及一种轴箱橡胶垫裂纹检测方法和检测装置。
背景技术
轴箱橡胶垫是铁路货车上重要的可互换零部件，其可释放轮对的定位刚度，避免轮对与轴箱的刚性定位，能够有效缓冲车辆轮轨横向力，降低轮轨间的磨耗，实现轮对弹性定位，而轴箱橡胶垫的技术状态直接影响到货车车辆的运行安全和速度。
在轴箱橡胶垫的检修中，需要对其表面损伤、磨耗程度、衬底橡胶开裂等情况进行检测。当前，国内对轴箱橡胶垫的检测和诊断基本上都是靠人工完成的。即主要通过人工观察轴箱橡胶垫是否存在裂纹，若存在裂纹则通过量具对裂纹长度和深度进行测量。然而人工检测不仅繁琐，劳动强度大，而且测量过程中还会存在较大的随时误差，长期且大量的重复性手工作业会极易使得工人产生疲劳，检测精度无法得到保证，且工作效率很低。
发明内容
本发明实施例的目的是提供一种轴箱橡胶垫裂纹检测方法和检测装置，用于解决上述技术问题中的一者或多者。
为了实现上述目的，本发明实施例提供一种轴箱橡胶垫检测方法，所述方法包括：控制线结构光光源照射所述轴箱橡胶垫的一个侧面；采集所述线结构光照射在所述轴箱橡胶垫的所述侧面的不同位置时的多个图像；根据所述多个图像建立所述侧面的三维模型；以及根据所述侧面的三维模型，确定所述轴箱橡胶垫的所述侧面是否有裂纹。
可选的，所述根据所述侧面的三维模型确定所述轴箱橡胶垫的所述侧面是否有裂纹包括：将所述侧面的三维模型与标准三维模型进行比较；以及在所述侧面的三维模型中的深度值与所述标准图像中的深度值不相等时，确定所述轴箱橡胶垫的所述侧面有裂纹，并确定所述裂纹的位置。
可选的，所述方法还包括：在确定所述轴箱橡胶垫的所述侧面的裂纹位置时，根据所述裂纹位置在所述侧面的三维模型中对应的信息，确定所述裂纹的长度和深度。
可选的，所述根据所述多个图像建立所述侧面的三维模型包括：对采集的每一个图像都进行灰度化处理以得到灰度图像，再对所述灰度图像进行滤波处理以得到滤波后的灰度图像；提取所述滤波后的灰度图像对应的线结构光的中心条纹；以多个图像对应的中心条纹位置处的图像为依据进行拼接，形成所述轴箱橡胶垫的侧面视差图像；根据所述侧面视差图像中的各个像素点的坐标及其灰度值确定所述轴箱橡胶垫侧面的各位置点处的三维点云信息；以及根据所述各位置点处的三维点云信息建立所述侧面的三维模型。
可选的，所述方法还包括：控制所述轴箱橡胶垫相对所述线结构光光源和图像采集模块移动，以使得所述线结构光照射在所述侧面的不同位置。
可选的，所述侧面是除去所述轴箱橡胶垫与钢板相接触的上下表面之外的其它四个侧面中的一个侧面，所述方法包括针对所述四个侧面中的每一个侧面执行裂纹的检测。
相应的，本发明实施例还提供一种轴箱橡胶垫裂纹检测装置，所述装置包括：线结构光光源，用于照射所述轴箱橡胶垫的一个侧面；图像采集模块，用于采集线结构光照射在所述轴箱橡胶垫的所述侧面的不同位置时的多个图像；以及处理模块，用于根据所述多个图像建立所述侧面的三维模型，并根据所述侧面的三维模型，确定所述轴箱橡胶垫的所述侧面是否有裂纹。
可选的，所述处理模块还用于通过以下方式确定所述轴箱橡胶垫的所述侧面是否有裂纹：将所述侧面的三维模型与标准三维模型进行比较；以及在所述侧面的三维模型中的深度值与所述标准图像中的深度值不相等时，确定所述轴箱橡胶垫的所述侧面有裂纹，并确定所述裂纹的位置。
可选的，在确定所述轴箱橡胶垫的所述侧面的裂纹位置时，所述处理模块还用于根据所述裂纹位置在所述侧面的三维模型中对应的信息，确定所述裂纹的长度和深度。
可选的，所述装置还包括传送模块，所述轴箱橡胶垫在所述传送模块的带动下，相对所述线结构光光源和所述图像采集模块移动，以使得所述线结构光照射在所述轴箱橡胶垫的侧面的不同位置。
相应的，，本发明提供一种机器可读存储介质，该机器可读存储介质上存储有指令，所述指令用于使得机器执行本申请上述中任一项所述的轴箱橡胶垫裂纹检测方法。
通过上述技术方案，对采集的线结构光照射下的轴箱橡胶垫侧面的图像进行处理后建模，可以准确确定轴箱橡胶垫侧面是否具有裂纹，方法简单，自动化程度高且检测结果科学准确。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明实施例提供的轴箱橡胶垫裂纹检测方法的流程示意图；
图2是本发明实施例提供的轴箱橡胶垫裂纹检测装置的结构示意图；
图3是本发明实施例提供的轴箱橡胶垫侧面图像的拼接示意图；
图4是本发明实施例提供的轴箱橡胶垫裂纹检测装置的结构框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是本发明实施例提供的一种轴箱橡胶垫裂纹检测方法的流程示意图。如图1所示，所述轴箱橡胶垫裂纹检测方法包括步骤S102至S108。
在步骤S102，控制线结构光光源照射轴箱橡胶垫的一个侧面。
轴箱橡胶垫具有六个表面，包括上表面、下表面和四个侧面，其中上表面和下表面会与钢板接触，因此在检测轴箱橡胶垫裂纹情况时，主要是检测轴箱橡胶垫的四个侧面的裂纹情况。
虽然在对轴箱橡胶垫的裂纹情况进行检测时需要检查四个侧面的裂纹情况，但是这四个侧面之间是相互独立，不互相影响的，因此，虽然以下步骤S104至S108均只针对轴箱橡胶垫的四个侧面中的一个侧面进行说明，其它三个侧面均再执行相同的检测方法即可。
在步骤S104，采集线结构光照射在轴箱橡胶垫的侧面的不同位置时的多个图像。
在采用本发明实施例提供的检测方法检测轴箱橡胶垫的裂纹情况时，需要控制线结构光光源能够照射到轴箱橡胶垫的每一个侧面的各个位置处，例如，可以控制轴箱橡胶垫相对于所述线结构光光源和图像采集模块移动，使得线结构光光源发出的光能够照射在轴箱橡胶垫的侧面的位置发生渐进式改变，且图像采集模块与线结构光光源之间的位置关系是固定的，这样图像采集模块可以连续采集到的该侧面的不同位置处的条纹图像，便于后续的图像处理工作。
在能够使图像采集模块采集到线结构光光源照射到轴箱橡胶垫侧面的不同位置处的多个图像的前提下，本领域技术人员也可以采用其他的移动方式使得轴箱橡胶垫与线结构光光源和图像采集模块之间的相对位置发生变化。
此外，采集的多个图像的数量不是固定的，只要能够根据采集的多个图像检测侧面的三维模型即可。
现结合图2来详细解释线结构光光源照射轴箱橡胶垫侧面和图像采集模块采集的轴箱橡胶垫侧面图像的过程。线结构光光源2发出去的光线照到轴箱橡胶垫1的侧面时，轴箱橡胶垫1的侧面上会有一个条纹为主要光照区域图2中的主要区域为P点所在直线处，图像采集模块3会采集该表面的图像，图2中示出的采集的侧面图像中的条纹位置处的图像如2所示，轴箱橡胶垫1的P点与图像中的P’点相对应。当轴箱橡胶垫1沿着图2中的xW的方向移动，且线结构光光源2和图像采集模块3的位置固定不动时，可以采集到线结构光照射在轴箱橡胶垫1的侧面的各个位置处的图像。
在步骤S106，根据所述多个图像建立所述侧面的三维模型。
在该步骤中，本发明实施例还提供了一种根据采集的多个图像建立侧面的三维模型的具体方法。
首先，对采集的每一个图像都进行灰度化处理以得到灰度图像。例如，可以选用加权平均灰度化处理方式来对采集的图像进行灰度处理，先将图像中的某一像素点(x,y)的R、G、B这三个分量分别用R(x,y)、G(x,y)和B(x,y)表示，再将该像素点的三个分量进行加权平均后得到的灰度值为Gray(x,y)＝Gray(x,y)＝WR*R(x,y)+WG*G(x,y)+WB*B(x,y)，式中的WR、WG和WB为加权的权重值，可以根据实际需要选取合适的值，例如可以选择WR、WG和WB的取值分别为0.299、0.587和0.114。
第二步，对得到的灰度图像进行滤波处理以得到滤波后的灰度图像。具体的，可以利用一定规模的滑动窗口进行处理，对滑动窗口内的像素点的灰度值进行排序，对排序中间的三位像素点取均值并将均值赋给中心点进而得到滤波后的灰度图像。通过这种方法，控制滑动窗口滑动进行滤波，可以有效抑制噪声，改善图像质量。本领域技术人员可以采用现有的任意的图像去噪方法来处理灰度图像，并不限于上述方法。
第三步，提取滤波后的灰度图像对应的线结构光的中心条纹。
本发明实施例还提供了一种提取中心条纹的方法，所述方法具体包括：
先提取图像中的条纹轮廓的最小外接矩阵，并适当外扩后得到条纹的大致宽度N，规格为W*W的局部块，并将其作为接下来处理的目标区域；
采用灰度阈值重心法，先确定初步的条纹中心点；
根据确定的初步的条纹中心点，通过以下公式确定局部块内的每一像素点(x,y)的梯度：
Figure BDA0002091776720000061
以确定图像的边缘，再通过以下公式确定所述规格为W*W的局部块的方向场：
Figure BDA0002091776720000062
再根据以下公式确定局部块角度α：
Figure BDA0002091776720000063
其中
Figure BDA0002091776720000064
再通过以下公式确定沿所述局部块角度α的灰度平方加权重心：
Figure BDA0002091776720000071
其中，ρ为像素点(x,y)在以(i,j)为原点的极坐标系下的半径，f(i,j,ρ,α)为极坐标系下(ρ,α)的灰度值(可以通过插值计算得到)，N为计算半径，T为图像背景灰度阈值(人为选定，例如可以通过大津阈值法确定)。上述方法选取当前像素及其周围某一局部范围，通过计算局部范围内的加权梯度，局部块的方向场，并以方向场作为灰度提取的方向依据，可以减小加权重心法的计算量，提高了线结构光中心条纹的提取速度。
第四步，以多个图像对应的中心条纹位置处的图像为依据进行拼接，形成所述轴箱橡胶垫的侧面视差图像。具体的，将采集的多个图像中的每个图像的线结构光中心条纹处的图像被提取出来后，将条纹图像存储为一行，将多个条纹图像以轴箱橡胶垫的侧面图像为依据进行拼接，即可形成轴箱橡胶垫的侧面视差图像。
第五步，根据形成的轴箱橡胶垫的侧面视差图像中的每个像素点的坐标及其灰度值确定轴箱橡胶垫侧面的各位置点处的三维点云信息。
第六步，根据各个位置点处的三维点云信息建立轴箱橡胶垫的侧面的三维模型。例如，可以对三维点云信息进行线性插值即可构建可视化的三维空间模型。
现结合图3详细解释上述条纹图像拼接过程。如图3所示，该实施例中共采集了100张轴箱橡胶垫的侧面图像，对图像0至图像99均进行处理后可以获得每个图像对应的中心条纹位置处的图像，处理后的图像0至图像99进行拼接，得到图3中左侧所示的图像，该图像即为轴箱橡胶垫的侧面视差图像。
在步骤S108，根据所述侧面的三维模型，确定轴箱橡胶垫的侧面是否有裂纹。
例如，可以通过将轴箱橡胶垫侧面的三维模型与标准轴箱橡胶垫侧面的标准三维模型进行比较，并在侧面的三维模型中的深度值与标准三维模型中的深度值不相等时，确定该轴箱橡胶垫的侧面有裂纹，并能够确定所述裂纹的位置。
进一步的，在确定了轴箱橡胶垫的侧面的裂纹位置以后，根据裂纹位置在侧面三维模型中对应的信息，就可以确定该裂纹的长度和深度。
具体的，检测的轴箱橡胶垫的侧面的三维模型参数用f(x,y,z)来表示，标准的三维模型参数用h(x,y,z)来表示，确定的侧面擦伤信息用Z(x,y,z)来表示，则Z(x,y,z)＝|f(x,y,z)-h(x,y,z)|。
在确定轴箱橡胶垫的侧面是否具有裂纹以及裂纹参数等相关信息以后，可以使所述相关信息按照轴箱橡胶垫的编号等方式进行存储，对后续对轴箱橡胶垫的故障统计和服役性能演变等统计和分析具有很重要的价值。
本发明该实施例提供的技术方案，可以实现轴箱橡胶垫裂纹的自动检测，降低检测成本，提高检测结果的准确率和效率。
另外，本发明实施例提供的轴箱橡胶垫裂纹检测方法，不仅可以检测轴箱橡胶垫侧面的裂纹情况，还可以同时确定轴箱橡胶垫的磨耗值、轴箱橡胶垫衬板表面缺陷和橡胶体开裂等。
图4是本发明实施例提供的一种轴箱橡胶垫裂纹检测装置的结构框图。如图4所示，所述轴箱橡胶垫裂纹检测装置包括线结构光光源410、图像采集模块420和处理模块430。其中，线结构光光源410用于照射轴箱橡胶垫的一个侧面，图像采集模块420用于采集线结构光照射在轴箱橡胶垫的侧面的不同位置时的多个图像，处理模块430用于根据所述多个图像建立所述侧面的三维模型，并根据所述侧面的三维模型，确定该轴箱橡胶垫的侧面是否有裂纹。
可选的，所述处理模块430可以将建立的侧面的三维模型与标准三维模型进行比较，在所述侧面的三维模型中的深度值与所述标准图像中的深度值不相等时，确定所述轴箱橡胶垫的所述侧面有裂纹，并确定所述裂纹的位置。
进一步的，还可以根据裂纹位置在建立的侧面的三维模型中对应的信息，确定该裂纹的长度和深度。
可选的，由于需要采集结构光照射在轴箱橡胶垫的侧面的不同位置处的多个图像，因此所述轴箱橡胶垫检测装置还可以包括传送模块，轴箱橡胶垫在传送模块的带动下，可以相对于线结构光光源和图像采集模块移动，在线结构光光源与图像采集模块的位置不发生变化的同时，使得线结构光能够照射在轴箱橡胶垫的侧面的不同位置。
可选的，为了便于后续有关轴箱橡胶垫的故障统计和服役性能分析，所述轴箱橡胶垫裂纹检测装置还可以包含存储模块，与处理模块相连接，所述存储模块用于存储轴箱橡胶垫的相关裂纹信息。
本发明实施例提供的轴箱橡胶垫裂纹检测装置的具体工作原理及益处与上述本发明实施例提供的轴箱橡胶垫裂纹检测方法的具体工作原理及益处相似，这里将不再赘述。
相应的，本发明实施例还提供一种机器可读存储介质，所诉机器可读存储介质存储有指令，该指令用于使得机器执行上述的轴箱橡胶垫裂纹检测方法。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (8)

1.一种轴箱橡胶垫裂纹检测方法，其特征在于，所述方法包括：
控制线结构光光源照射所述轴箱橡胶垫的一个侧面；
采集所述线结构光照射在所述轴箱橡胶垫的所述侧面的不同位置时的多个图像；
根据所述多个图像建立所述侧面的三维模型；以及
根据所述侧面的三维模型，确定所述轴箱橡胶垫的所述侧面是否有裂纹；
所述根据所述侧面的三维模型确定所述轴箱橡胶垫的所述侧面是否有裂纹包括：
将所述侧面的三维模型与标准三维模型进行比较；以及
在所述侧面的三维模型中的深度值与所述标准三维模型中的深度值不相等时，确定所述轴箱橡胶垫的所述侧面有裂纹，并确定所述裂纹的位置；
所述根据所述多个图像建立所述侧面的三维模型包括：
对采集的每一个图像都进行灰度化处理以得到灰度图像，再对所述灰度图像进行滤波处理以得到滤波后的灰度图像；
提取所述滤波后的灰度图像对应的线结构光的中心条纹；
以多个图像对应的中心条纹位置处的图像为依据进行拼接，形成所述轴箱橡胶垫的侧面视差图像；
根据所述侧面视差图像中的各个像素点的坐标及其灰度值确定所述轴箱橡胶垫侧面的各位置点处的三维点云信息；以及
根据所述各位置点处的三维点云信息建立所述侧面的三维模型；
所述以多个图像对应的中心条纹位置处的图像为依据进行拼接，形成所述轴箱橡胶垫的侧面视差图像包括：
将每一个图像的线结构光中心条纹处的图像确定为条纹图像；
将所述条纹图像存储为一行，并将多个所述条纹图像以所述轴箱橡胶垫的侧面图像为依据进行拼接，以形成所述轴箱橡胶垫的侧面视差图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在确定所述轴箱橡胶垫的所述侧面的裂纹位置时，根据所述裂纹位置在所述侧面的三维模型中对应的信息，确定所述裂纹的长度和深度。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
控制所述轴箱橡胶垫相对所述线结构光光源和图像采集模块移动，以使得所述线结构光照射在所述侧面的不同位置。
4.根据权利要求1所述的方法，其特征在于，所述侧面是除去所述轴箱橡胶垫与钢板相接触的上下表面之外的其它四个侧面中的一个侧面，所述方法包括针对所述四个侧面中的每一个侧面执行裂纹的检测。
5.一种轴箱橡胶垫裂纹检测装置，其特征在于，所述装置包括：
线结构光光源，用于照射所述轴箱橡胶垫的一个侧面；
图像采集模块，用于采集线结构光照射在所述轴箱橡胶垫的所述侧面的不同位置时的多个图像；以及
处理模块，用于根据所述多个图像建立所述侧面的三维模型，并根据所述侧面的三维模型，确定所述轴箱橡胶垫的所述侧面是否有裂纹；
所述处理模块还用于通过以下方式确定所述轴箱橡胶垫的所述侧面是否有裂纹：
将所述侧面的三维模型与标准三维模型进行比较；以及
在所述侧面的三维模型中的深度值与所述标准三维模型中的深度值不相等时，确定所述轴箱橡胶垫的所述侧面有裂纹，并确定所述裂纹的位置；
所述处理模块还用于通过以下方式建立所述侧面的三维模型：
对采集的每一个图像都进行灰度化处理以得到灰度图像，再对所述灰度图像进行滤波处理以得到滤波后的灰度图像；
提取所述滤波后的灰度图像对应的线结构光的中心条纹；
以多个图像对应的中心条纹位置处的图像为依据进行拼接，形成所述轴箱橡胶垫的侧面视差图像；
根据所述侧面视差图像中的各个像素点的坐标及其灰度值确定所述轴箱橡胶垫侧面的各位置点处的三维点云信息；以及
根据所述各位置点处的三维点云信息建立所述侧面的三维模型；
所述处理模块还用于通过以下方式形成所述轴箱橡胶垫的侧面视差图像：
将每一个图像的线结构光中心条纹处的图像确定为条纹图像；
将所述条纹图像存储为一行，并将多个所述条纹图像以所述轴箱橡胶垫的侧面图像为依据进行拼接，以形成所述轴箱橡胶垫的侧面视差图像。
6.根据权利要求5所述的检测装置，其特征在于，在确定所述轴箱橡胶垫的所述侧面的裂纹位置时，所述处理模块还用于根据所述裂纹位置在所述侧面的三维模型中对应的信息，确定所述裂纹的长度和深度。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括传送模块，所述轴箱橡胶垫在所述传送模块的带动下，相对所述线结构光光源和所述图像采集模块移动，以使得所述线结构光照射在所述轴箱橡胶垫的侧面的不同位置。
8.一种机器可读存储介质，该机器可读存储介质上存储有指令，所述指令用于使得机器执行上述权利要求1-4中任一项所述的轴箱橡胶垫裂纹检测方法。
CN201910505768.7A 2019-06-12 2019-06-12 轴箱橡胶垫裂纹检测方法和检测装置 Active CN110186934B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910505768.7A CN110186934B (zh) 2019-06-12 2019-06-12 轴箱橡胶垫裂纹检测方法和检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910505768.7A CN110186934B (zh) 2019-06-12 2019-06-12 轴箱橡胶垫裂纹检测方法和检测装置

Publications (2)

Publication Number Publication Date
CN110186934A CN110186934A (zh) 2019-08-30
CN110186934B true CN110186934B (zh) 2022-04-19

Family

ID=67721491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910505768.7A Active CN110186934B (zh) 2019-06-12 2019-06-12 轴箱橡胶垫裂纹检测方法和检测装置

Country Status (1)

Country Link
CN (1) CN110186934B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112014404A (zh) * 2020-08-27 2020-12-01 Oppo（重庆）智能科技有限公司 组件检测方法、装置、***、电子设备及存储介质
WO2022110043A1 (zh) * 2020-11-27 2022-06-02 西门子股份公司 侵蚀检测方法、装置和计算机可读介质
CN113289386B (zh) * 2021-04-30 2024-06-18 中国市政工程中南设计研究总院有限公司 板框脱水机自动脱泥装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101750416A (zh) * 2008-12-19 2010-06-23 中国科学院沈阳自动化研究所 一种基于线结构光的视觉焊缝表面质量检测传感器
CN102608126A (zh) * 2012-02-23 2012-07-25 中冶连铸技术工程股份有限公司 一种高温连铸坯表面缺陷在线检测方法和装置
CN103543161A (zh) * 2013-10-16 2014-01-29 湖南镭目科技有限公司 一种连铸坯表面质量在线检测方法
CN104020177A (zh) * 2014-06-26 2014-09-03 重庆大学 连铸坯表面缺陷双ccd扫描成像检测方法
CN105115976A (zh) * 2015-06-24 2015-12-02 上海图甲信息科技有限公司 一种铁轨磨耗缺陷检测***及方法
CN109086691A (zh) * 2018-07-16 2018-12-25 阿里巴巴集团控股有限公司 一种三维脸部活体检测方法、脸部认证识别方法及装置
CN109373904A (zh) * 2018-12-17 2019-02-22 石家庄爱赛科技有限公司 三维视觉检测装置及三维视觉检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101750416A (zh) * 2008-12-19 2010-06-23 中国科学院沈阳自动化研究所 一种基于线结构光的视觉焊缝表面质量检测传感器
CN102608126A (zh) * 2012-02-23 2012-07-25 中冶连铸技术工程股份有限公司 一种高温连铸坯表面缺陷在线检测方法和装置
CN103543161A (zh) * 2013-10-16 2014-01-29 湖南镭目科技有限公司 一种连铸坯表面质量在线检测方法
CN104020177A (zh) * 2014-06-26 2014-09-03 重庆大学 连铸坯表面缺陷双ccd扫描成像检测方法
CN105115976A (zh) * 2015-06-24 2015-12-02 上海图甲信息科技有限公司 一种铁轨磨耗缺陷检测***及方法
CN109086691A (zh) * 2018-07-16 2018-12-25 阿里巴巴集团控股有限公司 一种三维脸部活体检测方法、脸部认证识别方法及装置
CN109373904A (zh) * 2018-12-17 2019-02-22 石家庄爱赛科技有限公司 三维视觉检测装置及三维视觉检测方法

Also Published As

Publication number Publication date
CN110186934A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN110186934B (zh) 轴箱橡胶垫裂纹检测方法和检测装置
CN109754368B (zh) 一种桥梁质量检测中的裂缝拼接方法
CN101657277B (zh) 用于对连续铸造板坯上的表面缺陷进行识别和分类的方法
CN104101600B (zh) 连铸坯断面微小裂纹检测方法
CN101634551B (zh) 一种检测表面粗糙度的方法及其***
CN106066333A (zh) 曲面零件表面轮廓损伤分析装置及其方法
CN111122602B (zh) 基于三维相机的跨座式单轨指形板异常检测***及方法
CN105133471B (zh) 一种基于线结构光路面检测***的路面深度图像生产方法
CN108189859B (zh) 判断两个激光图像特征是相关冗余特征的方法
CN113112501B (zh) 一种基于深度学习的车载轨道巡检装置及方法
CN108731599B (zh) 钢轨磨耗深度计算方法
CN109870459A (zh) 无砟轨道的轨道板裂缝检测方法
CN106447684A (zh) 工业ct图像中弱边缘尺寸测量方法
CN111485475A (zh) 一种路面坑槽识别方法及其装置
CN110567680A (zh) 一种基于角度比对的轨道扣件松动检测方法
CN102680494A (zh) 基于机器视觉的抛光金属弧状面瑕疵实时检测方法
CN108508023B (zh) 一种铁路接触网中接触端部顶紧螺栓的缺陷检测***
CN104458764A (zh) 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法
CN114240916A (zh) 钢轨外观状态的多偏振光点云数据融合方法及装置
CN112465741B (zh) 悬架弹簧和气门弹簧的缺陷检测方法、装置及存储介质
CN101696876B (zh) 一种vcm磁钢的视觉检测方法
CN112435289B (zh) 钢轨接头轨缝宽度的检测方法及装置
CN104748684B (zh) 一种曲轴轴肩清根的视觉检测方法及装置
CN115797338B (zh) 基于双目视觉的全景路面多性能指标计算方法及***
CN112945976B (zh) 钢轨接触疲劳裂纹的检测方法及装置

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