CN110223339B - 一种基于机器视觉热保护器校准点中心定位方法 - Google Patents
一种基于机器视觉热保护器校准点中心定位方法 Download PDFInfo
- Publication number
- CN110223339B CN110223339B CN201910445271.0A CN201910445271A CN110223339B CN 110223339 B CN110223339 B CN 110223339B CN 201910445271 A CN201910445271 A CN 201910445271A CN 110223339 B CN110223339 B CN 110223339B
- Authority
- CN
- China
- Prior art keywords
- point
- circle
- points
- edge
- center
- 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
Images
Classifications
-
- 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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉热保护器校准点中心定位方法,包括图像预处理,目标提取,校准点区域边缘提取;校准点中心位置确定等步骤,本发明通过改进的随机Hough变换对提取的边缘进行圆检测,获得校准点中心位置。本发明克服了传统的Hough变换检测圆计算量大,占用过多内存的情况,大大地提升了检测速度;本发明克服随机圆检测算法(RCD)对图像的边缘点进行检测时,在复杂背景下存在鲁棒性差的问题,提高***的鲁棒性,使热保护器校准点中心定位对环境的适应能力增强,***的应用领域更宽。
Description
技术领域
本发明属于热保护器技术领域,具体涉及一种基于机器视觉热保护器校准点中心定位方法。
背景技术
热保护器是一种电路保护装置,广泛的应用在各类电器产品中,其主要的工作原理是在常温下保持电路的接通,当温度超出设定阈值之后,切断电路。起主要作用的是内部的双金属片,但双金属片的跳变温度又与校准点深度紧密相关,因此校准点深度测量是产品检验中的重要内容。由于校准点尺寸微小,采用结构光深度检测时第一步要进行校准点中心点的定位,以确保结构光线能够准确打在校准点最深处。
热保护器校准点二维成像几何特征为圆形结构,因此可以首先通过检测圆,然后获得圆心坐标实现对校准点中心定位。对于圆的检测,目前有大量的相关研究和检测方法。Hough变换检测圆是最基本检测方法,将平面坐标转化到参数坐标,在参数空间对坐标点进行累积,获得峰值点求得圆参数。传统的Hough变化检测圆计算量大,占用过多的内存。针对传统检测方法的不足,国内外学者在此基础上提出了多种改进方法。(1)Xu等提出了随机Hough变换(RHT),在一定程度上缓解了计算量大和占用内存多的问题。RHT通过在图像空间随机采样非共线的3个边缘点映射到参数空间,提取峰值对应的圆参数,采用这种多对一的映射,大大地提升了检测速度;虽然RHT算法在平面坐标到参数坐标映射时采用多对一的方式,但还存在空间参数累积的问题,因此计算速度有待提高。(2)Chen等人提出的随机圆检测算法(RCD),RCD直接对图像的边缘点进行检测,不存在空间参数累积的问题,在检测速度和检测精度上都得到提升,但是该方法在复杂背景下存在鲁棒性差的问题。(3)李福庆,苏湛提出一种基于粒子群算法的圆检测方法。基于粒子群圆检测算法相比Hough变换检测圆的效率更高,运行时间更短。
发明内容
为了解决当前热保护器光学情况复杂、干扰因素较多、检测效果不理想的问题,本发明提出了一种基于机器视觉热保护器校准点中心定位方法。该方法在原有圆检测方法上进行改进,提出一种改进型Hough变换圆检测算法,实现校准点边缘最优圆的检测和中心定位。
本发明的技术方案如下:
一种基于机器视觉热保护器校准点中心定位方法,包括以下步骤:
第一步,图像预处理,具体包括:使用带显微镜头的工业相机对热保护器进行图像采集,对彩色图像进行灰度化处理,对图像进行滤波处理,对图像进行阈值分割;
第二步,目标提取,采用形态学中的开运算进行去字符区,使图像轮廓变得光滑,断开狭窄连接并消除毛刺,通过采用连通域面积约束算法,消除形态学处理之后在边缘形成的离散点,通过对连通域标记,确定校准点区域;
第三步,校准点区域边缘提取;
第四步,校准点中心位置确定,通过改进的随机Hough变换对提取的边缘进行圆检测,获得校准点中心位置。
具体地,第三步校准点区域边缘提取中采用8邻域区域生长算法对二值化的边缘图像进行处理,确定连通区域。
8邻域区域生长算法对二值化的边缘图像进行处理具体包括如下步骤:
步骤1,从上到下、从左到右的顺序依次扫描图像,扫描到第一个像素为1的点时,将该点作为基点,并对该点进行标记;
步骤2,以基点为种子点,对其8邻域内的目标像素进行相同的标记;
步骤3,将所有有标记的像素的8邻域内的目标像素标记为相同的标号,直到该连
通区域标记完毕;
步骤4,继续顺序扫描,重复前三步骤,直到所有的像素值为1的点标记结束。具体地,第四步校准点中心位置确定具体包括:
步骤1,载入图像;
步骤2,对该图像从左到右、从上到下扫描,得到边缘上一点,找到边缘子集中在竖直方向上对应的点,求取两点的对称中心;
步骤3,以两点所在直线绕对称中心点旋转90°;
步骤4,旋转后得到直线与边缘的两交点,以这两个交点作为圆上的点,以两交点的中心对称点作为圆心,确定一圆C1;
步骤5,以圆直径为轴,以圆心为旋转中心,按顺时针方向旋转30度,得到新的两点:
s=(x-a)cos30°-(y-b)sin30°+a
t=(y-b)cos30°-(x-a)sin30°+b
其中x,y表示直径延长线与边缘的交点,a,b为两交点的对称中心坐标,s,t表示旋转后的坐标,获得旋转后坐标(s0,t0),(s1,t1);求过两交点的所在直线:
直线与边缘相交于两点,求出中心对称点,确定一圆C2,重复该步骤,直到旋转角度累积和超过180°;
步骤6,设边缘像素点在第i个圆上的个数为E(Si),点f(si,ti)为圆上点的像素值,则E(Si)可表示为:
用N表示边缘点像素个数,则每个圆的偏差系数为:
步骤7,偏差值系数最小的圆为最优圆,最优圆的圆心所在点即为校准点的中心位置。
与现有技术相比,本发明的有益效果在于:
(1)克服传统的Hough变换检测圆计算量大,占用过多内存的情况,大大地提升了检测速度。
(2)克服随机圆检测算法(RCD)对图像的边缘点进行检测时,在复杂背景下存在鲁棒性差的问题,提高***的鲁棒性。
(3)使校准点中心位置定位精度提高,相对误差减小。
(4)使热保护器校准点中心定位对环境的适应能力增强,***的应用领域更宽。
附图说明
图1是本发明方法流程图;
图2是本发明旋转候选圆示意图;
图3是本发明非唯一最高点误差示意图;
图4是本发明最优圆圆心确定流程图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述。图1所示为本发明校准点中心定位处理流程图,包括图像预处理、目标提取、校准点区域边缘提取、校准点中心位置确定。
图像预处理包括如下步骤:步骤1,校准点直径在1mm左右,属于微小尺寸测量的范畴,为获得清晰的校准点图像,使用带显微镜头的工业相机对热保护器进行图像采集;步骤2,为了减少计算量,提高计算速度,对彩色图像进行灰度化处理;步骤3,消除金属反光、外界环境的影响,对图像进行滤波处理;步骤4,对图像进行阈值分割。
预处理后的图像含有数字和英文字母的圆形结构,由双边缘组成,边缘宽度在4到8个像素之间,而校准点区域的边缘宽度在10个像素点以上,所以目标提取是采用形态学中的开运算进行去字符区,使图像轮廓变得光滑,断开狭窄连接并消除毛刺。在形态学处理之后会有边缘离散点,通过采用连通域面积约束算法,将离散点去除,通过对连通域标记,确定校准点区域。
校准点区域边缘提取是采用8邻域区域生长算法对二值化的边缘图像进行处理,确定连通区域。包括如下步骤:步骤1,从上到下、从左到右的顺序依次扫描图像,扫描到第一个像素为1的点时,将该点作为基点,并对该点进行标记;步骤2,以基点为种子点,对其8邻域内的目标像素进行相同的标记;步骤3,将所有有标记的像素的8邻域内的目标像素标记为相同的标号,直到该连通区域标记完毕;步骤4,继续顺序扫描,重复前三步骤,直到所有的像素值为1的点标记结束。
校准点中心位置确定是通过改进的随机Hough的圆检测算法对提取的边缘进行圆检测,获得校准点中心位置,流程如图4所示:
如图2、3,圆是中心对称图形,首先从左到右,从上到下扫描,得到边缘上一点。找到边缘子集中在竖直方向上对应的点,求取两点的对称中心。以两点所在直线绕对称中心点旋转900,旋转后直线与边缘的两交点分别为(x0,y0)、(x1,y1),以两交点作为圆上的点,以两交点的中心对称点作为圆心,确定一圆C1。因为内边缘并不是完全规则的圆,第一次扫描得到的第一个边缘点并非一定为圆的唯一最高点,当边缘点不是唯一最高点的情况,其与对称点的连线l1为所在圆的弦,通过旋转90°即圆直径与弦相垂直,可以消除非唯一最高点带来的误差,如图2中l2与边缘交点可以确定一圆。以圆直径为轴,以圆心为旋转中心,按顺时针方向旋转30度,得到新的两点:
s=(x-a)cos30°-(y-b)sin30°+a
t=(y-b)cos30°-(x-a)sin30°+b
其中x,y表示直径延长线与边缘的交点,a,b为两交点的对称中心坐标,s,t表示旋转后的坐标。获得旋转后坐标(s0,t0),(s1,t1)求过两交点的所在直线:
直线与边缘相交于两点,求出中心对称点,确定一圆C2,重复该步骤,直到旋转角度累积和超过180°。图3中C1,C2,C3分别为旋转0°、30°、90°对应的圆。设边缘像素点在第i个圆上的个数为E(Si),点f(si,ti)为圆上点的像素值,则E(Si)可表示为:
用N表示边缘点像素个数,则每个圆的偏差系数为:
偏差值系数最小的圆为最优圆。最优圆的圆心所在点即为校准点的中心位置,其流程图如图4所示。
Claims (3)
1.一种基于机器视觉热保护器校准点中心定位方法,其特征在于:包括以下步骤:
第一步,图像预处理,具体包括:使用带显微镜头的工业相机对热保护器进行图像采集,对彩色图像进行灰度化处理,对图像进行滤波处理,对图像进行阈值分割;
第二步,目标提取,采用形态学中的开运算进行去字符区,使图像轮廓变得光滑,断开狭窄连接并消除毛刺,通过采用连通域面积约束算法,消除形态学处理之后在边缘形成的离散点,通过对连通域标记,确定校准点区域;
第三步,校准点区域边缘提取;
第四步,校准点中心位置确定,通过改进的随机Hough变换对提取的边缘进行圆检测,获得校准点中心位置;其步骤如下:
步骤1,载入图像;
步骤2,对该图像从左到右、从上到下扫描,得到边缘上一点,找到边缘子集中在竖直方向上对应的点,求取两点的对称中心;
步骤3,以两点所在直线绕对称中心点旋转90°;
步骤4,旋转后得到直线与边缘的两交点,以这两个交点作为圆上的点,以两交点的中心对称点作为圆心,确定一圆C1;
步骤5,以圆直径为轴,以圆心为旋转中心,按顺时针方向旋转30度,得到新的两点:
s=(x-a)cos30°-(y-b)sin30°+a
t=(y-b)cos30°-(x-a)sin30°+b
其中x,y表示直径延长线与边缘的交点,a,b为两交点的对称中心坐标,s,t表示旋转后的坐标,获得旋转后坐标(s0,t0),(s1,t1);求过两交点的所在直线:
直线与边缘相交于两点,求出中心对称点,确定一圆C2,重复该步骤,直到旋转角度累积和超过180°;
步骤6,设边缘像素点在第i个圆上的个数为E(Si),点f(si,ti)为圆上点的像素值,则E(Si)可表示为:
Ci为旋转到对应角度的第i圆C;
用N表示边缘点像素个数,则每个圆的偏差系数为:
步骤7,偏差值系数最小的圆为最优圆,最优圆的圆心所在点即为校准点的中心位置。
2.根据权利要求1所述的一种基于机器视觉热保护器校准点中心定位方法,其特征在于:第三步中采用8邻域区域生长算法对二值化的边缘图像进行处理,确定连通区域。
3.根据权利要求2所述的一种基于机器视觉热保护器校准点中心定位方法,其特征在于:具体包括如下步骤:
步骤1,从上到下、从左到右的顺序依次扫描图像,扫描到第一个像素为1的点时,将该点作为基点,并对该点进行标记;
步骤2,以基点为种子点,对其8邻域内的目标像素进行相同的标记;
步骤3,将所有有标记的像素的8邻域内的目标像素标记为相同的标号,直到该连通区域标记完毕;
步骤4,继续顺序扫描,重复前三步骤,直到所有的像素值为1的点标记结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910445271.0A CN110223339B (zh) | 2019-05-27 | 2019-05-27 | 一种基于机器视觉热保护器校准点中心定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910445271.0A CN110223339B (zh) | 2019-05-27 | 2019-05-27 | 一种基于机器视觉热保护器校准点中心定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223339A CN110223339A (zh) | 2019-09-10 |
CN110223339B true CN110223339B (zh) | 2021-07-16 |
Family
ID=67818042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910445271.0A Active CN110223339B (zh) | 2019-05-27 | 2019-05-27 | 一种基于机器视觉热保护器校准点中心定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223339B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112146593A (zh) * | 2020-09-25 | 2020-12-29 | 上海红马饲料有限公司 | 一种基于机器视觉的外螺纹检测方法及实时检测*** |
CN112767359B (zh) * | 2021-01-21 | 2023-10-24 | 中南大学 | 复杂背景下的钢板角点检测方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN108170084A (zh) * | 2016-12-07 | 2018-06-15 | 杨新高 | 一种农机设备自动化控制***及产品 |
CN109410285A (zh) * | 2018-11-06 | 2019-03-01 | 北京七鑫易维信息技术有限公司 | 一种校准方法、装置、终端设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107622499B (zh) * | 2017-08-24 | 2020-11-13 | 中国东方电气集团有限公司 | 一种基于目标二维轮廓模型的识别与空间定位方法 |
-
2019
- 2019-05-27 CN CN201910445271.0A patent/CN110223339B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN108170084A (zh) * | 2016-12-07 | 2018-06-15 | 杨新高 | 一种农机设备自动化控制***及产品 |
CN109410285A (zh) * | 2018-11-06 | 2019-03-01 | 北京七鑫易维信息技术有限公司 | 一种校准方法、装置、终端设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
"Randomized Hough transform (RHT): basic mechanisms, algorithms and complexities";XU L 等;《Computer Vision and Image Understanding》;19931231;第57卷(第2期);第131-154页 * |
"基于图像处理技术的圆环零件检测方法研究";何奎;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180615(第06期);全文 * |
"基于多阈值和改进的Hough变换检测电表接线圆孔尺寸";贾小军 等;《光电子激光》;20181031;第29卷(第10期);第1074-1081页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110223339A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108132017B (zh) | 一种基于激光视觉***的平面焊缝特征点提取方法 | |
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
US11200351B2 (en) | Method for constructing curve of robot processing path of part with small curvature based on point cloud boundary | |
CN102945368B (zh) | 啤酒瓶盖激光字符的定位识别方法 | |
CN107203973B (zh) | 一种三维激光扫描***中线激光中心的亚像素定位方法 | |
CN104897062A (zh) | 一种零件异面平行孔形位偏差的视觉测量方法及装置 | |
CN111462066B (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
CN112529876B (zh) | 一种隐形眼镜边缘缺陷的检测方法 | |
CN110223339B (zh) | 一种基于机器视觉热保护器校准点中心定位方法 | |
CN114693610A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及*** | |
CN111476246A (zh) | 应用于复杂环境下指针仪表鲁棒高效智读方法 | |
CN114037657A (zh) | 一种结合区域生长与环形校正的锂电池极耳缺陷检测方法 | |
CN103413318B (zh) | 靶标球镜面中心定位方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及*** | |
CN114494169A (zh) | 基于机器视觉的工业柔性物体检测方法 | |
CN112330667B (zh) | 一种基于形态学的激光条纹中心线提取方法 | |
CN113763279A (zh) | 一种具有矩形框图像的精确校正处理方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN115112098B (zh) | 一种单目视觉的一维二维测量方法 | |
CN107292924B (zh) | 一种对激光加工形成的激光槽的特征自动识别方法 | |
CN112734916B (zh) | 基于图像处理的彩色共聚焦并行测量三维形貌还原方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |