CN111028227B - 一种数控机床快速找正方法 - Google Patents
一种数控机床快速找正方法 Download PDFInfo
- Publication number
- CN111028227B CN111028227B CN201911300663.4A CN201911300663A CN111028227B CN 111028227 B CN111028227 B CN 111028227B CN 201911300663 A CN201911300663 A CN 201911300663A CN 111028227 B CN111028227 B CN 111028227B
- Authority
- CN
- China
- Prior art keywords
- numerical control
- machine tool
- blank
- picture
- control machine
- 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
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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Numerical Control (AREA)
Abstract
本发明提供一种数控机床快速找正方法。所述的方法是基于人工智能的图像识别技术,选用树莓派(Rashberry)开源电子平台加载摄像头硬件设备,首先通过摄像头获取毛坯在数控机床的位置图片,然后运用基于计算机PYTHON语言OPENCV开源图像库对图象进行分析处理,得到毛坯在机床上的位置数据及位置偏转角度,最后通过无线传输模块,传递数据并修改数控***中的程序加工原点位置变量,快速实现毛坯找正位置。本发明提出的数控机床快速找正方法,所需设备简单、使用方便、成本低,可以缩短加工周期,质量稳定,并降低劳动强度。
Description
技术领域
本发明属于数控技术领域,具体为一种数控机床快速找正方法。
背景技术
数控机械零件加工中,需校准毛坯边线使其与数控机床X轴、Y轴对齐,再设置程序加工原点。目前,一般使用划针或测量探针,人工找正程序加工原点,该方法时间长、操作繁琐,且采取手工录入数据偏差大、易出错。
发明内容
为解决上述现有技术存在的不足,本发明所解决的技术问题是提供一种数控机床快速找正方法,可以实现数控加工中快速找正程序加工原点,减少人工停机时间,提高数控设备使用效率。
为解决上述技术问题,本发明数控机床快速找正方法是:基于人工智能的图像识别技术,选用树莓派(Rashberry)开源电子平台加载摄像头硬件设备,具体步骤为:
Step1:通过摄像头获取毛坯在数控机床的位置图片;
Step2:运用基于计算机PYTHON语言OPENCV开源图像库对图片进行分析处理,得到毛坯在机床上的位置数据及位置偏转角度;
Step3:通过无线传输模块,传递数据并修改数控***中的程序加工原点位置变量,快速实现毛坯找正位置。
进一步地,上述方法步骤Step1中获取毛坯在数控机床的位置图片的具体方法是:所述的树莓派(Rashberry)开源电子平台加载摄像头硬件设备安装于机床主轴上,将其移动到毛坯需找正原点上方,然后通过摄像头获取毛坯在数控机床的位置图片。
进一步地,上述方法步骤Step2中运用OPENCV开源图像库对图片进行分析处理的具体方法是:首先,将图片运用OpenCV库函数,设定阈值对图片进行二进制处理,使得毛坯区域和非毛坯区域变为黑白分明的图片;其次,对二进制图片处理,计算获得角点或孔圆心等在图片中像素位置,与校准图片比较并校正得出在机床位置的坐标数据及位置偏转角度。
在上述技术方案中,所提出的数控机床快速找正方法,所需设备简单、使用方便、成本低,可以缩短加工周期,质量稳定,并降低劳动强度。
附图说明
图1为本发明数控机床快速找正方法原理图。
图2为本发明运用OPENCV库函数处理图片的效果示例图
具体实施方式
下面将结合图1和图2,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某一种具体实施例,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。
本发明为一种数控机床快速找正方法。
如图1所示,首先将摄像头与树莓派用数据线联接构成前置模块,可安装于机床主轴上,移动到毛坯需找正原点上方。使用前校准位置,获取毛坯在机床中图片。
然后,在树莓派中编制图片处理基于计算机PYTHON语言程序。首先将图片运用OPENCV库函数,设定阈值对图片进行二进制处理,即毛坯区域和非毛坯区域变为黑白分明的图片。
运用OpenCV机器视觉库的函数cv.threshold对图片处理几种方式效果如图2。
运用OpenCV机器视觉库的函数cv.findContours(),cv.drawContours()对二进制图片处理获取图形的边界及角点的像素点位置值。
根据角点在图片中像素点位置计算得出机床的实际坐标位置。例如获取的是800×600像素大小图片。初始标定图片原始角点在机床中的位置X、Y坐标数据为100、200(单位毫米)。现毛坯找正角点的象素位置为200、300,通过公式进行计算毛坯找正点为:X坐标值公式为X=100+α(200/800),Y坐标值公式为Y=00+β(300/600)(α、β为根据镜头焦距、拍摄距离及校准以后得到的系数)。
部份python语言程序代码如下:
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img=cv.imread('gradient.png',0)
ret,thresh1=cv.threshold(img,127,255,cv.THRESH_BINARY)
ret,thresh2=cv.threshold(img,127,255,cv.THRESH_BINARY_INV)
ret,thresh3=cv.threshold(img,127,255,cv.THRESH_TRUNC)
ret,thresh4=cv.threshold(img,127,255,cv.THRESH_TOZERO)
ret,thresh5=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
titles=['Original
Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images=[img,thresh1,thresh2,thresh3,thresh4,thresh5]
for i in xrange(6):
plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
im=cv.imread('test.jpg')
imgray=cv.cvtColor(im,cv.COLOR_BGR2GRAY)
ret,thresh=cv.threshold(imgray,127,255,0)
contours,hierarchy=cv.findContours(thresh,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)
cv.drawContours(img,contours,-1,(0,255,0),3)
cnt=contours[4]
cv.drawContours(img,[cnt],0,(0,255,0),3)
第三步,树莓派开源电子平台将数据转输至无线发射器后编码发射信号,其发射器应与接收器匹配。
最后,接收器解码后,将数据转入机床数控***。将数据设置到指定数控***程序原点变量,在数控***中执行该设置程序即完成数控程序加工前的程序原点G54等参数设置。如西门子数控***应***变量$P_UIFR[1]=100来进行程序原点数据设置。
Claims (1)
1.一种数控机床快速找正方法,其特征是:所述的方法是基于人工智能的图像识别技术,选用树莓派开源电子平台加载摄像头硬件设备,具体步骤为:
Step1:通过摄像头获取毛坯在数控机床的位置图片;
Step2:运用基于计算机PYTHON语言OPENCV开源图像库对图像进行分析处理,得到毛坯在机床上的位置数据及位置偏转角度;
Step3:通过无线传输模块,传递数据并修改数控***中的程序加工原点位置变量,快速实现毛坯找正位置;
所述的通过摄像头获取毛坯在数控机床的位置图片的具体方法是,将树莓派开源电子平台加载摄像头硬件设备安装于机床主轴上,然后将该硬件设备移动到毛坯需找正原点上方,最后通过摄像头获取毛坯在数控机床的位置图片;
所述的运用基于计算机PYTHON语言OPENCV开源图像库对图像进行分析处理的具体方法是,首先将图片运用OpenCV库函数,设定阈值对图片进行二进制处理,使得毛坯区域和非毛坯区域变为黑白分明的图片;其次对二进制图片处理,计算获得角点或孔圆心在图片中像素位置,与校准图片比较并校正得出在机床位置的坐标数据及位置偏转角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300663.4A CN111028227B (zh) | 2019-12-17 | 2019-12-17 | 一种数控机床快速找正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911300663.4A CN111028227B (zh) | 2019-12-17 | 2019-12-17 | 一种数控机床快速找正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111028227A CN111028227A (zh) | 2020-04-17 |
CN111028227B true CN111028227B (zh) | 2023-07-21 |
Family
ID=70211060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911300663.4A Active CN111028227B (zh) | 2019-12-17 | 2019-12-17 | 一种数控机床快速找正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028227B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681813A (zh) * | 2014-11-19 | 2016-06-15 | Tcl集团股份有限公司 | 一种基于Android***的图片处理方法及*** |
CN110189347A (zh) * | 2019-05-15 | 2019-08-30 | 深圳市优***科技股份有限公司 | 一种测量物体体积的方法及终端 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5832278B2 (ja) * | 2011-12-26 | 2015-12-16 | 三菱重工業株式会社 | カメラ計測システムのキャリブレーション方法 |
KR101712191B1 (ko) * | 2015-05-04 | 2017-03-03 | 경남대학교 산학협력단 | 환자 낙상예방 모니터링 장치 |
CN105335971B (zh) * | 2015-10-19 | 2018-07-13 | 上海交通大学 | 基于图像的工件加工精确定位方法 |
CN106570904B (zh) * | 2016-10-25 | 2019-04-09 | 大连理工大学 | 一种基于Xtion摄像头的多目标相对位姿识别方法 |
CN107192716A (zh) * | 2017-04-26 | 2017-09-22 | 广东工业大学 | 一种基于轮廓特征的工件缺陷快速检测方法 |
CN107153848A (zh) * | 2017-06-15 | 2017-09-12 | 南京工程学院 | 基于OpenCV的仪表图像自动识别方法 |
CN109309808A (zh) * | 2017-07-26 | 2019-02-05 | 梭维智能科技(深圳)有限公司 | 一种基于人脸识别的监控***及方法 |
CN107687850B (zh) * | 2017-07-26 | 2021-04-23 | 哈尔滨工业大学深圳研究生院 | 一种基于视觉和惯性测量单元的无人飞行器位姿估计方法 |
CN108521556A (zh) * | 2018-03-30 | 2018-09-11 | 北京林业大学 | 基于嵌入式***的智能跟踪监控摄像头 |
CN108717709B (zh) * | 2018-05-24 | 2022-01-28 | 东北大学 | 图像处理***及图像处理方法 |
CN109782669A (zh) * | 2019-01-30 | 2019-05-21 | 大连交通大学 | 一种基于树莓派家庭事件自动化处理的控制*** |
CN110160543A (zh) * | 2019-04-22 | 2019-08-23 | 广东工业大学 | 实时定位和地图构建的机器人 |
-
2019
- 2019-12-17 CN CN201911300663.4A patent/CN111028227B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681813A (zh) * | 2014-11-19 | 2016-06-15 | Tcl集团股份有限公司 | 一种基于Android***的图片处理方法及*** |
CN110189347A (zh) * | 2019-05-15 | 2019-08-30 | 深圳市优***科技股份有限公司 | 一种测量物体体积的方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN111028227A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108982546B (zh) | 一种智能机器人涂胶质量检测***及方法 | |
CN108288288B (zh) | 基于视觉识别的精密轴尺寸测量方法、装置和*** | |
CN112505056A (zh) | 缺陷检测方法和装置 | |
CN110514906B (zh) | 基于手眼协调的高精度微波腔体滤波器调试方法及*** | |
He et al. | A critical review for machining positioning based on computer vision | |
CN111784655A (zh) | 一种水下机器人回收定位方法 | |
CN110560376B (zh) | 一种产品表面缺陷检测方法及装置 | |
CN113334380A (zh) | 基于双目视觉的机器人视觉标定方法、控制***及装置 | |
CN111210392B (zh) | 一种基于数字图像处理的轮毂气门孔定位方法 | |
CN107833223B (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
CN115880296A (zh) | 基于机器视觉的预制构件质量检测方法及装置 | |
CN111028227B (zh) | 一种数控机床快速找正方法 | |
CN114257736A (zh) | 一种工件自适应拍摄方法 | |
CN117434568A (zh) | 一种基于遥感卫星的智能定位*** | |
CN111815714B (zh) | 一种鱼眼相机标定方法、装置、终端设备及存储介质 | |
CN111596425A (zh) | 一种用于准直器对光的自动对光*** | |
CN111986266A (zh) | 一种光度立体视觉点光源参数标定方法 | |
CN111047702A (zh) | 一种基于双目视觉的法兰弯管自动焊接方法 | |
CN103905762B (zh) | 投影模块的投影画面自动检查方法 | |
Shen et al. | Design and implementation of PCB detection and classification system based on machine vision | |
CN114966238A (zh) | 一种天线相位中心的自动检测与对准方法 | |
CN108900734B (zh) | 一种广角镜头畸变自动校正装置及方法 | |
CN108647620B (zh) | 一种基于伽马变换的韦伯人脸的光照归一化方法 | |
CN213342427U (zh) | 一种摄像头模组的主动对准*** | |
CN113155865A (zh) | 基于多相机的铝压铸件孔洞内壁缺陷检测***及检测方法 |
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 |