CN111210413B - 一种送丝机构运动过程中的位姿检测方法 - Google Patents

一种送丝机构运动过程中的位姿检测方法 Download PDF

Info

Publication number
CN111210413B
CN111210413B CN202010002448.2A CN202010002448A CN111210413B CN 111210413 B CN111210413 B CN 111210413B CN 202010002448 A CN202010002448 A CN 202010002448A CN 111210413 B CN111210413 B CN 111210413B
Authority
CN
China
Prior art keywords
wire feeding
circle
image
pose
feeding mechanism
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
CN202010002448.2A
Other languages
English (en)
Other versions
CN111210413A (zh
Inventor
单忠德
李思源
战丽
刘丰
李志坤
刘云志
张文昌
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 Academy Of Machinery Science And Technology Group Co ltd
Beijing National Innovation Institute of Lightweight Ltd
Original Assignee
China Academy Of Machinery Science And Technology Group Co ltd
Beijing National Innovation Institute of Lightweight 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 Academy Of Machinery Science And Technology Group Co ltd, Beijing National Innovation Institute of Lightweight Ltd filed Critical China Academy Of Machinery Science And Technology Group Co ltd
Priority to CN202010002448.2A priority Critical patent/CN111210413B/zh
Publication of CN111210413A publication Critical patent/CN111210413A/zh
Application granted granted Critical
Publication of CN111210413B publication Critical patent/CN111210413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种复合材料制造过程中送丝机构运动过程中的位姿检测方法，属于复合材料、机械制造和计算机技术的交叉领域。本发明方法的步骤为：将工业相机放置于送丝平台的两侧，采集放置于压实板上白色圆的灰度图像，采用局部自适应图像增强方法进行增强，利用最大连通面积方法粗分割出圆的质心，以粗识别质心为基点，识别圆的边缘点，利用最小二乘法提取圆心，比较识别点与标定点位置坐标，若两侧的偏移量相同，则送丝平台发生了平移，若两侧的相机偏移量不同，则送丝平台发生了旋转移动或旋转与平移复合移动。本发明提出的送丝机构运动过程中的位姿检测方法，自动化程度高，可对送丝之前的位置进行判断，避免送丝位置错误或无法送丝的情况。

Description

一种送丝机构运动过程中的位姿检测方法
技术领域
本发明涉及一种送丝机构运动过程中的位姿检测方法，属于复合材料、机械制造与计算机技术的交叉技术领域。
背景技术
以连续纤维增强复合材料为代表的先进复合材料具有远高于钢铁材料的比刚度和比强度，此外还具有耐腐蚀、抗疲劳性能好以及可设计性强等优势，被广泛应用于运载火箭、卫星、风力发电、轨道交通等工业领域。长久以来，二维结构复合材料由于制作简单、成形工艺及设备成熟，是复合材料结构中应用最为广泛的结构之一。
三维结构复合材料在厚度方向引入增强体，解决了二维复合材料分层阻抗低、易脱层等问题，是目前先进复合材料研究的主要方向，其中针对三维结构复合材料的新工艺和新装备成为研究的热点和难点。现有的三维结构复合材料制备工艺较为繁琐、制造周期长且人工干预较多，造成复合材料的成形性能不稳定；此外，在制造过程中，设备的自动化水平较低，工艺参数检测和调控方法还不成熟。
近年来，研究人员对碳纤维预制体的织造工艺及设备进行了研究，但在织造过程中存在人为干预过多，织造效率低等问题，并且在送丝前需要人工判断送丝机构的位姿，常有误判的情况发生，导致不能送丝或送丝位置错误。本发明提出了一种基于机器视觉的送丝机构运动过程中的位姿检测方法，可对复合材料预制体织造过程中的送丝位置进行检测，保证碳纤维有序准确的铺放于设定的路径中，同时能够提高织造过程中自动化程度，缩短复合材料构件的制造周期、降低制造成本，为实现大型、复杂结构高性能复合材料构件的高精高效制造提供了基础。
发明内容
本发明主要目的在于提供一种送丝机构运动过程中的位姿检测方法，特别是基于数字图像处理的位姿检测方法，从而实现了大型、复杂结构高性能复合材料预制体制造过程中送丝位置的自动定位，保证碳纤维有序准确的铺放于设定的路径中。
1.一种送丝机构运动过程中的位姿检测方法，具体步骤如下：
①识别圆图像采集；将CCD工业相机放置于送丝平台的两侧，相机放置方向与送丝方向保持一致，采集放置于压实板上白色圆的灰度图像，图像尺寸、对比度等固定不变；
②识别圆图像预处理；对灰度图像进行中值滤波处理，实现图像边缘保真情况下图像的降噪复原；采用局部自适应图像增强的方法提高圆形区域与背景区域的对比度；并对图像进行二值化处理；
③识别圆质心粗提取；利用最大连通面积方法分割出识别圆区域，并提取出圆的质心；
④识别圆质心精提取；以粗提取质心为基准点，提取圆形区域的行灰度波形，通过行灰度波形提取出圆的边缘点，利用最小二乘法拟合提取出的边缘点，并提取出圆质心的位置；
⑤送丝位姿判别；判断送丝机构与阵列间的相对位姿，使送丝机构能够有序的铺放于阵列中，标定圆质心位置坐标作为基准点；在每次送丝开始前重复①、②、③和④，将识别出的圆质心位置坐标与基准点位置坐标进行比较，若两侧的相机识别出的质心的在X方向偏移量相等，则送丝平台发生了平移运动，若两侧相机识别出的质心在X方向的偏移量不同，则送丝平台发生了旋转或旋转及平移的复合移动；进一步，以质心为原点建立二维坐标系，分别提取出与X轴成±45°和±135°的直线与圆边缘的交点坐标，P1、P2、P3和P4，建立世界坐标系下P1、P2、P3和P4的坐标P1’、P2’、P3’和P4’，并标定出相机的内参，通过四个点的在像素坐标系下的坐标与世界坐标系下坐标的转换关系及四个点间的几何关系，可获得相机与阵列间的相对位姿，通过与初始位置的位姿关系进行比对，可获得相机与阵列间相对位姿的变化。
2.所述的图像采集利用了CCD相机、环形光源和光源控制器。
3.所述的识别圆的图像采集为单目、双目或多目。
4.所述CCD工业相机为线阵相机或面阵相机。
5.所述的最小二乘法为最小二乘圆拟合或最小二乘椭圆拟合。
6.所述的滤波方法为中值滤波、均值滤波、高斯滤波或双边滤波。
本发明有益的效果是：
1.该方法自动化程度高，降低织造过程中的人为干预，提高织造效率，减少人工成本，相比于传统的人工检测，检测精度较高。
2.该方法对复合材料预制体织造过程中的送丝机构与阵列间的相对位姿进行检测，避免送丝位置不准确，导致送丝位置错误或无法送丝的情况，保证碳纤维有序准确的铺放于设定的路径中。
3.该方法在不同光照条件下的鲁棒性较高，在不同光照条件下识别同一位置的同一个圆质心，其质心坐标的最大偏差为0.8个像素。
附图说明
图1送丝机构运动过程中的位姿检测方法机构的示意图。
附图标记
1—压实板；2—识别圆；3—送丝机构；4—工业相机。
图2工业相机采集原图。
图3局部自适应图像增强后图像。
图4图像边缘提取效果图。
图5圆质心识别效果示意图。
具体实施方式
以下结合附图对本发明进行详细的说明。
本发明优选的实施例1，具体步骤如下：
A、将CCD工业相机放置于送丝平台的两侧如图1所示，相机放置方向与送丝方向保持一致，采集放置于压实板上白色圆的灰度图像如图2所示，图像尺寸1280×960及对比度-3等固定不变；
B、对灰度图像进行中值滤波处理，实现图像边缘保真情况下图像的降噪复原；
采用局部自适应图像增强的方法提高圆形区域与背景区域的对比度，如图3所示；并对图像进行二值化处理；其中，局部自适应图像增强方法搜索框口面积为20，增益的系数为100；圆形区域呈白色，背景区域呈黑色，将图像上灰度值小于90的像素点置为0，图像上灰度值大于等于90的像素点置为255，将整个图像呈现出明显的黑白效果；
C、对织造现场图像采集过程中，现场干扰因素多，在图像识别过程中，不可避免的会出现伪识别区域及干扰点的产生，但这些伪识别区域和干扰点的区域面积比识别圆的区域面积小，如图4所示，因此，利用最大连通面积方法分割出识别圆区域，分割圆形区域及背景区域，提取圆质点为[608,392]；
D、将非圆区域的像素值置为20，根据粗提取的圆质点为基准，提取间隔为5的行灰度波形；其中，截线像素值i为X轴，灰度值ft(j)为Y轴；对B样条曲线进行一阶差分；
E、从左往右搜索一阶差分的最大及最小变化值点，即为圆边缘点所在位置，对所得到的边缘点进行最小二乘法拟合出识别圆，两台相机识别出的圆质心均为[610,392]，如图5所示；
F、将识别出的圆质心[610,392]与基准点[601,392]进行比较，由于两台相机的偏移量皆为9个像素，所以送丝平台发生了平移移动，送丝机构由于送丝位置不正确而不能送丝。
本发明优选的实施例2，具体步骤如下：
A、将CCD工业相机放置于送丝平台的两侧，相机放置方向与送丝方向保持一致，采集放置于压实板上白色圆的灰度图像如图2所示，图像尺寸1280×960及对比度-3等固定不变；
B、对灰度图像进行中值滤波处理，实现图像边缘保真情况下图像的降噪复原；采用局部自适应图像增强的方法提高圆形区域与背景区域的对比度，并对图像进行二值化处理；其中，局部自适应图像增强方法搜索框口面积为30，增益的系数为110；圆形区域呈白色，背景区域呈黑色，将图像上灰度值小于90的像素点置为0，图像上灰度值大于等于90的像素点置为255，将整个图像呈现出明显的黑白效果；
C、对织造现场图像采集过程中，现场干扰因素多，在图像识别过程中，不可避免的会出现伪识别区域及干扰点的产生，但这些伪识别区域和干扰点的区域面积比识别圆的区域面积小，因此，利用最大连通面积方法分割出识别圆区域，分割圆形区域及背景区域，提取圆质点；
D、将非圆区域的像素值置为20，根据粗提取的圆质点为基准，提取间隔为10的行灰度波形；其中，截线像素值为X轴，灰度值为Y轴；对B样条曲线进行一阶差分；
E、从左往右搜索一阶差分的最大及最小变化值点，即为圆边缘点所在位置，对所得到的边缘点进行最小二乘法拟合出识别圆并求得其质心，以质心为原点建立二维坐标系，分别提取出与X轴成±45°和±135°的直线与圆边缘的交点坐标，P1、P2、P3和P4；
F、建立世界坐标系下P1、P2、P3和P4的坐标P1’、P2’、P3’和P4’，并标定出相机的内参，通过四个点的在像素坐标系下的坐标与世界坐标系下坐标的转换关系及四个点间的几何关系，可获得相机与阵列间的相对位姿，通过与初始位置的位姿关系进行比对，可获得相机与阵列间相对位姿的变化。
上述实施例是对本发明的上述内容作进一步的说明，不应将此理解为本发明上述主题的范围仅限于上述实施例。

Claims (6)

1.一种送丝机构运动过程中的位姿检测方法，其特征在于：
本方法的具体步骤如下：
①识别圆的图像采集；将CCD工业相机放置于送丝平台的两侧，相机放置方向与送丝方向保持一致，采集放置于压实板上白色圆的灰度图像；
②识别圆的图像预处理；对灰度图像进行中值滤波处理，实现图像边缘保真情况下图像的降噪复原；采用局部自适应图像增强方法提高圆形区域与背景区域的对比度，并对图像进行二值化处理；
③识别圆质心粗提取；利用最大连通面积方法分割出识别圆区域，并提取出圆的质心；
④识别圆质心精提取；以粗提取质心为基准点，提取圆形区域的行灰度波形，通过行灰度波形提取出圆的边缘点，利用最小二乘法拟合提取出的边缘点，并提取出圆质心的位置；
⑤送丝机构位姿的判别；对送丝机构的位姿进行判断，使送丝机构能够有序的铺放于阵列中，标定圆质心位置坐标作为基准点；在每次送丝开始前重复①、②、③和④，将识别出的圆质心的位置坐标与基准点坐标进行比较，若两侧的相机识别出的质心在X方向上的偏移量相等，则送丝平台发生了平移运动，若两侧相机识别出的质心在X方向上的偏移量不同，则送丝平台发生了旋转或旋转及平移的复合移动；进一步，以质心为原点建立二维坐标系，分别提取出与X轴成±45°和±135°的直线与圆边缘的交点坐标，P1、P2、P3和P4，建立世界坐标系下P1、P2、P3和P4的坐标P1’、P2’、P3’和P4’，并标定出相机的内参，通过四个点的在像素坐标系下的坐标与世界坐标系下坐标的转换关系及四个点间的几何关系，可获得相机与阵列间的相对位姿，通过与初始位置的位姿关系进行比对，可获得相机与阵列间相对位姿的变化。
2.根据权利要求1所述的送丝机构运动过程中的位姿检测方法，其特征在于，所述的图像采集利用了CCD相机、环形光源和光源控制器。
3.根据权利要求1所述的送丝机构运动过程中的位姿检测方法，其特征在于，所述的识别圆的图像采集为单目、双目或多目。
4.根据权利要求1所述的送丝机构运动过程中的位姿检测方法，其特征在于，所述CCD工业相机为线阵相机或面阵相机。
5.根据权利要求1所述的送丝机构运动过程中的位姿检测方法，其特征在于，所述的最小二乘法为最小二乘圆拟合或最小二乘椭圆拟合。
6.根据权利要求1所述的送丝机构运动过程中的位姿检测方法，其特征在于，所述的滤波方法为中值滤波、均值滤波、高斯滤波或双边滤波。
CN202010002448.2A 2020-01-02 2020-01-02 一种送丝机构运动过程中的位姿检测方法 Active CN111210413B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010002448.2A CN111210413B (zh) 2020-01-02 2020-01-02 一种送丝机构运动过程中的位姿检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010002448.2A CN111210413B (zh) 2020-01-02 2020-01-02 一种送丝机构运动过程中的位姿检测方法

Publications (2)

Publication Number Publication Date
CN111210413A CN111210413A (zh) 2020-05-29
CN111210413B true CN111210413B (zh) 2023-10-03

Family

ID=70789517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010002448.2A Active CN111210413B (zh) 2020-01-02 2020-01-02 一种送丝机构运动过程中的位姿检测方法

Country Status (1)

Country Link
CN (1) CN111210413B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112539714B (zh) * 2020-06-30 2022-07-26 深圳中科飞测科技股份有限公司 一种偏心检测方法、检测方法、处理方法及检测设备
CN112877863B (zh) * 2021-01-14 2022-08-23 北京机科国创轻量化科学研究院有限公司 一种复合材料预制体织造过程中边棒自动放置装置及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011107083A (ja) * 2009-11-20 2011-06-02 Omron Corp 姿勢認識方法およびこの方法を用いた３次元視覚センサ
CN108416791A (zh) * 2018-03-01 2018-08-17 燕山大学 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法
CN108596980A (zh) * 2018-03-29 2018-09-28 中国人民解放军63920部队 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011107083A (ja) * 2009-11-20 2011-06-02 Omron Corp 姿勢認識方法およびこの方法を用いた３次元視覚センサ
CN108416791A (zh) * 2018-03-01 2018-08-17 燕山大学 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法
CN108596980A (zh) * 2018-03-29 2018-09-28 中国人民解放军63920部队 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备

Also Published As

Publication number Publication date
CN111210413A (zh) 2020-05-29

Similar Documents

Publication Publication Date Title
CN107590835B (zh) 一种核环境下机械臂工具快换视觉定位***与定位方法
CN111210413B (zh) 一种送丝机构运动过程中的位姿检测方法
CN104923593B (zh) 一种基于视觉的顶层折弯板材定位方法
CN103264738B (zh) 一种汽车风挡玻璃的自动装配***及自动装配方法
CN104018850A (zh) 基于双目视觉的管片拼装机的管片定位及抓取***
CN106000904A (zh) 一种生活垃圾自动分拣***
CN111266315A (zh) 基于视觉分析的矿石物料在线分拣***及其方法
CN109000557A (zh) 一种核燃料棒位姿自动识别方法
CN108765495B (zh) 一种基于双目视觉检测技术的快速标定方法及***
CN106709529B (zh) 一种光伏电池色差分类的视觉检测方法
CN110108712A (zh) 多功能视觉缺陷检测***
CN109225941B (zh) 内螺纹攻丝情况自动检测与分拣***及方法
Wang et al. Error analysis and improved calibration algorithm for LED chip localization system based on visual feedback
CN111292376B (zh) 一种仿生视网膜的视觉目标跟踪方法
CN110954555A (zh) Wdt 3d视觉检测***
CN114155301A (zh) 一种基于Mask R-CNN和双目相机的机器人目标定位和抓取方法
CN108171753A (zh) 基于形心特征点与邻域灰度互相关性的立体视觉定位方法
CN109916914A (zh) 一种产品缺陷检测方法及装置
CN109614868A (zh) 汽车轮胎花纹图像直线识别***
CN106097323B (zh) 一种基于机器视觉的发动机气缸体铸件的定位方法
CN117876308A (zh) 基于图像分析的光伏板检测方法
CN107622484A (zh) 一种基于形状匹配的光伏电池片缺角检测算法
CN111267094A (zh) 一种基于双目视觉的工件定位与抓取方法
CN111539951B (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
CN116858139B (zh) 基于双目视觉的金属结构平面度测量方法

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