CN113450378B - 一种判断触点组差平面高度数据匹配程度的方法 - Google Patents
一种判断触点组差平面高度数据匹配程度的方法 Download PDFInfo
- Publication number
- CN113450378B CN113450378B CN202110717747.9A CN202110717747A CN113450378B CN 113450378 B CN113450378 B CN 113450378B CN 202110717747 A CN202110717747 A CN 202110717747A CN 113450378 B CN113450378 B CN 113450378B
- Authority
- CN
- China
- Prior art keywords
- image
- contact
- height data
- gradient direction
- height
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种判断触点组差平面高度数据匹配程度的方法,包括以下步骤:获取动触点表面图像,得到第一图像;获取静触点表面图像,得到第二图像;提取第一图像的第一高度数据集,提取第二图像的第二高度数据集;构建第一高度数据集与第二高度数据集的梯度方向差值云图;以设定角度阈值范围θthreshold对梯度方向差值云图进行处理,得到梯度方向差值云图的接触特征轮廓;提取第一图像的接触特征轮廓;提取第二图像的接触特征轮廓;根据梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定差平面高度数据匹配程度。本申请提供一种判断触点组差平面高度数据匹配程度的方法解决了无法直观确定差平面高度数据匹配程度的问题,为后续的高度数据校准工作提供了初期预判信息。
Description
技术领域
本公开一般涉及可靠性试验技术领域,具体涉及一种判断触点组差平面高度数据匹配程度的方法。
背景技术
建立继电器触点组高度数据的差平面是研究继电器可靠性的一个关键步骤,建立差平面的方式具体为:以静触点高度数据还原的三维曲面为参考,对动触点高度数据还原的三维曲面做镜像对称,将此时动触点和静触点的高度数据矩阵相加,以动、静触点高度数据的和的最大值所在的平面作为基准面,求得两触点表面高度和与基准面的差值建立高度数据的差平面。
继电器触点组的高度数据与继电器的可靠性研究联系紧密,通过触点组中高度数据建立的差平面能够反映动、静触点接触后表面发生的形变和接触斑点等信息,对求解继电器的电气参数和表面几何参数尤为重要。
由于触点组高度数据的差平面对动、静触点两者表面的高度数据点要求一一对应,因此其经常会因为触点组中动、静触点放置在三维形貌扫描仪的位置差异,造成所获取的动、静触点接触面高度数据的位置点存在偏差,使得动、静触点高度数据不匹配,这种因位置差异带来的触点组高度数据的不匹配缺少直观且有效的观察方法。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种可解决上述技术问题的一种判断触点组差平面高度数据匹配程度的方法。
本申请提供一种判断触点组差平面高度数据匹配程度的方法,包括以下步骤:
获取动触点表面图像,得到第一图像;
获取静触点表面图像,得到第二图像;
提取所述第一图像的第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)},其中所述第一高度数据集具有m行、n列;hd(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值;
提取所述第二图像的第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)},其中所述第二高度数据集具有m行、n列;hj(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值;
构建所述第一高度数据集与所述第二高度数据集的梯度方向差值云图;
以设定角度阈值范围θthreshold对所述梯度方向差值云图进行处理,得到所述梯度方向差值云图的接触特征轮廓;
提取所述第一图像的接触特征轮廓;
提取所述第二图像的接触特征轮廓;
根据所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定所述差平面高度数据匹配程度。
根据本申请实施例提供的技术方案,通过所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓判断所述差平面高度数据匹配程度的方法具体为:
计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度rd:
获取所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度rj:
根据以下公式计算所述梯度方向差值云图特征轮廓与所述触点组的接触特征轮廓的相似度rsim:
所述相似度rsim用于表征所述差平面高度数据匹配程度。
根据本申请实施例提供的技术方案,计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度rd的方法具体为:
计算所述梯度方向差值云图的接触特征轮廓的面积A;
计算所述第一图像的接触特征轮廓的面积Ad;
根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度rd:
根据本申请实施例提供的技术方案,获取所述梯度方向差值云图的接触特征轮廓与所述第二图像的接触特征轮廓的相似度rj的方法具体为:
计算所述梯度方向差值云图的接触特征轮廓的面积A;
计算所述第二图像的接触特征轮廓的面积Aj;
根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度rj:
根据本申请实施例提供的技术方案,提取所述第一图像的接触特征轮廓的方法具体为:对所述第一图像进行灰度处理得到第一灰度图像;通过Canny算子对所述第一灰度图像进行边缘检测,提取接触特征轮廓。
提取所述第二图像的接触特征轮廓的方法具体为:对所述第二图像进行灰度处理得到第二灰度图像;通过Canny算子对所述第二灰度图像进行边缘检测,提取接触特征轮廓。
根据本申请实施例提供的技术方案,得到所述梯度方向差值云图的接触特征轮廓的方法具体为:
对所述梯度方向差值云图进行灰度处理得到梯度方向差值云图灰度图像;
通过Canny算子对所述梯度方向差值云图灰度图像进行边缘检测,提取接触特征轮廓;
将所述梯度方向差值云图的接触特征轮廓缩放,使得与所述第一图像、第二图像的接触特征轮廓为同一尺寸比例。
根据本申请实施例提供的技术方案,构建所述第一高度数据集与所述第二高度数据集梯度方向差值云图的方法具体为:
计算所述第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}各点梯度方向的角度值作为第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)};
计算所述第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}中各点梯度方向的角度值作为第二角度值集{θj(1,1),...,θj(x,y),...,θj(m,n)};
计算所述第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)}的各点的绝对值与所述第二角度值集{θj(1,1),...,θj(x,y),...,θj(m,n)}各点的绝对值的差集{θc(1,1),...,θc(x,y),...,θc(m,n)};
通过所述差集{θc(1,1),...,θc(x,y),...,θc(m,n)}构建所述梯度方向差值云图。
根据本申请实施例提供的技术方案,计算所述第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)}的方法具体为:
计算所述第二角度集{θj(1,1),...,θj(x,y),...,θj(m,n)}的方法具体为:
根据本申请实施例提供的技术方案,提取所述第一图像的第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}的方法具体为:
选定所述第一图像的扫描区域作为第一扫描区域;
获取所述第一扫描区域的高度数据矩阵作为第一高度数据矩阵;
对所述第一高度数据矩阵归一化处理得到所述第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}。
根据本申请实施例提供的技术方案,提取所述第二图像的第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}的方法具体为:
选定所述第二图像的扫描区域作为第二扫描区域;
获取所述第二扫描区域的高度数据矩阵作为第二高度数据矩阵;
对所述第二高度数据矩阵归一化处理得到所述第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}。
本申请的有益效果在于:在提取动触点表面图像的第一高度数据集、静触点表面图像的第二高度数据集后,通过构建第一高度数据集以及第二高度数据集梯度方向差值云图,并以设定角度阈值范围θthreshold对所述梯度方向差值云图进行处理,使得可得到梯度方向差值云图的接触特征轮廓;通过提取第一图像的接触特征轮廓以及第二图像的接触特征轮廓,并将其与梯度方向差值云图进行比较,进而可确定所述差平面高度数据匹配程度,为后续的高度数据校准工作提供了初期预判信息。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请提供的一种判断触点组差平面高度数据匹配程度的方法流程图;
图2为图1所示第一图像的示意图;
图3为图1所示第二图像的示意图;
图4为图1所示梯度方向差值云图的示意图;
图5为图1所示以设定角度阈值范围θthreshold对所述梯度方向差值云图处理后的示意图;
图6为图5与图2中接触特征区域轮廓的对比图;
图7为图5与图3中接触特征区域轮廓的对比图;
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1为本申请提供的一种判断触点组差平面高度数据匹配程度的方法流程图,包括以下步骤:
S100:获取动触点表面图像,得到第一图像,如图2所示;
S110:获取静触点表面图像,得到第二图像,如图3所示;
S200:提取所述第一图像的第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)},其中所述第一高度数据集具有m行、n列;hd(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值;
S210:提取所述第二图像的第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)},其中所述第二高度数据集具有m行、n列;hj(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值;
S300:构建所述第一高度数据集与所述第二高度数据集的梯度方向差值云图,如图4所示;
S400:以设定角度阈值范围θthreshold对所述梯度方向差值云图进行处理,得到所述梯度方向差值云图的接触特征轮廓;
S410:提取所述第一图像的接触特征轮廓;
S420:提取所述第二图像的接触特征轮廓;
S500:根据所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定所述差平面高度数据匹配程度。
本实施例中,所述触点组为继电器触点组,包括继电器上的动触点以及静触点。
可以知道的是,在建立触点组高度数据的差平面的过程中需要动触点表面的高度数据与静触点的高度数据一一对应;而在分别获取两者高度数据的过程中,经常会由于动触点图片及静触点图片的扫描区域所包含的接触特征位置存在偏差,使得获取到的动、静触点高度数据不匹配,而这种不匹配程度无法直观有效的观察,即无法定量的表征或表达。
本申请中,在提取动触点表面图像的第一高度数据集、静触点表面图像的第二高度数据集后,通过构建第一高度数据集以及第二高度数据集梯度方向差值云图,并以设定角度阈值范围θthreshold对所述梯度方向差值云图进行处理,使得可得到梯度方向差值云图的接触特征轮廓;通过提取第一图像的接触特征轮廓以及第二图像的接触特征轮廓,并将其与梯度方向差值云图进行比较,进而可确定所述差平面高度数据匹配程度,为后续的高度数据校准工作提供了初期预判信息。
在本实施例的优选实施方式中,通过所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓判断所述差平面高度数据匹配程度的方法具体为:
计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度rd:
获取所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度rj:
根据以下公式计算所述梯度方向差值云图特征轮廓与所述触点组的接触特征轮廓的相似度rsim:
所述相似度rsim用于表征所述差平面高度数据匹配程度。
具体的,差平面高度数据匹配程度r与相似度rsim呈正相关;因此可设定标准值rb,当判断相似度rsim>rb时,则表示差平面高度数据匹配程度较高;当判断相似度rsim<rb时,则表示差平面高度数据程度较低;同时,设定的标准值可以为多个,例如:使得可设置多个阈值区间以评价其匹配程度,例如:当时,表示差平面高度数据匹配程度极低;当时,表示差平面高度数据匹配程度较低;当时,表示差平面高度数据匹配程度较高;当 时,表示差平面高度数据匹配程度极高;
当然,也正是由于差平面高度数据匹配程度r与相似度rsim呈正相关,因此通过计算相似度rsim的值即可量化差平面高度数据匹配程度,即进行多个差平面高度数据匹配程度的比较过程中,可分别计算各个触点组高度数据的相似度rsim,进行比较;相似度rsim值越大,表示其动、静数据高度数据越匹配。
本步骤选取接触特征的相似度(rd、rj)来描述动、静触点高度数据的位置点的匹配程度;同时为了直观显示两者接触特征的相似度,还可以将梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓叠加对比,如图6所示,将梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓叠加对比,如图7所示。
其中,作为优选的,计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度rd的方法具体为:
计算所述梯度方向差值云图的接触特征轮廓的面积A;
计算所述第一图像的接触特征轮廓的面积Ad;
根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度rd:
其中,作为优选的,获取所述梯度方向差值云图的接触特征轮廓与所述第二图像的接触特征轮廓的相似度rj的方法具体为:
计算所述梯度方向差值云图的接触特征轮廓的面积A;
计算所述第二图像的接触特征轮廓的面积Aj;
根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度rj:
优选的,计算接触特征轮廓面积的方法可以为:利用matlab中imfill函数填充所述接触特征轮廓内区域,填充完成后利用regionprops函数得到填充区域的面积,面积的单位为:pixel(像素)。
所述第一图像、第二图像以及梯度方向差值云图的接触特征轮廓的面积均可通过上述方式获取;当然,也可以利用regionprops函数得到所述接触特征轮廓的外接矩形尺寸,用外接矩形的面积表征接触特征轮廓的面积。
在本实施例的优选实施方式中,获取动触点表面图像以及静触点表面图像的方法具体为:通过非接触式三维形貌仪,对触点组的动触点、静触点表面微观形貌进行拍摄,得到所述第一图像以及第二图像;某型号继电器触点组的动触点接触面的图像(即第一图像)如图2所示,该继电器触点组的静触点接触面的图像(即第二图像)如图3所示。
具体的,三维形貌扫描仪属于非接触式扫描设备,根据光学原理检测被测表面相对于聚焦光学***的微小距离变化,使用时,扫描仪器上的高清摄像头首先对动触点及静触点表面图片进行拍摄,得到触点的表面图像(第一图像、第二图像),然后分别在***上呈现的第一图像、第二图像上选定红色方框的扫描区域,扫描区域的位置和大小可以人为指定,该设备可以转动角度,对触点表面进行快速、重复、多侧重点的测量,能够对样品表面进行um级的测量,并对整个表面数据进行统计整合,获取高度数据集。
在本实施例的优选实施方式中,提取所述第一图像的第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}的方法具体为:
选定所述第一图像的扫描区域作为第一扫描区域;
获取所述第一扫描区域的高度数据矩阵作为第一高度数据矩阵;
具体的,获取第一高度数据矩阵的方法为:通过三维形貌扫描仪扫描所述第一扫描区域的高度数据,将高度数据倒入至编程软件中转化为矩阵形式的高度数据矩阵。
对所述第一高度数据矩阵归一化处理得到所述第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)},其中所述第一高度数据集具有m行、n列;hd(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值。
具体的,通过下式对所述第一高度数据矩阵进行归一化处理得到所述第一高度数据集:
其中,min(h1)为所述第一高度矩阵中的最小值;max(h1)为所述第一高度矩阵中的最大值,h1(x,y)为所述第一高度矩阵中位置坐标为(x,y)的点所对应的高度值;将所述第一高度矩阵中每个点h1(x,y)进行归一化处理后得到所述第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}。
在本实施例的优选实施方式中,提取所述第二图像的第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}的方法具体为:
选定所述第二图像的扫描区域作为第二扫描区域;
获取所述第二扫描区域的高度数据矩阵作为第二高度数据矩阵;
类似的,获取第二高度数据矩阵的方法为:通过三维形貌扫描仪扫描所述第二扫描区域的高度数据,将高度数据倒入至编程软件中转化为矩阵形式的高度数据矩阵。
对所述第二高度数据矩阵归一化处理得到所述第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}。其中所述第二高度数据集具有m行、n列;hj(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值。
具体的,通过下式对所述第二高度数据矩阵进行归一化处理得到所述第二高度数据集:
其中,min(h2)为所述第二高度矩阵中的最小值;max(h2)为所述第二高度矩阵中的最大值,h2(x,y)为所述第二高度矩阵中位置坐标为(x,y)的点所对应的高度值;将所述第二高度矩阵中每个点h2(x,y)进行归一化处理后得到所述第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}。
在本实施例的优选实施方式中,构建所述第一高度数据集与所述第二高度数据集梯度方向差值云图的方法具体为:
计算所述第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}各点梯度方向的角度值作为第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)};
计算所述第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}中各点梯度方向的角度值作为第二角度值集{θj(1,1),...,θj(x,y),...,θj(m,n)};
计算所述第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)}的各点的绝对值与所述第二角度值集{θj(1,1),...,θj(x,y),...,θj(m,n)}各点的绝对值的差集{θc(1,1),...,θc(x,y),...,θc(m,n)};
通过所述差集{θc(1,1),...,θc(x,y),...,θc(m,n)}构建所述梯度方向差值云图。
具体的,所述差集的计算公式如下:
θc(x,y)=|θd(x,y)|-|θj(x,y)|;
可通过matlab软件利用contourf函数将所述差集{θc(1,1),...,θc(x,y),...,θc(m,n)}构建为梯度方向差值云图;
具体的,通过以设定角度阈值范围θthreshold对所述梯度方向差值云图进行处理,使得所述梯度方向差值云图上能够抑制非形变区域的信息,突显高度数据中蕴含的接触特征信息,触点组非接触特征区域与接触特征区域的分界处梯度方向角度的差值变化明显,能够清晰有效地反映触点组的接触特征,如图5所示。
具体的,角度阈值范围θthreshold为设定值;
可以知道的是,所述梯度方向差值云图中可通过不同色度或深度表征所述差集{θc(1,1),...,θc(x,y),...,θc(m,n)}中不同数值的数据点;例如θc(1,1)的值为70um,该点在所述梯度方向差值云图中以第一颜色表现,例如θc(2,1)的值为71um,该点在所述梯度方向差值云图中以第二颜色表现。
阈值范围θthreshold的设定方式为:
提取所述差值云图中颜色分界处的多个数据点,得到角度阈值集;
计算所述角度阈值集中所有数据点的均值,得到标准阈值θb;
所述阈值范围θthreshold满足:θc<θb。
所述阈值范围θthreshold作为触点组高度数据的梯度方向的差值云图的接触特征的显示范围,可清晰的反映出触点组接触面的接触特征。
进一步的,为了确保阈值范围的准确性,可通过获取同一型号多个触点组的梯度方向差值云图,分别计算每个梯度方向差值云图所对应的标准阈值θb,将所有标准阈值θb取均值,得到最终的标准阈值θb′。
在本实施例的优选实施方式中,计算所述第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)}的方法具体为:
其中,gradhd(x,y)为所述第一高度数据集中空间位置为(x,y)的点所对应的梯度方向;梯度方向是该点的方向向量的模取最大值的方向,即高度数值上升变化率最大的方向
θd(x,y)为gradhd(x,y)的角度值,即第一高度数据集中空间位置为(x,y)的点所对应的梯度方向的角度值。
具体的,上述计算梯度方向的过程可借助matlab软件的gradient封装函数完成,完成X方向梯度、Y方向梯度的计算。
在本实施例的优选实施方式中,计算所述第二角度集{θj(1,1),...,θj(x,y),...,θj(m,n)}的方法具体为:
其中,gradhj(x,y)为所述第二高度数据集中空间位置为(x,y)的点所对应的梯度方向,θj(x,y)为gradhj(x,y)的角度值,即第二高度数据集中空间位置为(x,y)的点所对应的梯度方向的角度值。
具体的,上述计算梯度方向的过程可借助matlab软件的gradient封装函数完成,完成X方向梯度、Y方向梯度的计算。
在本实施例的优选实施方式中,提取所述第一图像的接触特征轮廓的方法具体为:
对所述第一图像进行灰度处理得到第一灰度图像;
通过Matlab软件中Canny算子对所述第一灰度图像进行边缘检测,提取接触特征轮廓。
在本实施例的优选实施方式中,提取所述第二图像的接触特征轮廓的方法具体为:
对所述第二图像进行灰度处理得到第二灰度图像;
通过Matlab软件中通过Canny算子对所述第二灰度图像进行边缘检测,提取接触特征轮廓。
在本实施例的优选实施方式中,得到所述梯度方向差值云图的接触特征轮廓的方法具体为:
对所述梯度方向差值云图进行灰度处理得到梯度方向差值云图灰度图像;
通过Matlab软件中通过Canny算子对所述梯度方向差值云图灰度图像进行边缘检测,提取接触特征轮廓;
将所述梯度方向差值云图的接触特征轮廓缩放,使得与所述第一图像、第二图像的接触特征轮廓为同一尺寸比例。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种判断触点组差平面高度数据匹配程度的方法,所述触点组包括动触点与静触点,其特征在于:包括以下步骤:
获取动触点表面图像,得到第一图像;
获取静触点表面图像,得到第二图像;
提取所述第一图像的第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)},其中所述第一高度数据集具有m行、n列;hd(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值;
提取所述第二图像的第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)},其中所述第二高度数据集具有m行、n列;hj(x,y)为所述第一高度数据集空间位置坐标为(x,y)的点所对应的高度值;
构建所述第一高度数据集与所述第二高度数据集的梯度方向差值云图;
以设定角度阈值范围θthreshold对所述梯度方向差值云图进行处理,得到所述梯度方向差值云图的接触特征轮廓;
提取所述第一图像的接触特征轮廓;
提取所述第二图像的接触特征轮廓;
根据所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定所述差平面高度数据匹配程度;
得到所述梯度方向差值云图的接触特征轮廓的方法具体为:
对所述梯度方向差值云图进行灰度处理得到梯度方向差值云图灰度图像;
通过Canny算子对所述梯度方向差值云图灰度图像进行边缘检测,提取接触特征轮廓;
将所述梯度方向差值云图的接触特征轮廓缩放,使得与所述第一图像、第二图像的接触特征轮廓为同一尺寸比例;
构建所述第一高度数据集与所述第二高度数据集梯度方向差值云图的方法具体为:
计算所述第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}各点梯度方向的角度值作为第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)};
计算所述第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}中各点梯度方向的角度值作为第二角度值集{θj(1,1),...,θj(x,y),...,θj(m,n)};
计算所述第一角度集{θd(1,1),...,θd(x,y),...,θd(m,n)}的各点的绝对值与所述第二角度值集{θj(1,1),...,θj(x,y),...,θj(m,n)}各点的绝对值的差集{θc(1,1),...,θc(x,y),...,θc(m,n)};
通过所述差集{θc(1,1),...,θc(x,y),...,θc(m,n)}构建所述梯度方向差值云图。
5.根据权利要求1所述的判断触点组差平面高度数据匹配程度的方法,其特征在于:
提取所述第一图像的接触特征轮廓的方法具体为:对所述第一图像进行灰度处理得到第一灰度图像;通过Canny算子对所述第一灰度图像进行边缘检测,提取接触特征轮廓;
提取所述第二图像的接触特征轮廓的方法具体为:对所述第二图像进行灰度处理得到第二灰度图像;通过Canny算子对所述第二灰度图像进行边缘检测,提取接触特征轮廓。
7.根据权利要求1-6任意一项所述的判断触点组差平面高度数据匹配程度的方法,其特征在于:
提取所述第一图像的第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}的方法具体为:
选定所述第一图像的扫描区域作为第一扫描区域;
获取所述第一扫描区域的高度数据矩阵作为第一高度数据矩阵;
对所述第一高度数据矩阵归一化处理得到所述第一高度数据集{hd(1,1),...,hd(x,y),...,hd(m,n)}。
8.根据权利要求1-6任意一项所述的判断触点组差平面高度数据匹配程度的方法,其特征在于:
提取所述第二图像的第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}的方法具体为:
选定所述第二图像的扫描区域作为第二扫描区域;
获取所述第二扫描区域的高度数据矩阵作为第二高度数据矩阵;
对所述第二高度数据矩阵归一化处理得到所述第二高度数据集{hj(1,1),...,hj(x,y),...,hj(m,n)}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717747.9A CN113450378B (zh) | 2021-06-28 | 2021-06-28 | 一种判断触点组差平面高度数据匹配程度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717747.9A CN113450378B (zh) | 2021-06-28 | 2021-06-28 | 一种判断触点组差平面高度数据匹配程度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113450378A CN113450378A (zh) | 2021-09-28 |
CN113450378B true CN113450378B (zh) | 2022-06-03 |
Family
ID=77813168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110717747.9A Active CN113450378B (zh) | 2021-06-28 | 2021-06-28 | 一种判断触点组差平面高度数据匹配程度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113450378B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107214703A (zh) * | 2017-07-11 | 2017-09-29 | 江南大学 | 一种基于视觉辅助定位的机器人自标定方法 |
CN110569861A (zh) * | 2019-09-01 | 2019-12-13 | 中国电子科技集团公司第二十研究所 | 一种基于点特征和轮廓特征融合的图像匹配定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256394B (zh) * | 2016-12-28 | 2020-09-25 | 中林信达(北京)科技信息有限责任公司 | 一种基于轮廓梯度的目标跟踪方法 |
CN109584238B (zh) * | 2018-12-07 | 2021-11-26 | 北京航空航天大学 | 一种基于立体视觉的弓网运行状况在线检测***及方法 |
-
2021
- 2021-06-28 CN CN202110717747.9A patent/CN113450378B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107214703A (zh) * | 2017-07-11 | 2017-09-29 | 江南大学 | 一种基于视觉辅助定位的机器人自标定方法 |
CN110569861A (zh) * | 2019-09-01 | 2019-12-13 | 中国电子科技集团公司第二十研究所 | 一种基于点特征和轮廓特征融合的图像匹配定位方法 |
Non-Patent Citations (3)
Title |
---|
Contact Spots Analysis of Sealed Relay Contact Pair Based on Contact;Wenhua Li etal.;《IEEJ Transactions on Electrical and Electronic Engineering》;20210211;第16卷(第3期);第355-363页 * |
Research on contact di erence plane layering and corrosion zoning of sealed;Wenhua Li et al.;《IEEJ Transactions on Electrical and Electronic Engineering》;20190822;第14卷(第11期);第1595-1601页 * |
一种基于图像处理技术的继电器触点间距智能检测方法;宋文荣;《应用激光》;20121031;第32卷(第5期);第434-439页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113450378A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651752B (zh) | 三维点云数据配准方法及拼接方法 | |
CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
CN109215063B (zh) | 一种事件触发相机与三维激光雷达的配准方法 | |
CN104318548B (zh) | 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
KR100810326B1 (ko) | 다해상도 3차원 모델 생성 방법 | |
US20100034465A1 (en) | Method and apparatus for calculating pixel features of image data | |
CN110210448B (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
CN104899888B (zh) | 一种基于Legendre矩的图像亚像素边缘检测方法 | |
CN101147159A (zh) | 利用统计模板匹配进行对象检测的快速方法 | |
CN105574533B (zh) | 一种图像特征提取方法和装置 | |
CN114627080B (zh) | 基于计算机视觉的车辆冲压配件缺陷检测方法 | |
US11544875B2 (en) | Image processing apparatus, image processing method, and storage medium | |
CN111179242B (zh) | 图像处理方法及其装置 | |
CN117495852B (zh) | 一种基于图像分析的数字印刷质量检测方法 | |
KR20180101672A (ko) | 영상 정합을 이용한 영상 처리 장치 및 방법 | |
CN113989336A (zh) | 一种可见光图像和红外图像配准方法及装置 | |
CN113450378B (zh) | 一种判断触点组差平面高度数据匹配程度的方法 | |
CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
CN116740053A (zh) | 一种锻造加工智能生产线的管理*** | |
CN115423804B (zh) | 影像标定方法及装置、影像处理方法 | |
KR20240044495A (ko) | 점검 지원 시스템, 점검 지원 방법, 및, 점검 지원 프로그램 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN116125489A (zh) | 一种室内物体三维检测方法、计算机设备及存储介质 |
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 |