CN113538399A - 一种用于获取工件精准轮廓的方法、机床及存储介质 - Google Patents
一种用于获取工件精准轮廓的方法、机床及存储介质 Download PDFInfo
- Publication number
- CN113538399A CN113538399A CN202110858441.5A CN202110858441A CN113538399A CN 113538399 A CN113538399 A CN 113538399A CN 202110858441 A CN202110858441 A CN 202110858441A CN 113538399 A CN113538399 A CN 113538399A
- Authority
- CN
- China
- Prior art keywords
- image
- workpiece
- contour
- splicing
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000007246 mechanism Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 36
- 238000010586 diagram Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000002829 reductive effect Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 17
- 230000001965 increasing effect Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000003702 image correction Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000002401 inhibitory effect Effects 0.000 claims description 4
- 201000009310 astigmatism Diseases 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000004313 glare Effects 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 6
- 230000001502 supplementing effect Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007517 polishing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种用于获取工件精准轮廓的方法：包括以下步骤：S1：把图像采集装置安装在一个能实现精确运动的运动机构上；S2：通过图像采集装置进行多点位的精确运动，采集所述工件，获取工件的多点位图像信息；S3：将所述S2步骤中所述图像信息进行图像拼接，获取完整的工件图像信息；S4：将所述S3步骤中的工件图像信息进行轮廓提取，获取工件的精准轮廓信息。在检测超大型工件时，本发明操作简单，无需移动工件，且能够获取工件的精准轮廓信息，发明具省时、省力、省钱和精度高的特点。
Description
技术领域
本发明涉及工件加工设备技术领域，具体地，一种用于获取工件精准轮廓的方法、机床及存储介质。
背景技术
现如今对于大型平板类工件的工件检测存在技术问题，例如尺寸在两米以上的工件，正常情况具有该工件的图纸；现有的一般检具都有一定的检测范围，虽然说像卷尺之类的量具可以粗略测量出两点之间较大的距离，但是精度很有限，毫米量级的误差是很常见的。而要检测工件轮廓形状的误差就更困难了。
为了得到高精度的工件轮廓，现有技术中可以使用三坐标测量仪逐点对工件进行测量，但是现有的三坐标测量仪使用价格昂贵，编程复杂，且对于超大型工件仍然不能进行测量。
发明内容
为了解决现有技术中存在的问题，本发明提供了能够获取工件精准轮廓的方法，本发明的技术方案如下：
一种用于获取工件精准轮廓的方法：包括以下步骤：
S1：提供安装在运动机构上，且随运动机构运动而运动的图像采集装置；
S2：通过图像采集装置多点位采集所述工件，获取工件的多点位图像信息；
S3：将所述S2步骤中所述些图像信息进行图像拼接，获取完整的工件图像信息；
S4：将所述S3步骤中的工件图像信息进行轮廓提取，获取工件的精准轮廓信息。
本技术方案中，图像采集装置跟随运动机构的运动而运动，用于改变图像采集装置的相对于工件的位置关系，通过图像采集装置收集多点位工件的图像信息，将多点位图像信息进行图像拼接，获得完整的工件图像信息，再对完整的图像信息进行轮廓提取，获工件的精准轮廓信息，在应对超大型工件时，本发明操作简单无需移动工件，且能够获取工件的精准轮廓，发明具省时、省力、省钱和精度高的特点。
在上述方案的基础上并且作为上述方案的优选方案：所述步骤S4之后还包括步骤S5：根据获得的工件精准轮廓信息生成用于加工工件的矢量图。
本技术方案中，增加步骤S5，将工件精准轮廓信息生成用于加工编程的矢量图，矢量图的作用如下：1、逆向工程应用，工件的轮廓矢量图可以导入机床的数控软件中，从而实现对该工件的复现和加工；2、工件识别应用，通过与轮廓矢量图自动匹配对比，能够匹配和识别出图像中所要加工的工件；3、工件余料应用，在工件轮廓矢量图上进行自动套料规划，并将生成的矢量图导入数控软件中对工件余料进行加工，使得工件余料得到充分的利用，减少不必要的材料浪费，从而降低工件加工的成本；4、工件误差检测，获取的精准工件轮廓矢量图在实际使用中能够用于对比工件的图纸准确性或检测工件与图纸中设计工件之间的误差。
在上述方案的基础上并且作为上述方案的优选方案：所述步骤S4中的轮廓提取方法为Canny边缘检测方法，所述Canny边缘检测方法包括以下步骤：
M1:对于步骤S3中获得的工件拼接图像做灰度化处理；
M2：在不影响图像边缘信息的前提下利用形态学处理中的开运算和闭运算操作去除掉图像上的噪声点；
M3：利用Canny边缘检测算子计算图像边缘幅值与角度；
M4：沿梯度方向进行非极大值抑制处理，用于细化图像的边缘；
M5：利用高低双阈值检测出图像的强边缘和弱边缘；
M6：通过组合一系列的边缘线得到整个工件的轮廓信息。
本技术方案中，首先对工件的拼接图像做灰度化处理，再利用形态学处理中的开运算和闭运算操作在不影响图像边缘信息的前提下去除掉图像上的噪声点，然后利用Canny边缘检测算子计算图像边缘幅值与角度，并沿梯度方向进行非极大值抑制处理，用于细化图像的边缘，再使用高低双阈值检测出图像的强边缘和弱边缘，最后通过组合一系列的边缘线得到整个工件的轮廓信息。
在上述方案的基础上并且作为上述方案的优选方案：步骤S5包含用于消除工件轮廓线存在毛刺、断裂和不平问题的工件图像轮廓平滑处理过程，所述平滑处理过程包括以下步骤：
N1：对提取到的工件轮廓的误差特征进行分析；
N2：检测和剔除掉这些存在误差的轮廓线段；
N3：用拟合线段取代直线或圆弧拟合的多个线段；
N4：用B样条曲线取代不能够用直线或圆弧拟合的多个线段；
N5：获取到完整的、平滑的工件轮廓线。
本技术方案中，首先对提取到的工件轮廓的误差特征进行分析，提出一种可以识别这些误差特征信息的检测方法，用于检测和剔除掉这些存在误差的轮廓线段，对能够用直线或圆弧拟合的多个线段尽量用拟合线段取代，以减少线段的数量，特别是避免多个小折线造成加工过程抖动的情况，对不能够用直线或圆弧拟合的多个线段尽量使用B样条曲线取代，最终获取到完整的、平滑的工件轮廓线，并生成矢量图。
在上述方案的基础上并且作为上述方案的优选方案：
所述S3步骤中的拼接方法是基于单应性变换矩阵的图像拼接方法实现图像的拼接，所述单应性变换矩阵的图像拼接方法包括以下步骤：
Q1：利用sift特征提取算法提取出相邻图像的特征点；
Q2：利用KNN匹配算法对相邻图像中的特征点进行特征匹配；
Q3：利用RANSAC算法对特征匹配对进行提纯，消除掉错误的匹配对；
Q4：然后根据提纯后的特征匹配对计算出两张图像的单应性变换矩阵，
Q5：根据两张图像的单应性变换矩阵将第二张图像投影到第一张图像上，完成两张图像的拼接，重复上述操作步骤，最终得到完整的工件拼接图像。
本技术方案中，单应性变换矩阵的图像拼接方法将图像采集装置多点位采集所述工件的图像进行拼接，得到完整的工件图像信息。
在上述方案的基础上并且作为上述方案的优选方案：所述S3步骤之前设有预处理过程用于提高所述图像信息的清晰度，所述预处理过程包括以下步骤：
R1：图像去噪，用于消除或抑制噪声对于图像的影响，实现图像的平滑；
R2：图像增强，用于增强图像的对比度，使图像更加的清晰；
R3：图像矫正，用于对图像进行畸变矫正。
本技术方案中，预处理将图像采集装置多点位采集工件的图像，进行优化处理，图像去噪步骤消除或抑制噪声对于图像的影响，图像增强步骤增强图像的对比度，图像校正步骤用于将图像进行畸变矫正，经过上述三个步骤的预处理，最后得到平滑、清晰且准确的工件图像信息。
在上述方案的基础上并且作为上述方案的优选方案：
步骤S1还包括：设置用于对工件打光的工业光源和偏振镜，所述工业光源单边或多边以一定角度照射工件，突出工件的边缘特征，以适用于大尺寸工件的成像场合，且减少金属类工件的反光现象；安装在镜头上的偏振镜减弱或者消除散光、反光、眩光等干扰的作用。
本技术方案中，工业光源和偏振镜的配合使用能够在一定程度上消除工件的反光现象，避免了因工件反光对后期图像处理所造成不利的影响。
在上述方案的基础上并且作为上述方案的优选方案：还包括：
对于特征不明显的所述工件，采用以下方式增设特征点：A1：在图像的重叠区域附近放置些特征块，从而增加图像的特征点，用于提高图像拼接的精度和速度；A2：直接在图像重叠区的工件表面用标记笔添加一些特征点，用于可以在工件表面涂写的图像拼接场景，提高图像的拼接速度和精度；A3：利用投影仪在工件表面投影图案，从而增加工件图像的特征点，减少操作者的工作量，提高图像的拼接速度和精度。
本技术方案中，可以在工件表面涂写的图像拼接场景中，操作者可以使用标记笔在工件图像重叠区的表面添加特征点，用于提高图像拼接的速度和精度；利用投影仪在工件表面投影图片，从而增加工件图像的特征点，减少操作者的工作量，提高图像的拼接速度和精度；在图像的重叠区域附近放置些特征块，从而增加图像的特征点，用于提高图像拼接的精度和速度；通过在不同的应用场景中使用不同的方法增加图像的特征点，能够提高图像拼接的速度和精度。
一种机床，包括机床本体、与操控所述机床做精确运动的控制***有通讯和控制关系的图像采集装置和处理器，所述处理器执行一种用于获取工件精准轮廓的方法。
本技术方案中，提供一种机床，通过处理器执行一种用于获取工件精准轮廓的方法，使得操作者能够获得工件在机床上的精准轮廓信息，便于进行后续的操作。
一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行一种用于获取工件精准轮廓的方法。
本技术方案中，提供一种存储介质，能够与外部的设备进行连接，且通过外部设备内的一个或多个处理器运行存储介质内的方法，本发明提供的存储介质便于与不同的外部设备进行连接，使得现有的外界设备能够实现对于工件精准轮廓的提取。
与现有技术相比，本发明具有如下的有益效果：
1、图像采集装置跟随运动机构的运动而运动，用于改变图像采集装置的相对于工件的位置关系，通过图像采集装置收集多点位工件的图像信息，将多点位图像信息进行图像拼接，获得完整的工件图像信息，再对完整的图像信息进行轮廓提取，获工件的精准轮廓信息，在应对超大型工件时，本发明操作简单无需移动工件，且能够获取工件的精准轮廓，发明具省时、省力、省钱和精度高的特点。
2、将工件精准轮廓信息生成用于加工编程的矢量图，矢量图的作用如下：1)、逆向工程应用，工件的轮廓矢量图可以导入机床的数控软件中，从而实现对该工件的复现和加工；2)、工件识别应用，通过与轮廓矢量图自动匹配对比，能够匹配和识别出图像中所要加工的工件；3)、工件余料应用，在工件轮廓矢量图上进行自动套料规划，并将生成的矢量图导入数控软件中对工件余料进行加工，使得工件余料得到充分的利用，减少不必要的材料浪费，从而降低工件加工的成本；4)、工件误差检测，获取的精准工件轮廓矢量图在实际使用中能够用于对比工件的图纸准确性或检测工件与图纸中设计工件之间的误差。
3、首先对工件的拼接图像做灰度化处理，再利用形态学处理中的开运算和闭运算操作在不影响图像边缘信息的前提下去除掉图像上的噪声点，然后利用Canny边缘检测算子计算图像边缘幅值与角度，并沿梯度方向进行非极大值抑制处理，用于细化图像的边缘，再使用高低双阈值检测出图像的强边缘和弱边缘，最后通过组合一系列的边缘线得到整个工件的轮廓信息。
4、首先对提取到的工件轮廓的误差特征进行分析，提出一种可以识别这些误差特征信息的检测方法，用于检测和剔除掉这些存在误差的轮廓线段，对能够用直线或圆弧拟合的多个线段尽量用拟合线段取代，以减少线段的数量，特别是避免多个小折线造成加工过程抖动的情况，对不能够用直线或圆弧拟合的多个线段尽量使用B样条曲线取代，最终获取到完整的、平滑的工件轮廓线，并生成矢量图。
5、预处理将图像采集装置多点位采集工件的图像，进行优化处理，图像去噪步骤消除或抑制噪声对于图像的影响，图像增强步骤增强图像的对比度，图像校正步骤用于将图像进行畸变矫正，经过上述三个步骤的预处理，最后得到平滑、清晰且准确的工件图像信息。
6、工业光源和偏振镜的配合使用能够在一定程度上消除工件的反光现象，避免了因工件反光对后期图像处理所造成不利的影响。
7、可以在工件表面涂写的图像拼接场景中，操作者可以使用标记笔在工件图像重叠区的表面添加特征点，用于提高图像拼接的速度和精度；利用投影仪在工件表面投影图片，从而增加工件图像的特征点，减少操作者的工作量，提高图像的拼接速度和精度；在图像的重叠区域附近放置些特征块，从而增加图像的特征点，用于提高图像拼接的精度和速度；通过在不同的应用场景中使用不同的方法增加图像的特征点，能够提高图像拼接的速度和精度。
8、提供一种机床，通过处理器执行一种用于获取工件精准轮廓的方法，使得操作者能够获得工件在机床上的精准轮廓信息，便于进行后续的操作。
9、提供一种存储介质，能够与外部的设备进行连接，且通过外部设备内的一个或多个处理器运行存储介质内的方法，本发明提供的存储介质便于与不同的外部设备进行连接，使得现有的外界设备能够实现对于工件精准轮廓的提取。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明获取工件精准轮廓方法的流程图；
图2为本发明单应性变换矩阵的图像拼接方法的流程图；
图3是本发明轮廓提取方法的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
为了更好的说明本发明，下方结合附图1-3对本发明进行详细的描述。
实施例一：
一种用于获取工件精准轮廓的方法：包括以下步骤：
S1：提供安装在运动机构上，且随运动机构运动而运动的图像采集装置；本实施例中的图像采集装置为工业相机。
本实施例中相机的具体参数为图像的视野范围为500mm×500mm，相机与待测物体的距离为500mm，图像的测量精度为应达到0.05mm；相机Basler_acA2440-75uc：帧速率达75fps，分辨率500万像素(2448px×2048px)，芯片尺寸8.4mm×7.1mm，芯片类型CMOS，接口usb3.0，彩色相机；镜头ML-M0822UR：8mm镜头，物距580mm，视野范围660×500mm。若采用1/5亚像素边缘检测算法，可以使工件图像的水平测量精度达到0.054mm/px，而垂直测量精度可以达到0.048mm/px。
S2：通过图像采集装置多点位采集工件，获取工件的多点位图像信息；无需人工进行工件位置的移动，只需要工业相机在机床上进行移动即可进行工件图像信息的收集。本实施例中图像采集装置是跟随运动机构的运动而运动，从而改变图像采集装置相对于工件的位置关系，实现图像采集装置的多点位的采集。需要说明的是本实施例中的运动机构能够进行精确的运动，便于使用者对于图像采集装置准确到达预定点位进行工件的图像信息采集。
S3：将S2步骤中些图像信息进行图像拼接，获取完整的工件图像信息；本实施例的图像拼接步骤采用的拼接方法是基于单应性变换矩阵的图像拼接方法实现图像的拼接，单应性变换矩阵的图像拼接方法包括以下步骤：
Q1：利用sift特征提取算法提取出相邻图像的特征点；
Q2：利用KNN匹配算法对相邻图像中的特征点进行特征匹配；
Q3：利用RANSAC算法对特征匹配对进行提纯，消除掉错误的匹配对；
Q4：然后根据提纯后的特征匹配对计算出两张图像的单应性变换矩阵；
Q5：根据两张图像的单应性变换矩阵将第二张图像投影到第一张图像上，完成两张图像的拼接，重复上述操作步骤，最终得到完整的工件拼接图像。单应性变换矩阵的图像拼接方法将图像采集装置多点位采集工件的图像进行拼接，得到完整的工件图像信息。
本实施例为应对图像在拼接时由于图像信息采集装置容易外部环境或机床自身的问题导致采集到的图像信息不清晰的情况，为采取在步骤S3之前设有预处理过程用于提高图像信息的清晰度，预处理过程包括以下步骤：
预处理将图像采集装置多点位采集工件的图像，进行优化处理，图像去噪步骤消除或抑制噪声对于图像的影响，图像增强步骤增强图像的对比度，图像校正步骤用于将图像进行畸变矫正，经过上述三个步骤的预处理，最后得到平滑、清晰且准确的工件图像信息。
本实施例中，图像去噪是基于形态学处理的图像去噪方法，由于噪声对后续的图像处理带来较大阻碍和影响，需要对图像的噪声进行有效地抑制或消除，实现图像的平滑效果。形态学处理是在保留图像轮廓的基础上消除图像的噪声，主要包括四个基本操作：腐蚀、膨胀、开运算以及闭运算，腐蚀和膨胀是基本的形态学算子，都是针对图像中白色部分进行处理；其中，腐蚀的原理就是先定义一个卷积核，将该核与图像进行卷积，计算核覆盖区域的像素点最小值并将该最小值赋值给参考点指定的像素，使得图像中的高亮区域逐渐减小，而膨胀与之相反。需要说明的是本发明采用的是先对工件图像开运算操作，再闭运算操作的方法在不影响图像边缘信息的前提下去除掉图像上的噪声点。需要说明的是，开运算是先腐蚀后膨胀，闭运算先膨胀后腐蚀。在其它的实施例中，图像去噪采用的是基于滤波算法的图像去噪方法，比如均值滤波、高斯滤波以及中值滤波等，通过对不同滤波的去噪效果进行对比，选出最适用于该图像处理场景的滤波算法；以及其它能够消除图像噪声的处理方法均在本发明的保护范围之内。
图像增强是基于直方图均衡化的图像增强方法，本方法主要针对工件图像特征点稀疏并且由于光源从侧面打光造成的亮度不均匀的问题，本发明通过对工件图像进行自适应直方图均衡化，计算图像的局部直方图，然后重新分布图像亮度来增强图像的对比度，以及获取到更多图像细节，使图像变得更加清晰。
图像矫正是基于相机标定的图像矫正方法，实际操作为，首先利用相机从不同角度不同高度对同一个标定板进行多次拍照，采集十张左右的标定板图像，然后再根据张正友标定法利用每张图像中角点的像素坐标以及每个角点在世界坐标系下的物理坐标来对相机进行标定，进而求得相机的内外参矩阵以及镜头的畸变系数，最后根据内参矩阵和畸变系数对工件图像进行畸变矫正。
图像信息在进行拼接的过程中存在拼接误差，为此本发明还包括拼接误差检测的方法，首先通过标准棋盘采集图像中一个单元格实际长度和所占像素点数的比值作为图像的比例尺，然后通过工件的拼接图像得到所要测量的边的像素值，再根据比例尺计算出真实长度；通过对在重叠区域放置着标定板的工件图像进行拼接，利用角点检测算法提取出标定板拼接处的亚像素角点坐标，计算出拼接处单元格所占的像素数，再根据图像的比例尺计算出拼接处单元格的理论长度，并与单元格实际长度进行对比求差，求得图像的拼接误差。
S4：将S3步骤中的工件图像信息进行轮廓提取，获取工件的精准轮廓信息，用于工件轮廓检测或工件轮廓重构。本实施例中的轮廓提取方法为Canny边缘检测方法，Canny边缘检测方法包括以下步骤：
M1:对于步骤S3中获得的工件拼接图像做灰度化处理；
M2：在不影响图像边缘信息的前提下利用形态学处理中的开运算和闭运算操作去除掉图像上的噪声点；
M3：利用Canny边缘检测算子计算图像边缘幅值与角度；
M4：沿梯度方向进行非极大值抑制处理，用于细化图像的边缘；
M5：利用高低双阈值检测出图像的强边缘和弱边缘；
M6：通过组合一系列的边缘线得到整个工件的轮廓信息。
首先对工件的拼接图像做灰度化处理，再利用形态学处理中的开运算和闭运算操作在不影响图像边缘信息的前提下去除掉图像上的噪声点，然后利用Canny边缘检测算子计算图像边缘幅值与角度，并沿梯度方向进行非极大值抑制处理，用于细化图像的边缘，再使用高低双阈值检测出图像的强边缘和弱边缘，最后通过组合一系列的边缘线得到整个工件的轮廓信息。
S5：将获得的工件精准轮廓信息生成用于加工编程的矢量图。
通过图像采集装置收集多点位工件的图像信息，将多点位图像信息进行图像拼接，获得完整的工件图像信息，再对完整的图像信息进行轮廓提取，获工件的精准轮廓信息，
矢量图的作用如下：1)、逆向工程应用，工件的轮廓矢量图可以导入机床的数控软件中，从而实现对该工件的复现和加工；2)、工件识别应用，通过与轮廓矢量图自动匹配对比，能够匹配和识别出图像中所要加工的工件；3)、工件余料应用，在工件轮廓矢量图上进行自动套料规划，并将生成的矢量图导入数控软件中对工件余料进行加工，使得工件余料得到充分的利用，减少不必要的材料浪费，从而降低工件加工的成本；4)、工件误差检测，获取的精准工件轮廓矢量图在实际使用中能够用于对比工件的图纸准确性或检测工件与图纸中设计工件之间的误差。
实施例二：
本实施例与实施例一的不同之处在于：在进行步骤S5包含用于消除工件轮廓线存在毛刺、断裂和不平问题的工件图像轮廓平滑处理过程，平滑处理过程包括以下步骤：
N1：对提取到的工件轮廓的误差特征进行分析；
N2：检测和剔除掉这些存在误差的轮廓线段；
N3：用拟合线段取代直线或圆弧拟合的多个线段；
N4：用B样条曲线取代不能够用直线或圆弧拟合的多个线段；
N5：获取到完整的、平滑的工件轮廓线。
首先对提取到的工件轮廓的误差特征进行分析，提出一种可以识别这些误差特征信息的检测方法，用于检测和剔除掉这些存在误差的轮廓线段，对能够用直线或圆弧拟合的多个线段尽量用拟合线段取代，以减少线段的数量，特别是避免多个小折线造成加工过程抖动的情况，对不能够用直线或圆弧拟合的多个线段尽量使用B样条曲线取代，最终获取到完整的、平滑的工件轮廓线，并生成矢量图。
实施例三：
本实施例与实施例二的区别在于，本实施例中步骤S1还包括：设置用于对待测工件打光的工业光源和偏振镜；步骤S2还包括：使用工业光源单边或多边以一定角度照射待测工件，突出待测工件的边缘特征，以适用于大尺寸工件的成像场合来减少金属类工件的反光现象；并利用安装在镜头上的偏振镜减弱或者消除散光、反光、眩光等干扰的作用。工业光源和偏振镜的配合使用能够在一定程度上消除工件的反光现象，避免了因工件反光对后期图像处理所造成不利的影像。其它的实施例中，还可以采用从待测工件的上方打光，该方法是利用大型背光源将金属工件表面全部照亮，避免了因反光造成图像亮度不均匀的问题。
具体地，本实施例中工业光源采用的是LED条型光源，光源尺寸600mm×50mm，多用于单边或多边以一定角度照射待测工件，突出待测工件的边缘特征，适用于大尺寸工件的成像场合。这里采用多条光源从侧面打光的方法对待测工件打光，从而减少金属类工件的反光现象。
在其他的实施例中对于特征不明显的工件，采用以下方式增设特征点：A1：在图像的重叠区域附近放置些特征块，从而增加图像的特征点，用于提高图像拼接的精度和速度；A2：在直接在图像重叠区的工件表面用标记笔添加一些特征点，用于可以在工件表面涂写的图像拼接场景，提高图像的拼接速度和精度；A3：利用投影仪在工件表面投影图片，从而增加工件图像的特征点，减少操作者的工作量，提高图像的拼接速度和精度。在工件表面涂写的图像拼接场景中，操作者可以使用标记笔在工件图像重叠区的表面添加特征点，用于提高图像拼接的速度和精度；利用投影仪在工件表面投影图片，从而增加工件图像的特征点，减少操作者的工作量，提高图像的拼接速度和精度；在图像的重叠区域附近放置些特征块，从而增加图像的特征点，用于提高图像拼接的精度和速度；通过在不同的应用场景中使用不同的方法增加图像的特征点，能够提高图像拼接的速度和精度。需要说明的是，增设特征点的A1方法应用场景是对于特征不明显的光滑的金属工件，可以在图像的重叠区域附近放置些特征块，从而增加图像的特征点，在一定程度上可以提高图像拼接算法的精度和速度；且该方法适用于不可以在工件表面涂写标记或者物体不可以接触工件表面的图像拼接场景，而且特征块也可以重复利用，节约成本。
实施例四：
本实施例提出一种机床，包括机床本体、与操控所述机床做精确运动的控制***有通讯和控制关系的图像采集装置和处理器，处理器执行实施例一、实施例二或实施例三中任意一种用于获取工件精准轮廓的方法，通过处理器执行一种用于获取工件精准轮廓的方法，能够获得工件在机床上的精准轮廓信息。值得一说的是本实施例中的机床还包括补光装置，补光装置包括移动支架和光源，光源安装在移动支架上，移动支架置于机床的合适位置，用于光源对于工件进行补光。机床的外部增加了补光装置，光源照射在工件上，突出了工件的边缘特征，便于图像采集装置进行工件的图像信息采集。
实施例五：
本实施例提出一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行一种用于获取工件精准轮廓的方法。提供一种存储介质，能够与外部的设备进行连接，且通过外部设备内的一个或多个处理器运行存储介质内的方法，本发明提供的存储介质便于与不同的外部设备进行连接，使得现有的外界设备能够实现对于工件精准轮廓的提取。
通过把图像采集装置安装在一个能实现准确运动的运动机构上，使图像采集装置进行多点位的精确运动，采集所述工件的多点位图像信息，与手动采集多点位图像信息的方法相比，在一定程度上提高了所获取的最终工件轮廓形状和尺寸的精准度。具体对比验证方法如下：
方法一：
(1)分别通过相机安装在机床上运动和手持相机运动两种方式，采集放置在工件上的标定板多点位图像，将通过机床运动所获取的第一点位图像作为目标图像，通过两种运动方式所采集到的第二点位图像作为待拼接图像，利用基于单应性变换矩阵的图像拼接算法分别对两组图像进行拼接。
(2)利用亚像素角点检测算法提取出标定板第一点位图像上单元格的角点坐标，根据标定板单元格实际长度以及图像中单元格所占像素点数，求得到图像的比例尺长度为0.1471mm/px；
(3)提取标定板图像拼接处单元格的角点坐标，根据拼接处单元格所占像素点数以及图像比例尺长度，计算出两张图像拼接处单元格的边长分别为38.63mm和40.11mm，而单元格实际长度为38.5mm，则通过两种运动方式所得到的标定板拼接图像的拼接误差分别为0.13mm和1.61mm。故与手持相机拍照的方式相比，将相机安装在机床上采集多点位图像的方法可以在一定程度上提高了所获取的最终工件轮廓形状和尺寸的精准度。
方法二：
(1)(1)通过手持相机运动的方式采集标定板第一、二点位图像，并利用基于单应性变换矩阵的图像拼接算法分别对两组图像进行拼接；
(2)(2)利用亚像素角点检测算法提取出标定板第一点位图像上单元格的角点坐标，根据标定板单元格实际长度以及图像中单元格所占像素点数，求得到图像的比例尺长度为0.143mm/px；
(3)(3)提取标定板图像拼接处单元格的角点坐标，根据拼接处单元格所占像素点数以及图像比例尺长度，计算出图像拼接处单元格的边长为39.28mm，而单元格实际长度为38.5mm，则通过手持相机运动的方式所得到的标定板拼接图像的拼接误差为0.78mm，而在方法一中，通过将相机安装在机床上运动的方式所得到的拼接图象的拼接误差为0.13mm。
综上所述，与手持相机拍照的方式相比，将相机安装在机床上采集多点位图像的方法可以在一定程度上提高了所获取的最终工件轮廓形状和尺寸的精准度，而且也减少了人为干预的影响。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，以及对于上述实施例一个或多个进行组合实施例，本领域技术人员可以在权利要求的范围内做出各种变化或修改或组合，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种用于获取工件精准轮廓的方法：其特征在于，包括以下步骤：
S1：提供安装在运动机构上，且随运动机构运动而运动的图像采集装置；
S2：通过图像采集装置多点位采集所述工件，获取工件的多点位图像信息；
S3：将所述S2步骤中所述图像信息进行图像拼接，获取完整的工件图像信息；
S4：将所述S3步骤中的工件图像信息进行轮廓提取，获取工件的精准轮廓信息。
2.根据权利要求1所述的一种用于获取工件精准轮廓的方法，其特征在于：所述步骤S4之后还包括步骤S5：根据获得的工件精准轮廓信息生成用于加工工件的矢量图。
3.根据权利要求2所述的一种用于获取工件精准轮廓的方法，其特征在于：所述步骤S4中的轮廓提取方法为Canny边缘检测方法，所述Canny边缘检测方法包括以下步骤：
M1:对于步骤S3中获得的工件拼接图像做灰度化处理；
M2：在不影响图像边缘信息的前提下利用形态学处理中的开运算和闭运算操作去除掉图像上的噪声点；
M3：利用Canny边缘检测算子计算图像边缘幅值与角度；
M4：沿梯度方向进行非极大值抑制处理，用于细化图像的边缘；
M5：利用高低双阈值检测出图像的强边缘和弱边缘；
M6：通过组合一系列的边缘线得到整个工件的轮廓信息。
4.根据权利要求2所述的一种用于获取工件精准轮廓的方法，其特征在于：
步骤S5包含工件图像轮廓平滑处理过程，所述平滑处理过程包括以下步骤：
N1：对提取到的工件轮廓的误差特征进行分析；
N2：检测和剔除掉这些存在误差的轮廓线段；
N3：用拟合线段取代直线或圆弧拟合的多个线段；
N4：用B样条曲线取代不能够用直线或圆弧拟合的多个线段；
N5：获取到完整的、平滑的工件轮廓线。
5.根据权利要求1或2所述的一种用于获取工件精准轮廓的方法，其特征在于：
所述S3步骤中的拼接方法是基于单应性变换矩阵的图像拼接方法实现图像的拼接，所述单应性变换矩阵的图像拼接方法包括以下步骤：
Q1：利用sift特征提取算法提取出相邻图像的特征点；
Q2：利用KNN匹配算法对相邻图像中的特征点进行特征匹配；
Q3：利用RANSAC算法对特征匹配对进行提纯，消除掉错误的匹配对；
Q4：然后根据提纯后的特征匹配对计算出两张图像的单应性变换矩阵，
Q5：根据两张图像的单应性变换矩阵将第二张图像投影到第一张图像上，完成两张图像的拼接，重复上述操作步骤，最终得到完整的工件拼接图像。
6.根据权利要求1或2所述的一种用于获取工件精准轮廓的方法，其特征在于：所述S3步骤之前设有用于提高所述图像信息的质量的预处理过程，所述预处理过程包括以下步骤：
R1：图像去噪，用于消除或抑制噪声对于图像的影响，实现图像的平滑；
R2：图像增强，用于增强图像的对比度，使图像更加的清晰；
R3：图像矫正，用于对图像进行畸变矫正。
7.根据权利要求1或2所述的一种用于获取工件精准轮廓的方法，其特征在于：
步骤S1还包括：设置用于对工件打光的工业光源和偏振镜，所述工业光源单边或多边以一定角度照射工件，用于突出工件的边缘特征，以适用于大尺寸工件的成像场合，且减少金属类工件的反光现象；安装在镜头上的偏振镜减弱或者消除散光、反光和眩光干扰的作用。
8.根据权利要求1所述的一种用于获取工件精准轮廓的方法，其特征在于：还包括：
对于特征不明显的所述工件，采用以下方式增设特征点：A1：在图像的重叠区域附近放置些特征块，从而增加图像的特征点，用于提高图像拼接的精度和速度；A2：直接在图像重叠区的工件表面用标记笔添加一些特征点，用于可以在工件表面涂写的图像拼接场景，提高图像的拼接速度和精度；A3：利用投影仪在工件表面投影图案，从而增加工件图像的特征点，减少操作者的工作量，提高图像的拼接速度和精度。
9.一种机床，包括机床本体，其特征在于，还包括：与操控所述机床做精确运动的控制***有通讯和控制关系的图像采集装置和处理器，所述处理器执行如权利要求1-8中任意一项所述的一种用于获取工件精准轮廓的方法。
10.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至9中任一项所述的一种用于获取工件精准轮廓的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110858441.5A CN113538399A (zh) | 2021-07-28 | 2021-07-28 | 一种用于获取工件精准轮廓的方法、机床及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110858441.5A CN113538399A (zh) | 2021-07-28 | 2021-07-28 | 一种用于获取工件精准轮廓的方法、机床及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113538399A true CN113538399A (zh) | 2021-10-22 |
Family
ID=78089489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110858441.5A Pending CN113538399A (zh) | 2021-07-28 | 2021-07-28 | 一种用于获取工件精准轮廓的方法、机床及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113538399A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能***股份有限公司 | 一种基于视觉***的坡口切割机器人图像处理方法 |
| CN116499362A (zh) * | 2023-06-26 | 2023-07-28 | 太原科技大学 | 钢板尺寸在线测量*** |
-
2021
- 2021-07-28 CN CN202110858441.5A patent/CN113538399A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能***股份有限公司 | 一种基于视觉***的坡口切割机器人图像处理方法 |
| CN114821114B (zh) * | 2022-03-28 | 2024-04-30 | 南京业恒达智能***有限公司 | 一种基于视觉***的坡口切割机器人图像处理方法 |
| CN116499362A (zh) * | 2023-06-26 | 2023-07-28 | 太原科技大学 | 钢板尺寸在线测量*** |
| CN116499362B (zh) * | 2023-06-26 | 2023-09-15 | 太原科技大学 | 钢板尺寸在线测量*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
| CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
| CN114494045B (zh) | 一种基于机器视觉的大型直齿轮几何参数测量***及方法 | |
| JP6899189B2 (ja) | ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法 | |
| CN106780623A (zh) | 一种机器人视觉***快速标定方法 | |
| CN107816943B (zh) | 一种物流箱体积重量测量***及其实现方法 | |
| CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉*** | |
| CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
| CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
| CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
| CN109000583B (zh) | 使用激光位移传感器进行有效表面测量的***和方法 | |
| CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
| CN112767359B (zh) | 复杂背景下的钢板角点检测方法及*** | |
| CN108895959B (zh) | 一种基于亚像素的相机标定板角点计算方法 | |
| CN108716890A (zh) | 一种基于机器视觉的高精度尺寸检测方法 | |
| CN110695520B (zh) | 基于视觉的全自动振镜视场校准***及其校准方法 | |
| CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
| CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
| CN111062940A (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
| CN109190434B (zh) | 一种基于亚像素级角点检测的条码识别算法 | |
| CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
| CN110640303B (zh) | 高精度视觉定位***及其定位校准方法 | |
| CN206583440U (zh) | 一种投影图像视距检测*** | |
| CN114998571A (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 |
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 |