CN113838039A - 一种能实现多种几何度量特征的检测方法 - Google Patents

一种能实现多种几何度量特征的检测方法 Download PDF

Info

Publication number
CN113838039A
CN113838039A CN202111152933.9A CN202111152933A CN113838039A CN 113838039 A CN113838039 A CN 113838039A CN 202111152933 A CN202111152933 A CN 202111152933A CN 113838039 A CN113838039 A CN 113838039A
Authority
CN
China
Prior art keywords
workpiece
roi
sample
detection area
picture
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
Application number
CN202111152933.9A
Other languages
English (en)
Inventor
顾勇强
张深逢
周雅杰
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.)
Yimei Technology Co ltd
Original Assignee
Yimei Technology Co 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 Yimei Technology Co ltd filed Critical Yimei Technology Co ltd
Priority to CN202111152933.9A priority Critical patent/CN113838039A/zh
Publication of CN113838039A publication Critical patent/CN113838039A/zh
Pending legal-status Critical Current

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • 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
    • G06T3/60—Rotation of whole images or parts thereof
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种能实现多种几何度量特征的检测方法，首先通过第一滑轨调整样品位置，通过光学装置采集样品图片；根据样品图片创建产品定位模板，并获取相对中心坐标P0；根据样品图片创建ROI检测区域，并获取ROI坐标R0；采集待测工件图片，查找定位模板区域，获取查找到的模板相对中心坐标P1，由于P0和P1计算仿射变换矩阵T0；模板ROI根据矩阵Tθ仿射变换至待测工件图片，得到新的ROI区域；在新的ROI区域进行图像预处理、轮廓提取、极性设置和点选择，提取检测区域的特征点拟合生成直线和圆，最终获取特征区域；设置需要筛选的特征条件、各筛选条件之间的关系；保存和输出筛选后检测结果，本发明能满足产品多种特征的测量，高效、直观的输出测量结果，并具有较高的准确性。

Description

一种能实现多种几何度量特征的检测方法
技术领域
本发明涉及了机器视觉检测领域，具体的是一种能实现多种几何度量特征的检测方法。
背景技术
随着工业自动化的发展，市场对设备零部件尺寸精度的要求日益提高，传统的尺寸检测方式存在耗时多、人员要求高、接触式测量、稳定性低和无法测量小尺寸工件等缺陷，成为了阻碍国内工业化发展的主要原因。机器视觉检测***高效，高精度、低成本、小尺寸测量、非接触式的检测方式极大弥补了传统尺寸检测方式的缺点。
工业领域中，特别是装配件的零部件尺寸精度要求均较高，产线经常测量同一型号的产品，非常耗时耗力且易受主观性影响，导致测量稳定性不高。传统的测量数据采集和汇总方式单一，仅能简单的记录产品尺寸，无法直观的反应测量结果，需要后期对数据在进行二次处理，费时费力。
发明内容
本发明的目的在于提供了一种能实现多种几何度量特征的检测方法，用于解决传统工件尺寸测量的弊端，实现高效率、高准确性、测量结果直观的检测效果。
为达到上述目的，本发明提供如下技术方案：
本发明实施例提供了一种能实现多种几何度量特征的检测方法，包括以下步骤：
采集样品图片；
根据所述样品图片的样品特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算相对中心坐标P0；
创建样品ROI检测区域，通过halcon软件设置滤噪模式、极性和平滑系数；
采集待测工件图片，通过halcon软件查找所述定位模板区域并获取工件相对中心坐标P1；
根据所述P0 P1坐标计算得到仿射变换矩阵T0，所述样品ROI检测区域根据所述仿射变换矩阵T0变换至待测工件ROI检测区域，从而实现待测工件ROI检测区域的粗定位；
根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息；
设置所述特征信息的筛选条件、各筛选条件之间的关系，并输出检测结果。
进一步地，所述步骤“根据所述样品图片的产品特征区域创建定位模板区域，halcon 软件通过获取所述定位模板区域轮廓计算相对中心坐标P0”中，根据采集的所述样品图片，选取样品特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算其相对中心坐标点P0(x0,y0)和角度θ0。
进一步地，所述步骤“创建样品ROI检测区域，通过halcon软件中设置滤噪模式、极性和平滑系数”中，在所述样品图片的检测区域创建若干ROI，通过halcon软件获取样品ROI坐标R0(xr0,yr0)和角度θr0。
进一步地，所述步骤“采集待测工件图片，通过halcon软件查找所述定位模板区域并获取工件相对中心坐标P1”中，通过halcon软件，根据所述样品图片的定位模板区域，在所述待测工件图片上查找与其形状、面积特征的综合相似的区域，并由此将定位模板区域仿射到所述待测工件图片上，从而得到待测工件图片的定位区域，halcon软件根据查找到定位区域整体轮廓，获取所述工件的相对中心坐标点P1(x1,y1)和角度θ1。
进一步地，所述步骤“根据所述P0 P1坐标计算得到仿射变换矩阵T0，所述样品ROI检测区域根据所述仿射变换矩阵T0变换至待测工件ROI检测区域，从而实现待测工件ROI检测区域的粗定位”中，所述粗定位包括以下步骤：
通过所述定位模板的相对中心坐标点P0(x0,y0)、角度θ0、工件的相对中心坐标点P1(x1,y1) 和角度θ1，获得旋转变换矩阵Tθ和平移变换矩阵T，从而获取仿射变换矩阵T0；
所述旋转变换矩阵Tθ为：
Figure BDA0003287668190000021
其中θ＝θ0-θ1 公式(1)；
所述平移变换矩阵T为：
Figure BDA0003287668190000022
其中
Figure BDA0003287668190000023
tx为常数 公式(2)；
所述仿射变换矩阵T0为：T0＝Tθ*T；
根据所述旋转变换矩阵Tθ将所述样品ROI检测区域的轮廓点R0的角度由θr0转换为θr1，根据所述平移变换矩阵T将坐标点R0(xr0,yr0)变换为Rr1(xr1,yr1)；
根据所述Rr1(xr1,yr1)和θr1在所述工件图片上得到仿射后的ROI检测区域。
进一步地，所述步骤“根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息”中，包括以下步骤：
在所述仿射后的ROI检测区域，获取仿射后的ROI检测区域内所述工件图片的灰度图像，采用图像预处理、动态阈值分析、开闭运算和特征筛选来获取检测区域；
根据极性获取边缘点的方向，根据点获取边缘点，从而获取检测区域的若干点；
采用最小二乘法对所述若干点进行拟合，获取直线或圆轮廓，进而对所述ROI检测区域的精定位。
进一步地，对于获取所述直线或圆轮廓的精定位，包括以下步骤：
由极性、点获取若干点Qi(xi,yi)，i为常数；
设由若干点Qi(xi,yi)拟合的直线多项式为：
y＝a0+a1x+a2x+K+akxk；其中k为常数； 公式(3)；
求各点到曲线的距离之和，即偏差平方和如下：
Figure BDA0003287668190000031
对公式(4)右边求ai偏导数，从而得到a；
Figure BDA0003287668190000032
化简并整理公式(5)可得如下矩阵，从而根据所述Qi(xi,yi)计算得ai，进而求得拟合曲线y
Figure BDA0003287668190000033
进一步地，所述步骤“根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息”中，所述特征信息包括轮廓线总长、圆度、外接圆直径、矩形度和中心点坐标。
进一步地，所述步骤“设置所述特征信息的筛选条件、各筛选条件之间的关系和范围，并输出检测结果”中，通过halcon软件读取CSV文件来定义工件检测结果的标准，具体包括以下步骤：
在CSV文件中设置特征信息的筛选范围，若该特征信息不作为产品尺寸合格的判定依据，则在CSV文件中设置为None；
在CSV文件中设定“与”或“或”定义各所述特征信息之间的关系，从而进行特征信息关系判定；
根据CSV文件中所述特征信息判定标准，对获取的待测工件ROI检测区域进行二次筛选，并保存和输出二次筛选后的特征信息，输出判定结果。
进一步地，该检测方法用到的检测装置包括：
支架，所述支架包括第一滑轨和与第一滑轨垂直方向设置的第二滑轨；
载台，所述载台可移动地设置在所述第一滑轨上，所述载台下方设有背光光源；
光学装置，所述光学装置通过Z轴支架可移动地设置在所述第二滑轨上，所述光学装置设置在所述载台上方，并对所述载台采集图片，所述光学装置包括从上至下依次设置在Z轴支架的相机、镜筒、镜头和环形光源。
本发明的有益效果如下：
本发明首先通过第一滑轨调整样品位置，通过光学装置采集样品图片；根据样品图片创建产品定位模板，并获取相对中心坐标P0；根据样品图片创建ROI检测区域，并获取ROI坐标R0；将待测工件放入检测装置采集图片，查找定位模板区域，获取查找到的模板相对中心坐标P1，由于P0和P1计算仿射变换矩阵T0；模板ROI根据矩阵Tθ仿射变换至待测产品图片，得到新的ROI区域；在新的ROI区域进行图像预处理、轮廓提取、极性设置和点选择，从而提取检测区域的特征点拟合生成直线和圆，最终获取特征区域；设置需要筛选的特征条件、各筛选条件之间的关系和范围；保存和输出筛选后检测结果，本发明能满足产品多种特征的测量，高效、直观的输出测量结果，并具有较高的准确性。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中检测方法步骤流程示意图；
图2是本发明实施例中检测装置的示意图；
图3是本发明实施例中采集样品图片的示意图；
图4是本发明实施例中创建定位模板和样品ROI检测区域的示意图；
图5是本发明实施例中采集待测工件图片的示意图；
图6是本发明实施例中仿射变换的示意图；
图7是本发明实施例中检测结果的示意图；
图8是本发明实施例中特征信息的局部示意图。
以上附图的附图标记：1-相机；2-镜筒；3-镜头；4-环形光源；5-载台；6-Z轴支架；7-支架。
具体实施方式
下面将结合本发明实施例中的附图，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一部分实施例，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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例
如图1所示，本发明提供的一种能实现多种几何度量特征的检测方法，具体步骤如下：
请参考图2所示的检测装置，该检测方法使用的检测装置包括支架7，支架7包括第一滑轨和与第一滑轨垂直方向设置的第二滑轨，载台5可水平移动地设置在第一滑轨上，载台 5采用高透光的光学玻璃，并且载台5下方设有背光光源，可以有效凸显产品轮廓特征；相机1、镜筒2、镜头3和环形光源4固定在Z轴支架6上，并通过第二滑轨调整高度，相机1 对载台5上的产品采集图片。
如图3所示，将样品放置在载台5上，载台5通过第一滑轨将样品调整至镜头3中心位置，使得相机1对焦样品并采集样品图片；
如图4所示，根据所述样品图片的样品特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算相对中心坐标P0；
创建样品ROI检测区域，通过halcon设置滤噪模式、极性和平滑系数；
如图5所示将待测工件放置在载台5上，光学装置采集工件图片；
如图6所示，通过halcon软件查找所述定位模板区域并获取工件相对中心坐标P1，根据 P0 P1坐标计算得到仿射变换矩阵T0，样品ROI检测区域根据仿射变换矩阵T0变换至待测工件 ROI检测区域，从而实现待测工件ROI检测区域的粗定位；
如图7-8所示，根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息；
设置特征信息的筛选条件、各筛选条件之间的关系和范围，并输出检测结果。
借由上述方法，本发明提供了一种能实现多种几何度量特征的检测方法，从而高效、直观的输出测量结果，本发明能满足产品多种特征的测量，并具有较高的准确性。
具体的，步骤“根据所述样品图片的样品特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算相对中心坐标P0”中，根据采集的所述样品图片，选取样品形状、面积、圆度、坐标等特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算其相对中心坐标点P0(x0,y0)和角度θ0。
具体的，步骤“创建样品ROI检测区域，通过halcon软件中设置滤噪模式、极性和平滑系数”中，在所述样品图片的检测区域创建若干ROI，通过halcon软件获取样品ROI坐标R0(xr0,yr0)和角度θr0。
具体的，步骤“采集待测工件图片，通过halcon软件查找所述定位模板区域并获取工件相对中心坐标P1”中，通过halcon软件，根据所述样品图片的定位模板区域，在所述待测工件图片上查找与其形状、面积特征的综合相似的区域，并由此将定位模板区域仿射到所述待测工件图片上，从而得到待测工件图片的定位区域，halcon软件根据查找到定位区域整体轮廓，获取所述工件的相对中心坐标点P1(x1,y1)和角度θ1。
具体的，步骤“根据P0 P1坐标计算得到仿射变换矩阵T0，样品ROI检测区域根据仿射变换矩阵T0变换至待测工件ROI检测区域，从而实现待测工件ROI检测区域的粗定位”中，粗定位包括以下步骤：
通过定位模板的相对中心坐标点P0(x0,y0)、角度θ0、工件的相对中心坐标点P1(x1,y1)和角度θ1，获得旋转变换矩阵Tθ和平移变换矩阵T，从而获取仿射变换矩阵T0；
旋转变换矩阵Tθ为：
Figure BDA0003287668190000071
其中θ＝θ0-θ1 公式(1)；
平移变换矩阵T为：
Figure BDA0003287668190000072
其中
Figure BDA0003287668190000073
tx为常数 公式(2)；
所述仿射变换矩阵T0为：T0＝Tθ*T；
根据旋转变换矩阵Tθ将样品ROI检测区域的轮廓点R0的角度由θr0转换为θr1，根据平移变换矩阵T将坐标点R0(xr0,yr0)变换为Rr1(xr1,yr1)；
根据Rr1(xr1,yr1)和θr1在工件图片上得到仿射后的ROI检测区域。
具体的，步骤“根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息”中，包括以下步骤：
在仿射后的ROI检测区域，获取仿射后的ROI检测区域内工件图片的灰度图像，采用图像预处理、动态阈值分析、开闭运算和特征筛选来获取检测区域；
对于区域直线和圆轮廓提取，首先根据极性来判断提取的边缘点的方向是由黑到白还是由白到黑，再根据点选择来判定提取的边缘点是第一个、最后一个还是相邻两个像素格灰度差最大点从而获取检测区域的若干点；
采用最小二乘法对若干点进行拟合，获取直线或圆轮廓，进而对ROI检测区域的精定位。
具体的，对于获取直线或圆轮廓的精定位，包括以下步骤：
由极性、点获取若干点Qi(xi,yi)，i为常数；
设由若干点Qi(xi,yi)拟合的直线多项式为：
y＝a0+a1x+a2x+K+akxk；其中k为常数； 公式(3)；
求各点到曲线的距离之和，即偏差平方和如下：
Figure BDA0003287668190000081
对公式(4)右边求ai偏导数，从而得到a；
Figure BDA0003287668190000082
化简并整理公式(5)可得如下矩阵，从而根据Qi(xi,yi)计算得ai，进而求得拟合曲线y
Figure BDA0003287668190000083
具体的，步骤“根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息”中，特征信息包括轮廓线总长、圆度、外接圆直径、矩形度和中心点坐标。
具体的，步骤“设置特征信息的筛选条件、各筛选条件之间的关系和范围，并输出检测结果”中，通过halcon软件读取CSV文件来定义工件检测结果的标准，其中，CSV文件中记录了所有特征信息种类和筛选范围，各特征信息之间的关系，halcon软件通过读取CSV文件可以获取特征信息的具体参数信息，具体包括以下步骤：
在CSV文件中设置特征信息的筛选范围，若该特征信息不作为产品尺寸合格的判定依据，则在CSV文件中设置为None；
在CSV文件中设定各特征间的关系是“与”还是“或”，从而由传统的单条件判定升级为多条件，多关系判定。如：该项满足条件A和条件B或者满足C，即可判定为该尺寸合格；
根据CSV文件中的检测区域特征信息判定标准，对获取的待测工件ROI检测区域进行二次筛选，并保存和输出二次筛选后的特征信息，输出判定结果。
二次筛选是根据CSV文件里面特征的的范围来快速去除我们认为不需要关注的区域，从而可以快速定位我们检测区域的特征；保存是为了便于后期区域数据的追溯和区域特征的查看。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种能实现多种几何度量特征的检测方法，其特征在于，包括以下步骤：
采集样品图片；
根据所述样品图片的样品特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算相对中心坐标P0；
创建样品ROI检测区域，通过halcon软件设置滤噪模式、极性和平滑系数；
采集待测工件图片，通过halcon软件查找所述定位模板区域并获取工件相对中心坐标P1；
根据所述P0 P1坐标计算得到仿射变换矩阵T0，所述样品ROI检测区域根据所述仿射变换矩阵T0变换至待测工件ROI检测区域，从而实现待测工件ROI检测区域的粗定位；
根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息；
设置所述特征信息的筛选条件、各筛选条件之间的关系，并输出检测结果。
2.根据权利要求1所述的能实现多种几何度量特征的检测方法，其特征在于，所述步骤“根据所述样品图片的产品特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算相对中心坐标P0”中，根据采集的所述样品图片，选取样品特征区域创建定位模板区域，halcon软件通过获取所述定位模板区域轮廓计算其相对中心坐标点P0(x0,y0)和角度θ0。
3.根据权利要求2所述的能实现多种几何度量特征的检测方法，其特征在于，所述步骤“创建样品ROI检测区域，通过halcon软件中设置滤噪模式、极性和平滑系数”中，在所述样品图片的检测区域创建若干ROI，通过halcon软件获取样品ROI坐标R0(xr0,yr0)和角度θr0。
4.根据权利要求3所述的能实现多种几何度量特征的检测方法，其特征在于，所述步骤“采集待测工件图片，通过halcon软件查找所述定位模板区域并获取工件相对中心坐标P1”中，通过halcon软件，根据所述样品图片的定位模板区域，在所述待测工件图片上查找与其形状、面积特征的综合相似的区域，并由此将定位模板区域仿射到所述待测工件图片上，从而得到待测工件图片的定位区域，halcon软件根据查找到定位区域整体轮廓，获取所述工件的相对中心坐标点P1(x1,y1)和角度θ1。
5.根据权利要求4所述的能实现多种几何度量特征的检测方法，其特征在于，所述步骤“根据所述P0 P1坐标计算得到仿射变换矩阵T0，所述样品ROI检测区域根据所述仿射变换矩阵T0变换至待测工件ROI检测区域，从而实现待测工件ROI检测区域的粗定位”中，所述粗定位包括以下步骤：
通过所述定位模板的相对中心坐标点P0(x0,y0)、角度θ0、工件的相对中心坐标点P1(x1,y1)和角度θ1，获得旋转变换矩阵Tθ和平移变换矩阵T，从而获取仿射变换矩阵T0；
所述旋转变换矩阵Tθ为：
Figure FDA0003287668180000021
所述平移变换矩阵T为：
Figure FDA0003287668180000022
所述仿射变换矩阵T0为：T0＝Tθ*T；
根据所述旋转变换矩阵Tθ将所述样品ROI检测区域的轮廓点R0的角度由θr0转换为θr1，根据所述平移变换矩阵T将坐标点R0(xr0,yr0)变换为Rr1(xr1,yr1)；
根据所述Rr1(xr1,yr1)和θr1在所述工件图片上得到仿射后的ROI检测区域。
6.根据权利要求5所述的能实现多种几何度量特征的检测方法，其特征在于，所述步骤“根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息”中，包括以下步骤：
在所述仿射后的ROI检测区域，获取仿射后的ROI检测区域内所述工件图片的灰度图像，采用图像预处理、动态阈值分析、开闭运算和特征筛选来获取检测区域；
根据极性获取边缘点的方向，根据点获取边缘点，从而获取检测区域的若干点；
采用最小二乘法对所述若干点进行拟合，获取直线或圆轮廓，进而对所述ROI检测区域的精定位。
7.根据权利要求6所述的能实现多种几何度量特征的检测方法，其特征在于，对于获取所述直线或圆轮廓的精定位，包括以下步骤：
由极性、点获取若干点Qi(xi,yi)，i为常数；
设由若干点Qi(xi,yi)拟合的直线多项式为：
y＝a0+a1x+a2x+K+akxk；其中k为常数； 公式(3)；
求各点到曲线的距离之和，即偏差平方和如下：
Figure FDA0003287668180000031
对公式(4)右边求ai偏导数，从而得到a；
Figure FDA0003287668180000032
化简并整理公式(5)可得如下矩阵，从而根据所述Qi(xi,yi)计算得ai，进而求得拟合曲线y
Figure FDA0003287668180000033
8.根据权利要求7所述的能实现多种几何度量特征的检测方法，其特征在于，所述步骤“根据待测工件ROI检测区域对工件进行图像预处理、轮廓提取、直线和圆拟合来提取检测区域，从而实现待测工件ROI检测区域的精定位，得到特征信息”中，所述特征信息包括轮廓线总长、圆度、外接圆直径、矩形度和中心点坐标。
9.根据权利要求1所述的能实现多种几何度量特征的检测方法，其特征在于，所述步骤“设置所述特征信息的筛选条件、各筛选条件之间的关系和范围，并输出检测结果”中，通过halcon软件读取CSV文件来定义工件检测结果的标准，具体包括以下步骤：
在CSV文件中设置特征信息的筛选范围，若该特征信息不作为产品尺寸合格的判定依据，则在CSV文件中设置为None；
在CSV文件中设置“与”或“或”定义各所述特征信息之间的关系，从而进行特征信息关系判定；
根据CSV文件中所述特征信息判定标准，对获取的待测工件ROI检测区域进行二次筛选，并保存和输出二次筛选后的特征信息，输出判定结果。
10.根据权利要求1所述的能够实现多种几何度量特征的检测方法，其特征在于，该检测方法使用的检测装置包括：
支架，所述支架包括第一滑轨和与第一滑轨垂直方向设置的第二滑轨；
载台，所述载台可移动地设置在所述第一滑轨上，所述载台下方设有背光光源；
光学装置，所述光学装置通过Z轴支架可移动地设置在所述第二滑轨上，所述光学装置设置在所述载台上方，并对所述载台采集图片，所述光学装置包括从上至下依次设置在Z轴支架的相机、镜筒、镜头和环形光源。
CN202111152933.9A 2021-09-29 2021-09-29 一种能实现多种几何度量特征的检测方法 Pending CN113838039A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111152933.9A CN113838039A (zh) 2021-09-29 2021-09-29 一种能实现多种几何度量特征的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111152933.9A CN113838039A (zh) 2021-09-29 2021-09-29 一种能实现多种几何度量特征的检测方法

Publications (1)

Publication Number Publication Date
CN113838039A true CN113838039A (zh) 2021-12-24

Family

ID=78967462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111152933.9A Pending CN113838039A (zh) 2021-09-29 2021-09-29 一种能实现多种几何度量特征的检测方法

Country Status (1)

Country Link
CN (1) CN113838039A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896577A (zh) * 2018-05-30 2018-11-27 昆山睿力得软件技术有限公司 一种刹车片轮廓缺陷的自动检测方法
CN109003258A (zh) * 2018-06-15 2018-12-14 广东工业大学 一种高精度亚像素圆形零件测量方法
US20190147580A1 (en) * 2017-11-14 2019-05-16 Harbin Institute Of Technology Positioning Method of Rectangular Pin Element Based on Vertex Points
CN110322395A (zh) * 2019-06-18 2019-10-11 电子科技大学中山学院 基于图像处理与仿射变换的零件轮廓形状检测方法及装置
CN110766684A (zh) * 2019-10-30 2020-02-07 江南大学 一种基于机器视觉的定子表面缺陷检测***及检测方法
CN112630222A (zh) * 2020-11-24 2021-04-09 河海大学常州校区 一种基于机器视觉的手机盖板玻璃缺陷检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190147580A1 (en) * 2017-11-14 2019-05-16 Harbin Institute Of Technology Positioning Method of Rectangular Pin Element Based on Vertex Points
CN108896577A (zh) * 2018-05-30 2018-11-27 昆山睿力得软件技术有限公司 一种刹车片轮廓缺陷的自动检测方法
CN109003258A (zh) * 2018-06-15 2018-12-14 广东工业大学 一种高精度亚像素圆形零件测量方法
CN110322395A (zh) * 2019-06-18 2019-10-11 电子科技大学中山学院 基于图像处理与仿射变换的零件轮廓形状检测方法及装置
CN110766684A (zh) * 2019-10-30 2020-02-07 江南大学 一种基于机器视觉的定子表面缺陷检测***及检测方法
CN112630222A (zh) * 2020-11-24 2021-04-09 河海大学常州校区 一种基于机器视觉的手机盖板玻璃缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李永敬 等: "基于形状模板匹配的冲压件外形缺陷检测算法研究", 广州大学学报（自然科学版）, vol. 16, no. 5, pages 62 - 66 *
高茂源等: "基于HALCON的机械零件尺寸快速精密测量", 机电工程技术, vol. 49, no. 3, pages 71 - 74 *

Similar Documents

Publication Publication Date Title
CN110634140B (zh) 一种基于机器视觉的大直径管状物定位及内壁缺陷检测方法
CN102135236B (zh) 双目视觉管道内壁自动无损检测方法
CN102032875B (zh) 一种基于图像处理的电缆护套厚度测量方法
CN105783723B (zh) 基于机器视觉的精密模具表面加工精度检测装置及方法
CN103207987B (zh) 一种指针式仪表的示数识别方法
CN106017325B (zh) 一种改进的复杂表面和不规则物体体积的非接触光学测量方法
CN108007388A (zh) 一种基于机器视觉的转盘角度高精度在线测量方法
CN111583114B (zh) 一种管道螺纹自动测量装置及测量方法
CN104123542A (zh) 一种轮毂工件定位的装置及其方法
CN102988052B (zh) 足长测量方法及***
CN112686920A (zh) 一种圆形零件几何尺寸参数视觉测量方法及***
CN103615980A (zh) 一种板件上圆孔参数的测量方法及***
CN112001917A (zh) 一种基于机器视觉的圆形有孔零件形位公差检测方法
CN109752392A (zh) 一种pcb板缺陷类型检测***和方法
JP2009199575A (ja) 画像マッチング方法、プログラムおよび応用装置
CN114994060B (zh) 一种机器视觉下的磁环外观缺陷智能检测***及方法
CN101561249A (zh) 手术刀片配合尺寸自动检测装置及其检测方法
CN108960236B (zh) 基于二维码匹配与图像识别的指针式仪表识别方法
CN110096980A (zh) 字符检测识别***
CN108844961A (zh) 一种温控器壳体视觉检测***及方法
CN115601359A (zh) 一种焊缝检测方法及装置
CN109448059A (zh) 一种快速x角点亚像素检测方法
CN116844147A (zh) 一种基于深度学习的指针式仪表识别和异常警报方法
CN113705564B (zh) 一种指针式仪表识别读数方法
CN110426395B (zh) 一种太阳能el电池硅片表面检测方法及装置

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