CN115830053B - 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及*** - Google Patents
一种基于机器视觉的帘线钢镶嵌样边缘定位方法及*** Download PDFInfo
- Publication number
- CN115830053B CN115830053B CN202310059589.1A CN202310059589A CN115830053B CN 115830053 B CN115830053 B CN 115830053B CN 202310059589 A CN202310059589 A CN 202310059589A CN 115830053 B CN115830053 B CN 115830053B
- Authority
- CN
- China
- Prior art keywords
- mosaic
- edge
- machine vision
- image
- shape
- 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
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提供一种基于机器视觉的帘线钢镶嵌样边缘定位方法及***,该方法在接收到镶嵌样的初始位到位信号后对镶嵌样进行图像采集;在采集到的图像中对镶嵌样的形状和数量进行识别;识别后对镶嵌样的边缘进行检测定位;之后对镶嵌样的边缘像素点进行标定,得到机器视觉***坐标系后,建立机器视觉***坐标系与外接移动设备坐标系的映射关系,并将得到的映射关系坐标点集发送给控制单元,为外接移动设备的图像采集提供坐标位置。采用上述方法可以对镶嵌样边缘进行自动定位,给显微镜等外接移动设备采集图像提供精准坐标位置,使得显微镜在镶嵌样边缘范围内进行顺序扫描拍照,可以缩短拍照时间,提升拍照效率。
Description
技术领域
本申请涉及钢样检验定位技术领域,尤其涉及一种基于机器视觉的帘线钢镶嵌样边缘定位方法及***。
背景技术
帘线钢,全称帘线钢帘线用盘条,是商用帘线钢中强度最高的帘线钢。帘线钢帘线由于其工作条件及安全性能的要求,对其化学成分、夹杂物含量及其形态、组织等均有严格要求,因此对其进行金相分析是检验帘线钢的品质和性能的关键步骤。金相样品镶嵌,是指在试样尺寸较小或者形状不规则导致研磨抛光困难,而通过柱形填充材料块对试样进行的镶嵌来使试样抛磨方便的一种工艺方法。通过镶嵌样进行金相分析可以提高工作效率及实验分析的准确性。
金相检验的操作过程是,检验人员对镶嵌样进行磨抛、腐蚀等过程后,在高倍镜头下通过将显微镜标记光点对准镶嵌样边缘内部,使得显微镜镜头沿着镶嵌样边缘内按照从左往右依次扫描拍摄镶嵌样,同时通过显微镜视窗观察并分析镶嵌样内部的金相组织结构。这种采用人工来进行金相检验的操作,过程繁琐,劳动强度高,检验效率低下。
发明内容
本申请提供一种基于机器视觉的帘线钢镶嵌样边缘定位方法及***,以解决在金相检验操作中操作过程繁琐,劳动强度高,检验效率低下的问题。
本申请一方面提供一种基于机器视觉的帘线钢镶嵌样边缘定位方法,所述方法包括:
接收到镶嵌样的初始位到位信号后,对所述镶嵌样进行图像采集,以得到采样图像;
根据像素点颜色值,在所述采样图像中识别所述镶嵌样的形状和数量,所述镶嵌样的形状包括第一形状和第二形状;
对所述镶嵌样的边缘进行检测定位;
标定所述镶嵌样的边缘像素点,以得到机器视觉***坐标系,并建立机器视觉***坐标系与外接移动设备坐标系的映射关系;
发送所得到的机器视觉***坐标系与外接移动设备坐标系的映射关系坐标点集,所述映射关系坐标点集用于为外接移动设备的图像采集提供坐标位置。
可选的,所述方法还包括:
在所述采样图像中识别镶嵌样目标的位置;
若所述镶嵌样目标在预设识别区域内,对所述采样图像执行预处理,所述预处理包括提取兴趣区域、二值化处理以及去干扰处理;
若所述镶嵌样目标不在所述识别区域内,则继续对所述镶嵌样进行图像采集。
可选的,所述图像预处理的步骤包括:
根据识别区域内的图像位置提取兴趣区域;
对兴趣区域内的图像进行二值化处理;
删减二值化处理后兴趣区域内的干扰成分图像像素。
可选的,在所述采样图像中识别所述镶嵌样的形状和数量包括:
提取镶嵌样的轮廓像素信息;
基于所述轮廓像素信息,使用多边形逼近所述镶嵌样的轮廓;
检测所述多边形的角点数量;
根据所述角点数量生成所述镶嵌样形状。
可选的,根据所述角点数量生成所述镶嵌样形状包括:
获取角点数量阈值;
若所述角点数量大于所述角点数量阈值,则生成所述镶嵌样形状为所述第一形状;
若所述角点数量等于所述角点数量阈值,则生成所述镶嵌样形状为所述第二形状。
可选的,所述角点数量阈值等于4,所述第一形状为圆形,所述第二形状为矩形。
可选的,采用Canny边缘检测算法对所述镶嵌样的边缘进行检测,所述Canny边缘检测算法的步骤包括:
对所述采样图像进行降噪处理;
计算所述采样图像的梯度,以得到备选边缘;
保留梯度方向上灰度变化最大的边缘,对所述备选边缘进行非极大值抑制;
对通过非极大值抑制的边缘设置双阈值筛选,以保留高阈值的边缘,所述双阈值包括低阈值和高阈值。
可选的,所述双阈值筛选还包括将灰度变化大于高阈值的设置为强边缘像素,将灰度变化在低阈值和高阈值之间的设置为弱边缘像素,以保留强边缘像素。
可选的,所述机器视觉***坐标系与外接移动设备坐标系的映射关系通过矩阵转换获得。
本申请另一方面提供一种基于机器视觉的帘线钢镶嵌样边缘定位***,所述***包括:工业相机、镜头、光源、支架、工控机、到位传感器、显微镜和电控箱;其中,所述镜头与所述工业相机相连,所述工业相机与所述光源固定在所述支架上,所述到位传感器设置在所述光源下方;所述电控箱分别与所述工业相机、光源、工控机、到位传感器和显微镜电性连接;所述工业相机、光源、到位传感器和显微镜分别与所述工控机相连;所述工控机被配置为:
接收到镶嵌样的初始位到位信号后,对所述镶嵌样进行图像采集,以得到采样图像;
根据像素点颜色值,在所述采样图像中识别所述镶嵌样的形状和数量,所述镶嵌样的形状包括第一形状和第二形状;
对所述镶嵌样的边缘进行检测定位;
标定所述镶嵌样的边缘像素点,以得到机器视觉***坐标系,并建立机器视觉***坐标系与外接移动设备坐标系的映射关系;
发送所得到的机器视觉***坐标系与外接移动设备坐标系的映射关系坐标点集,所述映射关系坐标点集用于为外接移动设备的图像采集提供坐标位置。
由以上技术方案可知,本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位方法包括:接收到镶嵌样的初始位到位信号后,对镶嵌样进行图像采集;得到采样图像后根据像素点颜色值,对镶嵌样的形状和数量进行识别;识别后对镶嵌样的边缘进行检测定位,之后对镶嵌样的边缘像素点进行标定,得到机器视觉***坐标系后,建立机器视觉***坐标系与外接移动设备坐标系的映射关系,并将得到的映射关系坐标点集发送给控制单元,为外接移动设备的图像采集提供坐标位置。本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位***包括工业相机、镜头、光源、支架、工控机、到位传感器、显微镜和电控箱,该***采用上述方法对镶嵌样进行自动定位。本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位方法及***,可替代人工完成全自动显微镜拍照,不仅可以减少对镶嵌样进行定位的工作,降低劳动强度,还可以简化显微镜的拍摄流程,缩短显微镜拍照时间,提升拍照效率。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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为本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位方法的流程图;
图2为本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位***控制单元的结构示意图;
图3为帘线钢镶嵌样的示意图;
图4为镶嵌样兴趣区域的示意图;
图5为两种镶嵌样的结构示意图;
图示说明:
其中,1-圆形镶嵌样;2-柱形填充材料块;3-矩形镶嵌样。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的***和方法的示例。
金相分析过程需要使用显微镜拍摄金相照片,检验的过程中,需要金相师手动操作显微镜,通过人工目测的方式将显微镜拍摄位置标记光点对准镶嵌样边缘,移动显微镜镜头同时观察组织结构进行镶嵌样的图像采集,自动化水平偏低;完成一块镶嵌样的拍摄需要2-3小时,由于钢厂的检验任务大,送检的试样数量多,采用人工进行金相检验分析工作效率低,劳动强度大。
为解决上述问题,本申请提供一种基于机器视觉的帘线钢镶嵌样边缘定位方法及***。机器视觉***可完成各种测量和判断,通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理***,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像***对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位方法及***主要以机器视觉技术为依托,来实现对帘线钢镶嵌样边缘的自动定位。
首先,本申请部分实施例中提供一种基于机器视觉的帘线钢镶嵌样边缘定位方法,参见图1,为本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位方法的流程图。
如图1所示,本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位方法包括:
步骤S10:接收到镶嵌样的初始位到位信号后,对镶嵌样进行图像采集,以得到采样图像。
金相检验时,需将镶嵌样放置到视觉识别区域内才可以开始检测。使用传感器检测镶嵌样是否在视觉识别区域,若镶嵌样在识别区域内,则开始后续边缘定位流程,若镶嵌样不在识别区域内则继续等待镶嵌样的到位信号。本实施例中,采用相机、镜头和光源来进行测量和判断,则相机、镜头和光源即构成了机器视觉***。当镶嵌样在识别区域内时,控制单元接收到传感器的镶嵌样到位信号后,打开光源,并给机器视觉***发送镶嵌样到位信号。当机器视觉***接收到控制单元发送的镶嵌样到位信号后,控制单元给相机发送拍照指令,对镶嵌样进行图像采集,以得到采样图像。
步骤S20:在采样图像中识别镶嵌样目标的位置;
得到采样图像后,机器视觉***通过采样图像来识别确认当前位置是否放置有符合识别要求的镶嵌样,若镶嵌样目标在预设识别区域内,则符合识别定位要求,当前位置放置有镶嵌样,控制单元继续进行后续视觉处理,即对采样图像执行预处理操作。若镶嵌样目标不在识别区域内,则传感器向控制单元反馈无镶嵌样信号,结束本次流程并继续等待下一个流程的到位信号,继续对镶嵌样进行图像采集。
在步骤S20中,图像预处理操作的步骤包括:
步骤S21:根据识别区域内的图像位置提取兴趣区域;
在机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为兴趣区域(region of interest,ROI)。兴趣区域是图像处理分析的重点,圈定该区域以便进行下一步处理。如图3所示,图3为帘线钢镶嵌样的示意图,本实施例中,为了提高定位精度,视觉***只识别一个柱形填充材料块2范围内的所有镶嵌样,即提取一个作为兴趣区域,如图4所示,图4为镶嵌样兴趣区域ROI的示意图。
步骤S22:对兴趣区域内的图像进行二值化处理;
二值化处理是指把所获得的采样图像的灰度图像变为二值图像,即黑白图像,通过黑白图像提取出关键信息。根据阈值选取的不同,二值化的算法分为固定阈值和自适应阈值。固定阈值就是将图像中低于某个阈值的像素设置为黑色,而其他像素设置为白色。本实施例中,采用固定阈值,将镶嵌样的部分图像像素设置为白色,其余干扰部分图像设置为黑色像素。具体实现为:在采集后提取到的兴趣区域图像中,镶嵌样灰度值明显大于其他部分的灰度值,灰度值越大越白,因此采用阈值分割方法对图像条纹区域进行提取,如下式所示:
其中,f(x,y)是线结构光条纹图像在(x,y)处的灰度值,T为条纹提取的阈值,g(u,v)是提取后的在(u,v)处的灰度值,且u=x-w0,v=y-h0,w0和h0分别为图像中偏移列数和行数。
步骤S23:删减二值化处理后兴趣区域内的干扰成分图像像素。
对兴趣区域内的图像进行二值化处理后,对兴趣区域内的干扰成分进行删减,删除具有干扰的图像像素,以提升图像质量,从而为后续算法奠定基础。
步骤S30:根据像素点颜色值,在采样图像中识别镶嵌样的形状和数量。
对物体进行检测时需要先提取物体的轮廓像素信息,然后再通过轮廓点集特征选择相应的算法进行处理,最后得到物体的形状信息。轮廓形状是我们看到物体最开始的印象,轮廓提取的原理是通过对原图像进行二值化,利用边缘点连接的层次差别,提取位于数结构特征高的区域点集构成的集合,这部分最可能是物体的轮廓。镶嵌样的形状包括第一形状和第二形状。例如,第一形状为圆形,第二形状为矩形。本实施例中,在采样图像中识别镶嵌样的形状和数量时,需要先提取镶嵌样的轮廓像素信息,基于轮廓像素信息,使用多边形逼近镶嵌样的轮廓,再对多边形进行角点检测,检测多边形的角点数量,获取角点数量阈值。若角点数量大于角点数量阈值,则生成镶嵌样形状为第一形状,若角点数量等于角点数量阈值,则生成镶嵌样形状为第二形状。
获取角点数量后,根据角点数量生成镶嵌样形状,本实施例中,角点数量阈值等于4,在使用多边形逼近轮廓后,若检测到的角点数量大于4,则该镶嵌样为圆形;若检测到的角点数量等于4,则该镶嵌样为矩形。图5为两种形状镶嵌样的结构示意图,圆形镶嵌样和矩形镶嵌样如图5所示。对于圆形的镶嵌样,需要将边缘轮廓的坐标点发送给显微镜;对于矩形的镶嵌样,需要将四个角点的坐标发送给显微镜。识别镶嵌样的形状后,还需要识别判断镶嵌样的数量,一个柱形填充材料块2中的镶嵌样数量可以为12个。
步骤S40:对镶嵌样的边缘进行检测定位。
识别采样图像中镶嵌样的形状和数量后,需要对镶嵌样的边缘进行检测定位。本实施例中,采用Canny边缘检测算法对所述镶嵌样的边缘进行检测,Canny边缘检测算法是一种非常流行的边缘检测算法,具有边缘低错误识别率和定位最优的优点。Canny边缘检测算法的步骤包括:
步骤S41:对采样图像进行降噪处理;
由于边缘轮廓会受图像噪声的影响都很大。那么,我们第一步就是想到要先去除图像噪声,因为噪声就是灰度变化很大的地方,所以容易被识别为伪边缘。本实施例中,采用高斯去噪方法,公式如下:
其中,★表示卷积操作。
步骤S42:计算采样图像的梯度,以得到备选边缘;
计算图像梯度能够得到图像的边缘,因为梯度是灰度变化明显的地方,而边缘也是灰度变化明显的地方。这一步就有了所有可能是边缘的集合。梯度计算公式如下:
步骤S43:保留梯度方向上灰度变化最大的边缘,对备选边缘进行非极大值抑制;
通常灰度变化的地方都比较集中,将局部范围内的梯度方向上,灰度变化最大的保留下来,即将有多个像素宽的边缘变成一个单像素宽的边缘。
步骤S44:对通过非极大值抑制的边缘设置双阈值筛选,以保留高阈值的边缘,上述双阈值包括低阈值和高阈值。
通过非极大值抑制后,仍然有很多的可能边缘点,进一步的设置一个双阈值,即低阈值和高阈值。将灰度变化大于高阈值high的,设置为强边缘像素,将低于低阈值的边缘点剔除。将灰度变化在低阈值和高阈值之间的设置为弱边缘像素,进一步判断,如果其领域内有强边缘像素则保留,如果没有即剔除。实现公式如下:
然后,将一个柱形填充材料块2中的12个镶嵌样按照排列位置从左往右、从上往下的先后次序将识别到的12组轮廓点集合进行排序,此时柱形填充材料块2上的孔位号和此时识别出来的所有的边缘信息是对应的。
步骤S50:标定镶嵌样的边缘像素点,以得到机器视觉***坐标系,并建立机器视觉***坐标系与外接移动设备坐标系的映射关系。
检测到镶嵌样的边缘并定位后,还需要对识别出来的边缘像素点集进行标定,建立与显微镜的移动坐标点的关系,显微镜才能根据定位到的坐标在合适的区域内进行扫描。推导后的转换公式如下:
其中,[Xw,Yw,Zw]表示物体所在的视觉坐标,R是旋转矩阵,T是平移矩阵,两者组成3×4矩阵,即为相机的外参矩阵。其中,f表示焦距,dx和dy表示:x方向和y方向的一个像素分别占多少个(可是小数)长度单位。u0,v0表示图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数。
步骤S60:发送所得到的机器视觉***坐标系与外接移动设备坐标系的映射关系坐标点集,该映射关系坐标点集用于为外接移动设备的图像采集提供坐标位置。
将计算得出的坐标点集和结果图像通过接口的形式传送到显微镜,以保证显微镜能按照给定的坐标进行拍照取图。
通过采用上述定位方法,即可对镶嵌样的边缘进行定位。
本申请另一方面提供一种基于机器视觉的帘线钢镶嵌样边缘定位***,通过采用上述方法,来对镶嵌样进行边缘定位。本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位***包括工业相机、镜头、光源、支架、工控机、到位传感器、显微镜和电控箱。其中,镜头与工业相机相连,工业相机与光源固定在支架上,到位传感器设置在光源下方;电控箱分别与工业相机、光源、工控机、到位传感器和显微镜电性连接;工业相机、光源、到位传感器和显微镜分别与工控机相连。
本实施例中,采用工控机作为***的控制单元,用来控制工业相机、光源、到位传感器和显微镜。为了使计算过程更流畅,工控机的软硬件具有一定的配置需求。例如,工控机可分别采用酷睿i7处理器、Win10专业版***以及Visual Stdio(VS)2019软件。其中,Visual Stdio是一种开发工具,包含多种编程语言,可以用来设计应用程序和web方面的程序。
工业相机是机器视觉***中的一个关键组件,其最本质的功能就是将光信号转变成有序的电信号。工业相机具有高的图像稳定性、高传输能力和高抗干扰能力。在工业相机中安装相机自带的驱动和SDK开发包,在VS中用相应的C++连接模块,使工业相机与工控机相连,连接后,工控机即可对工业相机执行控制操作。
镜头与工业相机相连,用来采集图像。
光源是机器视觉***的一个组成部分,用来照亮目标镶嵌样,提高亮度,形成有利于图像处理的成像效果,降低***的复杂性和对图像处理算法的要求。并且光源还可克服环境光干扰,提高图像的稳定性。光源与工控机相连后,工控机可通过信号控制光源的开关。
到位传感器设置在光源下方,用来检测镶嵌样是否在识别区域内。到位传感器与工控机相连后,当镶嵌样被置于到位传感器上时,传感器会向工控机发送镶嵌样到位信号,工控机就会根据信号继续进行后续视觉处理算法。
显微镜用来对镶嵌样进行扫描拍照,显微镜与工控机相连后,会接收工控机传输的坐标点集和结果图像,按照给定的坐标进行拍照取图。
图2为本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位***控制单元的结构示意图,如图2所示,本实施例中,控制单元包括六个功能模块:镶嵌样到位检测模块、图像预处理模块、形状判别模块、边缘检测定位模块、视觉***标定模块和数据传输接口模块。其中,镶嵌样到位检测模块用于检测镶嵌样是否到达机器视觉***识别区域;图像预处理模块用于对区域内的图像进行预处理操作;形状判别模块用于识别镶嵌样的形状以及数量;边缘检测定位模块用于对镶嵌样的边缘进行检测定位;视觉***标定模块用于对识别出来的边缘像素点进行标定,将机器视觉***坐标系与显微镜坐标系进行统一;数据传输接口模块用于将计算得出的对应孔位号的坐标点集和结果图像传送给外接移动设备。需要说明的是,本实施例中图像处理模块基于OpenCV2410标准库,OpenCV是一个跨平台计算机视觉库,是一种高拓展性、轻量级的库,可实现图像处理和计算机视觉方面的很多通用算法。
基于上述6个模块,本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位***中的工控机被配置为:
接收到镶嵌样的初始位到位信号后,对所述镶嵌样进行图像采集,以得到采样图像;
根据像素点颜色值,在所述采样图像中识别所述镶嵌样的形状和数量,所述镶嵌样的形状包括第一形状和第二形状;
对所述镶嵌样的边缘进行检测定位;
标定所述镶嵌样的边缘像素点,以得到机器视觉***坐标系,并建立机器视觉***坐标系与外接移动设备坐标系的映射关系;
发送所得到的机器视觉***坐标系与外接移动设备坐标系的映射关系坐标点集,所述映射关系坐标点集用于为外接移动设备的图像采集提供坐标位置。
由以上实施例可知,本申请实施例提供一种基于机器视觉的帘线钢镶嵌样边缘定位方法及***。所述方法包括:接收到镶嵌样的初始位到位信号后,对镶嵌样进行图像采集;得到采样图像后对镶嵌样的形状和数量进行识别;识别后对镶嵌样的边缘进行检测定位,之后对镶嵌样的边缘像素点进行标定,得到机器视觉***坐标系后,建立机器视觉***坐标系与外接移动设备坐标系的映射关系,并将得到的映射关系坐标点集发送给控制单元,为外接移动设备的图像采集提供坐标位置。本申请提供的基于机器视觉的帘线钢镶嵌样边缘定位***采用上述方法对镶嵌样边缘进行自动定位。通过***自动定位帘线钢镶嵌样边缘,给显微镜采集图像提供精准坐标位置,使得显微镜在镶嵌样边缘范围内进行顺序扫描拍照,缩短显微镜拍照的时间,提升拍照的效率。该方法可以替代人工完成全自动拍照,减少金相师的工作强度,提高工作效率。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (9)
1.一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,所述方法包括:
接收到镶嵌样的初始位到位信号后,对所述镶嵌样进行图像采集,以得到采样图像;
根据像素点颜色值,在所述采样图像中识别所述镶嵌样的形状和数量,所述镶嵌样的形状包括第一形状和第二形状;所述根据像素点颜色值,在所述采样图像中识别所述镶嵌样的形状和数量包括:提取镶嵌样的轮廓像素信息;基于所述轮廓像素信息,使用多边形逼近所述镶嵌样的轮廓;检测所述多边形的角点数量;根据所述角点数量生成所述镶嵌样形状;
对所述镶嵌样的边缘进行检测定位;
标定所述镶嵌样的边缘像素点,以得到机器视觉***坐标系,并建立机器视觉***坐标系与外接移动设备坐标系的映射关系;
发送所得到的机器视觉***坐标系与外接移动设备坐标系的映射关系坐标点集,所述映射关系坐标点集用于为外接移动设备的图像采集提供坐标位置。
2.根据权利要求1所述的一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,还包括:
在所述采样图像中识别镶嵌样目标的位置;
若所述镶嵌样目标在预设识别区域内,对所述采样图像执行预处理,所述预处理包括提取兴趣区域、二值化处理以及去干扰处理;
若所述镶嵌样目标不在所述识别区域内,则继续对所述镶嵌样进行图像采集。
3.根据权利要求2所述的一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,所述图像预处理的步骤包括:
根据识别区域内的图像位置提取兴趣区域;
对兴趣区域内的图像进行二值化处理;
删减二值化处理后兴趣区域内的干扰成分图像像素。
4.根据权利要求1所述的一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,根据所述角点数量生成所述镶嵌样形状包括:
获取角点数量阈值;
若所述角点数量大于所述角点数量阈值,则生成所述镶嵌样形状为所述第一形状;
若所述角点数量等于所述角点数量阈值,则生成所述镶嵌样形状为所述第二形状。
5.根据权利要求4所述的一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,所述角点数量阈值等于4,所述第一形状为圆形,所述第二形状为矩形。
6.根据权利要求1所述的一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,采用Canny边缘检测算法对所述镶嵌样的边缘进行检测,所述Canny边缘检测算法的步骤包括:
对所述采样图像进行降噪处理;
计算所述采样图像的梯度,以得到备选边缘;
保留梯度方向上灰度变化最大的边缘,对所述备选边缘进行非极大值抑制;
对通过非极大值抑制的边缘设置双阈值筛选,以保留高阈值的边缘,所述双阈值包括低阈值和高阈值。
7.根据权利要求6所述的一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,所述双阈值筛选还包括将灰度变化大于高阈值的设置为强边缘像素,将灰度变化在低阈值和高阈值之间的设置为弱边缘像素,以保留强边缘像素。
8.根据权利要求1所述的一种基于机器视觉的帘线钢镶嵌样边缘定位方法,其特征在于,所述机器视觉***坐标系与外接移动设备坐标系的映射关系通过矩阵转换获得。
9.一种基于机器视觉的帘线钢镶嵌样边缘定位***,其特征在于,所述***包括:工业相机、镜头、光源、支架、工控机、到位传感器、显微镜和电控箱;其中,所述镜头与所述工业相机相连,所述工业相机与所述光源固定在所述支架上,所述到位传感器设置在所述光源下方;所述电控箱分别与所述工业相机、光源、工控机、到位传感器和显微镜电性连接;所述工业相机、光源、到位传感器和显微镜分别与所述工控机相连;所述工控机被配置为:
接收到镶嵌样的初始位到位信号后,对所述镶嵌样进行图像采集,以得到采样图像;
根据像素点颜色值,在所述采样图像中识别所述镶嵌样的形状和数量,所述镶嵌样的形状包括第一形状和第二形状;
对所述镶嵌样的边缘进行检测定位;
标定所述镶嵌样的边缘像素点,以得到机器视觉***坐标系,并建立机器视觉***坐标系与外接移动设备坐标系的映射关系;
发送所得到的机器视觉***坐标系与外接移动设备坐标系的映射关系坐标点集,所述映射关系坐标点集用于为外接移动设备的图像采集提供坐标位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059589.1A CN115830053B (zh) | 2023-01-17 | 2023-01-17 | 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059589.1A CN115830053B (zh) | 2023-01-17 | 2023-01-17 | 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830053A CN115830053A (zh) | 2023-03-21 |
CN115830053B true CN115830053B (zh) | 2023-09-05 |
Family
ID=85520773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310059589.1A Active CN115830053B (zh) | 2023-01-17 | 2023-01-17 | 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830053B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108645865A (zh) * | 2018-05-10 | 2018-10-12 | 中国石油天然气集团有限公司 | 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 |
CN109709121A (zh) * | 2019-03-06 | 2019-05-03 | 内蒙古科技大学 | 样品台及透射模式电子背散射衍射(t-ebsd)***和方法 |
CN110135123A (zh) * | 2019-06-21 | 2019-08-16 | 江西理工大学 | 一种获得搅拌摩擦焊接接头机械/冶金结合强度的方法 |
CN112001352A (zh) * | 2020-09-02 | 2020-11-27 | 山东大学 | 基于Apriltag标签的纺织作业工作台识别定位方法及装置 |
CN212674011U (zh) * | 2020-06-09 | 2021-03-09 | 石家庄钢铁有限责任公司 | 一种硬度试验样品的外观检测工具 |
CN113112603A (zh) * | 2021-04-09 | 2021-07-13 | 北京沃东天骏信息技术有限公司 | 三维模型优化的方法和装置 |
CN113592955A (zh) * | 2021-07-27 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 |
CN113822810A (zh) * | 2021-08-29 | 2021-12-21 | 北京工业大学 | 一种基于机器视觉的三维空间中工件的定位方法 |
CN114548334A (zh) * | 2022-02-23 | 2022-05-27 | 宝钢湛江钢铁有限公司 | 一种中厚板试样识别追溯*** |
CN114689584A (zh) * | 2022-03-21 | 2022-07-01 | 武汉钢铁有限公司 | 适用于硅钢铁素体完全再结晶组织晶粒尺寸计算的方法 |
-
2023
- 2023-01-17 CN CN202310059589.1A patent/CN115830053B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108645865A (zh) * | 2018-05-10 | 2018-10-12 | 中国石油天然气集团有限公司 | 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 |
CN109709121A (zh) * | 2019-03-06 | 2019-05-03 | 内蒙古科技大学 | 样品台及透射模式电子背散射衍射(t-ebsd)***和方法 |
CN110135123A (zh) * | 2019-06-21 | 2019-08-16 | 江西理工大学 | 一种获得搅拌摩擦焊接接头机械/冶金结合强度的方法 |
CN212674011U (zh) * | 2020-06-09 | 2021-03-09 | 石家庄钢铁有限责任公司 | 一种硬度试验样品的外观检测工具 |
CN112001352A (zh) * | 2020-09-02 | 2020-11-27 | 山东大学 | 基于Apriltag标签的纺织作业工作台识别定位方法及装置 |
CN113112603A (zh) * | 2021-04-09 | 2021-07-13 | 北京沃东天骏信息技术有限公司 | 三维模型优化的方法和装置 |
CN113592955A (zh) * | 2021-07-27 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 |
CN113822810A (zh) * | 2021-08-29 | 2021-12-21 | 北京工业大学 | 一种基于机器视觉的三维空间中工件的定位方法 |
CN114548334A (zh) * | 2022-02-23 | 2022-05-27 | 宝钢湛江钢铁有限公司 | 一种中厚板试样识别追溯*** |
CN114689584A (zh) * | 2022-03-21 | 2022-07-01 | 武汉钢铁有限公司 | 适用于硅钢铁素体完全再结晶组织晶粒尺寸计算的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115830053A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612765B (zh) | 一种圆形透明镜片识别和定位的方法 | |
CN109839384B (zh) | 用于微型振动马达缺陷检测的视觉检测仪及检测方法 | |
CN109974582A (zh) | 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法 | |
CN106442556A (zh) | 一种板状带孔工件表面缺陷检测装置和方法 | |
KR20080032856A (ko) | 조선소 소조립 용접부재 위치 인식 방법 | |
CN107092905B (zh) | 一种电力巡检机器人的待识别仪器定位方法 | |
CN111251336A (zh) | 一种基于视觉定位的双臂协同智能装配*** | |
CN111524101A (zh) | 一种基于机器视觉技术的电子屏幕缺陷检测方法 | |
CN111474179A (zh) | 镜片表面清洁度检测装置及方法 | |
CN114897847A (zh) | 图像处理方法及装置、计算机可读存储介质、电子设备 | |
CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
CN113269762A (zh) | 屏幕不良检测方法、***及计算机存储介质 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测*** | |
CN114820475B (zh) | 边缘识别方法、***、晶圆加工装置及晶圆与加工台同心状态确定方法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及*** | |
CN109916914A (zh) | 一种产品缺陷检测方法及装置 | |
CN110570412A (zh) | 一种零件误差视觉判断*** | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN113970560B (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
CN111724445A (zh) | 一种大视野小尺寸识别码的识别方法及*** | |
CN104966283A (zh) | 图像分层配准方法 | |
CN107977959B (zh) | 一种适用于电力作业机器人的呼吸器状态识别方法 | |
CN107248151B (zh) | 一种基于机器视觉的液晶片智能检测方法及*** | |
CN113375555A (zh) | 一种基于手机影像的电力线夹测量方法及*** |
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 |