CN116385356A - 一种基于激光视觉的正六边形孔特征的提取方法和*** - Google Patents
一种基于激光视觉的正六边形孔特征的提取方法和*** Download PDFInfo
- Publication number
- CN116385356A CN116385356A CN202310140327.8A CN202310140327A CN116385356A CN 116385356 A CN116385356 A CN 116385356A CN 202310140327 A CN202310140327 A CN 202310140327A CN 116385356 A CN116385356 A CN 116385356A
- Authority
- CN
- China
- Prior art keywords
- plane
- hexagonal hole
- fitting
- image
- dimensional
- 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 67
- 238000012545 processing Methods 0.000 claims abstract description 51
- 230000003287 optical effect Effects 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000003628 erosive effect Effects 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012552 review Methods 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
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出了一种基于激光视觉的正六边形孔特征的提取方法和***,该方法包括:获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;对每张图像通过图像处理得到光刀中心的二维坐标,将二维坐标转换为三维坐标后统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;将六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。基于该方法,还提出了一种基于激光视觉的正六边形孔特征的提取***,本发明通过图像和点云算法实现了采集数据的处理和计算,计算结果用于生产加工的指导。
Description
技术领域
本发明属于商用车车身件非接触式测量技术领域,特别涉及一种基于激光视觉的正六边形孔特征的提取方法和***。
背景技术
在汽车飞机零件的加工过程中,由于现场环境、加工精度、人工误差等因素导致生产加工出来的零件尺寸存在偏差。及时的检测出存在缺陷的零件对整体生产有十分重要发意义,能够利用一些工具及算法来代替人工检测来提高检测的精度及效率,获取并记录误差数据能够保证整体质量。
在汽车钣金制造中,六边型特征孔虽然不是常见孔类特征但也是非常重要的孔类特征,其中一种用法就是用于塑料卡扣的安装,不光能起到限位的作用,还能起到限向的作用。因此对六边形孔特征实现高精度快速检测对生产加工装配过程有着重要意义。目前对于六边形孔特征提取的方法采用图像方式测量时主要通过边缘提取来实现特征提取,但该方式由于外界干扰会产生大量噪声影响测量精度。在现有技术中提出的六边形检测方法,采用二维图像检测方法检测六角螺栓,通过Hough变换原理件六边形检测分成直线和圆以及线端长度和直线夹角的计算,该方法能够有效的检测六边形特征。但尽在图像域进行检测精度不够高。所述现有技术在生产加工过程中,测量精度要求高、现场环境复杂、干扰因素多,现有的二维测量方式效果不理想。
发明内容
为了解决上述技术问题,本发明提出了一种基于激光视觉的正六边形孔特征的提取方法和***。能够利用激光视觉传感器检测加工零件上的六边形孔特征,节约劳动力,且提高检测效率。
为实现上述目的,本发明采用以下技术方案:
一种基于激光视觉的正六边形孔特征的提取方法,包括以下步骤:
获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;
对每张图像通过图像处理得到光刀中心的二维坐标,将所述二维坐标转换为三维坐标,同时将所述三维坐标统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;
将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点后将所述边缘特征三维点云投影到拟合平面计算投影点,分离出六条边,然后计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。
进一步的,所述获取光刀线扫描正六边形孔的多张图像的过程包括:
采用摆动式线激光传感器扫描被测六边形孔,按照摆动的角度均匀通过图像采集设备进行图像拍摄,且每张图像有且只有一条光刀线。
进一步的,所述图像处理的过程包括:
选择待处理图像中第一目标区域,然后对选择的第一目标区域进行预处理;
在选择的第一目标区域内寻找六边形孔轮廓,通过每个轮廓外接矩形在图像的位置选出上下两个最长的轮廓;
通过外接矩形区域形成的第二目标区域在原图中挑选与同样的第二目标区域范围进行光刀提取得到光刀中心的二维亚像素坐标。
进一步的,所述预处理的过程包括:
首先利用高斯滤波算法对第一目标区域进行线性平滑滤波;
在线性平滑滤波之后,进行二值化处理;
在二值化处理之后,采用形态学运算中的开运算,对像素高于阈值的区域进行腐蚀操作找到局部最小值。
进一步的,将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点过程包括:
将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云利用SVD分解法原理进行平面拟合得到拟合平面;
计算平面拟合误差的均值作为筛选离面点的标准值;
循环计算每个点到所述拟合平面的距离,并与标准值进行比较,筛选掉远离平面的点。
进一步的,将所述边缘特征三维点云投影到拟合平面计算投影点的过程包括:将所述边缘特征三维点云投影到拟合平面,计算每个六边形特征点到拟合平面的距离根据平面法向量和距离计算每个特征点在拟合平面上的投影。
进一步的,所述分离出六条边的过程包括:
将六边形分成两部分,每个部分均包括三条边;从第四个点开始遍历所有特征点,第四个点向前取三个点作为第一集合,第四个点向后取三个点作为第二集合;第一集合和第二集合分别进行直线拟合;
计算两条直线的夹角,如果夹角不超过角度偏差阈值,则当前点位于直线部分,否则为拐点区域的备选点;
每个拐点备选区域进行二次寻找拐点,每次选择两个点构成一条直线。向前和向后同时处理画出六条边上的点云。
进一步的,在分离出六条边之后,进行六条边求交点得到六个角点,六个角点进行外接圆拟合和六条边求内切圆直径。
进一步的,所述正六边形内切圆直径=外接圆直径×cos30°。
本发明还提出了一种基于激光视觉的正六边形孔特征的提取***,包括获取模块、图像处理模块和拟合计算模块;
所述获取模块用于获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;
所述图像处理模块用于对每张图像通过图像处理得到光刀中心的二维坐标,将所述二维坐标转换为三维坐标,同时将所述三维坐标统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;
所述拟合计算模块用于将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点后将所述边缘特征三维点云投影到拟合平面计算投影点,分离出六条边,然后计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
本发明提出了一种基于激光视觉的正六边形孔特征的提取方法和***,该方法包括以下步骤:获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;对每张图像通过图像处理得到光刀中心的二维坐标,将所述二维坐标转换为三维坐标,同时将所述三维坐标统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点后将所述边缘特征三维点云投影到拟合平面计算投影点,分离出六条边,然后计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。基于一种基于激光视觉的正六边形孔特征的提取方法,还提出了一种基于激光视觉的正六边形孔特征的提取***。本发明借助传感器采集待处理数据,通过图像部分及点云部分算法对数据进行处理,处理后得可以计算一个正六边形孔的参数包括中心点坐标、外接圆直径、内切圆直径、法向量信息,计算结果可以帮助现场工人来评价加工是否合理,用于生产加工的指导。
附图说明
如图1为本发明实施例1一种基于激光视觉的正六边形孔特征的提取方法流程图;
如图2为本发明实施例1单光刀线投射在六边形孔上时相机拍摄的图像;
如图3为本发明实施例1正六边形孔三维点云示意图;
如图4为本发明实施例2一种基于激光视觉的正六边形孔特征的提取***示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例1
本发明实施例1提出了一种基于激光视觉的正六边形孔特征的提取方法,借助传感器采集待处理数据,通过图像部分及点云部分算法对数据进行处理,处理后得可以计算一个正六边形孔的参数包括中心点坐标、外接圆直径、内切圆直径、法向量信息。
如图1为本发明实施例1一种基于激光视觉的正六边形孔特征的提取方法流程图;
在步骤S100中,获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;
采用摆动式线激光传感器扫描被测六边形孔,按照摆动的角度均匀通过图像采集设备进行图像拍摄,且每张图像有且只有一条光刀线。对于六边形孔特征,传感器总共拍摄61张图像每张图像中有且只有一条光刀线。
在步骤S200中,对每张图像通过图像处理得到光刀中心的二维坐标,将二维坐标转换为三维坐标,同时将三维坐标统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;
图像处理的过程包括:选择待处理图像中第一目标区域,然后对选择的第一目标区域进行预处理;在选择的第一目标区域内寻找六边形孔轮廓,通过每个轮廓外接矩形在图像的位置选出上下两个最长的轮廓;通过外接矩形区域形成的第二目标区域在原图中挑选与同样的第二目标区域范围进行光刀提取得到光刀中心的二维亚像素坐标。
在本申请中:进行ROI区域的选择,减少待处理的图像大小,第一目标区域为ROI区域。
对选择的第一目标区域进行预处理的过程包括:首先利用高斯滤波算法对第一目标区域进行线性平滑滤波;在线性平滑滤波之后,进行二值化处理;在二值化处理之后,采用形态学运算中的开运算,对像素高于阈值的区域进行腐蚀操作找到局部最小值。
首先利用高斯滤波算法对图像进行线性平滑滤波,用于消除高斯噪声。高斯滤波对整幅图像进行加权平均,每个像素的值通过其本身和领域内其他像素值经过加权平均后得到。通过高斯滤波后能够消除掉图像上的大部分噪声减少后续处理干扰。其次进行二值化处理,将像素值高于阈值的变为1低于阈值的变为0,方便后续的轮廓查找。再次进行形态学运算中的开运算也就是对图像像素值为1的区域进行腐蚀操作,找到局部最小值。最后进行轮廓寻找步骤,在经过上述预处理后的图像上只剩下光刀区域,如图2为本发明实施例1单光刀线投射在六边形孔上时相机拍摄的图像,图2所示光刀一般在两个区域分布,中间部分为拍摄到孔的下层不属于六边形孔特征。因此找到的轮廓不一定是有效轮廓需要后续的处理。
挑选出两个代表六边形孔的轮廓,即上下两个最长的轮廓。
在选择的第一目标区域内寻找六边形孔轮廓,通过每个轮廓外接矩形在图像的位置选出上下两个最长的轮廓;
通过外接矩形区域形成的第二目标区域在原图中挑选与同样的第二目标区域范围进行光刀提取得到光刀中心的二维亚像素坐标。
首先通过算法求出每轮廓的最小外接正矩形,外接矩形既要保证是最小外接矩形也要保证矩形的长款和图像的长宽平行,外接矩形就作为感兴趣处理区域(ROI)。为了方便后续光刀中心提取会在图像宽方向进行适当扩展,一般左右各扩展8像素。其次将轮廓按周长进行排序并挑选出周长大于100像素的进行处理,以排除一些没有消除的噪声参与后续计算。最后通过外接矩形的在图像的位置挑选出上下两个轮廓区域,不仅能区分上下两个轮廓也能排除图2中不属于六边形孔中间部分的轮廓。外接矩形轮廓左上角点的Y坐标乘2后如果小于图像宽度减去外接矩形的宽,说明该外接矩形位于图像上部分,反之位于图像的下部分。
首先挑选出的两个轮廓形成的外接矩形的处理范围在原图上同位置绘制相同的ROI范围。其次在ROI范围内每行利用灰度重心法进行光刀中心的提取,每个轮廓从上至下进行处理后最终得到光刀中心的二维亚像素坐标。
利用传感器的标定参数将二维像素坐标转换为传感器坐标系下的三维点云,如图3所示左图为全部点,右图为提取的特征点。在图像中上半部分轮廓中下方找出特征点,图像下半部分轮廓中上方找出特征点。
在步骤S300中,将六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点后将所述边缘特征三维点云投影到拟合平面计算投影点,分离出六条边,然后计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。
本申请将六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面的过程为:
将六边形孔的边缘特征三维点云和六边形所在平面的三维点云利用SVD分解法原理进行平面拟合得到拟合平面P;计算平面拟合误差的均值作为筛选离面点的标准值;循环计算每个点到所述拟合平面P的距离,并与标准值进行比较,筛选掉远离平面的点。
将边缘特征三维点云投影到拟合平面计算投影点的过程包括:将所述特征三维点云投影到拟合平面P,计算每个六边形特征点到拟合平面的距离根据平面法向量和距离计算每个特征点在拟合平面P上的投影。
分离6条边,六边形的特征点分为了上下两个部分,每个部分包含3条边。上下两个部分同时进行处理。先要找出3条边的拐点,然后根据拐点对特征点云进行分离。
从第4个点开始遍历所有特征点,该点的向前取3个点作为一个集合,向后取3个点作为另外一个集合,这两个集合分别进行直线拟合。计算两条直线的夹角ɑ,如果夹角ɑ接近0度或180度(偏差阈值不超过10度)说明该点位于直线部分,反之就将该点记录下来作为拐点区域的备选点。根据正六边形内角为120度特性,上下两个部分同时进行处理时,角度会出现从接近0度(或180度)变化到接近120度(或60度)再变化到接近0度,该变换过程上下特征点各会出现二次,同时会记录下来二个拐点备选区域。
每个拐点备选区域进行二次寻找拐点。在区域内进行寻找拐点时判断方式沿用之前的方法,但每次选点只选2个点构造一条直线。经过二次寻找后可以获得更范围更小的拐点范围,将排除掉拐点范围内点后将拐点前后的,点划分成3条直线上的点。上下同时处理就可以划分出6条边上的点云。
6条边求交点,在上面的步骤中已经将所有特征点投影到同一平面上,但每个点依旧是三维点不便于进行求解直线交点,因此需要将三维点变为二维点再求交点。
首先在特征点中任意取两个点构造单位方向向量作为新坐标系的X轴,以平面法向量/>作为Z轴,/>就可以构成Y轴。其次为了实现坐标系转换需要在新旧坐标系三个已知点的坐标。由于在构建X轴时已经选择了2个点。假设选择的一个点为P1,已知该点在旧坐标系下的坐标,在新坐标系下为定义为原点;另一个点为P2,计算出该点距离P1的距离D1,那么P2点在新坐标系下坐标为(D1,0,0);第三个点无法直接选取需要通过计算手动构建,在旧坐标系下已知P1点和平面法向量/>就可以构建出旧坐标系下一个点P3=P1+D2*/>其中D2为自定的距离可以为除0外的任意数,那么P3点在新坐标系下坐标就为(0,0,D2)。最后根据三个点计算出新旧坐标系之间的转换关系矩阵RT,并将6条边上的特征点通过转换矩阵RT变换到新坐标系下。
新坐标系下所有特征点的Z坐标是相同的且为0,因此可以直接去点Z值将三维点变为二维点,6条边上二维点分别拟合XOY平面上的6条直线,每两条直线求交点得到6个二维角点,这六个点Z值添上0后再通过RT转换矩阵变换会旧坐标系下的点。
6个角点进行外接圆拟合,利用RANSAC算法对6个点进行圆拟合。随机选择3个点计算对应的空间圆方程,计算其他点到圆的距离di,设定阈值β,若di<β,则认为该点在圆内,否则在圆外,记录在园内点的个数。重复以上步骤,选取内点数量最多的球面对应的模型参数;每次迭代末尾都会根据期望的误差率、最佳内点个数、总样本个数、当前迭代次数计算一个迭代结束评判因子,根据次决定是否停止迭代。迭代结束后,对内点进行最小二乘圆拟合,作为最终的圆拟合系数。通过上述拟合可以得到六边形的外接圆直径以及中点坐标。
6条边求内切圆直径,正六边形内切圆直径=外接圆直径×cos30°。
正六边形测量需要的信息包括:中心点、外切圆直径、内切圆直径、外切圆直径、法向量、方向向量。
本发明实施例1提出了一种基于激光视觉的正六边形孔特征的提取方法,借助传感器采集待处理数据,通过图像部分及点云部分算法对数据进行处理,处理后得可以计算一个正六边形孔的参数包括中心点坐标、外接圆直径、内切圆直径、法向量信息,计算结果可以帮助现场工人来评价加工是否合理,用于生产加工的指导。
实施例2
基于本发明实施例1提出了一种基于激光视觉的正六边形孔特征的提取方法,本发明实施例2提出了一种基于激光视觉的正六边形孔特征的提取***,如图4为本发明实施例2一种基于激光视觉的正六边形孔特征的提取***示意图,该***包括:获取模块、图像处理模块和拟合计算模块;
获取模块用于获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;
图像处理模块用于对每张图像通过图像处理得到光刀中心的二维坐标,将所述二维坐标转换为三维坐标,同时将所述三维坐标统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;
拟合计算模块用于将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点后将所述边缘特征三维点云投影到拟合平面计算投影点,分离出六条边,然后计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。
其中获取模块执行的过程包括:采用摆动式线激光传感器扫描被测六边形孔,按照摆动的角度均匀通过图像采集设备进行图像拍摄,且每张图像有且只有一条光刀线。对于六边形孔特征,传感器总共拍摄61张图像每张图像中有且只有一条光刀线。
图像处理模块执行的过程中,图像处理的过程包括:选择待处理图像中第一目标区域,然后对选择的第一目标区域进行预处理;在选择的第一目标区域内寻找六边形孔轮廓,通过每个轮廓外接矩形在图像的位置选出上下两个最长的轮廓;通过外接矩形区域形成的第二目标区域在原图中挑选与同样的第二目标区域范围进行光刀提取得到光刀中心的二维亚像素坐标。
在本申请中:进行ROI区域的选择,减少待处理的图像大小,第一目标区域为ROI区域。
对选择的第一目标区域进行预处理的过程包括:首先利用高斯滤波算法对第一目标区域进行线性平滑滤波;在线性平滑滤波之后,进行二值化处理;在二值化处理之后,采用形态学运算中的开运算,对像素高于阈值的区域进行腐蚀操作找到局部最小值。
首先利用高斯滤波算法对图像进行线性平滑滤波,用于消除高斯噪声。高斯滤波对整幅图像进行加权平均,每个像素的值通过其本身和领域内其他像素值经过加权平均后得到。通过高斯滤波后能够消除掉图像上的大部分噪声减少后续处理干扰。其次进行二值化处理,将像素值高于阈值的变为1低于阈值的变为0,方便后续的轮廓查找。再次进行形态学运算中的开运算也就是对图像像素值为1的区域进行腐蚀操作,找到局部最小值。最后进行轮廓寻找步骤,在经过上述预处理后的图像上只剩下光刀区域,如图2为本发明实施例1单光刀线投射在六边形孔上时相机拍摄的图像,图2所示光刀一般在两个区域分布,中间部分为拍摄到孔的下层不属于六边形孔特征。因此找到的轮廓不一定是有效轮廓需要后续的处理。
挑选出两个代表六边形孔的轮廓,即上下两个最长的轮廓。
在选择的第一目标区域内寻找六边形孔轮廓,通过每个轮廓外接矩形在图像的位置选出上下两个最长的轮廓;
通过外接矩形区域形成的第二目标区域在原图中挑选与同样的第二目标区域范围进行光刀提取得到光刀中心的二维亚像素坐标。
首先通过算法求出每轮廓的最小外接正矩形,外接矩形既要保证是最小外接矩形也要保证矩形的长款和图像的长宽平行,外接矩形就作为感兴趣处理区域(ROI)。为了方便后续光刀中心提取会在图像宽方向进行适当扩展,一般左右各扩展8像素。其次将轮廓按周长进行排序并挑选出周长大于100像素的进行处理,以排除一些没有消除的噪声参与后续计算。最后通过外接矩形的在图像的位置挑选出上下两个轮廓区域,不仅能区分上下两个轮廓也能排除图2中不属于六边形孔中间部分的轮廓。外接矩形轮廓左上角点的Y坐标乘2后如果小于图像宽度减去外接矩形的宽,说明该外接矩形位于图像上部分,反之位于图像的下部分。
首先挑选出的两个轮廓形成的外接矩形的处理范围在原图上同位置绘制相同的ROI范围。其次在ROI范围内每行利用灰度重心法进行光刀中心的提取,每个轮廓从上至下进行处理后最终得到光刀中心的二维亚像素坐标。
利用传感器的标定参数将二维像素坐标转换为传感器坐标系下的三维点云,如图3所示左图为全部点,右图为提取的特征点。在图像中上半部分轮廓中下方找出特征点,图像下半部分轮廓中上方找出特征点。
拟合计算模块执行的过程中,将六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面的过程为:
将六边形孔的边缘特征三维点云和六边形所在平面的三维点云利用SVD分解法原理进行平面拟合得到拟合平面P;计算平面拟合误差的均值作为筛选离面点的标准值;循环计算每个点到所述拟合平面P的距离,并与标准值进行比较,筛选掉远离平面的点。
将边缘特征三维点云投影到拟合平面计算投影点的过程包括:将所述特征三维点云投影到拟合平面P,计算每个六边形特征点到拟合平面的距离根据平面法向量和距离计算每个特征点在拟合平面P上的投影。
分离6条边,六边形的特征点分为了上下两个部分,每个部分包含3条边。上下两个部分同时进行处理。先要找出3条边的拐点,然后根据拐点对特征点云进行分离。
从第4个点开始遍历所有特征点,该点的向前取3个点作为一个集合,向后取3个点作为另外一个集合,这两个集合分别进行直线拟合。计算两条直线的夹角ɑ,如果夹角ɑ接近0度或180度(偏差阈值不超过10度)说明该点位于直线部分,反之就将该点记录下来作为拐点区域的备选点。根据正六边形内角为120度特性,上下两个部分同时进行处理时,角度会出现从接近0度(或180度)变化到接近120度(或60度)再变化到接近0度,该变换过程上下特征点各会出现二次,同时会记录下来二个拐点备选区域。
每个拐点备选区域进行二次寻找拐点。在区域内进行寻找拐点时判断方式沿用之前的方法,但每次选点只选2个点构造一条直线。经过二次寻找后可以获得更范围更小的拐点范围,将排除掉拐点范围内点后将拐点前后的,点划分成3条直线上的点。上下同时处理就可以划分出6条边上的点云。
6条边求交点,在上面的步骤中已经将所有特征点投影到同一平面上,但每个点依旧是三维点不便于进行求解直线交点,因此需要将三维点变为二维点再求交点。
首先在特征点中任意取两个点构造单位方向向量作为新坐标系的X轴,以平面法向量/>作为Z轴,/>就可以构成Y轴。其次为了实现坐标系转换需要在新旧坐标系三个已知点的坐标。由于在构建X轴时已经选择了2个点。假设选择的一个点为P1,已知该点在旧坐标系下的坐标,在新坐标系下为定义为原点;另一个点为P2,计算出该点距离P1的距离D1,那么P2点在新坐标系下坐标为(D1,0,0);第三个点无法直接选取需要通过计算手动构建,在旧坐标系下已知P1点和平面法向量/>就可以构建出旧坐标系下一个点P3=P1+D2*/>其中D2为自定的距离可以为除0外的任意数,那么P3点在新坐标系下坐标就为(0,0,D2)。最后根据三个点计算出新旧坐标系之间的转换关系矩阵RT,并将6条边上的特征点通过转换矩阵RT变换到新坐标系下。
新坐标系下所有特征点的Z坐标是相同的且为0,因此可以直接去点Z值将三维点变为二维点,6条边上二维点分别拟合XOY平面上的6条直线,每两条直线求交点得到6个二维角点,这六个点Z值添上0后再通过RT转换矩阵变换会旧坐标系下的点。
6个角点进行外接圆拟合,利用RANSAC算法对6个点进行圆拟合。随机选择3个点计算对应的空间圆方程,计算其他点到圆的距离di,设定阈值β,若di<β,则认为该点在圆内,否则在圆外,记录在园内点的个数。重复以上步骤,选取内点数量最多的球面对应的模型参数;每次迭代末尾都会根据期望的误差率、最佳内点个数、总样本个数、当前迭代次数计算一个迭代结束评判因子,根据次决定是否停止迭代。迭代结束后,对内点进行最小二乘圆拟合,作为最终的圆拟合系数。通过上述拟合可以得到六边形的外接圆直径以及中点坐标。
6条边求内切圆直径。正六边形内切圆直径=外接圆直径×cos30°。
正六边形测量需要的信息包括:中心点、外切圆直径、内切圆直径、外切圆直径、法向量、方向向量。
本发明实施例2提出了一种基于激光视觉的正六边形孔特征的提取***,借助传感器采集待处理数据,通过图像部分及点云部分算法对数据进行处理,处理后得可以计算一个正六边形孔的参数包括中心点坐标、外接圆直径、内切圆直径、法向量信息,计算结果可以帮助现场工人来评价加工是否合理,用于生产加工的指导。
本申请实施例提供的一种基于激光视觉的正六边形孔特征的提取***中相关部分的说明可以参见本申请实施例1提供的一种基于激光视觉的正六边形孔特征的提取方法中对应部分的详细说明,在此不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制。对于所属领域的技术人员来说,在上述说明的基础上还可以做出其它不同形式的修改或变形。这里无需也无法对所有的实施方式予以穷举。在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,包括以下步骤:
获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;
对每张图像通过图像处理得到光刀中心的二维坐标,将所述二维坐标转换为三维坐标,同时将所述三维坐标统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;
将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点后将所述边缘特征三维点云投影到拟合平面计算投影点,分离出六条边,然后计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。
2.根据权利要求1所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,所述获取光刀线扫描正六边形孔的多张图像的过程包括:
采用摆动式线激光传感器扫描被测六边形孔,按照摆动的角度均匀通过图像采集设备进行图像拍摄,且每张图像有且只有一条光刀线。
3.根据权利要求1所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,所述图像处理的过程包括:
选择待处理图像中第一目标区域,然后对选择的第一目标区域进行预处理;
在选择的第一目标区域内寻找六边形孔轮廓,通过每个轮廓外接矩形在图像的位置选出上下两个最长的轮廓;
通过外接矩形区域形成的第二目标区域在原图中挑选与同样的第二目标区域范围进行光刀提取得到光刀中心的二维亚像素坐标。
4.根据权利要求3所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,所述预处理的过程包括:
首先利用高斯滤波算法对第一目标区域进行线性平滑滤波;
在线性平滑滤波之后,进行二值化处理;
在二值化处理之后,采用形态学运算中的开运算,对像素高于阈值的区域进行腐蚀操作找到局部最小值。
5.根据权利要求1所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点过程包括:
将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云利用SVD分解法原理进行平面拟合得到拟合平面;
计算平面拟合误差的均值作为筛选离面点的标准值;
循环计算每个点到所述拟合平面的距离,并与标准值进行比较,筛选掉远离平面的点。
6.根据权利要求5所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,将所述边缘特征三维点云投影到拟合平面计算投影点的过程包括:将所述边缘特征三维点云投影到拟合平面,计算每个六边形特征点到拟合平面的距离根据平面法向量和距离计算每个特征点在拟合平面上的投影。
7.根据权利要求6所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,所述分离出六条边的过程包括:
将六边形分成两部分,每个部分均包括三条边;从第四个点开始遍历所有特征点,第四个点向前取三个点作为第一集合,第四个点向后取三个点作为第二集合;第一集合和第二集合分别进行直线拟合;
计算两条直线的夹角,如果夹角不超过角度偏差阈值,则当前点位于直线部分,否则为拐点区域的备选点;
每个拐点备选区域进行二次寻找拐点,每次选择两个点构成一条直线。向前和向后同时处理画出六条边上的点云。
8.根据权利要求7所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,在分离出六条边之后,进行六条边求交点得到六个角点,六个角点进行外接圆拟合和六条边求内切圆直径。
9.根据权利要求8所述的一种基于激光视觉的正六边形孔特征的提取方法,其特征在于,所述正六边形内切圆直径=外接圆直径×cos30°。
10.一种基于激光视觉的正六边形孔特征的提取***,其特征在于,包括获取模块、图像处理模块和拟合计算模块;
所述获取模块用于获取光刀线扫描正六边形孔的多张图像,且每张图像有且只有一条光刀线;
所述图像处理模块用于对每张图像通过图像处理得到光刀中心的二维坐标,将所述二维坐标转换为三维坐标,同时将所述三维坐标统一到一个相机坐标系下得到六边形孔的边缘特征三维点云和六边形所在平面的三维点云;
所述拟合计算模块用于将所述六边形孔的边缘特征三维点云和六边形所在平面的三维点云进行平面拟合得到拟合平面,筛选掉远离拟合平面的点后将所述边缘特征三维点云投影到拟合平面计算投影点,分离出六条边,然后计算出六边形孔的中心点、外切圆直径、内切圆直径、外切圆直径、法向量和方向向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140327.8A CN116385356A (zh) | 2023-02-17 | 2023-02-17 | 一种基于激光视觉的正六边形孔特征的提取方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140327.8A CN116385356A (zh) | 2023-02-17 | 2023-02-17 | 一种基于激光视觉的正六边形孔特征的提取方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116385356A true CN116385356A (zh) | 2023-07-04 |
Family
ID=86970122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310140327.8A Pending CN116385356A (zh) | 2023-02-17 | 2023-02-17 | 一种基于激光视觉的正六边形孔特征的提取方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385356A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710396A (zh) * | 2023-12-14 | 2024-03-15 | 安徽工布智造工业科技有限公司 | 一种基于3d点云的轻钢行业非标零件的识别方法 |
-
2023
- 2023-02-17 CN CN202310140327.8A patent/CN116385356A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117710396A (zh) * | 2023-12-14 | 2024-03-15 | 安徽工布智造工业科技有限公司 | 一种基于3d点云的轻钢行业非标零件的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111299815B (zh) | 一种用于低灰度橡胶垫视觉检测与激光切割轨迹规划方法 | |
US5471541A (en) | System for determining the pose of an object which utilizes range profiles and synethic profiles derived from a model | |
CN111222516B (zh) | 印制电路板点云关键轮廓特征提取方法 | |
CN111640158B (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
CN110060338B (zh) | 一种基于bim模型的预制构件点云识别方法 | |
CN113470090A (zh) | 基于sift-shot特征的多固态激光雷达外参标定方法 | |
CN111539446B (zh) | 一种基于模板匹配的2d激光孔位检测方法 | |
CN110232388B (zh) | 一种从蜂窝芯表面测量数据中识别蜂窝边的方法 | |
CN113393426A (zh) | 一种轧钢板表面缺陷检测方法 | |
CN113781585B (zh) | 一种增材制造零件表面缺陷在线检测方法及*** | |
CN110780276A (zh) | 一种基于激光雷达的托盘识别方法、***和电子设备 | |
CN114037675A (zh) | 一种飞机样板缺陷检测方法及装置 | |
CN113538503A (zh) | 一种基于红外图像的太阳能板缺陷检测方法 | |
CN116385356A (zh) | 一种基于激光视觉的正六边形孔特征的提取方法和*** | |
CN111968224A (zh) | 船舶3d扫描点云数据处理方法 | |
CN116188544A (zh) | 一种结合边缘特征的点云配准方法 | |
CN113870326B (zh) | 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法 | |
CN114004899B (zh) | 一种栈板位姿识别方法、存储介质及设备 | |
CN112907601B (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
CN117706577A (zh) | 基于激光雷达三维点云算法的船舶尺寸测量方法 | |
CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
Kampel et al. | Robust 3D reconstruction of archaeological pottery based on concentric circular rills | |
CN117292181A (zh) | 基于3d点云处理的钣金件孔组分类及全尺寸测量方法 | |
CN116579955A (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及*** | |
CN116245872A (zh) | 一种基于卷积神经网络的飞机结构裂纹检测方法 |
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 |