CN116399262A - 一种工件精度检测方法、***及设备 - Google Patents
一种工件精度检测方法、***及设备 Download PDFInfo
- Publication number
- CN116399262A CN116399262A CN202211352121.3A CN202211352121A CN116399262A CN 116399262 A CN116399262 A CN 116399262A CN 202211352121 A CN202211352121 A CN 202211352121A CN 116399262 A CN116399262 A CN 116399262A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- obtaining
- boundary line
- distance
- gray
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000005070 sampling Methods 0.000 claims description 25
- 239000002245 particle Substances 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
- G01B11/27—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2408—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring roundness
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及工业检测领域,具体公开一种工件精度检测方法、***及设备,方法包括:获取柱状工件在轴向旋转下拍摄到的多个灰度图像,根据最小二乘法,计算第一边界线和第二边界线的距离,得到直线度偏差,计算同一截面下的坐标点距离圆心坐标最远距离和最近距离的差,得到圆度偏差,基于最小二乘法拟合得到空间轴,计算所有截面的坐标点中距离空间轴最远和最近点的差,得到圆柱度偏差。本发明提出了一种基于机器视觉的工件精度检测技术方案,可满足精密工件的检测要求,检测过程不接触工件,不会划痕工件,可以快速获取工件形状轮廓来计算其精度。
Description
技术领域
本发明涉及工业检测领域,尤其涉及一种工件精度检测方法、***及设备。
背景技术
目前,对对于圆柱形工件的检测,行业内依赖于传统的检测方法,如圆柱形工件的的直线度和圆度的测量通常采用人工规尺检查和测量,这具有误差大、效率低、与工件接触易造成损耗的缺点。
发明内容
鉴于以上技术问题,本发明提供了一种工件精度检测方法、***及设备,以提供一种快速、高效地计算柱状工件精度偏差的方法的技术方案。
本公开的其他特征和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本发明的一方面,公开一种工件精度检测方法,所述方法包括:
获取柱状工件在轴向旋转下拍摄到的多个灰度图像,所述柱状工件旋转的总角度为360°,多个所述灰度图像是在相同间隔角度下拍摄得到的;
获取所述灰度图像的像素边缘的多个采样点,根据最小二乘法,生成第一基线,设定平行于所述第一基线的第二基线,所述第二基线以距离所述第一基线垂直距离最远的所述采样点为基点,通过改变所述第二基线的斜率,得到第一边界线,设置与所述第一边界线平行的第二边界线,所述第二边界线相交于与所述第一边界线垂直距离最远的所述采样点,计算所述第一边界线和所述第二边界线的距离,得到直线度偏差;
基于获取的多个所述灰度图像的所述像素边缘,得到所述柱状工件表面的三维轮廓坐标集,获取所述坐标集在同一所述柱状工件的截面下的所有坐标点,基于粒子群优化算法,获得所述柱状工件的截面的圆心坐标,计算同一截面下的所述坐标点距离所述圆心坐标最远距离和最近距离的差,得到圆度偏差;
根据获得的每个截面的所述圆心坐标,基于最小二乘法拟合得到空间轴,计算所有截面的所述坐标点中距离所述空间轴最远和最近点的差,得到圆柱度偏差。
进一步的,在获取所述灰度图像前,对用于采集所述灰度图像的相机进行标定。
进一步的,在获得所述灰度图像后,对所述灰度图像进行矫正,包括:获取所述灰度图像中所述柱状工件的上边缘和下边缘坐标,对平均数据进行加法算法计算得到中心线,并通过最小二乘法拟合得到中心线的斜率,由此得到旋转角,根据所述旋转角对所述灰度图像进行矫正。
进一步的,获得矫正的所述灰度图像后,对所述灰度图像进行预处理,包括:进行感兴趣区域提取;采用高斯滤波器对同一所述灰度图像进行滤波处理;基于大津法算法对处理后所述灰度图像进行阈值分割;基于多级边缘检测算法提取阈值分割后的所述灰度图像中柱状工件的粗糙边缘;采用多项式拟合算法从所述粗糙边缘中得到精细边缘。
根据本公开的第二方面,提供一种工件精度检测***,包括:采集模块,用于获取柱状工件在轴向旋转下拍摄到的多个灰度图像,所述柱状工件旋转的总角度为360°,多个所述灰度图像是在相同间隔角度下拍摄得到的;计算模块,用于获取所述灰度图像的像素边缘的多个采样点,根据最小二乘法,生成第一基线,设定平行于所述第一基线的第二基线,所述第二基线以距离所述第一基线垂直距离最远的所述采样点为基点,通过改变所述第二基线的斜率,得到第一边界线,设置与所述第一边界线平行的第二边界线,所述第二边界线相交于与所述第一边界线垂直距离最远的所述采样点,计算所述第一边界线和所述第二边界线的距离,得到直线度偏差;和用于基于获取的多个所述灰度图像的所述像素边缘,得到所述柱状工件表面的三维轮廓坐标集,获取所述坐标集在同一所述柱状工件的截面下的所有坐标点,基于粒子群优化算法,获得所述柱状工件的截面的圆心坐标,计算同一截面下的所述坐标点距离所述圆心坐标最远距离和最近距离的差,得到圆度偏差;以及用于根据获得的每个截面的所述圆心坐标,基于最小二乘法拟合得到空间轴,计算所有截面的所述坐标点中距离所述空间轴最远和最近点的差,得到圆柱度偏差。
根据本公开的第三方面,提供一种工件精度检测设备,包括:相机和光源;机器手;一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述的工件精度检测方法。
本公开的技术方案具有以下有益效果:
提出了一种基于机器视觉的工件精度检测技术方案,可满足精密工件的检测要求,检测过程不接触工件,不会划痕工件,可以快速获取工件形状轮廓来计算其精度。该方案具有高效、快速和自动操作的优点。
附图说明
图1为本说明书实施例中的一种工件精度检测方法的流程图;
图2为本说明书实施例中的直线度偏差计算原理图;
图3为本说明书实施例中三维轮廓计算原理图;
图4为本说明书实施例中工件精度检测设备的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特征可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
如图1所示,本说明书实施例提供一种工件精度检测方法,该方法的执行主体可以为计算机。该方法具体可以包括以下步骤S101~S104:
在步骤S101中,获取柱状工件在轴向旋转下拍摄到的多个灰度图像,所述柱状工件旋转的总角度为360°,多个所述灰度图像是在相同间隔角度下拍摄得到的。
其中,柱状工件可以由机器手控制下旋转,其旋转角度固定角度后,拍摄一张柱状工件的图像,如每隔2°拍摄一次,则获得180张灰度图像。
在步骤S102中,获取所述灰度图像的像素边缘的多个采样点,根据最小二乘法,生成第一基线,设定平行于所述第一基线的第二基线,所述第二基线以距离所述第一基线垂直距离最远的所述采样点为基点,通过改变所述第二基线的斜率,得到第一边界线,设置与所述第一边界线平行的第二边界线,所述第二边界线相交于与所述第一边界线垂直距离最远的所述采样点,计算所述第一边界线和所述第二边界线的距离,得到直线度偏差。
其中,直线度偏差是工件的边缘线与参考线之间最大和最小距离的差,在此根据最小区域方法的最小条件原理搜索包含被测量边缘的两条平行线之间的距离的最小值。如图2所示,采用最小二乘法得到第一基线L1,第一基线L1的线性方程为y=k1x+m,找到距离第一基线垂直距离最远的采样点P1,得到初始状态下的第二基线L2,初始状态的第二基线L2与第一基线L1平行,随后,将所有采样点分为高点和低点两类点,以P1为基点,通过改变第二基线L2的斜率,采样点位于第二基线L2的下方或上方,从而确定临界点P2。其中,ki=k1+a,k1为第一基线L1的斜率,a为最小值,根据k1计算相应的截距,mi=-kixP1+yP1;为了计算临界点P2,根据公式W=kix+mi-y,除了P1外,所有坐标点的坐标均替换为该公式中,当ki变化时计算采样点。当W为零时,便可以获得临界点P2。然而,在实际情况下,通过设置较小的a,P2出现在两条基线之间,应满足以下要求:
min{kix+mi-y}<0;
第一边界线y=kix+m由P1和P2确定,找到离第一边界线最远的点P3,第二边界线也可以被确定,计算第一边界线和第二边界线的直线距离,得到直线度偏差。
在步骤S103中,基于获取的多个所述灰度图像的所述像素边缘,得到所述柱状工件表面的三维轮廓坐标集,获取所述坐标集在同一所述柱状工件的截面下的所有坐标点,基于粒子群算法,获得所述柱状工件的截面的圆心坐标,计算同一截面下的所述坐标点距离所述圆心坐标最远距离和最近距离的差,得到圆度偏差。
其中,设置柱状工件的轴线的一端为坐标原点,设初始位置角度为0°,相机采集的工件轮廓面上的点坐标为(x1,y1,z1),在柱状工件旋转β角度后,其坐标为(x2,y2,z2),两个坐标的转换关系为:
y1=AO·cos0°
z1=AO·sin0°
y2=BO·cosβ
z2=BO·sinβ
x1=x2
如图3所示,A0为点A与工件轴线之间的距离。工件通过工件旋转收集工件边缘信息,由相机建立柱状工件表面的三维轮廓模型,即得到三维轮廓坐标集。
假设(xi,yi)为工件实际轮廓上的测量坐标,(xk,yk)为待求解最小区域法的中心坐标,则从测量点到中心点的距离是则圆度偏差为最大的Hik减去最小的Hik,确定了坐标(xk,yk)即可得到圆度偏差,坐标(xk,yk)由粒子群算法得到,具体该算法可参考原有技术。
在步骤S104中,根据获得的每个截面的所述圆心坐标,基于最小二乘法拟合得到空间轴,计算所有截面的所述坐标点中距离所述空间轴最远和最近点的差,得到圆柱度偏差。
在一实施方式中,在获取所述灰度图像前,对用于采集所述灰度图像的相机进行标定。
其中,在二维图像的生成过程中,存在不同程度的非线性变形,通常称为几何变形。此外,还有其他因素,如相机成像过程的不稳定性和由低图像分辨率引起的量化偏差。因此,图像中的目标点与世界坐标系中相应的点之间存在着复杂的非线性关系。由于这些畸变的存在,不同图像区域的一个方向的校准系数是不同的。因而,需要采用标定板进行标定,确认相机内置矩阵参数和外部矩阵参数的畸变系数。
在一实施方式中,在获得所述灰度图像后,对所述灰度图像进行矫正,包括:获取所述灰度图像中所述柱状工件的上边缘和下边缘坐标,对平均数据进行加法算法计算得到中心线,并通过最小二乘法拟合得到中心线的斜率,由此得到旋转角,根据所述旋转角对所述灰度图像进行矫正。
其中,由于相机安装和设备装配的偏差,所获得的零件图像可能会有一个较小的倾斜角度。在计算形状偏差时,需要获得多个灰度图像的边缘坐标,其坐标都会受到较小的倾斜角度的影响。这就增加了检测的偏差和检测的复杂度。为了提高检测精度和效率,有必要对测量的部分图像进行校正。矫正方法如上,当中,通过旋转角进行修正,可以表达为用q对测量的零件图像进行修正。假设这一点P0(x0,y0)逆时针旋转的θ是P0(x、y),旋转后的坐标点矩阵表达式如下:
在一实施方式中,获得矫正的所述灰度图像后,对所述灰度图像进行预处理,包括:进行感兴趣区域提取;采用高斯滤波器对同一所述灰度图像进行滤波处理;基于大津法算法对处理后所述灰度图像进行阈值分割;基于多级边缘检测算法提取阈值分割后的所述灰度图像中柱状工件的粗糙边缘;采用多项式拟合算法从所述粗糙边缘中得到精细边缘。
其中,用多项式拟合算法可以表示为:
通过计算最小二乘的二次和并导出,如果等于0,就得到了结果:
通过求解上述方程,可以确定拟合的多项式系数。
基于同样的思路,本公开的示例性实施方式还提供了一种工件精度检测***,包括:采集模块,用于获取柱状工件在轴向旋转下拍摄到的多个灰度图像,所述柱状工件旋转的总角度为360°,多个所述灰度图像是在相同间隔角度下拍摄得到的;计算模块,用于获取所述灰度图像的像素边缘的多个采样点,根据最小二乘法,生成第一基线,设定平行于所述第一基线的第二基线,所述第二基线以距离所述第一基线垂直距离最远的所述采样点为基点,通过改变所述第二基线的斜率,得到第一边界线,设置与所述第一边界线平行的第二边界线,所述第二边界线相交于与所述第一边界线垂直距离最远的所述采样点,计算所述第一边界线和所述第二边界线的距离,得到直线度偏差;和用于基于获取的多个所述灰度图像的所述像素边缘,得到所述柱状工件表面的三维轮廓坐标集,获取所述坐标集在同一所述柱状工件的截面下的所有坐标点,基于粒子群优化算法,获得所述柱状工件的截面的圆心坐标,计算同一截面下的所述坐标点距离所述圆心坐标最远距离和最近距离的差,得到圆度偏差;以及用于根据获得的每个截面的所述圆心坐标,基于最小二乘法拟合得到空间轴,计算所有截面的所述坐标点中距离所述空间轴最远和最近点的差,得到圆柱度偏差。
上述***中各模块的具体细节在方法部分实施方式中已经详细说明,未披露的细节内容可以参见方法部分的实施方式内容,因而不再赘述。
基于同样的思路,本说明书实施例还提供一种工件精度检测设备,如图4所示。
工件精度检测设备可以为上述实施例提供的终端设备或服务器。
工件精度检测设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器501和存储器502,存储器502中可以存储有一个或一个以上存储应用程序或数据。其中,存储器502可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)和/或高速缓存存储单元,还可以进一步包括只读存储单元。存储在存储器502的应用程序可以包括一个或一个以上程序模块(图示未示出),这样的程序模块包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。更进一步地,处理器501可以设置为与存储器502通信,在工件精度检测设备上执行存储器502中的一系列计算机可执行指令。工件精度检测设备还可以包括一个或一个以上电源503,一个或一个以上有线或无线网络接口504,一个或一个以上I/O接口(输入输出接口)505,一个或多个外部设备506(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或一个以上使得用户能与该设备交互的设备通信,和/或与使得该设备能与一个或一个以上其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过I/O接口505进行。并且,设备还可以通过有线或无线接口504与一个或一个以上网络(例如局域网(LAN)通讯。
具体在本实施例中,工件精度检测设备包括有相机507、光源508、机器手509、存储器502,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器502中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对工件精度检测设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器501执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取柱状工件在轴向旋转下拍摄到的多个灰度图像,所述柱状工件旋转的总角度为360°,多个所述灰度图像是在相同间隔角度下拍摄得到的;
获取所述灰度图像的像素边缘的多个采样点,根据最小二乘法,生成第一基线,设定平行于所述第一基线的第二基线,所述第二基线以距离所述第一基线垂直距离最远的所述采样点为基点,通过改变所述第二基线的斜率,得到第一边界线,设置与所述第一边界线平行的第二边界线,所述第二边界线相交于与所述第一边界线垂直距离最远的所述采样点,计算所述第一边界线和所述第二边界线的距离,得到直线度偏差;
基于获取的多个所述灰度图像的所述像素边缘,得到所述柱状工件表面的三维轮廓坐标集,获取所述坐标集在同一所述柱状工件的截面下的所有坐标点,基于粒子群优化算法,获得所述柱状工件的截面的圆心坐标,计算同一截面下的所述坐标点距离所述圆心坐标最远距离和最近距离的差,得到圆度偏差;
根据获得的每个截面的所述圆心坐标,基于最小二乘法拟合得到空间轴,计算所有截面的所述坐标点中距离所述空间轴最远和最近点的差,得到圆柱度偏差。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开示例性实施方式的方法。
此外,上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的示例性实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施方式。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (6)
1.一种工件精度检测方法,其特征在于,所述方法包括:
获取柱状工件在轴向旋转下拍摄到的多个灰度图像,所述柱状工件旋转的总角度为360°,多个所述灰度图像是在相同间隔角度下拍摄得到的;
获取所述灰度图像的像素边缘的多个采样点,根据最小二乘法,生成第一基线,设定平行于所述第一基线的第二基线,所述第二基线以距离所述第一基线垂直距离最远的所述采样点为基点,通过改变所述第二基线的斜率,得到第一边界线,设置与所述第一边界线平行的第二边界线,所述第二边界线相交于与所述第一边界线垂直距离最远的所述采样点,计算所述第一边界线和所述第二边界线的距离,得到直线度偏差;
基于获取的多个所述灰度图像的所述像素边缘,得到所述柱状工件表面的三维轮廓坐标集,获取所述坐标集在同一所述柱状工件的截面下的所有坐标点,基于粒子群优化算法,获得所述柱状工件的截面的圆心坐标,计算同一截面下的所述坐标点距离所述圆心坐标最远距离和最近距离的差,得到圆度偏差;
根据获得的每个截面的所述圆心坐标,基于最小二乘法拟合得到空间轴,计算所有截面的所述坐标点中距离所述空间轴最远和最近点的差,得到圆柱度偏差。
2.根据权利要求1所述的工件精度检测方法,其特征在于,在获取所述灰度图像前,对用于采集所述灰度图像的相机进行标定。
3.根据权利要求1所述的工件精度检测方法,其特征在于,在获得所述灰度图像后,对所述灰度图像进行矫正,包括:
获取所述灰度图像中所述柱状工件的上边缘和下边缘坐标,对平均数据进行加法算法计算得到中心线,并通过最小二乘法拟合得到中心线的斜率,由此得到旋转角,根据所述旋转角对所述灰度图像进行矫正。
4.根据权利要求3所述的工件精度检测方法,其特征在于,获得矫正的所述灰度图像后,对所述灰度图像进行预处理,包括:
进行感兴趣区域提取;
采用高斯滤波器对同一所述灰度图像进行滤波处理;
基于大津法算法对处理后所述灰度图像进行阈值分割;
基于多级边缘检测算法提取阈值分割后的所述灰度图像中柱状工件的粗糙边缘;
采用多项式拟合算法从所述粗糙边缘中得到精细边缘。
5.一种工件精度检测***,其特征在于,包括:
采集模块,用于获取柱状工件在轴向旋转下拍摄到的多个灰度图像,所述柱状工件旋转的总角度为360°,多个所述灰度图像是在相同间隔角度下拍摄得到的;
计算模块,用于获取所述灰度图像的像素边缘的多个采样点,根据最小二乘法,生成第一基线,设定平行于所述第一基线的第二基线,所述第二基线以距离所述第一基线垂直距离最远的所述采样点为基点,通过改变所述第二基线的斜率,得到第一边界线,设置与所述第一边界线平行的第二边界线,所述第二边界线相交于与所述第一边界线垂直距离最远的所述采样点,计算所述第一边界线和所述第二边界线的距离,得到直线度偏差;和用于基于获取的多个所述灰度图像的所述像素边缘,得到所述柱状工件表面的三维轮廓坐标集,获取所述坐标集在同一所述柱状工件的截面下的所有坐标点,基于粒子群优化算法,获得所述柱状工件的截面的圆心坐标,计算同一截面下的所述坐标点距离所述圆心坐标最远距离和最近距离的差,得到圆度偏差;以及用于根据获得的每个截面的所述圆心坐标,基于最小二乘法拟合得到空间轴,计算所有截面的所述坐标点中距离所述空间轴最远和最近点的差,得到圆柱度偏差。
6.一种工件精度检测设备,其特征在于,包括:
相机和光源;
机器手;
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一项所述的工件精度检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211352121.3A CN116399262A (zh) | 2022-10-31 | 2022-10-31 | 一种工件精度检测方法、***及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211352121.3A CN116399262A (zh) | 2022-10-31 | 2022-10-31 | 一种工件精度检测方法、***及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116399262A true CN116399262A (zh) | 2023-07-07 |
Family
ID=87018481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211352121.3A Pending CN116399262A (zh) | 2022-10-31 | 2022-10-31 | 一种工件精度检测方法、***及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116399262A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117405054A (zh) * | 2023-10-26 | 2024-01-16 | 浙江巨丰模架有限公司 | 基于三坐标测量的模架精框精度在线检测方法及*** |
-
2022
- 2022-10-31 CN CN202211352121.3A patent/CN116399262A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117405054A (zh) * | 2023-10-26 | 2024-01-16 | 浙江巨丰模架有限公司 | 基于三坐标测量的模架精框精度在线检测方法及*** |
CN117405054B (zh) * | 2023-10-26 | 2024-04-30 | 浙江巨丰模架有限公司 | 基于三坐标测量的模架精框精度在线检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021184307A (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
CN108830868B (zh) | 一种基于Snake模型和迭代极性转换回归结合的圆弧拟合方法 | |
CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN109272574B (zh) | 基于投影变换的线阵旋转扫描相机成像模型构建方法和标定方法 | |
CN109544643B (zh) | 一种摄像机图像校正方法及装置 | |
CN112017232B (zh) | 图像内圆形图案的定位方法、装置及设备 | |
JP2019091493A (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 | |
Zhou et al. | Fast star centroid extraction algorithm with sub-pixel accuracy based on FPGA | |
CN116399262A (zh) | 一种工件精度检测方法、***及设备 | |
CN116433737A (zh) | 一种激光雷达点云与图像配准的方法、装置及智能终端 | |
CN114463442A (zh) | 一种非同轴相机的标定方法 | |
CN113052905A (zh) | 基于双目逆投影变换的圆形目标位姿测量方法和装置 | |
CN111539934B (zh) | 一种线激光中心的提取方法 | |
CN110956630A (zh) | 平面印刷缺陷检测方法、装置以及*** | |
CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
CN112631200A (zh) | 一种机床轴线测量方法以及装置 | |
CN115546016B (zh) | Pcb的2d和3d图像的采集和处理方法及相关装置 | |
CN110458951B (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
CN115082543A (zh) | 一种激光修正方法 | |
CN115423768A (zh) | 一种镜片尺寸测量方法、***、存储介质及智能终端 | |
CN114998571A (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
CN113627548A (zh) | 一种平面工件模板匹配方法、装置、介质及计算机设备 | |
Sun et al. | Calibration Method for a Multi-line Structured Laser Light Vision System. | |
CN205120108U (zh) | 一种基于摄像装置的精度补偿*** | |
Ricolfe-Viala et al. | Improved camera calibration method based on a two-dimensional template |
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 |