CN117109471A - 零件轮廓检测及比对方法 - Google Patents
零件轮廓检测及比对方法 Download PDFInfo
- Publication number
- CN117109471A CN117109471A CN202310937992.XA CN202310937992A CN117109471A CN 117109471 A CN117109471 A CN 117109471A CN 202310937992 A CN202310937992 A CN 202310937992A CN 117109471 A CN117109471 A CN 117109471A
- Authority
- CN
- China
- Prior art keywords
- point set
- point
- contour
- image
- pair
- 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 70
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种零件轮廓检测及比对方法,包括:提供第一零件和与之配合的第二零件或对应的参考图形,并获取这些零件或参考图形上待测轮廓的图像;在对应图像中获取第一零件的第一待测轮廓的第一点集,获取第二零件的第二待测轮廓或参考图形的第二点集;对第一点集和第二点集进行匹配,并按照匹配结果将第一点集和第二点集重叠显示;确定第一点集内的每个点所对应的在第二点集内的最小距离点,获得点对集合;计算点对集合内每一点对之间的距离;判断点对集合内每一点对之间的距离是否在预定的公差范围内;根据判断结果在图像上标示相关信息。在一幅图像内可视化显示检测比对结果,方便技术人员直观地阅读。
Description
【技术领域】
本发明涉及一种零件轮廓检测及比对方法。
【背景技术】
在制造业中,无论是生产零件还是使用零件,往往都需要对零件轮廓进行尺寸测量,并判断被测零件是否符合预定的尺寸公差,以检验该被测零件的制造精度。传统的测量方式利用人工操作测量仪器来进行测量,测量的效率和精度有不稳定性。对于不规则形状的零件,如果要完全地检验其制造精度,就需要测量该不规则形状零件的轮廓的所有尺寸,人工测量的话效率和可操作性都很低。对于需要相互配合的不同零件,一般而言也只能分别检验不同零件是否符合各自的公差,无法通过一次测量就直观地反映出被测零件之间能否顺利地相互配合。
【发明内容】
针对背景技术,本发明提供了两个零件轮廓检测及比对方法,其中一种检测并比对相互配合的第一零件和第二零件,通过一次测量得出被测的第一零件的第一待测轮廓和第二零件的第二待测轮廓以及对应的第一待测轮廓和第二待测轮廓之间的间隙是否符合预定的公差范围,并将这些结果在一幅图像内可视化显示,方便技术人员直观地阅读检测比对结果,从而判断第一零件和第二零件之间能否顺利的相互配合;另一种检测并比对单个零件及其对应的参考图形,通过一次测量得出被测的单个零件相对于参考图形是否符合预定的公差范围,并将这些结果在一幅图像内可视化显示,方便技术人员直观地阅读检测比对结果。
为实现上述目的,本发明采用以下技术手段:
一种零件轮廓检测及比对方法,包括:步骤一、提供相互配合的第一零件和第二零件,并获取第一零件上的第一待测轮廓的第一图像和第二零件上的第二待测轮廓的第二图像;步骤二、在第一图像中获取第一待测轮廓的第一点集,在第二图像中获取第二待测轮廓的第二点集;步骤三、对第一点集和第二点集进行匹配,并按照匹配结果将第一点集和第二点集在第二图像中重叠显示;步骤四、确定第一点集内的每个点所对应的在第二点集内的最小距离点,获得点对集合;步骤五、计算点对集合内每一点对之间的距离;步骤六、判断点对集合内每一点对之间的距离是否在预定的公差范围内;步骤七、根据判断结果在第二图像上标示相关信息。
进一步地,在步骤一中,通过采集单个第一待测轮廓和/或单个第二待测轮廓的多幅局部图像,再拼接这些局部图像,从而得到包含整个第一待测轮廓和/或整个第二待测轮廓的完整图像。
进一步地,当单个第一零件上具有多个第一待测轮廓,或单个第二零件上具有多个第二待测轮廓,或者需要同时检测多个第一零件和/或第二零件时,在步骤一中,采集多幅局部图像,且每一局部图像包含单个完整的第一待测轮廓或第二待测轮廓,再拼接这些局部图像,从而得到包含多个第一待测轮廓或第二待测轮廓的完整图像。
进一步地,在对第一点集和第二点集进行匹配之前,建立第一图像的第一坐标系和第二图像的第二坐标系,在步骤三中获取第一点集在第一坐标系中的坐标数据,获取第二点集在第二坐标系中的坐标数据,再进行坐标系变换重叠,实现第一点集与第二点集的匹配。
进一步地,在步骤三中,先通过最小外接矩形法或者惯性椭圆法,对第一点集和第二点集进行粗匹配;再通过最小二乘法对第一点集和第二点集进行精匹配,实现第一点集与第二点集的匹配。
进一步地,在步骤七中,相关信息包括偏离公差范围的点对的位置、偏离公差范围的点对的距离大小以及该距离大小相对于公差范围是超出上限还是超出下限。
进一步地,在步骤五中计算每一点对之间的像素距离,并通过相乘第二图像的像素当量,将距离由像素单位转为毫米单位,得到每一点对的实际距离。
上述技术手段具备如下技术效果:通过一次测量得出被测的第一零件的第一待测轮廓和第二零件的第二待测轮廓以及对应的第一待测轮廓和第二待测轮廓之间的间隙是否符合预定的公差范围,并将这些结果在一幅图像内可视化显示,方便技术人员直观地阅读检测比对结果,从而判断第一零件和第二零件之间能否顺利的相互配合,另外检测比对过程自动化,且检测比对了组成了第一待测轮廓的整个第一点集和组成了第二待测轮廓的整个第二点集,效率和精度相对于人工而言更高且稳定。
一种零件轮廓检测及比对方法,包括:步骤一、提供单个零件,并获取零件的待测轮廓的图像以及对应待测轮廓的参考图形;步骤二、在图像中获取待测轮廓的第一点集,获取参考图形的第二点集;步骤三、对第一点集和第二点集进行匹配,并按照匹配结果将第一点集和第二点集在参考图形中重叠显示;步骤四、确定第一点集内的每个点所对应的在第二点集内的最小距离点,获得点对集合;步骤五、计算点对集合内每一点对之间的距离;步骤六、判断点对集合内每一点对之间的距离是否在预定的公差范围内;步骤七、根据判断结果在图像上标示相关信息。
进一步地,在步骤一中,参考图形获取自标准零件样品的图像或用来加工该零件的CAD图纸。
进一步地,在步骤一中,通过采集单个待测轮廓的多幅局部图像,再拼接这些局部图像,从而得到包含整个待测轮廓的完整图像。
进一步地,当单个零件上具有多个待测轮廓或需要同时检测多个零件时,在步骤一中,通过采集单个或多个零件的多幅局部图像,且每一局部图像包含单个完整的待测轮廓,再拼接这些局部图像,从而得到包含多个待测轮廓的完整图像。
进一步地,在对第一点集和第二点集进行匹配之前,在步骤三中,建立图像的第一坐标系和参考图形的第二坐标系,获取第一点集在第一坐标系中的坐标数据,获取第二点集在第二坐标系中的坐标数据,再进行坐标系变换重叠,实现第一点集与第二点集的匹配。
进一步地,在步骤三中,先通过最小外接矩形法或者惯性椭圆法,对第一点集和第二点集进行粗匹配;再通过最小二乘法对第一点集和第二点集进行精匹配,实现第一点集与第二点集的匹配。
进一步地,在步骤七中,相关信息包括偏离公差范围的点对的位置、偏离公差范围的点对的距离大小以及该距离大小相对于公差范围是超出上限还是超出下限。
上述技术手段具备如下技术效果:通过一次测量得出被测的单个零件相对于参考图形是否符合预定的公差范围,并将这些结果在一幅图像内可视化显示,方便技术人员直观地阅读检测比对结果,另外检测比对过程自动化,且检测比对了组成了待测轮廓的整个第一点集和组成了参考图形的整个第二点集,效率和精度相对于人工而言更高且稳定。
【附图说明】
图1为待检测的相互配合的第一零件和第二零件的立体示意图;
图2为本发明对相互配合的第一零件和第二零件的检测比对方法的流程示意图;
图3为图2中的检测比对方法的结果示意图;
图4为本发明对单个零件与参考图形的检测比对方法的流程示意图;
图5为待检测的零件的立体示意图;
图6为图4中的检测比对方法的结果示意图;
图7为图6在L区域的放大图。
附图标号说明:
图1至图3:
第一零件1 第一待测轮廓11 第一点集12
第二零件2 第二待测轮廓21 第二点集22
图5至图7:
零件3 待测轮廓31 第一点集32
参考图形4 第二点集41
【具体实施方式】
为便于更好的理解本发明的目的、结构、特征以及功效等,现结合附图和具体实施方式对本发明作进一步说明。
本发明的零件轮廓检测及比对方法可以用于检测不同零件的相互配合的待测轮廓是否偏离预定的公差范围,并给出偏离公差范围的具***置和数值大小,还可用于检测待测单个零件的待测轮廓是否偏离参考图形的公差范围,并给出待测轮廓相对于参考图形偏离公差范围的具***置和数值大小。本发明所使用的“轮廓”“边缘”二词,其含义并不局限于零件的外缘线条,而是指零件上的任意可视的感兴趣区域(region of interest)的线条。
参考图1,当一个零件要装配进入另一个零件的开孔(例如冲压模具中相互配合的凸模和凹模)时,即属于上述第一种情形。为方便后续说明,以装配进入开孔的零件作为第一零件1,第一零件1的下边缘为第一待测轮廓11,具有开孔的零件作为第二零件2,开孔的上边缘为第二待测轮廓21,但本发明并不以此作为限制。
参考图2,针对上述第一种情形,本发明提供的零件轮廓检测及比对方法包括:步骤一100,提供相互配合的第一零件1和第二零件2,并获取第一零件1上的第一待测轮廓11的第一图像和第二零件2上的第二待测轮廓21的第二图像;步骤二200,在第一图像中获取第一待测轮廓11的第一点集12,在第二图像中获取第二待测轮廓21的第二点集22;步骤三300,对第一点集12和第二点集22进行匹配,并按照匹配结果将第一点集12和第二点集22在第二图像中重叠显示;步骤四400,确定第一点集12内的每个点所对应的在第二点集22内的最小距离点,获得点对集合;步骤五500,计算点对集合内每一点对之间的距离;步骤六600,判断点对集合内每一点对之间的距离是否在预定的公差范围内;步骤七700a、700b,根据判断结果在第二图像上标示相关信息。
步骤一100中一般通过光学图像采集来获取第一图像和第二图像。一般而言,在进行步骤一100之前,需要对图像采集设备的光学镜头进行非线性校正,以消除图像畸变,得到无畸变的图像。
为获得高分辨率图像来提高检测精度,须要使用高分辨率的图像采集设备,则图像采集设备所能观测到的视野范围小,未必能够覆盖整个待测轮廓。因此,当第一待测轮廓11和/或第二待测轮廓21必然超出图像采集设备的视野范围时,则需要在步骤一100中进行图像拼接。在步骤一100中,通过采集第一待测轮廓11和/或第二待测轮廓21的多幅局部的无畸变图像,再拼接这些局部图像,从而得到包含整个第一待测轮廓11和/或第二待测轮廓21的跨视野的完整图像。如果第一待测轮廓11和/或第二待测轮廓21未超出图像采集设备的视野范围,则无须进行图像拼接。第一图像和/或第二图像均可以包含多个感兴趣区域,例如单个第一零件1具有多个第一待测轮廓11,则可以将这些第一待测轮廓11都拼接在同一幅第一图像中,又或者单个第一零件1仅具有单个第一待测轮廓11,也可以将多个第一零件1并排放置,从而将的多个第一待测轮廓11拼接在同一幅第一图像中,后续步骤可以同时处理多个第一待测轮廓11和/或多个第二待测轮廓21。
在步骤二200中,运用轮廓提取算子,例如,分别对第一待测轮廓11和第二待测轮廓21进行边缘轮廓点集提取,得到第一待测轮廓11的第一点集12、第二待测轮廓21的第二点集22。轮廓提取算子可以实现像素级轮廓点集提取,而且可以根据不同的轮廓边缘特性选择不同的算子,如Lanser算子、Deriche算子、Canny算子。在像素级轮廓提取的基础上,可以进一步进行亚像素级的轮廓提取,例如运用矩法(Zernike矩等)、插值法、拟合法等方法,得到精度更高的第一点集12和第二点集22。得到的第一点集12、第二点集22可直接保留在对应的第一待测轮廓11、第二待测轮廓21上。
在步骤三300中,对第一点集12和第二点集22进行匹配,令第一点集12所包围的图形与第二点集22所包围的图形尽可能地重叠,并根据最佳匹配结果将第一点集12映射到保留了第二点集22的第二图像中,使得第二图像同时显示第一点集12和第二点集22,以此提供直观的视觉对比。反过来将第二点集22映射到保留了第一点集12的第一图像中,也是可行的,本发明并不对此进行限制。
可以使用带基准的匹配方法来进行上述匹配。在对第一点集12和第二点集22进行匹配之前,建立第一图像的第一坐标系和第二图像的第二坐标系,可以在步骤二200中就先建立第一、第二坐标系。建立第一、第二坐标系的方法基本相同,通过在第一、第二图像中寻找直线和两直线交点等手段,建立第一、第二坐标系。在步骤三300中,获取第一点集12在第一坐标系中的坐标数据,获取第二点集22在第二坐标系中的坐标数据,再进行坐标系变换重叠,实现第一点集12与第二点集22的最佳匹配。
也可以使用不带基准的匹配方法来进行上述匹配。在步骤三300中,先通过最小外接矩形法或者惯性椭圆法,对第一点集12和第二点集22进行粗匹配;再通过最小二乘法对第一点集12和第二点集22进行精匹配,实现第一点集12与第二点集22的最佳匹配。
在步骤四400中,确定第一点集12内的每个点所对应的在第二点集22内的最小距离点,即为第一点集12内的每个点在第二点集22内搜寻其距离最小的对应点,获得点对集合。
在步骤五500中,计算点对集合内每一点对之间的距离。在第二坐标系中,计算每一点对之间的像素距离,并通过相乘第二图像的像素当量,将距离由像素单位转为毫米单位,得到每一点对的实际的欧几里得距离。另外,以其中一个点集作为参考点集,以点对距离的连线位于参考点集的外侧或内侧来定义点对距离的“正”“负”。参考图3,在此示意图中,以第一点集12作为参考点集,若最小距离点位于第一点集12外侧,则点对距离为“正”,若最小距离点位于第一点集12内侧,则点对距离为“负”,图3所示的所有点对距离均为“正”距离,无“负”距离。在其他示意图中,可以互换“正”“负”距离的定义,也可以选择第二点集22作为参考点集,本发明不作限制。
在步骤六600中,判断点对集合内的每一点对之间的距离是否在预定的公差范围内。一般而言,预定的公差范围为数值区间。无论点对距离是超出公差范围的上限还是下限,都属于偏离了预定的公差范围,反应了第一待测轮廓11和第二待测轮廓21二者中的至少一者存在缺陷,达不到设计要求。另外,参考图3,如果出现了“负”距离,则直接反应了第一待测轮廓11和第二待测轮廓21无法相互配合。
在步骤七700a、700b中,根据判断结果在第二图像上标示相关信息。相关信息包括但不限于偏离公差范围的点对的位置,偏离公差范围的点对的距离大小,以及该距离大小相对于公差范围是超出上限还是超出下限。具体的标示方式包括显示具体数值、颜色区分、使用代号等。对于未偏离公差范围的点对,可不做额外处理,或将其与超出公差范围的点对进行视觉区分处理。
参考图3,图3为针对上述第一种情形的检测比对结果示意图,为方便进一步理解本发明,将公差范围可视化地表示为点划线A、B、C、D,并显示在第二图像中,显示公差范围为本发明的可选功能,本发明并不需要先将点划线A、B、C、D可视化,再比较点对距离。点划线A、D表示预定公差范围的上限,点划线B、C表示预定公差范围的下限,第二点集22应当分布在点划线A和点划线B之间,第一点集12应当分布在点划线C和点划线D之间,点对距离应当大于点划线B和点划线C之间的距离而小于点划线A和点划线D之间的距离。在示意图3中,I区域的第二点集22位于点划线A的外侧,则I区域的点对距离超出了预定公差范围的上限,J区域的第二点集22位于点划线B的内侧,则J区域的点对距离超出了预定公差范围的下限。
上述点划线A、B为第一待测轮廓11自身的预定公差范围,点划线C、D为第二待测轮廓12自身的预定公差范围,符合这两个公差范围的点对距离仍有可能由于第一点集12和第二点集22的相互靠近或远离而浮动,因此可以针对点对距离本身进一步设置公差范围(未图示),并加以判断和标示。可以通过判断每一点对距离是否符合其自身公差范围,进而判断两个待测轮廓是否有相近的延伸方向(或波动情况),进而可以此判断第一待测轮廓11和第二待测轮廓12之间的相似程度。对于点对距离符合公差范围的点对,其属于第一点集12的端点到点划线C的距离,与其属于第二点集22的端点到点划线A的距离相近。
参考图3,其中第一点集12和第二点集22之间的直线段为每一点对之间的最短距离的连线,可视化地显示了第一点集12和第二点集22中哪些点对应组成了最短距离点对,还可以通过这些连线可视化地判断有无“负”距离以及“负”距离的位置,在图3中,所有连线位于第一点集12的外侧,故技术人员阅读图3所示的检测比对结果时,可以快速判断出没有出现“负”距离。
本发明的针对前述第一种情形的可应用对象包括:包含单个待测轮廓的单个零件、包含多个待测轮廓的单个零件、每个零件包含单个待测轮廓的多个零件、每个零件包含多个待测轮廓的多个零件。例如,第一零件1可以为仅具有一个第一待测轮廓11的单个凸模,第二零件2可以为具有多个第二待测轮廓21(冲孔)的凹模,应用本发明的检测及比对方法,则能够准确地找出被测凸模能够进入哪些冲孔,不能进入哪些冲孔,从而指导技术人员,在装配该凸模和凹模时,避免将该凸模与无法收容该凸模的冲孔相配合。
参考图4至图6,针对上述第二种情形,本发明提供的零件轮廓检测及比对方法包括:步骤一100,获取零件3的待测轮廓31的图像以及对应待测轮廓31的参考图形4;步骤二200,在零件3图像中获取待测轮廓31的第一点集32,获取参考图形4的第二点集41;步骤三300,对第一点集32和第二点集41进行匹配,并按照匹配结果将第一点集32和第二点集41在参考图形4中重叠显示;步骤四400,确定第一点集32内的每个点所对应的在第二点集41内的最小距离点,获得点对集合;步骤五500,计算点对集合内每一点对之间的距离;步骤六600,判断点对集合内每一点对之间的距离是否在预定的公差范围内;步骤七700a、700b,根据判断结果在第二图像上标示相关信息。
相对于上述第一种情形,第二种情形的差别之处在于步骤一100至步骤三300。在步骤一100中,参考图形4主要获取自用来加工该零件3的CAD图纸,在少数情况下,也可以选择标准零件3样品(或称为黄金样品,golden sample)的图像来获取参考图形4。对应的CAD图纸和所谓的标准零件3样品的图像,是对应的待测零件3的长期稳定的参考对象,而非单次检测中的待测对象。在步骤二200中,可以使用业界常规手段从参考图形4中获取第一点集32,使用与第一种情形相同的方法从待测零件3图像中获取待测轮廓31的第二点集41。在步骤三300中,根据第一点集32与第二点集41的匹配结果,将第一点集32映射到参考图形4中,使得第一点集32和第二点集41在参考图形4中重叠显示。至于步骤四400至步骤七700a、700b,对于两种情形来说都基本相同。
与上述第一种情形类似,在第二种情形中为获得高分辨率图像来提高检测精度,须要使用高分辨率的图像采集设备,则图像采集设备所能观测到的视野范围小,未必能够覆盖整个待测轮廓31。因此,当待测轮廓31必然超出图像采集设备的视野范围时,则需要在步骤一100中进行图像拼接。在步骤一100中,通过采集待测轮廓31的多幅局部图像,再拼接这些局部图像,从而得到包含整个待测轮廓31的跨视野的完整图像。如果待测轮廓31未超出图像采集设备的视野范围,则无须进行图像拼接。待测零件3的图像和/或参考图形4中均可以包含多个感兴趣区域,例如单个零件3具有多个待测轮廓31,则可以将这些待测轮廓31都拼接在同一幅图像中,又或者单个零件3仅具有单个待测轮廓31,也可以将多个零件3的多个待测轮廓31拼接在同一幅图像中,后续步骤可以同时处理多个待测轮廓31。
与上述第一种情形类似,在第二种情形中可以使用带基准的匹配方法来进行上述匹配:在对第一点集32和第二点集41进行匹配之前,建立待测零件3的图像的第一坐标系和参考图形4的第二坐标系,可以在步骤二200中就先建立第一、第二坐标系。建立第一、第二坐标系的方法基本相同,通过在图像和参考图形4中寻找直线和两直线交点等手段,建立第一、第二坐标系。在步骤三300中,获取第一点集32在第一坐标系中的坐标数据,获取第二点集41在第二坐标系中的坐标数据,再进行坐标系变换重叠,实现第一点集32与第二点集41的最佳匹配。也可以使用不带基准的匹配方法来进行上述匹配:在步骤三300中,先通过最小外接矩形法或者惯性椭圆法,对第一点集32和第二点集41进行粗匹配;再通过最小二乘法对第一点集32和第二点集41进行精匹配,实现第一点集32与第二点集41的最佳匹配。
参考图6至图7,图6至图7为针对上述第二种情形的检测比对结果示意图及其局部放大图,未将预定的公差范围可视化。L区域的第二点集41的其中一部分位于第一点集32的内侧,产生了“负”距离,其中超出了预定公差范围的点对同样会被本发明的步骤七700a、700b标示出来,L区域的第二点集41的其余部分位于第一点集32的外侧,产生了“正”距离,其中超出了预定公差范围的点对同样会被本发明的步骤七700a、700b标示出来。
本发明的零件轮廓检测及比对方法具备如下有益效果:
(1)对于上述第一种情形,通过一次测量得出被测的第一零件的第一待测轮廓和第二零件的第二待测轮廓以及对应的第一待测轮廓和第二待测轮廓之间的间隙是否符合预定的公差范围,并将这些结果在一幅图像内可视化显示,方便技术人员直观地阅读检测比对结果,从而判断第一零件和第二零件之间能否顺利的相互配合,另外检测比对过程自动化,且检测比对了组成了第一待测轮廓的整个第一点集和组成了第二待测轮廓的整个第二点集,效率和精度相对于人工而言更高且稳定。
(2)对于上述第二种情形,通过一次测量得出被测的单个零件相对于参考图形是否符合预定的公差范围,并将这些结果在一幅图像内可视化显示,方便技术人员直观地阅读检测比对结果,另外检测比对过程自动化,且检测比对了组成了待测轮廓的整个第一点集和组成了参考图形的整个第二点集,效率和精度相对于人工而言更高且稳定。
(3)本发明的零件检测与比对方法适用于拼接过的图像,例如将多个局部的待测轮廓拼接在一起组成一个完整的待测轮廓,使得检测结果中同时显示完整的待测轮廓,方便技术人员直观了解超出预定公差范围的点对的在实际零件上的出现位置;还适用于将多个完整的待测轮廓拼接在一起后再进行检测比对,提高效率。
(4)将应用了本发明零件检测与比对方法的测量设备去检测40毫米、60毫米和100毫米的标准量块,所得检测结果横比其他业内先进设备,偏差小于1微米。
以上详细说明仅为本发明之较佳实施例的说明,非因此局限本发明的专利范围,所以,凡运用本发明说明书及图示内容所为的等效技术变化,均包含于本发明的专利范围内。
Claims (14)
1.一种零件轮廓检测及比对方法,其特征在于,包括:
步骤一、提供相互配合的第一零件和第二零件,并获取第一零件上的第一待测轮廓的第一图像和第二零件上的第二待测轮廓的第二图像;
步骤二、在第一图像中获取第一待测轮廓的第一点集,在第二图像中获取第二待测轮廓的第二点集;
步骤三、对第一点集和第二点集进行匹配,并按照匹配结果将第一点集和第二点集在第二图像中重叠显示;
步骤四、确定第一点集内的每个点所对应的在第二点集内的最小距离点,获得点对集合;
步骤五、计算点对集合内每一点对之间的距离;
步骤六、判断点对集合内每一点对之间的距离是否在预定的公差范围内;
步骤七、根据判断结果在第二图像上标示相关信息。
2.如权利要求1所述的零件轮廓检测及比对方法,其特征在于:在步骤一中,通过采集单个第一待测轮廓和/或单个第二待测轮廓的多幅局部图像,再拼接这些局部图像,从而得到包含整个第一待测轮廓和/或整个第二待测轮廓的完整图像。
3.如权利要求1所述的零件轮廓检测及比对方法,其特征在于:当单个第一零件上具有多个第一待测轮廓,或单个第二零件上具有多个第二待测轮廓,或者需要同时检测多个第一零件和/或第二零件时,在步骤一中,采集多幅局部图像,且每一局部图像包含单个完整的第一待测轮廓或第二待测轮廓,再拼接这些局部图像,从而得到包含多个第一待测轮廓或第二待测轮廓的完整图像。
4.如权利要求1所述的零件轮廓检测及比对方法,其特征在于:在对第一点集和第二点集进行匹配之前,建立第一图像的第一坐标系和第二图像的第二坐标系,在步骤三中获取第一点集在第一坐标系中的坐标数据,获取第二点集在第二坐标系中的坐标数据,再进行坐标系变换重叠,实现第一点集与第二点集的匹配。
5.如权利要求1所述的零件轮廓检测及比对方法,其特征在于:在步骤三中,先通过最小外接矩形法或者惯性椭圆法,对第一点集和第二点集进行粗匹配;再通过最小二乘法对第一点集和第二点集进行精匹配,实现第一点集与第二点集的匹配。
6.如权利要求1所述的零件轮廓检测及比对方法,其特征在于:在步骤七中,相关信息包括偏离公差范围的点对的位置、偏离公差范围的点对的距离大小以及该距离大小相对于公差范围是超出上限还是超出下限。
7.如权利要求1所述的零件轮廓检测及比对方法,其特征在于:在步骤五中计算每一点对之间的像素距离,并通过相乘第二图像的像素当量,将距离由像素单位转为毫米单位,得到每一点对的实际距离。
8.一种零件轮廓检测及比对方法,其特征在于,包括:
步骤一、提供单个零件,并获取零件的待测轮廓的图像以及对应待测轮廓的参考图形;
步骤二、在图像中获取待测轮廓的第一点集,获取参考图形的第二点集;
步骤三、对第一点集和第二点集进行匹配,并按照匹配结果将第一点集和第二点集在参考图形中重叠显示;
步骤四、确定第一点集内的每个点所对应的在第二点集内的最小距离点,获得点对集合;
步骤五、计算点对集合内每一点对之间的距离;
步骤六、判断点对集合内每一点对之间的距离是否在预定的公差范围内;
步骤七、根据判断结果在图像上标示相关信息。
9.如权利要求8所述的零件轮廓检测及比对方法,其特征在于:在步骤一中,参考图形获取自标准零件样品的图像或用来加工该零件的CAD图纸。
10.如权利要求8所述的零件轮廓检测及比对方法,其特征在于:在步骤一中,通过采集单个待测轮廓的多幅局部图像,再拼接这些局部图像,从而得到包含整个待测轮廓的完整图像。
11.如权利要求8所述的零件轮廓检测及比对方法,其特征在于:当单个零件上具有多个待测轮廓或需要同时检测多个零件时,在步骤一中,通过采集单个或多个零件的多幅局部图像,且每一局部图像包含单个完整的待测轮廓,再拼接这些局部图像,从而得到包含多个待测轮廓的完整图像。
12.如权利要求8所述的零件轮廓检测及比对方法,其特征在于:在对第一点集和第二点集进行匹配之前,在步骤三中,建立图像的第一坐标系和参考图形的第二坐标系,获取第一点集在第一坐标系中的坐标数据,获取第二点集在第二坐标系中的坐标数据,再进行坐标系变换重叠,实现第一点集与第二点集的匹配。
13.如权利要求8所述的零件轮廓检测及比对方法,其特征在于:在步骤三中,先通过最小外接矩形法或者惯性椭圆法,对第一点集和第二点集进行粗匹配;再通过最小二乘法对第一点集和第二点集进行精匹配,实现第一点集与第二点集的匹配。
14.如权利要求8所述的零件轮廓检测及比对方法,其特征在于:在步骤七中,相关信息包括偏离公差范围的点对的位置、偏离公差范围的点对的距离大小以及该距离大小相对于公差范围是超出上限还是超出下限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937992.XA CN117109471A (zh) | 2023-07-27 | 2023-07-27 | 零件轮廓检测及比对方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310937992.XA CN117109471A (zh) | 2023-07-27 | 2023-07-27 | 零件轮廓检测及比对方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117109471A true CN117109471A (zh) | 2023-11-24 |
Family
ID=88806538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310937992.XA Pending CN117109471A (zh) | 2023-07-27 | 2023-07-27 | 零件轮廓检测及比对方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117109471A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117685899A (zh) * | 2023-12-08 | 2024-03-12 | 魅杰光电科技(上海)有限公司 | 一种图形结构形貌参数的测量方法 |
-
2023
- 2023-07-27 CN CN202310937992.XA patent/CN117109471A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117685899A (zh) * | 2023-12-08 | 2024-03-12 | 魅杰光电科技(上海)有限公司 | 一种图形结构形貌参数的测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及*** | |
CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN103207987B (zh) | 一种指针式仪表的示数识别方法 | |
CN114549835B (zh) | 一种基于深度学习的指针式仪表矫正识别方法及装置 | |
US8428335B2 (en) | Combining feature boundaries | |
CN105783723A (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 | |
CN117109471A (zh) | 零件轮廓检测及比对方法 | |
CN107239742A (zh) | 一种仪表指针刻度值计算方法 | |
EP1467176B1 (en) | Inspection system and method | |
CN109990711A (zh) | 一种冲孔镀镍钢带的外观质量检测方法 | |
CN110503623A (zh) | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法 | |
CN106482636B (zh) | 图像测量装置 | |
CN111507186A (zh) | 一种变电站指针式仪表读数识别方法 | |
CN115511788A (zh) | 一种机动车驾驶人考试场地自动检测建模的方法 | |
CN113989482B (zh) | 一种基于图像处理的光学合像水平仪自动读数识别方法 | |
CN113902894B (zh) | 一种基于图像处理的条式水平仪自动读数识别方法 | |
CN115375608A (zh) | 检测方法及装置、检测设备和存储介质 | |
CN115375610A (zh) | 检测方法及装置、检测设备和存储介质 | |
CN113313122A (zh) | 一种基于计算机视觉的指针式仪表自动识别读数方法 | |
US20080144917A1 (en) | Method and Apparatus for Automatic Measurement of Pad Geometry and Inspection thereof | |
CN117346652A (zh) | 基于机器视觉的钢筋单元件尺寸实时检测装置及方法 | |
CN106123808B (zh) | 一种用于汽车后视镜镜面角度偏转测量的方法 | |
CN117570880A (zh) | 型材直线度检测方法 |
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 |