CN117593305A - 一种面向高频焊接h型钢的视觉定位*** - Google Patents
一种面向高频焊接h型钢的视觉定位*** Download PDFInfo
- Publication number
- CN117593305A CN117593305A CN202410077780.3A CN202410077780A CN117593305A CN 117593305 A CN117593305 A CN 117593305A CN 202410077780 A CN202410077780 A CN 202410077780A CN 117593305 A CN117593305 A CN 117593305A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- gray
- difference
- pixel
- reference pixel
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 87
- 239000010959 steel Substances 0.000 title claims abstract description 87
- 238000003466 welding Methods 0.000 title claims abstract description 50
- 230000000007 visual effect Effects 0.000 title claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 66
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V10/757—Matching configurations of points or features
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
- G06T2207/30136—Metal
-
- 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
- G06T2207/30152—Solder
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种面向高频焊接H型钢的视觉定位***,包括:图像采集模块,用于采集高频钢图像;数据分析模块,用于根据每个参考像素点与邻域像素点之间的灰度差异得到每个参考像素点的第一灰度差异程度和第二灰度差异程度,根据第一灰度差异程度和第二灰度差异程度的特征差异筛选出喷溅像素点;修正模块,用于邻域窗口内像素点分布和灰度分布,获得修正后的空间距离权重和修正后的灰度差异权重;滤波去噪模块,用于根据修正后的空间距离权重和修正后的灰度差异权重获得滤波之后的高频钢图像,并进行焊缝的定位。本发明修正了双边滤波中的权重,提高了对高频钢图像定位的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种面向高频焊接H型钢的视觉定位***。
背景技术
高频H型钢在生产过程中,H型钢的焊接是必不可少的过程,在对H型钢进行焊接时需要通过视觉定位找到需要进行焊接的焊缝,且每个位置的多次焊接也是经常的事,因此在对高频H型钢焊接前的定位寻找具***置就显得非常的重要。
在常规的定位寻找过程中是根据前一次焊接位置处焊接的凹凸点进行确定的,由于在焊接过程中存在喷溅,因此在非焊接位置处有一些凹凸点。由于在对高频H型钢采集图像的过程中,会存在噪声点;因此在对高频H型钢图像进行分析时,噪声点可以通过双边滤波进行去除掉,而非焊接处的一些凹凸点则直接用常规的双边滤波无法进行去除,这就导致降低了视觉定位的准确性。
发明内容
本发明提供一种面向高频焊接H型钢的视觉定位***,以解决现有的问题。
本发明的一种面向高频焊接H型钢的视觉定位***采用如下技术方案:
本发明一个实施例提供了一种面向高频焊接H型钢的视觉定位***,该***包括以下模块:
图像采集模块,用于采集高频钢图像;
数据分析模块,用于根据像素点的灰度值对像素点聚类,得到高频钢图像中的若干个类簇,根据类簇之间的灰度差异得到高频钢图像中的所有参考像素点,根据每个参考像素点与相邻像素点之间的灰度差异得到每个参考像素点的第一灰度差异程度,获取每个参考像素点的局部窗口,根据每个参考像素点与局部窗口中像素点之间的灰度差异得到每个参考像素点的第二灰度差异程度,根据每个参考像素点的第一灰度差异程度和每个参考像素点的第二灰度差异程度的特征差异,从参考像素点中筛选出喷溅像素点;
修正模块,用于将高频钢图像中的任意一个像素点记为目标像素点,获取目标像素点的邻域窗口,根据目标像素点的邻域窗口内像素点分布和灰度分布,得到目标像素点的邻域窗口内像素点的距离修正系数和灰度差异修正系数,根据距离修正系数对目标像素点的邻域窗口内像素点的空间距离权重进行修正,获得修正后的空间距离权重,根据灰度差异修正系数对目标像素点的邻域窗口内像素点的灰度差异权重进行修正,获得修正后的灰度差异权重;
滤波去噪模块,用于根据修正后的空间距离权重和修正后的灰度差异权重对高频钢图像进行滤波,获得滤波之后的高频钢图像,根据滤波之后的高频钢图像进行焊缝的定位。
进一步地,所述根据像素点的灰度值对像素点聚类,得到高频钢图像中的若干个类簇,包括:
根据像素点的灰度值通过均值漂移聚类算法对高频钢图像中的像素点进行聚类,得到若干个类簇。
进一步地,所述根据类簇之间的灰度差异得到高频钢图像中的所有参考像素点,包括的具体步骤如下:
计算每个类簇中所有像素点的灰度值的均值,对所有类簇的灰度值的均值从小到大进行排序,得到一组序列,记为类簇的均值序列;获取类簇的均值序列中相邻数据之间差异最大的两个数据,将其记为和/>,将类簇的均值序列中的第一个数据记为/>,则将和/>之间的数据组成一组低灰度类簇序列;
将低灰度类簇序列中的数据对应的类簇记为低灰度类簇,将低灰度类簇中的所有像素点记为非参考像素点,将高频钢图像中的非参考像素点之外的像素点记为参考像素点。
进一步地,所述根据每个参考像素点与相邻像素点之间的灰度差异得到每个参考像素点的第一灰度差异程度,包括:
每个参考像素点的第一灰度差异程度的计算公式为:
式中,表示第/>个参考像素点的灰度值,/>表示第/>个参考像素点的八邻域中的第/>个像素点的灰度值,/>表示第/>个参考像素点的八邻域中的第/>个像素点的八邻域中的第/>个像素点的灰度值,/>表示每个像素点的八邻域中的像素点个数,/>表示绝对值符号,表示第/>个参考像素点的第一灰度差异程度。
进一步地,所述获取每个参考像素点的局部窗口,根据每个参考像素点与局部窗口中像素点之间的灰度差异得到每个参考像素点的第二灰度差异程度,包括:
以每个参考像素点为中心,获取大小为的局部窗口,其中/>为预设参数;
每个参考像素点的第二灰度差异程度的计算公式为:
式中,表示第/>个参考像素点的灰度值,/>表示第/>个参考像素点的局部窗口中的第/>个像素点的灰度值,/>表示第/>个参考像素点的局部窗口中的第/>个像素点的局部窗口中的第/>个像素点的灰度值,/>表示每个像素点的局部窗口中的像素点个数,/>表示绝对值符号,/>表示第/>个参考像素点的第二灰度差异程度。
进一步地,所述根据每个参考像素点的第一灰度差异程度和每个参考像素点的第二灰度差异程度的特征差异,从参考像素点中筛选出喷溅像素点,包括:
将每个参考像素点的第二灰度差异程度与第一灰度差异程度的比值,记为每个参考像素点的特征差异,对每个参考像素点的特征差异进行线性归一化得到每个参考像素点为喷溅像素点的可能性;
当每个参考像素点为喷溅像素点的可能性大于或者等于预设阈值B时,则判定该参考像素点为喷溅像素点。
进一步地,所述获取目标像素点的邻域窗口,包括:
以目标像素点为中心,获取大小为的邻域窗口,其中/>为预设参数。
进一步地,所述根据目标像素点的邻域窗口内像素点分布和灰度分布,得到目标像素点的邻域窗口内像素点的距离修正系数和灰度差异修正系数,包括:
将目标像素点的邻域窗口内所有喷溅像素点到目标像素点之间的距离的均值记为,将目标像素点的邻域窗口内所有非喷溅像素点到目标像素点之间的距离的均值记为/>;将目标像素点的邻域窗口内所有喷溅像素点的灰度值的均值记为/>,将目标像素点的邻域窗口内所有非喷溅像素点的灰度值的均值记为/>;
对与/>之间的差异通过/>函数归一化,将归一化后的结果记为距离的初始修正系数;对/>与/>之间的差异通过/>函数归一化,将归一化后的结果记为灰度差异的初始修正系数;其中,差异为差值的绝对值;
将距离的初始修正系数与灰度差异的初始修正系数的和记为系数的和;
将距离的初始修正系数与系数的和之间的比值记为距离的修正系数,将灰度差异的初始修正系数与系数的和之间的比值记为灰度差异的修正系数。
进一步地,所述根据距离修正系数对目标像素点的邻域窗口内像素点的空间距离权重进行修正,获得修正后的空间距离权重,根据灰度差异修正系数对目标像素点的邻域窗口内像素点的灰度差异权重进行修正,获得修正后的灰度差异权重,包括的具体步骤如下:
修正后的空间距离权重的计算公式为:
修正后的灰度差异权重的计算公式为:
式中,表示目标像素点的邻域窗口内中心像素点/>的位置坐标,/>表示目标像素点的邻域窗口内第/>个像素点的位置坐标,/>表示目标像素点的邻域窗口内所有像素点到中心像素点之间距离/>的方差,/>表示目标像素点的邻域窗口内中心像素点/>的灰度值,/>表示目标像素点的邻域窗口内第/>个像素点的灰度值,/>表示目标像素点的邻域窗口内所有像素点与中心像素点之间灰度值差异/>的方差,/>表示距离的修正系数,/>表示灰度差异的修正系数,/>表示绝对值符号,/>表示以自然常数为底的指数函数,/>表示目标像素点的邻域窗口内第/>个像素点修正后的空间距离权重,/>表示目标像素点的邻域窗口内第/>个像素点修正后的灰度差异权重。
进一步地,所述根据修正后的空间距离权重和修正后的灰度差异权重对高频钢图像进行滤波,获得滤波之后的高频钢图像,根据滤波之后的高频钢图像进行焊缝的定位,包括的具体步骤如下:
高频钢图像中每个像素点滤波后的灰度值的具体公式为:
式中,表示目标像素点的邻域窗口内第/>个像素点修正后的空间距离权重,表示目标像素点的邻域窗口内第/>个像素点修正后的灰度差异权重,/>表示目标像素点的邻域窗口内第/>个像素点的灰度值,/>表示目标像素点滤波之后的灰度值,/>表示目标像素点的邻域窗口内的所有像素点的数量;
根据目标像素点滤波之后的灰度值获得滤波之后的高频钢图像;
再通过特征点匹配算法对滤波之后的高频钢图像中的焊缝进行定位。
本发明的技术方案的有益效果是:根据每个参考像素点与邻域像素点之间的灰度差异得到每个参考像素点的第一灰度差异程度和第二灰度差异程度,根据每个参考像素点的第一灰度差异程度和第二灰度差异程度的特征差异,进一步的将噪声像素点和喷溅像素点中筛选出喷溅像素点;根据目标像素点的邻域窗口内像素点分布和灰度分布,得到目标像素点的邻域窗口内像素点的距离修正系数和灰度差异修正系数,并获得修正后的空间距离权重和修正后的灰度差异权重,提高了双边滤波的平滑;根据修正后的空间距离权重和修正后的灰度差异权重对高频钢图像进行滤波,获得滤波之后的高频钢图像,根据滤波之后的高频钢图像进行焊缝的定位,减少了喷溅像素点对焊缝定位的影响,提高了对高频钢图像定位的准确性。
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为本发明一种面向高频焊接H型钢的视觉定位***的模块流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种面向高频焊接H型钢的视觉定位***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种面向高频焊接H型钢的视觉定位***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种面向高频焊接H型钢的视觉定位***的模块流程图,该***包括以下模块:
模块101:图像采集模块。
需要说明的是,为了对高频H型钢的焊接位置进行定位,则需要采集高频H型钢图像,对图像中的各种干扰的分析获取高频H型钢的焊接位置。
具体地,采集高频H型钢图像,并对高频H型钢图像进行灰度化预处理,得到预处理后的高频钢图像。
至此,得到高频钢图像。
模块102:数据分析模块。
需要说明的是,由于在焊接过程中,会存在喷溅,因此在非焊接处会存在一些喷溅点。由于焊接处的凹凸点和非焊接处的喷溅点与周围像素点的灰度差异较大,因此可以根据焊接处的凹凸点和非焊接处的喷溅点周围像素点的灰度分布来对焊接处的凹凸点和非焊接处的喷溅点进行区分。
具体地,根据像素点的灰度值通过均值漂移聚类算法对高频钢图像中的像素点进行聚类,得到若干个类簇。计算每个类簇中所有像素点的灰度值的均值,对所有类簇的灰度值的均值从小到大进行排序,得到一组序列,记为类簇的均值序列。获取类簇的均值序列中相邻数据之间差异最大的两个数据,将其记为和/>,将类簇的均值序列中的第一个数据记为/>,则将/>和/>之间的数据组成一组低灰度类簇序列。其中,均值漂移聚类算法为公知技术,此处不再进行具体赘述。
需要说明的是,由于均值漂移聚类是通过漂移到数据点密度较高的区域来获取到的,因此均值漂移聚类后的类簇中包含焊缝处的凹凸点组成的区域,还有一些由没有凹凸点组成的区域,由于本实施例主要是针对喷溅点进行分析,而那些喷溅点一般会出现在由没有凹凸点组成的区域,因此先将焊缝处的凹凸点组成的区域进行排除,再根据排除后的像素点进行分析。
具体地,将低灰度类簇序列中的数据对应的类簇记为低灰度类簇,将低灰度类簇中的所有像素点记为非参考像素点,将高频钢图像中的非参考像素点之外的像素点记为参考像素点。
至此,得到高频钢图像中的所有参考像素点。
需要说明的是,由于非焊接处的喷溅点的灰度值与周围的像素点的灰度值的差异比较大,而噪声点的灰度值与周围的像素点的灰度值的差异比较小,因此可以根据每个像素点与周围像素点的灰度差异进行分析。
进一步需要说明的是,由于噪声在高频钢图像较多,且分布比较随机,而喷溅点在高频钢图像中较少,且分布不太随机,大多都在焊缝处附近,因此可以根据每个像素点与不同周围像素点的灰度差异来进一步的分析。
具体地,获取每个参考像素点的八邻域像素点,根据每个参考像素点的灰度值与八邻域像素点的灰度值之间的差异得到每个参考像素点的第一灰度差异程度,用公式表示为:
式中,表示第/>个参考像素点的灰度值,/>表示第/>个参考像素点的八邻域中的第/>个像素点的灰度值,/>表示第/>个参考像素点的八邻域中的第/>个像素点的八邻域中的第/>个像素点的灰度值,/>表示每个像素点的八邻域中的像素点个数,/>表示绝对值符号,表示第/>个参考像素点的第一灰度差异程度。
其中,表示每个参考像素点与八邻域中每个像素点的灰度值的差异,其差异越大,表示该参考像素点为噪声像素点的可能性越大,为喷溅像素点的可能性越小;当该差异越小,表示该参考像素点为噪声像素点的可能性越小,为喷溅像素点的可能性越大。/>表示每个参考像素点的八邻域中的像素点与对应的八邻域像素点的灰度值之间的差异,/>表示每个参考像素点与八邻域像素点灰度值之间的差异,和对应的八邻域中每个像素点与八邻域像素点灰度值之间的差异的差,当该差越大时,表示该参考像素点为噪声像素点的可能性越大,为喷溅像素点的可能性越小;当该差越小时,表示该参考像素点为噪声像素点的可能性越小,为喷溅像素点的可能性越大。
需要说明的是,由于喷溅像素点的分布范围小,且分布不太随机,而噪声像素点的分布范围较大,且分布比较随机,因此对每个参考像素点扩大邻域范围,可以进一步的判断噪声像素点和喷溅像素点。
具体地,预设一个参数A,其中本实施例以A=5为例进行叙述,本实施例不进行具体限定,其中A可根据具体实施情况而定。以每个参考像素点为中心,获取大小为的局部窗口。
根据每个参考像素点的灰度值与局部窗口中像素点的灰度值之间的差异得到每个参考像素点的第二灰度差异程度,用公式表示为:
式中,表示第/>个参考像素点的灰度值,/>表示第/>个参考像素点的局部窗口中的第/>个像素点的灰度值,/>表示第/>个参考像素点的局部窗口中的第/>个像素点的局部窗口中的第/>个像素点的灰度值,/>表示每个像素点的局部窗口中的像素点个数,/>表示绝对值符号,/>表示第/>个参考像素点的第二灰度差异程度。
其中,表示每个参考像素点与局部窗口中每个像素点的灰度值的差异,其差异越大,表示该参考像素点为喷溅像素点的可能性越大,为噪声像素点的可能性越小;当该差异越小,表示该参考像素点为喷溅像素点的可能性越小,为噪声像素点的可能性越大。/>表示每个参考像素点的局部窗口中的像素点与对应的局部窗口中像素点的灰度值之间的差异,/>表示每个参考像素点与局部窗口的像素点灰度值之间的差异,和对应的局部窗口中每个像素点与局部窗口中像素点灰度值之间的差异的差,当该差越大时,表示该参考像素点为喷溅像素点的可能性越大,为噪声像素点的可能性越小;当该差越小时,表示该参考像素点为喷溅像素点的可能性越小,为噪声像素点的可能性越大。
需要说明的是,由于噪声点比较小,而喷溅点比较大,即可对应多个像素点,因此通过八邻域的范围不能准确的反映处喷溅像素点,则通过扩大邻域范围能准确的判断处喷溅像素点,因此可以通过每个参考像素点的第一灰度差异程度和第二灰度差异程度来对喷溅像素点和噪声像素点进行分析。
具体地,根据每个参考像素点的第一灰度差异程度和第二灰度差异程度得到每个参考像素点为喷溅像素点的可能性,用公式表示为:
式中,表示第/>个参考像素点的第一灰度差异程度,/>表示第/>个参考像素点的第二灰度差异程度,/>表示线性归一化函数,/>表示第/>个参考像素点为喷溅点的可能性。
其中,当每个参考像素点的第一灰度差异程度越小,而第二灰度差异程度越大时,该参考像素点为喷溅像素点的可能性越大;当每个参考像素点的第一灰度差异程度越大,而第二灰度差异程度越小时,该参考像素点为喷溅像素点的可能性越小。
预设一个阈值B,其中本实施例以B=0.5为例进行叙述,本实施例不进行具体限定,其中B可根据具体实施情况而定。当每个参考像素点为喷溅像素点的可能性大于或者等于预设阈值B时,则判定该参考像素点为喷溅像素点。
至此,得到高频钢图像中的所有喷溅像素点。
模块103:修正模块。
需要说明的是,由于在对噪声进行双边滤波时,由于常规的噪声一般与周围像素点的差异不是很大,则对噪声进行双边滤波时能够很好的进行滤波,但是在本实施例中,由于在焊接时有喷溅点,而喷溅点与噪声点之间的差异比较大,因此直接用常规的双边滤波不能很好的将喷溅点进行滤波掉,导致在判断焊缝时喷溅点会造成干扰。
进一步需要说明的是,由于在使用双边滤波时,通过每个像素点与邻域内的像素点之间的距离和像素点之间的灰度差异来对每个像素点的灰度值进行调整,但是在本实施例中存在喷溅点,如果按照常规的方法不能很好的将喷溅点进行滤波掉,应该根据喷溅点的分布和喷溅点的灰度差异对双边滤波中的空间距离权重和灰度差异权重进行修正。
具体地,预设一个参数D,其中本实施例以D=20为例进行叙述,本实施例不进行具体限定,其中D可根据具体实施情况而定。将高频钢图像中的任意一个像素点记为目标像素点,以目标像素点为中心,获取大小为的邻域窗口。将目标像素点的邻域窗口内所有喷溅像素点到目标像素点之间的距离的均值记为/>,将目标像素点的邻域窗口内所有非喷溅像素点到目标像素点之间的距离的均值记为/>;将目标像素点的邻域窗口内所有喷溅像素点的灰度值的均值记为/>,将目标像素点的邻域窗口内所有非喷溅像素点的灰度值的均值记为/>。根据/>和/>之间的差异对双边滤波中的空间距离进行修正获得距离的修正系数,根据/>和/>之间的差异对双边滤波中的灰度差异进行修正获得灰度差异的修正系数,用公式表示为:
为了保证修正过程中空间距离权重和灰度差异权重中指数函数括号内的值不变,则对和/>进行如下操作,具体为:
式中,表示距离的初始修正系数,/>表示灰度差异的初始修正系数,/>表示距离的修正系数,/>表示灰度差异的修正系数,/>表示/>函数,用来归一化。
以高频钢图像的左下角像素点为坐标原点,以水平向右为横轴,以竖直向上为纵轴建立坐标系。根据距离的修正系数对空间距离权重进行修正获得修正后的空间距离权重,根据距离的修正系数对灰度差异权重进行修正获得修正后的灰度差异权重,用公式表示为:
式中,表示目标像素点的邻域窗口内中心像素点/>的位置坐标,/>表示目标像素点的邻域窗口内第/>个像素点的位置坐标,/>表示目标像素点的邻域窗口内所有像素点到中心像素点之间距离/>的方差,/>表示目标像素点的邻域窗口内中心像素点/>的灰度值,/>表示目标像素点的邻域窗口内第/>个像素点的灰度值,/>表示目标像素点的邻域窗口内所有像素点与中心像素点之间灰度值差异/>的方差,/>表示距离的修正系数,/>表示灰度差异的修正系数,/>表示绝对值符号,/>表示以自然常数为底的指数函数,/>表示目标像素点的邻域窗口内第/>个像素点修正后的空间距离权重,/>表示目标像素点的邻域窗口内第/>个像素点修正后的灰度差异权重。其中,差异表示差值的绝对值。
模块104:滤波去噪模块。
根据修正后的空间距离权重和修正后的灰度差异权重通过双边滤波对高频钢图像中每个像素点的灰度值进行滤波调整,得到高频钢图像中每个像素点滤波后的灰度值,用公式表示为:
式中,表示目标像素点的邻域窗口内第/>个像素点修正后的空间距离权重,表示目标像素点的邻域窗口内第/>个像素点修正后的灰度差异权重,/>表示目标像素点的邻域窗口内第/>个像素点的灰度值,/>表示目标像素点滤波之后的灰度值,/>表示目标像素点的邻域窗口内的所有像素点的数量。
至此,得到滤波之后的高频钢图像。
再通过特征点匹配算法对滤波之后的高频钢图像中的焊缝进行定位。其中,特征点匹配算法为公知技术,此处不再进行具体赘述。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种面向高频焊接H型钢的视觉定位***,其特征在于,该***包括以下模块:
图像采集模块,用于采集高频钢图像;
数据分析模块,用于根据像素点的灰度值对像素点聚类,得到高频钢图像中的若干个类簇,根据类簇之间的灰度差异得到高频钢图像中的所有参考像素点,根据每个参考像素点与相邻像素点之间的灰度差异得到每个参考像素点的第一灰度差异程度,获取每个参考像素点的局部窗口,根据每个参考像素点与局部窗口中像素点之间的灰度差异得到每个参考像素点的第二灰度差异程度,根据每个参考像素点的第一灰度差异程度和每个参考像素点的第二灰度差异程度的特征差异,从参考像素点中筛选出喷溅像素点;
修正模块,用于将高频钢图像中的任意一个像素点记为目标像素点,获取目标像素点的邻域窗口,根据目标像素点的邻域窗口内像素点分布和灰度分布,得到目标像素点的邻域窗口内像素点的距离修正系数和灰度差异修正系数,根据距离修正系数对目标像素点的邻域窗口内像素点的空间距离权重进行修正,获得修正后的空间距离权重,根据灰度差异修正系数对目标像素点的邻域窗口内像素点的灰度差异权重进行修正,获得修正后的灰度差异权重;
滤波去噪模块,用于根据修正后的空间距离权重和修正后的灰度差异权重对高频钢图像进行滤波,获得滤波之后的高频钢图像,根据滤波之后的高频钢图像进行焊缝的定位。
2.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述根据像素点的灰度值对像素点聚类,得到高频钢图像中的若干个类簇,包括:
根据像素点的灰度值通过均值漂移聚类算法对高频钢图像中的像素点进行聚类,得到若干个类簇。
3.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述根据类簇之间的灰度差异得到高频钢图像中的所有参考像素点,包括的具体步骤如下:
计算每个类簇中所有像素点的灰度值的均值,对所有类簇的灰度值的均值从小到大进行排序,得到一组序列,记为类簇的均值序列;获取类簇的均值序列中相邻数据之间差异最大的两个数据,将其记为和/>,将类簇的均值序列中的第一个数据记为/>,则将/>和之间的数据组成一组低灰度类簇序列;
将低灰度类簇序列中的数据对应的类簇记为低灰度类簇,将低灰度类簇中的所有像素点记为非参考像素点,将高频钢图像中的非参考像素点之外的像素点记为参考像素点。
4.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述根据每个参考像素点与相邻像素点之间的灰度差异得到每个参考像素点的第一灰度差异程度,包括:
每个参考像素点的第一灰度差异程度的计算公式为:
式中,表示第/>个参考像素点的灰度值,/>表示第/>个参考像素点的八邻域中的第/>个像素点的灰度值,/>表示第/>个参考像素点的八邻域中的第/>个像素点的八邻域中的第/>个像素点的灰度值,/>表示每个像素点的八邻域中的像素点个数,/>表示绝对值符号,表示第/>个参考像素点的第一灰度差异程度。
5.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述获取每个参考像素点的局部窗口,根据每个参考像素点与局部窗口中像素点之间的灰度差异得到每个参考像素点的第二灰度差异程度,包括:
以每个参考像素点为中心,获取大小为的局部窗口,其中/>为预设参数;
每个参考像素点的第二灰度差异程度的计算公式为:
式中,表示第/>个参考像素点的灰度值,/>表示第/>个参考像素点的局部窗口中的第个像素点的灰度值,/>表示第/>个参考像素点的局部窗口中的第/>个像素点的局部窗口中的第/>个像素点的灰度值,/>表示每个像素点的局部窗口中的像素点个数,/>表示绝对值符号,/>表示第/>个参考像素点的第二灰度差异程度。
6.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述根据每个参考像素点的第一灰度差异程度和每个参考像素点的第二灰度差异程度的特征差异,从参考像素点中筛选出喷溅像素点,包括:
将每个参考像素点的第二灰度差异程度与第一灰度差异程度的比值,记为每个参考像素点的特征差异,对每个参考像素点的特征差异进行线性归一化得到每个参考像素点为喷溅像素点的可能性;
当每个参考像素点为喷溅像素点的可能性大于或者等于预设阈值B时,则判定该参考像素点为喷溅像素点。
7.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述获取目标像素点的邻域窗口,包括:
以目标像素点为中心,获取大小为的邻域窗口,其中/>为预设参数。
8.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述根据目标像素点的邻域窗口内像素点分布和灰度分布,得到目标像素点的邻域窗口内像素点的距离修正系数和灰度差异修正系数,包括:
将目标像素点的邻域窗口内所有喷溅像素点到目标像素点之间的距离的均值记为,将目标像素点的邻域窗口内所有非喷溅像素点到目标像素点之间的距离的均值记为/>;将目标像素点的邻域窗口内所有喷溅像素点的灰度值的均值记为/>,将目标像素点的邻域窗口内所有非喷溅像素点的灰度值的均值记为/>;
对与/>之间的差异通过/>函数归一化,将归一化后的结果记为距离的初始修正系数;对/>与/>之间的差异通过/>函数归一化,将归一化后的结果记为灰度差异的初始修正系数;其中,差异为差值的绝对值;
将距离的初始修正系数与灰度差异的初始修正系数的和记为系数的和;
将距离的初始修正系数与系数的和之间的比值记为距离的修正系数,将灰度差异的初始修正系数与系数的和之间的比值记为灰度差异的修正系数。
9.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述根据距离修正系数对目标像素点的邻域窗口内像素点的空间距离权重进行修正,获得修正后的空间距离权重,根据灰度差异修正系数对目标像素点的邻域窗口内像素点的灰度差异权重进行修正,获得修正后的灰度差异权重,包括的具体步骤如下:
修正后的空间距离权重的计算公式为:
修正后的灰度差异权重的计算公式为:
式中,表示目标像素点的邻域窗口内中心像素点/>的位置坐标,/>表示目标像素点的邻域窗口内第/>个像素点的位置坐标,/>表示目标像素点的邻域窗口内所有像素点到中心像素点之间距离/>的方差,/>表示目标像素点的邻域窗口内中心像素点/>的灰度值,/>表示目标像素点的邻域窗口内第/>个像素点的灰度值,/>表示目标像素点的邻域窗口内所有像素点与中心像素点之间灰度值差异/>的方差,/>表示距离的修正系数,/>表示灰度差异的修正系数,/>表示绝对值符号,/>表示以自然常数为底的指数函数,/>表示目标像素点的邻域窗口内第/>个像素点修正后的空间距离权重,/>表示目标像素点的邻域窗口内第/>个像素点修正后的灰度差异权重。
10.根据权利要求1所述一种面向高频焊接H型钢的视觉定位***,其特征在于,所述根据修正后的空间距离权重和修正后的灰度差异权重对高频钢图像进行滤波,获得滤波之后的高频钢图像,根据滤波之后的高频钢图像进行焊缝的定位,包括的具体步骤如下:
高频钢图像中每个像素点滤波后的灰度值的具体公式为:
式中,表示目标像素点的邻域窗口内第/>个像素点修正后的空间距离权重,/>表示目标像素点的邻域窗口内第/>个像素点修正后的灰度差异权重,/>表示目标像素点的邻域窗口内第/>个像素点的灰度值,/>表示目标像素点滤波之后的灰度值,/>表示目标像素点的邻域窗口内的所有像素点的数量;
根据目标像素点滤波之后的灰度值获得滤波之后的高频钢图像;
再通过特征点匹配算法对滤波之后的高频钢图像中的焊缝进行定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077780.3A CN117593305B (zh) | 2024-01-19 | 2024-01-19 | 一种面向高频焊接h型钢的视觉定位*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077780.3A CN117593305B (zh) | 2024-01-19 | 2024-01-19 | 一种面向高频焊接h型钢的视觉定位*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117593305A true CN117593305A (zh) | 2024-02-23 |
CN117593305B CN117593305B (zh) | 2024-04-05 |
Family
ID=89922784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410077780.3A Active CN117593305B (zh) | 2024-01-19 | 2024-01-19 | 一种面向高频焊接h型钢的视觉定位*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117593305B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788570A (zh) * | 2024-02-26 | 2024-03-29 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种基于机器视觉的斗轮机定位方法及*** |
CN117994067A (zh) * | 2024-04-03 | 2024-05-07 | 沂南县宏奥生物科技有限公司 | 一种基于羽毛粉生产的智能控制方法 |
CN118014882A (zh) * | 2024-04-08 | 2024-05-10 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829883A (zh) * | 2023-02-16 | 2023-03-21 | 汶上县恒安钢结构有限公司 | 一种异性金属结构件表面图像去噪方法 |
CN116309579A (zh) * | 2023-05-19 | 2023-06-23 | 惠州市宝惠电子科技有限公司 | 一种用图像处理的变压器焊缝质量检测方法 |
CN116758059A (zh) * | 2023-08-10 | 2023-09-15 | 吉林交通职业技术学院 | 一种用于路基路面的视觉无损检测方法 |
CN116977329A (zh) * | 2023-09-21 | 2023-10-31 | 江苏惠汕新能源集团有限公司 | 一种基于机器视觉的光伏板栅线检测方法 |
CN117011297A (zh) * | 2023-10-07 | 2023-11-07 | 惠州市凯默金属制品有限公司 | 基于图像处理的铝合金汽配件模具缺陷检测方法 |
CN117252882A (zh) * | 2023-11-20 | 2023-12-19 | 苏州德费尔自动化设备有限公司 | 一种气缸盖质量检测方法及*** |
CN117351008A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市阿龙电子有限公司 | 一种智能手机面板表面缺陷检测方法 |
-
2024
- 2024-01-19 CN CN202410077780.3A patent/CN117593305B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829883A (zh) * | 2023-02-16 | 2023-03-21 | 汶上县恒安钢结构有限公司 | 一种异性金属结构件表面图像去噪方法 |
CN116309579A (zh) * | 2023-05-19 | 2023-06-23 | 惠州市宝惠电子科技有限公司 | 一种用图像处理的变压器焊缝质量检测方法 |
CN116758059A (zh) * | 2023-08-10 | 2023-09-15 | 吉林交通职业技术学院 | 一种用于路基路面的视觉无损检测方法 |
CN116977329A (zh) * | 2023-09-21 | 2023-10-31 | 江苏惠汕新能源集团有限公司 | 一种基于机器视觉的光伏板栅线检测方法 |
CN117011297A (zh) * | 2023-10-07 | 2023-11-07 | 惠州市凯默金属制品有限公司 | 基于图像处理的铝合金汽配件模具缺陷检测方法 |
CN117252882A (zh) * | 2023-11-20 | 2023-12-19 | 苏州德费尔自动化设备有限公司 | 一种气缸盖质量检测方法及*** |
CN117351008A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市阿龙电子有限公司 | 一种智能手机面板表面缺陷检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788570A (zh) * | 2024-02-26 | 2024-03-29 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种基于机器视觉的斗轮机定位方法及*** |
CN117788570B (zh) * | 2024-02-26 | 2024-05-07 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种基于机器视觉的斗轮机定位方法及*** |
CN117994067A (zh) * | 2024-04-03 | 2024-05-07 | 沂南县宏奥生物科技有限公司 | 一种基于羽毛粉生产的智能控制方法 |
CN117994067B (zh) * | 2024-04-03 | 2024-06-04 | 沂南县宏奥生物科技有限公司 | 一种基于羽毛粉生产的智能控制方法 |
CN118014882A (zh) * | 2024-04-08 | 2024-05-10 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
CN118014882B (zh) * | 2024-04-08 | 2024-06-04 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117593305B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117593305B (zh) | 一种面向高频焊接h型钢的视觉定位*** | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN111696107B (zh) | 一种实现闭合连通域的熔池轮廓图像提取方法 | |
CN113362326A (zh) | 一种电池焊点缺陷的检测方法及装置 | |
CN116703910B (zh) | 一种混凝土预制底板质量智能检测方法 | |
CN105913396A (zh) | 一种噪声估计的图像边缘保持混合去噪方法 | |
CN114219805B (zh) | 一种玻璃缺陷智能检测方法 | |
CN114972343A (zh) | 一种激光焊接产品生产异常检测方法 | |
CN115797342B (zh) | 一种工业控制电容触摸lcd显示总成缺陷检测方法 | |
CN115330645A (zh) | 一种焊接图像增强方法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测*** | |
CN115170669A (zh) | 基于边缘特征点集配准的识别定位方法及***、存储介质 | |
CN115330758B (zh) | 基于去噪处理的焊接质量检测方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN117437219B (zh) | 基于计算机视觉的磁胶电感不规则外观缺陷检测方法 | |
CN117635609B (zh) | 一种塑胶产品生产质量视觉检测方法 | |
CN116990323A (zh) | 一种高精密印刷版视觉检测*** | |
CN114463211A (zh) | 一种基于浑浊度分级的水下图像增强方法 | |
CN111429372A (zh) | 一种增强低对比度图像边缘检测效果的方法 | |
CN105225244A (zh) | 基于最小局部均方差计算的噪点检测方法 | |
CN117237335A (zh) | 基于机器视觉的光伏钢结构组件检测方法 | |
CN117649412A (zh) | 一种铝材表面质量的检测方法 | |
CN116012767B (zh) | 一种电控硅油风扇离合器壳体裂纹视觉检测方法 | |
CN113256563A (zh) | 基于空间注意力机制的精品罐表面缺陷检测方法和*** |
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 |