首页 / 专利库 / 电脑图像 / 边缘检测 / 一种基于特征图像的小模数齿轮边缘检测精度计算方法

一种基于特征图像的小模数齿轮边缘检测精度计算方法

阅读:2发布:2020-09-11

专利汇可以提供一种基于特征图像的小模数齿轮边缘检测精度计算方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于特征图像的小模数 齿轮 边缘检测 精度 计算方法。本发明具体技术方案步骤如下:一、建立小模数渐开线齿轮边缘的特征函数;二、根据特征函数构建小模数渐开线齿轮各特征的基准图像;三、建立基准图像边缘检测效果评价的策略与评价指标;四、选择边缘检测 算法 对基准图像进行边缘检测,综合各特征图像的评定指标量化边缘检测结果与真实边缘的偏差。本发明能够量化图像边缘检测结果与真实边缘间的偏差,从而选择合适的边缘检测检测方法。同时结合小模数渐开线齿轮的边缘特性,构建了多个不同的齿轮边缘特征图像,与构建齿轮整体的高 分辨率 基准图像相比工作量更小,对 硬件 要求更低。,下面是一种基于特征图像的小模数齿轮边缘检测精度计算方法专利的具体信息内容。

1.一种基于特征图像的小模数齿轮边缘检测精度计算方法,其特征在于,具体步骤如下:
一、建立小模数渐开线齿轮边缘的特征函数;
二、根据特征函数构建小模数渐开线齿轮各特征的基准图像;
三、建立基准图像边缘检测效果评价的策略与评定指标;
四、选择边缘检测算法对基准图像进行边缘检测,综合各特征图像的精度评定指标量化边缘检测结果与真实边缘间的偏差。
2.根据权利要求1所述的小模数齿轮边缘检测精度计算方法,其特征在于,在步骤一中,考虑小模数齿轮图像边缘的多样性,需要建立多个不同的齿轮边缘特征图像,包括齿轮内孔圆、渐开线齿廓与齿顶转
3.根据权利要求2所述的小模数齿轮边缘检测精度计算方法,其特征在于,构建内孔圆的特征函数,由圆的函数公式来表达:
(x-x0)2+(y-y0)2=r2
其中:(x,y)是特征函数表示的边缘坐标;(x0,y0)是特征函数的圆心坐标,是构建基准图像的设计参数;r是特征函数表示的圆半径,是构建基准图像的设计参数。
4.根据权利要求2所述的小模数齿轮边缘检测精度计算方法,其特征在于,构建渐开线齿廓的特征函数,以左齿廓为例,具体步骤如下:
1)确定渐开线齿廓的起始点A(xa,ya)以及渐开线齿轮几何中心O(x0,y0),点A位于渐开线齿轮的基圆上,计算 与y轴正方向的夹角β:
2)确定渐开线齿轮的角αk和展角θk,并由下式求得二者关系:
θk=tanαk-αk
3)由于同一条渐开线齿廓对应的角度β不变,由此确定渐开线左齿廓上任意一点K(x,y)满足下式:
上式即为渐开线左齿廓边缘的特征函数,其中rb为基圆半径;计算rb中需要确定的设计参数包括齿轮的模数m,齿数z,压力角αk,几何中心O(x0,y0),渐开线齿廓的起始点A(xa,ya);
同左齿廓的计算方法,可以求得右齿廓的特征函数表示为:
5.根据权利要求2所述的小模数齿轮边缘检测精度计算方法,其特征在于,构建齿顶转角的特征函数,齿顶特征是由两交叉直线及其交点(xl,yl)构成,其特征函数的计算如下所示:
其中k1、k2分别是两条直线的斜率,斜率与交点(xl,yl)坐标是构建基准图像的设计参数。
6.根据权利要求1至5中任一项所述的小模数齿轮边缘检测精度计算方法,其特征在于,在步骤二中,根据特征函数构建小模数渐开线齿轮各个特征的基准图像,需要由步骤一得到各特征图像边缘满足的特征函数,并确定各特征图像中的设计参数。
7.根据权利要求3所述的小模数齿轮边缘检测精度计算方法,其特征在于,在步骤三中评定圆特征图像的边缘检测精度,设边缘点的集合为(xi,yi),i=1,2,…,n,(xi,yi)到理想圆心的距离为ri;则评定计算过程如下:
△ri=(xi-x0)2+(yi-y0)2-r
其中△ri为边缘点到理想圆心的距离ri与特征函数模型理想半径r的差值,以所有边缘点△ri的平均值 作为评定精度的标准。
8.根据权利要求4所述的小模数齿轮边缘检测精度计算方法,其特征在于,在步骤三中评定渐开线特征图像的边缘检测精度,根据渐开线齿廓的特征函数建立特征图像,图像中的齿廓特征边缘是理想的,其齿廓总偏差Fα为0,故实际边缘检测结果的Fα可作为评定精度的标准;
设齿廓边缘点的集合为(xi,yi),i=1,2,…,n,过任意齿廓点(xi,yi)的拟合渐开线起点与坐标原点间的直线和y轴正方向的夹角为βi;由此确定βmin=min{βi|i=1,2,…,n},βmax=max{βi|i=1,2,…,n},根据齿廓总偏差定义求得:
Fα=rb(βmax-βmin)。
9.根据权利要求5所述的小模数齿轮边缘检测精度计算方法,其特征在于,在步骤三中评定齿顶特征图像的边缘检测精度,根据交点(xl,yl)将边缘检测提取的边缘点按照位于不同的直线上分为两类;计算边缘点与建立的对应直线特征函数模型间的距离,设边缘点的集合为(xi,yi),i=1,2,…,n,直线的斜率为k,则边缘点到直线的距离为:
计算所有边缘点与直线函数间的距离,以其平均值作为评定精度的标准。

说明书全文

一种基于特征图像的小模数齿轮边缘检测精度计算方法

技术领域

[0001] 本发明属于图像处理技术领域,具体涉及一种基于特征图像的小模数齿轮边缘检测精度计算方法。

背景技术

[0002] 小模数齿轮通常指模数小于1mm的齿轮,常用于精密仪器仪表中的传动装置中。小模数齿轮由于尺寸小、齿槽间隙小等机械特点,使用传统接触式测量十分困难,而非接触的视觉测量方法可以从原理上解决这个问题,将机器视觉成果引入齿轮测量领域已成为了一个重要的发展趋势。边缘检测技术一直以来都是视觉测量领域的研究热点,常用的边缘检测算法是考查图像像素邻域内灰度的变化,利用一阶、二阶导数算子将边缘定位在像素级精度上。随着实际应用中对精度要求的增加,像素级的边缘检测算法无法满足实际需要,越来越多的专家致于亚像素级算法的研究。而面对众多的边缘检测算法,如何选择合适的检测方法,这问题的解决有赖于对边缘检测结果的评定。
[0003] 为评定边缘检测与视觉测量的效果,需要在进行边缘检测时,量化检测结果的精度。判断各种边缘检测算子对轮廓信息提取的准确性,需要一个能够客观评价检测结果的标准。客观边缘评价方法可分为两类:一类是无基准图评价方法,这一类方法通常是基于边缘像素邻域的局部相关性来评价图像边缘的质量;另一类是基于基准图的评价法,通常需要生成边缘基准图,再以此判断检测结果的漏检、错检、重检以及边缘偏移等情况从而完成评价。对比两类客观边缘评价方法,第一类方法无法判断出边缘检测的虚假边缘;第二类方法能更全面、可靠地量化边缘检测结果的偏差,但是效率相对较低。
[0004] 根据国标GBT 10095.1-2008中齿轮精度的评定标准可知,用以评定齿轮精度的参数计算结果是微米级别,因此视觉测量系统需要提供高分辨率的图像以满足齿轮精度评定的需求。故实现小模数齿轮视觉测量系统中边缘检测效果的评价,难点在于构建齿轮整体的高分辨率基准图像工作量大,对计算机硬件要求高。

发明内容

[0005] 本发明为了克服以上不足,提出了一种基于特征图像的小模数齿轮最优边缘检测确定方法,根据齿轮特征的相关设计参数以及数学模型建立特征边缘图像,并以此作为基准边缘图来量化图像边缘检测检测结果和真实边缘的偏差。
[0006] 本发明具体步骤如下:
[0007] 步骤一、建立小模数渐开线齿轮边缘的特征函数。
[0008] 在步骤一中,考虑小模数齿轮图像边缘的多样性,需要建立多个不同的齿轮边缘特征图像,包括齿轮内孔圆、渐开线齿廓与齿顶转
[0009] 1.1构建内孔圆的特征函数,由圆的函数公式来表达:
[0010] (x-x0)2+(y-y0)2=r2  (1)
[0011] 其中:
[0012] (x,y)是特征函数表示的边缘坐标;
[0013] (x0,y0)是特征函数的圆心坐标,是构建基准图像的设计参数;
[0014] r是特征函数表示的圆半径,是构建基准图像的设计参数。
[0015] 1.2构建渐开线齿廓的特征函数,以左齿廓为例,具体步骤如下:
[0016] 1.2.1确定渐开线齿廓的起始点A(xa,ya)以及渐开线齿轮几何中心O(x0,y0),点A位于渐开线齿轮的基圆上,计算 与y轴正方向的夹角β:
[0017]
[0018] 1.2.2确定渐开线齿轮的压力角αk和展角θk,并由下式求得二者关系:
[0019]
[0020] θk=tanαk-αk  (4)
[0021] 1.2.3由于同一条渐开线齿廓对应的角度β不变,由此可以确定渐开线左齿廓上任意一点K(x,y)满足下式:
[0022]
[0023] 上式即为渐开线左齿廓边缘的特征函数,其中rb为基圆半径。该特征函数中需要确定的设计参数包括齿轮的模数m,齿数z,压力角αk,几何中心O(x0,y0),渐开线齿廓的起始点A(xa,ya)。
[0024] 同左齿廓的计算方法,可以求得右齿廓的特征函数可以表示为:
[0025]
[0026] 1.3构建齿顶转角的特征函数,齿顶特征是由两交叉直线及其交点(xl,yl)构成,其特征函数的计算如下所示:
[0027]
[0028] 其中k1、k2分别是两条直线的斜率,斜率与交点(xl,yl)坐标是构建基准图像的设计参数。
[0029] 步骤二、根据特征函数构建小模数渐开线齿轮各个特征的基准图像,需要由步骤一得到各特征图像边缘满足的特征函数,并确定各特征图像中的设计参数。
[0030] 步骤三、建立边缘检测效果评价的评价策略与评定指标。
[0031] 3.1评定圆特征图像的边缘检测精度,设边缘点的集合为(xi,yi),i=1,2,…,n,(xi,yi)到理想圆心的距离为ri。则评定计算过程如下:
[0032] Δri=(xi-x0)2+(yi-y0)2-r(8)
[0033]
[0034] 其中Δri为边缘点到理想圆心的距离ri与函数模型理想半径r的差值,以所有边缘点Δri的平均值 作为评定精度的标准。
[0035] 3.2评定渐开线特征图像的边缘检测精度,根据渐开线齿廓的特征函数建立特征图像,图像中的齿廓特征边缘是理想的,其齿廓总偏差Fα(包容实际齿廓边缘的两条标准渐开线间的距离)为0,故实际边缘检测结果的Fα可作为评定精度的标准。
[0036] 设齿廓边缘点的集合为(xi,yi),i=1,2,…,n,过任意齿廓点(xi,yi)的拟合渐开线起点与坐标原点间的直线和y轴正方向的夹角为βi。由此确定βmin=min{βi|i=1,2,…,n},βmax=max{βi|i=1,2,…,n},根据齿廓总偏差定义求得:
[0037] Fα=rb(βmax-βmin)  (10)
[0038] 3.3评定齿顶特征图像的边缘检测精度,根据交点(xl,yl)将边缘检测提取的边缘点按照位于不同的直线上分为两类。计算边缘点与建立的对应直线函数模型间的距离,设边缘点的集合为(xi,yi),i=1,2,…,n,直线的斜率为k,则边缘点到直线的距离为:
[0039]
[0040] 计算所有边缘点与直线函数间的距离,以其平均值作为评定精度的标准。
[0041] 步骤四、选择边缘检测算法对基准图像进行边缘检测,综合各特征图像的精度评定指标量化边缘检测结果与真实边缘间的偏差。
[0042] 本发明的有益效果是:
[0043] 1、本发明能够量化边缘检测结果与真实边缘间的偏差,从而选择合适的边缘检测检测方法。
[0044] 2、结合小模数渐开线齿轮的边缘特性,构建了多个不同的齿轮边缘特征图像,包括齿轮内孔圆、渐开线齿廓与齿顶转角。与构建齿轮整体的高分辨率基准图像相比工作量更小,对硬件要求更低。附图说明
[0045] 图1为本发明的流程图
[0046] 图2为渐开线齿廓特征函数构建原理图;
[0047] 图3为小模数渐开线齿轮各特征的基准图像示意图;
[0048] 图4为渐开线齿廓特征图像精度评定策略原理图;
[0049] 图5为齿顶特征图像精度评定策略原理图。

具体实施方式

[0050] 以下结合实施例和附图对本发明作进一步说明。
[0051] 参见附图1,一种基于特征图像的小模数齿轮边缘检测精度计算方法具体步骤如下:
[0052] 步骤一、建立小模数渐开线齿轮边缘的特征函数。
[0053] 在步骤一中,考虑小模数齿轮图像边缘的多样性,需要建立多个不同的齿轮边缘特征图像,包括齿轮内孔圆、渐开线齿廓与齿顶转角。
[0054] 1.1构建内孔圆的特征函数,由圆的函数公式来表达,如式(1)所示。
[0055] 1.2参见附图2构建渐开线齿廓的特征函数,以左齿廓为例,具体步骤如下:
[0056] 1.2.1确定渐开线齿廓的起始点A(xa,ya)以及渐开线齿轮几何中心O(x0,y0),点A位于渐开线齿轮的基圆上,计算 与y轴正方向的夹角β如式(2)所示。
[0057] 1.2.2确定渐开线齿轮的压力角αk和展角θk,并由式(3)、(4)求得二者关系。
[0058] 1.2.3由于同一条渐开线齿廓对应的角度β不变,由此可以确定渐开线左齿廓上任意一点K(x,y)满足式(5),即为渐开线左齿廓边缘的特征函数。该特征函数中需要确定的设计参数包括齿轮的模数m,齿数z,压力角αk,几何中心O(x0,y0),渐开线齿廓的起始点A(xa,ya)。
[0059] 同时根据左齿廓的计算方法,可以求得右齿廓的特征函数的表达式,如式(6)所示。
[0060] 1.3构建齿顶转角的特征函数,齿顶特征是由两交叉直线及其交点(xl,yl)构成,其特征函数的计算如式(7)所示。
[0061] 其中k1、k2分别是两条直线的斜率,斜率与交点(xl,yl)坐标是构建基准图像的设计参数。
[0062] 步骤二、参见附图3根据特征函数构建小模数渐开线齿轮各个特征的基准图像,需要由步骤一得到各特征图像边缘满足的特征函数,并确定各特征图像中的设计参数,图3中(a)为基准圆特征模型图,(b)为基准渐开线齿廓特征模型图,(c)为基准齿顶特征模型图。
[0063] 步骤三、建立边缘检测效果评价的评价策略与评定指标。
[0064] 3.1评定圆特征图像的边缘检测精度,设边缘点的集合为(xi,yi),i=1,2,…,n,(xi,yi)到理想圆心的距离为ri。则评定计算过程如式(8)、(9)所示,求得所有边缘点到理想圆心的距离ri与函数模型理想半径r的差值Δri,以其的平均值 作为评定精度的标准。
[0065] 3.2参见附图4,评定渐开线特征图像的边缘检测精度,根据式(5)建立渐开线齿廓特征图像,图像中的齿廓特征边缘是理想的,其齿廓总偏差Fα(包容实际齿廓边缘的两条标准渐开线间的距离)为0,故实际边缘检测结果的Fα可作为精度评定的指标。
[0066] 设齿廓边缘点的集合为(xi,yi),i=1,2,…,n,过任意齿廓点(xi,yi)的拟合渐开线起点与坐标原点间的直线和y轴正方向的夹角为βi。由此确定βmin=min{βi|i=1,2,…,n},βmax=max{βi|i=1,2,…,n},根据齿廓总偏差定义求得式(10)。
[0067] 3.3参见附图5,评定齿顶特征图像的边缘检测精度,根据交点(xl,yl)将边缘检测提取的边缘点按照位于不同的直线上分为两类。计算边缘点与建立的对应直线函数模型间的距离,设边缘点的集合为(xi,yi),i=1,2,…,n,直线的斜率为k,则边缘点到直线的距离如式(11)所示,计算所有边缘点与直线函数间的距离,以其平均值作为精度评定指标。
[0068] 步骤四、选择边缘检测算法对基准图像进行边缘检测,综合各特征图像的精度评定指标量化边缘检测结果与真实边缘间的偏差。根据不同边缘检测算法的偏差值大小可以选择合适的边缘检测算法。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈