基于机器视觉的平面划痕长度非接触测量方法
阅读：770发布：2022-10-01
专利汇可以提供基于机器视觉的平面划痕长度非接触测量方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于 机器视觉 的平面划痕长度非 接触 测量方法，属于划痕检测领域。首先，通过相机标定获得相机的内参及畸变系数，在畸变模型中引入三项径向畸变及两项切向畸变。其次，为了解决由于相机光轴与待测表面不垂直所引起的投影畸变问题，本方法利用标定结果建立图像矫正模型，并获得矫正图像。最后，利用亚 像素 检测 算法 在矫正后的图像上提取待测划痕的几何曲线特征，并通过归一化比例系数计算划痕的实际长度。本发明 专利 解决了由于相机与待测表面的相对 位置 因素引起的划痕长度测量不准确的问题，显著降低了对相机安装位置的要求，并确保了较高的测量 精度 。，下面是基于机器视觉的平面划痕长度非接触测量方法专利的具体信息内容。
1.一种基于机器视觉的平面划痕长度非接触测量方法，其特征在于：通过图像矫正、ROI提取、阈值分割及骨架化得到划痕的亚像素轮廓，利用归一化比例当量法实现划痕长度的测量，包括以下步骤：
步骤（1）标定相机的内参及畸变系数；
步骤（2）利用相机内参及归一化缩放比例系数、三次高阶插值法对划痕图像进行矫正；
步骤（3）利用图像处理算法，获得矫正后图像中划痕的亚像素轮廓及划痕的像素长度，通过归一化缩放比例系数最终获得划痕长度。
2.根据权利要求1所述的基于机器视觉的平面划痕长度非接触测量方法，其特征在于：
步骤（1）所述的标定相机的内参及畸变系数，具体过程包括：
（1.1）采集9幅不同位姿下实心圆阵列图案的标定板图像；
（1.2）利用霍夫变换得到标定板上实心圆中心的亚像素坐标；
（1.3）通过实心圆中心的像素坐标和这些坐标点所对应的世界坐标，求解相机内参及各位姿对应外参；
（1.4）增加径向及切向畸变，对相机的内参、畸变系数及标定板的外参进行非线性优化，优化初值为步骤（1.3）所获得相机内参及标定板外参。
3.根据权利要求1所述的基于机器视觉的平面划痕长度非接触测量方法，其特征在于：
步骤（2）所述的利用相机内参及归一化缩放比例系数、三次高阶插值法对划痕图像进行矫正，具体过程包括：
（2.1）将标定板的下表面与待测平面重合，利用霍夫变换得到实心圆阵列图案的标定板上四个实心圆中心的亚像素坐标，并计算四个中心点的像素距离，分别设为d1，d2，d3，d4，单位为pixel；
（2.2）获得四个中心点之间的实际距离，分别设为D1，D2，D3，D4，单位为毫米；
（2.3）通过四个中心点的像素距离及对应的实际距离，得到归一化缩放比例系数；
（2.4）利用步骤（1）获得的相机内参及步骤（2.3）得到的归一化缩放比例系数，对划痕图像进行处理，并采用高阶插值法获得矫正后图像中像素点对应的灰度值，最终得到矫正划痕图像。
4.根据权利要求1所述的基于机器视觉的平面划痕长度非接触测量方法，其特征在于：
步骤（3）所述的利用图像处理算法，获得矫正后图像中划痕的亚像素轮廓及划痕的像素长度，通过归一化缩放比例系数最终获得划痕长度，具体过程包括：
（3.1）利用局部均值和标准差阈值分割算法，将划痕区域从图像中分割出来；
（3.2）通过形态学处理、骨架化算法及亚像素轮廓分析，获得划痕亚像素轮廓，并计算划痕的像素长度；
（3.3）将划痕像素长度与步骤（2）获得的归一化缩放比例系数相乘，最终得到划痕的实际长度。
基于机器视觉的平面划痕长度非接触测量方法
技术领域
[0001] 本发明涉及划痕检测领域，特别涉及一种基于机器视觉的平面划痕长度非接触测量方法。
背景技术
[0002] 随着科技的发展，人们对产品的质量和工艺的要求越来越高。表面划痕是一种最为常见的表面缺陷，划痕的长度和深度直接影响到产品的质量。以机械零件为例，表面划痕不仅影响零件的外观，更会对零件的机械性能。在交变载荷下，大的划痕容易引起应力集中，并在零件上很快产生疲劳裂纹；划痕还会影响零件的抗腐蚀性，当零件表面出现划痕后，零件的抗腐蚀性明显降低；当划痕出现在零件之间的装配面，还会对零件的装配造成影响。
[0003] 在生产中，产品表面都可能出现划痕，传统的表面划痕检测是人工目视抽样检测，并通过经验判断划痕是否满足质量要求。人工检测方法存在以下缺点：首先，这种方法的劳动强度大，严重限制了生产效率的提升；其次，产品表面划痕很多时候是不规则的曲线，需要根据检测人员的经验判断产品是否符合质量要求，极易出现错检现象，影响产品质量控制；最后，实现表面划痕的全产品检测的成本极大。
[0004] 基于机器视觉的检测技术是一种非接触的快速测量方法，该方法对采集图像进行图像处理，最终获得所需要的测量要素。与传统的划痕检测方法相比，基于机器视觉的非接触测量方法以下优点：
[0005] (1)长时间的稳定工作，可以实现对产品的全部检测，显著降低检测成本；
[0006] (2)对检测结果进行量化控制，消除了人工判断中因经验不足或疲劳引起的错检。
[0007] (3)易于信息集成和管理，可以实现生产过程的智能化。
[0008] 在工业中，基于机器视觉的表面划痕检测技术得到了一定的应用，但是该技术还存在很多的问题。在大视场下，镜头畸变对测量精度影响很大，因此现有的基于机器视觉的划痕检测技术通常对视觉系统距离工件表面的距离有要求，如果视觉系统距离工件的距离过远，划痕的测量精度无法保证。在视觉系统搭建中，通常要求被测平面与相机的成像平面平行，即相机的光轴要严格的垂直于被测表面，例如，2011年张文军等人在期刊上发表的论文《数据图像处理技术在表面划痕测量中的应用》，该论文提出了基于图像处理技术的飞机坐舱、机翼蒙皮表面划痕测量系统，该技术可以对微小划痕进行深度检测，但是该系统要求相机的成像平面要与被测平面严格垂直。
发明内容
[0009] 本发明的目的在于提供一种基于机器视觉的平面划痕长度非接触测量方法，克服了现有非接触测量的不足，保证了在较低的硬件成本下，较高的检测效率及较好的检测精度。本发明选用面阵非圆心相机，创新的建立了相机畸变的多项式模型，通过标定可以显著减少在大视场下相机畸变对测量精度的影响；根据标定结果及本发明提出的归一化缩放比例、三次高阶插值法对待测平面进行几何矫正，并对矫正后图像上的划痕几何特征进行亚像素轮廓处理，通过待测对象像素点的个数最终得到精确的表面划痕长度。
[0010] 本发明的上述目的通过以下技术方案实现：通过图像矫正、ROI提取、阈值分割及骨架化得到划痕的亚像素轮廓，利用归一化比例当量法实现划痕长度的测量，包括以下步骤：
[0011] 步骤(1)标定相机的内参及畸变系数；
[0012] 步骤(2)利用相机内参及归一化缩放比例系数、三次高阶插值法对划痕图像进行矫正；
[0014] 步骤(1)所述的标定相机的内参及畸变系数，具体过程包括：
[0015] (1.1)采集9幅不同位姿下实心圆阵列图案的标定板图像；
[0016] (1.2)利用霍夫变换得到标定板上实心圆中心的亚像素坐标；
[0017] (1.3)通过实心圆中心的像素坐标和这些坐标点所对应的世界坐标，求解相机内参及各位姿对应外参；
[0018] (1.4)增加径向及切向畸变，对相机的内参、畸变系数及标定板的外参进行非线性优化，优化初值为步骤(1.3)所获得相机内参及标定板外参。
[0019] 步骤(2)所述的利用相机内参及归一化缩放比例系数、三次高阶插值法对划痕图像进行矫正，具体过程包括：
[0020] (2.1)将标定板的下表面与待测平面重合，利用霍夫变换得到实心圆阵列图案的标定板上四个实心圆中心的亚像素坐标，并计算四个中心点的像素距离，分别设为d1，d2，d3，d4，单位为pixel；
[0021] (2.2)获得四个中心点之间的实际距离，分别设为D1，D2，D3，D4，单位为毫米；
[0022] (2.3)通过四个中心点的像素距离及对应的实际距离，得到归一化缩放比例系数；
[0023] (2.4)利用步骤(1)获得的相机内参及步骤(2.3)得到的归一化缩放比例系数，对划痕图像进行处理，并采用高阶插值法获得矫正后图像中像素点对应的灰度值，最终得到矫正划痕图像。
[0024] 步骤(3)所述的利用图像处理算法，获得矫正后图像中划痕的亚像素轮廓及划痕的像素长度，通过归一化缩放比例系数最终获得划痕长度，具体过程包括：
[0025] (3.1)利用局部均值和标准差阈值分割算法，将划痕区域从图像中分割出来；
[0026] (3.2)通过形态学处理、骨架化算法及亚像素轮廓分析，获得划痕亚像素轮廓，并计算划痕的像素长度；
[0027] (3.3)将划痕像素长度与步骤(2)获得的归一化缩放比例系数相乘，最终得到划痕的实际长度。
[0028] 基于机器视觉的平面划痕长度非接触测量方法，基于机器视觉技术，建立一种平面上划痕长度的快速检测方法，通过图像矫正、ROI提取、阈值分割及骨架化得到划痕的亚像素轮廓，利用归一化比例当量法实现划痕长度的测量，其包括以下步骤：
[0029] 本发明的有益效果在于：在相机两步标定的基础上，提出了新的畸变模型，解决了大视场下镜头畸变引起的测量误差；通过在被测表面放置高精度标定板，对采集的被测平面图像进行矫正，解决了被测平面与相机光轴不垂直导致的被测平面上划痕变形问题，放松了相机与被测平面之间摆放位置的要求，提高了划痕检测的适用范围；通过图像处理算法获得矫正后图像上划痕的亚像素轮廓，利用像素距离和实际物理距离之间的归一化缩放比例系数，可以获得精确的划痕长度。本发明采用了机器视觉测量技术，可以实现划痕的非接触测量，通过算法可以保证较高的测量精度。对直线型划痕长度的相对精度可以达到0.12％，对曲线型划痕长度的相对精度可达到0.48％。
附图说明
附图说明
[0030] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实例及其说明用于解释本发明，并不构成对本发明的不当限定。
[0033] 图3为本发明的摄像机内参标定时所用的标定板图像；
[0034] 图4为本发明的相机系统成像模型示意图；
[0035] 图5为本发明的归一化缩放比例系数计算示意图；
[0036] 图6为本发明的矫正前后标定板图像。
具体实施方式
[0038] 下面结合附图进一步说明本发明的详细内容及其具体实施方式。
[0039] 参见图1至图6所示，本发明的基于机器视觉的平面划痕长度非接触测量方法，首先，通过相机标定获得相机的内参及畸变系数，在畸变模型中引入三项径向畸变及两项切向畸变。其次，为了解决由于相机光轴与待测表面不垂直所引起的投影畸变问题，本方法利用标定结果建立图像矫正模型，并获得矫正图像。最后，利用亚像素检测算法在矫正后的图像上提取待测划痕的几何曲线特征，并通过归一化比例系数计算划痕的实际长度。本发明专利解决了由于相机与待测表面的相对位置因素引起的划痕长度测量不准确的问题，显著降低了对相机安装位置的要求，并确保了较高的测量精度。
[0040] 本发明基于机器视觉技术，建立一种平面划痕长度的非接触检测方法，通过图像矫正、ROI提取、阈值分割及骨架化得到表面划痕的亚像素轮廓，利用归一化比例当量法实现表面划痕长度的测量，其包括以下步骤：
[0041] 步骤1、标定相机的内参及畸变系数：
[0042] 1.1采集9幅不同位资下实心圆阵列图案的标定板图像；
[0043] 1.2利用霍夫变换得到标定板上实心圆中心的亚像素坐标；
[0044] 1.3通过实心圆中心的像素坐标和这些点所对应的世界坐标，求解相机内参及各位资对应外参；
[0045] 1.4增加径向及切向畸变，对相机的内参、畸变系数及标定板的外参进行非线性优化，优化初值为步骤1.3所获得相机内参及标定板外参。
[0046] 步骤2、利用相机内参及归一化缩放比例系数、三次高阶插值法对划痕图像进行矫正：
[0047] 2.1将标定板紧贴在待测平面上，利用霍夫变换得到实心圆阵列图案的标定板上四个标记点中心的亚像素坐标，并计算四个标记点的像素距离，设为d1，d2，d3，d4，单位为pixel；
[0048] 2.2获得四个中心点之间的实际距离，设四个点的距离分别为D1，D2，D3，D4，单位为毫米；
[0049] 2.3过四个中心点的像素距离及对应的实际距离，得到归一化缩放比例系数；
[0050] 2.4利用步骤(1)获得的标定结果及归一化缩放比例系数，对划痕图像进行处理，并采用高阶插值法获得矫正后图像中像素点对应的灰度值，最终得到矫正划痕图像。
[0051] 3、利用图像处理算法，获得矫正后图像中表面划痕的亚像素轮廓及划痕的像素长度，通过归一化缩放比例系数最终获得划痕长度：
[0052] 3.1利用局部均值和标准差阈值分割算法，将划痕区域从图像中分割出来；
[0053] 3.2通过形态学处理、骨架化算法及亚像素轮廓分析，获得划痕亚像素轮廓，并计算划痕的像素长度。
[0054] 3.3将划痕像素长度与步骤(2)获得的缩放比例系数相乘，最终得到划痕的实际长度。
[0055] 实施例：
[0056] 本发明的基于机器视觉的平面划痕长度非接触测量方法，是通过图像处理技术，建立一种表面划痕长度的快速检测方法，通过图像矫正、ROI提取、阈值分割及骨架化得到表面划痕的亚像素轮廓，利用归一化比例当量法实现表面划痕长度的测量，其包括以下步骤：
[0057] 步骤(1)、标定相机——CCD工业相机4内参及畸变系数。通过相机采集不同位资下的高精度的标定板6的图像，并获得标定板6上实心圆的圆心，利用相机畸变模型，获得相机内参及镜头3的畸变系数，其具体过程包括下列步骤：
[0058] (1.1)通过相机采集9幅不同位资下的标定板图像，如图2所示。采集标定板图像时，标定板6位于相机的视场中，并通过调整相机和标定板的距离，获得更好的采集效果。为了获得更好的采集效果，在相机的同侧放置面阵CCD光源——平行光源2，镜头3和计算5机分别与相机相连，采集的9幅标定板图像如图3所示；
[0059] (1.2)利用Hough变换获得标定板上实心圆圆心的像素坐标；
[0060] (1.3)相机的成像模型如图4所示，分别建立世界坐标系(OWXWYWZW)、摄像机坐标系(OCXCYCZC)、图像坐标系(Oxy)、像素为坐标系(O0uv)，其中P为空间内的一点，Pu为其投影到像平面上点，Pd为对应的畸变点。忽略畸变的影响，利用标定板上圆心的像素坐标及世界坐标，通过公式(1)—公式(4)，可以获得相机内参初值。
[0061]
[0062]
[0063] k＝h3·M (3)
[0064]
[0065] 其中，H＝[h1；h2；h3]为标定中的单应性矩阵，A是相机的内参，R是相机相对标定板平面的外参，m为P点像素坐标(xp,yp)，(Xw,Yw,Zw)为P点的世界坐标；
[0066] (1.4)考虑镜头的三项径向畸变及两项切向畸变，建立畸变模型，如公式(5)所示：
[0067]
[0068] 其中 (Xu,Yu)为理想图像平面上的点，(Xd,Yd)为对应的畸变点。K1、K2、K3为镜头的径向畸变系数，P1和P2为镜头的切向畸变系数。发生畸变的图像坐标与像素坐标关系如公式(6)所示；
[0069]
[0070] (1.5)利用标定板图像中实心圆圆心的像素坐标和世界坐标，对摄像机内部参数矩阵和畸变系数进行优化求解，建立如下优化目标函数：
[0071]
[0072] 其中N1为标定板图像的幅数，N2为单幅标定板上实心圆的数量。Mij为标准圆心的世界坐标，Mij’是通过相机成像模型计算获得的圆心的世界坐标。
[0073] 步骤(2)利用相机标定及归一化缩放比例系数、三次高阶插值法对划痕图像进行矫正。将标定板的下表面与被测物体1的表面共面，利用实心圆圆心的像素距离和对应的实际物理距离获得归一化比例系数，通过相机标定结果及三次高阶插值法对被测平面图像进行矫正，最终获得矫正后图像，其具体过程包括下列步骤：
[0074] (2.1)将标定板放置在被测平面的上，通过相机采集被测平面的图像。该处需注意，在完成步骤1相机标定后，在后续的步骤2及步骤3中不可以改变相机的位资；
[0075] (2.2)通过Hough变换在标定板上获得五个圆心点的像素坐标。如图4所示，将五个特征点设为A,B,C,D,E，在像素坐标中分别计算A点到B，C，D，E点之间的距离，设四个距离分别为d1，d2，d3，d4。由于标定板上圆心之间的距离是定值，因此在世界坐标系中，A点到B，C，D，E的距离的D1；
[0076] (2.3)根据A点到其余四个点的像素距离d1，d2，d3，d4，及已知实际距离D1,可以得到该位置下像素单元对应单位空间长度，设该归一化比例系数为scale；
[0077]
[0078] (2.4)获得矫正图像平移和旋转矩阵。如图6所示，由于在标定过程中，世界坐标原点OW位于像素平面的中间位置，而像素坐标原点为该标定板的左上角OP(0，0)，所以OW的像素坐标为(Width/2,Hight/2)，其中Width为采集图像的列数，Hight为图像的行数。由于两者对应原点的位置不统一，且X轴方向上也不一致，故对平移外参矩阵进行重新调整。另外，因为标定板有一定的厚度，在Z轴方向还需要考虑标定板的实际厚度。因此，为了消除以上因素对测量平面的影响，故调整后平移外参为：
[0079]
[0080] 其中，OffsetX＝-Width/2×Scale，OffsetY＝-Hight/2×Scale，Depth为标定板厚度，[Tx，Ty，Tz]’为标定得到的标定板的平移向量。由于绕Z轴旋转角度发生变化，则：
[0081] R'(α,β,γ)＝R(α,β,γ+π) (10)
[0082] 其中，R向量为标定板对应的外参旋转向量；
[0083] (2.5)根据步骤(2.4)获得矫正图像外参，通过标定的逆运算可以获得矫正后图像；
[0084] (2.6)通过高阶插值法对矫正后的图像进行处理，获得整像素点的灰度值。在高阶插值中，利用最佳插值函数H(x)＝sin(x)/x。为了提高检测的速度，本专利使用三次多项式I(x)逼近H(x)，其表达式为：
[0085]
[0086] 矫正后整像素点(x,y)对应的灰度值通过实际周围灰度值加权得到，表达式如式(12)所示：
[0087] f(x,y)＝f(i+u,j+v)＝I1TPI2 (12)
[0088] 其中，I1＝[I(1+v),I(v),I(1-v),I(2-v)]，I2＝[I(1+u),I(u),I(1-u),I(2-u)]。
[0089]
[0090] 步骤(3)通过阈值分割，形态学处理，骨架化等图像处理方法，得到表面划痕的亚像素轮廓，并计算划痕像素长度，其具体过程包括下列步骤：
[0091] (3.1)根据预估的划痕区域大小，预设一个大小相近的掩模与图像进行卷积，分别计算局部区域的平均值和标准偏差，并通过公式(14)对图像进行分割。
[0092] g(x,y)≥m(x,y)+v(x,y) (14)
[0093] 其中，m(x,y)是局部平均值，v(x,y)采用下式计算：
[0094] v(x,y)＝max(k*d(x,y),Threshold) (15)
[0095] k是标准差缩放系数，d(x,y)为局部标准差，Threshold为另一预设阈值；
[0096] (3.2)通过形态学法，对使用局部均值和标准差分割后的图像进行处理，并利用骨架法，获得划痕的中心的亚像素坐标，对划痕中心进行像素统计，得到划痕的亚像素长度；
[0097] (3.3)通过公式(16)获得划痕的实际长度。
[0098] Length＝scale×len (16)
[0099] 其中，len为统计后的划痕轮廓像素数量，Length为待测对象的实际物理长度，单位mm。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 玻璃钻孔装置 | 2020-12-21 | 2 |
| 基于专利侵权赔偿的价值评估方法及系统 | 2020-06-29 | 3 |
| 一种彩色激光复印件 | 2022-01-22 | 4 |
| 专利信息查询系统 | 2020-05-29 | 4 |
| 混合驱动的机器人腕部传动系统 | 2021-03-25 | 2 |
| 一种条纹乳浊玻璃装饰材料的制备方法 | 2023-01-02 | 3 |
| 两键输入法及其应用 | 2020-07-12 | 2 |
| 一种KEGG数据库的反应信息补充方法 | 2020-10-20 | 3 |
| 碎屑清理机 | 2020-09-05 | 0 |
| 草坪种植的气压式滚压车 | 2021-03-22 | 2 |
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。
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。
QQ群二维码
意见反馈
意见反馈