基于机器视觉的高压油管接头外螺纹检测方法专利检索-螺纹扣件专利检索查询-专利查询网

基于机器视觉的高压油管接头外 螺纹检测方法

阅读：42发布：2021-12-02

专利汇可以提供基于机器视觉的高压油管接头外螺纹检测方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于机器视觉的高压油管接头外螺纹检测方法，包括：搭建由工业相机、镜头、平行光源和计算机构成的测量平台；将待测工件放置在测量平台上，由工业相机拍摄工件垂直截面图像并传入计算机；对采集到的图像先进行中值滤波，再轮廓提取，删除较小的轮廓，储存剩下的每个轮廓点；对轮廓点进行螺纹点判别，若是螺纹点，将其储存；将相邻的螺纹点进行组合，构成螺纹区域，并且按照螺纹区域的位置，在所采集的图像上设置感兴趣区域即ROI区域等。该方法能够实现多个工件同时测量，且自动寻找螺纹区域进行分析，有一定的抗干扰能力，检测速度快、精度高。，下面是基于机器视觉的高压油管接头外螺纹检测方法专利的具体信息内容。

权利要求

1.一种基于机器视觉的高压油管接头外螺纹检测方法，其特征在于：包括如下步骤：
(1)、搭建由工业相机、镜头、平行光源和计算机构成的测量平台；
(2)、将待测工件放置在测量平台上，由工业相机拍摄工件垂直截面图像并传入计算机；
(3)、对采集到的图像先进行中值滤波，再轮廓提取，删除较小的轮廓，储存剩下的每个轮廓点；
(4)、对步骤(3)中的轮廓点进行螺纹点判别，若是螺纹点，将其储存；
(5)、将步骤(4)中相邻的螺纹点进行组合，构成螺纹区域，并且按照螺纹区域的位置，在步骤(3)所采集的图像上设置感兴趣区域即ROI区域；
(6)、在步骤(5)得到的螺纹区域中，计算每个螺纹点的距离，寻找相距最远的两个螺纹点，并且计算这两点连线的倾斜角；
(7)、通过步骤(6)中获取的倾斜角，对步骤(5)所得的螺纹区域进行工件放置角度求解，获取工件放置角度；
(8)、对步骤(5)中的ROI区域使用双三次线性插值，将该区域放大四倍；
(9)、对步骤(8)中的放大图像进行Canny 边缘检测，获取Canny轮廓图；
(10)、以步骤(7)所获的工件放置角度为基准线倾斜角，求解上下基准线，并找到上下基准线与步骤(9)中Canny轮廓图的交点；
(11)、将步骤(10)中所得上下交点之间的Canny轮廓点进行异常点剔除；
(12)、将步骤(11)中的点用最小二乘法拟合成直线，即为螺纹边缘线；
(13)、通过步骤(12)得到的螺纹边缘线，计算相邻边缘线内外交点与夹角，外夹角即为螺纹牙角，外交点平均间距乘上每个像素对应的实际距离即为牙距，取相邻内外交点的中点，利用最小二乘法拟合成直线即为螺纹中径线；
(14)、寻找螺纹顶点，利用最小二乘法拟合将这些点拟合成螺纹外径线；
(15)、重复步骤(6)～(14)，计算每个ROI区域内的螺纹边信息；
(16)、对于单个螺纹，直接计算两螺纹边外径线间距和中径线间距，可得该螺纹外径与中径；当工件上存在多个螺纹或者多个工件同时测量时，需要将步骤(15)中得到的螺纹边进行配对，分别计算配对螺纹边两外径线和两中径线之间的距离乘以像素点对应的实际距离，即为螺纹外径与中径；
(17)将步骤(13)中得到的牙距、牙角和步骤(16)中得到的外径、中径与数据库内螺纹信息进行比对，判断该螺纹是否合格。
2.根据权利要求1所述的一种基于机器视觉的高压油管接头外螺纹检测方法，其特征在于：步骤(4)中的螺纹点判别具体步骤如下：
1)以步骤(3)中的轮廓点为中心，建立N×N大小的滑动窗口，其中N的值要大于该螺纹牙距对应的像素点数；
2)统计窗口内轮廓点个数，若滑动窗口内轮廓点个数大于阈值，则判定中心点为螺纹点；
3)沿着轮廓方向移动滑动窗口，遍历每个轮廓点，储存相应的螺纹点；由于螺纹区域高低不平的特性，若滑动窗口处于螺纹区域内，当窗口内轮廓起伏程度越大时，窗口内轮廓点数T也越多，当T大于设定的阈值，则可判定该中心轮廓点为螺纹点。
3.根据权利要求1所述的一种基于机器视觉的高压油管接头外螺纹检测方法，其特征在于：步骤(7)中的工件放置角度的求解具体步骤如下：
1)设定一个偏移角度α，以步骤(6)中的倾斜角θ为基准，工件放置角度范围为(θ-α，θ+α)，取步长为1度，构成2α个离散值，记为角度集合D，再取步骤(4)中部分连续螺纹点，记为点集P；
2)取点集P中的点Pi，沿角度集合D中的角度作直线，记该直线与螺纹轮廓的交点为a0、a1…an；
3)计算上述交点中相邻交点的间距，记为λ0、λ1…λn-1；
4)计算上述距离集合的方差，
5)重复步骤2)～4)，取完集合D中的角度后，取点集P中的下个点Pi+1，重复2～4，直到取完点集P中的点，取其中方差最小的直线，它的倾斜角即为工件放置角度。
4.根据权利要求1所述的一种基于机器视觉的高压油管接头外螺纹检测方法，其特征在于：步骤(10)中的上下基准线求解具体步骤如下：
1)设定上下基准线位置期望值Ea、Eb(02)取ROI区域左边界点构成点集Q；
3)取点集Q中的点Qi，以步骤(7)得到的工件放置角度为倾斜角作直线，记该直线与螺纹轮廓的交点为a0、a1…an；
4)计算上述交点中相邻交点的间距，其中相邻交点连线在螺纹轮廓内的记为λ0、λ1…λm，相邻交点连线在螺纹轮廓外的记为χ0、χ1…χk；
5)取ηi1＝λi/(λi+χi+1)，ηi2＝λi/(λi+χi-1)，构成集合η；
6)计算方差
7)重复步骤3)～6)，直到取完集合Q中的点，方差σa2最小的直线即为上基准线，方差σb2最小的直线即为下基准线。
5.根据权利要求1所述的一种基于机器视觉的高压油管接头外螺纹检测方法，其特征在于：步骤(11)中的轮廓异常点剔除具体步骤如下：
1)将步骤(10)中的上下基准点一一对应，获取两点之间的轮廓点；
2)选取步骤1)中一个螺纹边缘的螺纹点，利用Sobel算子模板对每个点进行x和y方的梯度值计算，并由此计算出梯度的方向；
3)对求出的梯度方向进行排序，找出中值，设定一个阈值G，当梯度方向与中值的差值超过阈值G时，则认为该点为异常点，并剔除；
4)重复2)～3)对所有螺纹边缘螺纹点进行异常点剔除。
6.根据权利要求1所述的一种基于机器视觉的高压油管接头外螺纹检测方法，其特征在于：步骤(14)中的螺纹顶点寻找具体步骤如下：
1)以步骤(13)中得到的螺纹边缘线外交点为圆心，半径为r作圆；
2)增大半径r，同时统计圆内螺纹点个数；
3)当统计的螺纹点个数大于设定值时，此时圆内的螺纹点即为螺纹顶点。
7.根据权利要求1所述的一种基于机器视觉的高压油管接头外螺纹检测方法，其特征在于：步骤(16)中的螺纹边配对具体步骤如下：
1)按照工件放置角度，将螺纹边划分为不同的角度集合；
2)在同一角度集合中，依次取螺纹边轮廓中点与其他螺纹边轮廓中点相连，若其连线在螺纹轮廓内，则归入连通集合；
3)在同一连通集合中，依次取螺纹边轮廓中点，过该点，垂直于该螺纹边中径线作直线，若该直线与集合内其他螺纹边有轮廓有交点，则判定两螺纹边配对成功，否则判定不配对。

说明书全文

基于机器视觉的高压油管接头外 螺纹检测方法

技术领域

[0001] 本发明涉及一种机器视觉检测方法，具体涉及一种面向高压油管接头的机器视觉智能检测方法。

背景技术

[0002] 高压油管接头是液压系统中高压油管与高压油管、高压油管与液压元件之间的可拆解式的连接固件，在高压油管接头的生产中，通过对接头外螺纹的各参数进行检测和分析，判别螺纹(即高压油管接头)的优劣，有效的控制产品的质量，提高高压油管接头的出厂品质，保证液压系统的高效、稳定运行。

[0003] 目前的主要的检测方法为螺纹规测量，这种测量方法不但会对螺纹产生磨损而且难以满足大批量、高速检测的要求。机器视觉检测是近年来发展起来的先进的检测技术，具有非接触式、高速、精度高、自动化程度高等特点，将机器视觉应用于高压油管接头的检测可以避免对螺纹产生磨损，且提高测量的精度与速度。本发明的外螺纹检测方法可多个工件同时测量，并自动寻找螺纹区域进行分析，很大程度上简化了操作步骤，提高检测效率。并且，一般基于机器视觉的螺纹测量系统在检测前需要对工件进行处理，使工件螺纹区域的洁净、无异物干扰，保证测量的准确性。但本发明对检测时螺纹区域粘上铁屑、油污等异物导致测量异常的情况，进行针对性处理，剔除了异常点，保证了测量的准确性。本发明外径和中径检测精度在0.01mm以内，螺距的检测精度在0.01mm以内，牙角的检测精度在0.5度以内，满足了工业生产的需求。

发明内容

[0004] 发明目的：本发明的目的是为了解决现有技术中的不足，提供一种基于机器视觉的高压油管接头外螺纹检测方法，该方法能够实现多个工件同时测量，且自动寻找螺纹区域进行分析，有一定的抗干扰能力，检测速度快、精度高。

[0005] 技术方案：本发明所述的一种基于机器视觉的高压油管接头外螺纹检测方法，包括如下步骤：

[0006] (1)、搭建由工业相机、镜头、平行光源和计算机构成的测量平台；

[0007] (2)、将待测工件放置在测量平台上，由工业相机拍摄工件垂直截面图像并传入计算机；

[0008] (3)、对采集到的图像先进行中值滤波，再轮廓提取，删除较小的轮廓，储存剩下的每个轮廓点；

[0009] (4)、对步骤(3)中的轮廓点进行螺纹点判别，若是螺纹点，将其储存；

[0010] (5)、将步骤(4)中相邻的螺纹点进行组合，构成螺纹区域，并且按照螺纹区域的位置，在步骤(3)所采集的图像上设置感兴趣区域即ROI区域；

[0011] (6)、在步骤(5)得到的螺纹区域中，计算每个螺纹点的距离，寻找相距最远的两个螺纹点，并且计算这两点连线的倾斜角；

[0012] (7)、通过步骤(6)中获取的倾斜角，对步骤(5)所得的螺纹区域进行工件放置角度求解，获取工件放置角度；

[0013] (8)、对步骤(5)中的ROI区域使用双三次线性插值，将该区域放大四倍；

[0014] (9)、对步骤(8)中的放大图像进行Canny 边缘检测，获取Canny轮廓图；

[0015] (10)、以步骤(7)所获的工件放置角度为基准线倾斜角，求解上下基准线，并找到上下基准线与步骤(9)中Canny轮廓图的交点；

[0016] (11)、将步骤(10)中所得上下交点之间的Canny轮廓点进行异常点剔除；

[0017] (12)、将步骤(11)中的点用最小二乘法拟合成直线，即为螺纹边缘线；

[0018] (13)、通过步骤(12)得到的螺纹边缘线，计算相邻边缘线内外交点与夹角，外夹角即为螺纹牙角，外交点平均间距乘上每个像素对应的实际距离即为牙距，取相邻内外交点的中点，利用最小二乘法拟合成直线即为螺纹中径线；

[0019] (14)、寻找螺纹顶点，利用最小二乘法拟合将这些点拟合成螺纹外径线；

[0020] (15)、重复步骤(6)～(14)，计算每个ROI区域内的螺纹边信息；

[0021] (16)、对于单个螺纹，直接计算两螺纹边外径线间距和中径线间距，可得该螺纹外径与中径；当工件上存在多个螺纹或者多个工件同时测量时，需要将步骤(15)中得到的螺纹边进行配对，分别计算配对螺纹边两外径线和两中径线之间的距离乘以像素点对应的实际距离，即为螺纹外径与中径；

[0022] (17)将步骤(13)中得到的牙距、牙角和步骤(16)中得到的外径、中径与数据库内螺纹信息进行比对，判断该螺纹是否合格。

[0023] 进一步的，步骤(4)中的螺纹点判别具体步骤如下：

[0024] 1)以步骤(3)中的轮廓点为中心，建立N×N大小的滑动窗口，其中N的值要大于该螺纹牙距对应的像素点数；

[0025] 2)统计窗口内轮廓点个数，若滑动窗口内轮廓点个数大于阈值，则判定中心点为螺纹点；

[0026] 3)沿着轮廓方向移动滑动窗口，遍历每个轮廓点，储存相应的螺纹点；由于螺纹区域高低不平的特性，若滑动窗口处于螺纹区域内，当窗口内轮廓起伏程度越大时，窗口内轮廓点数T也越多，当T大于设定的阈值，则可判定该中心轮廓点为螺纹点。

[0027] 进一步的，步骤(7)中的工件放置角度的求解具体步骤如下：

[0028] 1)设定一个偏移角度α，以步骤(6)中的倾斜角θ为基准，工件放置角度范围为(θ-α，θ+α)，取步长为1度，构成2α个离散值，记为角度集合D，再取步骤(4)中部分连续螺纹点，记为点集P；

[0029] 2)取点集P中的点Pi，沿角度集合D中的角度作直线，记该直线与螺纹轮廓的交点为a0、a1…an；

[0030] 3)计算上述交点中相邻交点的间距，记为λ0、λ1…λn-1；

[0031] 4)计算上述距离集合的方差，

[0032] 5)重复步骤2)～4)，取完集合D中的角度后，取点集P中的下个点Pi+1，重复2～4，直到取完点集P中的点，取其中方差最小的直线，它的倾斜角即为工件放置角度。

[0033] 进一步的，步骤(10)中的上下基准线求解具体步骤如下：

[0034] 1)设定上下基准线位置期望值Ea、Eb(0

[0035] 2)取ROI区域左边界点构成点集Q；

[0036] 3)取点集Q中的点Qi，以步骤(7)得到的工件放置角度为倾斜角作直线，记该直线与螺纹轮廓的交点为a0、a1…an；

[0037] 4)计算上述交点中相邻交点的间距，其中相邻交点连线在螺纹轮廓内的记为λ0、λ1…λm，相邻交点连线在螺纹轮廓外的记为χ0、χ1…χk；

[0038] 5)取ηi1＝λi/(λi+χi+1)，ηi2＝λi/(λi+χi-1)，构成集合η；

[0039] 6)计算方差

[0040] 7)重复步骤3)～6)，直到取完集合Q中的点，方差σa2最小的直线即为上基准线，方差σb2最小的直线即为下基准线。

[0041] 进一步的，步骤(11)中的轮廓异常点剔除具体步骤如下：

[0042] 1)将步骤(10)中的上下基准点一一对应，获取两点之间的轮廓点；

[0043] 2)选取步骤1)中一个螺纹边缘的螺纹点，利用Sobel算子模板对每个点进行x和y方的梯度值计算，并由此计算出梯度的方向；

[0044] 3)对求出的梯度方向进行排序，找出中值，设定一个阈值G，当梯度方向与中值的差值超过阈值G时，则认为该点为异常点，并剔除；

[0045] 4)重复2)～3)对所有螺纹边缘螺纹点进行异常点剔除。

[0046] 进一步的，步骤(14)中的螺纹顶点寻找具体步骤如下：

[0047] 1)以步骤(13)中得到的螺纹边缘线外交点为圆心，半径为r作圆；

[0048] 2)增大半径r，同时统计圆内螺纹点个数；

[0049] 3)当统计的螺纹点个数大于设定值时，此时圆内的螺纹点即为螺纹顶点。

[0050] 进一步的，步骤(16)中的螺纹边配对具体步骤如下：

[0051] 1)按照工件放置角度，将螺纹边划分为不同的角度集合；

[0052] 2)在同一角度集合中，依次取螺纹边轮廓中点与其他螺纹边轮廓中点相连，若其连线在螺纹轮廓内，则归入连通集合；

[0053] 3)在同一连通集合中，依次取螺纹边轮廓中点，过该点，垂直于该螺纹边中径线作直线，若该直线与集合内其他螺纹边有轮廓有交点，则判定两螺纹边配对成功，否则判定不配对。

[0054] 有益效果：本发明的一种基于机器视觉的高压油管接头外螺纹检测方法，通过对高压油管接头图像的采集，针对螺纹区域的特征进行自动识别，对于螺纹区域粘有异物边缘点进行剔除，计算相应的螺纹数据，判断该螺纹是否符合标准，在保证了测量精度的同时避免了人工测量所带来的磨损，而且可以多个工件同时测量，提高了检测速度，可普遍适用于外螺纹检测。附图说明

[0055] 图1为本发明的检测方法整体流程示意图；

[0056] 图2为螺纹区域筛选示意图；

[0057] 图3为工件放置角度范围示意图；

[0058] 图4为上下基准线示意图；

[0059] 图5为螺纹边中径线示意图；

[0060] 图6为螺纹边外径线示意图；

[0061] 图7为螺纹边配对示意图；

[0062] 图8为内部点示意图；

[0063] 图9为图像放大原理示意图；

[0064] 图10为非极大值抑制示意图；

[0065] 图11为螺纹区域异常图；

[0066] 图12为螺纹边缘梯度方向图。

具体实施方式

[0067] 下面结合具体实施例对本发明的技术方案作进一步详细说明。

[0068] 具体的，本发明的一种基于机器视觉的高压油管接头外螺纹检测方法，如图1所示，其具体检测步骤如下：

[0069] (1)、搭建由工业相机、镜头、平行光源和计算机构成的测量平台。

[0070] (2)、将待测工件放置在测量平台上，由工业相机拍摄工件垂直截面图像并传入计算机；

[0071] (3)、对步骤(2)采集到的图像先进行中值滤波，再轮廓提取，删除小于图像面积1/40的轮廓，储存剩下每个轮廓的轮廓点。

[0072] (4)、对步骤(3)中的轮廓点进行螺纹点判别，具体判别步骤如下：

[0073] 1)如图2所示，以步骤(3)中的轮廓点为中心，建立101×101大小的滑动窗口(滑动窗口至少要可容纳一个完整的螺牙，所以滑动窗口边长要大于该螺纹牙距对应的像素点数)；

[0074] 2)由于螺纹区域高低不平，非螺纹区域较为平缓的特性，若滑动窗口处于螺纹区域内，则窗口内的轮廓点数要大于窗口处于非螺纹区域时的轮廓点数，且螺纹区域起伏程度越大，窗口内的轮廓点数越多。通过大量实验，可获得阈值T＝120来判定滑动窗口是否处于螺纹区域内。统计窗口内轮廓点个数，若滑动窗口内轮廓点个数大于阈值T，则判定中心点为螺纹点；

[0075] 3)沿着轮廓方向移动滑动窗口，遍历每个轮廓点，储存相应的螺纹点；

[0076] (5)、将步骤(4)中相邻的螺纹点进行组合，构成螺纹区域，并且按照螺纹区域的位置，在步骤(3)所采集的图像上设置感兴趣区域即ROI区域；

[0077] (6)、在步骤(5)得到的螺纹区域中，计算每个螺纹点的距离，寻找相距最远的两个螺纹点，并且计算这两点连线的倾斜角；

[0078] (7)、通过步骤(6)中获取的倾斜角，对步骤(5)所得的螺纹区域进行工件放置角度求解，获取工件放置角度，具体求解步骤如下：

[0079] 1)如图3所示，由于螺纹区域狭长的特性，设定通过大量实验确定偏移角度α＝30°，以步骤(6)中的倾斜角θ为基准，则工件放置角度在(θ-α，θ+α)范围内。取步长为1度，构成2α个离散值，记为角度集合D，再取步骤(4)中前三分之一的螺纹点，记为点集P；

[0080] 2)取点集P中的点Pi，沿角度集合D中的角度作直线，记该直线与螺纹轮廓的交点为a0、a1…an；

[0081] 3)计算上述交点中相邻交点的间距，记为λ0、λ1…λn-1；

[0082] 4)计算上述距离集合的方差，

[0083] 5)重复2～4，取完集合D中的角度后，取点集P中的下个点Pi+1，重复2～4，直到取完点集P中的点，取其中方差最小的直线，它的倾斜角即为工件放置角度。

[0084] (8)、对步骤(5)中的ROI区域使用双三次线性插值，将该区域放大四倍；

[0085] (9)、对步骤(8)中的放大图像进行Canny边缘检测，获取Canny轮廓图；

[0086] (10)、以步骤(7)所获的工件放置角度为基准线倾斜角，求解上下基准线，并找到上下基准线与步骤(9)中Canny轮廓图的交点，其中求解上下基准线的具体步骤如下：

[0087] 1)由于螺纹牙型的牙顶和牙底都是圆弧形的，如果提取了牙顶和牙底上的点来拟合螺纹边缘线，会对螺纹数据的测量造成较大的影响。所以在选取螺纹边缘线拟合点时，要设定上下两条基准线，选取基准线内的点来拟合，排除牙顶和牙底上的点，提高测量精度。所期望的上下基准线如图4所示，设定上下基准线位置期望值Ea＝0.3、Eb＝0.75(01)；

[0088] 2)取ROI区域左边界点构成点集Q；

[0089] 3)取点集Q中的点Qi，以步骤(7)得到的工件放置角度为倾斜角作直线，记该直线与螺纹轮廓的交点为a0、a1…an；

[0090] 4)计算上述交点中相邻交点的间距，其中相邻交点连线在螺纹轮廓内的记为λ0、λ1…λm，相邻交点连线在螺纹轮廓外的记为χ0、χ1…χk；

[0091] 5)取ηi1＝λi/(λi+χi+1)，ηi2＝λi/(λi+χi-1)，构成集合η；

[0092] 6)计算方差

[0093] 7)重复3～6，直到取完集合Q中的点，方差σa2最小的直线即为上基准线，方差σb2最小的直线即为下基准线。

[0094] (11)、在检测中可能出现的铁屑等异物的干扰，如图11所示。这类异物的干扰会影响测量精度。要将步骤(10)中所得上下交点之间的Canny轮廓点进行异常点剔除。由于统一边缘直线上的点，其梯度方向是相同的。如果在边缘上有异物干扰，边缘点的梯度方向则会发生突变，如图12所示。因为异常点为少数，且正常边缘点的梯度方向大致相同，可以对边缘点的梯度方向进行排序，选取中值作为基准，将梯度方向和中值的差值大于阈值G的点认为是异常点剔除，具体步骤如下：

[0095] 1)将步骤(10)中的上下基准点一一对应，获取两点之间的轮廓点；

[0096] 2)选取1)中一个螺纹边缘的螺纹点，利用Sobel算子模板对每个点进行x和y方的梯度值计算，并由此计算出梯度的方向；

[0097] 3)对求出的梯度方向进行排序，找出中值，设定一个阈值G，当梯度方向与中值的差值超过阈值G时，则认为该点为异常点，并剔除；

[0098] 4)重复2)～3)对所有螺纹边缘螺纹点进行异常点剔除。

[0099] 其中，Sobel算子模板如下所示：

[0100]

[0101] (12)、将步骤(10)中的点用最小二乘法拟合成直线，即为螺纹边缘线；

[0102] (13)、通过步骤(12)得到的螺纹边缘线，计算相邻边缘线内外交点与夹角，外夹角即为螺纹牙角，外交点平均间距乘上每个像素对应的实际距离即为牙距，取相邻内外交点的中点，利用最小二乘法拟合成直线即为螺纹中径线，中径线如图5所示；

[0103] (14)、寻找螺纹顶点，利用最小二乘法拟合将这些点拟合成螺纹外径线，外径线如图6所示，其中螺纹顶点寻找具体步骤如下：

[0104] 1)以步骤(13)中得到的螺纹边缘线外交点为圆心，半径为r作圆；

[0105] 2)增大半径r，同时统计圆内螺纹点个数；

[0106] 3)设定单个螺牙顶部螺纹点数为20，当统计的螺纹点个数等于设定值时，此时圆内的螺纹点即为螺纹顶点；

[0107] (15)、重复步骤(6)～(14)，计算每个ROI区域内的螺纹边信息；

[0108] (16)、对于工件只有单个螺纹时，只需计算步骤(15)中得到的两螺纹边的外径线距离和中径线距离，即可得到该螺纹的外径与中径。当工件上存在多个螺纹或者多个工件同时测量时，需要将步骤(15)中得到的螺纹边进行配对，分别计算配对螺纹边两外径线和两中径线之间的距离乘以像素点对应的实际距离，即为螺纹外径与中径，其中螺纹边配对的具体步骤如下：

[0109] 1)按照工件放置角度，将螺纹边划分为不同的角度集合；

[0110] 2)在同一角度集合中，依次取螺纹边轮廓中点与其他螺纹边轮廓中点相连，若其连线在螺纹轮廓内，则归入连通集合；

[0111] 3)如图7所示，在同一连通集合中，依次取螺纹边轮廓中点，过该点，垂直于该螺纹边中径线作直线。若该直线与集合内其他螺纹边有轮廓有交点，则判定两螺纹边配对成功，否则判定不配对。

[0112] (17)、将步骤(13)中得到的牙距、牙角和步骤(16)中得到的外径、中径与数据库内螺纹信息进行比对，判断该螺纹是否合格。

[0113] 上述步骤(3)中使用了轮廓提取这一图像处理技术。轮廓提取的核心思想就是将图像目标的内部点消除。所谓内部点，需要根据当前像素点的邻域来进行判断，假设邻域窗口为3×3窗口，设当前像素为P(x,y)，如果P(x,y)的八个领域像素满足如下条件，则该点即为内部点，如图8所示：

[0114] (1)P(x,y)为目标像素点，假设目标像素为0(黑色)，背景像素为255(白色)，那么P(x,y)＝0；

[0115] (2)P(x,y)的八个邻域像素均为目标像素0；

[0116] 将满足上述两条件的内部点删除，换为背景像素，即可得到图像的轮廓图。

[0117] 上述步骤(8)中使用了双三次线性插值的方法来放大图像，以提高测量精度。该方法的基本原理是找到目标图像的每个像素点在源图像中对应的像素点，再根据源图像中距离对应像素点最近的16个像素点的值作为计算目标图像像素点的值的参数，利用BiCubic基函数求出16个像素点的权重，目标图像的像素点的值等于这16个像素点的值的加权叠加。

[0118] 具体的，假设源图像A大小为m×n，缩放K倍的目标图像B大小为M×N,即K＝M/m。设目标图像上的B(X,Y)对应在源图像上的A(x,y)，根据比例关系有x/X＝m/M＝1/K，可以得到目标图像上的点B(X,Y)在源图像A上对应的坐标A(x,y)＝A(X×m/M,Y×n/N)＝A(X/K,Y/K)。如图9所示，P点就是目标图像在B(X,Y)处对应于源图像A中的位置，P坐标的位置会出现小数部分，所以假设P的坐标为P(x+u,y+v)，其中x、y分别表示整数部分，u、v分别表示小数部分。由此可以找到最近的16个像素的位置，在这里用aij(i,j＝0,1,2,3)表示。

[0119] BiCubic基函数形式如下：

[0120]

[0121] 其中，a取-0.5。

[0122] BiCubic基函数是一维的，而像素是二维的，所以要将像素点的行和列分开计算。BiCubic函数中的参数x表示该像素点到P点的距离，例如图9中a00距离P(x+u,y+v)的距离为(1+u,1+v)，因此a00的横坐标权重i_0＝W(1+u)，纵坐标权重j_0＝W(1+v)，a00对B(X,Y)的贡献值为：(a00的像素值)×i_0×j_0。分别计算剩下的15个点可得B(X,Y)像素值为：

[0123]

[0124] 由此计算出目标图像中的每个像素点的值，从而得到目标图像。

[0125] 上述步骤(9)中使用Canny边缘检测来提取放大了的螺纹边缘。对图像进行边缘检测需要满足两个条件：1、有效地抑制噪声；2、尽量精确地确定边缘位置。Canny边缘检测主要分为4个步骤：

[0126] (1)去噪

[0127] 图像的去噪是通过高斯滤波来实现的。高斯滤波是一种根据待滤波的像素点及其邻域的灰度值按照一定的参数规则进行加权平均的滤波方法。具体可用源图像与高斯模板进行卷积从而得到去噪图像，其中3×3的高斯模板为：

[0128]

[0129] (2)用一阶偏导的有限差分来计算梯度的幅值和方向

[0130] 关于图像灰度值的梯度可使用一阶有限差分来近似，这样可以获得图像在x和y方向上偏导数的两个矩阵。Canny边缘检测采用卷积算子为：

[0131]

[0132] g(i,j)为对应坐标像素点值，由此计算得x向一阶偏导数为：

[0133]

[0134] y向一阶偏导数为：

[0135]

[0136] 梯度幅值为：

[0137]

[0138] 梯度方向为：

[0139] θ＝arctan(fy(i,j)/fx(i,j))

[0140] (3)对梯度幅值进行非极大值抑制

[0141] 非极大值抑制首先要将角度划分为四个方向范围：0°(水平)、-45°、90°(垂直)、+45°，接着在3×3区域的四个基本方向进行非极大值抑制，如图10所示，保留沿其方向上邻域梯度幅值的最大值。

[0142] (4)双阈值检测和连接边缘

[0143] Canny 算法采用双阈值法来减少假边缘数量。选择两个阈值，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但由于阈值较高，产生的边缘可能不闭合，此时可在，轮廓断点的8邻域中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。

[0144] 上述步骤(12)中使用了最小二乘法来拟合直线。最小二乘法是一种通过最小化误差的平方和寻找数据的最佳匹配函数，设最佳匹配函数为y＝kx+b，参数求解公式如下：

[0145]

[0146]

[0147] 以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

标题	发布/更新时间	阅读量
螺纹件	2020-05-12	347
螺纹件	2020-05-12	502
螺纹铣刀	2020-05-12	970
一种新型螺纹铣刀	2020-05-11	286
用于设有外螺纹或内螺纹的管端的两件式的保护装置	2020-05-11	454
螺纹盖	2020-05-13	104
螺纹接头	2020-05-13	426
复合螺纹	2020-05-12	205
螺纹堵头	2020-05-13	792
螺纹钳	2020-05-11	87

基于机器视觉的高压油管接头外螺纹检测方法

基于机器视觉的高压油管接头外螺纹检测方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：