一种基于机器视觉的自由曲面轮廓度检测方法

技术领域

本发明涉及图像处理和人工智能技术领域，尤其涉及一种基于机器视觉的自由曲面轮廓度的检测方法。

背景技术

自由曲面轮廓度的测量属于一种较难定义的几何要素，因此自由曲面加工精度的检验也变得较为复杂。主要表现在无法直接利用被测曲面本身作为测量基准，从而使测量结果中包含由于测量坐标系与设计坐标系不重合而造成的系统性误差。传统面轮廓度误差测量方法包括：仿形装置测量、截面轮廓样板测量、光学跟踪轮廓测量仪测量，以及三坐标测量装置测量等，采用三坐标测量装置进行测量时无需模板轮廓样板，只需要工件或零件的CAD模型。因此，该测量方法可应用于多种场合且测量的数据可靠。

机器视觉系统在现代自动化生产过程中，多数用于工况监视、成品检验和质量控制等领域。其特点包括：提高生产的柔性、保证自动化程度。在不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉，在大批量工业生产过程中，用人工视觉检查产品质量，其效率低且精度不高，用机器视觉检测可以大幅度提高生产效率和自动化程度，且基于机器视觉的检测方法易于实现信息化集成，是实现计算机集成制造的基础技术。

综上所述，传统面轮廓度测量方法虽然已经满足了基本的需求，但考虑到工作环境以及人工视觉有限的情况下，需要一种结合机器视觉的检测方法，从而进一步提高生产检测效率以及产品的合格率。

发明内容

本发明的目的在于解决传统面轮廓度检测与机器视觉检测方法的结合，提供一种基于机器视觉的自由曲面轮廓度检测方法，该方法包括：具有解决自由曲面轮廓度较难准确测量和评定的问题；解决人工作业下危险工作环境以及视觉检测有限的问题；实现了非接触的测量方式以及可以灵活的扩大测量范围。并且机器视觉的引入，极大程度的提高了产品投放市场的质量，以及工件的生产效率。

一种基于机器视觉的自由曲面轮廓度检测方法，包括如下步骤：

步骤1：检测开始后，采集工件的数字图像；

步骤2：对采集图像进行预处理；

步骤3：对预处理后的图像进行边缘采集；

步骤:4：在上述流程后对图像进行匹配；

步骤5：输出匹配完成后的相机轮廓数据；

步骤6：将相机图像轮廓数据与模板图像轮廓数据进行对比；

步骤7：设定阀值对最终轮廓数据进行筛选，以达到阀值范围内为合格产品。

进一步地，如上述的基于机器视觉的自由曲面轮廓度的检测方法，所述的采集工件的数字图像包括以下步骤：

（1）照明系统：采用LED环形光源。图像采集时，应使得被测工件的重要特征与背景图像特征之间产生最大的对比度，易于进行特征区分；

（2）光学摄影系统：采用工业CCD摄像机，13 mm镜头，安装位置为工件上方以及工件右方（正视图下）；

（3）软件系统：图像采集的软件部分，由工控机运行，配置为Windows操作系统；

（4）机械运动控制系统：采用工件定位的夹紧装置以及模拟流水线上传送工件的传输带；

进一步地，如上述的基于机器视觉的自由曲面轮廓度的检测方法，所述步骤2包括：对采集图像进行畸变处理，采用卷积神经网络技术，设置其分辨率与数字化图像的相同，分析可能发生的畸变形式，根据检测窗的比例，裁剪至需要的大小；

进一步地，如上述的基于机器视觉的自由曲面轮廓度的检测方法，所述步骤3包括：

（1）边缘检测：检测预处理后的图像时，采用高斯滤波器先对图像进行平滑处理，使图像每个像素点的值都由其自身和邻域内的其他像素值经过加权平均后得到的；采用Sobel算子对灰度图像进行边缘检测，抑制噪声的同时，能够简单实现目标；

（2）边缘提取：边缘检测后得到一个二值化图像，为提取图像。

进一步的，对上述的基于机器视觉的自由曲面轮廓度的检测方法，所述步骤4还包括：匹配算法的过程为：经过平移、旋转以及缩放等步骤使两个图像轮廓有相同的位置取向且比例适合；标定10~15个像素点作为图像轮廓特征点；按照动态规划寻找匹配路径的最优解，在一定范围内的圆域进行；根据图像的分辨率、关键点坐标等计算特征点的偏移。

进一步地，对上述的基于机器视觉的自由曲面轮廓度的检测方法，所述步骤6包括：设定CAD三维模型作为标准模板图像轮廓数据，前述等步骤后的图像作为相机图像轮廓数据，进行图像对比。

进一步地，如上述的基于机器视觉的自由曲面轮廓度的检测方法，图像采集设备对工件拍照，采集10~15张图像导入处理系统进行分析。

有益效果

本发明提供的基于机器视觉的自由曲面的检测方法,利用图像采集设备直接采集工件的数字图像，数字图像通过采集模块传输至计算机中进行图像处理、边缘采集、图像匹配以及对比模板轮廓等步骤后，输出数据并且在设定的阀值内进行筛选，即可获得在误差范围内的合格产品。整个过程实现了传统面轮廓度检测与机器视觉检测的结合，提高了检测精度，缩短了检测时间，该方法操作方便、测量效率提高，具有较高的应用价值。

附图说明

图1为本发明的检测流程图；

图2为本发明的采集分级流程图；

图3为本发明的实施装置图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供的基于机器视觉的自由曲面轮廓度检测方法，该方法用到的设备包括：高分辨率工业CCD相机、LED环形光源、计算机、可编程控制器PLC、工控机。其中工业CCD相机通过安装架保持固定，且距离检测工件具有一定的高度，垂直工件上方布置，相机瞄准检测工件，传输带传送工件到达采集区域，可编程控制器暂停传送带运行以便进行图像采集和匹配，完成后传送带继续运动，进行下一次图像采集。

系统进行图像采集时，LED环形光源设置最适合的亮度以及曝光时间，使被测物的重要特征与背景图像特征之间产生最大的对比度，通过图像采集系统将工件图像采集下来，输出数字信号到计算机得到所需的测量数据。

工控机上运行图像采集系统的软件部分是基于Windows系统，采用Visual studioC++和Open CV语言编程而成，对采集图像进行处理以及边缘采集，提取出需要的相机图像轮廓进行图像匹配，输出匹配完成的图像。把标准二维图纸的图像输入到检测系统，作为模板图像轮廓，其中两种图像轮廓已是灰阶图，只需对其进行二值化处理即可得到需要的图像轮廓，对两种图像进行对比，输出数据以进行筛选合格产品。

实施例

本发明实施例采用无基准要求的蛋卵形的环形工件。采集最关键的环形曲面轮廓度作为本申请检测方法的数据来源。

本发明实施例提供了一种基于机器视觉的自由曲面轮廓度检测方法，其特征在于，包括如下步骤：

步骤1：检测开始后，采集环形工件的数字图像；

步骤2：对采集图像进行预处理；

步骤3：对预处理后的图像进行边缘采集；

步骤:4：在上述流程后对图像进行匹配；

步骤5：输出匹配完成后的相机轮廓数据；

步骤6：将相机图像轮廓数据与模板图像轮廓数据进行对比；

步骤7：设定阀值对最终轮廓数据进行筛选，以达到阀值范围内为合格产品。

其中，所述采集工件的数字图像包括以下步骤：

（1）照明系统：采用LED环形光源。图像采集时，应使得被测环形工件的重要特征与背景图像特征之间产生最大的对比度，易于进行特征区分；

（2）光学摄影系统：采用工业CCD摄像机，13 mm镜头，安装位置为工件上方以及工件右方（正视图下）；

（3）软件系统：图像采集的软件部分，由工控机运行；

（4）机械运动控制系统：采用工件定位的夹紧装置以及模拟流水线上传送工件的传输带；

所述步骤2包括：

对采集图像进行畸变处理，采用卷积神经网络技术，设置其分辨率与数字化图像的相同，分析可能发生的畸变形式，根据检测窗的比例，裁剪至需要的大小；

所述步骤3包括：

（1）边缘检测：检测预处理后的图像时，采用高斯滤波器先对图像进行平滑处理，使图像每个像素点的值都由其自身和邻域内的其他像素值经过加权平均后得到的；采用Sobel算子对灰度图像进行边缘检测，抑制噪声的同时，能够简单实现目标；

（2）边缘提取：边缘检测后得到一个二值化图像，为提取图像。

所述步骤4还包括：

（1）匹配算法的过程为：经过平移、旋转以及缩放等步骤使两个图像轮廓有相同的位置取向且比例适合；

（2）标定10~15个像素点作为图像轮廓特征点；按照动态规划寻找匹配路径的最优解，在一定范围内的圆域进行；

（3）根据图像的分辨率、关键点坐标等计算特征点的偏移。

所述步骤6包括：设定CAD三维模型作为标准模板图像轮廓数据，前述等步骤后的图像作为相机图像轮廓数据，进行图像对比。

本实施例所述的图像采集设备对环形工件拍照，采集10~15张图像导入处理系统进行分析。

下面对本发明提供的检测方法作进一步的描述，如图1、图2、图3所示，包括检测流程以采集分级流程以及实施方式三个部分。

其中，所述检测流程如图1所示，包括：

（1）照明系统：采用LED环形光源。图像采集时，应使得被测环形工件的重要特征与背景图像特征之间产生最大的对比度，易于进行特征区分；

（2）光学摄影系统：采用工业CCD摄像机，13 mm镜头，安装位置为工件上方以及工件右方（正视图下）；

（3）软件系统：图像采集的软件部分，由工控机运行；

（4）机械运动控制系统：采用工件定位的夹紧装置以及模拟流水线上传送工件的传输带。

所述采集分级流程如图2所示，包括：

（5）对采集图像进行畸变处理，采用卷积神经网络技术，设置其分辨率与数字化图像的相同，分析可能发生的畸变形式，根据检测窗的比例，裁剪至需要的大小；

（6）边缘检测：检测预处理后的图像时，采用高斯滤波器先对图像进行平滑处理，使图像每个像素点的值都由其自身和邻域内的其他像素值经过加权平均后得到的；采用Sobel算子对灰度图像进行边缘检测，抑制噪声的同时，能够简单实现目标；

（7）边缘提取：边缘检测后得到一个二值化图像，为提取图像。

所述实施方式如图3所示，包括：工业CCD相机通过安装架保持固定，且距离检测工件具有一定的高度，垂直工件上方布置。相机瞄准检测工件，传输带传送工件到达采集区域，可编程控制器暂停传送带运行以便进行图像采集和匹配。系统进行图像采集时，LED环形光源设置最适合的亮度以及曝光时间，使被测物的重要特征与背景图像特征之间产生最大的对比度，通过图像采集系统将工件图像采集下来，输出数字信号到计算机得到所需的测量数据。采集完成后传送带继续运动。对采集图像进行处理以及边缘采集，提取出需要的相机图像轮廓进行图像匹配，输出匹配完成的图像。把标准二维图纸的图像输入到检测系统，作为模板图像轮廓，其中两种图像轮廓已是灰阶图，只需对其进行二值化处理即可得到需要的图像轮廓，对两种图像进行对比，输出数据以进行筛选合格产品。

以上检测方法中，图像采集设备对工件拍照，采集10~15张图像导入处理系统进行分析。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。