一种基于机器视觉的卡簧测量方法技术

本发明专利技术属于数字图像处理技术领域，公开了一种基于机器视觉的卡簧测量方法，包括：对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡簧的轮廓边缘，获取边缘上的轮廓点；采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息；对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧两个边缘的尺寸信息，完成卡簧的测量。本发明专利技术充分利用工业光源与工业相机，采用机器视觉的测量方法，实现了对压装完的卡簧进行快速并准确地测量，并把数据进行实时处理，改进后的Canny算子对轮廓边缘的提取更加精准并具有较高的噪声抑制效果。

【技术实现步骤摘要】
一种基于机器视觉的卡簧测量方法
本专利技术属于数字图像处理
，尤其涉及一种基于机器视觉的卡簧测量方法。
技术介绍
目前，卡簧是一种应用广泛的机械零件，一般将其安装在工件的轴槽或者孔槽之中，起着零件固定的作用。卡簧与槽配合的松紧度直径影响其工作的性能，安装过松降低定位的效果；安装过紧导致卡簧产生塑性变形。目前，汽车行业的快速发展带动了卡簧的大批量生产，但是针对卡簧的几何尺寸的测量却仍以人工测量为主，对于卡簧的尺寸、开口的测量，现有汽车零部件生产企业基于“通、止规”的方式，采用卡簧的尺寸公差带上下限作为两端轴的直径，形成一根直径不等的检测棒。如果卡簧可以从测试棒套入但不能从下端套出去，即认为卡簧为合格的。但是卡簧的装配、压装是一道重要的工序，在完成卡簧装备、压装后，通用的方法是通过工人测量确定卡簧是否压装合格。卡簧的形状较小、较薄，在长期的单一重复性工作中，工人容易产生疲劳，导致不合格的产品流入到应用市场中。不同的工人操作的手法力度宽严也不尽相同，对于临界尺寸合格性的判断会产生相对应的差异。目前的测量方法与卡簧的市场需求不相匹配，成为提高企业生产效率的一个瓶颈。同时，传统Canny算子高斯核函数的方差和高低阈值均是人工进行设定，对图像的自适应能力差，对噪声敏感。另外，现有技术中利用阈值提取并进行圆拟合的方法，存在测量精度不高、稳定性差的技术问题。因此，亟需一种新的卡簧测量方法。通过上述分析，现有技术存在的问题及缺陷为：(1)卡簧的形状较小、较薄，在长期的单一重复性工作中，工人容易产生疲劳，导致不合格的产品流入到应用市场中。不同的工人操作的手法力度宽严也不尽相同，对于临界尺寸合格性的判断会产生相对应的差异。目前的测量方法与卡簧的市场需求不相匹配，成为提高企业生产效率的一个瓶颈。(2)传统Canny算子高斯核函数的方差和高低阈值均是人工进行设定，对图像的自适应能力差，对噪声敏感。(3)现有技术中利用阈值提取并进行圆拟合的方法，存在测量精度不高、稳定性差的技术问题。解决以上问题及缺陷的难度为：卡簧的形状较小、较薄，检测的要求达到0.01mm级别的精度。在视觉成像上，现有的视觉未有好的解决方案。在算法提取上，利用的算法其自适应能力差，对噪声敏感，影响产品的检测效果。解决以上问题及缺陷的意义为：利用本文提及的技术，通过带有色彩的光源在固定位置进行图像的拍摄，对图像进行色彩通道的分解。利用算法实现通道的重新组合，对重新组合图像利用改进的Canny算法，实现卡簧边缘的精确提取，完成测量。本专利技术改进后的算子对轮廓边缘的提取更加精准并具有较高的噪声抑制效果，解决了现有技术中利用阈值提取并进行圆拟合的方法，存在测量精度不高、稳定性差的技术问题。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于机器视觉的卡簧测量方法，尤其涉及一种基于机器视觉测量系统的针对卡簧的测量方案。本专利技术是这样实现的，一种基于机器视觉的卡簧测量方法，所述基于机器视觉的卡簧测量方法包括以下步骤：步骤一，对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；步骤二，对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡簧的轮廓边缘，获取边缘上的轮廓点；步骤三，采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息；步骤四，对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧两个边缘的尺寸信息，完成卡簧的测量。进一步，步骤一中，所述对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合的方法，包括：(1)获取工业CCD相机拍摄卡簧的彩色图像，因活塞产品由磁铁、碟簧、堵块、卡簧构成，压装设备完成其部件的组装，形成成品；(2)利用光学色彩反射，针对产品不同的高度，呈现出不同的色彩信息；其中，A1为卡簧的内圆，A2为卡簧漏出卡簧槽的边缘；(3)根据彩色图像进行通道的分解，分解为R通道、G通道、B通道、H通道、S通道、V通道；(4)根据提取卡簧的不同位置区域，对不同通道进行组合，凸显卡簧不同区域的特征。进一步，步骤二中，所述对边缘提取的Canny算子进行改进的方法，包括：采用自适应平滑滤波的思想，通过每次迭代自适应地改变各个像素的加权系数，设f(x,y)为输入图像，Gx(x,y)、Gy(x,y)为图像的梯度分量，w(x,y)为模板系数，则进行一次迭代的步骤为：对图像fn(x,y)进行n次加权平均为：其中，参数K需要在计算前进行提前预设，K的变化对边缘的突变处起到了理想的约束。经过批量测试模拟，选择合适的K值以及迭代的次数。进一步，为通过图像自适应的确定阈值，需通过图像的灰度特征选择一个合适的阈值，使图像清晰地分为两类。假设{0,1,2,…,L-1}表示M*N的图像中L个不同的灰度级，ni表示灰度级为i时的像素数量，则：MN＝n0+n1+n2+…+nL-1；对图像的灰度直方图进行归一化得：pi＝ni/MN；假设K为经过自适应确定的阈值，则K把图像分为两类C1和C2。利用概率统计原理可知，类C1和类C2发生的概率为：分配到类C1和类C2中像素的平均灰度为：从0到灰度级K的累加均值为：图像的平均灰度为：由上面公式得类间方差为：其中，自适应确定的阈值K为类间方差最大时的值，将K值引入到Canny算子中，可以根据图像灰度的特征选择合适的阈值。进一步，步骤三中，所述采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息的方法为：结合轮廓边缘上的点坐标利用Hough算子进行卡簧A2圆的拟合，求取拟合后圆的圆心坐标(a,b)以及半径r，具体包括：设A1轮廓边缘点的坐标为(xi,yi)，轮廓边缘点到A2轮廓边缘的圆心坐标(a,b)之间的距离为d。则：设卡簧露出产片活塞卡簧槽的距离为D，则：Di＝r-di；依次求取A1轮廓边缘上每个点到A2轮廓边缘拟合圆之间的距离，且等间距地选取A1轮廓边缘上点到A2轮廓边缘拟合圆之间点的距离。进一步，步骤四中，所述对数据进行过滤去除数据畸变点的方法，包括：(1)对数据选择合适的遍历单元长度，每次针对固定长度的数据进行处理；(2)计算出单元长度内数据的变化情况，用方差进行表示，若得到的方差超过规定的参考值，则认为此单元长度内存在畸变点；(3)若单元长度内存在畸变点，获取此单元内数据的最值，并利用最值与数据的均值筛选出畸变点，并把此畸变点的数据进行删除，用此单元内其他数据的均值进行替换；(4)若单元长度内不存在畸变点数据，则获取下一个单元的长度数据，依次进行遍历；对数据进行滤波后，消除畸变点的数据影响，数据更接近真实的数据。本专利技术的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的卡簧测量方法，其特征在于，所述基于机器视觉的卡簧测量方法包括以下步骤：/n步骤一，对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；/n步骤二，对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡簧的轮廓边缘，获取边缘上的轮廓点；/n步骤三，采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息；/n步骤四，对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧两个边缘的尺寸信息，完成卡簧的测量。/n

【技术特征摘要】
1.一种基于机器视觉的卡簧测量方法，其特征在于，所述基于机器视觉的卡簧测量方法包括以下步骤：
步骤一，对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合；
步骤二，对边缘提取的Canny算子进行改进，利用改进的Canny算子提取卡簧的轮廓边缘，获取边缘上的轮廓点；
步骤三，采用Hough圆拟合，对边缘上的轮廓点进行拟合，求取卡簧的尺寸信息；
步骤四，对数据进行过滤去除数据畸变点，并利用等分原理，计算实际卡簧两个边缘的尺寸信息，完成卡簧的测量。


2.如权利要求1所述的基于机器视觉的卡簧测量方法，其特征在于，步骤一中，所述对拍摄的彩色图像进行通道分解，按照比例进行图像的重新组合的方法，包括：
(1)获取工业CCD相机拍摄卡簧的彩色图像，因活塞产品由磁铁、碟簧、堵块、卡簧构成，压装设备完成其部件的组装，形成成品；
(2)利用光学色彩反射，针对产品不同的高度，呈现出不同的色彩信息；其中，A1为卡簧的内圆，A2为卡簧漏出卡簧槽的边缘；
(3)根据彩色图像进行通道的分解，分解为R通道、G通道、B通道、H通道、S通道、V通道；
(4)根据提取卡簧的不同位置区域，对不同通道进行组合，凸显卡簧不同区域的特征。


3.如权利要求1所述的基于机器视觉的卡簧测量方法，其特征在于，步骤二中，所述对边缘提取的Canny算子进行改进的方法，包括：
采用自适应平滑滤波的思想，通过每次迭代自适应地改变各个像素的加权系数，设f(x,y)为输入图像，Gx(x,y)、Gy(x,y)为图像的梯度分量，w(x,y)为模板系数，则进行一次迭代的步骤为：









对图像fn(x,y)进行n次加权平均为：



其中，参数K需要在计算前进行提前预设，K的变化对边缘的突变处起到了理想的约束；经过批量测试模拟，选择合适的K值以及迭代的次数。


4.如权利要求3所述的基于机器视觉的卡簧测量方法，其特征在于，为通过图像自适应的确定阈值，需通过图像的灰度特征选择一个合适的阈值，使图像清晰地分为两类；假设{0,1,2,…,L-1}表示M*N的图像中L个不同的灰度级，ni表示灰度级为i时的像素数量，则：
MN＝n0+n1+n2+…+nL-1；
对图像的灰度直方图进行归一化得：
pi＝ni/MN；
假设K为经过自适应确定的...

【专利技术属性】
技术研发人员：张效栋，袁帅鹏，杨旭东，杨宏脉，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12