一种基于机器视觉的圆形工件平面坐标高精度定位方法技术

本发明专利技术提供一种基于机器视觉的圆形工件平面坐标高精度定位方法，解决现有激光加工无法实现工件微米级精度定位的问题。该方法包括：1)确定相机的参数；2)获取被加工件不同部分边缘的图像；3)获取高分辨率的图像；4)消除图像中工件区域内部的空洞；5)采用基于Zernike矩的亚像素边缘检测算法提取各图像中被加工件的轮廓坐标点，然后像素坐标转化为机床坐标系坐标，并对各部分轮廓坐标点进行补偿，获得各部分轮廓像素点坐标对应的机床坐标系绝对坐标；步骤六、采用随机采样一致算法对步骤五获取的绝对坐标进行拟合，最终获得圆心坐标。本发明专利技术方法基于机器视觉算法，精度高，自动化程度高，效率高。效率高。效率高。

【技术实现步骤摘要】
一种基于机器视觉的圆形工件平面坐标高精度定位方法


[0001]本专利技术属于激光加工领域，具体涉及一种基于机器视觉的圆形工件平面坐标高精度定位方法。

技术介绍

[0002]激光加工技术是一种高精度的加工手段，可以实现不同微米甚至亚微米级的制造，已成为航空、航天、航海、汽车、电子等多个领域的关键加工技术。随着以上领域提出的高精度高品质的制造要求，对定位方式和定位手段提出了更高的要求。随着机器视觉的逐步发展，机器视觉已替代人工操作成为工件定位监测的新手段，在可以提高工作效率的同时也能够更好的保证精度要求，降低误差。
[0003]基于机器视觉的检测定位方式有很多，例如结构光、双目视觉等，但大多数算法精度最高仅能达到几十微米，要达到激光加工过程中微米级精度的制造要求，则必须对几十毫米级目标工件达到几微米的定位精度，以上方法显然无法满足，而且在实际工程应用中，微米级定位往往是视觉定位的极限精度，此时提升相机、镜头以及光源等硬件参数定位效果也无法继续提高，因此仍然亟需一种更高精度的定位手段和算法。
[0004]中国专利CN112001917A公开了一种基于机器视觉的圆形有孔零件形位公差检测方法，用于提高零件形位公差检测的效率和精度。由其公开内容可知，该方法通过两次标定消除畸变，并计算实际像素和物理尺寸的关系，提取图像连通域和二值图像轮廓，计算获得圆心坐标和边缘轮廓，计算连通区域的外接矩形和最小外接矩形进行孔的圆度分析，再对边缘信息进行霍夫圆变换得到圆心与半径信息，并与之前得到的数据比较，计算零件形位公差。该方法直接进行边缘提取并使用霍夫圆变换可以实现圆度分析和形位公差的计算，但无法实现工件微米级精度定位。
[0005]中国专利CN110599544A公开了一种基于机器视觉的工件定位方法及装置，可以对工件进行准确的识别与定位。该方法通过预测框的回归坐标确定目标工件的轮廓和中心点的二维坐标，标注图像作为训练集输入到Fast
‑
R
‑
CNN神经网络中并输出目标工件的预测框，计算测试框和预测框的重合度，并对预测框进行阈值分割，并采用边缘检测算法和最小外接矩形法获取目标工件轮廓和中心点坐标，该方法结合深度学习和图像处理算法对目标工件进行识别与定位，鲁棒性和普适性好，但对于较大的目标工件，仍无法达到微米级定位要求。

技术实现思路

[0006]本专利技术的目的是解决现有激光加工无法实现工件微米级精度定位的问题，提供一种基于机器视觉的圆形工件平面坐标高精度定位方法。
[0007]为实现上述目的，本专利技术采用以下技术方案：
[0008]一种基于机器视觉的圆形工件平面坐标高精度定位方法，包括以下步骤：
[0009]步骤一、根据被加工件的定位精度进行相机与镜头的参数选型，进而确定相机的
安装位置，采用张正友标定法对相机进行标定，获得相机的内参数、外参数和畸变系数，并使用畸变系数对图像进行校正；
[0010]步骤二、将被加工件放置在工作台上，根据被加工件的大小设置机床的移动向量，根据该移动向量移动机床，由相机获取被加工件不同部分边缘的图像；
[0011]步骤三、对步骤二获取的多个图像进行滤波和图像超分辨率增强处理，获取多个高分辨率图像；
[0012]步骤四、对步骤三获取的多个图像进行阈值分割，采用形态学处理或漫水填充对阈值分割后的图像进行处理，消除图像中工件区域内部的空洞；
[0013]步骤五、对于步骤四得到的多个图像，采用基于Zernike矩的亚像素边缘检测算法提取各图像中被加工件的轮廓坐标点，然后根据步骤一获取的相机外参数将像素坐标转化为机床坐标系坐标，并根据步骤二中的机床移动向量对各部分轮廓坐标点进行补偿，获得各部分轮廓像素点坐标对应的机床坐标系绝对坐标；
[0014]步骤六、采用随机采样一致算法对步骤五获取的绝对坐标进行拟合，最终获得圆心坐标。
[0015]同时，本专利技术还提供另一种基于机器视觉的圆形工件平面坐标高精度定位方法，包括以下步骤：
[0016]步骤一、根据被加工件的定位精度进行相机与镜头的参数选型，进而确定相机的安装位置，采用张正友标定法对相机进行标定，获得相机的内参数、外参数和畸变系数，并使用畸变系数对图像进行校正；
[0017]步骤二、将被加工件放置在五轴加工机床的工作台上，将五轴加工机床的旋转轴C轴旋转一周，相机拍摄n张不同旋转角度的图片，并记录各图像的旋转矩阵，此时相机获取多个被加工件不同部分边缘图像；
[0018]步骤三、对步骤二获取的多个图像进行滤波和图像超分辨率增强处理，获取多个高分辨率图像；
[0019]步骤四、对步骤三获取的多个图像进行阈值分割，采用形态学处理或漫水填充对阈值分割后的图像进行处理，消除图像中工件区域内部的空洞；
[0020]步骤五、对于步骤四处理后的多个图像，采用基于Zernike矩的亚像素边缘检测算法提取各图像中被加工件的轮廓坐标点，并对每张图像中的轮廓点坐标乘以步骤二的旋转矩阵进行复位，得到复位后被加工件的轮廓坐标点；
[0021]步骤六、采用随机采样一致算法对被加工件的轮廓坐标点进行拟合，得到图像坐标系下的圆心坐标，并通过步骤一中标定好的相机外参数将图像坐标系下的圆心坐标转化为机床坐标系下的圆心坐标，得到圆形工件实际位置的圆心坐标。
[0022]进一步地，步骤一中，根据被加工件的定位精度确定相机的分辨率、视场范围、工作距离，此时，相机分辨率大于400万，且视场范围应小于2mm，采用高分辨率的相机，可实现微米级精度定位。
[0023]进一步地，步骤四中，形态学处理具体采用闭运算，从而去除图像噪声对边缘检测精度的影响，提高定位精度。
[0024]进一步地，步骤三中，图像超分辨率增强具体采用基于深度学习的方法，滤波具体采用均值滤波或高斯滤波。
[0025]与现有技术相比，本专利技术具有如下有益效果：
[0026]1.本专利技术方法基于机器视觉算法，精度高，自动化程度高，效率高。
[0027]2.本专利技术方法采用图像超分辨率增强和亚像素边缘检测等算法代替更高分辨率的相机用于成像质量和检测质量的提升，并且由于相机像元大小的影响，当分辨率达到一定程度后，相机分辨率的增大将无法提升检测精度，采用亚像素边缘检测算法可突破该瓶颈，从而提升检测精度。
[0028]3.对于几十厘米大小直径的圆形工件，要达到微米级定位精度，单张图像显然无法满足。本专利技术方法固定相机后，移动机床来获取分辨率更高的圆形工件不同部位图像，并采用标定和距离补偿等手段将各个图像坐标系进行统一，此种方法可以在相机分辨率无法保证的情况下突破定位极限，满足精度要求。
[0029]4.本专利技术方法采用了基于Zernike矩边缘提取算法，在不改变硬件成本的前提下将检测精度提高到亚像素级。
[0030]5.本专利技术方法采用闭运算对阈值分割后的图像进行处理，消除图像中工件区域内部的无数小型黑洞，从而去除图像噪声对边缘检测精度的影响，提高定位精度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的圆形工件平面坐标高精度定位方法，其特征在于，包括以下步骤：步骤一、根据被加工件的定位精度进行相机与镜头的参数选型，进而确定相机的安装位置，采用张正友标定法对相机进行标定，获得相机的内参数、外参数和畸变系数，并使用畸变系数对图像进行校正；步骤二、将被加工件放置在工作台上，根据被加工件的大小设置机床的移动向量，根据该移动向量移动机床，由相机获取被加工件不同部分边缘的图像；步骤三、对步骤二获取的多个图像进行滤波和图像超分辨率增强处理，获取多个高分辨率图像；步骤四、对步骤三获取的多个图像进行阈值分割，采用形态学处理或漫水填充对阈值分割后的图像进行处理，消除图像中工件区域内部的空洞；步骤五、对于步骤四得到多个图像，采用基于Zernike矩的亚像素边缘检测算法提取各图像中被加工件的轮廓坐标点，然后根据步骤一获取的相机外参数将像素坐标转化为机床坐标系坐标，并根据步骤二中的机床移动向量对各部分轮廓坐标点进行补偿，获得各部分轮廓像素点坐标对应的机床坐标系绝对坐标；步骤六、采用随机采样一致算法对步骤五获取的绝对坐标进行拟合，最终获得圆心坐标。2.根据权利要求1所述的基于机器视觉的圆形工件平面坐标高精度定位方法，其特征在于：步骤一中，根据被加工件的定位精度确定相机的分辨率、视场范围和工作距离。3.根据权利要求2所述的基于机器视觉的圆形工件平面坐标高精度定位方法，其特征在于：步骤一中，相机分辨率大于400万，且视场范围小于2mm。4.根据权利要求1或2或3所述的基于机器视觉的圆形工件平面坐标高精度定位方法，其特征在于：步骤四中，形态学处理具体采用闭运算。5.根据权利要求4所述的基于机器视觉的圆形工件平面坐标高精度定位方法，其特征在于：步骤三中，图像超分辨率增强具体采用基于深度学习的方法，滤波具体采用均值滤波或高斯滤波。6.一种基于机器视觉的圆形工件平面坐标高精度定位方法，其特征在于，...

【专利技术属性】
技术研发人员：李明，闫睿，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：