[发明专利]一种基于视觉的多层梁中外梁孔的识别与定位方法有效
申请号: | 201611070757.3 | 申请日: | 2016-11-28 |
公开(公告)号: | CN106778541B | 公开(公告)日: | 2019-08-13 |
发明(设计)人: | 罗欣;郭晓阳 | 申请(专利权)人: | 华中科技大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46 |
代理公司: | 华中科技大学专利中心 42201 | 代理人: | 梁鹏 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 视觉 多层 中外 识别 定位 方法 | ||
本发明属于机器视觉和检测领域,并公开了一种基于视觉的多层梁中外梁孔的识别与定位方法。该方法包括:(a)计算实际尺寸向像素尺寸转换的转换系数;(b)从待识别多层梁外梁孔中选择生成模板,对待识别图像进行模板匹配,得到孔的尺寸类型,以最佳匹配点为中心截取新的局部图像,对新图像进行亚像素精度级的边缘检测;(c)使用边缘点数据拟合孔中心坐标,乘上转换系数得到待识别多层梁外梁孔的中心坐标,从而实现孔的识别与定位。通过本发明,实现了多层梁中外梁孔盲孔的自动识别和定位,减轻了工人的劳动强度,提高了外梁孔加工精度和多层梁的铆接质量,并数倍提升生产效率。
技术领域
本发明属于机器视觉和检测领域,更具体地,涉及一种基于视觉的多层梁中外梁孔的识别与定位方法。
背景技术
多层梁,特别是双层梁,是一种常见的大型承重结构。多层梁由多片单层梁铆接而成,与单层梁相比,多层梁具有更高的强度,因此广泛使用在汽车车架、桥梁、大型桁架式建筑物及其他承重结构中。为了减小甚至消除待铆接孔的错位,提高多层梁的质量,多层梁配孔工艺对各单层梁上待铆接孔的中心重合度和孔直径误差提出了很高的要求。例如,商用车车架所用的双层钢梁通常要求内外梁孔中心重合度误差和直径误差均小于0.05mm。为了达到孔中心重合度和直径误差的要求,在加工多层梁待铆接孔时,一般采用配钻或配冲孔工艺方法,即先加工最外层的外梁孔,再将内、外梁配合,根据外梁孔的位置配套加工各内梁孔。在该工艺方法中,外梁孔位置和大小的确定成为多层梁生产的核心问题。
组成多层梁的各个单层梁通常颜色非常接近。多层梁叠放在一起时,外梁孔相当于一个盲孔,且它的深度较浅,这些问题都给外梁孔的识别带来了难度。在现有技术条件下,多层梁外梁孔的定位完全依靠人眼观察和手工对齐,工人劳动强度大,生产效率低。在中国实用新型专利说明书CN204412881U中公开了一种汽车双层钢梁快速高效配冲孔自动生产线,该方法需要人工使用导正销进行外梁孔的逐个定位,工人劳动强度大,且整条孔加工生产线效率低。王华曾在博士学位论文《基于计算机是觉得车架纵梁在线检测关键技术研究》中提出一种装配孔的识别方法,但该方法仅用于配孔加工后孔的数量的检测,由于多层梁已经过配孔加工,所以多层梁的孔是通孔,在检测时可以使用具有明显色差的光源进行背光照明,而多层梁在配孔加工前外梁孔是盲孔,因此该方法并不适合多层梁外梁孔的检测。总结来说,目前尚未有孔的自动识别技术在多层梁外梁孔识别中得到应用。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于视觉的多层梁中外梁孔的识别与定位方法,通过机器人视觉自动识别,由此解决多层梁中外梁孔大小的识别和定位的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于视觉的多层梁中外梁孔的识别与定位方法,其特征在于,该方法包括下列步骤:
(a)对已知标准圆孔拍照,在得到的图像中测量该已知标准圆孔的半径即像素尺寸,测量该已知标准圆孔实际半径即实际尺寸,所述实际尺寸与所述像素尺寸之比记为转换系数K;
(b)对待处理圆孔进行拍照得到待处理图像,在该待处理的图像中截取图像,对该截取图像进行亚像素细分后得到每个点的多个特征值,将其中的某些特征值与预设条件进行比较,满足该预设条件的点为边缘点,该边缘点其它特征值用于计算该边缘点的亚像素精度级坐标,由此,得到所有所述边缘点的亚像素精度级坐标,其中,所述截取图像按照下列步骤进行:
(b1)将所述已知标准圆孔按照不同半径规格分类,每种不同半径规格的所述标准圆孔选取多个,对选取出来的所述标准圆孔拍照并测量其所述像素尺寸,同一类半径规格的所述标准圆孔的所述像素尺寸取平均值,以预设压缩倍数D压缩该平均值对应的所述标准圆孔的图像,并以压缩后的图像作为模板;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611070757.3/2.html,转载请声明来源钻瓜专利网。