[发明专利]一种物体圆度测量方法

说明书

本发明属于机器视觉测量领域，涉及一种物体圆度测量方法，其特征在于：包括步骤如下：根据物体的边缘图像信息提取边缘点，所述边缘点围成所述目标的边缘轮廓；对所述边缘点进行聚类分割，获得目标边缘点；其中，所述聚类分割的判断条件为：根据搜索圆心和预设半径确定边缘线的梯度线交点，并以所述梯度线交点获取对应的所述目标边缘点；对所述目标边缘点进行圆拟合，得到目标圆方程。本发明能够排除圆检测中的偏离待检测圆的异常点，进行高精度圆拟合，也可扩展为一次检测多个圆，并提高搜索效率。

技术领域

本发明专利属于机器视觉测量领域，涉及利用相机拍摄待测物体，利用图像处理算法获取所需测量信息的方法，尤其涉及一种主要应用在精密工件测量(如工件圆度、直径尺寸等)、复杂工业场景下的目标非接触测量的物体圆度测量方法。

背景技术

机器视觉测量技术是计算机学科的一个重要分支，机器视觉测量是指利用相机获取待测物体图像，并结合图像处理算法进行待测目标几何信息的测量方式。该方式具有非接触式、精度高的特点。为了获得理想的测量结果，业界主要通过3方面进行保证，分别是：获得非失真的清晰目标图像、获取准确的结构尺寸特征以及准确的特征测量分析方法。

如想获得非失真的清晰目标图像，则与拍摄场景的打光方案、相机安装方式及相机镜头的选择有关。打光方案如采用背光的方式，能够获取清晰的待测目标边缘信息，为了解决相机倾斜安装以及镜头畸变导致的拍摄图像失真问题，通常采用图像畸变矫正的方案。

如想获取准确的结构尺寸特征，一般采用拍摄目标边缘轮廓信息的方式。边缘轮廓由一系列边缘点组成，边缘点的提取一般采用sobel边缘提取方法或Canny边缘提取方法。

特征测量分析方法需要根据具体的待测量物体进行设计。对于最常见的直线检测和圆检测，通常在提取了特征点(如上面所说的边缘点)后，利用最小二乘拟合、Turkey权重拟合的方法获取相应的直线或圆信息。

在圆测量方面，业界普遍采用的方法是提取待测目标的边缘信息，即边缘点，然后对这些边缘点采用最小二乘法拟合出圆方程(x-a)²+(x-b)²＝R²，其中圆心坐标为(a，b)，半径为R。记第i个边缘点为p_i，p_i到圆(x-a)²+(x-b)²＝R²的距离为d_i，若边缘点总数最为N，则最小二乘法拟合圆的思想就是求解出恰当的参数a、b、R，使得最小。图1展示了一般的最小二乘法拟合圆。然而，在实际应用场合，可能由于待测目标出现毛刺或者其干扰物的影响，提取出的边缘点不一定都是待拟合圆上的点，但由于最小二乘法考虑了所有的边缘点，因此在这种情况下极易导致拟合后的圆方程偏离真实的圆方程，引起测量误差，如图2所示，实心直线代表存在误差的拟合圆，虚线代表理论上应该拟合的正确圆。

为了解决该问题，有人提出基于权重的直线拟合方法，如Turkey权重拟合方法。该方法在最小二乘法拟合圆的基础上，根据边缘点到拟合圆距离的远近，对每个边缘点设定权重，重新进行拟合，距离小的边缘点在拟合过程中贡献的权重大，距离圆的边缘点在拟合过程中贡献的权重小。如此循环多次，设定最终的误差终止条件或迭代次数，完成圆拟合过程。虽然该方法能够避免少量干扰点的影响，但当干扰点较多时，初次拟合(基于最小二乘法)产生的圆误差较大，并且可能在后续的迭代过程中无法获得纠正，如图3所示，实线为拟合后的圆，虚线为理想圆。综上，在现有技术下，不能有效的解决干扰的问题，没有有效的方法实现高精度的圆拟合。

发明内容

基于此，有必要针对在较多干扰点下的圆拟合问题，基于边缘点梯度线交点的聚类圆拟合方法，能够抑制干扰点的影响，实现高精度的物体圆度测量方法。

技术方案：一种物体圆度测量方法，其特征在于：包括步骤如下：

根据物体的边缘图像信息提取边缘点，所述边缘点围成所述目标的边缘轮廓；