[发明专利]复杂工业环境下基于模糊相似性度量的机器视觉检测方法

权利要求书

1.复杂工业环境下基于模糊相似性度量的机器视觉检测方法，其特征在于，该机器视觉检测方法用于对汽车仪表进行检测，它包括：

S1、每类仪表构建一个唯一的知识模型；

S2、将待测图像和S1构建知识模型的过程中获取的模板图像进行在线检测配准；

S3、对待测图像和模板图像进行相似性度量，获取相似性度量图像；

S4、对S3获取的相似性度量图像进行指针提取；

S5、对S4获取的指针位置进行指针定位，获取待测图像的指针位置；

S6、根据指针位置计算获取仪表检测结果；

S1所述每类仪表构建一个唯一的知识模型的方法包括：

S1-1、通过相机采集仪表在暗室环境下的三幅图像，所述三幅图像的指针位置均不同；上位机读取相机获取的三幅图像，分别计算三幅图像的行数N_x和列数N_y；

S1-2、设定感兴趣区域ROI的参数，所述参数包括：宽度r_w、高度r_h、起始坐标(xⁱⁿ,yⁱⁿ)和区域个数r_n，根据设定的参数在待测图像上选取r_n个感兴趣区域ROI；

S1-3、将获取的三幅图像的所有像素点做相似度测量，计算三幅图像各对应像素点的欧式距离，每个像素点获得三个欧式距离，三个欧式距离分别对应三对图像，选取欧式距离的最小值，获得该欧式距离对应的两幅图像，对获得的两幅图像在此像素点的位置取均值，作为模板图像该位置的值，根据所有位置的值获取模板图像；

S1-4、将S1-1采集的三幅图像分别与S1-3获取的模板图像做差获取差分图像，将差分图像中的感兴趣区域ROI转化为灰度图像，然后使用最大类间方差方法获得灰度图像的阈值，根据阈值获得二值图像；

对二值图像进行形态学闭操作；

提取其中最大连通区域作为指针区域；

S1-5、提取指针区域轮廓，计算最小外接矩形，获得外接矩形的长rect_l和宽rect_w，采用霍夫直线检测获取长度大于max(rect_l，rect_w)/4的直线；

选取霍夫空间中的最大极值点作为指针区域一侧边缘直线l⁺，根据极值点从大到小搜索指针区域另一侧边缘直线，将最小外接矩形的中心坐标代入指针方程，第一个与l⁺异号的直线被判断为另一侧边缘直线l^-；

通过计算l⁺和l^-的角度均值和交点，获取指针直线l，将指针直线l作为指针位置；

S1-6、将获得的三条指针直线两两相交，获得三个交点，对三个交点取平均值，获得指针旋转中心(r_x，r_y)；

对获得的三个指针位置的像素点在HSV颜色模型的值取平均值将该平均值作为仪表指针颜色的先验知识；

根据获取的指针位置获取仪表指针形状的先验知识；

S1-7、标定粗略坐标位置n_scale表示刻度个数，i表示第i个刻度，刻度的搜索半径是rad；

根据刻度中心点和搜索半径获取搜索圆，对搜索圆区域做灰度化，然后使用最大类间方差方法获得连通域，将连通域的中心作为刻度中心

对刻度中心进行最小二乘法计算，获取搜索圆的中心(x_center，y_center)和半径rad_scale；

S1-8、将S1-3获取的模板图像作为背景模板、S1-6获取的指针旋转中心、仪表指针颜色的先验知识、仪表指针形状的先验知识、S1-7获取的刻度中心、搜索圆的中心和半径作为仪表先验知识，以仪表先验知识构成仪表知识模型，并将所述仪表知识模型存储在数据库中；

S2所述将待测图像和S1构建知识模型的过程中获取的模板图像进行在线检测配准的方法包括：

S2-1、将待测图像和S1构建知识模型的过程中获取的和模板图像分别转化为灰度图像；

S2-2、采用ORB特征点检测算法对两幅灰度图像进行特征点检测和描述，提取特征点描述中相似度最高的五十对点；

S2-3、采用RANSAC算法计算获取待测图像到模板图像的映射矩阵，完成在线检测配准；

S3所述对待测图像和模板图像进行相似性度量的方法包括：

S3-1、将待测图像和模板图像分别转化为HSV图像；

S3-2、采用S1-6获取的仪表指针颜色的先验知识搜索两幅HSV图像同时满足H分量在区间S分量在区间V分量在区间的像素点；

其中：ξ∈[0,1]表示需要手动调节的参数，分别表示指针的像素点在HSV颜色模型对应的三个分量的平均值；

S3-3、对S3-2获取的所有像素点所在的位置进行相似性度量；

所述相似性度量的结果为：待测图像与模板图像在各像素点的三分量差分结果最大值，表示为

其中，表示待测图像在像素点(x,y)的H分量，表示待测图像在像素点(x,y)的S分量，表示待测图像在像素点(x,y)的V分量，表示模板图像在像素点(x,y)的H分量，表示模板图像在像素点(x,y)的S分量，表示模板图像在像素点(x,y)的V分量。