[发明专利]工件废料检测方法、系统及装置

权利要求书

1.一种工件废料检测方法，其特征在于：包括：

获取工件图像；

根据所述工件图像合成点云数据并解析为纹理图像及深度图像；

对所述纹理图像进行特征提取，获取待匹配工件图像特征信息；

提取预先训练好的工件套料图模板的特征信息与所述待匹配工件图像特征信息进行匹配，获取匹配结果信息；以及

根据匹配结果信息获取工件轮廓及其周围区域对应的点云深度信息，并进行统计学方法分析获取工件的缺陷结果信息。

2.根据权利要求1所述的方法，其特征在于，对所述纹理图像进行特征提取，获取待匹配工件图像特征信息之前，还包括对点云数据预处理，去除输送线平面外部噪点，包括：

根据点云数据上的点与点之间的深度图像信息计算欧氏距离并基于平面聚类算法将合适的点归为一个平面；

提取点云的各个平面，提取最大平面即为输送线平面；

计算输送线平面的拟合平面方程和输送线平面的法向量；

根据所述法向量以及相机坐标系垂直视场平面法向量，以及平面中心点和相机坐标系原点，得到透视变换矩阵M1；

根据透视变换矩阵M1，获取工件点云数据在相机坐标系垂直视场下的点云数据，完成对点云数据的视角矫正。

3.根据权利要求1所述的方法，其特征在于，所述工件套料图模板采用机器学习方法训练获取，包括：

获取钢板信息，包括最近已分拣、在分拣和待分拣的钢板套料图编号、工件套料图模板以及钢板厚度；

判断工件套料图模板信息，是否为新的工件套料图模板或者是否更改，如果是新的工件套料图模板，则删除最旧的工件套料图模板数据，并新增新的工件套料图模板数据，否则不变；

向视觉系统下发工件套料图模板信息；

所述视觉系统基于梯度边缘提取算法对所述工件套料图模板图像进行训练，获取工件套料图模板的特征信息。

4.根据权利要求3所述的方法，其特征在于，向视觉系统下发工件套料图模板信息，包括：

如果是新的工件套料图模板，视觉系统接收所述新的工件套料图模板并进行训练；

视觉系统删除最旧的工件套料图模板。

5.根据权利要求3所述的方法，其特征在于，所述视觉系统基于梯度边缘提取算法对所述工件套料图模板图像进行训练，获取工件套料图模板的特征信息，包括：

利用sobel算子对工件套料图模板图像进行边缘提取，获取每个像素点的梯度信息；

对每个像素点的邻域梯度进行分析，计算该像素点的梯度变化，将梯度差异大于预设阈值的点存储为工件套料图模板的特征点，并将梯度变化方向值记录为特征点对应的特征值。

6.根据权利要求1所述的方法，其特征在于，提取预先训练好的工件套料图模板的特征信息与所述待匹配工件图像特征信息进行匹配，获取匹配结果信息，包括：

设置匹配滑窗的大小，其中匹配滑窗的大小与工件套料图模板的大小一致，且均小于待匹配工件图像的尺寸；

根据匹配滑窗对待匹配工件图像和工件套料图模板图像依次进行匹配；

每次匹配后，计算所述工件套料图模板和所述待匹配工件图像的相似度；

获取相似度最大的工件套料图模板及所述纹理图像的区域，并作为匹配结果信息输出。

7.根据权利要求6所述的方法，其特征在于，所述的匹配结果信息包括：工件的种类、工件的形状轮廓，以及工件在所述纹理图像和深度图的区域位置。及其在所述纹理图像和深度图在工件套料图模板的区域位置和大小。

8.根据权利要求1所述的方法，其特征在于，根据匹配结果信息获取工件轮廓对应的点云深度信息，并进行统计学方法分析获取工件的缺陷结果信息，包括：

利用形态学对工件轮廓进行腐蚀和膨胀等操作，获取工件中间区域，以及工件扩充一圈后的内外部区域的深度信息；

分析工件中间区域以及工件扩充大小后的内外部区域的深度信息、深度均值变化以及极值变化等统计学特征；以及

同时通过与工件套料图模板中的厚度大小信息比较，判断零件是否存在带废料，是否叠料以及是否翘板等缺陷情况。