[发明专利]基于视觉定位的木工机械智能切割方法

说明书

本发明涉及图像数据处理技术领域，提出了基于视觉定位的木工机械智能切割方法，包括：获取板材图像；得到路径图像，根据相邻帧板材图像得到切割路径；对于板材图像边缘检测得到边缘图像，根据边缘线获得每个像素点的雾化归一值，得到板材图像的灰度直方图，得到板材图像的连通域和每个像素点的窗口区域，根据连通域数量和相邻连通域灰度差异得到粉末覆盖区的可能性；得到标准边缘图像，根据标准边缘图像边缘线的数量得到像素点的混乱归一值；根据混乱归一值、雾化归一值、位于粉末覆盖区的可能性得到最终显著值，得到板材图像特征点；根据特征点得到切割路径依次类推完成对板材的切割。本发明解决了粉末对图像的影响减少了三步搜索法的计算量。

技术领域

本发明涉及图像数据处理技术领域，具体涉及基于视觉定位的木工机械智能切割方法。

背景技术

随着制造业的日益发展，以人工切割和半自动切割的传统坡口切割方式已经越来越难以满足工业需要。同时，人工切割与半自动切割难以保证切割精度与切割效率，难以完成复杂形状切割。因此亟需研究能够在工厂环境下实现全景图像获取、工件自动识别、自动精确获取工件切割路径并进行切割的复杂工况机器人切割视觉引导系统，实现坡口切割自动化智能化。

在自动化切割过程中，直接使用预设路径可能会由于切割刀震动而造成路径偏移的情况，并且在使用图像技术对路径优化中，会出现粉末对路径优化的影响，在使用快匹配算法时需要对所有像素点进行匹配也会造成计算开销过大。

发明内容

本发明提供基于视觉定位的木工机械智能切割方法，以解决现有的粉末对路径优化影响的问题，所采用的技术方案具体如下：

本发明一个实施例提供了基于视觉定位的木工机械智能切割方法，该方法包括以下步骤：

获取板材图像；

设置预设路径得到路径图像，根据路径图像得到切入口，根据第一帧板材图像和第二帧板材图像的运动矢量和切入口得到第一切割路径；

对第三帧板材图像边缘检测，设置初始低阈值得到初始边缘图像，调整低阈值获得若干边缘图像和每个边缘图像中的边缘线，根据边缘像素点的低阈值和低阈值变化量得到每个边缘像素点的雾化值以及所有像素点的雾化归一值；

根据第三帧板材图像的灰度直方图得到灰度范围，根据灰度范围得到第三帧板材图像中的若干连通域，将连通域所有像素点灰度值的均值作为连通域的灰度值，获取第三帧板材图像中的每个像素点的第一窗口区域，将每个像素点对应的连通域与相邻所有连通域的灰度值差异、第一窗口区域内连通域的数量得到像素点位于粉末覆盖区的可能性；

对第三帧板材图像使用最低低阈值边缘检测得到标准边缘图像，获得边缘像素点的角度差，根据边缘像素点的角度差、边缘像素点数量和每个像素点的第二窗口区域边缘线数量得到像素点的混乱归一值；

根据每个像素点的混乱归一值、雾化归一值、位于粉末覆盖区的可能性得到显著抑制因子，获得第三帧板材图像的显著值，根据显著值、雾化归一值、显著抑制因子得到最终显著值，根据最终显著值得到第三帧板材图像的特征点；

根据第三帧板材图像的特征点以及第一切割路径得到第二切割路径，将第二切割路径与预设路径比较调整，将第四帧板材图像的特征点以及第二切割路径得到第三切割路径，将第三切割路径与预设路径比较调整，依次类推完成对板材的切割。

优选的，所述根据路径图像得到切入口的方法为：

路径图像为二值图像，路径图像中路径上的像素点的灰度值为1，其余像素点的灰度值为0，在路径图像第一行、第一列、最后一行、最后一列中找到灰度值为1的像素点，根据预设路径的移动方向得到切入口和切出口。

优选的，所述设置初始低阈值得到初始边缘图像，调整低阈值获得若干边缘图像和每个边缘图像中的边缘线的方法为：