一种基于机器视觉的汽车拉环锁扣铆合的检测方法
【专利摘要】本发明公开了一种基于机器视觉的汽车拉环锁扣铆合的检测方法。本发明包括如下步骤：步骤1.采集一张汽车拉环锁扣图像，具体通过CCD相机拍摄汽车拉环锁扣图像和将图像转换成灰度图像G；步骤2.汽车拉环锁扣图像预处理，对转换后的灰度图像G进行去噪和增强其对比度，生成预处理后的灰度图像G1；步骤3.通过灰度图像G1进行铆合检测，包括铆合参数和未铆合参数的检测，提取Hough累积值；步骤4.综合参数比较阶段：综合参数包括检测到的Hough累积值、圆的半径；步骤5.几何约束条件判断，利用检测到的两圆的圆心之间的间距和圆心之间的最大角度范围进行最终判断是否铆合。本发明能缩短检测时间，提高效率。
【专利说明】一种基于机器视觉的汽车拉环锁扣铆合的检测方法
【技术领域】
[0001]本发明属于机器视觉的【技术领域】，主要采用模糊策略和约束判断，涉及一种汽车拉环锁扣铆合的检测方法，尤其是一种基于机器视觉的汽车拉环锁扣铆合的检测方法。
【背景技术】
[0002]近年来，汽车配件行业大量采用自动化单机或生产线实现技术改造向现代化生产迈进，然而在质量检测与不达标产品的分拣上仍以人工检测为主的，但是方法存在很多缺点，例如:劳动强度大，工作效率低，主观依懒性强，易受检测人员技术素质、经验及疲劳等因素影响，无法充分保证汽车零部件的质量。而汽车行业对零部件的要求是极高的，要是一旦由于安全隐患引起汽车召回，将对企业利益产生不可估量的损害，甚至导致数以亿计的损失，更是成为人生命安全的一颗定时炸弹。
[0003]鉴于人工检测存在的一系列问题，汽车生产企业曾广泛使用过接触式的仪器检测，但这种传统的检测技术难以满足需要，因为汽车制造厂制造的产品种类越来越多，对质量和精度的要求也越来越高，并且大量的生产实践证明，例如金属表面上的缺陷如压坑、裂纹、划伤等其大小、深度与分布位置不确定，用接触式检测不仅难度较大，同时效率也是较低的。
[0004]目前汽车零件检测技术逐步向非接触检测、数字化检测、在线检测等方向发展，通过引入先进计算机视觉和检测技术，提高生产效率，降低生产成本，由于减少了人工参与，能更加有效的控制产品的加工质量，实现“零废品制造”，这是传统行业检测发展显著趋势。
[0005]考虑到现有的缺陷检测技术很难充分满足工业检测需求，而基于图像的机器视觉检测方法具有非接触、实时可靠，成本低、自动化程度高的优势，能为该问题的解决提供了良好的替代方案和解决思路。
[0006]本发明主要面向传统汽车行业的检测需求，以汽车拉门锁扣的质量检测为切入点，研究提高该零件的自动化检测水平，并逐步扩大机器视觉技术在汽车行业的应用，降低人工成本，更加有效的控制产品质量。
【发明内容】
[0007]本发明的目的是克服现存技术的不足之处，提供一种基于机器视觉的汽车拉环锁扣铆合的检测方法，其能实现汽车拉环锁扣是否铆合的自动检测，降低人工检测目测的工作量，提高检测的效率，安全而且可靠。
[0008]步骤1.采集一张汽车拉环锁扣图像，具体通过CXD相机拍摄汽车拉环锁扣图像和将图像转换成灰度图像G ;
[0009]步骤2.汽车拉环锁扣图像预处理，对转换后的灰度图像G进行去噪和增强其对比度，生成预处理后的灰度图像Gl ；
[0010]步骤3.通过灰度图像Gl进行铆合检测，包括铆合参数(大圆半径取值范围)和未铆合参数(小圆半径取值范围)的检测，提取Hough累积值；[0011]步骤4.综合参数比较阶段:综合参数包括检测到的Hough累积值、圆的半径；
[0012]步骤5.几何约束条件判断，利用检测到的两圆的圆心之间的间距和圆心之间的最大角度范围进行最终判断是否铆合。
[0013]步骤I所述的汽车拉环锁扣图像采集，具体如下:
[0014]1-1、相机垂直于汽车拉环锁扣正上方，且相机正上方固定有光源；汽车拉环锁扣固定在水平导轨上；然后对待检测的汽车拉环锁扣进行图像采集；
[0015]1-2、通过加权平均法将采集到的汽车拉环锁扣图像转换成灰度图像G ;灰度图像G的转换具体如下:
[0016]Gray = RX0.3+GX0.59+BX0.11
[0017]所述的对汽车拉环锁扣图像中的每一个像素点处理，就能将其转换成灰度图像G ;其中R、G、B为一个像素点的值的基色分量；
[0018]步骤2所述的汽车拉环锁扣图像预处理，具体如下:
[0019]2-1、对获取到的灰度图像G进行图像预处理，通过中值滤波方法除去灰度图像G的噪声点；
[0020]2-1-1、选定5X5的邻域，将邻域内的像素按灰度等级进行排序，确定其中值；
[0021]2-1-2、将确定的中值赋予滤波后图像中的相应像素点，所述的相应像素点即进行中值滤波的那个像素点；
[0022]2-2、对去噪之后的灰度图像进行直方图均衡化，以增强图像对比度，得到预处理后的灰度图像Gl ；
[0023]2-2-1、对灰度图像Gl统计其直方图，求解其灰度图像Gl的概率；
[0024]PrCrk) = nk/N
[0025]其中，PJrk)表示灰度图像Gl中该灰度级rk出现的概率，N为灰度图像Gl中像素的总数；nk为第k级灰度的像素；r为灰度级；rk为第k个灰度级，k = O、1、2、……255 ；
[0026]2-2-2、根据统计出的直方图，采用累积分布函数作变换，
[0027]
【权利要求】
1.一种基于机器视觉的汽车拉环锁扣铆合的检测方法，其特征在于包括如下步骤: 步骤1.采集一张汽车拉环锁扣图像，具体通过CCD相机拍摄汽车拉环锁扣图像和将图像转换成灰度图像G ; 步骤2.汽车拉环锁扣图像预处理，对转换后的灰度图像G进行去噪和增强其对比度，生成预处理后的灰度图像Gl ； 步骤3.通过灰度图像Gl进行铆合检测，包括铆合参数和未铆合参数的检测，提取Hough累积值； 步骤4.综合参数比较阶段:综合参数包括检测到的Hough累积值、圆的半径； 步骤5.几何约束条件判断，利用检测到的两圆的圆心之间的间距和圆心之间的最大角度范围进行最终判断是否铆合。
2.如权利要求1所述的一种基于机器视觉的汽车拉环锁扣铆合的检测方法，其特征在于步骤I所述的汽车拉环锁扣图像采集，具体如下: 1-1、相机垂直于汽车拉环锁扣正上方，且相机正上方固定有光源；汽车拉环锁扣固定在水平导轨上；然后对待检测的汽车拉环锁扣进行图像采集； 1-2、通过加权平均法将采集到的汽车拉环锁扣图像转换成灰度图像G;灰度图像G的转换具体如下:
Gray = RX0.3+GX0.59+BX0.11 所述的对汽车拉环锁扣图像中的每一个像素点处理，就能将其转换成灰度图像G ;其中R、G、B为一个像素点的值的基色分量。
3.如权利要求1所述的一种基于机器视觉的汽车拉环锁扣铆合的检测方法，其特征在于步骤2所述的汽车拉环锁扣图像预处理，具体如下: 2-1、对获取到的灰度图像G进行图像预处理，通过中值滤波方法除去灰度图像G的噪声占.2-1-1、选定5X5的邻域，将邻域内的像素按灰度等级进行排序，确定其中值； 2-1 -2、将确定的中值赋予滤波后图像中的相应像素点，所述的相应像素点即进行中值滤波的那个像素点； 2-2、对去噪之后的灰度图像进行直方图均衡化，以增强图像对比度，得到预处理后的灰度图像Gl ； 2-2-1、对灰度图像Gl统计其直方图，求解其灰度图像Gl的概率；
Pr (rk) = nk/N 其中，PJrk)表示灰度图像Gl中该灰度级rk出现的概率，N为灰度图像Gl中像素的总数；nk为第k级灰度的像素；r为灰度级；rk为第k个灰度级，k = O、1、2、……255 ; 2-2-2、根据统计出的直方图，采用累积分布函数作变换，
4.如权利要求1所述的一种基于机器视觉的汽车拉环锁扣铆合的检测方法，其特征在于步骤3所述的通过灰度图像Gl进行铆合检测，通过设定的铆合参数和未铆合参数，分别获取铆合和未铆合识别参数，具体如下: . 3-1、预先设定好铆合参数和未铆合参数的取值范围； . 3-2、根据同一规格的汽车拉环锁扣的两个锁孔位置是一致的，同时由于外部的检测器材的位置是固定的，因此在新图像G2上根据锁孔位置划分出两个检测区域，使得这两个检测区域分别包含一个汽车拉环锁扣的锁扣位置； .3-3、计算两个检测区域内图像的梯度值； .3-3-1、设检测区域内图像上的某一点坐标为I(x，y)，则检测区域内图像在该点.1(X，y)的梯度值D1计算如下:
D1 = Sqrt (Dx X Dx+Dy X Dy)；
Dx = (I (x+1, y)-1 (x-1, y))/2 ；
Dy= (I (x, y+l)-1 (x, y-l))/2
对梯度值D1进行优化，优化后的梯度值D如下:
D = a^Dj+b* (I^th),
D = aXDj+bX (Ifth) 其中a、b为比列系数,a = 0.9, b = 0.1, D1为之前计算的图像梯度值，I1为点I (x, y)的灰度，th为设定的灰度阈值； 对于Irth小于等于O的，则点I (X，y)为边缘的可能性降； 对于Irth大于O的，则点I (X，y)为边缘的可能性增加； 当D值大于设定的某个阈值时，即选取此点作为Hough变换的对象，进行Hough累积值的提取统计；一般阈值为8，即当D值大于8时，选取此点作为Hough变换的对象，进行Hough累积值统计； . 3-4、进行Hough变换,分别提取为铆合参数时的Hough累积值Accum1和Accum2,以及为未铆合参数时的Hough累积值accun^和accum2 ;若未能提取Hough累积值,则认为该霍夫累积值为0，表明该区域的图像未能有效检测； .3-5、采用低通滤波确定圆心的位置,并取得Hough累积值； 由于圆心点位置只存在于一个较小区域，因此将该较小区域作为待滤波区域，该较小区域为最初确定的待检区域的中心，长宽分别为原始的目标区域的1/2和1/3即可；(x-a)2+(y-b)2 = r2 式中，(a，b)为圆形的圆心，r为圆形的半径，垂直于圆边界点的垂线最终会通过圆心； 定义一个参数空间(a，b)空间，圆的边缘点对应的垂线就变成了(a，b)空间中的线段； 边缘垂线段的表达式为A(i±a, j±b) ^--A(i±a, j±b)+E(i, j),式中，a =rsin Θ，b = rcos Θ ;其中 r e (rmin, rmax) ； (rmin, rmax)定义了圆半径的范围，(a, b)空间矩阵用A表示，E(i，j)表达了边缘的强度，该变换会在圆心处形成“亮点”，从而得到了圆心的可能值； .3-6、得到铆合参数的圆心坐标以及圆半径，和未铆合参数时的圆心坐标以及圆半径。
5.如权利要求1所述的一种基于机器视觉的汽车拉环锁扣铆合的检测方法，其特征在于步骤4所述的综合参数比较，具体如下: 4-1、对基于步骤3所求的Hough累积值，按照一定的规则进行比较判断，所述的一定的规则具体如下:设置比列安全系数k，根据如下公式作比较:
Accum > k Xaccum 其中，Accum为铆合参数检测值；accum为未铆合参数检测值， 表格1
6.如权利要求1所述的一种基于机器视觉的汽车拉环锁扣铆合的检测方法，其特征在于步骤5所述的的几何约束条件判断，具体如下: 5-1、将检测到的两锁孔的圆心坐标，分别记作(xl，yl)和(x2，y2)，求取两锁孔的圆心距离山根据公式:
【文档编号】G06T7/00GK103955933SQ201410184659
【公开日】2014年7月30日 申请日期:2014年4月30日 优先权日:2014年4月30日
【发明者】周迪斌, 徐平, 朱佳宁, 吴连明, 胡斌, 胡保坤, 吴英飞, 虞璐, 贾檑萍 申请人:杭州师范大学