一种基于机器视觉的瓷砖铺贴规整度检测方法与流程

本发明属于瓷砖检测技术领域，具体涉及一种基于机器视觉的瓷砖铺贴规整度检测方法。

背景技术：

瓷砖主要是对外墙进行装饰保护的建筑材料，目前一般室内和室外上的外墙均会铺贴瓷砖，以此来保护外墙被雨水侵蚀，使得建筑物使用寿命更长，同时能够美化建筑物外观。

瓷砖为块状，由工人规整的铺贴在建筑外墙或室内墙壁上，但是目前一般是通过在铺贴之前通过定位线对铺贴的瓷砖进行定位，以保证铺贴出来的瓷砖规整，使得铺贴后的瓷砖整洁漂亮；但是由于人工铺贴时观察视角的原因，铺贴出来的瓷砖经常会出现倾斜或不平整的情况，使得铺贴后的瓷砖的美观度大受影响，因此需要对铺贴后的瓷砖的规整度进行检测，而目前市面上暂时没有很好的检测方法，一般是通过拉测量线通过肉眼来观察，检测不精准，检测的效果也不理想，不适用于要求比较高的建筑物外观瓷砖规整度的检测。

技术实现要素：

本发明为了解决上述技术问题提供一种基于机器视觉的瓷砖铺贴规整度检测方法，能够快速准确的对瓷砖铺贴的规整度进行检测。

本发明解决上述技术问题的技术方案如下：一种基于机器视觉的瓷砖铺贴规整度检测方法，获取瓷砖铺贴后图像，并生成网格矩阵图像；对网格矩阵图像降维处理生成单色图像；对单色图像中所测瓷砖的四角点和中心点进行坐标标定，将标定的每行和每列的点分别连线，并分别拟合建立曲线函数，根据曲线函数分析得出偏离信息；对偏离信息判定，若偏离信息小于5时，判定为合格；反之，则判定为不合格。

本发明的有益效果是：能够针对不同场景下铺贴的瓷砖进行检测，通过拍摄方式获取贴好瓷砖的墙壁图片，能够不需要人工进行检测，节省了大量人力物力，同时检测的效果比人工检测更精确，提高工作效率。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述对网格矩阵图像降维处理生成单色图像具体处理公式为：

i′(x,y)＝α·ir(x,y)+β·ig(x,y)+λ·ib(x,y)

其中，α表示拍摄情况下红色色度系数，β表示拍摄情况下绿色色度系数，λ表示拍摄情况下蓝色色度系数，且α+β+λ≤1，x＝1,2,…h且h表示图像高度，y＝1,2,…w且w表示图像宽度。

采用上述进一步方案的有益效果是：通过分析图像的三中基色，根据室内室外不同亮度、不同色差获取较准确的单色图像，以便于后续进一步的处理，能够提高运输效率。

进一步，所述对单色图像中所测瓷砖的中心点的标定方式包括以下步骤：先确定待测瓷砖每一条边；根据每一条边的函数计算出待测瓷砖中心点的坐标。

采用上述进一步方案的有益效果是：通过确定中心点，能够度量瓷砖的偏移信息量，可以准确的获取瓷砖在水平方向和垂直方向的偏移信息，如果中心点在水平方向和垂直方向都有偏移，那中心点的偏移信息会比较大。

进一步，所述确定待测瓷砖每一条边的公式为：

其中，

σd和σr表示平滑系数，h′和w′分别表示精确窗口的高和宽，为权重系数，有和(i,j)的相识度来确定。

采用上述进一步方案的有益效果是：获取瓷砖的每一条边是为了确定每一块瓷砖的准确边，借用精确边的信息可以用来准确的计算中心点，并根据边的信息进一步分析瓷砖是否有旋转或倾斜情况出现。

进一步，所述待测瓷砖中心点的坐标计算公式为：

其中i″(i,j)待测瓷砖中心点的坐标。

采用上述进一步方案的有益效果是：能够计算得出中心点坐标。

进一步，所述对单色图像中所测瓷砖的四角点的标定方式为通过遍历的方式对i′进行两次遍历，第一次从前往后遍历，第二次从后往前遍历，在i″(i,j)中记录下i′中每一块瓷砖区域对应四角上的四个点i′lu(i1,j1)、i′ld(i2,j1)、i′ru(i1,j2)、i′rd(i2,j2)并将四个点记录在对应的i″图像中。

采用上述进一步方案的有益效果是：从前往后遍历会获取原始的瓷砖顶点，但这些顶点数据中存在误差点，通过前后两次遍历可以去除掉遍历到的错误的顶点，最终获取每一块瓷砖准确的四个顶点。

进一步，还包括计算偏离权重，所述偏离权重的计算公式为：

其中：ηpq表示偏离权重，p和q分别表示偏离系数，表示垂直方向的偏离量，表示水平方向的偏离量。

采用上述进一步方案的有益效果是：计算总的偏离权重，利于对曲线函数拟合计算。

进一步，所述将标定的点连线并拟合建立曲线函数具体包括,连接每一行的标定点坐标，并拟合建立曲线函数yi＝f(xi)，具体函数公式为：

yi＝ω0+ω1xi+ηpq

其中，(xi,yi)表示图像i″中瓷砖的每行的标定坐标，ηpq表示每个点偏离水平线的偏离权重，ω0和ω1为拟合参数,取值在(0,1)区间；

连接每一列的标定点坐标，并拟合建立曲线函数y′i＝f′(xi)，具体函数公式为：

y′i＝ω0+ω1x′i+ηpq

其中，(x′i,y′i)表示图像i″中瓷砖的每列的标定坐标，ηpq表示每个点偏离水平线的偏离权重，ω0和ω1为拟合参数,取值在(0,1)区间。

采用上述进一步方案的有益效果是：通过上述方案可以准确的判断每一块瓷砖分别在水平方向和垂直方向是否有偏离误差。

进一步，还包括深度检测，具体步骤如下：

获取瓷砖铺贴后侧面图像，构建平面函数，若出现凹凸情况，判定为不合格，反之，则判定为合格。

采用上述进一步方案的有益效果是：这里为了判断瓷砖是否有出现凸出、凹进这两种情况。

进一步，所述构建平面函数为构建三维平面函数，根据获取图像生成三维立体网格矩阵b(i,j,h)，其中i表示行数，j表示列数，h表示深度；拟合三维立体函数f(i,j,h)，如下：

其中，

σ作为校正参数；

通过演化优化算法求解函数f(i,j,h)中的每一个凹峰和凸峰的极值点，通过计算极值点与水平深度值的距离可以统计出整幅待测图像的凹凸程度值和凹凸位置以及个数。

采用上述进一步方案的有益效果是：能够通过计算凹峰和凸峰来检测出瓷砖的凹凸位置，对瓷砖的平整度检测效果更好。

附图说明

图1为本发明检测方法流程示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例

如图1所示，本实施例提供一种基于机器视觉的瓷砖铺贴规整度检测方法，包括以下步骤：

通过拍照设备拍摄获取瓷砖铺贴后图像，具体地，拍照设备可为手机或相机，将拍摄的图像传输到计算机中，通过计算机生成网格矩阵图像；

对网格矩阵图像降维处理生成单色图像，具体地采用如下公式处理：

i′(x,y)＝α·ir(x,y)+β·ig(x,y)+λ·ib(x,y)

其中，α表示拍摄情况下红色色度系数，β表示拍摄情况下绿色色度系数，λ表示拍摄情况下蓝色色度系数，且α+β+λ≤1，x＝1,2,…h且h表示图像高度，y＝1,2,…w且w表示图像宽度；

通过分析图像的三中基色，根据室内室外不同亮度、不同色差获取较准确的单色图像，以便于后续进一步的处理。

需要说明的，ir(x,y)，ig(x,y)和ib(x,y)分别表示图像中每一个像素点对应的红色、绿色和蓝色三基色的值，其中取值范围为[0,255]，α表示拍摄情况下对应像素的红色色度系数，值的获取通过对ir(x,y)的归一化处理得到:β表示拍摄情况下对应像素的绿色色度系数，值的获取通过对ig(x,y)的归一化处理得到:λ表示拍摄情况下对应像素的蓝色色度系数，值的获取通过对ib(x,y)的归一化处理得到:且α+β+λ≤1，x＝1,2,…h，h表示网格矩阵图像高度，y＝1,2,…w，w表示网格矩阵图像宽度；通过上述公式的处理获得降维后的单色图像i′(x,y)。降维成单身图像后利于提高运输效率。

对单色图像中所测瓷砖的中心点的标定方式包括以下步骤：

确定待测瓷砖每一条边，确定公式为：

其中，

σd和σr表示平滑系数，h′和w′分别表示每个瓷砖的高和宽，为权重系数，有和(i,j)的相识度来确定；

其中a(i,j)表示每条边的函数。

再根据每一条边的函数计算出待测瓷砖中心点的坐标，坐标计算公式为：

其中i″(i,j)表示待测瓷砖中心点的坐标。

再对单色图像中所测瓷砖的四角点进行坐标标定，具体地，对单色图像中所测瓷砖的四角点的标定方式为通过遍历的方式对i′进行两次遍历，第一次从前往后遍历，第二次从后往前遍历，在i″(i,j)中记录下i′中每一块瓷砖区域对应四角上的四个点i′lu(i1,j1)、i′ld(i2,j1)、i′ru(i1,j2)、i′rd(i2,j2)并将四个点记录在对应的i″图像中。需要说明的是，通过对单色图像的遍历获得每一块瓷砖的四角点，为了保持单色图像信息不变，将获取的点存储在对应的图像i″(i,j)中。另外遍历是指对每个点逐个进行扫描。

计算瓷砖每行和每列的总偏离权重，具体偏离权重的计算公式为：

其中：ηpq表示偏离信息权重，p和q分别表示偏离系数，表示每列的偏离量，表示每列的偏离量；

所述将标定的点连线并拟合建立曲线函数，具体包括,连接每一行的标定点坐标，并拟合建立曲线函数yi＝f(xi)，具体函数公式为：

yi＝ω0+ω1xi+ηpq

其中，(xi,yi)表示图像i″中瓷砖的同一边的关键坐标，ηpq表示每个点偏离水平线的度量信息，ω0和ω1为拟合参数,取值在(0,1)区间；

连接每一列的标定点坐标，并拟合建立曲线函数y′i＝f′(xi)，具体函数公式为：

y′i＝ω0+ω1x′i+ηpq

其中，(x′i,y′i)表示图像i″中瓷砖的同一边的关键坐标，η′pq表示每个点偏离水平线的度量信息，ω0和ω1为拟合参数,取值在(0,1)区间。

将上述公式带入每行的曲线函数得出如果我们将其判定为合格，反之，则判定为不合格，其中，ξ表示水平方向拟合值和平均值的误差，我们将其设置为5个像素点大小，ξ＝5是视觉可以接受的取值范围。

将上述公式带入每列的曲线函数得出如果我们将其判定为合格，反之，则判定为不合格，其中，ξ表示垂直方向拟合值和平均值的误差，我们将其设置为5个像素点大小，ξ＝5是视觉可以接受的取值范围。

优选地，本实施例中基于机器视觉的瓷砖铺贴规整度检测方法，还包括深度检测，具体步骤如下：

获取瓷砖铺贴后侧面图像，构建平面函数，若出现凹凸情况，判定为不合格，反之，则判定为合格。

具体地，所述构建平面函数为构建三维平面函数，根据获取图像生成三维立体网格矩阵b(i,j,h)，其中i表示行数，j表示列数，h表示深度；拟合三维立体函数f(i,j,h)，如下：

其中，

σ作为校正参数；

通过演化优化算法求解函数f(i,j,h)中的每一个凹峰和凸峰的极值点，通过计算极值点与水平深度值的距离可以统计出整幅待测图像的凹凸程度值和凹凸位置以及个数。

具体地，将i，j和h对应的坐标位置作为三维立体函数中的任意解，同时随机获取n个解(n是图像中瓷砖的数量)，对获取的n个解进行变异操作：f′θ(i,j,h)＝fθ(i,j,h)+rand(0,1)(max(f1...θ(i,j,h))-min(f1...θ(i,j,h))),θ＝1,…,n，其中，fθ(i,j,h)表示当前解，rand(0,1)表示在0到1区间随机生成一个值，max(f1...θ(i,j,h))表示当前解中值最大值的解，min(f1...θ(i,j,h))表示当前解中值最小的解；通过该公式对n个解进行变异操作生成n个新解，通过

来生成新的一轮解，通过该种方式进行迭代操作，当|f′θ(i,j,h)-fθ(i,j,h)|＝0时停止迭代，获得fθ(i,j,h)中的每一个凹峰和凸峰的极值点。水平深度值为0，因此fθ(i,j,h)＞0的点为凸点，fθ(i,j,h)＜0的点为凹点，具体的fθ(i,j,h)值为凹凸的程度值。其中坐标点(i,j,h)为凹凸位置。

需要说明的是，这里的三维立体函数是一个根据获取图像的深度信息建立的三维拟合函数，对于正常的瓷砖平面为拟合函数的深度为0的平面，如果出现瓷砖凹进去情况，在拟合函数中会出现凹峰，对于瓷砖凸出来情况，在拟合函数中会出现凸峰，通过对拟合函数进行优化求解，可以找到整个图像中的所有凸峰和凹峰，以及根据深度0判断凹和凸的程度，这样就可以自动找到对应的有凹进去和凸出来的瓷砖。根据凹凸的程度进而判断所贴瓷砖是否合格。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。