一种基于机器视觉热保护器校准点中心定位方法与流程

文档序号:18633447发布日期:2019-09-11 21:55
一种基于机器视觉热保护器校准点中心定位方法与流程

本发明属于热保护器技术领域,具体涉及一种基于机器视觉热保护器校准点中心定位方法。



背景技术:

热保护器是一种电路保护装置,广泛的应用在各类电器产品中,其主要的工作原理是在常温下保持电路的接通,当温度超出设定阈值之后,切断电路。起主要作用的是内部的双金属片,但双金属片的跳变温度又与校准点深度紧密相关,因此校准点深度测量是产品检验中的重要内容。由于校准点尺寸微小,采用结构光深度检测时第一步要进行校准点中心点的定位,以确保结构光线能够准确打在校准点最深处。

热保护器校准点二维成像几何特征为圆形结构,因此可以首先通过检测圆,然后获得圆心坐标实现对校准点中心定位。对于圆的检测,目前有大量的相关研究和检测方法。Hough变换检测圆是最基本检测方法,将平面坐标转化到参数坐标,在参数空间对坐标点进行累积,获得峰值点求得圆参数。传统的Hough变化检测圆计算量大,占用过多的内存。针对传统检测方法的不足,国内外学者在此基础上提出了多种改进方法。(1)Xu等提出了随机Hough变换(RHT),在一定程度上缓解了计算量大和占用内存多的问题。RHT通过在图像空间随机采样非共线的3个边缘点映射到参数空间,提取峰值对应的圆参数,采用这种多对一的映射,大大地提升了检测速度;虽然RHT算法在平面坐标到参数坐标映射时采用多对一的方式,但还存在空间参数累积的问题,因此计算速度有待提高。(2)Chen等人提出的随机圆检测算法(RCD),RCD直接对图像的边缘点进行检测,不存在空间参数累积的问题,在检测速度和检测精度上都得到提升,但是该方法在复杂背景下存在鲁棒性差的问题。(3)李福庆,苏湛提出一种基于粒子群算法的圆检测方法。基于粒子群圆检测算法相比Hough变换检测圆的效率更高,运行时间更短。



技术实现要素:

为了解决当前热保护器光学情况复杂、干扰因素较多、检测效果不理想的问题,本发明提出了一种基于机器视觉热保护器校准点中心定位方法。该方法在原有圆检测方法上进行改进,提出一种改进型Hough变换圆检测算法,实现校准点边缘最优圆的检测和中心定位。

本发明的技术方案如下:

一种基于机器视觉热保护器校准点中心定位方法,包括以下步骤:

第一步,图像预处理,具体包括:使用带显微镜头的工业相机对热保护器进行图像采集,对彩色图像进行灰度化处理,对图像进行滤波处理,对图像进行阈值分割;

第二步,目标提取,采用形态学中的开运算进行去字符区,使图像轮廓变得光滑,断开狭窄连接并消除毛刺,通过采用连通域面积约束算法,消除形态学处理之后在边缘形成的离散点,通过对连通域标记,确定校准点区域;

第三步,校准点区域边缘提取;

第四步,校准点中心位置确定,通过改进的随机Hough变换对提取的边缘进行圆检测,获得校准点中心位置。

具体地,第三步校准点区域边缘提取中采用8邻域区域生长算法对二值化的边缘图像进行处理,确定连通区域。

8邻域区域生长算法对二值化的边缘图像进行处理具体包括如下步骤:

步骤1,从上到下、从左到右的顺序依次扫描图像,扫描到第一个像素为1的点时,将该点作为基点,并对该点进行标记;

步骤2,以基点为种子点,对其8邻域内的目标像素进行相同的标记;

步骤3,将所有有标记的像素的8邻域内的目标像素标记为相同的标号,直到该连通区域标记完毕;

步骤4,继续顺序扫描,重复前三步骤,直到所有的像素值为1的点标记结束。

具体地,第四步校准点中心位置确定具体包括:

步骤1,载入图像;

步骤2,对该图像从左到右、从上到下扫描,得到边缘上一点,找到边缘子集中在竖直方向上对应的点,求取两点的对称中心;

步骤3,以两点所在直线绕对称中心点旋转900;

步骤4,旋转后得到直线与边缘的两交点,以这两个交点作为圆上的点,以两交点的中心对称点作为圆心,确定一圆方程C1;

步骤5,以圆直径为轴,以圆心为旋转中心,按顺时针方向旋转30度,得到新的两点:

s=(x-a)cos30°-(y-b)sin30°+a

t=(y-b)cos30°-(x-a)sin30°+b

其中x,y表示直径延长线与边缘的交点,a,b为两交点的对称中心坐标,s,t表示旋转后的坐标,获得旋转后坐标(s0,y0),(s1,t1);求过两交点的所在直线:

直线与边缘相较于两点,求出中心对称点,确定一圆C1,重复该步骤,直到旋转角度累积和超过180°;

步骤6,设边缘像素点在第i个圆上的个数为E(Si),点f(si,ti)为圆上点的像素值,则E(Si)可表示为:

用N表示边缘点像素个数,则每个圆的偏差系数为:

步骤7,偏差值系数最小的圆为最优圆,最优圆的圆心所在点即为校准点的中心位置。

与现有技术相比,本发明的有益效果在于:

(1)克服传统的Hough变换检测圆计算量大,占用过多内存的情况,大大地提升了检测速度。

(2)克服随机圆检测算法(RCD)对图像的边缘点进行检测时,在复杂背景下存在鲁棒性差的问题,提高系统的鲁棒性。

(3)使校准点中心位置定位精度提高,相对误差减小。

(4)使热保护器校准点中心定位对环境的适应能力增强,系统的应用领域更宽。

附图说明

图1是本发明方法流程图;

图2是本发明旋转候选圆示意图;

图3是本发明非唯一最高点误差示意图;

图4是本发明最优圆圆心确定流程图。

具体实施方式

下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述。

图1所示为本发明校准点中心定位处理流程图,包括图像预处理、目标提取、校准点区域边缘提取、校准点中心位置确定。

图像预处理包括如下步骤:步骤1,校准点直径在1mm左右,属于微小尺寸测量的范畴,为获得清晰的校准点图像,使用带显微镜头的工业相机对热保护器进行图像采集;步骤2,为了减少计算量,提高计算速度,对彩色图像进行灰度化处理;步骤3,消除金属反光、外界环境的影响,对图像进行滤波处理;步骤4,对图像进行阈值分割。

预处理后的图像含有数字和英文字母的圆形结构,由双边缘组成,边缘宽度在4到8个像素之间,而校准点区域的边缘宽度在10个像素点以上,所以目标提取是采用形态学中的开运算进行去字符区,使图像轮廓变得光滑,断开狭窄连接并消除毛刺。在形态学处理之后会有边缘离散点,通过采用连通域面积约束算法,将离散点去除,通过对连通域标记,确定校准点区域。

校准点区域边缘提取是采用8邻域区域生长算法对二值化的边缘图像进行处理,确定连通区域。包括如下步骤:步骤1,从上到下、从左到右的顺序依次扫描图像,扫描到第一个像素为1的点时,将该点作为基点,并对该点进行标记;步骤2,以基点为种子点,对其8邻域内的目标像素进行相同的标记;步骤3,将所有有标记的像素的8邻域内的目标像素标记为相同的标号,直到该连通区域标记完毕;步骤4,继续顺序扫描,重复前三步骤,直到所有的像素值为1的点标记结束。

校准点中心位置确定是通过改进的随机Hough的圆检测算法对提取的边缘进行圆检测,获得校准点中心位置,流程如图4所示:

如图2、3,圆是中心对称图形,首先从左到右,从上到下扫描,得到边缘上一点。找到边缘子集中在竖直方向上对应的点,求取两点的对称中心。以两点所在直线绕对称中心点旋转900,旋转后直线与边缘的两交点分别为(x0,y0)、(x1,y1),以两交点作为圆上的点,以两交点的中心对称点作为圆心,确定一圆C1。因为内边缘并不是完全规则的圆,第一次扫描得到的第一个边缘点并非一定为圆的唯一最高点,当边缘点不是唯一最高点的情况,其与对称点的连线l1为所在圆的弦,通过旋转90°即圆直径与弦相垂直,可以消除非唯一最高点带来的误差,如图2中l2与边缘交点可以确定一圆。以圆直径为轴,以圆心为旋转中心,按顺时针方向旋转30度,得到新的两点:

s=(x-a)cos30°-(y-b)sin30°+a

t=(y-b)cos30°-(x-a)sin30°+b

其中x,y表示直径延长线与边缘的交点,a,b为两交点的对称中心坐标,s,t表示旋转后的坐标。获得旋转后坐标(s0,y0),(s1,t1)求过两交点的所在直线:

直线与边缘相交于两点,求出中心对称点,确定一圆C2,重复该步骤,直到旋转角度累积和超过180°。图3中C1,C2,C3分别为旋转0°、30°、90°对应的圆。

设边缘像素点在第i个圆上的个数为E(Si),点f(si,ti)为圆上点的像素值,则E(Si)可表示为:

用N

偏差值系数最小的圆为最优圆。最优圆的圆心所在点即为校准点的中心位置,其流程图如图4所示。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1