本发明属于图像处理应用技术领域，具体涉及一种法兰螺纹孔带超声检测系统定位方法。
背景技术：
传统的设备定位方式是采用编码器反馈位置环进行定位，但是设备存在齿轮间隙、丝杆往复回差等固有偏差无法消除，若采用同轴编码反馈方式往往无法克服上述固有偏差，但采用终端编码反馈方式又存在系统稳定性难以达标、对机械精度要求高的特点。
技术实现要素：
本发明的目的在于提供一种法兰螺纹孔带超声检测系统定位方法，可实现法兰螺纹孔带超声检测系统的精确定位。
本发明的技术方案如下：一种法兰螺纹孔带超声检测系统定位方法，该方法具体包括如下步骤：
步骤1、对系统进行模板标定；
选取法兰螺纹孔带超声检测系统中标准定位模板，截取该定位模板图像，并计算获得该模板的圆心；
步骤2、采集目标图像，对获得的图像进行金属强光反光条件下的干扰去除处理，并进行低对比条件下的图像增强；
步骤3、利用改进的霍夫梯度变换圆形检测算法提取目标图像的圆心；
步骤4、将模板圆心与步骤3中提取的圆心进行对比，并计算两者之间的偏移量；
步骤5、将步骤4获得的偏移量反馈至设备，其按照反馈的偏移量进行运行，运动停止后，重复步骤1至步骤3，直到计算获得的偏移量在阈值范围内，结束位置误差矫正。
所述的步骤3具体包括：
步骤3.1、利用边缘检测算法对采集的图像进行边缘检测；
步骤3.2、对边缘图像中的每一个非零点，考虑其局部梯度，利用Sobel算子计算x和y方向的Sobel一阶导数并获得相应的梯度；
步骤3.3、利用所获得的梯度，将斜率指定的直线上的每一个点都在累加器进行累加，并标记边缘图像中每一个非0像素的位置，其中，斜率是从一个指定的最小值到指定的最大值的距离；
步骤3.4、从二维累加器中所记录的点中选择候选的中心，其中，这些中心都大于给定阈值，且大于所有近邻，并对这些候选的中心按照累加值降序排列，以便于获得最支持像素的中心；
步骤3.5、对于每一个中心，将所有非0像素按照其与中心的距离排序，从最大半径的最小距离算起，选择非0像素最支持的一条半径，若某一中心收到边缘图像非0像素最充分的支持，且到被选择中心有一定的距离，则将其投票选为合适的圆心。
所述的步骤2具体包括：将法兰螺纹孔带超声检测系统设备运动至目标位置，并采集获得目标图像，对图像中明显的光斑区域进行标记并单独处理降低灰度，去除光斑；对低对比度的图像，采用自适应阈值的图像增强算法，对采集的目标图像进行增强，提高目标图像的对比度。
本发明的显著效果在于：本发明所述的一种法兰螺纹孔带超声检测系统定位方法，可以克服现有定位系统的定位缺陷，大大提高系统的定位精度。
附图说明
图1为本发明所述的一种法兰螺纹孔带超声检测系统定位方法流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
如图1所述，一种法兰螺纹孔带超声检测系统定位方法，该方法具体包括如下步骤：
步骤1、对系统进行模板标定；
选取法兰螺纹孔带超声检测系统中标准定位模板，截取该定位模板图像，并计算获得该模板的圆心；
步骤2、采集目标图像，对获得的图像进行金属强光反光条件下的干扰去除处理，并进行低对比条件下的图像增强；
将法兰螺纹孔带超声检测系统设备运动至目标位置，并采集获得目标图像，对图像中明显的光斑区域进行标记并单独处理降低灰度，去除光斑；对低对比度的图像，采用自适应阈值的图像增强算法，对采集的目标图像进行增强，提 高目标图像的对比度；
步骤3、利用改进的霍夫梯度变换圆形检测算法提取目标图像的圆心；
步骤3.1、利用边缘检测算法对采集的图像进行边缘检测；
步骤3.2、对边缘图像中的每一个非零点，考虑其局部梯度，利用Sobel算子计算x和y方向的Sobel一阶导数并获得相应的梯度；
步骤3.3、利用所获得的梯度，将斜率指定的直线上的每一个点都在累加器进行累加，并标记边缘图像中每一个非0像素的位置，其中，斜率是从一个指定的最小值到指定的最大值的距离；
步骤3.4、从二维累加器中所记录的点中选择候选的中心，其中，这些中心都大于给定阈值，且大于所有近邻，并对这些候选的中心按照累加值降序排列，以便于获得最支持像素的中心；
步骤3.5、对于每一个中心，将所有非0像素按照其与中心的距离排序，从最大半径的最小距离算起，选择非0像素最支持的一条半径，若某一中心收到边缘图像非0像素最充分的支持，且到被选择中心有一定的距离，则将其投票选为合适的圆心；
步骤4、将模板圆心与步骤3中提取的圆心进行对比，并计算两者之间的偏移量；
步骤5、将步骤4获得的偏移量反馈至设备，其按照反馈的偏移量进行运行，运动停止后，重复步骤1至步骤3，直到计算获得的偏移量在阈值范围内，结束位置误差矫正。