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。