一种基于海量图像的视觉对位算法筛选及参数优化方法技术

本发明专利技术提供一种基于海量图像的视觉对位算法筛选及参数优化方法，所述方法包括：从模拟图像库中获取一个图像对；选取一种特征识别算法对两幅图像中的特征形状作匹配；设置特征识别算法的算法处理参数；确定特征形状的平移距离和转动角度计算值分别与所述模拟图像库存储的特征形状的平移距离和转动角度之间的偏差值；比较偏差值是否处于设定的阈值范围内。本发明专利技术的有益效果体现在，采用模拟图像库中存储的大量图像对的对位数据作为特征识别算法筛选时的参考标准，实现特征识别算法的筛选；还可对多种特征识别算法进一步筛选优化，从中筛选出对图像中的特征形状匹配精度更高的特征识别算法应用于视觉对位系统，以实现更高精度的对位。

【技术实现步骤摘要】
一种基于海量图像的视觉对位算法筛选及参数优化方法
本专利技术涉及视觉对位的
，特别涉及一种基于海量图像的视觉对位算法筛选及参数优化方法。
技术介绍
对位是现代工业生产中，器件精密装配这个环节的一个专业名称，其典型应用如，以手机生产为典型代表的各种柔性或刚性器件的安装。其具体实现过程是，将位置1的物体A与位置2的物体B安装在一起，在此安装过程中，需要对物体A或物体B的水平或旋转方向有调整。实现对位功能好坏的一个关键环节在于，是否可以获得上述物体A和物体B的精确位置。为了实现位置的精确调整，工作中将会通过视觉对位系统对物体进行拍摄，并指导实现整个对位过程。在实现视觉对位过程时，最关键的因素在于，是否可以对视觉系统拍摄图像中的特征形状进行精确的定位和匹配。在研制视觉对位软件的时候，若全部依靠与硬件机台联调，成本高且效率低，所以往往通过模拟图像对算法及参数进行筛选和优化，再将优化后的算法及参数应用于视觉对位系统中。因此，如何提供一种可对多种特征识别算法进行筛选，从中筛选出对图像中的特征形状匹配精度更高的特征识别算法，实现更高精度的对位，是需要解决的技术问题。
技术实现思路
针对现有技术中存在的问题，本专利技术提供一种基于海量图像的视觉对位算法筛选及参数优化方法，对多种特征识别算法进行筛选，从中筛选出对图像中的特征形状匹配精度更高的特征识别算法，以实现更高精度的对位。本专利技术的技术方案是，提供一种基于海量图像的视觉对位算法筛选及参数优化方法，所述方法包括：S1.从模拟图像库中获取一个图像对，所述模拟图像库用于存储大量的图像对以及与每对图像相对应的对位数据，所述对位数据包括每对图像相匹配的特征形状、特征形状的平移距离以及特征形状的转动角度；S2.选取一种特征识别算法；S3.设置所述特征识别算法的算法处理参数；S4.采用选取的所述特征识别算法对所述图像对中两幅图像的特征形状作匹配，得到两幅图像中所述特征形状相对的平移距离和转动角度的计算值，并确定所述特征形状的平移距离和转动角度计算值分别与所述模拟图像库存储的特征形状的平移距离和转动角度之间的偏差值；S5.所述算法处理参数调整判断：比较所述偏差值与设定的阈值范围，若所述偏差值处于阈值范围内，则保存所述特征识别算法、算法处理参数、特征形状、特征形状的平移距离偏差值和转动角度偏差值；若所述偏差值处于阈值范围外，则回到步骤S3重新设置所述特征识别算法的算法处理参数。优选方案，所述步骤S5中判断所述偏差值处于阈值范围内后，还包括回到步骤S2更换另一种特征识别算法。优选方案，所述特征形状的平移距离包括水平方向的平移距离和竖直方向的平移距离。优选方案，所述对位数据还包括每对图像相匹配的特征形状的位置畸变系数；所述步骤S5中判断所述偏差值处于阈值范围内后，还包括：根据所保存的特征识别算法针对特征形状的算法处理参数以及所述特征形状平移距离偏差值，结合所述特征形状的位置畸变系数，通过拟合方法可以得到所述特征形状的平移距离偏差值关于算法处理参数和位置畸变系数之间的拟合优化曲线。优选方案，所述对位数据还包括每对图像相匹配的特征形状的位置畸变系数；所述步骤S5中判断所述偏差值处于阈值范围内后，还包括：根据所保存的特征识别算法针对特征形状的算法处理参数以及所述特征形状转动角度偏差值，结合所述特征形状的位置畸变系数，通过拟合方法可以得到所述特征形状的转动角度偏差值关于算法处理参数和位置畸变系数之间的拟合优化曲线。优选方案，所述步骤S5中判断所述偏差值处于阈值范围内，保存所述特征识别算法、算法处理参数、特征形状、特征形状的平移距离偏差值和转动角度偏差值后，还包括选择特征形状的平移距离偏差值和转动角度偏差值总和最小的特征识别算法并保存。优选方案，所述步骤S5中判断所述偏差值处于阈值范围内，保存所述特征识别算法、算法处理参数、特征形状、特征形状的平移距离偏差值和转动角度偏差值后，还包括选择特征形状的平移距离偏差值和转动角度偏差值分别与平移距离偏差值平均值和转动角度偏差值平均值的差值总和最小的特征识别算法并保存。本专利技术的有益效果体现在，提供一种基于海量图像的视觉对位算法筛选及参数优化方法，采用模拟图像库中存储的大量图像对的对位数据作为特征识别算法筛选时的参考标准，即选取一图像对，通过对比基于某一特征识别算法匹配处理后的特征形状的平移距离和转动角度计算值与模拟图像库中存储的该对图像的特征形状的平移距离和转动角度并计算偏差值，判断所述偏差值是否能满足视觉对位系统根据实际使用需求设计的阈值范围，筛选出可应用于视觉对位系统中使用的算法；还可对多种特征识别算法进一步筛选优化，从中筛选出对图像中的特征形状匹配精度更高的特征识别算法应用于视觉对位系统，以实现更高精度的对位。附图说明：图1为本专利技术实施例所述一种基于海量图像的视觉对位算法筛选的流程示意图；图2为本专利技术实施例所述一种基于海量图像的视觉对位算法筛选的另一流程示意图；图3为本专利技术实施例所述一种基于海量图像的视觉对位算法筛选及参数优化方法的流程示意图；图4为本专利技术实施例所述特征形状的其中一种形状示意图；图5为本专利技术实施例所述特征形状的另一形状示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-5所示，本专利技术提供的具体实施例如下：本实施例的一种基于海量图像的视觉对位算法筛选及参数优化方法，所述方法包括：S1.从模拟图像库中获取一个图像对，所述模拟图像库用于存储大量的图像对以及与每对图像相对应的对位数据，所述对位数据包括每对图像相匹配的特征形状、特征形状的平移距离以及特征形状的转动角度；S2.选取一种特征识别算法；S3.设置所述特征识别算法的算法处理参数；S4.采用选取的所述特征识别算法对所述图像对中两幅图像的特征形状作匹配，得到两幅图像中所述特征形状相对的平移距离和转动角度的计算值，并确定所述特征形状的平移距离和转动角度计算值分别与所述模拟图像库存储的特征形状的平移距离和转动角度之间的偏差值；S5.所述算法处理参数调整判断：比较所述偏差值与设定的阈值范围，若所述偏差值处于阈值范围内，则保存所述特征识别算法、算法处理参数、特征形状、特征形状的平移距离偏差值和转动角度偏差值；若所述偏差值处于阈值范围外，则回到步骤S3重新设置所述特征识别算法的算法处理参数。由于在研制视觉对位软件的时候，若全部依靠与硬件机台联调，成本高且效率低，因此往往通过模拟图像对算法及参数进行筛选和优化，再将优化后的算法及参数应用于视觉对位系统中。本实施例中所述模拟图像库中存储有大量的图像对以及与每对图像相对应的对位数据，上述大量的图像对中包括了特征形状可能出现的各种特殊位置的图像对，即扩大了模拟图像对的容量，利于实现对视觉系统拍摄图像中的特征形状精确的定位和匹配。图像对的具体生成包括：如以同一基点为坐标系，首先确定对位特征形状，再确定背景图像(从实际生产过程中视觉系统拍摄照片中提取的去掉特征形状的背景图像)，确定其中模拟图像一中特征形状的位置(x1，y1本文档来自技高网...

【技术保护点】
1.一种基于海量图像的视觉对位算法筛选及参数优化方法，其特征在于，所述方法包括：S1.从模拟图像库中获取一个图像对，所述模拟图像库用于存储大量的图像对以及与每对图像相对应的对位数据，所述对位数据包括每对图像相匹配的特征形状、特征形状的平移距离以及特征形状的转动角度；S2.选取一种特征识别算法；S3.设置所述特征识别算法的算法处理参数；S4.采用选取的所述特征识别算法对所述图像对中两幅图像的特征形状作匹配，得到两幅图像中所述特征形状相对的平移距离和转动角度的计算值，并确定所述特征形状的平移距离和转动角度计算值分别与所述模拟图像库存储的特征形状的平移距离和转动角度之间的偏差值；S5.所述算法处理参数调整判断：比较所述偏差值与设定的阈值范围，若所述偏差值处于阈值范围内，则保存所述特征识别算法、算法处理参数、特征形状、特征形状的平移距离偏差值和转动角度偏差值；若所述偏差值处于阈值范围外，则回到步骤S3重新设置所述特征识别算法的算法处理参数。

【技术特征摘要】
1.一种基于海量图像的视觉对位算法筛选及参数优化方法，其特征在于，所述方法包括：S1.从模拟图像库中获取一个图像对，所述模拟图像库用于存储大量的图像对以及与每对图像相对应的对位数据，所述对位数据包括每对图像相匹配的特征形状、特征形状的平移距离以及特征形状的转动角度；S2.选取一种特征识别算法；S3.设置所述特征识别算法的算法处理参数；S4.采用选取的所述特征识别算法对所述图像对中两幅图像的特征形状作匹配，得到两幅图像中所述特征形状相对的平移距离和转动角度的计算值，并确定所述特征形状的平移距离和转动角度计算值分别与所述模拟图像库存储的特征形状的平移距离和转动角度之间的偏差值；S5.所述算法处理参数调整判断：比较所述偏差值与设定的阈值范围，若所述偏差值处于阈值范围内，则保存所述特征识别算法、算法处理参数、特征形状、特征形状的平移距离偏差值和转动角度偏差值；若所述偏差值处于阈值范围外，则回到步骤S3重新设置所述特征识别算法的算法处理参数。2.如权利要求1所述的一种基于海量图像的视觉对位算法筛选及参数优化方法，其特征在于，所述步骤S5中判断所述偏差值处于阈值范围内后，还包括回到步骤S2更换另一种特征识别算法。3.如权利要求2所述的一种基于海量图像的视觉对位算法筛选及参数优化方法，其特征在于，所述特征形状的平移距离包括水平方向的平移距离和竖直方向的平移距离。4.如权利要求3所述的一种基于海量图像的视觉对位算法筛选及参数优化方法，其特征在于，所述对位数据还包括每对图像相匹配的特征形状的位置畸变系数；所述步骤S...

【专利技术属性】
技术研发人员：虞建，王盼，杨玉梅，张勇，刘中，
申请(专利权)人：成都新西旺自动化科技有限公司，
类型：发明
国别省市：四川,51