The invention discloses a method for extracting surface features by using high-order Gauss regression filtering and Radon transform. The surface roughness data are obtained through the test data of the cylinder surface and the median line of the filtering, the Radon change of the surface roughness data is made, and the information of the center line of the groove is obtained by calculating the distribution of the maximum points, and the width information of all grooves is further obtained, so that the cylinder can be obtained according to the measurement data of the cylinder surface The groove information on the body surface is used to evaluate the processing process of the cylinder block. The method preprocesses the surface topography data using high-order Gauss regression filter, and then applies it to the extraction of groove features on honing surface combining with the characteristics of Radon transform, so as to solve the problem of feature extraction difficulties caused by the weakening of feature orientation in the dense groove areas.
【技术实现步骤摘要】
利用高阶高斯回归滤波和Radon变换提取表面特征的方法
本专利技术属于测量领域,具体涉及利用高阶高斯回归滤波和Radon变换提取表面特征的方法。
技术介绍
随气缸表面特征的形状与分布影响着发动机整体效率、油耗、废气排放等性能表现,对于发动机性能有着至关重要的影响。气缸表面的沟槽是气缸表面重要的特征,主要功能是存储润滑油,为摩擦副提供润滑。准确的提取沟槽的信息对于评定缸体的储油、润滑、磨损有着重要的意义。由于直接通过SEM测量得到缸孔表面数据是含有缸孔形状的,如果要进一步对表面特征分析,需要提取并去除缸孔形状的影响。长久以来,表面性质的研究一般都是基于对二维表面轮廓线的分析,ISO1302:2002中建立了一套基于表面轮廓线的参数标准,并且得到广泛的应用,但气缸表面经过珩磨处理后,其表面特征有着明显的空间上的方向性而并不仅仅是二维的,而实际上这种珩磨的表面轮廓线空间上的方向性会直接影响到表面性能的发挥,因此基于二维轮廓线的参数体系不足以描述表面性能,需要从三维表面入手解决问题。由于珩磨处理表面特征以沟槽等直线特征为主,所以Radon算法作为一种对方向性特征敏感的算法被广泛使用,J.Beyerer就在文章中提出了Radon变换在沟槽提取中的可能,C.Anderberg等人在对气缸磨损特征化的研究中使用了Radon变换作为珩磨沟槽的提取算法,并取得了一定的效果。目前,现有技术中的Radon算法仍然存在不少缺陷:(1)在表面沟槽特征杂乱的情况下,特征方向性变差,由此Radon算法变换识别能力下降;(2)Radon变换后图像内极大值点的提取方法也需要设计,若提取的极 ...
【技术保护点】
1.利用高阶高斯回归滤波和Radon变化提取表面特征的方法,其特征在于,具体步骤为:S1.测试得到缸体表面的测试数据z(t),计算缸孔表面的滤波中线C(t),得到表面粗糙度数据f(t)=z(t)‑C(t),t为缸体表面测试点的坐标值;S2.求解表面粗糙度数据f(t)所有的极小值点并进行Radon变换,Radon变换为从角度θ和距离l上对表面数据进行泛函积分从而得到数组[alθ],alθ为数组元素;S3.将数组[alθ]的每列的数据累加得到一个数组
【技术特征摘要】
1.利用高阶高斯回归滤波和Radon变化提取表面特征的方法,其特征在于,具体步骤为:S1.测试得到缸体表面的测试数据z(t),计算缸孔表面的滤波中线C(t),得到表面粗糙度数据f(t)=z(t)-C(t),t为缸体表面测试点的坐标值;S2.求解表面粗糙度数据f(t)所有的极小值点并进行Radon变换,Radon变换为从角度θ和距离l上对表面数据进行泛函积分从而得到数组[alθ],alθ为数组元素;S3.将数组[alθ]的每列的数据累加得到一个数组其中thr为Radon变化积分线距中心点距离的最大值,将数组作图得到极大值点主要分布的三个θ值;S4.提取极大值点主要分布的三个θ值在数组[alθ]的三列数据,统计三列数据中的极大值点并得到极大值点的纵坐标l;统计所有极大值点的θ和l的数据从而得到所有沟槽的中心线信息;S5.依据所有沟槽的中心线信息和表面粗糙度数据得到所有沟槽的宽度信息,从而依据获得缸体表面沟槽信息以评估缸体的加工过程。2.根据权利要求1所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法,其特征在于,步骤S2中f(t)所有的极小值点的求法为:以f(x,y)替代f(t),x和y分别为t的横坐标和纵坐标;选择f(x,y)的单列数据,当f(i-1)>f(i)且f(i+1)>f(i)时,f(i)为一个极小值点,f(i-1)、f(i)、f(i+1)分别指选取的单列数据第i-1、i和i+1点的数据;选择f(x,y)的单行数据,当f(j-1)>f(j)且f(j+1)>f(j)时,f(j)为一个极小值点,f(j-1)、f(j)、f(j+1)分别指选取的单行数据第j-1、j和j+1点的数据。3.根据权利要求2所述的利用高阶高斯回归滤波和Radon变化提取表面特征的方法,其特征在于,步骤2中求得的极小值点的f(t)值设置有预设的阈值,f(t)超过所述预设的阈值的点则判断为非极小值点。4.根据权利要求1所述的利用高阶高斯回归滤波和Radon变...
【专利技术属性】
技术研发人员:卢文龙,戴嘉程,王健,杨文军,刘晓军,周莉萍,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。