基于机器视觉的工件加工定位方法技术

本发明专利技术公开了一种基于机器视觉的工件加工定位方法，包括步骤：一、待定位工件图像采集；采用工业摄像机拍摄待定位工件图像且将拍摄到的图像传输给图像处理器；二、待定位工件图像预处理；三、工件定位加工。本发明专利技术方法步骤简单，实现方便，基于工业摄像机的机器视觉算法完成工件的自动检测和定位，相较于基于X射线技术与超声技术的方法，显著降低成本，而且设备体积小，安装使用更方便，便于推广使用。

【技术实现步骤摘要】
基于机器视觉的工件加工定位方法
本专利技术属于图像处理
，具体涉及一种基于机器视觉的工件加工定位方法。
技术介绍
工业机床加工中，一些工艺由于人工操作具有很大的随意性，导致产品的品质很难控制，且效率低下，这种人工定位和分中的方法需要工人的熟练操作，对工人的培训需要较长时间，特别是对需要重复装夹的工件定位，不能满足生产工艺需求。因此，利用机器视觉方法自动识别定位工件并实施加工，在国内外都有广泛的研究。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于机器视觉的工件加工定位方法，其步骤简单，实现方便，基于工业摄像机的机器视觉算法完成工件的自动检测和定位，相较于基于X射线技术与超声技术的方法，显著降低成本，而且设备体积小，安装使用更方便，便于推广使用。为解决上述技术问题，本专利技术采用的技术方案是：一种基于机器视觉的工件加工定位方法，该方法包括以下步骤：步骤一、待定位工件图像采集；采用工业摄像机拍摄待定位工件图像且将拍摄到的图像传输给图像处理器；步骤二、待定位工件图像预处理；步骤三、工件定位加工。上述的基于机器视觉的工件加工定位方法，步骤二中所述待定位工件图像预处理的具体步骤为：步骤201、图像处理器接收所述待定位工件图像并按照行间隔宽度d和列间隔宽度H将所述待定位工件图像分为M×N个待定位工件子图像Y1、Y2、…、YM×N，每个所述待定位工件子图像均由m×n个像素构成，其中，M为待定位工件子图像的行数，N为待定位工件子图像的列数，d、H、M、N、m和n均为自然数，d和H的单位均为像素；步骤202、图像处理器调用预先采用主成分分析法训练的降维矩阵W并根据公式Yf′＝WYf对M×N个待定位工件子图像进行降维处理，将M×N个待定位工件子图像Y1、Y2、…、YM×N转换为降维处理后的M×N个待定位工件子图像特征向量Y1′、Y2′、…、YM×N′，其中，Yf为第f个待定位工件子图像且Y′f为降维处理后的第f个待定位工件子图像特征向量，f的取值为1～M×N的自然数；步骤203、图像处理器将进行降维处理后的M×N个待定位工件子图像特征向量输入预先训练得到的三层BP神经网络分类器中，得到M×N个三层BP神经网络分类器的输出，并将M×N个三层BP神经网络分类器的输出作为分别对应于降维处理后的M×N个待定位工件子图像特征向量的分类结果；其中，所述三层BP神经网的输出为用于表示待定位工件子图像包含工件的第一类标识和用于表示待定位工件子图像不包含工件的第二类标识。上述的基于机器视觉的工件加工定位方法，步骤三中所述工件定位加工的具体步骤为：步骤301、图像处理器将降维处理后的M×N个待定位工件子图像特征向量的分类结果进行组合，构成对应于所述待定位工件图像的二值分类图像O(r,c)，所述二值分类图像O(r,c)的大小为M×N个像素，每一个像素对应一个子图像；其中，r为所述二值分类图像O(r,c)的行坐标，c为所述二值分类图像O(r,c)的列坐标；步骤302、图像处理器对所述二值分类图像O(r,c)的每一行的像素点进行积分求和，得到所述二值分类图像O(r,c)的水平方向的积分投影曲线步骤303、图像处理器调用工件位置判断模块判断公式r2-r1＞D是否成立，当公式r2-r1＞D成立时，判定为所述待定位工件图像中的区域为工件所在位置区域；否则，当公式r2-r1＞D不成立时，判定为所述待定位工件图像中不包含工件；其中，D为待定位工件的最小实际宽度，D的单位为像素，ri∈[r1,r2]，阈值T的单位为像素。本专利技术与现有技术相比具有以下优点：本专利技术的方法步骤简单，实现方便，基于工业摄像机的机器视觉算法完成工件的自动检测和定位，相较于基于X射线技术与超声技术的方法，显著降低成本，而且设备体积小，安装使用更方便，便于推广使用。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术的方法流程框图。具体实施方式如图1所示，本专利技术的基于机器视觉的工件加工定位方法，包括以下步骤：步骤一、待定位工件图像采集；采用工业摄像机拍摄待定位工件图像且将拍摄到的图像传输给图像处理器；步骤二、待定位工件图像预处理；步骤三、工件定位加工。本方法中，步骤二中所述待定位工件图像预处理的具体步骤为：步骤201、图像处理器接收所述待定位工件图像并按照行间隔宽度d和列间隔宽度H将所述待定位工件图像分为M×N个待定位工件子图像Y1、Y2、…、YM×N，每个所述待定位工件子图像均由m×n个像素构成，其中，M为待定位工件子图像的行数，N为待定位工件子图像的列数，d、H、M、N、m和n均为自然数，d和H的单位均为像素；步骤202、图像处理器调用预先采用主成分分析法训练的降维矩阵W并根据公式Y′f＝WYf对M×N个待定位工件子图像进行降维处理，将M×N个待定位工件子图像Y1、Y2、…、YM×N转换为降维处理后的M×N个待定位工件子图像特征向量Y1′、Y2′、…、YM×N′，其中，Yf为第f个待定位工件子图像且Y′f为降维处理后的第f个待定位工件子图像特征向量，f的取值为1～M×N的自然数；步骤203、图像处理器将进行降维处理后的M×N个待定位工件子图像特征向量输入预先训练得到的三层BP神经网络分类器中，得到M×N个三层BP神经网络分类器的输出，并将M×N个三层BP神经网络分类器的输出作为分别对应于降维处理后的M×N个待定位工件子图像特征向量的分类结果；其中，所述三层BP神经网的输出为用于表示待定位工件子图像包含工件的第一类标识和用于表示待定位工件子图像不包含工件的第二类标识。本方法中，步骤三中所述工件定位加工的具体步骤为：步骤301、图像处理器将降维处理后的M×N个待定位工件子图像特征向量的分类结果进行组合，构成对应于所述待定位工件图像的二值分类图像O(r,c)，所述二值分类图像O(r,c)的大小为M×N个像素，每一个像素对应一个子图像；其中，r为所述二值分类图像O(r,c)的行坐标，c为所述二值分类图像O(r,c)的列坐标；步骤302、图像处理器对所述二值分类图像O(r,c)的每一行的像素点进行积分求和，得到所述二值分类图像O(r,c)的水平方向的积分投影曲线步骤303、图像处理器调用工件位置判断模块判断公式r2-r1＞D是否成立，当公式r2-r1＞D成立时，判定为所述待定位工件图像中的区域为工件所在位置区域；否则，当公式r2-r1＞D不成立时，判定为所述待定位工件图像中不包含工件；其中，D为待定位工件的最小实际宽度，D的单位为像素，ri∈[r1,r2]，阈值T的单位为像素。以上所述，仅是本专利技术的较佳实施例，并非对本专利技术作任何限制，凡是根据本专利技术技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本专利技术技术方案的保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的工件加工定位方法，其特征在于：该方法包括以下步骤：/n步骤一、待定位工件图像采集；/n采用工业摄像机拍摄待定位工件图像且将拍摄到的图像传输给图像处理器；/n步骤二、待定位工件图像预处理；/n步骤三、工件定位加工。/n

【技术特征摘要】
1.一种基于机器视觉的工件加工定位方法，其特征在于：该方法包括以下步骤：
步骤一、待定位工件图像采集；
采用工业摄像机拍摄待定位工件图像且将拍摄到的图像传输给图像处理器；
步骤二、待定位工件图像预处理；
步骤三、工件定位加工。


2.按照权利要求1所述的基于机器视觉的工件加工定位方法，其特征在于：步骤二中所述待定位工件图像预处理的具体步骤为：
步骤201、图像处理器接收所述待定位工件图像并按照行间隔宽度d和列间隔宽度H将所述待定位工件图像分为M×N个待定位工件子图像Y1、Y2、…、YM×N，每个所述待定位工件子图像均由m×n个像素构成，其中，M为待定位工件子图像的行数，N为待定位工件子图像的列数，d、H、M、N、m和n均为自然数，d和H的单位均为像素；
步骤202、图像处理器调用预先采用主成分分析法训练的降维矩阵W并根据公式Y′f＝WYf对M×N个待定位工件子图像进行降维处理，将M×N个待定位工件子图像Y1、Y2、…、YM×N转换为降维处理后的M×N个待定位工件子图像特征向量Y1′、Y2′、…、YM×N′，其中，Yf为第f个待定位工件子图像且Y′f为降维处理后的第f个待定位工件子图像特征向量，f的取值为1～M×N的自然数；
步骤203、图像处理器将进行降维处理后的M×N个待定位工件子图像特征向量输入预先训练得到的三层BP神经网络分...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：李新春，
类型：发明
国别省市：陕西;61