一种刀具磨损度检测方法技术

本发明专利技术提供一种刀具磨损度检测方法，其中硬件设备包括深度相机、镜头、光源、支架等，用于保证刀具图像序列的准确采集；软件处理部分分为完好刀具三维模型建立与实际刀具三维模型建立，其中通过图像处理提取刀具的基本参数完成对完好刀具的三维模型建立；通过三维重建的方法实现对实际刀具的三维模型建立；最后通过体积差实现磨损度的计算。本发明专利技术将传统的通过提取刀具磨损宽度、磨损面积来判断刀具磨损程度的方式上升到提取刀具的磨损体积，真正实现了刀具磨损程度的完全衡量，为刀具寿命的准确判断提供了强有力的依据。确判断提供了强有力的依据。确判断提供了强有力的依据。

【技术实现步骤摘要】
一种刀具磨损度检测方法


[0001]本专利技术涉及图像处理、三维重建
，具体而言，涉及一种基于图像序列对刀具进行三维重建并检测刀具磨损体积的方法。

技术介绍

[0002]刀具的质量决定了加工精度，在刀具达到一定磨损程度时需及时换刀以保证工件加工质量；若不能及时换刀，不仅会导致工件加工质量下降，甚至对主轴、铣床产生危害；因此，如何合理、准确的预估刀具寿命是精密加工的关键步骤。
[0003]刀具的磨损程度作为最直接的刀具寿命预测的评价标准被广泛使用，但目前主流的基于图像的刀具磨损程度检测只包含刀具磨损宽度的检测以及磨损面积的提取；这些检测手段丢失了刀具磨损深度这一重要信息，无法作为可靠的刀具寿命预测评价标准。为了更加准确的对刀具磨损程度进行检测，如何获取磨损刀具的深度信息即如何提取刀具磨损体积的技术研究具有重要意义。

技术实现思路

[0004]为实现对刀具磨损体积的准确检测，本专利技术通过工业相机等硬件设备采集刀具序列图像输入到计算机，利用基于序列图像的三维重建技术实现对刀具磨损体积的计算。
[0005]本专利技术一方面对采集到的刀具底面、侧面图像进行图像处理，提取刀具相关参数，然后在已有刀具模型库中进行匹配，选取对应的完好刀具的三维模型；另一方面对采集到的刀具底面、侧面图像进行图像利用三维点云重建等一系列方法建立刀具实际三维模型。最后对两种三维模型的刀刃区域分别进行体积计算，获取两者的体积差，该体积差即为刀具磨损体积。
[0006]本专利技术解决技术问题所采取的技术手段为：
[0007]第一步：相机标定。
[0008]本专利技术中，刀具夹装在主轴上，相机固定在以刀具中心为中心的圆弧形导轨上，主轴转速可调且已知，相机运动速度已知，故相机的运动参数可认为已知。因而可采用基于主动视觉的相机标定方法，得到相机的内部参数矩阵E。
[0009]第二步：刀具图像采集
[0010]利用如图1的装置采集刀具图像，设采集到的图像序列为I
n
。
[0011]该装置可以通过刀具的旋转以及相机在导轨上的滑动，使相机能够分布于一个半球面以拍摄图像。
[0012]通过建立以刀具中心为原点的世界坐标系，以相机为中心的相机坐标系，保证随着相机的滑动以及刀具旋转，采集到的每个图像上的点都有准确的空间坐标。
[0013]第三步：建立完好刀具三维模型库
[0014]导入各种切削、铣削、磨削用刀具的三维模型以及对应的特征参数(如刃径、刀径、刀长等)，为后续完好刀具三维模型选型提供依据。该三维模型库中刀具模型的文件应支持
三角形面片的表达方式。
[0015]第四步：获取刀具特征参数
[0016]4.1将采集到的刀具底面图像I
down
及侧面图像I
side
进行OTSU法阈值分割，得到二值化底面图像I
B1
及侧面图像I
B2
；
[0017]4.2对二值化底面图像I
B1
计算黑色连通域数量即为刀刃数量N；
[0018]4.3对二值化底面图像I
B1
剔除连通域，即可得到不规则的刀具外轮廓。对刀具外轮廓通过最小二乘法圆拟合即可得到刀径d1和刀具圆心(C,D)；
[0019]4.4去除外轮廓边界，留下刀刃区域，即黑色连通域。在刀刃区域找到离刀具圆心最远的点，圆心与点的距离为刃径d2；
[0020]4.5将二值化的侧面图像I
B2
，通过一种垂直检索方法计算刀具的刃长l。
[0021]第五步：基于刀具特征参数的刀具完好模型选取
[0022]根据上述测得的刀具特征参数，在第三步建立的刀具三维模型库中选择刀具三维模型。记该三维模型为G
Per
。
[0023]第六步：刀具真实三维模型的初步建立
[0024]通过SFM稀疏点云重建完成对刀具真实三维模型的建立；
[0025]输入为：图像序列集I
n
，以及在第一步得到的的相机内参矩阵E；
[0026]输出为：稀疏三维点云模型G
sfm
，每一帧图像的位姿(旋转矩阵K
n
、偏移向量L
n
)。其中，旋转矩阵K
n
描述了世界坐标系的坐标轴相对于摄像机坐标轴的方向，偏移向量L
n
描述了在摄像机坐标系下空间原点的位置。
[0027]6.1图像序列特征点提取
[0028]对图像序列I
n
利用Canny算子得到离散化的特征点，将该特征点的集合记为样本集Q
n
；对图像序列I
n
利用Harris角点检测方法得到角点，将该角点的集合记为样本集P
n
，最终的完备特征点样本集U
n
为P
n
和Q
n
的并集。
[0029]6.2图像序列特征点匹配
[0030]对不同图像下得到的特征点样本集U
i
与U
j
进行特征匹配，此处选择基于暴力匹配方法(BFMatcher)结合灰度的特征匹配方法，通过计算U
i
与U
j
上特征点的欧式距离与灰度值相似度来确定匹配关系。
[0031]6.3选择初始化图像对。
[0032]采用RANSC算法四点法计算单应矩阵，找到相机基线最大的像对作为初始像对。
[0033]6.4初始化像对的相对定向。
[0034]根据RANSC八点法计算本征矩阵，进行SVD分解得到下一幅图像位姿，初始化像对的相对定向。
[0035]6.5光束法平差法。
[0036]通过调整位姿和三维点降低重建误差。
[0037]6.6稀疏点云模型建立。
[0038]加入采集到的图像序列I
n
中不同于初始像对的一幅图像，根据加入图像与初始像对之间的匹配关系得到得到该图像的位姿；重复加入图像序列I
n
中所有剩余，得到图像的位姿(旋转矩阵K
n
、偏移向量L
n
)以及三维点云G
sfm
，完成稀疏点云模型建立。
[0039]第七步：刀具真实三维模型的精细建立
[0040]基于PMVS法稠密点云重建，建立刀具真实三维模型。
[0041]输入为：稀疏三维点云模型G
sfm
，每一帧图像的位姿旋转矩阵K
n
、偏移向量L
n
；
[0042]输出为：稠密点云模型G
pmvs
。
[0043]第八步：基于三维模型的刀刃信息提取和体积计算
[0044]8.1截取三维模型G
Per
的刀刃部分。由于刀具模型文件支持三角形面片的表达方式，可以得到模型中每一个三角形面片的顶点坐标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种刀具磨损度检测方法，其特征在于该方法包括以下步骤：第一步：相机标定；将刀具夹装在主轴上，相机固定在以刀具中心为中心的圆弧形导轨上，主轴转速可调且已知，相机运动速度已知，故相机的运动参数可认为已知，采用基于主动视觉的相机标定方法，得到相机的内部参数矩阵E；第二步：刀具图像采集；利用图像采集装置采集刀具图像，设采集到的图像序列为I
n
；所述图像采集装置通过刀具的旋转以及相机在导轨上的滑动，使相机能够分布于一个半球面以拍摄图像；第三步：建立完好刀具三维模型库；导入各种切削、铣削、磨削用刀具的三维模型以及对应的特征参数，该三维模型库中刀具模型的文件支持三角形面片的表达方式；第四步：获取刀具特征参数，包括刀径d1、刀具圆心(C,D)以及刃径d2；第五步：基于刀具特征参数的刀具完好模型选取；根据上一步测得的刀具特征参数，在第三步建立的刀具三维模型库中选择刀具三维模型；记该三维模型为G
Per
；第六步：刀具真实三维模型的初步建立；通过SFM稀疏点云重建完成对刀具真实三维模型的建立；输入为：图像序列集I
n
，以及在第一步得到的相机内参矩阵E；输出为：稀疏三维点云模型G
sfm
，每一帧图像的位姿，包含旋转矩阵K
n
和偏移向量L
n
；其中，旋转矩阵K
n
描述了世界坐标系的坐标轴相对于摄像机坐标轴的方向，偏移向量L
n
描述了在摄像机坐标系下空间原点的位置；6.1图像序列特征点提取对图像序列I
n
利用Canny算子得到离散化的特征点，将该特征点的集合记为样本集Q
n
；对图像序列I
n
利用Harris角点检测方法得到角点，将该角点的集合记为样本集P
n
；最终的完备特征点样本集U
n
为P
n
和Q
n
的并集；6.2图像序列特征点匹配对不同图像下得到的特征点样本集U
i
与U
j
进行特征匹配，通过计算U
i
与U
j
上特征点的欧式距离与灰度值相似度来确定匹配关系；6.3选择初始化图像对；采用RANSC算法四点法计算单应矩阵，找到相机基线最大的像对作为初始像对；6.4初始化像对的相对定向；根据RANSC八点法计算本征矩阵，进行SVD分解得到下一幅图像位姿，初始化像对的相对定向；6.5光束法平差法；采用光束法平差法调整位姿和三维点，降低重建误差；6.6稀疏点云模型建立；加入采集到的图像序列I
n
中不同于初始像对的一幅图像，根据加入...

【专利技术属性】
技术研发人员：孔亚广，黄孟钦，郑小青，黄娜，陈张平，陈洪欢，陈云，
申请(专利权)人：杭电海宁信息科技研究院有限公司，
类型：发明
国别省市：