【技术实现步骤摘要】
一种汽车纵梁图像去抖动及边缘校准方法和系统
[0001]本专利技术属于计算机视觉
，具体涉及一种汽车纵梁图像快速去抖动及边缘校准方法、系统、设备及存储介质。
技术介绍
[0002]随着计算机视觉技术在工业生产中应用的逐渐推广，机器识别精度逐渐增高并被逐步用于工件加工和质检过程中的识别。在车辆纵梁生产中，会在其的特定位置进行冲孔，以降低车辆整体重量、增强车身抗撞击能力、并方便后续的工件安装。然而在生产过程中，冲孔机械会受到环境等因素的影响，可能会造成漏打、多打孔或者打孔偏移过大，从而严重影响车辆安全及后续安装过程。若采用视觉方案对冲孔后的汽车纵梁进行冲孔位的识别检测，冲孔机的大幅震动，也会对图像的采样质量产生极大地影响，即采样图像中会存在明显的图像抖动痕迹及边缘振幅现象，从而进一步影响了后续冲孔位的检测精度。
[0003]因此，目前对于汽车纵梁冲孔的检测主要依赖于人工质检，即生产线依赖于特定的模具或者蒙版对冲孔后的纵梁进行手工检验。这种方法效率、精度都不高，批量采样和依赖肉眼判断的质检方式无法保证精准度且耗费了大
【技术保护点】
【技术特征摘要】
1.一种汽车纵梁图像去抖动及边缘校准方法，包括：获取线扫描相机采样的汽车纵梁图像；对所述汽车纵梁图像采用自适应阈值OTSU算法进行二值化处理，确定所述汽车纵梁图像中的所有上下边界点；根据所述上下边界点获得上边界点训练集和下边界点训练集，并通过线性回归模型分别拟合汽车纵梁上下边界；根据所述拟合汽车纵梁上下边界，计算汽车纵梁上下边界的理论位置，得到预测的汽车纵梁上下边界的理论位置；基于预测的汽车纵梁上下边界的理论位置，计算每一帧图像中的钢梁宽度，并取平均值得到所述汽车纵梁的平均宽度；将当前图像帧的钢梁宽度变换为所述平均宽度，并映射到理论位置中，得到去抖动及边缘校准后的目标图像。2.如权利要求1所述的汽车纵梁图像去抖动及边缘校准方法，其特征在于：所述汽车纵梁图像采用自适应阈值OTSU算法进行二值化处理的方法，包括：将获取的汽车纵梁图像进行灰度化处理，得到灰度图；对完整的所述汽车纵梁图像的灰度图进行高斯平滑处理，去除噪音点干扰；获取平滑处理的汽车纵梁图像的灰度图，并从所述汽车纵梁图像中圈定感兴趣区域ROI；采用OTSU对所述ROI区域进行二值化评估，求得阈值t；将得到的阈值t应用于所述汽车纵梁图像的灰度图中，完成所述汽车纵梁图像的二值化，得到二值图；其中，所述汽车纵梁图像的灰度图中，像素值大于阈值t像素点视为前景，设置为白色，像素值小于阈值t像素点视为背景，设置为黑色，实现前后景分离。3.如权利要求2所述的汽车纵梁图像去抖动及边缘校准方法，其特征在于：确定所述汽车纵梁图像中的所有上下边界点的方法，包括：根据获取平滑处理后的二值图，确定所述二值图中的第i列图像数据i＝{1，...，w}，其中，w表示图像总列数；提取初始前景点y轴坐标和末端前景点y轴坐标得到确定汽车纵梁在图片中的所有上下边界点。4.如权利要求3所述的汽车纵梁图像去抖动及边缘校准方法，其特征在于：根据所述上下边界点获得上边界点训练集和下边界点训练集之间还包括：去除所述上下边界点中过分偏离其对应边界所在的均值点的样本，其中，初始前景点坐标的均值点为末端前景点坐标的均值点为然后根据所述上下边界点获得上边界点训练集D1和下边界点训练集D2，即：拟合汽车纵梁上边界：
拟合汽车纵梁下边界：其中，x
(i)
＝i，表示所需训练线性回归的第i列图像x轴坐标。5.如权利要求4所述的汽车纵梁图像去抖动及边缘校准方法，其特征在于：根据所述拟合汽车纵梁上下边界，计算汽车纵梁上下边界的理论位置，得到预测的汽车纵梁上下边界的理论位置的方法，包括：通过所述坐标位置训练集D1及坐标位置训练集D2分别训练2个线性回归模型，预测汽车纵梁的上边界及下边界的理论y轴坐标位置和其中，基于坐标位置训练集D1及坐标位置训练...
【专利技术属性】
技术研发人员：张浡琰，
申请(专利权)人：青岛知能知造数据科技有限公司，
类型：发明
国别省市：
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。