一种基于机器视觉的单向预浸料纹理角度检测方法技术

本发明专利技术公布了一种基于机器视觉的单向预浸料纹理角度检测方法。该检测方法包括以下步骤：步骤1、采集单向预浸料图像；步骤2、计算纹理角度候选集；步骤3、计算基准线角度候选集；步骤4、筛选纹理角度候选集，得到单向预浸料纹理角度；步骤5、筛选基准线角度候选集，获得基准线角度；步骤6、计算单向预浸料纹理角度与基准线角度的差值，判断铺叠方向是否满足工艺要求。本发明专利技术利用执行机构装置搭载工业相机，自动测量单向预浸料纹理与基准线夹角，进而解决传统铺叠方向检测实时性差、精度低、可靠性差等问题。本发明专利技术方法适用于碳纤维单向预浸料铺叠在线纹理角度检测，具有高效、稳定、精确等优势。势。势。

【技术实现步骤摘要】
一种基于机器视觉的单向预浸料纹理角度检测方法


[0001]本专利技术涉及单向预浸料铺叠方向检测领域，尤其涉及一种基于机器视觉的单向预浸料纹理角度检测方法。

技术介绍

[0002]单向预浸料铺叠是航空制造中飞机部件加工生产的重要环节。在铺叠过程中，以特定形状裁剪后的单向预浸料会按照预定方向和顺序在模具上逐层铺叠和拼接。之后，带有多层单向预浸料的模具将会送入热压炉中加压、加热、固化成形，进而形成飞机的关键部件。在上述铺叠过程中，车间工人在投影基准线的辅助下将单向预浸料按照预先设定的方向铺叠，但是手工铺叠易造成单向预浸料纹理与投影基准线的夹角过大，进而影响部件的整体性能。
[0003]针对铺叠过程中存在单向预浸料纹理与激光投影基准线的夹角过大的问题。生产车间制订了严格的工艺要求(单向预浸料纹理与投影基准线的夹角小于
±1°
)与配套铺叠方向检测方案(每层铺叠完成后，工人需要用肉眼逐区域地检测单向预浸料铺叠方向是否与激光投影基准线方向一致)。但是该检测方案不仅费时、费力，而且检测工人容易产生视觉疲劳，无法可靠地检测出单向预浸料铺叠方向是否符合工艺要求。与传统人工检测方法相比，基于机器视觉的检测方法具有实时性强、检测精度高等优点。因此，本专利技术提出了一种基于机器视觉的单向预浸料纹理角度检测方法。

技术实现思路

[0004]本专利技术提出一种基于机器视觉的单向预浸料纹理角度检测方法，其主要目的在于克服传统铺叠方向检测实时性差、精度低、可靠性差等问题。
[0005]所采用的技术方案是：一种基于机器视觉的单向预浸料纹理角度检测方法，包括以下步骤：
[0006]步骤1、通过工业相机进行单向预浸料图像采集；
[0007]步骤2、对单向预浸料图像进行边缘检测，根据提取的纹理线段得到纹理线段角度，获得纹理角度候选集；
[0008]步骤3、对单向预浸料图像进行颜色空间转换，根据提取的基准线线段得到基准线线段角度，获得基准线角度候选集；
[0009]步骤4、对纹理角度候选集进行处理，得到单向预浸料纹理角度；
[0010]步骤5、依据单向预浸料纹理角度规范基准线角度候选集，得到初筛基准线角度候选集，对初筛基准线角度候选集进行投票，获得基准线角度；
[0011]步骤6、通过判断基准线角度与单向预浸料纹理角度的差值，实现单向预浸料纹理角度的检测。
[0012]所述步骤1具体为：当工业相机到达预先设定的位置时，受触发并完成单向预浸料图像采集。
[0013]所述步骤2、对单向预浸料图像进行边缘检测，根据提取的纹理线段得到纹理线段角度，获得纹理角度候选集，具体步骤如下：
[0014]步骤2
‑
1、对单向预浸料图像g(x，y)进行高斯模糊，去除噪点，得到高斯滤波图像f
Gauss
(x，y)：
[0015]单向预浸料图像g(x，y)与二维高斯函数G(x，y，σ)进行卷积运算，得到高斯滤波图像f
Gauss
(x，y)，表达式如下：
[0016][0017][0018]其中，参数σ为高斯滤波器宽度；
[0019]步骤2
‑
2、对高斯滤波图像f
Gauss
(x，y)进行Canny边缘检测，得到边缘点图像f
Canny
(x，y)；
[0020]步骤2
‑
3、对边缘点图像f
Canny
(x，y)进行Hough变换，提取多条纹理线段，构成纹理线段集合；
[0021]步骤2
‑
4、对纹理线段集合进行角度计算，得到纹理角度候选集{θ}＝{θ1，θ2，θ3......θ
n
}；其中，θ为纹理线段角度，n为纹理线段数量。
[0022]所述步骤2
‑
2、对高斯滤波图像f
Gauss
(x，y)进行Canny边缘检测，包括以下步骤：
[0023]步骤2.1、计算高斯滤波图像f
Gauss
(x，y)梯度的强度与方向：
[0024]利用Sobel算子进行边缘检测，水平方向和垂直方向的Sobel算子分别表示为：Sobel
x
、Sobel
y
；
[0025][0026][0027]Sobel算子与f
Gauss
(x，y)进行卷积计算，得到水平方向和垂直方向的梯度值d
x
、d
y
：
[0028]d
x
＝f(x，y)*Sobel
x
(x，y)(1.5)
[0029]d
y
＝f(x，y)*Sobel
y
(x，y)(1.6)
[0030]图像梯度强度表示为：
[0031][0032]图像梯度方向表示为：
[0033]θ
M
＝arctan(d
y
/d
x
)
ꢀꢀꢀꢀꢀꢀ
(1.8)
[0034]步骤2.2、对高斯滤波图像f
Gauss
(x，y)进行非极大值抑制操作，得到非极大值抑制图像f
NMS
(x，y)：高斯滤波图像f
Gauss
(x，y)中每个像素依据图像梯度强度M(x，y)和图像梯度方向θ
M
进行判断，确定该像素点是否抑制；判断规则如下：若像素的梯度强度大于沿正负梯度方向上两个像素的梯度强度，则保留该像素点为边缘点，否则该像素点被抑制；
[0035]步骤2.3、应用双阈值检测并连接边缘：对于非极大值抑制图像f
NMS
(x，y)，采用双阈值检测并连接边缘，得到边缘点图像f
Canny
(x，y)。
[0036]步骤3、对单向预浸料图像进行颜色空间转换，根据提取的基准线线段得到基准线线段角度，获得基准线角度候选集，具体步骤如下：
[0037]步骤3.1、将单向预浸料图像中RGB颜色空间转化为HSI颜色空间，通过调整HSI三分量中的S分量，进而获得投影基准线的二值化图像T(x，y)；
[0038]步骤3.2、对T(x，y)进行Hough变换，提取多条基准线线段；
[0039]步骤3.3、对基准线线段进行角度计算，得到基准线角度候选集其中，为基准线线段角度，m为基准线线段数量。
[0040]所述步骤4、对纹理角度候选集进行处理，得到单向预浸料纹理角度，具体步骤如下：
[0041]对纹理角度候选集{θ}压缩：
[0042][0043]对压缩后{θ}取整：
[0044][0045]对取整后{θ}进行投票策略，取投票数最多的纹理角度为单向预浸料的纹理角度φ：
[0046][0047]其中，θ1，θ2......θ
n
为纹理线段角度，N(θ
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的单向预浸料纹理角度检测方法，其特征在于，包括以下步骤：步骤1、通过工业相机进行单向预浸料图像采集；步骤2、对单向预浸料图像进行边缘检测，根据提取的纹理线段得到纹理线段角度，获得纹理角度候选集；步骤3、对单向预浸料图像进行颜色空间转换，根据提取的基准线线段得到基准线线段角度，获得基准线角度候选集；步骤4、对纹理角度候选集进行处理，得到单向预浸料纹理角度；步骤5、依据单向预浸料纹理角度规范基准线角度候选集，得到初筛基准线角度候选集，对初筛基准线角度候选集进行投票，获得基准线角度；步骤6、通过判断基准线角度与单向预浸料纹理角度的差值，实现单向预浸料纹理角度的检测。2.根据权利要求1所述的一种基于机器视觉的单向预浸料纹理角度检测方法，其特征在于，所述步骤1具体为：当工业相机到达预先设定的位置时，受触发并完成单向预浸料图像采集。3.根据权利要求1所述的一种基于机器视觉的单向预浸料纹理角度检测方法，其特征在于，所述步骤2、对单向预浸料图像进行边缘检测，根据提取的纹理线段得到纹理线段角度，获得纹理角度候选集，具体步骤如下：步骤2
‑
1、对单向预浸料图像g(x，y)进行高斯模糊，去除噪点，得到高斯滤波图像f
Gauss
(x，y)：单向预浸料图像g(x，y)与二维高斯函数G(x，y，σ)进行卷积运算，得到高斯滤波图像f
Gauss
(x，y)，表达式如下：(x，y)，表达式如下：其中，参数σ为高斯滤波器宽度；步骤2
‑
2、对高斯滤波图像f
Gauss
(x，y)进行Canny边缘检测，得到边缘点图像f
Canny
(x，y)；步骤2
‑
3、对边缘点图像f
Canny
(x，y)进行Hough变换，提取多条纹理线段，构成纹理线段集合；步骤2
‑
4、对纹理线段集合进行角度计算，得到纹理角度候选集{θ}＝{θ1，θ2，θ3......θ
n
}；其中，θ为纹理线段角度，n为纹理线段数量。4.根据权利要求3所述的一种基于机器视觉的单向预浸料纹理角度检测方法，其特征在于，所述步骤2
‑
2、对高斯滤波图像f
Gauss
(x，y)进行Canny边缘检测，包括以下步骤：步骤2.1、计算高斯滤波图像f
Gauss
(x，y)梯度的强度与方向：利用Sobel算子进行边缘检测，水平方向和垂直方向的Sobel算子分别表示为：Sobel
x
、Sobel
y
；
Sobel算子与f
Gauss
(x，y)进行卷积计算，得到水平方向和垂直方向的梯度值d
x
、d
y
：d
x
＝f(x，y)*Sobel
x
(x，y)(1.5)d
y
＝f(x，y)*Sobel
y
(x，y)(1.6)图像梯度强度表示为：图像梯度方向表示为：θ
M
＝arctan(d
y
/d
x
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1.8)步骤2.2、对高斯滤波图像f
Gauss
(x，y)进行非极大值抑制操作，得到非极大值抑制图像f
NMS
(x，y)：高斯滤波图像f
Gauss
(x，y)中每个像素依据图像梯度强度M(x，y)和图像梯度方向θ
M
进行判断，确定该像素点是否抑制；判断规则如下：若像素的梯度强度大于沿正负梯度方向上两个像素的梯度...

【专利技术属性】
技术研发人员：梁炜，袁立标，张吟龙，张思超，刘帅，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：