【技术实现步骤摘要】
一种基于HED模型和视觉测量的平面板件圆孔测量方法
[0001]本专利技术属于视觉测量领域，具体涉及一种基于HED模型和视觉测量的平面板件圆孔测量方法。
技术介绍
[0002]机器视觉经过不断地发展和完善，目前已经被广泛应用于工业制造领域以及各个装配环节，从自动化检测到自动化装配，自动化分拣，搬运等。基准孔作为大型零件的主要基准特征，其直径测量、表面粗糙度和圆度等成为了视觉测量研究的重点。对于航空领域壁板上成千上万的连接孔，孔的位置精度和测量精度要求很高，相对位置间距和与壁板的边缘距离会影响飞机壁板的受承载情况，尺寸和位置精度直接影响产品的组装质量，因此基准孔必须实现高精度测量；同时，机器人自动化钻孔技术已经被广泛应用于航空领域，视觉测量作为机器人制孔的关键技术，为了提高加工孔的自动化，保证高质量圆孔，实现高精度、高速率的圆孔视觉测量极为重要。机器人制孔过程中也需要判断孔位特征的合理性，进行孔位在线矫正，通常利用视觉单元检测定位工件上预先钻制的基准孔来完成。
[0003]目前，基于机器视觉的检测技术以其无接触、快速、...
【技术保护点】
【技术特征摘要】
1.一种基于HED模型和视觉测量的平面板件圆孔非接触测量方法，其特征在于步骤如下：S1：采用CMOS相机进行圆孔数据集采集，选取不同的背景，不同的光照，不同的对比度进行各个方位的图像采集；进行像素标定，求解像素当量；S2：利用Labelme软件进行圆孔边缘像素点标注形成Json文件，转化为需要的边缘标签；将其划分为训练样本集及测试样本集；S3：搭建软件实验平台，配置深度学习环境，通过编程实现HED模型框架，将圆孔和其对应的标签作为HED模型的输入，本发明训练网络时所采用的参数分别为Batch size为1，Base_lr为1e
‑
8，gamma为0.1，Step size为100，epochs为500，weight_decay为0.0002；进行网络模型参数训练，并且保存最好的模型；S4：将图片输入S3保存的模型，进行边缘预测；S5：将S4的结果进行后处理，将边缘细化，通过非极大值抑制和双阈值连接以及杂点删除算法，实现像素级别的定位；S6：将S4的结果进行亚像素精定位，基于Zernike矩5*5模板计算7*7模板系数，将其结果输入，实现亚像素定位；S7：通过最小二乘法对S6的结果进行圆孔边缘拟合；S8：将S7的像素物理尺寸通过S1标定的像素当量转化到物理尺寸；S9：重复进行步骤S4
‑
S8，便可实现不同圆孔的孔径测量。2.根据权利要求1所述的基于HED模型和视觉测量的平面板件圆孔非接触测量方法，其特征在于：S1进行像素标定的过程中，相机标定的过程公式如(1)所示，其中，L为图像尺寸，单位mm；P为像素尺寸，单位为pixel；k为像素当量。3.根据权利要求1所述的基于HED模型和视觉测量的平面板件圆孔非接触测量方法，其特征在于：S2中HED模型具有以下特点：a.HED网络是在VGG16的基础上，用2个3
×
3的卷积核来替代1个5
×
5的卷积核，用3个3
×
3的卷积核代表1个7
×
7的卷积核；b.HED网络，通过多个Side output输出不同scale的边缘，然后通过一个训练的权重融合函数得到最终的边缘输出；c.采用加权交叉熵损失函数，正样本分配更大的权值而负样本分配小的权重；d.本次实验采用迁移学习，使用VGG16的预训练参数，在此基础上进行微调；优化器选取动量随机梯度下降算法SGD，学习率的调整采用动态调整方法，针对每个参数的学习率调整为初始化lr的n倍，如所示：e.F
‑
measure是全局最佳ODS阈值，这保证在所有数据集上得分最高；OIS表示的是单图最佳阈值，即每张图片的最优阈值；RP曲线，即精确率曲线，其中精确率Precision，召回率Recall，用来表示预测类别正确的像素总数和总像素数的比例，所示：<...
【专利技术属性】
技术研发人员：甘忠，马博宇，杨乐，凌子昊，石望兴，薛超，
申请(专利权)人：西北工业大学，
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。