一种大尺寸轴类零件图像采集装置及采集方法制造方法及图纸

本发明专利技术公开一种大尺寸轴类零件图像采集装置及采集方法，以面阵黑白CCD工业相机作为拍摄工具，采用具有XYZ三轴运动体系的龙门模块工作平台和传感器定位元件移动相机，并通过PLC与上位机串口通讯实现自动拍摄一系列具有重叠区域的多幅大尺寸工件图像，拍摄大尺寸轴类零件图像精度高于20μm。在采集到一系列具有重叠区域的高分辨率序列图像后，应用图像匹配算法完成序列图像拼接，即获得高分辨率轴零件全景图像，这对提高大尺寸轴类零件视觉测量精度具有重要意义。精度具有重要意义。精度具有重要意义。

【技术实现步骤摘要】
一种大尺寸轴类零件图像采集装置及采集方法


[0001]本专利技术属于图像采集和图像处理
，具体涉及一种大尺寸轴类零件图像采集装置及采集方法。

技术介绍

[0002]目前，对轴类零件进行尺寸测量时主要还是需要借助游标卡尺、钢尺、螺旋测微仪以及专用辅助接触式测量工具等通用的测量工具，虽然这种传统操作方式存在实施简单、技术难度低的优势，但普遍存在测量效率低、可重复性差、测量种类单一等局限性，且无法针对测量结果进行快速分析与数据保存。
[0003]三坐标测量机在工业检测中得到广泛应用，其不仅测量精度高，且效率高。在公开号为CN109631812B的专利中，张志成提出一种自动测量齿轮尺寸的方法，用三坐标测量机对齿轮进行测量，该方法测量时需要与被测对象直接接触，针对精密易损类零件，在测量过程中存在划伤其表面的可能。非接触式测量方式与工具，有三维激光扫描测量，《基于多个线激光传感器旋转扫描铸钢车轮在线三位测量技术》一文中陈瀚采用多个线激光传感器对车轮进行旋转扫描，将多视角下测量的数据拼合在一起，实现车轮全尺寸的在线测量。其通过激光扫描测尺寸，具有较高的相干性和平行度，且受环境影响小，因此测量精度较高。但其操作不易，成本高。
[0004]机器视觉技术已在工业零件尺寸测量中得到广泛应用，在公开号为CN208720997U的专利中，吴南寿等人提出一种基于机器视觉的平板类工件尺寸检测系统，利用远心镜以及图像采集相机组成视觉检测装置，配合平行背光源和移动机构进行图像采集，通过图像处理测量工件尺寸，快速判断工件是否合格，实现实时检测和监控。但该方法没有对待测物进行定位，在移动过程中可能会导致待测物偏移，进而影响测量精度。在公开号为CN109520436B的专利中，姚海滨等人提出一种基于机器视觉的蝶形弹簧三维尺寸自动测量系统，将蝶形弹簧放置在待测区域进行自动化判断与检测，操作方便、简单，但该方法测量时需要手动更换待测弹簧，效率不高。《一种基于机器视觉的轴类零件定位与测量系统》一文中粟序明等人对机器视觉平台的搭建以及硬件选型后，采集轴的背光图像，但该方法只适用于0～60mm的工件，对于超过60mm的工件无法获取完整图像边缘信息，部分图像的边缘信息无法反映完整工件的尺寸，将影响测量精度。
[0005]近年来，视觉测量技术已取得了较大的发展，但其在大尺寸零件尺寸测量应用中仍面临诸多挑战。特别是针对尺寸超过50mm的大尺寸工件，受限于相机分辨率、拍摄视场等因素，单幅工件图像难以获取理想的测量精度，需要多幅序列图像通过拼接以实现高分辨率工件信息的全覆盖。为了更准确高效地完成对大尺寸零件的测量工作，需要对硬件和软件系统均进行有针对性地改进。对于硬件系统，有必要研发一种高精密的运动平台，选用高分辨率相机的镜头。对于软件系统，可通过改进图像拼接算法来提高大尺寸轴类零件视觉测量精度，这对提高大尺寸轴类零件视觉测量精度将具有重要意义。

技术实现思路

[0006]本专利技术的目的在于解决现有技术中存在的问题，提出一种大尺寸轴类零件图像采集装置及采集方法，通过依次采集一系列具有重叠区域的高分辨率序列图像，应用图像匹配算法完成序列图像拼接，从而获得高分辨率的轴零件全景图像。
[0007]本专利技术的技术方案为：一种大尺寸轴类零件图像采集方法，包括如下步骤：
[0008]1)通过大尺寸轴类零件图像采集装置获取一系列具有重叠部分的序列图像，获取序列图像时以钢尺作为人工标志，获取图像后应用SURF算法提取图像中特征点进行粗匹配；
[0009]2)应用RANSAC算法删除匹配图像中的误匹配点；
[0010]3)建立映射拼接模型，将拼接图像变换到同一坐标系中；
[0011]4)利用渐入渐出融合算法对配准后的图像进行融合处理，得到一张完整且平滑的全景图像。
[0012]进一步地，SURF算子特征匹配主要分为以下四个步骤：
[0013](1)构造Hessian矩阵，生成兴趣点
[0014]SURF算子构建Hessian矩阵生成图像稳定特征点，对于一个图像F(x,y)，其二阶微分Hessian矩阵如下式所示：
[0015][0016]一幅图像可以被定义为一个二维函数F(x,y)，为二维函数F(x,y)对x的二阶偏导数，为二维函数F(x,y)对x求一阶偏导再对y求一阶偏导，为二维函数F(x,y)对y的二阶偏导数；
[0017]在构建Hessian矩阵之前，需对图像进行高斯滤波，在尺度因子σ下，其对应Hessian矩阵如式所示：
[0018][0019]式中L
xx
(x,σ)，L
xy
(x,σ)，L
yy
(x,σ)是标准高斯函数的二阶偏导数与图像在点x处的卷积，σ是高斯滤波器的尺度；
[0020]由Hessian矩阵判定式求取局部极大值，判定该特征点是否为关键点；
[0021](2)构建尺度空间
[0022](3)特征点提取
[0023]先初步筛选出极值点，再根据其梯度方向分布特性确定稳定特征点；
[0024](4)生成SURF特征描述子
[0025]首先以特征点为中心，并沿其主方向取边长为20s的矩形区域，s为检测到特征点所在的尺度，将其分成16个子区域，每个子区域应用小波模板求取响应值，然后统计水平方向之和∑dx、水平方向绝对值之和∑|dx|、垂直方向之和∑dy以及垂直方向绝对值之和∑|
dy|，每个特征点形成64维描述符。
[0026]3.如权利要求1所述的一种大尺寸轴类零件图像采集方法，其特征在于，步骤2)中应用RANSAC算法除去特征点误匹配时，应用RANSAC算法求取一个矩阵大小为3
×
3的最佳单应性矩阵H，如式所示：
[0027][0028]其中s为尺度参数，(x,y)为目标图像特征点坐标，(x',y')为场景图像特征点坐标，h
11
～h
33
为最佳单应性矩阵H中9个参数，其中h
11
设定为1，其他8个都是需要求解的未知参数；在单应性矩阵H中，由于平面中的特征点坐标是二维的，因此通过令h33＝1来归一化矩阵，从而找到最优解使得满足该矩阵特征点个数最多。
[0029]进一步地，步骤3)中选用柱面映射模型进行映射拼接。
[0030]进一步地，步骤4)中采用的是加权平均法中的渐入渐出融合算法，针对重叠区域内像素点灰度值进行加权平均，在融合过程中，权值逐渐变化，其算法公式如下：
[0031][0032]式中f(x,y)为融合后图像像素点灰度值，f1(x,y)和f2(x,y)是融合前两幅图像像素灰度值，w1和w2是对应权值，且w1+w2＝1，0<w1<1，0<w2<1。
[0033]进一步地，步骤1)中采集的轴类零件图像重叠区域设定为50％。
[0034]进一步地，所述大尺寸轴类零件图像采集装置包括龙门模块工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大尺寸轴类零件图像采集方法，其特征在于，包括如下步骤：1)通过大尺寸轴类零件图像采集装置获取一系列具有重叠部分的序列图像，获取序列图像时以钢尺作为人工标志，获取图像后应用SURF算法提取图像中特征点进行粗匹配；2)应用RANSAC算法删除匹配图像中的误匹配点；3)建立映射拼接模型，将拼接图像变换到同一坐标系中；4)利用渐入渐出融合算法对配准后的图像进行融合处理，得到一张完整且平滑的全景图像。2.如权利要求1所述的一种大尺寸轴类零件图像采集方法，其特征在于，SURF算子特征匹配主要分为以下四个步骤：(1)构造Hessian矩阵，生成兴趣点SURF算子构建Hessian矩阵生成图像稳定特征点，对于一个图像F(x,y)，其二阶微分Hessian矩阵如式所示：一幅图像可以被定义为一个二维函数F(x,y)，为二维函数F(x,y)对x的二阶偏导数，为二维函数F(x,y)对x求一阶偏导再对y求一阶偏导，为二维函数F(x,y)对y的二阶偏导数；在构建Hessian矩阵之前，需对图像进行高斯滤波，在尺度因子σ下，其对应Hessian矩阵如式所示：式中L
xx
(x,σ)，L
xy
(x,σ)，L
yy
(x,σ)是标准高斯函数的二阶偏导数与图像在点x处的卷积，σ是高斯滤波器的尺度；由Hessian矩阵判定式求取局部极大值，判定该特征点是否为关键点；(2)构建尺度空间(3)特征点提取先初步筛选出极值点，再根据其梯度方向分布特性确定稳定特征点；(4)生成SURF特征描述子首先以特征点为中心，并沿其主方向取边长为20s的矩形区域，s为检测到特征点所在的尺度，将其分成16个子区域，每个子区域应用小波模板求取响应值，然后统计水平方向之和∑dx、水平方向绝对值之和∑|dx|、垂直方向之和∑dy以及垂直方向绝对值之和∑|dy|，每个特征点形成64维描述符。3.如权利要求1所述的一种大尺寸轴类零件图像采集方法，其特征在于，步骤2)中应用RANSAC算法除去特征点误匹配时，应用RANSAC算法求取一个矩阵大小为3
×
3的最佳单应性矩阵H，如式所示：
其中s为尺度参数，(x,y)为目标图像特征点坐标，(x',y')为场景图像特征点坐标，h
11
～h
33
为最佳单应性矩阵H中9个参数，其中h
11
设定为1，其他8个都是需要求解的未知参数；在单应性矩阵H中，由于平面中的特征点坐标是二维的，因此通过令h33＝1来归一化矩阵，从而找到最优解使得满足该矩阵特征点个数最多。4.如权利要求1所述的一种大尺寸轴类零件图像采集方法，其特征在于，步骤3)中选用柱面映射模型进行映射拼接。5.如权利要求1所述的一种大尺寸轴类零件图像采集方法，其特征在于，步骤4)中采用的是...

【专利技术属性】
技术研发人员：巢渊，朱俊杰，唐寒冰，徐鹏，马成霞，单文桃，刘凯磊，韩振华，康绍鹏，丁力，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：