基于图像处理的阀体重心定位方法技术

一种基于图像处理的阀体重心定位方法，包括：利用预先拍摄的大量阀体样本图像，训练得到能够对图像进行语义分割的语义分割模型；获取由双目深度相机拍摄的待重心定位阀体的阀体彩色图像；将阀体彩色图像输入语义分割模型，输出待重心定位阀体的阀体语义分割图像；对阀体语义分割图像进行图像处理，并计算待重心定位阀体二维的中心像素坐标；基于双目深度相机拍摄阀体彩色图像时的拍摄参数，确定待重心定位阀体的深度坐标；将二维的中心像素坐标与深度坐标所构成的三维坐标确定为待重心定位阀体的重心坐标

【技术实现步骤摘要】
基于图像处理的阀体重心定位方法


[0001]本专利技术涉及阀体铸造和智能控制
，特别涉及一种基于图像处理的阀体重心定位方法
。

技术介绍

[0002]阀门的主要部件阀体由于其内部结构复杂，基本采用铸造工艺制造毛胚
。
铸造工艺所使用的浇冒口作为必然产生的“多余”部分需要切割掉，以便于后续的机械加工
。
目前对于阀体铸件冒口的切割作业，基本采用人工手持砂轮切割的方式进行，这种切割方式劳动强度大，切割效率低下
。
同时，在切割过程中产生的大量金属粉尘和烟雾会造成环境污染
。
[0003]随着智能制造技术的不断发展，以工业机器人为平台，同工业相机进行通讯，使机器人完成对目标工件的识别
、
定位
、
抓取等功能，提高了生产效率的同时，还可以保护工人的生产安全
。
目前在将机器人应用到阀体阀体逐渐的浇冒口切割中时，普遍采用的方式是将阀体铸件装夹在机械装置上，机器人末端安装切割工具，通过示教方式确定切割轨迹，然后控制机器人按照示教轨迹运动，完成切割作业
。
然而，在实际应用中，由于铸件是一个形状比较复杂的毛坯件，难以找到比较合适的定位基准，定位精度低，导致实际切割轨迹与理论切割偏差过大，易出现过切或欠切到的现象，进而导致切割的铸件质量经常达不到生产要求
。

技术实现思路

[0004]有鉴于此，针对以上不足，有必要提出一种基于图像处理的阀体重心定位方法，能够提高阀体定位基准的确定精度，进而提高阀体切割的精度，使得切割铸件的质量得到提高
。
[0005]本专利技术实施例提供了一种基于图像处理的阀体重心定位方法，包括：
[0006]利用预先拍摄的大量阀体样本图像，训练得到能够对图像进行语义分割的语义分割模型；
[0007]获取由双目深度相机拍摄的待重心定位阀体的阀体彩色图像；
[0008]将所述阀体彩色图像输入所述语义分割模型，输出所述待重心定位阀体的阀体语义分割图像；
[0009]对所述阀体语义分割图像进行图像处理，并计算所述待重心定位阀体二维的中心像素坐标；
[0010]基于所述双目深度相机拍摄所述阀体彩色图像时的拍摄参数，确定所述待重心定位阀体的深度坐标；
[0011]将所述二维的中心像素坐标与所述深度坐标所构成的三维坐标确定为所述待重心定位阀体的重心坐标
。
[0012]优选的，所述利用预先拍摄的大量阀体样本图像训练得到能够对图像进行语义分
割的语义分割模型，包括：
[0013]获取由双目深度相机拍摄的若干阀体样本图像；
[0014]针对每一幅阀体样本图像均执行：
[0015]对当前阀体样本图像进行
N
倍下采样处理，获得同时包含低语义信息和高语义信息的第一特征图；其中，所述低语义信息包含阀体的边缘信息和顶点信息中的至少一个，所述高语义信息包含阀体的轮廓信息；
[0016]对得到的所述第一特征图进行
N
倍上采样处理，并将得到的若干第二特征图进行加法融合，得到阀体语义分割预测图像；
[0017]基于所述阀体语义分割预测图像与预先标注的标签图像，对交叉熵损失函数进行迭代运算，以对所述语义分割模型的模型参数进行优化；其中，所述标签图像中阀体部分为正样本，阀体之外的部分均为负样本
。
[0018]优选的，所述对所述阀体语义分割图像进行图像处理，包括：
[0019]对所述阀体语义分割图像进行形态学处理，以消除所述阀体语义分割图像中存在于阀体部分之外的噪点以及阀体内部的空洞点
。
[0020]优选的，所述对所述阀体语义分割图像进行形态学处理，包括：
[0021]确定第一扫描矩阵；其中，该第一扫描的维度均小于所述阀体语义分割图像所对应的矩阵维度，该第一扫描矩阵中包括一个扫描原点，且第一扫描矩阵为二值化矩阵；
[0022]利用所述第一扫描矩阵对二值化的阀体语义分割图像的矩阵进行扫描；
[0023]在每一次扫描过程中，当所述第一扫描矩阵的元素与其所覆盖的阀体语义分割图像的矩阵的元素中元素值为1的元素完全对应时，将此时扫描的扫描原点输出为1，否则输出为0；
[0024]当经过扫描使得所述第一扫描矩阵覆盖了所述阀体语义分割图像的矩阵的每一个元素值后，输出由各扫描原点的输出值所构成的第一矩阵；
[0025]确定第二扫描矩阵；其中，该第二扫描矩阵的维度均小于所述第一矩阵的维度，该第二扫描矩阵包括一个扫描原点，且第二扫描矩阵为二值化矩阵；
[0026]利用所述第二扫描矩阵对所述第一矩阵进行扫描；
[0027]在每一次扫描过程中，当所述第二扫描矩阵的元素值与其覆盖的第一矩阵的元素值中至少有一个同为1的元素值时，则将此时扫描的扫描原点输出为1，否则输出为0；
[0028]当经过扫描使得所述第二扫描矩阵覆盖了所述第一矩阵的每一个元素值后，将由各扫描原点的输出值所构成的矩阵确定为经过图像处理后的阀体语义分割图像
。
[0029]优选的，所述计算所述待重心定位阀体二维的中心像素坐标，包括：
[0030]利用如下计算式组一计算所述待重心定位阀体的中心像素坐标：
[0031][0032]其中，
x
c
和
y
c
分别为所述待重心定位阀体的
x
轴和
y
轴方向上的坐标值，
i
和
j
分别为
所述阀体语义分割图像中各像素点所在位置的行数和列数，
pixel(i,j)
为所述阀体语义分割图像在
(i,j)
位置上的像素值
。
[0033]优选的，所述基于所述双目深度相机拍摄所述阀体彩色图像时的拍摄参数确定所述待重心定位阀体的深度坐标，包括：
[0034]利用如下计算式二计算所述深度坐标：
[0035][0036]其中，
z
c
为所述待重心定位阀体在
z
轴方向上的坐标值，
B
为所述双目深度相机的两个镜头的水平光心距，
f
为双目深度相机的镜头焦距，
x1
‑
x2
为所述待重心定位阀体在两个镜头上成像的像素差
。
[0037]由上述技术方案可知，本专利技术实施例提供的基于图像处理的阀体重心定位方法中，首先利用大量的阀体样本图像训练得到语义分割模型，然后利用该语义分割模型对双目深度相机拍摄的阀体彩色图像进行检测输出，得到待重心定位阀体的阀体语义分割图像
。
进一步，对阀体语义分割进行图像处理，并计算得到待重心定位阀体的二维中心像素坐标，以及基于双目深度相机拍摄阀体彩色图像时的拍摄参数计算得到待重心定位阀体的深度坐标，如此即可得到待重心定位阀本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像处理的阀体重心定位方法，其特征在于，包括：利用预先拍摄的大量阀体样本图像，训练得到能够对图像进行语义分割的语义分割模型；获取由双目深度相机拍摄的待重心定位阀体的阀体彩色图像；将所述阀体彩色图像输入所述语义分割模型，输出所述待重心定位阀体的阀体语义分割图像；对所述阀体语义分割图像进行图像处理，并计算所述待重心定位阀体二维的中心像素坐标；基于所述双目深度相机拍摄所述阀体彩色图像时的拍摄参数，确定所述待重心定位阀体的深度坐标；将所述二维的中心像素坐标与所述深度坐标所构成的三维坐标确定为所述待重心定位阀体的重心坐标
。2.
根据权利要求1所述的基于图像处理的阀体重心定位方法，其特征在于，所述利用预先拍摄的大量阀体样本图像训练得到能够对图像进行语义分割的语义分割模型，包括：获取由双目深度相机拍摄的若干阀体样本图像；针对每一幅阀体样本图像均执行：对当前阀体样本图像进行
N
倍下采样处理，获得同时包含低语义信息和高语义信息的第一特征图；其中，所述低语义信息包含阀体的边缘信息和顶点信息中的至少一个，所述高语义信息包含阀体的轮廓信息；对得到的所述第一特征图进行
N
倍上采样处理，并将得到的若干第二特征图进行加法融合，得到阀体语义分割预测图像；基于所述阀体语义分割预测图像与预先标注的标签图像，对交叉熵损失函数进行迭代运算，以对所述语义分割模型的模型参数进行优化；其中，所述标签图像中阀体部分为正样本，阀体之外的部分均为负样本
。3.
根据权利要求1所述的基于图像处理的阀体重心定位方法，其特征在于，所述对所述阀体语义分割图像进行图像处理，包括：对所述阀体语义分割图像进行形态学处理，以消除所述阀体语义分割图像中存在于阀体部分之外的噪点以及阀体内部的空洞点
。4.
根据权利要求3所述的基于图像处理的阀体重心定位方法，其特征在于，所述对所述阀体语义分割图像进行形态学处理，包括：确定第一扫描矩阵；其中，该第一扫描的维度均小于所述阀体语义分割图像所对应的矩阵维度，该第一扫描矩阵中包括一个扫描原点，且第一扫描矩阵为二值化矩阵；利用所述第一扫描矩阵对二值化的阀体语义分割图像的矩阵进行扫描；在每一次扫描过程中，当所述第一扫描矩阵的元素与其所覆盖...

【专利技术属性】
技术研发人员：赵丽，
申请(专利权)人：北方民族大学，
类型：发明
国别省市：