【技术实现步骤摘要】
本专利技术涉及工业视觉检测，尤其涉及一种亚像素精度的鲁棒pin针正位度检测方法、装置及存储介质。
技术介绍
1、pin针正位度检测是检测pin针位置与标准模板的差距，是连接器生产过程中重要且常见的环节，是对产品品质管控的最后环节。现有正位度检测多为人工采用网格板检测，存在成本高、测量手段精度低、速度慢等问题，固亟需实现基于视觉的正位度检测，以提高检测精度和效率，提升企业对输出产品的质量掌控能力。
2、现有正位度检测算法多基于传统二值化、边缘检测、模板匹配等，鲁棒性不够，对针尖不发光、针尖不规则、针侧面干扰等情况效果不好。在实际生产过程中，算法的重复定位精度达不到要求，传统亚像素边缘提取算法抗干扰能力和复杂提取能力较差。因此，研究鲁棒的亚像素pin针定位算法是目前需要解决的问题。
3、若通过针中心坐标建立坐标系，一次匹配，可能不鲁棒，现有的点集匹配算法多采用最小二乘估计计算最优变换矩阵，变换矩阵含有旋转参数和缩放因子，在正位度检测场景不适配，固需研究仅有平移的快速点集配准算法，以满足正位度检测需求。
技术实现思路
1、本专利技术提供了一种亚像素精度的鲁棒pin针正位度检测方法、装置及存储介质，以解决上述现有技术中的技术问题。
2、本专利技术采用的技术方案是：第一方面，本专利技术提供一种亚像素精度的鲁棒pin针正位度检测方法，包括：
3、获取待检测产品pin针的图像，在图像中能够呈现针体/针尖的轮廓信息；
4、对pin针区域定
5、在每颗pin针的感兴趣区域对pin针进行亚像素分割，得到亚像素级精度的针体/针尖分割结果；
6、根据pin针正位度分割结果，获取针体/针尖中心坐标；
7、若获取的针体/针尖中心个数不等于模板中心个数，则判定为存在漏针、歪针，进而将该产品判定为不合格产品；若获取的针体/针尖中心个数等于模板中心个数，则根据获取的针体/针尖中心坐标建立坐标系o；
8、对坐标系o与模板中心坐标系进行点集配准，根据点集配准结果判断正位度是否满足检测需求。
9、进一步的，所述对pin针进行亚像素分割所使用的分割网络为：在分割网络中增加亚像素特征提取模块、特征融合模块和下采样可学习模块。
10、进一步的，所述亚像素特征提取模块中的特征提取使用主干网络，通过主干网络对每颗pin针的感兴趣区域提取像素级特征；采用超分网络对像素级特征进行上采样得到亚像素特征。
11、进一步的，将亚像素特征提取模块得到的亚像素特征与分割网络编码阶段的特征进行多尺度特征拼接融合，得到融合的特征。
12、进一步的，将融合的特征通过下采样可学习模块进行下采样，得到和输入一样大的分割图像；将融合的特征输入分割网络解码阶段，得到输入大小n2倍的分割图像，分割精度为1/n2个像素，n为上采样倍数，n>1且为整数。
13、进一步的，还包括：将输入大小n2倍的分割图像通过下采样可学习模块进行下采样处理，得到和输入一样大的分割图像。
14、进一步的，所述对坐标系o与模板中心坐标系进行点集配准，根据点集配准结果判断正位度是否满足检测需求的方法包括：
15、在坐标系o下将针体/针尖中心的原点与模板中心的原点重合，计算其余针与模板中心的偏移(dx0，dy0)及距离d0；
16、判断所有针与模板中心的偏移(dx0，dy0)及距离d0是否符合正位度检测标准，若符合，则判定该产品为合格产品；若不符合，则计算除原点外，所有针体/针尖中心与模板中心偏移的绝对值的均值
17、以模板中心为中心，在x方向搜索范围为y方向的搜索范围为的矩形区域进行点集配准，搜索步长为s,搜索的总次数为其中k1、k2为正数；
18、每次循环将pin针中心坐标按步长、方向进行平移，重新计算所有针与模板中心的偏移(dxi，dyi)及距离di，若符合正位度检测标准，则判定为合格产品，否则继续循环；
19、若循环结束，均不符合正位度检测标准，则选取循环中(dxi，dyi)最小的一次作为最优匹配结果进行显示。
20、第二方面，本专利技术提供一种亚像素精度的鲁棒pin针正位度检测装置，包括：
21、pin针图像获取模块，用于获取待检测产品pin针的图像，在图像中能够呈现针体/针尖的轮廓信息；
22、pin针区域定位模块，用于对pin针区域定位，得到每颗pin针的感兴趣区域；
23、pin针亚像素分割模块，用于在每颗pin针的感兴趣区域对pin针进行亚像素分割，得到亚像素级精度的针体/针尖分割结果；
24、pin针中心坐标定位模块，用于根据pin针正位度分割结果，获取针体/针尖中心坐标；
25、pin针个数判断模块，用于判断获取的针体/针尖中心个数是否等于模板中心个数，若不等于则判定为存在漏针、歪针，进而将该产品判定为不合格产品；若获取的针体/针尖中心个数等于模板中心个数，则通过pin针中心坐标系变换模块根据获取的针体/针尖中心坐标建立坐标系o；
26、点集配准模块，用于对坐标系o与模板中心坐标系进行点集配准，根据点集配准结果判断正位度是否满足检测需求。
27、第三方面，本专利技术提供一种电子设备，所述电子设备包括：
28、一个或多个处理器；
29、存储装置，用于存储一个或多个程序；
30、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的亚像素精度的鲁棒pin针正位度检测方法。
31、第四方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的亚像素精度的鲁棒pin针正位度检测方法。
32、本专利技术的有益效果是：本专利技术通过“亚像素网络分割”策略，通过在现有分割网络中增加亚像素特征提取模块、特征融合模块、下采样可学习模块，得到1/n2(n>1，为整数)个像素精度的pin针分割结果，降低了高精度成像方案的硬件成本，采用可学习的方式提高了pin针的分割精度，并可进一步提高算法的重复定位精度，且深度学习算法能够适配针尖不发光、针尖不规则、针侧面干扰等情况；通过“全局迭代点集配准”策略，通过初始匹配时的偏移作为点集搜索范围，可迭代进行pin针中心坐标和模板中心坐标的点集配准，相比现有正位度检测方法，亚像素分割能够保证高分割精度，降低了高精度成像方案的硬件成本,采用的点集配准方法无缩放和旋转，高效、可控、鲁棒性较高，满足正位度检测需求。
本文档来自技高网...【技术保护点】
1.一种亚像素精度的鲁棒PIN针正位度检测方法，其特征在于，包括：
2.根据权利要求1所述的亚像素精度的鲁棒PIN针正位度检测方法，其特征在于，所述对PIN针进行亚像素分割所使用的分割网络为：在分割网络中增加亚像素特征提取模块、特征融合模块和下采样可学习模块。
3.根据权利要求2所述的亚像素精度的鲁棒PIN针正位度检测方法，其特征在于，所述亚像素特征提取模块中的特征提取使用主干网络，通过主干网络对每颗PIN针的感兴趣区域提取像素级特征；采用超分网络对像素级特征进行上采样得到亚像素特征。
4.根据权利要求3所述的亚像素精度的鲁棒PIN针正位度检测方法，其特征在于，将亚像素特征提取模块得到的亚像素特征与分割网络编码阶段的特征进行多尺度特征拼接融合，得到融合的特征。
5.根据权利要求4所述的亚像素精度的鲁棒PIN针正位度检测方法，其特征在于，将融合的特征通过下采样可学习模块进行下采样，得到和输入一样大的分割图像；将融合的特征输入分割网络解码阶段，得到输入大小n2倍的分割图像，分割精度为1/n2个像素，n为上采样倍数，n>1且为整数。
6.根据权利要求5所述的亚像素精度的鲁棒PIN针正位度检测方法，其特征在于，还包括：将输入大小n2倍的分割图像通过下采样可学习模块进行下采样处理，得到和输入一样大的分割图像。
7.根据权利要求5所述的亚像素精度的鲁棒PIN针正位度检测方法，其特征在于，所述对坐标系O与模板中心坐标系进行点集配准，根据点集配准结果判断正位度是否满足检测需求的方法包括：
8.一种亚像素精度的鲁棒PIN针正位度检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的亚像素精度的鲁棒PIN针正位度检测方法。
...【技术特征摘要】
1.一种亚像素精度的鲁棒pin针正位度检测方法，其特征在于，包括：
2.根据权利要求1所述的亚像素精度的鲁棒pin针正位度检测方法，其特征在于，所述对pin针进行亚像素分割所使用的分割网络为：在分割网络中增加亚像素特征提取模块、特征融合模块和下采样可学习模块。
3.根据权利要求2所述的亚像素精度的鲁棒pin针正位度检测方法，其特征在于，所述亚像素特征提取模块中的特征提取使用主干网络，通过主干网络对每颗pin针的感兴趣区域提取像素级特征；采用超分网络对像素级特征进行上采样得到亚像素特征。
4.根据权利要求3所述的亚像素精度的鲁棒pin针正位度检测方法，其特征在于，将亚像素特征提取模块得到的亚像素特征与分割网络编码阶段的特征进行多尺度特征拼接融合，得到融合的特征。
5.根据权利要求4所述的亚像素精度的鲁棒pin针正位度检测方法，其特征在于，将融合的特征通过下采样可学习模块进行下采样，得到...
【专利技术属性】
技术研发人员：张欢欢，许亮，刘梅，刘明华，
申请(专利权)人：四川启睿克科技有限公司，
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。