System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法技术_技高网

基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法技术

技术编号:41112622 阅读:4 留言:0更新日期:2024-04-25 14:04
本发明专利技术公开了一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,首先建立目标表面偏振特性与表面法向量、偏振相角之间的关系;其次获取四个不同标准粗糙度模块的法向量、偏振相角的离散程度,建立最小二乘拟合模型,拟合出粗糙度对比样块表面的法向量离散程度‑粗糙度值函数模型、偏振相角离散程度‑粗糙度值函数模型;然后选择待测粗糙度对比样块中的区域,计算融合系数并得到粗糙度最优估计模型;最后选择待测粗糙度对比样块中的区域,利用卡尔曼滤波方法计算出粗糙度的最优估计结果。本发明专利技术具有非接触、测量速度快、系统小型化和受环境因素影响较低的优势,可以获取准确且数量丰富的特征描述符,使得测量结果的稳定性更强。

【技术实现步骤摘要】

本专利技术属于计算机视觉,具体涉及一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法


技术介绍

1、表面形貌参数粗糙度是衡量加工件表面质量的重要指标,它与机械零件的配合度、耐磨性、疲劳强度、接触刚度、振动和噪音密切相关,对产品的使用寿命和可靠性有重要影响。因此,精确测量目标表面形貌参数粗糙度是精密工程和制造业的一项重要需求。

2、现有的测量方法主要分为探针法和基于计算机视觉的方法,探针法利用金刚石触针沿被测表面缓慢滑行,金刚石触针的上下位移量转换为表面粗糙度数值,探针式测量仪已在很多工业生产车间得到了应用,但这种方法存在一些局限性,首先由于测量过程涉及表面划伤,因此不适合软质材料,其次测针的精度取决于其尖端半径,无法准确测量比触控笔尖端更小的裂缝表面,最后该方法测量时间长、对某些环境有额外要求且设置复杂。计算机视觉方法依赖于特征提取来量化目标表面形态并建立预测模型。但由于目标表面的粗糙纹理灰度值分布均匀使得揭示的粗糙度信息很少,传统视觉方法难以提取出足够数量和准确的特征点,这导致了粗糙度测量结果不稳定。针对这一问题,本专利技术提出了一种新的基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法。

3、基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法是一种非接触式方法,该方法与传统探针法的优势在于对被测目标表面无伤害,可应用于软质材料,且具有测量速度快、精度高、测量系统小型化的优点;该方法与传统计算机视觉法的优势在于利用偏振图像的统计特性可获取准确且数量丰富的法向量、偏振相角信息作为特征点,更多更准确的特征点使粗糙度测量结果的稳定性更强。


技术实现思路

1、为了克服现有技术的不足,本专利技术提供了一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,首先获取粗糙度对比样块表面四个角度的偏振图像,通过求解斯托克斯矢量计算出粗糙度对比样块表面的偏振参数,建立目标表面偏振特性与表面法向量、偏振相角之间的关系;其次从粗糙度对比样块中选择一个样块并提取出待测区域,计算其中所有法向量与法向量平均值、所有偏振相角与偏振相角平均值的离散程度,依次获取四个不同标准粗糙度模块的法向量、偏振相角的离散程度,建立最小二乘拟合模型,拟合出粗糙度对比样块表面的法向量离散程度-粗糙度值函数模型、偏振相角离散程度-粗糙度值函数模型;然后选择待测粗糙度对比样块中的区域,计算其中法向量离散程度、偏振相角离散程度分别带入拟合模型得到粗糙度值,多次进行上述实验分别得到两种计算结果的标准差,计算融合系数并得到粗糙度最优估计模型;最后选择待测粗糙度对比样块中的区域,利用粗糙度最优估计模型计算粗糙度值,将其裁剪成独立且等面积的多个小方块,利用粗糙度最优估计模型依次计算每个小方块区域的粗糙度值,将区域整体的粗糙度值作为估计值输入,将小方块区域的粗糙度值堆叠为堆栈后作为测量值输入,利用卡尔曼滤波方法计算出粗糙度的最优估计结果。本专利技术具有非接触、测量速度快、系统小型化和受环境因素影响较低的优势,且由偏振统计特性可以获取准确且数量丰富的特征描述符,使得测量结果的稳定性更强。

2、本专利技术解决其技术问题所采用的技术方案包括如下步骤:

3、步骤1:获取粗糙度对比样块表面四个角度的偏振图像;

4、步骤2:通过求解斯托克斯矢量计算出粗糙度对比样块表面的偏振参数,建立目标表面偏振特性与表面法向量、表面偏振相角之间的关系;

5、步骤3:从粗糙度对比样块中选择一个样块并提取出区域a作为待测区域,计算该区域中所有法向量、偏振相角的平均值,计算a中所有法向量与法向量平均值的离散程度并取均值,计算a中所有偏振相角与偏振相角平均值的离散程度并取均值,依次获取四个不同标准粗糙度模块的法向量、偏振相角的离散程度度量值;

6、步骤4:建立最小二乘拟合模型,拟合出粗糙度对比样块表面的法向量离散程度-粗糙度值函数模型、偏振相角离散程度-粗糙度值函数模型;

7、步骤5:选择待测粗糙度对比样块中的区域b,计算b中法向量离散程度、偏振相角离散程度并分别带入对应的拟合模型得到粗糙度值raaop,多次进行分别得到两种计算结果的标准差σaop,计算融合系数并得到粗糙度的最优估计模型;

8、步骤6:利用粗糙度最优估计模型计算待测区域c的整体粗糙度值,将区域c裁剪成独立且等面积的n*n个小方块,并利用估计模型依次计算每个小方块区域的粗糙度值rai,i=1,2,...,n*n;

9、步骤7:将区域c的粗糙度值作为估计值输入,将所有小方块的粗糙度值堆叠为堆栈后作为测量值输入,利用卡尔曼滤波方法计算出粗糙度的最优估计结果。

10、进一步地,所述步骤1的具体方法为:利用分焦平面偏振相机或在普通相机前安装并旋转线偏振片的方式,获取粗糙度对比样块0°、45°、90°、135°四个角度的偏振图像。

11、进一步地,所述步骤2的具体方法为:通过求解斯托克斯矢量计算出粗糙度对比样块表面偏振度和偏振相角信息,解算得到天顶角和方向角信息,进而获取表面的法向量、偏振相角分布;

12、用四个参数构成的一个向量来对光的偏振态进行描述,即stokes矢量:

13、

14、其中,s0代表总光照强度,s1代表0°方向上线偏振光的光照强度,s2代表45°方向上线偏振光的光照强度,s3代表圆偏光的光照强度,i0°、i45°、i90°、i135°分别代表线偏振片旋转至0°、45°、90°、135°四个方向时相机获取的光强强度,ilh、irh分别代表左旋圆偏振光和右旋圆偏振光;

15、根据斯托克斯参量,进一步计算得到偏振度dolp和偏振相角aop,计算公式如下所示:

16、

17、

18、只考虑线偏振情况,因此这里取斯托克斯参量s3=0;

19、法向量天顶角θd与偏振度ρ的关系为:

20、

21、其中n为材料的折射率;

22、法向量方位角φ与偏振相角aop的关系为:

23、

24、因为斯托克斯矢量给出了方位角平面的方向,因此利用该关系消除偏振相角aop与方位角φ的歧义性,即可下式计算:

25、

26、上式中,sgn()为符号函数;

27、以代表物体表面某点的法向量,则该法向量的标准形式可以表示为:

28、

29、其中θd为法向量天顶角,φ为方位角。

30、进一步地,所述步骤3的具体方法为:从粗糙度对比样块中选择一个样块并提取出正方形区域a作为待测区域,分别计算区域a中所有法向量、偏振相角的平均值,然后计算a中所有法向量与法向量平均值的离散程度度量值并取均值,计算a中所有偏振相角与偏振相角平均值的离散程度度量值并取均值,依次获取四个不同标准粗糙度模块的法向量、偏振相角的离散程度的度量值。

31、进一步地,所述步骤4的具体方法为:建立最小二乘拟合模型,利用步骤3获取的四个不同标准粗糙度模本文档来自技高网...

【技术保护点】

1.一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤1的具体方法为:利用分焦平面偏振相机或在普通相机前安装并旋转线偏振片的方式,获取粗糙度对比样块0°、45°、90°、135°四个角度的偏振图像。

3.根据权利要求2所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤2的具体方法为:通过求解斯托克斯矢量计算出粗糙度对比样块表面偏振度和偏振相角信息,解算得到天顶角和方向角信息,进而获取表面的法向量、偏振相角分布;

4.根据权利要求3所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤3的具体方法为:从粗糙度对比样块中选择一个样块并提取出正方形区域A作为待测区域,分别计算区域A中所有法向量、偏振相角的平均值,然后计算A中所有法向量与法向量平均值的离散程度度量值并取均值,计算A中所有偏振相角与偏振相角平均值的离散程度度量值并取均值,依次获取四个不同标准粗糙度模块的法向量、偏振相角的离散程度的度量值。

5.根据权利要求4所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤4的具体方法为:建立最小二乘拟合模型,利用步骤3获取的四个不同标准粗糙度模块法向量的平均余弦相似度和其对应的不同粗糙度标准值Ra=0.8、1.6、3.2、6.3,拟合出法向量平均余弦相似度-粗糙度值函数模型,利用步骤3获取的四个不同标准粗糙度模块方向角的平均标准差值和其对应的不同粗糙度标准值,拟合出偏振相角平均标准差值-粗糙度值函数模型。

6.根据权利要求5所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤5的具体方法为:选择粗糙度对比样块中的区域B,计算出区域B的法向量离散程度并带入步骤4中拟合函数模型得到粗糙度值计算出区域B的偏振相角离散程度并带入步骤4中拟合函数模型得到粗糙度值RaAoP,多次进行分别得到两种计算结果的标准差σAoP,假设两种计算结果均服从正态分布,计算出融合系数并得到粗糙度的最优估计模型。

7.根据权利要求6所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤7具体为:

...

【技术特征摘要】

1.一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤1的具体方法为:利用分焦平面偏振相机或在普通相机前安装并旋转线偏振片的方式,获取粗糙度对比样块0°、45°、90°、135°四个角度的偏振图像。

3.根据权利要求2所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤2的具体方法为:通过求解斯托克斯矢量计算出粗糙度对比样块表面偏振度和偏振相角信息,解算得到天顶角和方向角信息,进而获取表面的法向量、偏振相角分布;

4.根据权利要求3所述的一种基于卡尔曼滤波和偏振图像裁剪堆叠的表面形貌检测方法,其特征在于,所述步骤3的具体方法为:从粗糙度对比样块中选择一个样块并提取出正方形区域a作为待测区域,分别计算区域a中所有法向量、偏振相角的平均值,然后计算a中所有法向量与法向量平均值的离散程度度量值并取均值,计算a中所有偏振相角与偏振相角平均值的离散程度度量值并取均值,依次获取四个不同标准粗糙度模块的法向量、偏振相角的离...

【专利技术属性】
技术研发人员:赵永强郭阳宋健姚乃夫
申请(专利权)人:西北工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1