申请/专利权人：中国地质大学(武汉)

申请日：2022-01-07

公开（公告）日：2024-05-14

公开（公告）号：CN114549403B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06N3/08;G06T5/70;G06T7/13;G06T7/136;G06T5/60

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2022.06.14#实质审查的生效;2022.05.27#公开

摘要：本发明提供了一种机械零部件侧剖面多单体智能精密几何圆心检测方法，背景板用于安装待测机械零件，光源设于背景板的相对面，工业相机获取待测机械零件图像，计算机提取所述图像的特征要素，对进行图像预处理，计算所述图像上每一点的梯度幅值，并设定阈值；比对所有梯度幅值与阈值大小，去除小于阈值的梯度幅值，确定候选圆；结合梯度运算进行Hough变换算法检测候选圆的参数；利用卷积神经网络滤除假圆，并定位圆心位置。通过结合梯度运算的精确检测定位算法定位图像中的圆心位置，以及圆在图像上的其他几何参数，具有圆心定位精度高、误差小，适用于各种复杂环境检测的优势。

主权项：1.一种机械零部件侧剖面多单体智能精密几何圆心检测方法，其特征在于，基于机械零部件侧剖面多单体智能精密几何圆心检测系统，所述机械零部件侧剖面多单体智能精密几何圆心检测系统包括：试验台，包括背景板和光源，所述背景板用于安装待测机械零件，所述光源设于所述背景板的相对面，以照亮所述背景板；工业相机，活动设于所述背景板的相对面，以拍摄所述待测机械零件，获取图像；相机轨迹控制平台，用于安装所述工业相机，以驱动所述工业相机活动；计算机，包括图像处理模块，用于提取所述图像的特征要素；图像采集输入模块，与所述工业相机、所述相机轨迹控制平台和所述计算机通信连接，以将所述工业相机获取的图像传输至所述计算机；可编程逻辑控制器，与所述计算机通信连接，以输出显示所述图像的特征要素；所述机械零部件测剖面多单体智能精密几何圆心检测方法包括以下步骤：S10：获取待测机械零件的图像；S20：基于所述待测机械零件的图像，进行图像预处理，对所述图像灰度化和滤波；S30：计算所述图像上每一点的梯度幅值，并设定所述梯度幅值的阈值；S40：比对所有所述梯度幅值与所述阈值大小，去除小于所述阈值的梯度幅值，确定候选圆；S50：基于所述候选圆，结合梯度运算进行Hough变换算法检测所述候选圆的参数；S60：基于所述候选圆的参数，利用卷积神经网络滤除假圆，并定位圆心位置，所述假圆为无效候选圆；其中，梯度方向角表示所述图像中灰度变化最剧烈的方向，所述梯度方向角与圆的切线方向垂直；计算所述图像上每一点的梯度幅值具体包括如下步骤：S31：计算梯度近似值： ；其中，，，表灰度图像第i行第j列的灰度值；S32：基于Sobel算子对和进行计算，所述和采用的卷积模板为： ，；S33：计算所述梯度幅值和所述梯度方向角；其中，所述梯度幅值为：；所述梯度方向角为：，为梯度方向角；所述基于所述候选圆，结合梯度运算进行Hough变换算法检测所述候选圆的参数具体包括如下步骤：S51：采用Hough变换算法在所述图像上进行随机采样，获取边缘点；S52：基于所述梯度幅值和所述梯度方向角，获取每一所述边缘点的坐标为x，y、梯度幅值为，梯度方向角的正余弦值分别为： ，获得圆的极坐标方程为： ，；S53：在所述图像上随机采样两个所述边缘点的坐标分别为m和，基于梯度计算，两个所述边缘点分别对应为和；代入步骤S52中的极坐标方程，获取所述候选圆的参数（a，b，r）分别为： i=1,2； i=1,2； ；特殊情况当，时： ；当，时： ；所述获取所述候选圆的参数（a，b，r）步骤之后还包括：步骤S54：统计落入所述候选圆上的所述边缘点的点数，统计区间为所述候选圆外接正方形和所述候选圆内接正方形之间的区域，去除所述区域外的所述边缘点；步骤S55：基于所述候选圆的参数，获取所述区域内的边缘点至所述候选圆的圆心的距离d；步骤S56：若，则对应的所述边缘点在所述候选圆上，记为保留边缘点，否则，去除对应的所述边缘点；其中，为所述图像计算的许可余量；步骤S57：获取每一所述保留边缘点的梯度幅值，并将所述梯度幅值进行累加后求取所述保留边缘点的梯度均值；步骤S58：比对所有所述候选圆上的所述梯度均值与所述阈值大小，大于或等于所述阈值的所述候选圆为真圆；否则，为假圆；所述基于所述候选圆的参数，利用卷积神经网络滤除假圆，并定位圆心位置具体包括以下步骤：S61：基于所述图像，采用25幅进行分割，其中，前5幅作为测试集的原始图像，后20幅作为训练集的原始图像；S62：对所述25幅图像做圆形检测，分别获取候选圆的参数；S63：基于每一所述候选圆，以圆心为中心，直径为边长，在所述25幅图像中画正方形；S64：在所述正方形图像中，所述候选圆外部分的像素设置为零；S65：保存所述正方形图像，并将所述正方形的尺寸标准化，以使每一幅图像的尺寸大小相同；S66：将所述正方形图像作为训练集输入至卷积神经网络，所述卷积神经网络为第一卷积层采用3个5x5卷积核提取特征，得到3通道特征图，第二卷积层采用4个3x3卷积核得到4通道特征图；S67：卷积层后加入最大池化层，输出层数据，用softmax分类器进行处理，分类识别结果R为： i=1，2；S68：根据训练出的卷积神经网络判断测试集中的每一正方形图像中圆是否真实存在，若不存在，则在圆形检测结果中舍去对应的所述候选圆。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 一种机械零部件侧剖面多单体智能精密几何圆心检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD