本发明属于机器视觉和检测领域，并公开了一种基于视觉的多层梁中外梁孔的识别与定位方法。该方法包括：(a)计算实际尺寸向像素尺寸转换的转换系数；(b)从待识别多层梁外梁孔中选择生成模板，对待识别图像进行模板匹配，得到孔的尺寸类型，以最佳匹配点为中心截取新的局部图像，对新图像进行亚像素精度级的边缘检测；(c)使用边缘点数据拟合孔中心坐标，乘上转换系数得到待识别多层梁外梁孔的中心坐标，从而实现孔的识别与定位。通过本发明，实现了多层梁中外梁孔盲孔的自动识别和定位，减轻了工人的劳动强度，提高了外梁孔加工精度和多层梁的铆接质量，并数倍提升生产效率。
1.一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，该方法包括下列步骤：
(a)对已知标准圆孔拍照，在得到的图像中测量该已知标准圆孔的半径即像素尺寸，测量该已知标准圆孔实际半径即实际尺寸，所述实际尺寸与所述像素尺寸之比记为转换系数K；
(b)对待处理圆孔进行拍照得到待处理图像，在该待处理的图像中截取图像，对该截取图像进行亚像素细分后得到每个点的多个特征值，将其中的某些特征值与预设条件进行比较，满足该预设条件的点为边缘点，该边缘点其它特征值用于计算该边缘点的亚像素精度级坐标，由此，得到所有所述边缘点的亚像素精度级坐标，其中，所述截取图像按照下列步骤进行：(b1)将所述已知标准圆孔按照不同半径规格分类，每种不同半径规格的所述标准圆孔选取多个，对选取出来的所述标准圆孔拍照并测量其所述像素尺寸，同一类半径规格的所述标准圆孔的所述像素尺寸取平均值，以预设压缩倍数D压缩该平均值对应的所述标准圆孔的图像，并以压缩后的图像作为模板；
(b2)对所述待处理图像按照所述预设压缩倍数D压缩得到压缩图像，所述压缩图像与所述模板中的点进行匹配直到达到预设匹配值，由此得到最佳匹配点，记录该点的在所述压缩图像中的坐标，同时该匹配点所在的所述标准圆孔即最匹配标准圆孔，由此，得到待处理圆孔的半径，即实现对待处理圆孔的识别；
(b3)将所述最佳匹配点的压缩图像中的坐标乘以所述压缩倍数D,得到在所述待处理图像中该最佳匹配点的坐标，然后在所述待处理图像中以该最佳匹配点为中心，以大于所述最匹配标准圆孔面积截取图像；
(c)用所述边缘点的亚像素精度级坐标拟合出待处理圆孔的亚像素精度级的圆心坐标，该圆心坐标乘以所述转换系数K得到待处理圆孔的实际圆心坐标，由此实现待处理圆孔的定位。
2.如权利要求1所述的一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，在步骤(b)中，在亚像素细分之前，对所述截取图像进行预处理，该预处理的方法包括中值滤波、自适应阈值二值化、图像增强。
3.如权利要求2所述的一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，在步骤(b)中，所述亚像素细分采用Zernike矩亚像素插值算法中的7*7模板。
4.如权利要求1或2所述的一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，在步骤(b)中，所述某些特征值是指距离和灰度差参数。
5.如权利要求1或2所述的一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，在步骤(b1)中，所述标准圆孔拍照后，对拍照得到的照片进行处理，该处理包括滤波、增强、二值化，同时，所述像素尺寸取平均值后，以该平均值重新生成所述标准圆孔的二值化图像后再以预设压缩倍数压缩。
6.如权利要求1-3任一项所述的一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，在步骤(b2)中，所述匹配是对所述压缩图像与所述模板中的点的灰度进行匹配。
7.如权利要求1-3任一项所述的一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，在步骤(c)中，所述拟合采用最小二乘法拟合。
一种基于视觉的多层梁中外梁孔的识别与定位方法
技术领域
[0001] 本发明属于机器视觉和检测领域，更具体地，涉及一种基于视觉的多层梁中外梁孔的识别与定位方法。
背景技术
[0002] 多层梁，特别是双层梁，是一种常见的大型承重结构。多层梁由多片单层梁铆接而成，与单层梁相比，多层梁具有更高的强度，因此广泛使用在汽车车架、桥梁、大型桁架式建筑物及其他承重结构中。为了减小甚至消除待铆接孔的错位，提高多层梁的质量，多层梁配孔工艺对各单层梁上待铆接孔的中心重合度和孔直径误差提出了很高的要求。例如，商用车车架所用的双层钢梁通常要求内外梁孔中心重合度误差和直径误差均小于0.05mm。为了达到孔中心重合度和直径误差的要求，在加工多层梁待铆接孔时，一般采用配钻或配冲孔工艺方法，即先加工最外层的外梁孔，再将内、外梁配合，根据外梁孔的位置配套加工各内梁孔。在该工艺方法中，外梁孔位置和大小的确定成为多层梁生产的核心问题。
[0003] 组成多层梁的各个单层梁通常颜色非常接近。多层梁叠放在一起时，外梁孔相当于一个盲孔，且它的深度较浅，这些问题都给外梁孔的识别带来了难度。在现有技术条件下，多层梁外梁孔的定位完全依靠人眼观察和手工对齐，工人劳动强度大，生产效率低。在中国实用新型专利说明书CN204412881U中公开了一种汽车双层钢梁快速高效配冲孔自动生产线，该方法需要人工使用导正销进行外梁孔的逐个定位，工人劳动强度大，且整条孔加工生产线效率低。王华曾在博士学位论文《基于计算机是觉得车架纵梁在线检测关键技术研究》中提出一种装配孔的识别方法，但该方法仅用于配孔加工后孔的数量的检测，由于多层梁已经过配孔加工，所以多层梁的孔是通孔，在检测时可以使用具有明显色差的光源进行背光照明，而多层梁在配孔加工前外梁孔是盲孔，因此该方法并不适合多层梁外梁孔的检测。总结来说，目前尚未有孔的自动识别技术在多层梁外梁孔识别中得到应用。
发明内容
[0004] 针对现有技术的以上缺陷或改进需求，本发明提供了一种基于视觉的多层梁中外梁孔的识别与定位方法，通过机器人视觉自动识别，由此解决多层梁中外梁孔大小的识别和定位的技术问题。
[0005] 为实现上述目的，按照本发明的一个方面，提供了一种基于视觉的多层梁中外梁孔的识别与定位方法，其特征在于，该方法包括下列步骤：
[0006] (a)对已知标准圆孔拍照，在得到的图像中测量该已知标准圆孔的半径即像素尺寸，测量该已知标准圆孔实际半径即实际尺寸，所述实际尺寸与所述像素尺寸之比记为转换系数K；
[0007] (b)对待处理圆孔进行拍照得到待处理图像，在该待处理的图像中截取图像，对该截取图像进行亚像素细分后得到每个点的多个特征值，将其中的某些特征值与预设条件进行比较，满足该预设条件的点为边缘点，该边缘点其它特征值用于计算该边缘点的亚像素精度级坐标，由此，得到所有所述边缘点的亚像素精度级坐标，其中，所述截取图像按照下列步骤进行：
[0008] (b1)将所述已知标准圆孔按照不同半径规格分类，每种不同半径规格的所述标准圆孔选取多个，对选取出来的所述标准圆孔拍照并测量其所述像素尺寸，同一类半径规格的所述标准圆孔的所述像素尺寸取平均值，以预设压缩倍数D压缩该平均值对应的所述标准圆孔的图像，并以压缩后的图像作为模板；
[0009] (b2)对所述待处理图像按照所述预设压缩倍数D压缩得到压缩图像，所述压缩图像与所述模板中的点进行匹配直到达到预设匹配值，由此得到最佳匹配点，记录该点的在所述压缩图像中的坐标，同时该匹配点所在的所述标准圆孔即最匹配标准圆孔，由此，得到待处理圆孔的半径，即实现对待处理圆孔的识别；
[0010] (b3)将所述最佳匹配点的压缩图像中的坐标乘以所述压缩倍数D,得到在所述待处理图像中该最佳匹配点的坐标，然后在所述待处理图像中以该最佳匹配点为中心，以大于所述最匹配标准圆孔面积截取图像；
[0011] (c)用所述边缘点的亚像素精度级坐标拟合出待处理圆孔的亚像素精度级的圆心坐标，该圆心坐标乘以所述转换系数K得到待处理圆孔的实际圆心坐标，由此实现待处理圆孔的定位。
[0012] 总体而言，通过本发明所构思的以上技术方案与现有技术相比，，能够取得下列有益效果：
[0013] 1、本发明通过采用基于视觉的多层梁外梁孔识别与定位方法，实现多层梁中外梁孔盲孔的自动识别和定位，减轻了工人的劳动强度，提高了孔加工精度和多层梁的铆接质量，并数倍提升生产效率；
[0014] 2、本发明通过先进行模板匹配得到最佳匹配点，再以最佳匹配点为中心截取图像，使得新的待处理图像面积大大减小，减小直接在原图像进行亚像素精度级边缘检测中算法消耗的时间，提高了运算速度；
[0015] 3、本发明通过先进行模板匹配得到最佳匹配点，再以最佳匹配点为中心截取图像后对图像进行预处理，消除了待识别孔周边的噪声，比如光斑，条带，反光区域，减小了识别误差，提高了识别和定位的准确度；
[0016] 4、本发明通过先对匹配模板和待处理图像进行压缩，使得匹配模板中和待处理图像中需要参与匹配的点数量成倍减少，从而减少了计算量和计算消耗的时间，同时也不影响最终寻找最佳匹配点的结果。
附图说明
[0017] 图1是按照本发明的优选实施例所构建的识别和定位方法的流程图；
[0018] 图2是按照本发明的优选实施例所构建的用于识别和定位外梁孔的装置示意图。
[0019] 在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：
[0020] 1-相机安装架 2-相机 3-待识别多层梁 4-辊道
具体实施方式
[0021] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0022] 图1是按照本发明的优选实施例所构建的识别和定位方法的流程图；图2是按照本发明的优选实施例所构建的用于识别和定位外梁孔的装置示意图。如图1和2所示，本发明具体实施过程按照下列步骤进行：
[0023] (1)相机安装架1与多层梁生产线相对固定，相机2固定在相机安装架1上。首先将一个带有标准圆孔且与待识别多层梁厚度相等的板料放在辊子4上，然后使用相机2采集标准圆孔的图像进行检测，得到圆孔的像素尺寸，然后精确测量标准圆孔的实际尺寸，得到实际尺寸与像素尺寸之比，记为实际尺寸向像素尺寸转换的转换系数K；
[0024] (2)建立标准模板，从待识别多层梁外梁孔的每种规格的圆孔中各选择较为洁净的圆孔，对它们进行滤波、增强、二值化等操作，并进行像素级圆提取，得到它们的圆半径，然后求取每种规格孔的所有圆图像的半径的平均值，然后以各种规格孔的平均半径各自生成新的二值化的圆图像，最后将各个规格孔对应的新生成的圆图像都以倍数D进行压缩，压缩后的圆图像作为模板；
[0025] (3)将待识别梁3放置在辊道4上，实现匀速输送，使用相机2，按照一定的时间间隔结合生产线的节拍进行拍照，采集待识别多层梁外梁孔的图像；
[0026] (4)以同样的倍数D，本实施例中压缩倍数D为2，将采集到的待识别孔的图像进行压缩，并将各种规格的孔的模板依次与待识别图像进行匹配，如果不能找到最佳匹配点，则使用下一种规格的孔模板，如果能得到最佳匹配点，则记录最佳匹配点的坐标，且孔模板对应的孔的类型即为当前图像中待识别孔的类型；
[0027] (5)将最佳匹配点的坐标乘以压缩倍数D，并在待匹配图像上，以新得到的坐标点为中心，并以大于此类型孔对应的的标准孔的面积截取出新的图像；
[0028] (6)对所得到的新截取的图像进行中值滤波、自适应阈值二值化、图像增强等预处理，除去图像中的噪声，然后进行亚像素精度级的边缘检测，具体方法是使用7个的7*7的Zernike模板M00、M11R、M11I、M20、M31R、M31I、M40，分别与图像进行卷积，得到每个像素点的7个Zernike矩Z00、00、Z11R、Z11I、Z20、Z31R、Z31I、Z40，然后对于每个点，根据它的7个Zernike矩，求得距离参数L和灰度差参数k，当L和k都满足预设条件时，本实施例中，预设条件是L大于20，k大于√2/7，则判断该点为边缘点，并进一步利用上述7个Zernike矩求出该点的亚像素级坐标，并记录，如果L或k不满足设定的条件，则该点不是边缘点，转到下一个点求解距离参数L和灰度差参数k重复本步骤，直到遍历新截取图像的所有点，得到所有亚像素精度级的边缘点的坐标的集合；
[0029] (7)最后根据检测到的亚像素精度级的边缘点，拟合出孔中心的亚像素坐标和半径，乘上实际尺寸向像素尺寸的转换系数K得到多层梁外梁孔的位置，而外梁孔对应的尺寸类型已经在步骤(4)中得到。
[0030] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
