[发明专利]基于机器视觉的气囊点爆过程参数与异常的自动检测方法有效
申请号: | 201911015172.5 | 申请日: | 2019-10-24 |
公开(公告)号: | CN110766677B | 公开(公告)日: | 2022-03-18 |
发明(设计)人: | 胡宏宇;王琦;赵宇婷;张慧珺 | 申请(专利权)人: | 吉林大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/136 |
代理公司: | 长春吉大专利代理有限责任公司 22201 | 代理人: | 朱世林;张晶 |
地址: | 130012 吉*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 机器 视觉 气囊 过程 参数 异常 自动检测 方法 | ||
1.一种基于机器视觉的气囊点爆过程参数与异常自动检测方法,其特征在于,包括以下步骤:
步骤1:气囊接受从碰撞传感器的电信号,开始气囊点爆过程;工业相机A1、B2、C3、D4、E5、F7、G9进行同步的图像采集直至气囊点爆过程结束;工业相机在气囊的点爆过程中获取图片的频率不小于500fps,每张图像的拍摄时刻按照时间的顺序记为第1,2,3……T-1,T张图像;
气囊左侧工业相机编号为A1,上方工业相机编号为C3,右侧工业相机编号为F7,下方工业相机编号为G9,中心工业相机编号为D4,中心偏左侧工业相机编号为B2,中心偏右侧工业相机编号为E5;
步骤2:对工业相机A1、工业相机C3、工业相机D4的所获取的图像进行处理,三台工业相机的光轴方向正交;记在t时刻工业相机i获取的图像记为同一时刻t的图像归入一个组St中,记为
t=1,2,3……T-1,T
i=1、3、4;
步骤3:运用自适应阈值分割方法或者高斯混合模型将气囊从图像中分割出来;计算在t时刻集合St中图像分割出来的气囊的面积,即像素数,对应的记为其中为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的面积;然后计算上述分割后的气囊的等效正方形边长为其中,为t时刻相机编号A1、C3、D4的工业相机所拍摄图像内气囊的等效正方形边长,且
步骤4:由于气囊在点爆过程中不断充气,根据力学特性,计算dt中所有元素的乘积,即并绘制Vapprox-t曲线,该曲线与气囊真实的体积Vact的大致走势接近,故以Vapprox-t曲线为基础,将气囊点爆过程划分为三部分;
步骤5:Tt1~Tt2时间段内气囊弹出异常检测;Tt1为气囊初次达到总体积的20%的时刻;Tt2为气囊初次达到总体积的80%的时刻;Tt3为气囊工作结束时间;
所述Tt1~Tt2时间段内气囊弹出异常检测的具体步骤如下:
①对工业相机D4的图像进行处理;通过相机的预先标定,获得相机光轴中心点,该中心点与气囊的理论中心点重合,记为点O4;通过步骤3方法对气囊进行分割;根据气囊的理论设计尺寸先验知识,对分割后的气囊较短轴进行拉伸,倍数为长宽比,使得分割后气囊长宽比变为1;原因是减小气囊长宽比不等于1所带来的偏差,进行两步检测;
所述进行两步检测的具体内容如下:
a.做一条直线过点O4,以1°的步长扫过一周,每个步长直线两侧面积记为两者中较大的值Sb与两者中较小的值Ss,比值Rbs=Sb/Ss大于3~4时,则说明气囊弹出不对称程度较高,即存在问题;
b.通过点O4,做两条射线,夹角为60°;以1°的步长扫过一周,可以得到一组面积,其中面积最大与面积最小比值Rsw大于5~6时,则说明气囊弹出时某一部分受到一定的阻碍,弹出故障或者弹出不及时;
②对相机工业相机A1、工业相机C3、工业相机F7、工业相机G9获得的图像进行处理;通过相机的预先标定,得到气囊的理论中心点在每幅图像中的位置,即点O1,O3,O7,O9;做以下的检测:过中心点做平行于工业相机D4光轴的平行线,将气囊分成两部分,面积较大部分相对于面积较小部分的面积比值Rpr1、Rpr3、Rpr7、Rpr9为4~6倍左右,其中Rpr1为在工业相机A1的视角下面积较大部分域相对于面积较小部分的面积比值,Rpr3、Rpr7、Rpr9同理,说明气囊某一部分弹出异常;
步骤6:Tt2~Tt3时间段内气囊空间点云计算;
步骤7:对步骤6获得的空间点云进行三维模型恢复;并且绘制V-t曲线,计算参数V、Vmax、Tr、Tt3;
V为点云恢复的三维立体的体积;
Vmax为气囊三维重建后最大体积;
Tr为气囊回弹时间;
步骤8:若气囊未出现异常,则系统显示步骤5的参数与步骤7中的V-t曲线,V、Vmax、Tr、Tt3参数;若出现异常,则系统将异常进行记录,并且进行异常的显示与异常潜在异常位置帮助信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林大学,未经吉林大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911015172.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于多源传感器融合的目标检测方法
- 下一篇:一种卵巢癌分子分型预测系统