[发明专利]一种基于视觉的精密结构件识别方法

说明书

本发明公开了一种基于视觉的精密结构件识别方法，具体为：首先，采用互信息熵衡量模板精密结构件图像与待检测精密结构件图像的相似度以进行快速粗定位，进一步完成精密结构件图像中结构件目标的分割；然后，对分割后的结构件图像采用等积环分割得到多个目标环，在目标环内提取像素梯度幅值和梯度方向，通过数理统计的方法从梯度幅值分布和梯度方向分布中筛选出结构件特征点完成特征提取；最后，通过对模板图像特征和待检测图像特征的匹配实现精确定位及识别分类。本发明基于等积环形分割能准确识别纹理复杂、相似度高的精密结构件，具有速度快，精度高等优点。

技术领域

本发明属于精密结构件定位识别领域，具体涉及一种基于视觉的精密结构件识别方法。

背景技术

传统的精密结构件加工采用的是工序制模式，即在对应的加工工序中，由专人根据所需的加工内容手动输入加工参数，该方式需要的人工参与度高，效率低。为提高精密结构件加工的智能化，在加工工序流中采用射频芯片技术是一种趋势，即将精密结构件的加工工艺参数等信息载入射频芯片中，并于该结构件所放置的托盘进行关联，在各加工工序中通过读取射频芯片自动获取该工序需完成的加工内容。然而，在结构件的热处理阶段，结构件与托盘的脱离导致结构件原有的射频芯片失效，无法将热处理后的结构件与热处理前的结构件一一对应，导致无法完成后续的结构件智能加工。因此，需要在提出一种精密结构件识别方法，将热处理前后的结构件进行对应。

目前已有的一些识别方法基本都采用机器视觉的技术，但单一的视觉处理无法满足精密结构件的识别。文献[1]提出了一种基于图像边缘特征的零件分类与定位算法，该算法通过边缘检测得到零件完整的边缘轮廓，然后对边缘轮廓图像使用梯度直方图(HOG)构造训练数据，并采用支持向量机(SVM)训练分类识别模型，完成零件的检测。文献[1]只利用了图像的边缘轮廓信息，适用于表面简单的零件分类，无法区分边缘轮廓相似、表面纹理多变的精密结构件。文献[2]提出了一种基于视觉的零件快速识别方法，从零件的轮廓数、各个轮廓的几何特征和形状特征三个方面进行图像的模板匹配，完成零件的识别。文献2中的识别方只能适用几何尺寸相差较大、形状差异较大的零件识别，无法实现几何和形状特征相似，表面纹理存在差异的精密结构件识别。

就现有的技术来说，结构件检测的种类较单一，结构件种类间的差异较大，检测效率不高，对表面纹理复杂多变的精密结构件无法进行有效的识别分类。

[1]卜伟；徐显兵；肖江剑；王少剑；潘江锋；彭成斌[J].计量与测试技术.2018,45(9):52-55.

[2]陈墩金；覃争鸣；杨旭.一种基于视觉的零件快速识别方法[P].中国专利:CN108171102A,2018-06-15.

发明内容

针对精密结构件加工后纹理复杂、相似度高，导致艰难区分的问题，本发明提供了一种基于视觉的精密结构件识别方法。

本发明的一种基于视觉的精密结构件识别方法，包括以下步骤：

步骤1：基于互信息熵的图像快速定位。使用滑动窗口对待检测的精密结构件图像进行扫描，采用互信息熵衡量模板精密结构件图像与待检测精密结构件图像的相似度以进行快速粗定位，进一步完成模板精密结构件图像与待检测精密结构件图像中结构件目标的定位。

步骤2：基于等积环形的图像分割。对定位后的结构件图像采用等积环分割得到多个目标环。

步骤3：有效特征点的筛选及匹配系数MRR的计算。

步骤4：根据匹配系数对零件进行定位与识别。通过对模板图像特征和待检测图像特征的匹配实现精确定位及识别分类。

进一步的，有效特征点的筛选及匹配系数MRR的计算具体为：

步骤3.1对Sobel算子改进。传统的Sobel算子描述水平、垂直方向的特征，对这4个方向的梯度加权求和，因此增加±45°以及±135°这4个方向的卷积核。