[发明专利]一种基于机器视觉的旋转刀具磨损量自动测量方法在审
申请号: | 202110266161.5 | 申请日: | 2021-03-11 |
公开(公告)号: | CN112907556A | 公开(公告)日: | 2021-06-04 |
发明(设计)人: | 余建波;周俊杰 | 申请(专利权)人: | 同济大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/00;G06T7/13;G06T7/60;G06T7/136 |
代理公司: | 上海德昭知识产权代理有限公司 31204 | 代理人: | 郁旦蓉 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 机器 视觉 旋转 刀具 磨损 自动 测量方法 | ||
1.一种基于机器视觉的旋转刀具磨损量自动测量方法,用于对旋转的旋转刀具的磨损量进行测量,其特征在于,包括如下步骤:
步骤S1,使用图像采集装置采集旋转的所述旋转刀具的图像;
步骤S2,对所述图像进行预处理,去除运动模糊以及其他噪声得到预处理图像;
步骤S3,对所述预处理图像进行处理,提取所述旋转刀具的磨损边缘图像;
步骤S4,对所述磨损边缘图像通过主曲线法拟合亚像素边缘点,得到具有光滑的边缘曲线的光滑边缘图像;
步骤S5,利用标定板标定像素当量,并计算得到所述旋转刀具的实际最大磨损长度。
2.根据权利要求1所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于,所述步骤S3包括如下步骤:
步骤S3-1,对所述预处理图像进行阈值分割得到阈值分割图像;
步骤S3-2,对所述阈值分割图像通过形态学操作进行处理所述得到细化图像;
步骤S3-3,使用Canny算子对所述细化图像进行边缘粗定位得到粗定位边缘图像;
步骤S3-4,将所述旋转刀具的所述粗定位边缘图像以及所述参考刀具的边缘图像进行图像配准,提取磨损区域;
步骤S3-5,对所述磨损区域使用基于Zernike矩的亚像素边缘法精定位所述旋转刀具的所述磨损边缘得到磨损边缘图像。
3.根据权利要求2所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,步骤S3-4中,将所述参考刀具的所述边缘图像以及所述旋转刀具的所述粗定位边缘图像通过投影法得到图像特征点,再融合所述旋转刀具的所述粗定位边缘图像以及所述参考刀具的所述边缘图像,提取所述磨损区域。
4.根据权利要求3所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,所述投影法包括如下步骤:
步骤T1,读取所述粗定位边缘图像并进行灰度化得到灰度值、像素行数以及像素列数;
步骤T2,根据所述粗定位边缘图像的所述灰度值、所述像素行数以及所述像素列数绘制所述粗定位边缘图像的垂直投影以及水平投影;
步骤T3,通过所述粗定位边缘图像的所述垂直投影以及所述水平投影确定图像特征点位置。
5.根据权利要求2所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,步骤S3-5中,所述基于Zernike矩的亚像素边缘法具有自适应的阶跃灰度阈值。
6.根据权利要求2所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,所述步骤S3-1中,采用普拉斯算子边缘信息改进的最大类间方差法进行阈值分割。
7.根据权利要求1所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,所述步骤S1中,所述旋转刀具在固定低转速下进行旋转,
所述固定低转速的范围为10n/min~20n/min,
所述图像采集装置包括相机,三色球形光源,相机支架及计算机。
8.根据权利要求1所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,所述步骤S2中,所述预处理包括使用维纳滤波去除所述运动模糊、分段线性变换增强所述旋转刀具的磨损区域以及使用自适应中值滤波方法去除噪声。
9.根据权利要求1所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,所述标定板为棋盘式标定板。
10.根据权利要求1所述的基于机器视觉的旋转刀具磨损量自动测量方法,其特征在于:
其中,所述步骤S5中,通过对所述标定板对焦拍照,得到所述标定板的每一小格所占的像素数n,所述标定板的每一小格的实际尺寸为l,则所述像素当量为k=l/n。
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同济大学,未经同济大学许可,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/202110266161.5/1.html,转载请声明来源钻瓜专利网。