[发明专利]一种基于自适应阈值的亚像素轴类零件尺寸测量方法

权利要求书

1.一种基于自适应阈值的亚像素轴类零件尺寸测量方法，其特征在于：包括以下步骤：

步骤一、视觉系统标定：采用张正友平面标定法进行相机标定，标定后获得摄像机的内外参数，再根据手眼标定原理，获得摄像机与机器人末端之间的相互位置关系，完成手眼标定；

步骤二、对采集的图像进行预处理：在保证不影响原本有用的图像信息基础上，通过滤波算法对图像进行随机噪声的剔除,采用结合灰度直方图对伽马校正算法进行改进，实现伽马值γ的自动选取，具体为：

a、对图像像素按照灰度值从大到小进行排列，将灰度范围分成L级，将L个灰度等级等量分为高灰度值区域与低灰度值区域两部分，设每个级数中的像素总数为n_k，统计每个灰度级像素个数占图像像素个数n的概率P(k)；

b、设置阈值P_threshold，在高灰度值区域内，当P(k)＞P_threshold时统计的个数i进行自加1,否则不进行任何操作，在低灰度值区域内，当P(k)＞P_threshold时统计的个数j进行自加1,否则不进行任何操作；

c、当i＞j时，伽马值γ在区间(0.2,1)进行取值；

d、当i＜j时，伽马值γ在区间(1,2.4)进行取值，

利用求得的伽马值γ和公式f(I)＝I^γ对图像进行交换，式中I为输入图像的像素值，实现伽马值γ的自动选取，突出图像细节并改善被滤波算法模糊的信息，将待处理图像的对比度调整到最佳；

步骤三、完成边缘检测：采用Canny算子边缘检测方法进行初级边缘定位，记录像素级边缘位置；

步骤四、基于邻域的边缘连接：对于边缘检测后不连续边缘问题，采用基于邻域的边缘连接方法，通过对图像所有边缘像素点进行检查，完成边缘连接；

步骤五、基于轮廓跟踪的区域提取：由于存在边缘信息的二值图像只是一些离散的像素点，像素点之间不存在结构关系，采用具有拓扑结构分析能力的轮廓跟踪算法将二值图像转化成轮廓描述，在提取轮廓的同时获取不同轮廓之间的包围关系，从而实现外围轮廓的提取，具体为：

首先定义第i行、第j列的像素点坐标为(i，j)，f(i，j)为点(i，j)的密度值，其次定义两种边界形式，外边界与孔边界，将边界用序列号的形式表达记做ND，上一次扫描得到的边界序列记做LND，将边缘的初始序列号ND设置为1，采用行扫描方式扫描整幅图像，对每一个像素点(i，j)的密度值f(i，j)≠0的像素点进行边界判定；

如果当前像素点的密度值f(i，j)＝1且f(i，j-1)＝0，像素点(i，j)为外边界的一个起始点，ND自增，(i₂,j₂)←(i,j-1)，以像素点(i，j)为起始点，对边界进行跟踪，如果当前像素点的密度值f(i，j)≥1且f(i，j+1)＝0，像素点(i，j)为孔边界的一个起始点，ND自增，(i₂,j₂)←(i,j+1)，以像素点(i，j)为起始点，对边界进行跟踪；

如果f(i，j)≠1，则LND←|f(i,j)|，并从像素点(i，j+1)重新开始扫描，当算法执行到图像右下角时，则停止；

利用上述算法对图像提取外围轮廓并用最小矩形包围，最终获得工件所在的区域；

步骤六、基于自适应阈值的亚像素边缘检测：将图像根据待测参数进行区域划分，分别对每个区域进行边缘检测，以最大化各区域内目标与背景的类间方差为准则，自适应选取亚像素边缘检测的阈值k_t，保证边缘亚像素定位的鲁棒性；

步骤七、尺寸计算：对于直线尺寸的检测，转化为与待测参数相关的两条直线之间的距离，对于夹角尺寸的检测，转化为直线斜率倒角公式求解，分别以亚像素组的数据构造基于最小二乘平行直线簇拟合进行获取。

2.根据权利要求1所述的一种基于自适应阈值的亚像素轴类零件尺寸测量方法，其特征在于：所述步骤四中采用基于邻域的边缘连接方法，通过对图像所有边缘像素点进行检查过程中，首先以一个边缘像素点作为中心点查找该中心点8邻域的所有像素，当8邻域中存在边缘像素点时，继续对下一个边缘像素点进行8邻域查找，当该边缘像素点的8邻域中不存在边缘像素点时，对该边缘像素点更外层的16邻域进行查找，若存在边缘像素点，则将该边缘像素点与中心点之间的像素改为边缘像素点，若不存在边缘像素点，则对下一个边缘像素点重新进行8邻域查找，直至查找完所有边缘像素点。