[发明专利]一种适于钢管轮廓测量的椭圆拟合方法

说明书

本发明涉及机器视觉技术领域，特别是指一种适于钢管轮廓测量的椭圆拟合方法，包括：S1、采集钢管轮廓数据，获取输入样本点集；S2、设置椭圆拟合算法的参数；S3、移除样本点集中分布密集的样本点，包括：S32、当样本点数大于移除样本点的下限值，则将样本点集中的所有样本点按照样本点的横坐标从小到大排序，将排序后的样本点集平均划分为个整数段；S33、删除分段后的样本点集的每段中的一个样本点，并更新样本点集的样本点数和操作子集的样本点数；S4、通过截断最小二乘算法对样本点进行循环迭代，得到代数参数矩阵；S5、拟合钢管轮廓的椭圆。本发明拟合钢管轮廓的椭圆外形，能够提高钢管外形尺寸的检测精度和效率。

技术领域

本发明涉及机器视觉技术领域，特别是指一种适于钢管轮廓测量的椭圆拟合方法。

背景技术

钢管是由整支圆钢穿孔而成的，与圆钢等实心钢材相比，在抗弯抗扭强度相同时，钢管的重量较轻。在钢管生产过程中，钢管的轮廓尺寸是其品质保证的基本要求之一。

中小企业通常依靠人工的方式进行钢管的轮廓尺寸测量和记录，其工作效率和准确性往往受限于现场环境和测量人员的状态，易造成受主观影响大、检测精度不高等问题。

采用机器视觉的方法能有效弥补人工检测的不足。基于机器视觉的在线检测，通过采集设备在线获取钢管轮廓数据，然后对钢管轮廓进行形状拟合，从而达到对钢管轮廓测量的目的。实际的钢管生产任务中，生产环境往往较为复杂，采集到的钢管轮廓样本点的数量往往较多，而且现场的机械抖动和电磁干扰等环境因素会使所得数据产生随机噪声，甚至产生一些偏离主要点集的离群点，给钢管轮廓测量及形状拟合的过程增加了一定的难度。

在钢管轮廓的形状拟合方式方面，钢管轮廓的形状拟合方式主要包括圆拟合和椭圆拟合。与圆拟合这种方式相比，椭圆拟合参数中的长半轴和短半轴可更精细描述钢管的实际外形，是取得高精度轮廓测量的重要途径之一。

最小二乘法是椭圆拟合问题中常用的方法之一，该方法受样本点内的噪声影响小，但无法保证拟合出来的二次曲线是椭圆。更经典的椭圆拟合方法是用二次曲线的一般方程作为模型，运用线性最小二乘法以及结合点到椭圆的代数距离计算得到二次曲线，并加以约束条件来保证得到的形状为椭圆。

文献《去除离群点的改进椭圆拟合算法》提出了基于截断最小二乘法的改进椭圆拟合算法（记为LTS），其基本思想是随机选取固定数量的样本点进行椭圆参数和误差矩阵的计算，然后结合误差矩阵和筛选后的样本点进行迭代计算，直至出现更小的拟合误差，最后在多次循环中选取最小的拟合误差，将其对应的椭圆代数参数作为拟合结果。该算法朝着更小的拟合误差的方向对样本点进行筛选，保证了算法的收敛性，而且拟合速度较快，但其应用在钢管轮廓等样本点和离群点数量较多的对象时，拟合准确度和拟合速度方面的表现往往不够理想，难以满足实际需求。

专利申请CN111780745A，一种面向深空探测光学导航的短弧椭圆拟合优化方法，公开了利用最小二乘拟合算法对目标边缘的投影样本点进行形状拟合，进而获得椭圆方程，实现对含有误差的部分椭圆样本数据进行高精度拟合的目的。

专利申请CN114283157A，一种基于椭圆拟合的椭圆形物体分割方法，公开了先提取出椭圆形对象的中心点，然后分割出椭圆形对象的边缘的部分，最后利用基于最小二乘的椭圆拟合算法对重叠对象被遮挡的部分进行补全，较好地解决了在相机视角下无法获取完整轮廓的问题。

专利申请CN112579968 A，一种基于L0范数代数距离最小化的椭圆拟合方法，公开了通过定义一种基于L0范数代数距离最小化的代价函数，并将此分裂为二次规划问题，进而使用基于L2范数的直接最小二乘法约束初始化算法的惩罚参数，针对各类输入数据可以获得较高精度的椭圆参数。