本發(fā)明屬于機器視覺和檢測領域，更具體地，涉及一種基于視覺的多層梁中外梁孔的識別與定位方法。

背景技術：

多層梁，特別是雙層梁，是一種常見的大型承重結(jié)構(gòu)。多層梁由多片單層梁鉚接而成，與單層梁相比，多層梁具有更高的強度，因此廣泛使用在汽車車架、橋梁、大型桁架式建筑物及其他承重結(jié)構(gòu)中。為了減小甚至消除待鉚接孔的錯位，提高多層梁的質(zhì)量，多層梁配孔工藝對各單層梁上待鉚接孔的中心重合度和孔直徑誤差提出了很高的要求。例如，商用車車架所用的雙層鋼梁通常要求內(nèi)外梁孔中心重合度誤差和直徑誤差均小于0.05mm。為了達到孔中心重合度和直徑誤差的要求，在加工多層梁待鉚接孔時，一般采用配鉆或配沖孔工藝方法，即先加工最外層的外梁孔，再將內(nèi)、外梁配合，根據(jù)外梁孔的位置配套加工各內(nèi)梁孔。在該工藝方法中，外梁孔位置和大小的確定成為多層梁生產(chǎn)的核心問題。

組成多層梁的各個單層梁通常顏色非常接近。多層梁疊放在一起時，外梁孔相當于一個盲孔，且它的深度較淺，這些問題都給外梁孔的識別帶來了難度。在現(xiàn)有技術條件下，多層梁外梁孔的定位完全依靠人眼觀察和手工對齊，工人勞動強度大，生產(chǎn)效率低。在中國實用新型專利說明書CN204412881U中公開了一種汽車雙層鋼梁快速高效配沖孔自動生產(chǎn)線，該方法需要人工使用導正銷進行外梁孔的逐個定位，工人勞動強度大，且整條孔加工生產(chǎn)線效率低。王華曾在博士學位論文《基于計算機是覺得車架縱梁在線檢測關鍵技術研究》中提出一種裝配孔的識別方法，但該方法僅用于配孔加工后孔的數(shù)量的檢測，由于多層梁已經(jīng)過配孔加工，所以多層梁的孔是通孔，在檢測時可以使用具有明顯色差的光源進行背光照明，而多層梁在配孔加工前外梁孔是盲孔，因此該方法并不適合多層梁外梁孔的檢測?？偨Y(jié)來說，目前尚未有孔的自動識別技術在多層梁外梁孔識別中得到應用。

技術實現(xiàn)要素：

針對現(xiàn)有技術的以上缺陷或改進需求，本發(fā)明提供了一種基于視覺的多層梁中外梁孔的識別與定位方法，通過機器人視覺自動識別，由此解決多層梁中外梁孔大小的識別和定位的技術問題。

為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種基于視覺的多層梁中外梁孔的識別與定位方法，其特征在于，該方法包括下列步驟：

(a)對已知標準圓孔拍照，在得到的圖像中測量該已知標準圓孔的半徑即像素尺寸，測量該已知標準圓孔實際半徑即實際尺寸，所述實際尺寸與所述像素尺寸之比記為轉(zhuǎn)換系數(shù)K；

(b)對待處理圓孔進行拍照得到待處理圖像，在該待處理的圖像中截取圖像，對該截取圖像進行亞像素細分后得到每個點的多個特征值，將其中的某些特征值與預設條件進行比較，滿足該預設條件的點為邊緣點，該邊緣點其它特征值用于計算該邊緣點的亞像素精度級坐標，由此，得到所有所述邊緣點的亞像素精度級坐標，其中，所述截取圖像按照下列步驟進行：

(b1)將所述已知標準圓孔按照不同半徑規(guī)格分類，每種不同半徑規(guī)格的所述標準圓孔選取多個，對選取出來的所述標準圓孔拍照并測量其所述像素尺寸，同一類半徑規(guī)格的所述標準圓孔的所述像素尺寸取平均值，以預設壓縮倍數(shù)D壓縮該平均值對應的所述標準圓孔的圖像，并以壓縮后的圖像作為模板；

(b2)對所述待處理圖像按照所述預設壓縮倍數(shù)D壓縮得到壓縮圖像，所述壓縮圖像與所述模板中的點進行匹配直到達到預設匹配值，由此得到最佳匹配點，記錄該點的在所述壓縮圖像中的坐標，同時該匹配點所在的所述標準圓孔即最匹配標準圓孔，由此，得到待處理圓孔的半徑，即實現(xiàn)對待處理圓孔的識別；

(b3)將所述最佳匹配點的壓縮圖像中的坐標乘以所述壓縮倍數(shù)D,得到在所述待處理圖像中該最佳匹配點的坐標，然后在所述待處理圖像中以該最佳匹配點為中心，以大于所述最匹配標準圓孔面積截取圖像；

(c)用所述邊緣點的亞像素精度級坐標擬合出待處理圓孔的亞像素精度級的圓心坐標，該圓心坐標乘以所述轉(zhuǎn)換系數(shù)K得到待處理圓孔的實際圓心坐標，由此實現(xiàn)待處理圓孔的定位。

總體而言，通過本發(fā)明所構(gòu)思的以上技術方案與現(xiàn)有技術相比，，能夠取得下列有益效果：

1、本發(fā)明通過采用基于視覺的多層梁外梁孔識別與定位方法，實現(xiàn)多層梁中外梁孔盲孔的自動識別和定位，減輕了工人的勞動強度，提高了孔加工精度和多層梁的鉚接質(zhì)量，并數(shù)倍提升生產(chǎn)效率；

2、本發(fā)明通過先進行模板匹配得到最佳匹配點，再以最佳匹配點為中心截取圖像，使得新的待處理圖像面積大大減小，減小直接在原圖像進行亞像素精度級邊緣檢測中算法消耗的時間，提高了運算速度；

3、本發(fā)明通過先進行模板匹配得到最佳匹配點，再以最佳匹配點為中心截取圖像后對圖像進行預處理，消除了待識別孔周邊的噪聲，比如光斑，條帶，反光區(qū)域，減小了識別誤差，提高了識別和定位的準確度；

4、本發(fā)明通過先對匹配模板和待處理圖像進行壓縮，使得匹配模板中和待處理圖像中需要參與匹配的點數(shù)量成倍減少，從而減少了計算量和計算消耗的時間，同時也不影響最終尋找最佳匹配點的結(jié)果。

附圖說明

圖1是按照本發(fā)明的優(yōu)選實施例所構(gòu)建的識別和定位方法的流程圖；

圖2是按照本發(fā)明的優(yōu)選實施例所構(gòu)建的用于識別和定位外梁孔的裝置示意圖。

在所有附圖中，相同的附圖標記用來表示相同的元件或結(jié)構(gòu)，其中：

1-相機安裝架 2-相機 3-待識別多層梁 4-輥道

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術特征只要彼此之間未構(gòu)成沖突就可以相互組合。

圖1是按照本發(fā)明的優(yōu)選實施例所構(gòu)建的識別和定位方法的流程圖；圖2是按照本發(fā)明的優(yōu)選實施例所構(gòu)建的用于識別和定位外梁孔的裝置示意圖。如圖1和2所示，本發(fā)明具體實施過程按照下列步驟進行：

(1)相機安裝架1與多層梁生產(chǎn)線相對固定，相機2固定在相機安裝架1上。首先將一個帶有標準圓孔且與待識別多層梁厚度相等的板料放在輥子4上，然后使用相機2采集標準圓孔的圖像進行檢測，得到圓孔的像素尺寸，然后精確測量標準圓孔的實際尺寸，得到實際尺寸與像素尺寸之比，記為實際尺寸向像素尺寸轉(zhuǎn)換的轉(zhuǎn)換系數(shù)K；

(2)建立標準模板，從待識別多層梁外梁孔的每種規(guī)格的圓孔中各選擇較為潔凈的圓孔，對它們進行濾波、增強、二值化等操作，并進行像素級圓提取，得到它們的圓半徑，然后求取每種規(guī)格孔的所有圓圖像的半徑的平均值，然后以各種規(guī)格孔的平均半徑各自生成新的二值化的圓圖像，最后將各個規(guī)格孔對應的新生成的圓圖像都以倍數(shù)D進行壓縮，壓縮后的圓圖像作為模板；

(3)將待識別梁3放置在輥道4上，實現(xiàn)勻速輸送，使用相機2，按照一定的時間間隔結(jié)合生產(chǎn)線的節(jié)拍進行拍照，采集待識別多層梁外梁孔的圖像；

(4)以同樣的倍數(shù)D，本實施例中壓縮倍數(shù)D為2，將采集到的待識別孔的圖像進行壓縮，并將各種規(guī)格的孔的模板依次與待識別圖像進行匹配，如果不能找到最佳匹配點，則使用下一種規(guī)格的孔模板，如果能得到最佳匹配點，則記錄最佳匹配點的坐標，且孔模板對應的孔的類型即為當前圖像中待識別孔的類型；

(5)將最佳匹配點的坐標乘以壓縮倍數(shù)D，并在待匹配圖像上，以新得到的坐標點為中心，并以大于此類型孔對應的的標準孔的面積截取出新的圖像；

(6)對所得到的新截取的圖像進行中值濾波、自適應閾值二值化、圖像增強等預處理，除去圖像中的噪聲，然后進行亞像素精度級的邊緣檢測，具體方法是使用7個的7*7的Zernike模板M00、M11R、M11I、M20、M31R、M31I、M40，分別與圖像進行卷積，得到每個像素點的7個Zernike矩Z00、00、Z11R、Z11I、Z20、Z31R、Z31I、Z40，然后對于每個點，根據(jù)它的7個Zernike矩，求得距離參數(shù)L和灰度差參數(shù)k，當L和k都滿足預設條件時，本實施例中，預設條件是L大于20，k大于√2/7，則判斷該點為邊緣點，并進一步利用上述7個Zernike矩求出該點的亞像素級坐標，并記錄，如果L或k不滿足設定的條件，則該點不是邊緣點，轉(zhuǎn)到下一個點求解距離參數(shù)L和灰度差參數(shù)k重復本步驟，直到遍歷新截取圖像的所有點，得到所有亞像素精度級的邊緣點的坐標的集合；

(7)最后根據(jù)檢測到的亞像素精度級的邊緣點，擬合出孔中心的亞像素坐標和半徑，乘上實際尺寸向像素尺寸的轉(zhuǎn)換系數(shù)K得到多層梁外梁孔的位置，而外梁孔對應的尺寸類型已經(jīng)在步驟(4)中得到。

本領域的技術人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。