一种基于图像校正的管板与泵壳加工定位偏差补偿方法与流程

本发明属于图像校正，具体的说是一种基于图像校正的管板与泵壳加工定位偏差补偿方法。

背景技术：

1、管板与泵壳是离心泵、换热装置等流体机械中的承压部件，其加工形位精度与装配对中质量直接决定设备的密封可靠性与长期服役寿命，受毛坯材料内部残余应力逐步释放、装夹受力产生弹性变形、数控加工走刀路径累积偏差等多因素耦合作用，实际加工工件的几何形貌普遍存在局部微形变并偏离设计理论值，基于视觉成像的加工定位偏差校正补偿技术是保障管板与泵壳精密装配质量的支撑技术；通过工业视觉系统采集工件表面预设基准特征的图像数据，针对采集图像中光照不均、镜头畸变、工件表面反光等因素引起的成像失真，采用图像校正算法对原始图像进行畸变还原与像素坐标重映射，恢复基准特征在图像平面中的真实投影形态，再基于校正后图像提取特征点精确像素坐标，结合相机标定参数完成图像坐标系至世界坐标系的映射转换，得出全局定位偏差量并修正加工工位坐标参数，完成偏差补偿，该技术路线通过前置图像校正环节优化成像质量，在工件形变均匀、特征形态规整的常规加工场景下可满足基础定位修正需求；

2、然而，这类校正补偿方法存在与实际加工工况适配性不足的技术缺陷：

3、其普遍基于工件为理想刚体的几何假设开展偏差计算，只能修正整体平移、旋转类的全局定位偏差，难以应对残余应力释放引发的密封面边缘微翘曲、管孔周向局部形变等非均匀局部形变，导致视觉校正所依托的基准特征与工件真实形貌之间存在偏差；为此，本发明提供一种基于图像校正的管板与泵壳加工定位偏差补偿方法。

技术实现思路

1、为了弥补现有技术的不足，解决背景技术中所提出的至少一个技术问题。

2、本发明解决其技术问题所采用的技术方案是：本发明提出的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，包括以下步骤：

3、步骤一：进行管板与泵壳待测表面的时序图像序列采集；

4、步骤二：对采集到的时序图像序列完成运动模糊校正处理；

5、步骤三：进行时序图像序列的振动伪影分离处理；

6、步骤四：进行时序图像序列的亚像素边缘提取与配准；

7、步骤五：根据相邻帧时序图像序列，提取出加工变形量的时序数据，并构建变形预测模型；

8、步骤六：基于所述变形预测模型对未来时刻的变形量进行预测，根据预测结果计算定位偏差的补偿量并输出；

9、步骤七：执行补偿后重新进行时序图像序列采集，将实测出的变形值与变形预测模型预测出的预测值进行对比，对变形预测模型的参数进行递推更新。

10、优选地，完成运动模糊校正处理的步骤包括：

11、将时序图像序列中每一帧图像输入至预先训练好的深度卷积神经网络，进行运动模糊核估计；

12、深度卷积神经网络基于生成对抗网络架构构建，其包含模糊核预测子网络和图像复原子网络；

13、模糊核预测子网络接收当前帧图像，并输出对应的运动模糊核参数；

14、图像复原子网络根据预测的运动模糊核参数，对当前帧图像进行去模糊处理，生成校正后的清晰图像序列。

15、优选地，进行时序图像序列的振动伪影分离处理的步骤包括：

16、将校正后的清晰图像序列输入至频域分解模块进行振动伪影分离；

17、频域分解模块首先对连续多帧校正图像进行快速傅里叶变换，从空间域转换至频域；

18、在频域中根据振动干扰的频谱特征设置带阻滤波器参数，滤波处理完成后，通过逆快速傅里叶变换将图像恢复至空间域，生成去除振动伪影的干净图像序列。

19、优选地，进行时序图像序列的亚像素边缘提取与配准的步骤包括：

20、将去除振动伪影的干净图像序列中的相邻帧图像，进行亚像素边缘检测与配准；

21、亚像素边缘检测采用基于灰度矩的亚像素边缘定位算法；

22、亚像素边缘定位算法首先通过高斯滤波器对图像进行平滑去噪处理；

23、采用坎尼边缘检测算子提取初始边缘点集；

24、基于灰度矩不变原理对初始边缘点进行亚像素精度位置计算。

25、优选地，根据相邻帧时序图像序列，提取出加工变形量的时序数据，并构建变形预测模型的步骤包括：

26、根据相邻帧图像之间的几何变换关系，计算管板法兰面或泵壳密封面在时序采样间隔内的变形量增量。

27、优选地，将时序累积的变形量增量按照时间顺序进行排列，构建变形量随时间演化的时序数据序列，变形预测模型采用带特征时间常数的指数衰减模型。

28、优选地，变形预测模型通过实时递推最小二乘法进行在线估计更新；

29、递推最小二乘法采用带遗忘因子的自适应更新策略。

30、优选地，基于变形预测模型对未来时刻的变形量进行预测，根据预测结果计算定位偏差的补偿量并输出步骤包括：

31、基于变形预测模型对未来时刻的变形量进行预测，将预测变形量与预设的配合间隙阈值进行比较，计算补偿量方向与幅值；

32、补偿量计算采用预测控制策略，在当前时刻根据已知的变形演化趋势向前预测若干个采样周期，根据预测结果确定当前时刻的补偿量。

33、优选地，执行补偿后重新进行时序图像序列采集，将实测出的变形值与变形预测模型预测出的预测值进行对比，对变形预测模型的参数进行递推更新的步骤包括：

34、在数控加工系统执行补偿指令后，重新对管板或泵壳的测量区域进行图像采集。

35、优选地，将图像采集产生的变形测量值与补偿前的预测值进行对比；

36、利用新的测量数据对变形预测模型的参数进行递推更新。

37、本发明的有益效果如下：

38、1.本发明通过时序图像序列的采集与运动模糊校正处理，利用深度卷积神经网络对每一帧图像进行运动模糊核估计和去模糊复原，可以消除工件在图像采集过程中持续微小变形导致的边缘模糊效应，为后续精确的变形量提取提供图像数据基础；

39、2.本发明通过频域分解模块的振动伪影分离处理，采用带阻滤波器对特定频率范围内的振动干扰进行精准滤除，将振动伪影与真实变形信号有效分离，可以避免基于帧差法的变形检测结果因振动干扰而失真；

40、3.本发明通过亚像素边缘提取与配准技术，提升变形量计算的测量精度；通过带特征时间常数的指数衰减模型与时变驱动项的叠加建模，配合递推最小二乘法的在线参数估计，实现变形预测模型对粗加工切削参数、毛坯初始应力状态和车间环境温度等工况变化的实时自适应，避免离线标定参数随时间累积的预测误差。

1.一种基于图像校正的管板与泵壳加工定位偏差补偿方法，包括以下步骤：

2.根据权利要求1所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，完成运动模糊校正处理的步骤包括：

3.根据权利要求2所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，进行时序图像序列的振动伪影分离处理的步骤包括：

4.根据权利要求1所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，进行时序图像序列的亚像素边缘提取与配准的步骤包括：

5.根据权利要求1所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，根据相邻帧时序图像序列，提取出加工变形量的时序数据，并构建变形预测模型的步骤包括：

6.根据权利要求5所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，将时序累积的变形量增量按照时间顺序进行排列，构建变形量随时间演化的时序数据序列，变形预测模型采用带特征时间常数的指数衰减模型。

7.根据权利要求5所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，变形预测模型通过实时递推最小二乘法进行在线估计更新；

8.根据权利要求6所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，基于变形预测模型对未来时刻的变形量进行预测，根据预测结果计算定位偏差的补偿量并输出步骤包括：

9.根据权利要求1所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，执行补偿后重新进行时序图像序列采集，将实测出的变形值与变形预测模型预测出的预测值进行对比，对变形预测模型的参数进行递推更新的步骤包括：

10.根据权利要求1所述的一种基于图像校正的管板与泵壳加工定位偏差补偿方法，其特征在于，将图像采集产生的变形测量值与补偿前的预测值进行对比；