基于尺度不变特征匹配的光洁度检测系统及方法与流程

摘要: 本发明涉及基于尺度不变特征匹配的光洁度检测系统及方法,属于智能检测。背景技术:1、在工业检测场景中,各类金属工件承担设备机械固定、电气导通、电场屏蔽等关键作用,...
基于尺度不变特征匹配的光洁度检测系统及方法与流程

本发明涉及基于尺度不变特征匹配的光洁度检测系统及方法,属于智能检测。

背景技术:

1、在工业检测场景中,各类金属工件承担设备机械固定、电气导通、电场屏蔽等关键作用,工件表面的光洁状态会直接影响构件运行稳定性、耐腐蚀能力与整体服役周期,工件表面质量检测是保障成套设备可靠运行的重要环节,随着机器视觉与多光谱成像技术发展,非接触式光学检测已成为电力设备表面质量检测的主流方向,有效提升了检测自动化水平。

2、现有公开号为cn120852725a的中国专利公开了一种多光谱特高压阀厅缺陷识别方法及设备,包括:采集特高压阀厅内装置的多光谱图像数据并进行预处理;构建多光谱特征提取网络;设计跨模态特征融合网络;将融合后的特征输入改进的yolov11网络;组成缺陷识别模型;采用三阶段渐进式框架训练缺陷识别模型。

3、尽管现有技术通过多模态数据融合提升了阀厅设备宏观缺陷的识别性能,但其针对阀厅整体装置的宏观缺陷检测设计,难以适配各类异形工件复杂空间结构的精细化表面检测要求,具体而言,仅采用固定视角的成像采集模式,未建立多视角图像的特征匹配与三维空间拼接机制,面对工件的连续曲面拐角、密集螺栓孔与装配缝隙结构时,构件背光面、孔洞内壁与结构遮挡区域易形成检测盲区,无法实现工件全表面的完整检测覆盖,同时,仅聚焦宏观缺陷的分类定位,缺少依托标准基准模型的精细化比对评价体系,无法精准识别、量化工件表层光洁度劣变、污物附着等细微表面问题,难以满足工件全域覆盖、高精度的表面质检需求。

技术实现思路

1、针对现有技术存在的不足,本发明的目的在于提供基于尺度不变特征匹配的光洁度检测系统及方法,通过多视角成像与三维重建消除结构遮挡形成的检测盲区,结合曲面曲率优化光照校正、特征匹配与纹理评价基准,实现目标工件全表面高精度的光洁度精细化检测。

2、为实现上述目的,本发明提供了如下技术方案:

3、基于尺度不变特征匹配的光洁度检测系统,包括:图像采集模块、纹理匹配模块和异常检测模块;

4、所述图像采集模块用于获取工件的多视角图像,通过所述工件表面高光像素的色度与饱和度,对各视角图像中的每个像素进行高光属性判定,识别高光反射区域并进行邻域纹理插值,根据图像边缘曲率分布自适应调整伽马校正系数,从而获得多视角工件图像集;

5、所述纹理匹配模块用于构建曲率引导的非均匀多尺度空间,并通过跨视角特征匹配、曲率属性标签驱动的异常匹配筛选,生成跨视角匹配点对集,通过三角化空间反投影、表面网格重建生成初始网格模型,并从所述多视角工件图像集提取纹理特征,以映射至所述初始网格模型中,生成待测工件模型;

6、所述异常检测模块用于获取标准工件模型,结合曲面曲率对光洁纹理属性的曲率归一化校正,逐顶点计算所述待测工件模型与所述标准工件模型的特征差值,从而判定光洁异常区域并进行空间位置标注。

7、具体地,所述纹理匹配模块包括特征提取单元和纹理重建单元;

8、所述特征提取单元通过工件图像的边缘曲率,自适应设置尺度采样间隔,以构建曲率引导的非均匀多尺度空间,通过特征提取与跨尺度曲率的一致性验证,构建带有曲率属性标签的工件特征集,并对所述工件特征集中各视角的特征子集进行跨视角特征匹配,得到初始匹配点对,结合曲率属性标签进行异常匹配筛选与剔除,生成跨视角匹配点对集;

9、所述纹理重建单元用于获取相机内参矩阵,结合所述跨视角匹配点对集,求解各视角间的相机位姿变换矩阵,通过三角化空间反投影、表面网格重建,生成初始网格模型,通过灰度共生矩阵,从所述多视角工件图像集提取各个工件图像的纹理特征,以所述相机位姿变换矩阵为映射关系,将所述纹理特征映射至所述初始网格模型的对应顶点,生成待测工件模型。

10、具体地,识别高光反射区域并进行邻域纹理插值的步骤包括:

11、对图像进行颜色空间转换,得到转换工件图像,并提取判定分量,包括色度分量、饱和度分量与亮度分量;

12、采用色度、饱和度、局部亮度的联合判定,对所述转换工件图像进行逐像素属性判定,筛选出高光像素,采用八邻域连通域分析方法进行区域聚类,得到高光反射区域;

13、对所述转换工件图像进行边缘检测,生成结构边缘集合;

14、以边缘像素形成的闭合轮廓为分割边界,将图像划分为多个结构区域;

15、对于高光反射区域中的待修复像素,筛选非高光且非边缘的、属于同一结构区域的像素,构成有效插值样本集;

16、利用距离-亮度双权重插值,计算待修复像素的目标亮度并进行替换,得到工件亮度图像。

17、具体地,获得多视角工件图像集包括:

18、为边缘像素构建局部拟合邻域,并进行二次曲线拟合,以拟合曲线的二阶导数,计算边缘像素的局部曲率;

19、对非边缘区域,利用邻域窗口内边缘像素的局部曲率与距离权重,进行双线性插值;

20、筛选所述工件亮度图像中的局部曲率最大值,以对所有像素的局部曲率进行归一化处理,生成工件亮度图像的曲率分布图谱;

21、设置基准伽马系数,依据归一曲率与曲率调节系数,计算对应像素的伽马调整系数,从而得到自适应伽马系数;

22、将各像素对应的自适应伽马系数代入伽马变换,对所述工件亮度图像逐像素进行灰度校正;

23、对所有采集视角的工件亮度图像进行高光抑制与自适应伽马校正处理,结合对应的视角标识,生成多视角工件图像集。

24、具体地,构建曲率引导的非均匀多尺度空间的步骤包括:

25、基于sift的高斯金字塔,设置多尺度空间的基准参数组;

26、遍历所述曲率分布图谱,将归一曲率映射为对应像素的密度调节因子;

27、以所述基准参数组中的基准采样间隔为基础,结合所述密度调节因子,计算每个像素的尺度采样间隔;

28、通过曲率分布的一阶差分,计算每个像素的曲率梯度,并将曲率梯度大于突变阈值的像素判定为突变像素,从而构建梯度突变边界;

29、以梯度突变边界为基准,向边界两侧扩充,形成过渡带,并以所述过渡带两侧的边界像素为端点;

30、对于所述过渡带内的像素,以像素到两侧端点的距离占比作为端点的间隔权重,通过加权求和进行线性插值;

31、依据工件图像中各个像素的尺度采样间隔,利用高斯模糊,构建非均匀多尺度空间。

32、具体地,构建带有曲率属性标签的工件特征集的步骤包括:

33、在所述非均匀多尺度空间内,通过多尺度邻域极值检测,提取初始特征点;

34、通过尺度比例,将初始特征点在各尺度层的像素坐标映射至原始图像坐标系,并提取初始特征点在当前尺度层、上下相邻尺度层的像素坐标局部曲率;

35、计算相邻尺度层间的曲率差值,仅保留曲率差值低于曲率一致阈值的特征点;

36、依据sift算法的描述子生成规则,对特征点进行主方向分配,并生成对应维度的特征描述子;

37、将每个特征点对应的局部曲率作为曲率属性标签,与特征描述子、原始图像像素坐标、特征点所属的尺度参数进行绑定,形成单条的特征点数据;

38、以视角标识为归类依据,将同一视角下的所有特征点数据整合为特征子集,生成工件特征集。

39、具体地,生成跨视角匹配点对集的步骤包括:

40、依据单个视角的相机位置与所有视角的几何中心点的欧氏距离,划分基准视角、待匹配视角,构建视角任务对;

41、依次遍历每个视角任务对,以特征描述子之间的欧氏距离在基准视角中进行全局检索,获得最近邻候选点与次近邻候选点;

42、计算最近邻距离与次近邻距离的比值,作为最近邻距离比率;

43、当所述最近邻距离比率小于初始匹配阈值时,判定待匹配视角内的特征点与最近邻候选点构成初始匹配点对;

44、当最近邻距离比率不小于初始匹配阈值时,则判定特征点无匹配。

45、具体地,生成跨视角匹配点对集的步骤还包括:

46、对每一初始匹配点对,分别提取两个特征点对应的曲率属性标签,计算曲率相对偏差;

47、设置曲率匹配阈值,并对初始匹配点对进行曲率筛选;

48、当所述曲率相对偏差小于所述曲率匹配阈值,判定曲率筛选通过;否则剔除当前初始匹配点对;

49、对于通过曲率筛选的匹配点对,调用特征描述子之间的欧氏距离与曲率相对偏差,进行归一化处理、倒数的加权求和,得到匹配置信度;

50、汇总所有通过曲率筛选的匹配点对,按视角标识对分类存储,附带对应匹配置信度,生成跨视角匹配点对集。

51、具体地,判定光洁异常区域并进行空间位置标注的步骤包括:

52、提取待测工件模型与标准工件模型的几何基准特征,基于奇异值分解法求解刚体变换矩阵,将所述待测工件模型对齐至所述标准工件模型的坐标系下;

53、以待测工件模型与标准工件模型对应顶点的欧氏距离之和最小化为优化目标,利用迭代最近点算法进行全局精配准,建立空间映射关系;

54、对待测工件模型的每个网格顶点,计算顶点的平均曲率值,结合曲率-标准纹理映射关系,对待测工件模型每个顶点的原始光洁纹理进行归一化校正;

55、从标准工件模型与经过归一化校准的待测工件模型,依次提取每对顶点的待测纹理与标准纹理,并计算每个顶点的光洁差异;

56、筛选异常候选顶点,并聚合为异常候选区域,并剔除顶点总数小于最小区域阈值的异常候选区域;

57、对保留的异常区域,提取属性信息,在待测工件模型上进行标注。

58、基于尺度不变特征匹配的光洁度检测方法,包括:

59、获取工件的多视角图像;

60、对所述各视角图像进行高光属性判定,识别高光反射区域并进行邻域纹理插值;

61、通过图像边缘曲率分布对图像不同区域的伽马校正系数进行自适应调整,并应用于对应图像区域,生成多视角工件图像集;

62、通过各个工件图像的边缘曲率设置尺度采样间隔,构建非均匀多尺度空间;

63、通过sift特征提取、跨尺度曲率的一致性验证,构建带有曲率属性标签的工件特征集;

64、对工件特征集中各视角的特征子集进行跨视角特征匹配,结合曲率属性标签进行异常匹配筛选与剔除,得到跨视角匹配点对集;

65、通过三角化空间反投影、表面网格重建,构建初始网格模型;

66、从所述多视角工件图像集提取各个工件图像的纹理特征,并映射至所述初始网格模型,生成待测工件模型;

67、将待测工件模型与标准工件模型进行全局配准对齐,并进行曲率归一化校正,通过待测工件模型与标准工件模型的特征差值,判定光洁异常区域。

68、本发明的有益效果:

69、通过色度与饱和度联合判定识别工件表面高光区域,结合邻域插值完成纹理修复,基于边缘曲率分布自适应调整伽马校正系数,均衡曲面不同曲率区域的光照差异,以获得光照均匀、纹理完整的多视角工件图像,避免镜面反射与光照不均引发的特征失真,为后续特征匹配提供可靠的数据基础,并构建曲率引导的非均匀多尺度空间,根据曲面弯曲程度自适应分配尺度采样资源,提升高曲率区域的特征检出稳定性,同时引入曲率属性标签对跨视角匹配结果进行几何约束筛选,有效过滤误匹配点对,保障三维重建的位姿求解精度;通过三角化空间反投影与表面网格重建生成带纹理属性的待测工件三维模型,将多视角二维图像信息整合为完整的三维表面数据,覆盖背光面、孔洞内壁与结构遮挡区域,消除传统单视角检测的盲区,实现工件全表面的完整检测覆盖。最终在异常检测阶段,结合曲面曲率对光洁纹理进行归一化校正,剥离几何形态对纹理基线的固有影响,统一不同曲率区域的评价基准,通过逐顶点特征差值比对与拓扑连通域约束,精准识别微观光洁度异常,避免将曲面结构导致的正常纹理差异误判为缺陷,整体实现全表面覆盖、高精度量化的工件光洁度检测。