一种基于数字模型特征识别的错漏装检测方法、设备、介质及产品与流程

摘要: 本技术涉及机器视觉与智能检测,特别是涉及一种基于数字模型特征识别的错漏装检测方法、设备、介质及产品。背景技术:1、在工业生产装配环节,工件的错装、漏装、多装是影...
一种基于数字模型特征识别的错漏装检测方法、设备、介质及产品与流程

本技术涉及机器视觉与智能检测,特别是涉及一种基于数字模型特征识别的错漏装检测方法、设备、介质及产品。

背景技术:

1、在工业生产装配环节,工件的错装、漏装、多装是影响产品质量的关键因素,传统检测方式多依赖人工目视检查,存在检测效率低、精度不稳定、易受主观因素影响等问题,难以满足大规模自动化生产的需求。

2、目前,部分自动化检测技术采用机器视觉识别,但多数仅针对单一零件的特征进行检测,无法实现对装配场景中所有需检测零件的整体管控;且部分技术未实现三维数字模型与真实装配场景的精准坐标系统一,导致理论轮廓与真实轮廓的匹配精度不足,易出现误检、漏检情况,检测可靠性有待提升。

3、此外,当产品换型、角度变化或正确样件不可得时,检测基准需要重新采集、重新维护。目前在轮廓提取、偏差计算及缺陷判别环节的流程不够完善,难以实现高效、精准的错漏装检测。

技术实现思路

1、本技术的目的是提供一种基于数字模型特征识别的错漏装检测方法、设备、介质及产品,可实现高效、精准的错漏装检测。

2、为实现上述目的,本技术提供了如下方案:

3、第一方面,本技术提供了一种基于数字模型特征识别的错漏装检测方法,包括:

4、获取待检测装配场景中待测工件的三维数字模型,并确定待测工件需错漏装检测的零件模型组对应的专用检测模板;所述专用检测模板包括零件模型组中各元素的预设标准装配位置坐标及预设标准姿态参数;

5、基于投影设备向靶标区域投射编码光栅图案,并调整图像采集设备的参数进行图像采集,以获取二维图像;所述靶标区域为在装配场景中布置具有已知空间坐标的靶标点的区域;所述二维图像中包含靶标点;

6、基于所述二维图像提取各靶标点的二维像素坐标,并基于靶标点在世界坐标系下的三维坐标,结合图像采集设备的二维像素坐标和投影设备的二维像素坐标,确定三维数字模型与装配场景之间的空间变换矩阵;投影设备的二维像素坐标为基于编码光栅图案的解码结果,获取的靶标点在投影设备平面中的二维像素坐标;

7、将零件模型组中各元素基于所述空间变化矩阵转换到图像采集设备的坐标系,根据图像采集设备的内参矩阵提取出当前位姿下零件最优理论轮廓信息;

8、基于获取的待测工件真实装配图像确定对应的真实装配零件轮廓信息,并与所述最优理论轮廓信息进行对比分析,得到轮廓对比结果;

9、基于所述轮廓对比结果,根据所述专用检测模板进行错漏装检测,得到检测结果信息。

10、在一实施方式中,获取待检测装配场景中待测工件的三维数字模型,并确定待测工件需错漏装检测的零件模型组对应的专用检测模板,具体包括:

11、采用三维扫描或预设软件生成待检测装配场景中待测工件的三维数字模型;

12、对所述三维数字模型进行预处理,获得标准化的三维数字模型;

13、基于标准化的三维数字模型,采用特征提取算法对待测工件的几何结构特征进行提取,以及进行类别判定及结构解析,以提取出需错漏装检测的零件模型组;

14、根据三维数字模型在世界坐标系中的位姿信息,提取待测工件的预设标准装配位置坐标及预设标准姿态参数,并将类别信息、位置坐标及姿态参数进行关联,生成对应的专用检测模板。

15、在一实施方式中,基于投影设备向靶标区域投射编码光栅图案,并调整图像采集设备的参数进行图像采集,以获取二维图像,包括:

16、在装配场景中布置多个靶标点,并建立靶标点与世界坐标系之间的对应关系;所述靶标点的空间三维坐标在世界坐标系下为已知值;

17、控制投影设备向靶标区域投射编码光栅图案,调整图像采集设备的参数,对包含靶标点的场景进行图像采集,获得包含靶标点对应的二维图像。

18、在一实施方式中,基于所述二维图像提取各靶标点的二维像素坐标,并基于靶标点在世界坐标系下的三维坐标,结合图像采集设备的二维像素坐标和投影设备的二维像素坐标,确定三维数字模型与装配场景之间的空间变换矩阵,包括:

19、对所述二维图像进行预处理操作,并采用阈值分割算法进行二值化处理,以及,采用轮廓提取算法提取各靶标点的二维像素坐标;

20、基于靶标点在世界坐标系下的三维坐标与图像采集设备的二维像素坐标之间的对应关系,利用pnp算法求解图像采集设备相对于世界坐标系的外参参数;所述外参参数包括旋转矩阵和平移向量;

21、基于投影设备的二维像素坐标,结合图像采集设备与投影设备之间的几何约束关系,确定投影设备坐标系与世界坐标系之间的空间映射关系;

22、基于图像采集设备相对于世界坐标系的外参参数及投影设备坐标系与世界坐标系之间的空间映射关系,确定三维数字模型与装配场景之间的空间变换矩阵,以将三维数字模型转换至装配场景对应的统一的世界坐标系中。

23、在一实施方式中,将零件模型组中各元素基于所述空间变化矩阵转换到图像采集设备的坐标系,根据图像采集设备的内参矩阵提取出当前位姿下零件最优理论轮廓信息,包括:

24、基于所述空间变化矩阵将零件模型组转换至图像采集设备的坐标系,并结合图像采集设备的内参矩阵,将三维的零件模型组投影为二维投影图像;

25、采用canny边缘检测及轮廓提取算法,提取零件最优理论轮廓信息。

26、在一实施方式中,基于获取的待测工件真实装配图像确定对应的真实装配零件轮廓信息,并与所述最优理论轮廓信息进行对比分析,得到轮廓对比结果,包括:

27、对获取的待测工件真实装配图像进行灰度转化,高斯滤波去噪以及边缘增强处理,得到预处理后的真实装配图像;

28、采用canny边缘检测算法,对预处理后的真实装配图像进行边缘检测,并筛选去除噪声轮廓以提取真实装配零件轮廓信息;

29、将真实装配零件轮廓信息与所述最优理论轮廓信息进行重合度以及边缘偏差的逐一匹配分析,得到轮廓对比结果。

30、在一实施方式中,基于所述轮廓对比结果,根据所述专用检测模板进行错漏装检测,得到检测结果信息,包括:

31、基于所述轮廓对比结果,根据所述专用检测模板进行类别一致性判别错装检测,以及,通过轮廓信息匹配情况判别漏装与多装检测,并结合坐标位置与姿态偏差阈值验证判别结果,得到检测结果信息。

32、第二方面,本技术提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述所述的基于数字模型特征识别的错漏装检测方法。

33、第三方面,本技术提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述所述的基于数字模型特征识别的错漏装检测方法。

34、第四方面,本技术提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述所述的基于数字模型特征识别的错漏装检测方法。

35、根据本技术提供的具体实施例,本技术公开了以下技术效果:

36、本技术提供了一种基于数字模型特征识别的错漏装检测方法、设备、介质及产品,通过确定专用检测模板能够实现对装配场景中所有需检测零件的整体管控,避免单一零件检测的局限性,提升检测的全面性。通过将零件模型组中各元素基于空间变化矩阵转换到图像采集设备的坐标系,能够有效提升轮廓匹配精度。然后根据图像采集设备的内参矩阵提取出当前位姿下零件最优理论轮廓信息,基于获取的待测工件真实装配图像确定对应的真实装配零件轮廓信息,并与最优理论轮廓信息进行对比分析,得到轮廓对比结果,并根据专用检测模板进行错漏装检测,可进一步提升检测的可靠性与准确性。由此,本技术可实现高效、精准的错漏装检测。