一种基于机器视觉的机器人零部件质量检测系统的制作方法

本发明涉及机器视觉，更具体地说，本发明涉及一种基于机器视觉的机器人零部件质量检测系统。

背景技术：

1、随着工业机器人在精密制造、自动装配以及零部件加工质量控制领域的应用不断深入，基于机器视觉的零部件表面质量检测技术逐渐成为自动化检测的重要手段，现有检测方式通常通过工业相机采集零部件表面图像，并利用图像灰度变化、纹理差异以及边缘特征等信息识别表面缺陷，实现对划痕、凹陷、裂纹以及表面异常区域的自动检测。

2、现有技术存在以下不足：

3、目前，在机器人零部件检测过程中，由于零部件表面曲率变化、材料反射特性以及机器人运动过程中光照角度变化的影响，采集图像中容易产生随光照条件变化而移动的高亮区域，而真实缺陷区域与高光区域在视觉特征上存在相似性，导致检测过程中难以准确区分由光照反射产生的异常亮区与零部件表面真实缺陷，降低了复杂曲面零部件视觉检测的准确性和可靠性，因此，提出一种基于机器视觉的机器人零部件质量检测系统。

4、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种基于机器视觉的机器人零部件质量检测系统，通过运用基于零部件表面空间映射的亮区特征提取方法、结合曲面法向分布与光照入射关系构建理论高光变化轨迹的方法、融合实际亮区位置与理论高光轨迹匹配的缺陷筛选方法以及基于补充光照响应的疑似区域验证修正方法以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案，一种基于机器视觉的机器人零部件质量检测系统，包括亮区识别模块、光照分析模块、缺陷筛选模块以及修正判断模块，各模块之间电信号连接；

3、亮区识别模块用于检测各帧图像中灰度异常区域识别可疑亮区，采集零件表面基准特征点图像坐标，执行帧间几何配准将可疑亮区映射到零件表面坐标系生成亮区表面归一化位置序列，将亮区表面归一化位置序列传入缺陷筛选模块；

4、光照分析模块用于读取各帧光照入射方向，获取曲面局部法向分布，结合各帧光照入射方向计算各帧理论高光应出现的表面位置并生成理论高光漂移轨迹，将理论高光漂移轨迹传送至缺陷筛选模块；

5、缺陷筛选模块将亮区表面归一化位置序列与理论高光漂移轨迹执行空间匹配，检测可疑亮区边缘梯度锐度，综合空间匹配结果与边缘梯度锐度筛选真实缺陷候选清单后标记轨迹证据矛盾的置信不足亮区，将置信不足亮区传入修正判断模块；

6、修正判断模块针对置信不足亮区根据高光遮挡几何关系反推补充光照方向并触发补光成像，采集补光成像下亮区灰度峰值，根据亮区灰度峰值判断该亮区是否随补光移除并对真实缺陷候选清单执行回环修正。

7、在一个优选的实施方式中，亮区识别模块接收工业相机在检测周期内采集的各帧图像；

8、采集零件表面特征点云数据，从点云数据中提取若干基准特征点，获取基准特征点在零件表面坐标系下的三维坐标；

9、对图像序列中的各帧图像执行灰度异常检测，对图像中的每个像素，读取其灰度值，计算该像素邻域内所有像素的灰度均值作为局部背景灰度均值；

10、将像素灰度值与局部背景灰度均值作差并取绝对值，得到灰度偏差，若灰度偏差大于灰度异常阈值，则将该像素标记为异常像素。

11、在一个优选的实施方式中，亮区识别模块对图像中所有标记为异常像素的位置进行连通域分析，将空间上连通的异常像素聚类为一个可疑亮区；

12、提取各帧图像中基准特征点的图像坐标，执行帧间几何配准，通过角点检测算法定位基准特征点在图像平面上的坐标；

13、将图像中基准特征点图像坐标与零件表面坐标系下基准特征点三维坐标建立对应关系，采用ransac算法求解单应性矩阵，对图像中识别出的所有可疑亮区，将其中心像素坐标代入单应性矩阵，得到该可疑亮区在零件表面坐标系下的位置；

14、从cad系统导入零件三维模型，读取零件的包络尺寸，对图像中的可疑亮区的表面坐标，分别除以对应方向的包络尺寸，得到归一化位置，将检测周期内所有帧、所有可疑亮区的归一化位置合并，生成亮区表面归一化位置序列。

15、在一个优选的实施方式中，光照分析模块读取各帧图像对应的光照入射方向，在检测周期内记录每帧图像采集时刻光源的方位角和俯仰角，将方位角和俯仰角转换为光照入射方向向量；

16、将检测周期内图像对应的光照入射方向按照图像采集时间顺序进行排列，形成历史光照方向集合，从cad系统导入零件三维模型，提取曲面几何信息，获取曲面局部法向分布，将零件曲面离散为若干表面单元，对每个表面单元计算其法向量；

17、结合光照入射方向和曲面局部法向分布，计算各帧理论高光应出现的表面位置。

18、在一个优选的实施方式中，光照分析模块对图像对应的光照入射方向，遍历零件曲面上所有表面单元，对每个表面单元的法向量，计算法向量与光照入射方向的夹角余弦值；

19、当夹角余弦值大于高光阈值时，判定该表面单元在图像中理论上应出现高光，记录该表面单元的中心坐标作为理论高光位置，将图像对应的理论高光位置按时间顺序连接，生成理论高光漂移轨迹。

20、在一个优选的实施方式中，缺陷筛选模块接收亮区表面归一化位置序列和理论高光漂移轨迹，执行空间匹配；

21、对亮区表面归一化位置序列中的每个可疑亮区，计算其归一化位置与理论高光漂移轨迹上每个点之间的切比雪夫距离，取所有帧中切比雪夫距离的最小值作为该可疑亮区的空间匹配距离。

22、在一个优选的实施方式中，缺陷筛选模块检测可疑亮区的边缘梯度锐度，从亮区识别模块获取各帧图像中可疑亮区的边缘图像；

23、对可疑亮区的边缘图像，应用sobel算子分别计算x方向梯度和y方向梯度，取边缘图像中所有像素梯度幅值的平均值作为该可疑亮区的边缘梯度锐度；

24、综合归一化处理后的空间匹配距离和边缘梯度锐度，采用逻辑回归模型计算可疑亮区为真实缺陷的概率；

25、根据真实缺陷概率对可疑亮区进行置信度分级，设置高置信阈值和低置信阈值，制定分级规则：

26、规则1：当真实缺陷概率超过高置信阈值时，判定为高置信缺陷，将该可疑亮区加入真实缺陷候选清单；

27、规则2：当真实缺陷概率低于低置信阈值时，判定为高置信高光，剔除该可疑亮区；

28、规则3：当真实缺陷概率大于或等于低置信阈值且小于或等于高置信阈值时，判定为置信不足亮区，标记该可疑亮区并传入补光验证模块进行进一步验证。

29、在一个优选的实施方式中，补光验证模块接收置信不足亮区集合，针对每个置信不足亮区执行补充光照方向反推；

30、对置信不足亮区，读取其在零件表面坐标系下的位置，查询该位置对应的曲面局部法向；

31、根据高光遮挡几何关系，计算使该位置高光消失的补充光照方向。

32、在一个优选的实施方式中，补光验证模块触发补光成像，将补充光照方向转换为光源控制器的方位角和俯仰角，驱动光源控制器调整光源至该方向；

33、在补充光照条件下对零件表面进行图像采集，获取补光图像；

34、在补光图像中定位置信不足亮区的像素区域，提取该区域内所有像素的灰度值，取最大灰度值作为补光下的亮区灰度峰值，读取该亮区在检测周期内原始图像中的灰度峰值。

35、在一个优选的实施方式中，补光验证模块根据补光前后灰度峰值变化判断该亮区是否随补光移除，并对真实缺陷候选清单执行回环修正，计算置信不足亮区的灰度峰值下降率，设置移除判定阈值；

36、制定判定规则：

37、规则1：当灰度峰值下降率大于移除判定阈值时，判定该亮区灰度随补光显著下降，该亮区为正常高光，从真实缺陷候选清单中删除该亮区（若该亮区之前被误判为高置信缺陷而加入清单）；

38、规则2：当灰度峰值下降率小于或等于移除判定阈值时，判定该亮区灰度未随补光显著下降，该亮区为真实缺陷，将该亮区加入真实缺陷候选清单；

39、遍历所有置信不足亮区完成补光验证后，补光验证模块输出修正后的真实缺陷候选清单作为最终检测结果。

40、本发明的技术效果和优点：

41、本发明通过机器视觉采集零部件检测图像，利用亮区识别模块检测灰度异常区域并结合零件表面坐标系生成亮区位置序列，通过光照分析模块根据光照入射方向和曲面局部法向分布构建理论高光漂移轨迹，将实际亮区位置与理论高光轨迹进行空间匹配，结合亮区边缘梯度锐度筛选真实缺陷候选区域，并针对置信不足亮区根据高光遮挡关系反推补充光照方向，通过补光成像验证亮区变化状态，对缺陷检测结果进行修正，提高了机器人零部件表面缺陷检测的准确性和抗高光干扰能力，实现了复杂曲面零部件检测过程中真实缺陷与光照反射区域的有效区分，降低了因光照变化导致的误检率和漏检率。