一种基于圆定位的焊缝缺陷区域映射算法的制作方法

1.本发明涉及缺陷检测技术领域，尤其是一种基于圆定位的焊缝缺陷区域映射算法。


背景技术：

2.随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对工业自动化中的产品进行实时定位研究越来越热门。在工业、制造业中，有着对产品进行尺寸检测、瑕疵检测等大量的工作，引入机器视觉的自动检测方法，相比于人工检测，能大大降低工人的检测劳动强度，检测精度高、速度快，可以有效保证产品的合格率。而采用单一相机的成像进行缺陷检测缺少复核处理，并且现实中有部分缺陷并不能在单一图像上进行检测，往往依靠多种相机采集不同图像才能检出；而对于同一产品，不同相机采集成像的像素比例等往往有一定的比例误差，导致检测的精度低。


技术实现要素：

3.本发明解决了现有技术无论是单一相机或多种相机进行缺陷检测均存在精度不高的问题，提出一种基于圆定位的焊缝缺陷区域映射算法，采用双相机检测，可以精确地在不同成像区域相互映射，进而提高了焊缝缺陷检测的精准性。
4.为实现上述目的，提出以下技术方案：
5.一种基于圆定位的焊缝缺陷区域映射算法，包括以下步骤：
6.s1，采集焊缝区域带有缺陷的若干2d图像和3d点云图像，构成图像数据集，并利用图像数据集训练得到缺陷区域映射夹角误差范围和距离像素误差范围；
7.s2，对待测的2d图像和3d点云图像进行图像预处理，得到有效2d图像和3d点云图像；
8.s3，对有效2d图像和3d点云图像进行圆拟合处理，得到有效2d图像和3d点云图像的圆心坐标以及半径；
9.s4，获取2d图像上疑似缺陷区域中心坐标，计算疑似缺陷中心与2d图像圆心的夹角angle以及疑似缺陷中心与2d图像圆心的距离；
10.s5，3d点云图像的圆心坐标、半径与夹角angle，得到3d点云图像疑似缺陷的初定位点；
11.s6，根据缺陷区域映射夹角误差范围、距离像素误差范围和初定位点获得3d点云图像疑似缺陷的区域；
12.s7，提取3d点云图像疑似缺陷区域的特征数值，并判断特征数值是否大于设定阈值，若是，该产品判为不及格产品，若否，该产品判为及格产品。
13.本发明中检测焊缝缺陷采用了两种相机，分别为2d和3d相机，2d相机采集2d图像，进行疑似缺陷的初定位处理，后续通过3d相机采集的3d点云图像进行缺陷区域映射处理，得到3d点云图像对应的疑似缺陷区域，进而在3d点云图像的疑似缺陷区域提取一系列缺陷
特征，通过该一系列缺陷特征进行缺陷判断，进行了疑似缺陷复核的处理，比采用单一相机的成像进行缺陷检测的处理，大大提高了缺陷识别的准确性。
14.作为优选，所述s1具体包括以下步骤：
15.s101，采集若干焊缝区域带有缺陷的2d图像、3d点云图像，构成图像数据集；
16.s102，通过二值化算法获取缺陷区域的中心坐标；
17.s103，使用最小二乘法圆拟合方法拟合出2d图像和3d点云图像中的圆，得到圆心坐标以及半径；
18.s104，分别计算出2d图像和3d点云图像缺陷区域的中心与圆心的夹角以及距离；
19.s105，对夹角和距离进行差分处理，得到缺陷区域映射夹角误差范围和距离像素误差范围。
20.作为优选，所述s2具体包括以下步骤：对原始图像进行增强处理、图像去噪处理、图像分割处理及图像差分处理中的一种或几种。
21.作为优选，所述s3具体包括以下步骤：对有效2d图像、3d点云图像进行基于hough变换原理的圆拟合处理，得到有效2d图像和3d点云图像的圆心以及半径。
22.作为优选，所述s4具体包括以下步骤：
23.通过二值化算法获取疑似缺陷的区域，将疑似缺陷区域中心与图像圆心连成一条线段l0，线段l0与过圆心的水平直径线l1形成夹角angle，线段l0的长度即为疑似缺陷中心与2d图像圆心的距离d。
24.作为优选，所述夹角angle计算公式如下：
[0025][0026]
其中，h为缺陷中心与直线l0垂线的高度。
[0027]
作为优选，所述s5具体包括以下步骤：
[0028]
计算3d点云图像疑似缺陷的初定位点(x,y)，其中：
[0029]
x＝d1*cos(angle)；
[0030]
y＝d1*sin(angle)；
[0031]
d1为疑似缺陷中心与3d点云图像圆心的距离。
[0032]
作为优选，所述s6具体包括以下步骤：
[0033]
假设缺陷区域映射夹角误差范围为a0≤a≤a1；距离像素误差范围为d0≤d≤d1；
[0034]
连接初定位点和3d点云图像圆心得到直线l2，根据夹角误差范围a0≤a≤a1，直线l2逆时针偏移角度|a0|，顺时针偏移角度a1，得到初步角度区域，根据距离像素范围：d0≤d≤d1，将初步角度区域沿直线l2方向往前偏移d1，往后偏移|d0|，得到3d点云图像疑似缺陷的区域。
[0035]
本发明的有益效果是：本发明可以很好的解决同一产品不同相机采集图像的缺陷映射问题，通过该映射可以进行不同图像中的复核等操作，进而提高缺陷判定的正确性。
附图说明
[0036]
图1为实施例的整体流程示意图；
[0037]
图2为实施例的2d图像中夹角angle示意图；
[0038]
图3为实施例的2d图像求解夹角angle示意图；
[0039]
图4为实施例的3d点云图像疑似缺陷的初定位；
[0040]
图5为实施例的3d点云图像初步角度区域；
[0041]
图6为实施例的3d点云图像疑似缺陷的区域。
具体实施方式
[0042]
实施例：
[0043]
本实施例提出一种基于圆定位的焊缝缺陷区域映射算法，参考图1，包括以下步骤：
[0044]
s1、采集2d图像和3d点云图像以及分析缺陷区域与2d图像、3d点云图中圆的圆心坐标的夹角等相关特性，得到缺陷区域映射角度误差的范围；首先用2d相机和3d相机对待识别的区域进行采集，采集1千张有缺陷的2d图像、3d点云图像，构成图像数据集，图像中缺陷特征尽可能明显，通过二值化算法获取缺陷区域的中心坐标，对这些图像中圆使用最小二乘法圆拟合方法拟合出圆，得到圆心坐标以及半径，分别计算出2d图像、3d点云图像缺陷中心与圆心的夹角以及距离，其中计算距离基于欧几里得距离，公式如下所示，对两夹角、距离进行差分处理，并记录与分析两夹角以及距离差分结果，得到夹角误差a范围：a0≤a≤a1，距离像素范围：d0≤d≤d1，夹角以及距离像素误差数值范围，单位分别为弧度、像素，参考表一；
[0045][0046]
其中x0、y0、x1、y1分别为疑似缺陷中心坐标和图像圆心坐标。
[0047]
表一夹角误差数值范围
[0048][0049][0050]
s2、将采集到的2d图像、3d点云图像进行预处理，得到有效2d、3d点云图像；对原始图像进行增强处理、图像去噪处理、图像分割处理及图像差分处理中的一种或几种；
[0051]
s3、对有效2d图像、3d点云图像进行基于hough变换原理的圆拟合处理，得到两图像的圆心以及半径；
[0052]
s4、获取2d图像上疑似缺陷区域中心坐标，计算疑似缺陷中心与2d图像圆心夹角angle以及疑似缺陷中心与2d图像圆心的距离d；通过二值化算法获取疑似缺陷的区域，将疑似缺陷区域中心与图像圆心连成一条直线l0，直线l0与过圆心的水平直径线l1形成一个夹角angle，如图2所示；求夹角angle可通过反正弦函数获得，公式如下，其中d为疑似缺陷中心与2d图像圆心的距离，h为缺陷中心与直线l0垂线的高度，单位均为图像像素,如图3所示；
[0053][0054]
s5、根据3d点云图像圆心坐标、半径与夹角angle，得到3d点云图像疑似缺陷的初
定位；3d点云图像疑似缺陷初定位为一个点(x,y)，坐标x、y可通过正弦公式和余弦公式得到，公式分别如下，其中d1为疑似缺陷中心与3d点云图像圆心的距离，可通过疑似缺陷中心与2d图像圆心的距离d与两图像像素比例的乘积得到，如图4所示；
[0055]
x＝d1*cos(angle)
[0056]
y＝d1*sin(angle)
[0057]
s6、通过缺陷区域映射角度误差的范围、距离像素误差数值范围与3d点云图像疑似缺陷的初定位，得到3d点云图像疑似缺陷的区域；3d点云图像疑似缺陷的初定位(x,y)与3d点云图像圆心相连得到直线l2，根据夹角误差范围a0≤a≤a1，直线l2逆时针偏移角度|a0|，顺时针偏移角度a1，得到初步角度区域，如图5所示；根据距离像素范围：d0≤d≤d1，将初步角度区域沿直线l2方向往前偏移d1，往后偏移|d0|，得到3d点云图像疑似缺陷的区域，如图6所示；
[0058]
s7、对3d点云图像疑似缺陷区域提取点云深度、面积等特征数值，判断特征数值是否大于设定阈值，若是，该产品判为不及格产品，若否，该产品判为及格产品。