[发明专利]一种运动背景下的微小机械零件尺寸测量筛选方法

说明书

本发明实施例公开了一种运动背景下的微小机械零件尺寸测量筛选方法，包括以下步骤：获得运动中的待检测零件的图像，并截取预设感兴趣区域的测量区域图像；对所述测量区域图像快速并行中值滤波处理；进行二值化处理；对二值化处理后的图像进行边缘检测，获取所述测量区域图像的轮廓以及存储所述测量区域图像像素点的坐标；通过对边缘粒子权重方法，对边缘轮廓进行粒子筛选；对筛选过的粒子进行变换拟合输出；根据图像像素距离和实际距离的关系，输出所述待检测零件的实际尺寸。采用本发明，可对待测零件的轮廓的高精度提取和定位，进而达到了提高测量精度和测量速度的目的，并且测量精度达到了亚像素级精度。

技术领域

本发明涉及机器视觉领域，尤其涉及一种运动背景下的微小机械零件尺寸测量筛选方法。

背景技术

现代制造业的发展趋势是数字自动化制造，这对加工精度、速度提出了严格的要求。测量作为获得产品制造精度的唯一途径，在制造业里占据着举足轻重的位置，它也是影响生产效率的一个重要因素。常规的零件尺寸测量手段主要采用游标卡尺、激光测量仪和轮廓测量仪等测量工具完成检测环节。这样不仅劳动强度大、工作效率低、成本高，还会受检测人员身体素质、经验、肉眼分辨率和测量工具等等因素影响。微小机械零件(微小机械零件定义为：测量范围在30*30mm，最小测量尺寸5mm。)在测量时更容易受到测量工具和工人的限制，不能够满足机械零件趋小化、趋高精度化、趋个性化的生产需求，且往往需要公司投入大量的人力完成相关测量工作。基于机器视觉的检测技术具有非接触、速度快、抗干扰能力强、效率高等优点。

在实际的工业应用中，像素级提取已经不能满足实际测量的需要。为了获得比图像像素分辨率更高的精度，发展了应用不同原理的亚像素提取算法，如概率论法，解调测量法，多项式插值法，以及矩法等。亚像素测量算法是基于硬件受限，通过细分像素来提高测量精度，但由于其算法复杂，运行速度较慢，并不适合满足在运动背景下的待测零件的检测。

发明内容

本发明实施例所要解决的技术问题在于，提供一种运动背景下的微小机械零件尺寸测量筛选方法。可对微小机械零件进行高测量精度和高测量速度的轮廓的高精度提取和定位。

为了解决上述技术问题，本发明实施例提供了一种运动背景下的微小机械零件尺寸测量筛选方法，包括以下步骤：

S1：获得运动中的待检测零件的图像，并截取预设感兴趣区域的测量区域图像；

S2：对所述测量区域图像快速并行中值滤波处理；

S3：进行二值化处理；

S4：对二值化处理后的图像进行边缘检测，获取所述测量区域图像的轮廓以及存储所述测量区域图像像素点的坐标；

S5：通过对边缘粒子权重方法，对边缘轮廓进行粒子筛选；

S6：对筛选过的粒子进行变换拟合输出；

S7：根据图像像素距离和实际距离的关系，输出所述待检测零件的实际尺寸。

进一步地，所述中值滤波处理通过以下公式进行输出：

g(x，y)＝med{f(x-k，y-i)，(k，i∈w)}，其中f(x,y)，g(x,y)分别为原始图像和处理后图像，med表示取中值运算，x，y分别为像素点坐标，w为二维模板，k，i为二维模板中对应像素的坐标点的位置

更进一步地，所述步骤S5具体包括以下步骤：

S51：对边缘轮廓进行粒子进行排数筛选为奇数组与偶数组；

S52：分别对所述奇数组与偶数组进行拟合两条不同的直线，计算两条直线间的距离；

S53：根据所述两条直线间的距离确定粒子权重的大小或去掉噪点，重复步骤S52进行多次拟合，直至两条拟合直线距离小于1/2个像素。