[发明专利]一种基于机器视觉的汽车覆盖件轮廓检测算法

权利要求书

1.一种基于机器视觉的汽车覆盖件轮廓检测算法，其特征在于，该检测算法具体步骤如下：

(1)采集并处理汽车覆盖件轮廓图像；

(2)将采集到的轮廓图像进行分类记录；

(3)对汽车覆盖件轮廓图像边缘进行提取；

(4)喷涂机器人对汽车覆盖件进行喷涂。

2.根据权利要求1所述的一种基于机器视觉的汽车覆盖件轮廓检测算法，其特征在于，步骤(1)中所述汽车覆盖件具体包括汽车的前后保险杠、发动机盖、叶子板、车门、车顶盖以及后备箱盖。

3.根据权利要求1所述的一种基于机器视觉的汽车覆盖件轮廓检测算法，其特征在于，步骤(1)中所述轮廓图像具体处理步骤如下：

步骤一：依据各组轮廓图像的显示比例确定分块数量，根据确定的分块数量对相关轮廓图像进行分块处理，之后对分块后的各组轮廓图像通过傅里叶正变换将轮廓图像从图像空间转换至频率空间；

步骤二：对频率空间中的高频成分进行提取，并通过高斯函数对其进行平滑处理，之后通过傅里叶反变换将轮廓图像从频率空间转换至图像空间。

4.根据权利要求3所述的一种基于机器视觉的汽车覆盖件轮廓检测算法，其特征在于，步骤二中所述高斯函数具体公式如下：

(1)

式中，x、y分别代表轮廓图像中各像素点横坐标以及纵坐标，σ代表平滑参数，其中，σ较小时，边缘定位精度高，但图像平滑作用较弱，抑制噪声的能力差；σ较大时，会导致高斯半滑模板增大，使边缘位置偏移严重，增加运算量。

5.根据权利要求3所述的一种基于机器视觉的汽车覆盖件轮廓检测算法，其特征在于，步骤(3)中所述轮廓图像边缘具体提取步骤如下：

步骤Ⅰ：构建并训练一组神经网络模型，之后将处理后的轮廓图像导入该神经网络模型中，神经网络模型对各组轮廓图像进行归一化处理；

步骤Ⅱ：神经网络模型依据各组轮廓图像数据构建相对应的S变换模型，依据各组轮廓图像的傅里叶变换获取关于图像连续信号的S变换模型，再相关嵌入相位函数以及标准因子；

步骤Ⅲ：通过S变换模型对轮廓图像中的中频系数进行非极大值滤波处理并获取极大值，并计算各组轮廓图像阈值消除噪声，之后通过canny算法计算各组轮廓图像的信噪比以获取图像边缘点信息，再提取距离实际点最小的边缘点以获取汽车覆盖件轮廓。

6.根据权利要求5所述的一种基于机器视觉的汽车覆盖件轮廓检测算法，其特征在于，步骤Ⅱ所述S变换模型具体表达形式如下：

式中，h(t)代表信号，f代表频率，μ代表时间，e^-i2πft代表相位函数，代表标准因子；

步骤Ⅲ中所述canny算法具体计算公式如下：

式中，G代表2D高斯方差，G_n代表方向n的2D高斯方程，I代表图像函数。

7.根据权利要求5所述的一种基于机器视觉的汽车覆盖件轮廓检测算法，其特征在于，步骤Ⅰ中所述神经网络模型具体训练步骤如下：

步骤①：神经网络模型从云服务器中提取多组测试数据，并从中选择一组测试数据作为验证数据，使用剩下的测试数据拟合一个测试模型，并用选择的验证数据来验证测试模型的精度，并通过均方根误差对该测试模型的预测能力进行计算以获取精度参数；

步骤②：对生成的精度参数进行参数优化处理，初始化参数范围后，再依据设置的学习率以及步长列出所有可能的数据结果，对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，通过训练集训练模型后，对测试集进行预测，并统计测试结果的均方根误差；

步骤③：将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为神经网络模型的最优的参数。