[发明专利]基于计算机视觉的法兰盘智能对位方法及系统

权利要求书

1.一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述方法包括以下步骤：

获取待匹配的法兰盘的对位面图像，根据每个像素点和预设邻域范围内的邻域像素点的灰度特征获得每个像素点的反光度，所述预设邻域范围小于螺孔范围；

根据每个像素点的所述反光度获得所述对位面图像的疑似螺孔区域；根据所述疑似螺孔区域中像素点的所述反光度的离散特征获得反光误差指数，根据所述反光误差指数筛选螺孔区域；

获得所述螺孔区域的特征点，根据所述特征点的灰度值和反光度获得光线能量度，根据所述特征点的特征点描述符、所述反光度和所述光线能量度获得特征点表征向量；

将待匹配的两个法兰盘的所述螺孔区域按照顺序匹配获得匹配对，根据所述匹配对的特征点之间，所述特征点表征向量的差异特征获得匹配误差指数；根据所述匹配误差指数获得匹配特征点并进行法兰盘的对位匹配；

计算所述像素点的预设邻域范围内，邻域像素点的灰度值方差与数值一的和值，计算灰度值方差与数值一的和值的倒数，作为邻域比重系数；计算邻域像素点的灰度值平方的平均值，计算邻域像素点的灰度值平方的平均值、所述邻域比重系数和预设第一权重三者的乘积，获得邻域反光表征值；计算所述像素点的灰度值的平方值与预设第二权重的乘积，获得中心反光表征值；

计算所述中心反光表征值和所述邻域反光表征值的和值，获得区域反光表征值，并向下取整，获得所述反光度。

2.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述疑似螺孔区域的获取步骤包括：

根据每个像素点的所述反光度的大小分布特征，通过阈值分割二值化算法获得反光度阈值，根据所述反光度阈值，确定所述反光度小于所述反光度阈值的连通域并进行分割，获得所述疑似螺孔区域。

3.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述螺孔区域的获取步骤包括：

确定每个所述疑似螺孔区域的最小外接矩形，计算所述最小外接矩形内的像素点的反光度均值，计算所述最小外接矩形内像素点的所述反光度的标准差，计算所述最小外接矩形内所述反光度的最大值和最小值的极差；计算所述标准差与所述极差的乘积，获得离散特征值，计算所述离散特征值与所述反光度均值的乘积，获得所述反光误差指数；

将每个疑似螺孔区域的所述反光误差指数从小到大排序，从第一位开始取预设数量个所述反光误差指数对应的疑似螺孔区域，作为所述螺孔区域。

4.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述光线能量度的获取步骤包括：

将所述螺孔区域的每个特征点的灰度值归一化，获得灰度表征值；计算所述特征点的所述灰度表征值与所述反光度的乘积并正相关映射，获得反光特征值，将所述反光度进行负相关映射，计算负向相关映射后的反光度与对应的所述反光特征值的比值，获得所述光线能量度。

5.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述特征点表征向量的获取步骤包括：

计算所述特征点的所述反光度与预设第一数值的乘积，作为第一反光描述值；计算所述特征点的所述光线能量度与预设第二数值的乘积，作为第二反光描述值；

将所述特征点的所述特征点描述符、所述第一反光描述值和所述第二反光描述值组合，获得所述特征点表征向量。

6.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述匹配对的获取步骤包括：

将待匹配的两个法兰盘的所述螺孔区域从同一位置开始，分别按照相同的顺序编号，将两个相同编号的所述螺孔区域作为一个所述匹配对。

7.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述匹配误差指数的获取步骤包括：

计算所述匹配对的特征点之间的所述特征点表征向量中，每一个维度的特征分量值的差值的平方和，获得所述匹配误差指数。