一种基于机器视觉的螺纹参数检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111462066A(43)申请公布日2020.07.28(21)申请号202010236884.6(22)申请日2020.03.30(71)申请人华南理工大学地址510640广东省广州市天河区五山路381号(72)发明人李顺刘伟东肖恭兵(74)专利代理机构广州市华学知识产权代理有限公司44245代理人陈宏升(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)G06T7/10(2017.01)G06T7/11(2017.01)G06T7/136(2017.01)权利要求书3页说明书6页附图4页(54)发明名称一种基于机器视觉的螺纹参数检测方法(57)摘要本发明公开的一种基于机器视觉的螺纹参数检测方法，包括以下步骤：获取螺纹图像，并对螺纹图像调整相对坐标位置；对螺纹图像进行预处理，获得预处理螺纹图像；所述预处理包括二值化、裁剪、去噪、滤波、像素互补；将预处理螺纹图像以质心进行裁剪，得到裁剪互补螺纹图像；对裁剪互补螺纹图像进行边缘检测，提取裁剪互补螺纹图像的边缘轮廓；扫描裁剪互补螺纹图像，获取像素值坐标；根据像素值坐标，计算获得螺纹参数；本发明采用图像的像素作为计算依据，优化了非接触图像法测量螺纹的流程，将视野中的螺纹进行适当的裁剪，并设计算法将部分测量的参数放在一个螺纹单冠峰上面，简化了图像处理的过程，提高了图像法螺纹测量的适应性。CN111462066ACN111462066A权利要求书1/3页1.一种基于机器视觉的螺纹参数检测方法，其特征在于，包括以下步骤：S1、获取螺纹图像，并对螺纹图像调整相对坐标位置；S2、对螺纹图像进行预处理，获得预处理螺纹图像；所述预处理包括二值化、裁剪、去噪、滤波、像素互补；S3、将预处理螺纹图像以质心进行裁剪，得到裁剪互补螺纹图像；S4、对裁剪互补螺纹图像进行边缘检测，提取裁剪互补螺纹图像的边缘轮廓；S5、扫描裁剪互补螺纹图像，获取像素值坐标；S6、根据像素值坐标，计算获得螺纹参数。2.根据权利要求1所述的一种基于机器视觉的螺纹参数检测方法，其特征在于，所述步骤S1具体为：获取螺纹图像，判断螺纹轴线和坐标轴水平线是否平行，若螺纹轴线和坐标轴水平线不平行，按照螺纹图像中螺纹牙两侧投影线延伸交点间的连线，计算出螺纹轴线与图像坐标系的夹角θ，以θ角度旋转螺纹图像使其轴线和坐标轴水平线平行。3.根据权利要求2所述的一种基于机器视觉的螺纹参数检测方法，其特征在于，所述步骤S2具体为：对螺纹图像进行二值化处理，即给螺纹图像定一个阈值，使螺纹图像转化为二值图像，通过OTSU算法，把螺纹图像转换为黑白二值的图像，其中黑色的像素值为0，白色的像素值为1，将白色像素值比例占总像素50％以上的部分裁剪，得到裁剪图像；去噪：把噪声分为频率域噪声和空间域噪声，对于频率域噪声，使用低通滤波器进行处理；对于空间域噪声，使用平均滤波和中值滤波进行处理；滤波：采用微纳滤波法对图像进行处理；构建维纳公式如下：其中，为维纳滤波后图像，f为清晰的原始图像；像素互补：将维纳滤波后图像的灰度值进行颠倒，即把该图像白色区域变成黑色区域，把黑色区域变成白色区域，得到互补图像。4.根据权利要求3所述的一种基于机器视觉的螺纹参数检测方法，其特征在于，所述去噪，其微纳滤波窗口为K，K小于5。5.根据权利要求3所述的一种基于机器视觉的螺纹参数检测方法，其特征在于，所述步骤S3具体为：将预处理螺纹图像以质心进行裁剪，得到裁剪螺纹图像；即把预处理螺纹图像对于互补图像质心像素值的列坐标和横坐标进行剪裁，以质心对称，得到剪裁互补螺纹图像。6.根据权利要求1所述的一种基于机器视觉的螺纹参数检测方法，其特征在于，所述步骤S4具体为，对裁剪互补螺纹图像使用sobel算子进行边缘检测，即sobel算子把裁剪互补螺纹图像中每个像素的邻域灰度值进行加权差运算，使用离散性差分算子，得到图像亮度函数梯度的近似值，得到光滑连续边缘，即裁剪互补螺纹图像边缘，利用Sobel算子计算如下：Δxf(x,y)＝[f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)]-[f(x-1,y-1)+2f(x,y-1)+f(x+1,2CN111462066A权利要求书2/3页y-1)]Δyf(x,y)＝[f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)]-[f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)]其中，Sobel算子为二维算子，该算子包含两个方向的3×3的矩阵，分别为横向卷积因子Gx和纵向卷积因子Gy，Gx和Gy向卷积分别与图像做平面卷积，即可得到横向及纵向的图像梯度值Δxf(x,y)和Δyf(x,y)，假设待处理图像的某个像素点f(