一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法.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CN106023186A(43)申请公布日2016.10.12(21)申请号201610325147.7(22)申请日2016.05.17(71)申请人浙江大学宁波理工学院地址315100浙江省宁波市鄞州区钱湖南路1号(72)发明人崔家林胡超(74)专利代理机构宁波市鄞州甬致专利代理事务所(普通合伙)33228代理人沈锡倍(51)Int.Cl.G06T7/00(2006.01)G06T7/60(2006.01)权利要求书2页说明书5页(54)发明名称一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法(57)摘要本发明公开了一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法，其优点在于采用超像素分割技术，对视觉图像进行聚类分割，再对分割后的图像计算每个聚类超像素的梯度能量，使得轮毂边缘的显著性大大增强，从而将轮毂图像准确的分割出来；再根据分割后的轮毂图像，获取初步圆心和半径，以此作为参考圆心进行扫描获取边缘扫描数据，剔除所获得扫描数据的噪声干扰点，进行最小二乘法拟合圆，达到毛坯轮毂钻孔定位所需的精确定位。CN106023186ACN106023186A权利要求书1/2页1.一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法，其特征在于，包括如下步骤：视觉图像通过改进的超像素分割，获得轮毂分割图像；基于最小二乘法圆拟合对轮毂分割图像中的钻孔中心进行定位。2.根据权利要求1所述的一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法，其特征在于：所述视觉图像的改进的超像素分割过程如下：11)视觉图像上均匀初始化K个初始聚类中心Ck(k＝1,2,...K)在间隔为S的网格节点上；其中，N为图像像素总数量；12)选取以聚类中心5×5邻域内梯度值最小的像素点为新的聚类中心(j＝1,2,...K)；根据归一化距离度量在聚类中心分配像素点，形成与聚类中心对应的聚类图像块Gj，并将所有像素点赋予与其归一化距离最近的聚类中心标签；其中，基于颜色和空间位置特征的归一化距离为：式中，向量C为CIELAB颜色空间中的3维颜色向量，NC为向量C的颜色与空间距离的归一化常数；向量L表示2维空间位置坐标，NL为向量L的颜色与空间距离的归一化常数；下标j＝1,2,...K为聚类中心标签，下标i为对应聚类中心j的2S×2S大小邻域内的像素标签；13)聚类中心依据对应聚类图像块Gj中所有像素颜色和空间特征的均值进行迭代更新，即其中，Nj为聚类图像块Gj的像素数量；14)重复步骤12)、13)，重新计算聚类中心并重新聚类，重复迭代，计算迭代过程中相邻2次同一编号聚类中心的空间移动距离E，直到所有E小于设定的门限值threshold，聚类结束；然后采用邻近合并策略消除孤立的尺寸小于的超像素，得到超像素分割图像；15)基于Snake模型的能量谱空间；计算步骤14)所述超像素分割图像中每个超像素的Snake能量，得到Snake能量图；16)通过对步骤15)所述Snake能量图进行扫描，分割出轮毂大致轮廓；17)根据步骤16)中的轮廓，获取到轮毂的大致圆心(x',y')及半径参考值R'，以r∈(R'-10,R')为扫描范围进行Hough变换，计算出拟合的分割圆心(x0,y0)及半径r，并保留半径周边梯度变换较大范围以内的像素点，获得轮毂分割图像。3.根据权利要求2所述的一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法，其特征在于：所述Snake模型的能量函数为：Esnake＝∫[Eint(V(s))+Eext(V(s))]ds；其中：V(s)表示待分割的目标的外轮廓，s为归一化的弧长参数，s∈[0,1]；Eint表示轮廓的内部能量，用于度量轮廓的光滑性和弹性；Eext为轮廓的外部能量，代表图像信息在轮廓曲线中偏向图像梯度较大的位置。4.根据权利要求3所述的一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法，其特征在于：所述Eint由Snake模型演化曲线形状的基本属性所决定，其2CN106023186A权利要求书2/2页中，Vs为曲线对s的一阶微分，Vss表示曲线对s的二阶微分，α表示弹力系数，β表示强度系数。5.根据权利要求4所述的一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法，其特征在于：所述外能Eext的计算公式为：其中，I(x,y)为图像灰度值，Gδ(x,y)为方差δ的高斯滤波器。6.根据权利要求2所述的一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法，其特征在于：所述基于最小二乘法圆拟合对轮毂分割图像中的钻孔中心进行定位，具体包括以下步骤：21)以分割圆心(x0,y0)为基准点，径向扫描轮毂分割图像获取边缘点数据；22)对边缘点数据进行预处理；23)基于预处理后的边缘点数据，利用最小二乘法圆拟合获得轮毂钻孔中心的坐标。