[發(fā)明專利]一種基于形狀匹配的汽車零配件的質(zhì)量檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710919605.4
• 申請(qǐng)日: 2017-09-30
• 公開（公告）號(hào): CN107886496A
• 公開（公告）日: 2018-04-06
• 發(fā)明（設(shè)計(jì)）人: 黃榮
• 申請(qǐng)（專利權(quán)）人: 北京得華機(jī)器人技術(shù)研究院有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/40
• 代理公司: 北京科迪生專利代理有限責(zé)任公司11251
• 代理人: 安麗

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)，特別是涉及一種基于形狀匹配的汽車零配件的質(zhì)量檢測(cè)方法。

背景技術(shù)

一輛汽車由上萬個(gè)零件組成，其中包含了汽車車身總成零件和塑料件，這兩種在汽車中占比很大。汽車主機(jī)廠對(duì)其產(chǎn)品質(zhì)量要求是很高的，對(duì)配送廠家的汽車零配件要求關(guān)鍵部分合格率達(dá)到100％，其他汽車零配件基本上也都要達(dá)到99.99％，對(duì)于一級(jí)供應(yīng)商，其要求為100ppm以內(nèi)，其他二級(jí)三級(jí)供應(yīng)商為200～400ppm。因此汽車零配件的合格與否直接影響到汽車主機(jī)廠，汽車零配件生產(chǎn)廠家必須花費(fèi)大量的人力進(jìn)行檢測(cè)排查。

從汽車市場(chǎng)來看，目前國內(nèi)的中小企業(yè)主要是依靠人工檢查，費(fèi)時(shí)費(fèi)力會(huì)漏檢，針對(duì)上述國內(nèi)汽車行業(yè)的情況，研發(fā)汽車零配件視覺檢測(cè)系統(tǒng)就是為解決客戶的檢測(cè)效率低、人員多、檢測(cè)質(zhì)量低等問題。本發(fā)明涉及圖像處理技術(shù)，特別是涉及一種基于形狀匹配的汽車零配件的質(zhì)量檢測(cè)方法，為工廠帶來節(jié)省人員、降低管理要求、提高檢測(cè)質(zhì)量、提高檢測(cè)效率等好處。

發(fā)明內(nèi)容

本發(fā)明技術(shù)解決問題：克服現(xiàn)有技術(shù)的不足，提供一種識(shí)別準(zhǔn)確率高、識(shí)別速度快的基于形狀匹配的汽車零配件的質(zhì)量檢測(cè)方法，打破中小型汽車制造業(yè)人工檢測(cè)汽車零配件檢測(cè)對(duì)象的局面，為汽車零配件的質(zhì)量檢測(cè)提供理論支撐，為汽車零配件的焊接質(zhì)量提供有力的保障。

為了達(dá)到上述目的，本發(fā)明提出的技術(shù)方案為：一種基于形狀匹配的汽車零配件的質(zhì)量檢測(cè)方法，將采集到的圖像與形狀匹配的模板庫比較，準(zhǔn)確識(shí)別檢測(cè)對(duì)象，然后根據(jù)檢測(cè)對(duì)象的位置和數(shù)量判斷汽車零配件產(chǎn)品的質(zhì)量，實(shí)現(xiàn)步驟如下：

步驟1、采用工業(yè)相機(jī)通過網(wǎng)絡(luò)的通信方式采集汽車零配件圖像；

步驟2、判斷是否需要?jiǎng)?chuàng)建輪廓庫，若需要?jiǎng)t進(jìn)行步驟3，否則轉(zhuǎn)到步驟4；

步驟3、截取汽車零配件圖像中檢測(cè)對(duì)象圖像，基于二維邊緣提取法提取檢測(cè)對(duì)象的輪廓，利用檢測(cè)對(duì)象的輪廓圖像創(chuàng)建汽車零配件的形狀匹配模板庫；

步驟4、對(duì)采集到的圖像自動(dòng)截取檢測(cè)區(qū)域，針對(duì)檢測(cè)區(qū)域做圖像預(yù)處理；

步驟5、基于二維邊緣提取法提取預(yù)處理后圖像的檢測(cè)對(duì)象輪廓，然后循環(huán)遍歷形狀匹配的模板庫，進(jìn)行輪廓形狀匹配，尋找與其形狀相似的檢測(cè)對(duì)象輪廓，匹配成功的對(duì)象即為檢測(cè)到的檢測(cè)對(duì)象；

步驟6、提取檢測(cè)對(duì)象的位置信息和檢測(cè)出的檢測(cè)對(duì)象數(shù)量，與標(biāo)準(zhǔn)的檢測(cè)對(duì)象位置和數(shù)量作比較，判斷汽車零配件產(chǎn)品的質(zhì)量是否合格。

所述步驟3和步驟5中基于二維邊緣提取法提取檢測(cè)對(duì)象輪廓的具體過程為：

(1)圖像函數(shù)用f(r,c)來表示，求圖像的梯度向量為：

其中，代表圖像的梯度向量，r代表圖像上某像素點(diǎn)橫坐標(biāo)的值，c表示圖像上某像素點(diǎn)縱坐標(biāo)的值，(r,c)代表圖像中像像素點(diǎn)的位置信息，f(r,c)代表像素點(diǎn)位置是(r,c)的灰度值，f_r表示圖像函數(shù)在r上的一階偏導(dǎo)數(shù)，f_c表示圖像函數(shù)在c上的一階偏導(dǎo)數(shù)；

(2)求梯度向量的歐幾里得長度和梯度方向：

φ＝-arctan(f_r/f_c)

梯度向量的長度又稱梯度向量的量值，梯度方向φ沿從橫軸開始的算術(shù)正方向，即逆時(shí)針方向增大，二維邊緣由圖像中若干個(gè)點(diǎn)組成，在這些點(diǎn)上梯度量值在梯度方向φ上局部最大，此處是檢測(cè)對(duì)象輪廓的特征；

(3)通過拉普拉斯算子的過零計(jì)算能得到二維邊緣，即得到檢測(cè)對(duì)象的輪廓，公式如下：

Δf(r,c)＝0

其中，Δf表示拉普拉斯算子，f_rr表示圖像函數(shù)在r上的二階偏導(dǎo)數(shù)，f_cc表示圖像函數(shù)在c上的二階偏導(dǎo)數(shù)。

所述步驟4中圖像預(yù)處理的具體過程為：

(1)對(duì)相機(jī)采集到的圖像進(jìn)行Gamma校正，用于改善圖片的光照條件；

(2)直方圖均衡化使圖像的直方圖盡可能平坦，獲取可以平均使用所有的像素強(qiáng)度的高質(zhì)量的圖像；

(3)對(duì)直方圖均衡化后的圖像進(jìn)行高斯濾波，去除部分背景干擾；

(4)步驟(3)處理后，圖像信息均勻，再用矩陣模板法，將有檢測(cè)對(duì)象的區(qū)域顯露出來，將沒有檢測(cè)對(duì)象的區(qū)域覆蓋掉，以便去掉檢測(cè)汽車零配件檢測(cè)對(duì)象時(shí)出現(xiàn)不必要的誤匹配；

(5)經(jīng)過Gamma校正、直方圖均衡法、同態(tài)濾波和矩陣模板相乘法的處理后，對(duì)圖像進(jìn)行自適應(yīng)二值化，方便后續(xù)檢測(cè)。

所述步驟5中輪廓形狀匹配法的具體過程為：