[發(fā)明專利]一種基于特征匹配的裝配體多視角變化檢測方法及設(shè)備

有效

• 申請?zhí)枺?/td>: 202110506029.7
• 申請日: 2021-05-10
• 公開（公告）號: CN113283478B
• 公開（公告）日: 2022-09-09
• 發(fā)明（設(shè)計）人: 陳成軍;岳耀帥;李東年;洪軍
• 申請（專利權(quán)）人: 青島理工大學(xué)
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V10/762
• 代理公司: 福州科揚專利事務(wù)所(普通合伙) 35001
• 代理人: 魏珊珊

本發(fā)明涉及一種基于特征匹配的裝配體多視角變化檢測方法，包括如下步驟：S1、獲取第一圖像與第二圖像；S2、對第一圖像與第二圖像進行特征點提取和特征匹配，得到匹配對集、第一圖像的第一不匹配點集和第二圖像的第二不匹配點集；S3、根據(jù)第一不匹配點集，獲取第一圖像的第一待匹配區(qū)域集；根據(jù)第二不匹配點集，獲取第二圖像的第二待匹配區(qū)域集；S4、對所述各第一未匹配區(qū)域與所述各第二未匹配區(qū)域一一進行特征匹配，得到若干個匹配結(jié)果；S5、根據(jù)所述若干個匹配結(jié)果，輸出裝配體變化類型。本發(fā)明獲取裝配體在不同裝配過程不同視角下的圖像，通過識別圖像中的變化區(qū)域，判斷裝配體的變化類型，能及時發(fā)現(xiàn)裝配過程中的錯誤，從而降低產(chǎn)品的不合格率，縮短產(chǎn)品的生產(chǎn)周期。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于特征匹配的裝配體多視角變化檢測方法及設(shè)備，屬于圖像處理領(lǐng)域。

背景技術(shù)

裝配是產(chǎn)品制造的重要生產(chǎn)過程，是指按照設(shè)計要求將機械零部件組裝連接的過程。隨著產(chǎn)品類型的不斷變化，裝配難度也不斷增加。在復(fù)雜機械產(chǎn)品裝配過程中，一旦未能及時檢測出裝配過程中出現(xiàn)的錯誤(如裝配順序錯誤、漏裝、錯裝等)，將會直接影響機械產(chǎn)品的裝配效率和使用壽命。故需要對機械裝配體變化狀態(tài)進行檢測，及時發(fā)現(xiàn)裝配過程中的錯誤。

現(xiàn)有技術(shù)，如公開號為CN109816049A的專利《一種基于深度學(xué)習(xí)的裝配監(jiān)測方法、設(shè)備及可讀存儲介質(zhì)》，構(gòu)建并訓(xùn)練深度學(xué)習(xí)模型，深度學(xué)習(xí)模型輸出物理裝配體的像素分割圖像，所述像素分割圖像通過像素顏色表征不同零件，識別出物理裝配體的各零件。該專利能夠識別裝配體的各零件、監(jiān)測裝配步驟以及各零件是否裝配出錯、出錯類型。但深度學(xué)習(xí)模型需要收集大量訓(xùn)練集并需要大量的訓(xùn)練時間，計算量大，對運行設(shè)備的硬件要求較高。

現(xiàn)有技術(shù)，如公開號為CN106897995A的專利《一種面向機械裝配過程的零部件自動識別方法》將零部件裝配序列庫中將要裝配的零部件特征與零散環(huán)境中的零部件堆的圖像特征進行配準(zhǔn)識別，實現(xiàn)對零部件自動識別。該專利沒能實現(xiàn)對裝配過程中裝配錯誤及裝配錯誤類型的識別。

發(fā)明內(nèi)容

為了解決上述現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種基于特征匹配的裝配體多視角變化檢測方法，通過識別圖像中的變化區(qū)域，判斷裝配體的變化類型，能及時發(fā)現(xiàn)裝配過程中的錯誤，從而降低產(chǎn)品的不合格率，縮短產(chǎn)品的生產(chǎn)周期。

本發(fā)明的技術(shù)方案如下：

技術(shù)方案一：

一種基于特征匹配的裝配體多視角變化檢測方法，包括如下步驟：

S1、獲取第一圖像與第二圖像，所述第一圖像為裝配體前一時刻圖像，所述第二圖像為裝配體后一時刻圖像；

S2、對第一圖像與第二圖像進行特征點提取和特征匹配，得到匹配對集、第一圖像的第一不匹配點集和第二圖像的第二不匹配點集；

S3、根據(jù)第一不匹配點集，獲取第一圖像的第一待匹配區(qū)域集；根據(jù)第二不匹配點集，獲取第二圖像的第二待匹配區(qū)域集；所述待匹配區(qū)域為圖像中相似的若干個不匹配點形成的區(qū)域；

S4、對所述各第一待匹配區(qū)域與所述各第二待匹配區(qū)域一一進行特征匹配，得到若干個匹配結(jié)果；

S5、根據(jù)所述若干個匹配結(jié)果，輸出裝配體變化類型。

進一步的，所述步驟S2具體為：

分別提取第一圖像與第二圖像的特征點；

分別提取第一圖像與第二圖像的顯著性區(qū)域；

根據(jù)特征點的局部梯度信息，匹配第一圖像顯著性區(qū)域與第二圖像顯著性區(qū)域內(nèi)的特征點，得到匹配對集；利用隨機抽樣一致性算法濾去匹配對集的誤匹配對；

所述第一不匹配點集包括第一圖像中不屬于匹配對集的所有特征點；所述第二不匹配點集包括第二圖像中不屬于匹配對集的所有特征點。