详情

原文传递基于机器视觉的耐火砖测量系统

专利名称：	基于机器视觉的耐火砖测量系统
摘要：	本发明公开了基于机器视觉的耐火砖测量系统，包括基于机器视觉的耐火砖测量装置和基于机器视觉的耐火砖测量方法。本发明提供了一种无需在受测端面涂色就能够检测耐火砖的外形几何尺寸，并且能获得耐火砖的表面划痕信息、深度缺陷信息以及表面倾斜角的基于机器视觉的耐火砖测量系统。
专利类型：	发明专利
国家地区组织代码：	山东;37
申请人：	浙江大学山东工业技术研究院
发明人：	曹衍龙;张远松;杨将新;王敬;孙安顺;董献瑞
专利状态：	有效
申请日期：	2019-03-14T00:00:00+0800
发布日期：	2019-09-27T00:00:00+0800
申请号：	CN201910195093.0
公开号：	CN110286124A
代理机构：	杭州天昊专利代理事务所(特殊普通合伙)
代理人：	黄芳
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	277100 山东省枣庄市高新区互联网小镇15号楼401房间
主权项：	1.基于机器视觉的耐火砖测量装置，其特征在于，包括图像采集模块，控制模块，图像处理模块和反馈模块，图像采集模块具有底座，底座上设有承载三结构光激光传感器的导轨，步进电机通过联轴器带动三结构光激光传感器移动，承载耐火砖的转台固定于底座，三结构光激光传感器对准耐火砖的待测表面并扫描待测耐火砖的4个端面；控制模块的输入端与图像采集模块连接，控制模块的输出端分别与图像处理模块和反馈模块连接，反馈模块包括行程开关，和执行剔除筛选操作的机械手；图像采集模块采集耐火砖图像信息，图像处理模块获取耐火砖图像信息，并对耐火砖图像信息进行分析，控制模块获得分析结果，控制模块将分析结果反馈至反馈模块。 2.基于机器视觉的耐火砖测量方法，包含以下步骤：步骤1、搭建耐火砖测量装置，将耐火砖放置在可转动的转台上，使耐火砖的待测量表面正对三结构光激光传感器的位置，使导轨平动，三结构光激光传感器扫描耐火砖的待测量表面，以获取灰度信息和高度信息融合的耐火砖的原始彩色图像；步骤2、对原始彩色图像滤波降噪，并分割出耐火砖所在的连通域，获得耐火砖连通域图像；步骤3、对耐火砖连通域图像进行形态学处理，获得消除孤立噪声的修正后耐火砖图像；对修正后耐火砖图像进行边缘检测，获得边界直线段以及相邻直线段的交点，以相邻两个交点之间的距离作为耐火砖的边界尺寸；和、或步骤4、耐火砖连通域图像进行通道分离，获得G通道图像，对G通道图像进行频域滤波增强获得时频域图像，对时频域图像识别所有连通域，根据连通域参数确定划痕区域；和、或步骤5、采集耐火砖的彩色点云数据，对耐火砖所测上表面进行拟合，沿其上表面法向对点云数据进行高度分割，设置高度范围以筛选出耐火砖的深度缺陷；和、或步骤6、采集耐火砖的彩色点云数据，对耐火砖所测上表面进行拟合得到拟合平面，获取拟合平面的法向量并计算表面倾斜角；步骤7、使转台转动到耐火砖的下一检测面，重复执行步骤1-7。 3.根据权利要求2所述的基于机器视觉的耐火砖测量方法，其特征在于，根据两遍扫描法获取连通域，包括以下操作：对耐火砖阈值图像进行第一遍扫描，赋予每个像素位置一个标签，赋予同一个连通域内的像素集合一个或多个不同标签，合并属于同一个连通域但具有不同值的标签；对耐火砖阈值图像进行第二遍扫描，将具有相等关系的相同标签所标记的像素归为一个连通域，赋予连通域一个相同的标签。 4.根据权利要求3所述的基于机器视觉的耐火砖测量方法，其特征在于，步骤2使用种子填充法进行连通域获取： (1)扫描耐火砖阈值图中的像素点，直到当前像素点B(x，y)＝＝1： a、将B(x，y)作为种子、并赋予标签，然后将该种子相邻的所有前景像素都压入栈中； b、弹出栈顶像素，将栈顶像素赋予跟种子相同的标签，然后再将与该栈顶像素相邻的所有前景像素都压入栈中； c、重复b步骤，直到栈为空；此时，所有具有相同标签的像素值形成一个连通域； (2)获取连通域之外的任意一个像素作为种子，重复第(1)步，直到扫描结束；扫描结束后，就可以得到图像B中所有的连通域。 5.根据权利要求4所述的基于机器视觉的耐火砖测量方法，其特征在于，形态学处理包括对耐火砖图像进行开运算和闭运算，进行开运算去除孤立点噪声；进行闭运算使耐火砖图像边界平滑。 6.根据权利要求5所述的基于机器视觉的耐火砖测量方法，其特征在于，使用candy算子进行边缘检测：用高斯平滑函数对修正后耐火砖图像滤波，令修正后耐火砖图像为f(x,y)，高斯函数为G(x,y)，平滑后的图像为fs(x,y)，则fs(x,y)＝G(x,y)*f(x,y)；计算梯度幅值图像M和角度幅值图像θ，其中，Gx表示水平方向的梯度幅值分量，Gy表示垂直方向的梯度幅值分量；对梯度幅值图像M进行非极大值抑制：在梯度方向，在每一点上，领域的中心像素f(x,y)与沿着梯度线的两个相邻像素相比，若f(x,y)的梯度值小于或等于沿梯度线的两个相邻像素的梯度值，则令f(x,y)＝0；采用双阈值检测并连接边缘，以高阈值图像为基础，以低阈值图像为补充来连接图像边缘。 7.根据权利要求6所述的基于机器视觉的耐火砖测量方法，其特征在于，步骤4中，获取耐火砖的边界尺寸包括以下操作：采集耐火砖的原始图像，对原始图像进行滤波降噪和阈值分割，获得耐火砖的连通域，将耐火砖连通域从原始图像中分离，获得耐火砖连通域图像；对耐火砖连通图像进行形态学处理，获得修正后耐火砖图像；对修正后耐火砖图像进行边缘检测，获得耐火砖的边缘检测图像；确定耐火砖图像的边缘后，边缘由一堆离散点组成，所有离散点都是连接的候选点；通过边缘的离散点检测到曲线形成耐火砖的边界：经过Hough变换算法对离散点进行直线检测拟合出多条直线，对拟合出的直线结合K-Means的无监督聚类算法，从多组交点随机选取交点定义为聚类中心，将同一条边作为一个种类，每一个种类的直线提取一条直线作为耐火砖的边界，随后由求取相邻直线的交点，以相邻的两点之间距离作为耐火砖的外形边长。 8.根据权利要求7所述的基于机器视觉的耐火砖测量方法，其特征在于，步骤5中，获取划痕区域包括以下操作：采集耐火砖的原始图像，原始图像为彩色图像，对耐火砖的原始彩色图像进行通道分离、并获取G通道图像；从频率域的角度处理G通道图像，对G通道图像进行二维离散傅里叶变换及频率域滤波平滑、获得耐火砖时频域图像；对耐火砖时频域图像进行阈值处理和形态学处理，获得频率滤波后的耐火砖阈值图；用阈值法标记出耐火砖阈值图像中存在的所有连通域；根据连通域的特征筛选出划痕区域，连通域的特征包括圆度，矩形度和偏心度，偏心度参数设置为150-999，矩形度参数设置为0.5-1之间。 9.根据权利要求8所述的基于机器视觉的耐火砖测量方法，其特征在于，步骤6中，获取深度缺陷包括以下操作：利用结构光传感器获取耐火砖的彩色点云数据，彩色点云数据由影像数据和三维点云融合在一起，彩色点云数据的坐标系是以传感器位姿为基准；使用最小二乘法对耐火砖图像点云进行平面拟合获得零平面，并获取原始耐火砖图像的高度和宽度，根据原始耐火砖图像的尺寸参数和零平面，生成对应的基准平面图像；对原始耐火砖图像与基准平面图像进行作差，获得倾斜校正后的点云数据图；对倾斜校正后的点云的高度直方图进行滤波分割，得到设定深度的点云信息，设置高度带通滤波器的高度值范围对点云高度直方图进行滤波，在高度值范围内的连通域均视为深度缺陷。 10.根据权利要求9所述的基于机器视觉的耐火砖测量方法，其特征在于，步骤7中，计算表面倾斜角包括以下操作：用结构光传感器采集得到的耐火砖的彩色点云数据；使用一阶平面方法对彩色点云数据的上表面区域进行近似拟合，获得拟合平面；在拟合平面上确定不共线的三个点，分别为(x1,y1,z1),(x2,y2,z2),(x3,y3,z3)，生成两个向量两个向量求叉集得到法向量根据法向量获得耐火砖的表面倾斜角θ，其中
所属类别：	发明专利