可以得到变换后的模板在点q处的相似度量;s24、预先自定义一个匹配分值的阈值smin,在配准时会对图像所有的像素点进行计算;当使用相似度量算子进行计算时,sj表示累计到匹配模板的第j个元素时所有向量点积的总和,若sj在步骤s01中,采用的卷积方式为卷积核为2×2的均值滤波器。本方法还公开了一种基于机器视觉的汽车玻璃检测方法,包括以下步骤:1)获取标准汽车玻璃图像和待检测的汽车玻璃图像;2)对各汽车玻璃图像进行边缘提取,得到各汽车玻璃图像的像素级边缘轮廓;3)对像素级边缘轮廓进行亚像素定位,得到各汽车玻璃图像的亚像素边缘轮廓;4)按如上所述的用于汽车玻璃检测的图像配准方法,对得到的标准汽车玻璃轮廓和待检测汽车玻璃轮廓进行配准;5)计算待检测玻璃的误差尺寸。作为上述技术方案的进一步改进,在步骤2)中,通过canny算子对预处理后的图像进行边缘提取,具体步骤为:)用一维高斯函数对图像进行平滑滤波,高斯函数g(x,y)表示如下:用高斯函数g(x,y)对原始图像f(x,y)进行卷积计算,得到平滑图像i(x,y):i(x,y)=g(x,广州翘曲度玻璃面型检测联系方式,广州翘曲度玻璃面型检测联系方式,y)*f(x,y))用一阶偏导的有限差分对平滑图像i(x,广州翘曲度玻璃面型检测联系方式,y)进行梯度计算;)对梯度幅值进行非极大值抑制,以提高边缘定位的精度。原有汽车玻璃生产工厂用检具检测只能达到几十个点位,我公司设备检测可达2500万点。广州翘曲度玻璃面型检测联系方式
属于不合格产品。本实施例中,在步骤1)与步骤2)之间,还包括步骤1a):对各汽车玻璃图像进行预处理,预处理包括sigma滤波、中值滤波和图像增强;其中sigma滤波处理为:用一个n×n(n=3,5,7,…,)的窗口在图像上滑动滤波,首先计算滤波窗口中所有像素灰度值的标准差σ,设中心点像素灰度值为p,根据v=[p-2σ,p+2σ]计算置信区间范围,选择所有在置信区间范围内的窗口像素的灰度值用于计算其平均值,得到的平均值作为窗口中心点像素灰度值的滤波值。如果没有像素点的灰度值在置信区间内,则中心点像素的灰度值保持不变。中值滤波处理为:用一个n×n(n=3,5,7,…,)的窗口在图像上滑动滤波,将窗口中所有像素点的灰度值按照升序或降序排列,取排列的中值作为窗口中心点像素灰度值的滤波值。图像增强的处理为:首先用低通滤波器对图像进行滤波,得到原图像的灰度平均值,根据下式计算**终的灰度值;g(x,y)=[f(x,y)-m(x,y)]×factor+f(x,y)其中,f(x,y)为原始灰度值,g(x,y)为增强后的灰度值,m(x,y)为灰度平均值,factor为对比度度量因子。通过对原始汽车玻璃图像进行预处理,将原始图像中的噪声去除,使图像更清晰;其中利用图像增强技术,增强图像的边缘信息。东莞工业玻璃面型检测报价汽车侧面玻璃平面度、轮廓、裂纹等缺陷检测,在线检测,高精度检测,减少人工,节约成本。
)分别用高阈值th和低阈值tl对步骤)中提取到的所有潜在边缘点进行判断,将得到的边缘点进行连接,得到目标图像的像素级边缘。作为上述技术方案的进一步改进,在步骤)中,一阶偏导表达式如下:梯度幅值的计算公式为:梯度方向的计算公式为:作为上述技术方案的进一步改进,在步骤)中,潜在边缘点的判断方法为:点(x,y)处的梯度幅值为p(x,y),若p(x,y)>th,则该点一定是边缘点,且是强边缘点;若p(x,y)作为上述技术方案的进一步改进,在步骤3)中,采用双线性插值的方法对步骤2)得到的像素级边缘轮廓进行亚像素定位,具体为:选取点p(x,y)为插值点,以插值点位中心,选取四个相邻像素点p11(x1,y1)、p12(x1,y2)、p21(x2,y1)和p22(x2,y2),设亮度函数在这个四邻域内的亮度函数是线性变化的,分别计算这四个相邻像素点到插值点p(x,y)的水平距离和垂直距离,并用距离作为它们灰度值的权重进行插值计算,便可得到插值点p(x,y)的灰度值;设像素点的灰度值用函数g表示,首先在x方向上进行插值计算,计算公式如下:然后对y方向进行线性插值计算,可得到插值点p(x,y)像素的灰度值,化简得:再将所有的插值点进行连接,便可得到亚像素阈值分割后的边缘轮廓。
本方法提供一种配准速度快的用于汽车玻璃检测的图像配准方法及装置,并相应提供一种检测精度高、检测效率高的基于机器视觉的汽车玻璃检测方法及装置。为解决上述技术问题,本方法提出的技术方案为:一种用于汽车玻璃检测的图像配准方法,包括以下步骤:s01、通过卷积计算将待配准的汽车玻璃图像和标准汽车玻璃图像进行降采样来构建图像金字塔;s02、对顶层的图像用相似性度量公式计算在所有可能的位姿的相似度量,并运用加速中止策略对遍历计算进行加速;s03、将配准结果映射到图像金字塔的下一层,并将配准结果周围的区域确定为新的搜索区域;s04、重复步骤s02到s03,直到映射到金字塔的底层,配准结束,输出配准结果。作为上述技术方案的进一步改进,所述步骤s02具体包括:s21、将一个图像模板定义为点集pi=(ri,ci)t,(i=1,…,n),并由canny算子滤波可得到其每个像素点相对应的方向向量di=(ti,ui)t(i=1,…,n);s22、对模板做仿射变换,并将经过仿射变换后所有平移部分从模板中分离;s23、在对待搜索图像中的某个像素点q=(r,c)t进行搜索时,通过计算仿射变换后的模板中所有像素点的方向向量与待搜索图像中对应点***向向量的点积总和,再对其进行归一化处理。我公司基于相位偏折光学的在线高精度玻璃面型检测,代替30个人工,节约企业成本。
ci)t,(i=1,…,n),并由canny算子滤波可得到其每个像素点相对应的方向向量di=(ti,ui)t(i=1,…,n);s22、对模板做仿射变换,并将经过仿射变换后所有平移部分从模板中分离,计算公式如下:p′i=apid′i=(a-1)t其中θ为旋转角度;s23、在对待搜索图像中的某个像素点q=(r,c)t进行搜索时,可以通过计算仿射变换后的模板中所有像素点的方向向量与待搜索图像中对应点***向向量的点积总和,再对其进行归一化处理,可以得到变换后的模板在点q处的相似度量,下式为相似度量计算公式:将相似度量进行归一化之后会返回一个比1小的数值,这个数值则作为潜在的匹配对象的匹配分值,分值越接近于1,表示匹配结果越好。s24、预先自定义一个匹配分值的阈值smin,在配准时会对图像所有的像素点进行计算,但其中的极大部分像素点并不能满足预先设定的阈值smin。当使用上述相似度量算子进行计算时,sj表示累计到匹配模板的第j个元素时所有向量点积的总和,计算公式如下:由于总和里剩下的n-j项都小于或等于1,因此,若sj本实施例中,金字塔图像采用的卷积方式为卷积核为2×2的均值滤波器。如图4所示,本实施例公开了一种基于机器视觉的汽车玻璃检测方法。汽车玻璃面形检测精度为50μm,支持1200mm*900mm;佛山不规则玻璃面型检测联系方式
大面幅玻璃平面度、轮廓、裂纹等缺陷检测,在线检测,高精度检测,减少人工,节约成本。广州翘曲度玻璃面型检测联系方式
然后用测量尺或小型测量仪进行测量。三坐标测量仪是采用探针分别测量模板玻璃和待检测玻璃各个点的坐标位置,根据这些点的空间坐标值,根据拟合计算,可以得到模板玻璃和待检测玻璃的几何尺寸、形状和位置公差。上述测量方法都是接触式测量方法,人工手动检测根据检测人的不同会得到不同的检测结果,难以客观衡量检测结果的好坏,三坐标测量仪每次测量时需要获取满足一定数量的点进行拟合计算,因此测量耗时较长,不利于工厂的自动化生产。利用机器视觉对图像进行尺寸检测,图像配准是其中关键步骤之一,图像配准指的是将相同场景下由不同传感器或相同传感器在不同时间内获取的两幅或多幅图像在空间上进行校准,使得模板图像和待匹配图像的对应像素在空间上所表达的信息是一致的。图像配准的运算速度主要是由以下三个要素来决定的:相似性度量、搜索策略、特征空间。在图像配准过程中,主要采用的是遍历的形式,由于使用的是计算复杂度较低的相关系数作为代价函数,所以亚像素精度不高,对于分辨率较大的图像配准搜索速度较慢,或容易陷入局部**优,从而导致无法准确地配准图像,影响检测的精度。技术实现要素:本方法要解决的技术问题就在于:针对现有技术存在的技术问题。广州翘曲度玻璃面型检测联系方式
领先光学技术(江苏)有限公司成立于2019年,公司总部地址位于武进区天安数码城内独栋12-2#写字楼。我们的种子企业“ling先光学技术(常熟)有限公司”成立于2014年,是国家高新技术企业、科技型中小型企业、江苏省民营科技企业、雏鹰企业。知识产权80余项(发明专利8项)。内核团队:教授2名、博士2名、行业渠道关键人4人。长期稳定与复旦大学、大连理工大学合作。底层技术包括:光学(相位偏折、白光干涉、白光共焦、深度学习);MicroLED(发光器件、透明显示、微型投影)。是做一件“利用光学进行工业质量检测设备的生产和制造”。自主开发光学系统和底层内核算法,拥有十年以上行业经验,主要应用于:汽车玻璃检测行业、片材检测行业、半导体材料检测行业,我们的战略新产品:微米级光刻机已经完成版流片,也正在一步步趋于稳定和成熟。公司在科技的浪潮中,已经具有将内核技术转化为产品的经验与能力。公司是高科技、高成长性企业,公司不断的夯实自身技术基础,愿成为中国工业发展中奠基石的一份子,打破国外的智能装备的,树名族自有高技术品牌。
公司成立于2014年,是一家专注于半导体和光电显示的集研发、生产及销售的高科技企业,公司总部及研发基地位于江苏常州市武进高新区。公司坚持以人才为本的发展理念、诚信立业的经营理念,依托先进的技术和雄厚的研发实力。 公司以创立名族自有高科技品牌为发展愿景,公司业务为自主开发光学系统和底层算法,涉及的底层技术包括:光学(相位偏折、白光干涉、白光共焦、深度学习);MicroLED(发光器件、透明显示、微型投影)。公司技术研发团队拥有十多年行业经验,其中有教授2名、博士2名、业内技术专家4人,具备将技术产业化转化的能力。