本發(fā)明涉及圖像處理，特別是一種基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測校正方法。

背景技術(shù)：

1、傳統(tǒng)的熱壓機(jī)工件邊緣檢測和校正方法主要依賴于基于圖像處理的技術(shù)，通常使用邊緣檢測算法，如canny邊緣檢測，但在實(shí)際應(yīng)用中存在一些不足。首先，傳統(tǒng)方法在處理復(fù)雜形狀和不規(guī)則邊緣時，容易受到噪聲的干擾，導(dǎo)致邊緣提取不準(zhǔn)確。即使采用了高斯濾波等去噪技術(shù)，仍然難以有效分辨邊緣的細(xì)節(jié)，尤其是在邊緣模糊或遮擋的情況下。

2、傳統(tǒng)方法通常未能充分利用點(diǎn)云數(shù)據(jù)中的幾何信息，忽略了邊緣點(diǎn)云的法向量和曲率變化特征，導(dǎo)致邊緣對正的精度不足。如何有效地結(jié)合圖像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)，提升邊緣檢測和對正的精度，成為傳統(tǒng)方法未能解決的重要問題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問題，本發(fā)明提出了。

2、因此，本發(fā)明提供了一種基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法解決傳統(tǒng)方法未有效地結(jié)合圖像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)，提升邊緣檢測和對正的精度問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了一種基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測校正方法，其包括，采集熱壓機(jī)工件的邊緣圖像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)，并進(jìn)行預(yù)處理；

5、利用sobel算子對預(yù)處理后的邊緣圖像數(shù)據(jù)梯度進(jìn)行計(jì)算，獲得熱壓機(jī)工件的邊緣圖像點(diǎn)集；

6、通過霍夫變換和樣條擬合對邊緣圖像點(diǎn)集的幾何特性進(jìn)行分析，獲得特征點(diǎn)集；

7、通過法向量變化分析和曲率計(jì)算對預(yù)處理后的點(diǎn)云數(shù)據(jù)進(jìn)行分析，獲得熱壓機(jī)工件的邊緣點(diǎn)云；

8、采用最小二乘擬合法，對熱壓機(jī)工件的邊緣點(diǎn)云進(jìn)行處理，獲得基準(zhǔn)線；

9、分別利用特征點(diǎn)集和基準(zhǔn)線，對熱壓機(jī)工件的偏移量進(jìn)行計(jì)算，獲得圖像模式偏移量和點(diǎn)云模式偏移量并融合，獲得融合偏移量；

10、利用融合偏移量和機(jī)械臂，對熱壓機(jī)工件進(jìn)行邊緣對正。

11、作為本發(fā)明所述基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的一種優(yōu)選方案，其中：所述預(yù)處理包括，通過高斯濾波器對邊緣圖像數(shù)據(jù)進(jìn)行圖像去噪，對邊緣圖像數(shù)據(jù)灰度化和對比度增強(qiáng)，通過統(tǒng)計(jì)對點(diǎn)云數(shù)據(jù)進(jìn)行去噪，濾波、下采樣和對齊。

12、作為本發(fā)明所述基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的一種優(yōu)選方案，其中：利用sobel算子對預(yù)處理后的邊緣圖像數(shù)據(jù)梯度進(jìn)行計(jì)算，獲得熱壓機(jī)工件的邊緣圖像點(diǎn)集，具體步驟如下，

13、對sobel算子水平方向的卷積核和垂直方向的卷積核進(jìn)行初始化，獲得水平方向的sobel算子和垂直方向的sobel算子；

14、分別應(yīng)用水平方向和垂直方向的sobel算子，對預(yù)處理后的邊緣圖像數(shù)據(jù)的每個像素點(diǎn)在水平方向和豎直方向上的梯度值進(jìn)行計(jì)算，獲得每個像素點(diǎn)的梯度值；

15、通過取模運(yùn)算對每個像素點(diǎn)的梯度值進(jìn)行計(jì)算，獲得每個像素點(diǎn)的梯度幅度值，表示為，

16、

17、其中，m(x,y)為每個像素點(diǎn)(x,y)的梯度幅度值，x為像素點(diǎn)在水平方向上的坐標(biāo)，y為像素點(diǎn)在豎直方向上的坐標(biāo)，gx為在像素點(diǎn)(x,y)的水平方向的梯度，gy為像素點(diǎn)(x,y)的豎直方向的梯度；

18、通過非極大值抑制，對當(dāng)前像素點(diǎn)與其鄰域內(nèi)沿梯度方向的兩個像素點(diǎn)的梯度幅度值進(jìn)行比較，獲得細(xì)化后的邊緣圖像；

19、通過otsu閾值法，對細(xì)化后的邊緣圖像進(jìn)行閾值處理，獲得初步的邊緣點(diǎn)集；

20、對初步的邊緣點(diǎn)集保留所有強(qiáng)邊緣點(diǎn)，并通過鄰域連接弱邊緣點(diǎn)，獲得邊緣圖像點(diǎn)集。

21、作為本發(fā)明所述基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的一種優(yōu)選方案，其中：通過霍夫變換和樣條擬合對邊緣圖像點(diǎn)集的幾何特性進(jìn)行分析，獲得特征點(diǎn)集，具體步驟如下，

22、對邊緣圖像點(diǎn)集應(yīng)用霍夫變換，獲得檢測到的直線及其參數(shù)，作為直線特征；

23、利用三次樣條和最小二乘法，對直線特征進(jìn)行樣條擬合，獲得樣條曲線；

24、通過分析樣條曲線的導(dǎo)數(shù)和曲率，從樣條曲線中提取關(guān)鍵特征點(diǎn)，表示為，

25、

26、其中，c為樣條曲線的曲率值，s″(z)為樣條曲線的二階導(dǎo)數(shù)，s'(z)為樣條曲線的導(dǎo)數(shù)，z為樣條曲線上的某一點(diǎn)的橫坐標(biāo)；

27、將關(guān)鍵特征點(diǎn)組合成點(diǎn)集，獲得特征點(diǎn)集。

28、作為本發(fā)明所述基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的一種優(yōu)選方案，其中：通過法向量變化分析和曲率計(jì)算對預(yù)處理后的點(diǎn)云數(shù)據(jù)進(jìn)行分析，獲得熱壓機(jī)工件的邊緣點(diǎn)云，具體步驟如下，

29、通過協(xié)方差矩陣，對點(diǎn)云數(shù)據(jù)中的每個點(diǎn)局部鄰域內(nèi)的法向量進(jìn)行計(jì)算，獲得每個點(diǎn)的法向量，表示為，

30、

31、其中，v為協(xié)方差矩陣，k為局部鄰域內(nèi)的點(diǎn)數(shù)，j為局部鄰域內(nèi)的點(diǎn)的索引，pj為局部鄰域內(nèi)的第j個點(diǎn)的坐標(biāo)，為局部鄰域內(nèi)所有點(diǎn)的平均坐標(biāo)，t為矩陣轉(zhuǎn)置符號；

32、通過特征值分解來計(jì)算協(xié)方差矩陣的最小特征值對應(yīng)的特征向量，獲得法向量；

33、利用法向量的變化來計(jì)算每個點(diǎn)的曲率，獲得每個點(diǎn)的曲率；

34、設(shè)定曲率閾值，識別標(biāo)記高曲率區(qū)域的點(diǎn)，獲得邊緣點(diǎn)并組合，獲得熱壓機(jī)工件的邊緣點(diǎn)云。

35、作為本發(fā)明所述基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的一種優(yōu)選方案，其中：采用最小二乘擬合法，對熱壓機(jī)工件的邊緣點(diǎn)云進(jìn)行處理，獲得基準(zhǔn)線，具體步驟如下，

36、采用三次樣條曲線作為熱壓機(jī)工件的邊緣點(diǎn)云的擬合模型，誤差平方和作為目標(biāo)函數(shù)，目標(biāo)函數(shù)表示為，

37、

38、其中，e為誤差平方和，n為表示邊緣點(diǎn)云中的數(shù)據(jù)點(diǎn)個數(shù)，yi為邊緣點(diǎn)云中第i個數(shù)據(jù)點(diǎn)的y坐標(biāo)，s(xi)為三次樣條曲線在點(diǎn)云數(shù)據(jù)中第i個點(diǎn)的預(yù)測值，i為索引變量，xi為邊緣點(diǎn)云中第i個數(shù)據(jù)點(diǎn)的x坐標(biāo)；

39、利用邊緣點(diǎn)云初始化樣條曲線的控制點(diǎn)位置；

40、使用最小二乘法對目標(biāo)函數(shù)進(jìn)行最小化并求解樣條曲線的系數(shù)，獲得最優(yōu)的樣條曲線控制點(diǎn)和樣條曲線參數(shù)；

41、通過從邊緣點(diǎn)云獲取工件邊緣在水平方向的范圍并結(jié)合樣條曲線參數(shù)，獲得基準(zhǔn)線。

42、作為本發(fā)明所述基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的一種優(yōu)選方案，其中：分別利用特征點(diǎn)集和基準(zhǔn)線，對熱壓機(jī)工件的偏移量進(jìn)行計(jì)算，獲得圖像模式偏移量和點(diǎn)云模式偏移量并融合，獲得融合偏移量，具體步驟如下，

43、利用sift特征點(diǎn)匹配算法，使用歐幾里得距離對特征點(diǎn)集中每個特征點(diǎn)的偏移量進(jìn)行計(jì)算，獲得每個特征點(diǎn)的偏移量，并選擇總匹配數(shù)最大的工件作為參考工件；

44、對每個特征點(diǎn)的偏移量進(jìn)行平均計(jì)算，獲得熱壓機(jī)工件的圖像模式偏移量；

45、將參考工件的基準(zhǔn)線作為參考基準(zhǔn)線，并將其他工件的基準(zhǔn)線與參考基準(zhǔn)線進(jìn)行比較，獲得點(diǎn)云模式偏移量；

46、將圖像模式偏移量和點(diǎn)云模式偏移量進(jìn)行加權(quán)平均，獲得融合偏移量。

47、作為本發(fā)明所述基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的一種優(yōu)選方案，其中：利用融合偏移量和機(jī)械臂，對熱壓機(jī)工件進(jìn)行邊緣對正，具體步驟如下，

48、根據(jù)融合偏移量，計(jì)算機(jī)械臂需要進(jìn)行的平移調(diào)整量和旋轉(zhuǎn)調(diào)整量；

49、根據(jù)計(jì)算出的調(diào)整量，生成機(jī)械臂的控制指令并發(fā)送給機(jī)械臂；

50、在機(jī)械臂完成調(diào)整后，重新采集工件的圖像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)，驗(yàn)證工件的邊緣對正情況。

51、第二方面，本發(fā)明提供了一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如本發(fā)明第一方面所述的基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的任一步驟。

52、第三方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如本發(fā)明第一方面所述的基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法的任一步驟。

53、本發(fā)明有益效果為：基于圖像數(shù)據(jù)分析的熱壓機(jī)工件邊緣檢測對正方法，能夠有效提升熱壓機(jī)工件邊緣檢測和對正的精度。通過結(jié)合圖像數(shù)據(jù)和點(diǎn)云數(shù)據(jù)，不僅克服了傳統(tǒng)方法在復(fù)雜工件形狀和模糊邊緣檢測中的不足，還充分利用了點(diǎn)云數(shù)據(jù)中的法向量和曲率信息，提高了邊緣提取的準(zhǔn)確性。采用sobel算子、霍夫變換和樣條擬合等先進(jìn)算法進(jìn)行邊緣特征提取和分析，使得工件邊緣的幾何特征得到更加精確的捕捉。通過融合圖像模式和點(diǎn)云模式偏移量，解決了傳統(tǒng)方法在邊緣對正過程中常見的匹配誤差問題，實(shí)現(xiàn)了更加穩(wěn)定和高效地對正過程。該方法能夠顯著提高熱壓機(jī)工件對正的精度，減少由于邊緣檢測不準(zhǔn)確導(dǎo)致的加工誤差。