基于多個傳感器信息融合的零件檢測方法、系統(tǒng)及裝置制造方法
【專利摘要】本發(fā)明公開了一種基于多個傳感器信息融合的零件檢測方法、系統(tǒng)及電子裝置，所述方法包括，步驟（1）、利用多個傳感器采集被測零件的圖像，形成相應(yīng)的多幅圖像；步驟（2）、融合所述多幅圖像形成最終融合圖像；步驟（3）、將所述最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷零件合格率。通過上述方法，本發(fā)明能夠通過多個傳感器對零件進(jìn)行圖像采集，并將采集后的多幅圖像進(jìn)行融合，以實(shí)現(xiàn)多個傳感器進(jìn)行零件檢測過程中的優(yōu)勢互補(bǔ)，更能真實(shí)的反應(yīng)零件特性，提高了零件檢測的精度和效率。
【專利說明】基于多個傳感器信息融合的零件檢測方法、系統(tǒng)及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及零件檢測領(lǐng)域，特別是涉及一種基于多個傳感器信息融合的零件檢測方法、系統(tǒng)及裝置。
【背景技術(shù)】
[0002]隨著傳感器技術(shù)、圖像處理技術(shù)的不斷發(fā)展，基于機(jī)器視覺的零件檢測技術(shù)逐漸實(shí)現(xiàn)其智能化、數(shù)字化、小型化、網(wǎng)絡(luò)化和多功能化，具備在線檢測、實(shí)時分析、實(shí)時控制的能力，在軍事、工業(yè)檢測、醫(yī)學(xué)等領(lǐng)域得到廣泛關(guān)注和應(yīng)用。機(jī)器視覺目前已經(jīng)應(yīng)用在生產(chǎn)實(shí)際中的零件檢測方法主要包括外觀檢測和尺寸檢測兩個方面。然而，基于機(jī)器視覺的單一的傳感器零件檢測往往不能完全滿足這種應(yīng)用需要，傳統(tǒng)的單一傳感器模式已不能全面描述圖像中目標(biāo)對象的特征信息。因此，基于多傳感器圖像融合的零件檢測系統(tǒng)的研究和開發(fā)，已逐漸成為工業(yè)檢測的發(fā)展趨勢。

【發(fā)明內(nèi)容】

[0003]本發(fā)明要解決的技術(shù)問題在于，針對現(xiàn)有技術(shù)的上述單一傳感器模式不能全面描述圖像中目標(biāo)對象的特征信息，提供一種基于多個傳感器信息融合的零件檢測方法、系統(tǒng)及裝置，實(shí)現(xiàn)多個傳感器檢測優(yōu)勢互補(bǔ)，更能真實(shí)的反應(yīng)機(jī)械零件的特性，提高了零件檢測的精度和效率。
[0004]為解決上述技術(shù)問題，本發(fā)明提供了一種基于多個傳感器信息融合的零件檢測方法，其特征在于包括如下步驟:
步驟(I)、利用多個傳感器對被測零件進(jìn)行圖像采集，形成相應(yīng)的多幅圖像；
步驟(2)、融合所述多幅圖像形成最終融合圖像；
步驟(3)、將所述最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷所述被測零件的合格率。
[0005]所述步驟(2)中融合所述多幅圖像形成最終融合圖像之前還包括對所述多幅圖像進(jìn)行數(shù)據(jù)預(yù)處理的步驟:
去除所述多幅圖像中與零件檢測無關(guān)和/或關(guān)系較小的信息，以及去除圖像采集和傳輸過程中產(chǎn)生的噪聲。
[0006]所述步驟(2)中融合所述多幅圖像形成最終融合圖像的方法包括:
提取所述多幅圖像的特征點(diǎn)，將所述特征點(diǎn)進(jìn)行分類，并根據(jù)提取的分類特征點(diǎn)融合所述多幅圖像。
[0007]所述步驟(2)中融合所述多幅圖像形成最終融合圖像的方法包括:
基于分辨率分析算法進(jìn)行多幅圖像融合和/或基于第二代曲波變換進(jìn)行多幅圖像融
口 ο
[0008]所述步驟(3)中將最終融合圖像與模板圖像進(jìn)行匹配的方法進(jìn)一步包括如下步驟: 51、設(shè)置一灰度值閥值，根據(jù)所述灰度值閥值對所述最終融合圖像進(jìn)行區(qū)域分割；
52、對灰度值低于該灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配并計(jì)算相似度，對灰度值高于該灰度值閥值的區(qū)域利用提取特征值進(jìn)行匹配并計(jì)算相似度；
53、將由灰度矩陣所得的相似度和由特征提取所得的相似度進(jìn)行加權(quán)計(jì)算得出最終的相似度，并輸出檢測結(jié)果。
[0009]所述步驟S2中對灰度值低于閥值的區(qū)域利用灰度矩陣進(jìn)行匹配的方法進(jìn)一步包括如下步驟:
521、將灰度值低于灰度值閥值的區(qū)域劃分成多個小區(qū)域；
522、在每個小區(qū)域中隔一間隔進(jìn)行灰度值采樣；
523、將采樣到的灰度值表示為矩陣形式，通過求取矩陣元素的方差和來計(jì)算與模板圖像的相似度。
[0010]所述特征點(diǎn)包括:點(diǎn)特征、邊緣特征、形狀特征和/或區(qū)域特征。
[0011 ] 所述多個傳感器至少包括紅外光傳感器和可見光傳感器。
[0012]本發(fā)明還提供一種基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于包括: 圖像獲取模塊，用于利用多個傳感器對被測零件進(jìn)行圖像采集，形成相應(yīng)的多幅圖
像；
圖像融合模塊，用于融合所述多幅圖像形成最終融合圖像；
匹配模塊:用于將所述最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷所述被測零件的合格率。
[0013]還包括圖像預(yù)處理模塊，所述預(yù)處理模塊用于去除所述多幅圖像中與零件檢測無關(guān)和/或關(guān)系較小的信息，以及去除圖像采集和傳輸過程中產(chǎn)生的噪聲。
[0014]還包括特征提取模塊，所述特征提取模塊用于提取所述多幅圖像中的特征點(diǎn)，將所述特征點(diǎn)進(jìn)行分類；
所述圖像融合模塊根據(jù)提取的分類特征點(diǎn)融合所述多幅圖像。
[0015]所述圖像融合模塊基于分辨率分析算法進(jìn)行多幅圖像融合和/或基于第二代曲波變換進(jìn)行多幅圖像融合。
[0016]所述匹配模塊用于:
設(shè)置一灰度值閥值，根據(jù)所述灰度值閥值對所述最終融合圖像進(jìn)行區(qū)域分割；
對灰度值低于該灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配并計(jì)算相似度，對灰度值高于該灰度值閥值的區(qū)域利用提取特征值進(jìn)行匹配并計(jì)算相似度；
將由灰度矩陣所得的相似度和由特征提取所得的相似度進(jìn)行加權(quán)計(jì)算得出最終的相似度，并輸出檢測結(jié)果。
[0017]所述匹配模塊還用于:
將灰度值低于灰度值閥值的區(qū)域劃分成多個小區(qū)域；
在每個小區(qū)域中隔一間隔進(jìn)行灰度值采樣；
將采樣到的灰度值表示為矩陣形式，通過求取矩陣元素的方差和來計(jì)算與模板圖像的相似度。
[0018]所述特征點(diǎn)包括:點(diǎn)特征、邊緣特征、形狀特征和/或區(qū)域特征。
[0019]所述多個傳感器至少包括紅外光傳感器和可見光傳感器。[0020]本發(fā)明還提供一種基于多個傳感器信息融合的零件檢測裝置，其特征在于，包括所述的基于多個傳感器信息融合的零件檢測系統(tǒng)。
[0021]本發(fā)明具有以下有益效果:本發(fā)明的基于多個傳感器信息融合的零件檢測方法方法中，利用多個傳感器采集被測零件的圖像，形成相應(yīng)的多幅圖像；融合所述多幅圖像形成最終融合圖像；然后所述最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷零件合格率。通過上述方式，本發(fā)明能夠通過多個傳感器對零件進(jìn)行圖像采集，并將采集后的多幅圖像進(jìn)行融合，以實(shí)現(xiàn)多個傳感器進(jìn)行零件檢測過程中的優(yōu)勢互補(bǔ)，更能真實(shí)的反應(yīng)零件特性，提高了零件檢測的精度和效率。
【專利附圖】

【附圖說明】
[0022]下面將結(jié)合附圖及實(shí)施例對本發(fā)明作進(jìn)一步說明，附圖中:
圖1是本發(fā)明基于多個傳感器信息融合的零件檢測方法一實(shí)施方式的流程圖；
圖2是本發(fā)明圖像特征提取、融合及匹配的流程圖；
圖3是本發(fā)明基于第二代曲波變換的圖像融合方法流程圖；
圖4是本發(fā)明最終融合圖像與模板圖像進(jìn)行匹配的方法流程圖；
圖5是本發(fā)明對灰度值低于灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配的方法流程圖； 圖6是本發(fā)明基于多個傳感器信息融合的零件檢測系統(tǒng)一實(shí)施方式結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0023]下面將結(jié)合附圖和實(shí)施方式對本發(fā)明進(jìn)行詳細(xì)說明。
[0024]請參照圖1至圖6，其中，圖1是本發(fā)明基于多個傳感器信息融合的零件檢測方法一實(shí)施方式的流程圖，圖6是本發(fā)明基于多個傳感器信息融合的零件檢測系統(tǒng)一實(shí)施方式結(jié)構(gòu)示意圖；本發(fā)明基于多個傳感器信息融合的零件檢測系統(tǒng)包括圖像獲取模塊601，圖像融合模塊604，匹配模塊605，進(jìn)一步還包括預(yù)處理模塊602和特征提取模塊603。
[0025]本發(fā)明基于多個傳感器信息融合的零件檢測方法包括步驟:
步驟(I)、利用多個傳感器采集被測零件的圖像，形成相應(yīng)的多幅圖像；
傳感器通過圖像獲取模塊601獲取被測零件的圖像，其中傳感器為用于采集被檢測零件圖像信息的傳感器，多個傳感器為至少兩個不同類型的傳感器。在本實(shí)施方式中，將以紅外傳感器和可見光傳感器為例進(jìn)行具體說明。其中紅外傳感器通過探測物體的紅外輻射，產(chǎn)生實(shí)時熱圖像，將人眼不可見的輻射圖像轉(zhuǎn)變?yōu)榍逦梢姷目梢晥D像，從而獲取被測零件的點(diǎn)特征、邊緣特征、形狀特征、區(qū)域特征等信息。可見光傳感器是通過地物光譜反射獲取物體圖像，從而獲取被測零件的點(diǎn)特征、邊緣特征、形狀特征、區(qū)域特征等信息。該步驟中，利用紅外傳感器和可見光傳感器分別采集被測零件的紅外圖像和可見光圖像，形成相應(yīng)的灰度圖像。
[0026]步驟(2)、融合該多幅圖像形成最終融合圖像；
具體而言，在本實(shí)施方式中，以步驟(I)所采集到的紅外圖像和可見光圖像為例，圖像融合模塊604用于融合紅外圖像和可見光圖像形成最終融合圖像。進(jìn)一步的，該基于多個傳感器信息融合的零件檢測系統(tǒng)還包括數(shù)據(jù)預(yù)處理模塊602以及特征提取模塊603。其中圖像預(yù)處理模塊602用于在圖像融合之前將紅外圖像和可見光圖像中與本次檢測無關(guān)和/或關(guān)系較小的信息進(jìn)行去除，并且將圖像采集和傳輸過程中產(chǎn)生的噪聲進(jìn)行去除，以保留圖像中本次檢測所關(guān)注的信息。進(jìn)一步的，圖像預(yù)處理模塊602還對圖像進(jìn)行幾何變換、圖像平滑、圖像增強(qiáng)等操作。其后，如圖2所示，特征提取模塊603對圖像中的點(diǎn)特征、邊緣特征、形狀特征和區(qū)域特征等進(jìn)行提取，并將紅外圖像中的上述特征點(diǎn)分類為如:特征1、特征2、…、特征n，將可見光圖像中的特征點(diǎn)同樣也分為特征1、特征2、…、特征η。
[0027]圖像融合模塊604通過比對不同的特征點(diǎn)將紅外感應(yīng)器和可見光圖像相同的特征點(diǎn)進(jìn)行融合，如紅外圖像中的特征I與可見光圖像中的特征I進(jìn)行融合，紅外圖像中的特征2與可見光圖像中的特征2進(jìn)行融合，從而形成融合后的最終融合圖像，該最終融合圖像包括融合后的特征1、特征2、…、特征η。
[0028]進(jìn)一步的，該圖像融合方法還可以包括利用多分辨率分析算法(MRA)進(jìn)行圖像融合，具體的，基于多分辨率分析圖像融合方法為先將紅外圖像和可見光圖像進(jìn)行分辨率分解，以得到各圖像分解后的系數(shù)表示，然后對兩個系數(shù)表示按一定的融合規(guī)則進(jìn)行融合處理得到一個融合后的系數(shù)表示，最后進(jìn)過圖像逆變化獲得重構(gòu)的最終融合圖像，使融合后的圖像更具互補(bǔ)性和可理解性。 [0029]如圖3所示，該圖像融合方法還可以包括基于第二代曲波變換(SecondGeneration of Curvelet Transform, SGCT)的圖像融合方法對圖像進(jìn)行融合處理。具體的，通過對兩幅圖像進(jìn)行曲波變換得到不同頻帶范圍的曲波變換系數(shù)，從而分別得到紅外圖像和可見光圖像的低頻分量及高頻分量，將低頻分量進(jìn)行加權(quán)平均然后形成融合后的低頻分量，將各高頻分量根據(jù)區(qū)域匹配規(guī)則進(jìn)行匹配形成融合后的高頻分量，然后將該融合后的低頻分量和高頻分量進(jìn)行曲波逆變換，進(jìn)行圖像重構(gòu)，得到最終融合圖像。
[0030]步驟(3)、將最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷零件合格率。
[0031]如圖4所示，將最終融合圖像與模板圖像進(jìn)行匹配的方法包括:
51、設(shè)置一灰度值閥值，根據(jù)所述灰度值閥值對所述最終融合圖像進(jìn)行區(qū)域分割；
52、對灰度值低于灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配并計(jì)算相似度，對灰度值高于灰度值閥值的區(qū)域利用提取特征值進(jìn)行匹配并計(jì)算相似度；
53、將由灰度矩陣所得的相似度和由特征提取所得的相似度進(jìn)行加權(quán)計(jì)算得出最終的相似度，并輸出檢測結(jié)果。
[0032]具體的，圖像匹配模塊605接收融合完成的最終融合圖像并對最終融合圖像進(jìn)行圖像分割，該圖像匹配模塊605通過系統(tǒng)預(yù)先設(shè)定的灰度值閥值將最終融合圖像分割成為低于灰度值閥值的區(qū)域以及高于灰度值閥值的區(qū)域。對于低于灰度值閥值的區(qū)域，圖像匹配模塊605利用灰度矩陣形式進(jìn)行匹配。
[0033]如圖5所示，對灰度值低于閥值的區(qū)域利用灰度矩陣進(jìn)行匹配的方法包括:
521、將灰度值低于灰度值閥值的區(qū)域劃分成多個小區(qū)域；
522、在每個小區(qū)域中隔一間隔進(jìn)行灰度值采樣；
523、將采樣到的灰度值表示為矩陣形式，通過求取矩陣元素的方差和來計(jì)算與模板圖像的相似度。
[0034]具體方式為，將整幅圖像作為一個二維區(qū)域，對該二維區(qū)域劃分成多個小區(qū)域，然后在每個小區(qū)域中隔一定間隔進(jìn)行灰度值采樣，把采樣到的灰度值表示成矩陣形式，通過求取矩陣元素的方差和來計(jì)算其與模板圖像的相似度。對于灰度值高于灰度值閥值的區(qū)域，圖像匹配模塊605利用特征值進(jìn)行匹配，建立最終融合圖像與模板圖像之間特征值匹配關(guān)系，通常使用的特征值有點(diǎn)特征、邊緣特征、形狀特征和區(qū)域特征等。最后，將由灰度矩陣所得的相似度和由特征提取所得的相似度附加不同的權(quán)值算出最后圖像的相似度，輸出檢測結(jié)果。
[0035]在本實(shí)施方式中，紅外和可見光傳感器由于其成像物理特性在成像過程中存在各自的優(yōu)勢和不足。紅外圖像的特點(diǎn)是空間分辨率低，混頻現(xiàn)象較為嚴(yán)重，容易丟失掉高頻的細(xì)節(jié)信息，而可見光圖像含有豐富的光譜信息，高頻細(xì)節(jié)信息豐富，但低頻信息較低。分別利用紅外傳感器和可見光傳感器對機(jī)械零件進(jìn)行圖像采集，并對采集到的圖像進(jìn)行融合，彌補(bǔ)了單個傳感器的缺點(diǎn)，實(shí)現(xiàn)優(yōu)勢互補(bǔ)。進(jìn)一步通過基于特征點(diǎn)匹配和灰度值匹配兩種方法相結(jié)合匹配，提高了圖像匹配的精度和效率，使零件檢測更加方便、快捷、精確。
[0036]本實(shí)施方式中僅以紅外傳感器和可見光傳感器為例進(jìn)行說明，但可以理解的，本發(fā)明中所指的多個傳感器為至少兩個不同類型的傳感器，且不僅限于紅外傳感器和可見光傳感器，在此不作贅述。
[0037]參閱圖6,本發(fā)明基于多個傳感器信息融合的零件檢測系統(tǒng)的一實(shí)施方式中,基于多個傳感器信息融合的零件檢測系統(tǒng)包括包括圖像獲取模塊601，圖像融合模塊604，匹配模塊605，進(jìn)一步還包括預(yù)處理模塊602和特征提取模塊603。
[0038]其中圖像獲取模塊601用于采集被測零件的圖像，形成相應(yīng)的多幅圖像；圖像融合模塊604用于根據(jù)提取的分類特征融合所述數(shù)據(jù)預(yù)處理后的多幅圖像形成最終融合圖像；匹配模塊605用于將所述最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷零件合格率。
[0039]在本發(fā)明的一種實(shí)施方式中，該系統(tǒng)還包括圖像預(yù)處理模塊602和特征提取模塊603，其中圖像預(yù)處理模塊602用于在圖像融合之前將紅外圖像和可見光圖像中與本次檢測無關(guān)和/或關(guān)系較小的信息進(jìn)行去除，并且將圖像采集和傳輸過程中產(chǎn)生的噪聲進(jìn)行去除，以保留圖像中本次檢測所關(guān)`注的信息。進(jìn)一步的，圖像預(yù)處理模塊602還對圖像進(jìn)行幾何變換、圖像平滑、圖像增強(qiáng)等操作。
[0040]特征提取模塊603對圖像中的點(diǎn)特征、邊緣特征、形狀特征和區(qū)域特征等進(jìn)行提取，并將紅外圖像中的上述特征點(diǎn)分類為如:特征1、特征2、…、特征n，將可見光圖像中的特征點(diǎn)同樣也分為特征1、特征2、…、特征η。
[0041]圖像融合模塊604通過比對不同的特征點(diǎn)將紅外感應(yīng)器和可見光圖像相同的特征點(diǎn)進(jìn)行融合，如紅外圖像中的特征I與可見光圖像中的特征I進(jìn)行融合，紅外圖像中的特征2與可見光圖像中的特征2進(jìn)行融合，從而形成融合后的最終融合圖像，該最終融合圖像包括融合后的特征1、特征2、…、特征η。
[0042]進(jìn)一步的，該圖像融合方法還可以包括利用多分辨率分析算法(MRA)進(jìn)行圖像融合，具體的，基于多分辨率分析圖像融合方法為先將紅外圖像和可見光圖像進(jìn)行分辨率分解，以得到各圖像分解后的系數(shù)表示，然后對兩個系數(shù)表示按一定的融合規(guī)則進(jìn)行融合處理得到一個融合后的系數(shù)表示，最后進(jìn)過圖像逆變化獲得重構(gòu)的融合圖像，使融合后的圖像更具互補(bǔ)性和可理解性。
[0043]如圖3所示，該圖像融合方法還可以包括基于第二代曲波變換(SecondGeneration of Curvelet Transform, SGCT)的圖像融合方法對圖像進(jìn)行融合處理。具體的，通過對兩幅圖像進(jìn)行曲波變換得到不同頻帶范圍的曲波變換系數(shù)，從而分別得到紅外圖像和可見光圖像的低頻分量及高頻分量，將低頻分量進(jìn)行加權(quán)平均然后形成融合后的低頻分量，將各高頻分量根據(jù)區(qū)域匹配規(guī)則進(jìn)行匹配形成融合后的高頻分量，然后將該融合后的低頻分量和高頻分量進(jìn)行曲波逆變換，進(jìn)行圖像重構(gòu)，得到最終融合圖像。
[0044]匹配模塊605接收融合完成的最終融合圖像并對最終融合圖像進(jìn)行區(qū)域分割，該匹配模塊605通過系統(tǒng)預(yù)先設(shè)定的灰度值閥值將最終融合圖像分割成為低于灰度值閥值的區(qū)域以及高于灰度值閥值的區(qū)域。對灰度值低于灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配并計(jì)算相似度，對灰度值高于灰度值閥值的區(qū)域利用提取特征值進(jìn)行匹配并計(jì)算相似度，將由灰度矩陣所得的相似度和由特征提取所得的相似度進(jìn)行加權(quán)計(jì)算得出最終的相似度，并輸出檢測結(jié)果。具體的，對灰度值低于灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配的具體方法為，將整幅圖像作為一個二維區(qū)域，對該二維區(qū)域劃分成多個小區(qū)域，然后在每個小區(qū)域中隔一定間隔進(jìn)行灰度值采樣，把采樣到的灰度值表示成矩陣形式，通過求取矩陣元素的方差和來計(jì)算其與模板圖像的相似度。對于灰度值高于灰度值閥值的區(qū)域，圖像匹配模塊605利用特征值進(jìn)行匹配，建立最終融合圖像與模板圖像之間特征值匹配關(guān)系，通常使用的特征值有點(diǎn)特征、邊緣特征、形狀特征和區(qū)域特征等。最后，將由灰度矩陣所得的相似度和由特征提取所得的相似度附加不同的權(quán)值算出最后圖像的相似度，輸出檢測結(jié)果。
[0045]本發(fā)明還提供電子裝置的一實(shí)施方式，其中，電子裝置包括上述各實(shí)施方式的基于多個傳感器信息融合的零件檢測系統(tǒng)。
[0046]以上所述僅為本發(fā)明的實(shí)施方式，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的【技術(shù)領(lǐng)域】，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【權(quán)利要求】
1.一種基于多個傳感器信息融合的零件檢測方法，其特征在于包括如下步驟: 步驟(1)、利用多個傳感器對被測零件進(jìn)行圖像采集，形成相應(yīng)的多幅圖像； 步驟(2)、融合所述多幅圖像形成最終融合圖像； 步驟(3)、將所述最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷所述被測零件的合格率。
2.根據(jù)權(quán)利要求1所述的基于多個傳感器信息融合的零件檢測方法，其特征在于，所述步驟(2)中融合所述多幅圖像形成最終融合圖像之前還包括對所述多幅圖像進(jìn)行數(shù)據(jù)預(yù)處理的步驟: 去除所述多幅圖像中與零件檢測無關(guān)和/或關(guān)系較小的信息，以及去除圖像采集和傳輸過程中產(chǎn)生的噪聲。
3.根據(jù)權(quán)利要求1所述的基于多個傳感器信息融合的零件檢測方法，其特征在于，所述步驟(2)中融合所述多幅圖像形成最終融合圖像的方法包括: 提取所述多幅圖像的特征點(diǎn)，將所述特征點(diǎn)進(jìn)行分類，并根據(jù)提取的分類特征點(diǎn)融合所述多幅圖像。
4.根據(jù)權(quán)利要求1所述的基于多個傳感器信息融合的零件檢測方法，其特征在于，所述步驟(2)中融合所述多幅圖像形成最終融合圖像的方法包括: 基于分辨率分析算法進(jìn)行多幅圖像融合和/或基于第二代曲波變換進(jìn)行多幅圖像融合。
5.根據(jù)權(quán)利要求1所述的基于多個傳感器信息融合的零件檢測方法，其特征在于，所述步驟(3)中將最終融合圖像與模板圖像進(jìn)行匹配的方法進(jìn)一步包括如下步驟: 51、設(shè)置一灰度值閥值，根據(jù)所述灰度值閥值對所述最終融合圖像進(jìn)行區(qū)域分割； 52、對灰度值低于該灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配并計(jì)算相似度，對灰度值高于該灰度值閥值的區(qū)域利用提取特征值進(jìn)行匹配并計(jì)算相似度； 53、將由灰度矩陣所得的相似度和由特征提取所得的相似度進(jìn)行加權(quán)計(jì)算得出最終的相似度，并輸出檢測結(jié)果。
6.根據(jù)權(quán)利要求5所述的基于多個傳感器信息融合的零件檢測方法，其特征在于，所述步驟S2中對灰度值低于閥值的區(qū)域利用灰度矩陣進(jìn)行匹配的方法進(jìn)一步包括如下步驟: 521、將灰度值低于灰度值閥值的區(qū)域劃分成多個小區(qū)域； 522、在每個小區(qū)域中隔一間隔進(jìn)行灰度值采樣； 523、將采樣到的灰度值表示為矩陣形式，通過求取矩陣元素的方差和來計(jì)算與模板圖像的相似度。
7.根據(jù)權(quán)利要求3所述的基于多個傳感器信息融合的零件檢測方法，其特征在于，所述特征點(diǎn)包括:點(diǎn)特征、邊緣特征、形狀特征和/或區(qū)域特征。
8.根據(jù)根據(jù)權(quán)利要求1-7中任一項(xiàng)所述的基于多個傳感器信息融合的零件檢測方法，其特征在于，所述多個傳感器至少包括紅外光傳感器和可見光傳感器。
9.一種基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于包括: 圖像獲取模塊，用于利用多個傳感器對被測零件進(jìn)行圖像采集，形成相應(yīng)的多幅圖像；圖像融合模塊，用于融合所述多幅圖像形成最終融合圖像； 匹配模塊:用于將所述最終融合圖像與模板圖像進(jìn)行匹配，根據(jù)匹配結(jié)果判斷所述被測零件的合格率。
10.根據(jù)權(quán)利要求9所述的基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于還包括圖像預(yù)處理模塊，所述預(yù)處理模塊用于去除所述多幅圖像中與零件檢測無關(guān)和/或關(guān)系較小的信息，以及去除圖像采集和傳輸過程中產(chǎn)生的噪聲。
11.根據(jù)權(quán)利要求9所述的基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于還包括特征提取模塊，所述特征提取模塊用于提取所述多幅圖像中的特征點(diǎn)，將所述特征點(diǎn)進(jìn)行分類； 所述圖像融合模塊根據(jù)提取的分類特征點(diǎn)融合所述多幅圖像。
12.根據(jù)權(quán)利要求9所述的基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于，所述圖像融合模炔基于分辨率分析算法進(jìn)行多幅圖像融合和/或基于第二代曲波變換進(jìn)行多幅圖像融合。
13.根據(jù)權(quán)利要求9所述的基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于，所述匹配模塊用于: 設(shè)置一灰度值閥值，根據(jù)所述灰度值閥值對所述最終融合圖像進(jìn)行區(qū)域分割； 對灰度值低于該灰度值閥值的區(qū)域利用灰度矩陣進(jìn)行匹配并計(jì)算相似度，對灰度值高于該灰度值閥值的區(qū)域利用提取特征值進(jìn)行匹配并計(jì)算相似度； 將由灰度矩陣所得的相似度和由特征提取所得的相似度進(jìn)行加權(quán)計(jì)算得出最終的相似度，并輸出檢測結(jié)果。`
14.根據(jù)權(quán)利要求13所述的基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于，所述匹配模塊還用于: 將灰度值低于灰度值閥值的區(qū)域劃分成多個小區(qū)域； 在每個小區(qū)域中隔一間隔進(jìn)行灰度值采樣； 將采樣到的灰度值表示為矩陣形式，通過求取矩陣元素的方差和來計(jì)算與模板圖像的相似度。
15.根據(jù)權(quán)利要求11所述的基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于，所述特征點(diǎn)包括:點(diǎn)特征、邊緣特征、形狀特征和/或區(qū)域特征。
16.根據(jù)權(quán)利要求9-15中任一項(xiàng)所述的基于多個傳感器信息融合的零件檢測系統(tǒng)，其特征在于，所述多個傳感器至少包括紅外光傳感器和可見光傳感器。
17.一種基于多個傳感器信息融合的零件檢測裝置，其特征在于，包括如權(quán)利要求9-16任一項(xiàng)所述的基于多個傳感器信息融合的零件檢測系統(tǒng)。
【文檔編號】G01B11/00GK103712560SQ201310733416
【公開日】2014年4月9日 申請日期:2013年12月27日 優(yōu)先權(quán)日:2013年12月27日
【發(fā)明者】陳鳳, 孫巧萍, 朱凌云, 孫知信 申請人:鎮(zhèn)江岡山電子有限公司