一種汽車照明大燈的安裝螺釘缺失檢測(cè)方法
【專利摘要】本發(fā)明公開了一種汽車照明大燈的安裝螺釘缺失檢測(cè)方法，采用紅外波段圖像采集系統(tǒng)，所述紅外波段圖像采集系統(tǒng)設(shè)置在車燈工裝上，所述紅外波段圖像采集系統(tǒng)包括紅外相機(jī)、紅外光源和到位傳感器，所述紅外光源和紅外相機(jī)的視場(chǎng)均覆蓋車燈所有螺釘范圍，利用所述紅外波段圖像采集系統(tǒng)建立模型庫。本發(fā)明的汽車照明大燈的安裝螺釘缺失檢測(cè)方法利用紅外波段圖像采集系統(tǒng)，紅外波段圖像采集系統(tǒng)安裝方便不需要特別準(zhǔn)確的對(duì)位，確定螺釘位置非常方便。處理速度快，自動(dòng)化程度高，和生產(chǎn)線聯(lián)通方便。采集的圖像數(shù)據(jù)可以保存，供后期追溯，而且檢測(cè)準(zhǔn)確率高。
【專利說明】
一種汽車照明大燈的安裝螺釘缺失檢測(cè)方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及一種汽車照明大燈的安裝螺釘缺失檢測(cè)方法。
【背景技術(shù)】
[0002]車燈裝配螺釘是保證車燈品質(zhì)的基礎(chǔ)。隨著客戶對(duì)車燈品質(zhì)要求的不斷提升，生產(chǎn)商對(duì)因螺釘漏裝而產(chǎn)生的質(zhì)量問題也越來越重視。采用機(jī)器視覺技術(shù)來自動(dòng)化的檢測(cè)螺釘漏裝越來越有必要。
[0003]原有的車燈螺絲檢測(cè)主要靠人工檢測(cè)、金屬傳感器檢測(cè)。人工檢測(cè)這種方式主要是生產(chǎn)工人在生產(chǎn)線上用雙眼來看。通過合適的管理可以解決大部分問題。但由于人工的關(guān)系不可避免的存在速度慢，由人疲勞造成檢測(cè)質(zhì)量不可控等問題。改進(jìn)后的金屬傳感器雖然解決了測(cè)量速度的問題，卻帶了一些其他問題，比如安裝困難，對(duì)位不準(zhǔn)，其原因在于需調(diào)整傳感器與螺絲之間的相對(duì)位置，來獲得滿足要求的響應(yīng)靈敏度，而且還存在多種型號(hào)車燈不通用等問題。現(xiàn)有燈具的工裝結(jié)構(gòu)形式很難直觀地讓調(diào)整人員從下方觀察傳感器的調(diào)節(jié)過程，嚴(yán)重影響系統(tǒng)的檢測(cè)準(zhǔn)確率。
[0004]因此，需要一種新的檢測(cè)裝置以解決上述問題。

【發(fā)明內(nèi)容】

[0005]發(fā)明目的:為了克服現(xiàn)有技術(shù)存在的問題，本發(fā)明提供一種效果更好的汽車照明大燈的安裝螺釘缺失檢測(cè)方法。
[0006]為解決上述技術(shù)問題，本發(fā)明的汽車照明大燈的安裝螺釘缺失檢測(cè)方法所采用的技術(shù)方案為:
[0007]—種汽車照明大燈的安裝螺釘缺失檢測(cè)方法，采用紅外波段圖像采集系統(tǒng)，所述紅外波段圖像采集系統(tǒng)設(shè)置在車燈工裝上，所述紅外波段圖像采集系統(tǒng)包括紅外相機(jī)、紅外光源和到位傳感器，所述紅外光源和紅外相機(jī)的視場(chǎng)均覆蓋車燈所有螺釘范圍，利用所述紅外波段圖像采集系統(tǒng)建立模型庫，所述模型庫的建立方法包括以下步驟:
[0008]a、利用所述紅外光源照射被測(cè)汽車照明大燈的螺釘表面；
[0009]b、所述紅外相機(jī)采集步驟a產(chǎn)生的反射光的圖像；
[0010]C、重復(fù)步驟a和b，在汽車照明大燈的每個(gè)待檢測(cè)的位置分別采集有螺釘和沒螺釘?shù)膱D像，得到模型庫，同時(shí)提取待檢測(cè)的位置周圍的圖像作為定位基準(zhǔn)；
[0011 ]所述安裝螺釘缺失檢測(cè)方法包括以下步驟:
[0012]—、將汽車照明大燈裝入車燈工裝，所述到位傳感器檢測(cè)到汽車照明大燈到位后，打開所述紅外光源，所述紅外相機(jī)采集圖像，得到待測(cè)圖像；
[0013]二、對(duì)步驟一得到的待測(cè)圖像進(jìn)行定位，從所述模型庫中提取步驟一的待檢測(cè)的位置周圍的圖片作為定位基準(zhǔn)；
[0014]三、利用NCC算法將定位基準(zhǔn)與待測(cè)圖像進(jìn)行圖像卷積，得到步驟一中待測(cè)圖像的卷積輸出最大值的位置坐標(biāo)作為待測(cè)圖像的偏移值；
[0015]四、利用步驟三得到的待測(cè)圖像的偏移值對(duì)所述待測(cè)圖像進(jìn)行偏移校正，得到定位后的待測(cè)圖像；
[0016]五、將步驟四得到的定位后的待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，根據(jù)下式判斷螺釘是否缺失:
[0017]當(dāng)檢測(cè)時(shí)，滿足Xl-X2>a并且Xl>b，則輸出有螺釘;滿足Xl_X2〈a或Xl〈b，則輸出螺釘缺失，其中，a為對(duì)比閾值，b為最小閾值，a和b均為已知參數(shù)。
[0018]更進(jìn)一步的，所述模型庫的建立方法中采集多個(gè)車燈同一位置有螺釘和沒螺釘?shù)膱D像作為模型。以提高魯棒性。
[0019]更進(jìn)一步的，所述紅外相機(jī)、紅外光源和到位傳感器均設(shè)置在車燈工裝上。防止震動(dòng)造成的偏移對(duì)系統(tǒng)的影響。
[0020]更進(jìn)一步的，所述紅外波段圖像采集系統(tǒng)還包括紅外濾光鏡，所述紅外濾光鏡設(shè)置在所述紅外相機(jī)和車燈之間。通過此過程將過濾掉大部分環(huán)境光(包括日光燈，非直射日光)，大大減少環(huán)境光對(duì)系統(tǒng)的影響，以適應(yīng)不同生產(chǎn)線的工況。
[0021 ] 更進(jìn)一步的，步驟五中對(duì)比閾值a和最小閾值b通過以下方法確定得到:
[0022](1)、將待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，再加上一個(gè)人工確定標(biāo)記Y，其中，Y = O或I，O表示沒螺釘，I表示有螺釘；
[0023](2)、重復(fù)步驟(I)，將輸出值Xl和X2作為一個(gè)坐標(biāo)點(diǎn)映射到一個(gè)二維坐標(biāo)系，人工確定標(biāo)記Y作為點(diǎn)(XI，X2)的輸出；
[0024](3)、令X1-X2的平均值為a，Xl的平均值為b，其中，a為對(duì)比閾值，b為最小閾值。利用此方法確定得到的a和b對(duì)于判斷螺釘是否缺失準(zhǔn)確率更高。
[0025]更進(jìn)一步的，步驟五中對(duì)比閾值a和最小閾值b通過以下方法確定得到:
[0026](1)、將待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，再加上一個(gè)人工確定標(biāo)記Y，其中，Y = O或I，O表示沒螺釘，I表示有螺釘；
[0027](2)、重復(fù)步驟(I)，將輸出值Xl和X2作為一個(gè)坐標(biāo)點(diǎn)映射到一個(gè)二維坐標(biāo)系，人工確定標(biāo)記Y作為點(diǎn)(XI，X2)的輸出；
[0028](3)、根據(jù)步驟(2)得到的二維坐標(biāo)系，確定使得Y為I的點(diǎn)(XI，X2)的范圍內(nèi)X1-X2的平均值為a，確定使得Y為O的點(diǎn)(XI，X2)的范圍內(nèi)Xl的平均值為b，其中，a為對(duì)比閾值，b為最小閾值。利用此方法確定得到的a和b，更具有針對(duì)性，使得對(duì)于判斷螺釘是否缺失準(zhǔn)確率更高。為了降低漏檢率，可根據(jù)多次測(cè)量的結(jié)果設(shè)置一個(gè)穩(wěn)定對(duì)比閾值(正負(fù)模型結(jié)果之差的絕對(duì)值)。
[0029]更進(jìn)一步的，所述車燈工裝包括支架，所述支架包括橫桿，所述橫桿上設(shè)置有多根立桿，所述車燈固定在所述立桿上。
[0030]更進(jìn)一步的，所述紅外光源和紅外相機(jī)均設(shè)置在所述橫桿上。
[0031]更進(jìn)一步的，所述紅外光源和紅外相機(jī)相對(duì)所述橫桿滑動(dòng)。方便調(diào)整紅外光源和紅外相機(jī)的位置及視場(chǎng)。
[0032]更進(jìn)一步的，所述立桿的長(zhǎng)度均不相同，所述到位傳感器設(shè)置在最長(zhǎng)的所述立桿上。到位傳感器設(shè)置在最長(zhǎng)的立桿上，探測(cè)精度更高。
[0033]有益效果:本發(fā)明的汽車照明大燈的安裝螺釘缺失檢測(cè)方法利用紅外波段圖像采集系統(tǒng)，紅外波段圖像采集系統(tǒng)安裝方便不需要特別準(zhǔn)確的對(duì)位，確定螺絲位置非常方便。處理速度快，自動(dòng)化程度高，和生產(chǎn)線聯(lián)通方便。采集的圖像數(shù)據(jù)可以保存，供后期追溯，而且檢測(cè)準(zhǔn)確率高。
【附圖說明】
[0034]圖1為本發(fā)明的紅外波段圖像采集系統(tǒng)的電路示意圖；
[0035]圖2為本發(fā)明的紅外波段圖像采集系統(tǒng)的結(jié)構(gòu)示意圖；
[0036]圖3為汽車照明大燈的安裝螺釘缺失檢測(cè)方法的流程示意圖。
【具體實(shí)施方式】
[0037]請(qǐng)參閱圖1、圖2和圖3所示，本發(fā)明的汽車照明大燈的安裝螺釘缺失檢測(cè)方法，采用紅外波段圖像采集系統(tǒng)，紅外波段圖像采集系統(tǒng)設(shè)置在車燈工裝上，紅外波段圖像采集系統(tǒng)包括紅外相機(jī)、紅外光源和到位傳感器，紅外光源和紅外相機(jī)均正對(duì)車燈，利用紅外波段圖像采集系統(tǒng)建立模型庫。紅外相機(jī)、紅外光源和到位傳感器均設(shè)置在車燈工裝上。防止震動(dòng)造成的偏移對(duì)系統(tǒng)的影響。紅外波段圖像采集系統(tǒng)還包括紅外濾光鏡，紅外濾光鏡設(shè)置在紅外相機(jī)和車燈之間。通過此過程將過濾掉大部分環(huán)境光(包括日光燈，非直射日光)，大大減少環(huán)境光對(duì)系統(tǒng)的影響，以適應(yīng)不同生產(chǎn)線的工況。
[0038]模型庫的建立方法包括以下步驟:
[0039]a、利用所述紅外光源照射被測(cè)汽車照明大燈的螺釘表面；
[0040]b、所述紅外相機(jī)采集步驟a產(chǎn)生的反射光的圖像；
[0041]C、重復(fù)步驟a和b，在汽車照明大燈的每個(gè)待檢測(cè)的位置分別采集有螺釘和沒螺釘?shù)膱D像，得到模型庫，同時(shí)提取待檢測(cè)的位置周圍的圖像作為定位基準(zhǔn)；
[0042]所述安裝螺釘缺失檢測(cè)方法包括以下步驟:
[0043]—、將汽車照明大燈裝入車燈工裝，所述到位傳感器檢測(cè)到汽車照明大燈到位后，打開所述紅外光源，所述紅外相機(jī)采集圖像，得到待測(cè)圖像；
[0044]二、對(duì)步驟一得到的待測(cè)圖像進(jìn)行定位，從所述模型庫中提取步驟一的待檢測(cè)的位置周圍的圖片作為定位基準(zhǔn)；
[0045]三、利用NCC算法將定位基準(zhǔn)與待測(cè)圖像進(jìn)行圖像卷積，得到步驟一中待測(cè)圖像的卷積輸出最大值的位置坐標(biāo)作為待測(cè)圖像的偏移值；
[0046]四、利用步驟三得到的待測(cè)圖像的偏移值對(duì)所述待測(cè)圖像進(jìn)行偏移校正，得到定位后的待測(cè)圖像；
[0047]五、將步驟四得到的定位后的待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，根據(jù)下式判斷螺釘是否缺失:
[0048]當(dāng)檢測(cè)時(shí)，滿足Xl-X2>a并且Xl>b，則輸出有螺釘;滿足Xl_X2〈a或Xl〈b，則輸出螺釘缺失，其中，a為對(duì)比閾值，b為最小閾值，a和b均為已知參數(shù)。
[0049]步驟五中對(duì)比閾值a和最小閾值b通過以下方法確定得到:
[0050](1)、將待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，再加上一個(gè)人工確定標(biāo)記Y，其中，Y = O或I，O表示沒螺釘，I表示有螺釘；
[0051 ] (2)、重復(fù)步驟(I)，將輸出值Xl和X2作為一個(gè)坐標(biāo)點(diǎn)映射到一個(gè)二維坐標(biāo)系，人工確定標(biāo)記Y作為點(diǎn)(XI，X2)的輸出；
[0052](3)、令X1-X2的平均值為a，Xl的平均值為b，其中，a為對(duì)比閾值，b為最小閾值。利用此方法確定得到的a和b對(duì)于判斷螺釘是否缺失準(zhǔn)確率更高。
[0053]優(yōu)選的，步驟五中對(duì)比閾值a和最小閾值b通過以下方法確定得到:
[0054](1)、將待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，再加上一個(gè)人工確定標(biāo)記Y，其中，Y = O或I，O表示沒螺釘，I表示有螺釘；
[0055](2)、重復(fù)步驟(I)，將輸出值Xl和X2作為一個(gè)坐標(biāo)點(diǎn)映射到一個(gè)二維坐標(biāo)系，人工確定標(biāo)記Y作為點(diǎn)(XI，X2)的輸出；
[0056](3)、根據(jù)步驟(2)得到的二維坐標(biāo)系，確定使得Y為I的點(diǎn)(XI，X2)的范圍內(nèi)X1-X2的平均值為a，確定使得Y為O的點(diǎn)(XI，X2)的范圍內(nèi)Xl的平均值為b，其中，a為對(duì)比閾值，b為最小閾值。利用此方法確定得到的a和b，更具有針對(duì)性，使得對(duì)于判斷螺釘是否缺失準(zhǔn)確率更高。為了降低漏檢率，可根據(jù)多次測(cè)量的結(jié)果設(shè)置一個(gè)穩(wěn)定對(duì)比閾值(正負(fù)模型結(jié)果之差的絕對(duì)值)。
[0057]其中，車燈工裝包括支架5，支架5包括橫桿，橫桿上設(shè)置有多根立桿，車燈固定在立桿上。紅外光源3和紅外相機(jī)2均設(shè)置在橫桿上。優(yōu)選的，紅外光源3和紅外相機(jī)2相對(duì)橫桿滑動(dòng)。方便調(diào)整紅外光源和紅外相機(jī)的位置及視場(chǎng)。立桿的長(zhǎng)度均不相同，到位傳感器I設(shè)置在最長(zhǎng)的立桿上。到位傳感器設(shè)置在最長(zhǎng)的立桿上，探測(cè)精度更高。
[0058]為了降低漏檢率，可根據(jù)多次測(cè)量的結(jié)果設(shè)置一個(gè)穩(wěn)定對(duì)比閾值(正負(fù)模型結(jié)果之差的絕對(duì)值)。首先通過螺釘周圍圖像對(duì)螺釘位置進(jìn)行了定位校正。然后對(duì)應(yīng)每一處含螺釘圖像和正負(fù)模型進(jìn)行NCC算法處理，與正模型處理輸出值為XI，與正模型處理輸出值為X2，再加上一個(gè)人工確定標(biāo)記Y(0或I，表示是否有螺釘)，共3個(gè)值。通過幾百次的數(shù)據(jù)采集處理(包含有螺釘和無螺釘)，將統(tǒng)計(jì)數(shù)據(jù)(XI，Χ2)作為一個(gè)二維數(shù)據(jù)點(diǎn)映射到一個(gè)二維坐標(biāo)系，人工標(biāo)記Y作為點(diǎn)(XI，Χ2)的輸出。確定a和b使得在Xl-X2>a并且Xl>b情況下Y輸出I，在Xl-X2〈a或Xl〈b情況下Y輸出0，并且錯(cuò)誤分類二維點(diǎn)的情況最少。根據(jù)計(jì)算出得出a和Ka作為對(duì)比閾值，b作為最小閾值，以此作為檢測(cè)螺釘有無的參數(shù)。檢測(cè)時(shí)以滿足Xl-X2>a并且Xl>b則輸出有螺釘，滿足Xl_X2〈a或Xl〈b則輸出螺釘缺失(注:a、b為已知，X1、X2為當(dāng)前檢測(cè)計(jì)算得到的值)。通過大量標(biāo)記的數(shù)據(jù)來擬合檢測(cè)參數(shù)a和b，將最大程度降低錯(cuò)誤分類的概率。
[0059]實(shí)施例1:
[0060]在車燈生產(chǎn)線上的車燈工裝里裝入多個(gè)GIGE相機(jī)，相機(jī)的視場(chǎng)要覆蓋車燈所有需要檢測(cè)的螺釘。相機(jī)周圍加裝多個(gè)固定的LED紅外光源。在車燈放入的某地方加上紅外到位傳感器，相機(jī)、光源、傳感器同連線接入控制盒?？刂坪泄潭ㄔ诠ぱb上?？刂坪袃?nèi)含有光源控制器?？刂坪型ㄟ^可快速拔插的接口聯(lián)入工控機(jī)平板的1卡上。
[0061]建立紅外波段圖像采集系統(tǒng):以紅外LED為光源照射被測(cè)汽車大燈的螺釘表面，其產(chǎn)生的反射光須經(jīng)過紅外濾光鏡濾光，最后被紅外相機(jī)接收。通過此過程將過濾掉大部分環(huán)境光(包括日光燈，非直射日光)，大大減少環(huán)境光對(duì)系統(tǒng)的影響，以適應(yīng)不同生產(chǎn)線的工況。相機(jī)、光源、及傳感器都固定在車燈的工裝上，防止震動(dòng)造成的偏移對(duì)系統(tǒng)的影響。
[0062]建立模型庫:在車燈的每個(gè)待檢測(cè)的位置分別采集有螺釘和沒螺釘?shù)膱D像，作為正負(fù)模型?？梢圆杉鄠€(gè)車燈同一位置情況作為模型，以提高魯棒性。每款車燈有多個(gè)螺釘，所有螺釘位置都將建立一個(gè)模型，所以一款車燈將建成一個(gè)模型序列。多款車燈就是多個(gè)模型序列。模型序列將會(huì)保存成文件，生產(chǎn)線在更換燈型的時(shí)候?qū)⑶袚Q模型序列。
[0063]缺失判別:到車燈放入工裝，傳感器檢測(cè)到放到位后，通知工控機(jī)。工控機(jī)通過1打開光源，并通過相機(jī)采集圖像，關(guān)閉光源。采集的圖像進(jìn)行后續(xù)圖像處理。由于車燈加工誤差和機(jī)械配合問題，每個(gè)車燈放入工裝后位置都有偏移，所以采集的圖像首先做定位。從模型圖片中提取檢測(cè)位置周圍圖片做為定位標(biāo)準(zhǔn)，通過圖像的灰度歸一化互相關(guān)方法與待測(cè)圖片進(jìn)行卷積，找到待測(cè)圖像的最大值作為偏移值。經(jīng)過偏移獲取定位后的檢測(cè)圖像。待檢測(cè)圖像將與正負(fù)模型分別進(jìn)行歸一化互相關(guān)操作。因?yàn)橄嗨茍D像的歸一化互相關(guān)后輸出結(jié)果較大，所以以此來判斷是否缺失螺釘。為了降低漏檢率，可根據(jù)多次測(cè)量的結(jié)果設(shè)置一個(gè)穩(wěn)定對(duì)比閾值(正負(fù)模型結(jié)果之差的絕對(duì)值)。
[0064]本發(fā)明的汽車照明大燈的安裝螺釘缺失檢測(cè)方法利用紅外波段圖像采集系統(tǒng)，紅外波段圖像采集系統(tǒng)安裝方便不需要特別準(zhǔn)確的對(duì)位，確定螺絲位置非常方便。處理速度快，自動(dòng)化程度高，和生產(chǎn)線聯(lián)通方便。采集的圖像數(shù)據(jù)可以保存，供后期追溯，而且檢測(cè)準(zhǔn)確率。
【主權(quán)項(xiàng)】
1.一種汽車照明大燈的安裝螺釘缺失檢測(cè)方法，其特征在于:采用紅外波段圖像采集系統(tǒng)，所述紅外波段圖像采集系統(tǒng)設(shè)置在車燈工裝上，所述紅外波段圖像采集系統(tǒng)包括紅外相機(jī)、紅外光源和到位傳感器，所述紅外光源和紅外相機(jī)的視場(chǎng)均覆蓋車燈所有螺釘范圍，利用所述紅外波段圖像采集系統(tǒng)建立模型庫，所述模型庫的建立方法包括以下步驟: a、利用所述紅外光源照射被測(cè)汽車照明大燈的螺釘表面； b、所述紅外相機(jī)采集步驟a產(chǎn)生的反射光的圖像； C、重復(fù)步驟a和b，在汽車照明大燈的每個(gè)待檢測(cè)的位置分別采集有螺釘和沒螺釘?shù)膱D像，得到模型庫，同時(shí)提取待檢測(cè)的位置周圍的圖像作為定位基準(zhǔn)； 所述安裝螺釘缺失檢測(cè)方法包括以下步驟: 一、將汽車照明大燈裝入車燈工裝，所述到位傳感器檢測(cè)到汽車照明大燈到位后，打開所述紅外光源，所述紅外相機(jī)采集圖像，得到待測(cè)圖像； 二、對(duì)步驟一得到的待測(cè)圖像進(jìn)行定位，從所述模型庫中提取步驟一的待檢測(cè)的位置周圍的圖片作為定位基準(zhǔn)； 三、利用NCC算法將定位基準(zhǔn)與待測(cè)圖像進(jìn)行圖像卷積，得到步驟一中待測(cè)圖像的卷積輸出最大值的位置坐標(biāo)作為待測(cè)圖像的偏移值； 四、利用步驟三得到的待測(cè)圖像的偏移值對(duì)所述待測(cè)圖像進(jìn)行偏移校正，得到定位后的待測(cè)圖像； 五、將步驟四得到的定位后的待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，根據(jù)下式判斷螺釘是否缺失: 當(dāng)檢測(cè)時(shí)，滿足Xl_X2>a并且Xl>b，則輸出有螺釘;滿足Xl_X2〈a或Xl〈b，則輸出螺釘缺失，其中，a為對(duì)比閾值，b為最小閾值，a和b均為已知參數(shù)。2.根據(jù)權(quán)利要求1所述的汽車照明大燈的安裝螺釘缺失檢測(cè)方法，其特征在于:所述模型庫的建立方法中采集多個(gè)車燈同一位置有螺釘和沒螺釘?shù)膱D像作為模型。3.根據(jù)權(quán)利要求1所述的汽車照明大燈的安裝螺釘缺失檢測(cè)方法，其特征在于:所述紅外相機(jī)、紅外光源和到位傳感器均設(shè)置在車燈工裝上。4.根據(jù)權(quán)利要求1所述的汽車照明大燈的安裝螺釘缺失檢測(cè)方法，其特征在于:所述紅外波段圖像采集系統(tǒng)還包括紅外濾光鏡，所述紅外濾光鏡設(shè)置在所述紅外相機(jī)和車燈之間。5.根據(jù)權(quán)利要求1所述的汽車照明大燈的安裝螺釘缺失檢測(cè)方法，其特征在于:步驟五中對(duì)比閾值a和最小閾值b通過以下方法確定得到: (1)、將待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，再加上一個(gè)人工確定標(biāo)記Y，其中，Y = 0或I，0表示沒螺釘，I表示有螺釘； (2)、重復(fù)步驟(I)，將輸出值Xl和Χ2作為一個(gè)坐標(biāo)點(diǎn)映射到一個(gè)二維坐標(biāo)系，人工確定標(biāo)記Y作為點(diǎn)(XI，Χ2)的輸出； (3 )、令X1-Χ2的平均值為a，XI的平均值為b，其中，a為對(duì)比閾值，b為最小閾值。6.根據(jù)權(quán)利要求1所述的汽車照明大燈的安裝螺釘缺失檢測(cè)方法，其特征在于:步驟五中對(duì)比閾值a和最小閾值b通過以下方法確定得到: (1)、將待測(cè)圖像分別與模型庫中有螺釘?shù)膱D像和沒螺釘?shù)膱D像利用NCC算法進(jìn)行處理，其中，與有螺釘?shù)膱D像處理的輸出值為XI，與沒螺釘?shù)膱D像處理的輸出值為X2，再加上一個(gè)人工確定標(biāo)記Y，其中，Y=0或I，0表示沒螺釘，I表示有螺釘； (2)、重復(fù)步驟(I)，將輸出值Xl和Χ2作為一個(gè)坐標(biāo)點(diǎn)映射到一個(gè)二維坐標(biāo)系，人工確定標(biāo)記Y作為點(diǎn)(XI，Χ2)的輸出； (3)、根據(jù)步驟(2)得到的二維坐標(biāo)系，確定使得Y為I的點(diǎn)(XI，Χ2)的范圍內(nèi)Χ1-Χ2的平均值為a，確定使得Y為O的點(diǎn)(XI，X2)的范圍內(nèi)Xl的平均為b，其中，a為對(duì)比閾值，b為最小閾值。7.根據(jù)權(quán)利要求1所述的汽車照明大燈的安裝螺釘缺失檢測(cè)裝置，其特征在于:所述車燈工裝包括支架(5)，所述支架(5)包括橫桿，所述橫桿上設(shè)置有多根立桿，所述車燈固定在所述立桿上。8.根據(jù)權(quán)利要求7所述的汽車照明大燈的安裝螺釘缺失檢測(cè)裝置，其特征在于:所述紅外光源(3)和紅外相機(jī)(2)均設(shè)置在所述橫桿上。9.根據(jù)權(quán)利要求8所述的汽車照明大燈的安裝螺釘缺失檢測(cè)裝置，其特征在于:所述紅外光源(3)和紅外相機(jī)(2)相對(duì)所述橫桿滑動(dòng)。10.根據(jù)權(quán)利要求7所述的汽車照明大燈的安裝螺釘缺失檢測(cè)裝置，其特征在于:所述立桿的長(zhǎng)度均不相同，所述到位傳感器(I)設(shè)置在最長(zhǎng)的所述立桿上。
【文檔編號(hào)】G06T7/00GK106023240SQ201610576561
【公開日】2016年10月12日
【申請(qǐng)日】2016年7月20日
【發(fā)明人】錢磊, 沈峘, 沈群, 沈一群, 張樂年, 王李蘇
【申請(qǐng)人】南京大樹智能科技股份有限公司