基于计算机视觉的法兰盘智能对位方法及系统与流程

本发明涉及图像处理，具体涉及一种基于计算机视觉的法兰盘智能对位方法及系统。

背景技术：

1、法兰盘简称法兰，指在一个类似盘状的金属体的周边开几个固定用的孔用于连接管道等机械设备；只有两个孔径完全相同的法兰盘进行对位组合，才能够保证管道的安全性和密封性；若是选取两个不能够完全对位匹配的法兰盘进行对位组合，会影响管道的使用安全性以及密封性。

2、目前判断法兰盘能否进行对位匹配，通常是借助测量工具或通过图像匹配算法，借助工具测量不仅耗费时间，而且不能保证测量精度，容易产生误差。而图像匹配中特征点的选取与匹配会耗费一些必要的算力成本以及计算时间，影响效率，同时可能存在特征点匹配的误差，使得准确性不高。两种方式影响了判断法兰盘对位匹配的准确性以及效率。

技术实现思路

1、为了解决上述通过测量工具或图像匹配判断法兰盘能否对位匹配时，影响了判断法兰盘对位匹配的准确性以及效率的技术问题，本发明的目的在于提供一种基于计算机视觉的法兰盘智能对位方法及系统，所采用的技术方案具体如下：

2、获取待匹配的法兰盘的对位面图像，根据每个像素点和预设邻域范围内的邻域像素点的灰度特征获得每个像素点的反光度，所述预设邻域范围小于螺孔范围；

3、根据每个像素点的所述反光度获得所述对位面图像的疑似螺孔区域；根据所述疑似螺孔区域中像素点的所述反光度的离散特征获得反光误差指数，根据所述反光误差指数筛选螺孔区域；

4、获得所述螺孔区域的特征点，根据所述特征点的灰度值和反光度获得光线能量度，根据所述特征点的特征点描述符、所述反光度和所述光线能量度获得特征点表征向量；

5、将待匹配的两个法兰盘的所述螺孔区域按照顺序匹配获得匹配对，根据所述匹配对的特征点之间，所述特征点表征向量的差异特征获得匹配误差指数；根据所述匹配误差指数获得匹配特征点并进行法兰盘的对位匹配。

6、进一步地，所述反光度的获取步骤包括：

7、计算所述像素点的预设邻域范围内，邻域像素点的灰度值方差与数值一的和值，计算灰度值方差与数值一的和值的倒数，作为邻域比重系数；计算邻域像素点的灰度值平方的平均值，计算邻域像素点的灰度值平方的平均值、所述邻域比重系数和预设第一权重三者的乘积，获得邻域反光表征值；计算所述像素点的灰度值的平方值与预设第二权重的乘积，获得中心反光表征值；

8、计算所述中心反光表征值和所述邻域反光表征值的和值，获得区域反光表征值，并向下取整，获得所述反光度。

9、进一步地，所述疑似螺孔区域的获取步骤包括：

10、根据每个像素点的所述反光度的大小分布特征，通过阈值分割二值化算法获得反光度阈值，根据所述反光度阈值，确定所述反光度小于所述反光度阈值的连通域并进行分割，获得所述疑似螺孔区域。

11、进一步地，所述螺孔区域的获取步骤包括：

12、确定每个所述疑似螺孔区域的最小外接矩形，计算所述最小外接矩形内的像素点的反光度均值，计算所述最小外接矩形内像素点的所述反光度的标准差，计算所述最小外接矩形内所述反光度的最大值和最小值的极差；计算所述标准差与所述极差的乘积，获得离散特征值，计算所述离散特征值与所述反光度均值的乘积，获得所述反光误差指数；

13、将每个疑似螺孔区域的所述反光误差指数从小到大排序，从第一位开始取预设数量个所述反光误差指数对应的疑似螺孔区域，作为所述螺孔区域。

14、进一步地，所述光线能量度的获取步骤包括：

15、将所述螺孔区域的每个特征点的灰度值归一化，获得灰度表征值；计算所述特征点的所述灰度表征值与所述反光度的乘积并正相关映射，获得反光特征值，将所述反光度进行负相关映射，计算负向相关映射后的反光度与对应的所述反光特征值的比值，获得所述光线能量度。

16、进一步地，所述特征点表征向量的获取步骤包括：

17、计算所述特征点的所述反光度与预设第一数值的乘积，作为第一反光描述值；计算所述特征点的所述光线能量度与预设第二数值的乘积，作为第二反光描述值；

18、将所述特征点的所述特征点描述符、所述第一反光描述值和所述第二反光描述值组合，获得所述特征点表征向量。

19、进一步地，所述匹配对的获取步骤包括：

20、将待匹配的两个法兰盘的所述螺孔区域从同一位置开始，分别按照相同的顺序编号，将两个相同编号的所述螺孔区域作为一个所述匹配对。

21、进一步地，所述匹配误差指数的获取步骤包括：

22、计算所述匹配对的特征点之间的所述特征点表征向量中，每一个维度的特征分量值的差值的平方和，获得所述匹配误差指数。

23、进一步地，所述获得匹配特征点并进行法兰盘的对位匹配的步骤包括：

24、当所述匹配误差指数小于预设误差阈值时，两个特征点匹配成功，获得匹配特征点，遍历匹配对中所有特征点，获得所有匹配特征点后，当匹配特征点与所有特征点的数量比值超过预设比值时，则认为待匹配的法兰盘可以进行对位匹配，否则认为不能进行对位匹配。

25、本发明还提出了一种基于计算机视觉的法兰盘智能对位系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序实现任意一项一种基于计算机视觉的法兰盘智能对位方法的步骤。

26、本发明具有如下有益效果：

27、在本发明实施例中，首先基于法兰盘的金属区域和螺孔区域反光程度不同的特性，获得每个像素点的反光度，进而可通过反光度的差异获得疑似螺孔区域。因螺孔区域的反光度大小较为集中，离散情况较小；故可根据反光度的离散特征从疑似螺孔区域筛选螺孔区域。后续基于螺孔区域分析可以降低算法的算力成本和时间，同时提高准确性。获得光线能量度是为了表征特征点的光线能量特征，增加不同特征点之间的区别特征，提高后续特征点匹配的准确率。特征点的特征点表征向量结合了特征点描述符、反光度和匹配误差指数，能够从多维度的特征中表征该特征点，进而提高特征点匹配过程中的准确性，减少错误匹配的可能性；最后根据匹配特征点的占比情况分析法兰盘对位匹配情况。能够在提高法兰盘对位匹配分析的准确性的同时，减少算力成本和时间成本。

技术特征：

1.一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述反光度的获取步骤包括：

3.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述疑似螺孔区域的获取步骤包括：

4.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述螺孔区域的获取步骤包括：

5.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述光线能量度的获取步骤包括：

6.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述特征点表征向量的获取步骤包括：

7.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述匹配对的获取步骤包括：

8.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述匹配误差指数的获取步骤包括：

9.根据权利要求1所述的一种基于计算机视觉的法兰盘智能对位方法，其特征在于，所述获得匹配特征点并进行法兰盘的对位匹配的步骤包括：

10.一种基于计算机视觉的法兰盘智能对位系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1-9任意一项所述方法的步骤。

技术总结
本发明涉及图像处理技术领域，具体涉及一种基于计算机视觉的法兰盘智能对位方法及系统。首先获取待匹配的法兰盘的对位面图像，根据图像中像素点的反光度确定疑似螺孔区域，根据反光度的离散特征获得反光误差指数筛选螺孔区域。确定螺孔区域的特征点，根据特征点的特征点描述符、反光度和光线能量度获得特征点表征向量。根据特征点表征向量的差异分析匹配对中的特征点匹配误差指数，进而分析待匹配的法兰盘是否能够进行对位匹配。最终，能够在提高法兰盘对位匹配分析的准确性的同时，减少算力成本和时间成本。

技术研发人员：袭瑞江
受保护的技术使用者：山东顺发重工有限公司
技术研发日：
技术公布日：2024/1/14