【技術實現步驟摘要】
本專利技術涉及自動化檢測，特別是一種汽車門板組件的視覺檢測系統。
技術介紹
1、隨著汽車制造業的快速發展，對于汽車零部件的質量控制要求越來越高，特別是在汽車門板組件這類直接關系到車輛安全性與舒適性的部件上。傳統的檢測方法通常依賴人工檢查，這種方式不僅效率低下，而且容易受到人為因素的影響，導致檢測結果不穩定。近年來，隨著機器視覺技術的進步，越來越多的制造商開始采用自動化視覺檢測系統來提高生產效率和產品質量。此類系統可以實現對汽車門板組件的快速、精確檢測，極大地降低了人工成本，并提高了檢測的準確性和一致性。
2、然而，現有的視覺檢測系統仍然存在一定的局限性。首先，在圖像采集階段，傳統的單視角圖像采集方式難以全面捕捉到門板的所有細節，這可能導致某些缺陷未能被及時發現。其次，現有的三維模型構建技術在處理多視角圖像數據時，往往因特征點匹配不準確而導致模型重建誤差較大，進而影響到后續的缺陷識別精度。最后，現有的缺陷識別與分類算法雖能識別出部分缺陷，但在面對細微缺陷或特定類型的缺陷(如卡扣缺陷)時，識別率和分類準確性仍有待提升。這些問題的存在限制了現有視覺檢測系統在實際應用中的效能，特別是在追求高精度和高可靠性的現代汽車制造領域。
技術實現思路
1、鑒于上述現有存在的問題，提出了本專利技術。
2、因此，本專利技術提供了一種汽車門板組件的視覺檢測系統解決現有技術中圖像采集不全面、三維模型重建誤差大及缺陷識別率低的問題。
3、為解決上述技術問題，本專利技術提供如下
4、本專利技術實施例提供了一種汽車門板組件的視覺檢測系統，其包括，
5、圖像采集模塊：用于安裝高精度工業相機，對汽車門板多視角圖像數據進行同步采集；
6、圖像預處理模塊：用于對采集到的汽車門板多視角圖像數據進行預處理；
7、圖像增強模塊：用于采用超分辨率算法，對預處理后的汽車門板多視角圖像數據進行細節增強；
8、三維模型構建模塊：用于通過雙目立體視覺匹配，將增強后的汽車門板多視角圖像數據整合成汽車門板全景圖，并構建汽車門板三維模型；
9、缺陷識別模塊：將汽車門板三維模型與標準汽車門板三維模型對比，識別汽車門板中的卡扣缺陷；
10、缺陷類型識別與報告生成模塊：用于對識別出的缺陷點進行位置標注和缺陷類型分析，根據缺陷類型分析生成汽車門板檢測報告。
11、作為本專利技術所述汽車門板組件的視覺檢測系統的一種優選方案，其中：所述安裝高精度工業相機，對汽車門板的多視角圖像數據進行同步采集，具體步驟如下：
12、在車門檢測工位的各關鍵位置，關鍵位置包括汽車門板四周邊緣、中間區域和卡扣安裝位置，部署basler?ace系列高精度工業相機；
13、設置統一的觸發機制，控制所有相機在同一時刻觸發，當汽車門板進入檢測工位時，通過觸發機制啟動所有相機，同步采集汽車門板多視角圖像數據。
14、作為本專利技術所述汽車門板組件的視覺檢測系統的一種優選方案，其中：所述對采集到的汽車門板多視角圖像數據進行預處理包括，具體步驟如下：
15、使用中值濾波去除汽車門板多視角圖像數據中的隨機噪聲；
16、使用直方圖均衡化調整汽車門板多視角圖像數據中的圖像亮度；
17、使用伽瑪校正增強多視角圖像數據中的圖像對比度。
18、作為本專利技術所述汽車門板組件的視覺檢測系統的一種優選方案，其中：所述采用超分辨率算法，對預處理后的汽車門板多視角圖像數據進行細節增強，具體步驟如下：
19、采用超分辨率算法，將經過預處理后的汽車門板多視角圖像數據中的低分辨率圖像轉換為高分辨率圖像，使用拉普拉斯算子對經過超分辨后的圖像進行銳化處理，增強邊緣細節，表達式為：
20、is＝ihr+α·(l*superresolution(ilr))；
21、其中，is是經過增強后的汽車門板圖像數據，ihr是經過超分辨率算法處理后的高分辨率圖像，α是控制銳化強度的系數，l是用于邊緣檢測和銳化處理的拉普拉斯算子，superresolution是超分辨率算法。
22、作為本專利技術所述汽車門板組件的視覺檢測系統的一種優選方案，其中：所述采用圖像拼接算法，將增強后的汽車門板多視角圖像數據整合成全景圖，并構建汽車門板三維模型，具體步驟如下：
23、使用特征點檢測算法sift在增強后的圖像數據中提取特征點，特征點包括角點、邊緣點和螺孔；
24、對每對圖像進行特征點匹配，找到對應的特征點對，使用ransac算法將圖像對齊，使用圖像拼接算法將對齊后的圖像拼接成汽車門板全景圖；
25、通過雙目立體視覺匹配，將汽車門板全景圖中的每個像素點映射到三維空間中，我們能夠從深度信息構建出點云數據，利用點云數據構建汽車門板三維模型。
26、作為本專利技術所述汽車門板組件的視覺檢測系統的一種優選方案，其中：所述將汽車門板三維模型與標準三維模型對比，具體步驟如下：
27、從數據庫中加載按照生產標準構建的標準三維模型；
28、使用點云對齊算法，迭代最小化兩個點云之間的距離，將汽車門板三維模型與標準三維模型對齊；
29、使用對齊后的檢測模型與標準模型進行對比，計算卡扣點在標準三維模型與汽車門板三維模型中的相對位置差異，表達式為：
30、δd(p)＝|d(p,ms)-d(p,ma)|；
31、其中，δd(p)表示卡扣點p在標準三維模型與汽車門板三維模型ma中的相對位置差異，d是一個用于計算汽車門板三維模型與標準三維模型相對卡扣點間位置差異的距離函數。
32、作為本專利技術所述汽車門板組件的視覺檢測系統的一種優選方案，其中：所述識別汽車門板中的卡扣缺陷，具體步驟如下：
33、基于對汽車門板制造工藝和設計規范的理解來定義一個制造公差閾值t；
34、將每個點的距離差δd(p)與制造公差閾值t進行比較，找出所有卡扣缺陷，形成缺陷點集，表達式為：
35、δ＝{p∈d|δd(p)>t}；
36、其中，d為點云數據集包含汽車門板在的所有卡扣點，δ為識別出的缺陷點集合。
37、作為本專利技術所述汽車門板組件的視覺檢測系統的一種優選方案，其中：所述對識別出的缺陷點進行位置標注和缺陷類型分析，具體步驟如下：
38、對識別出的缺陷點集合δ中的缺陷點p進行位置標注，表達式為：
39、l(δ)＝(xp,yp,zp)；
40、其中，xp表示缺陷集合δ中的缺陷點p的橫坐標，yp表示缺陷集合δ中的缺陷點p的縱坐標，zp表示缺陷集合δ中的缺陷點p的高度坐標，l表示δ中的缺陷點p在三維空間中的具體坐標；
41、將缺陷點的具體坐標l(δ)輸入到yolov中，并結合增強后的汽車門板圖像數據is識別缺陷類型，表達式為：
42、td(p)＝yolov5(is,l(本文檔來自技高網...
【技術保護點】
1.一種汽車門板組件的視覺檢測系統，其特征在于：包括，
2.如權利要求1所述的汽車門板組件的視覺檢測系統，其特征在于：所述安裝高精度工業相機，對汽車門板的多視角圖像數據進行同步采集，具體步驟如下：
3.如權利要求2所述的汽車門板組件的視覺檢測系統，其特征在于：所述對采集到的汽車門板多視角圖像數據進行預處理包括，具體步驟如下：
4.如權利要求3所述的汽車門板組件的視覺檢測系統，其特征在于：所述采用超分辨率算法，對預處理后的汽車門板多視角圖像數據進行細節增強，具體步驟如下：
5.如權利要求4所述的汽車門板組件的視覺檢測系統，其特征在于：所述采用圖像拼接算法，將增強后的汽車門板多視角圖像數據整合成全景圖，并構建汽車門板三維模型，具體步驟如下：
6.如權利要求5所述的汽車門板組件的視覺檢測系統，其特征在于：所述將汽車門板三維模型與標準三維模型對比，具體步驟如下：
7.如權利要求6所述的汽車門板組件的視覺檢測系統，其特征在于：所述識別汽車門板中的卡扣缺陷，具體步驟如下：
8.如權利要求7所述的汽車門板組件的
9.如權利要求8所述的汽車門板組件的視覺檢測系統，其特征在于：所述根據缺陷類型分析結果生成汽車門板檢測報告，具體步驟如下：
...【技術特征摘要】
1.一種汽車門板組件的視覺檢測系統，其特征在于：包括，
2.如權利要求1所述的汽車門板組件的視覺檢測系統，其特征在于：所述安裝高精度工業相機，對汽車門板的多視角圖像數據進行同步采集，具體步驟如下：
3.如權利要求2所述的汽車門板組件的視覺檢測系統，其特征在于：所述對采集到的汽車門板多視角圖像數據進行預處理包括，具體步驟如下：
4.如權利要求3所述的汽車門板組件的視覺檢測系統，其特征在于：所述采用超分辨率算法，對預處理后的汽車門板多視角圖像數據進行細節增強，具體步驟如下：
5.如權利要求4所述的汽車門板組件的視覺檢測系統，其特征在于：所述采用圖像拼接算法，將...
【專利技術屬性】
技術研發人員：冼桂清，麥嘉康，
申請(專利權)人：廣東東亞電器有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。