一种大幅面玻璃轮廓自动柔性视觉识别方法及系统与流程

1.本发明属于玻璃轮廓自动检测技术领域，本发明涉及一种大幅面玻璃轮廓自动柔性视觉识别方法及系统。


背景技术：

2.随着玻璃制造工艺和性能提升，大幅面玻璃被广泛应用于汽车、航天、大型显示屏、大型光学系统、光伏太阳能基板等高端新兴领域。大幅面玻璃幅面尺寸较大且轮廓形状不规则，而轮廓加工的形位误差对后续产品的装配精度和使用性能具有较大影响。目前，大幅面玻璃检测依赖人工检测，工人使用定制的检具对局部轮廓进行非量化抽检比对，一方面人工检测易受主观因素影响，检测质量不稳定，操作不当会造成工人受伤或检测轮廓破损等；另一方面，不同批次的玻璃轮廓形状差异大，易造成检具浪费且检测效率低下。因此，大幅面玻璃的自动化、定量化检测，是提高大幅面玻璃检测效率、降低生产成本、保证产品质量的重要环节。
3.经检索，目前尚没有用于大幅面玻璃四周轮廓视觉识别、检测的方法技术公开。在玻璃视觉检测方面，公告号cn112629441a公开了一种基于线结构光的曲面玻璃表面轮廓的成像方法，但其设计主要用于获取曲面玻璃表面的三维轮廓，无法用于玻璃四周轮廓的成像和检测；公告号cn109886960a公开了一种基于机器视觉的玻璃边缘缺陷检测的方法，但是该方法需要预先获取玻璃对应的图像各个坐标点，且未阐明坐标点的获取过程，不能实现玻璃轮廓的自动获取；公告号cn111369593a公开了玻璃涂胶方法、装置、电子设备和存储介质，该方法未公开玻璃边缘轮廓点云的获取方法，无法用于玻璃轮廓识别；在其他对象的轮廓的视觉检测方面，公告号cn109579735a、cn109579734a公开了适用于径向口径较小的活塞环轮廓外圆剖面轮廓锥度、斜度、梯度检测识别分类和装置，该装置无法采集大幅面玻璃轮廓，该方法步骤无法识别大口径玻璃四周轮廓；公告号cn108876773a公开了led玻璃灯杯孔径在线检测方法，该方法通过单帧图像获取检测对象的完整图片，无法采集完整大幅面玻璃轮廓；公告号cn110607405a公开了皮革内轮廓图像采集、图像处理和引导切割的装置及方法，该系统的成像装置和图像处理方法无法用于玻璃轮廓的成像和检测。


技术实现要素：

4.本发明的目的在于提供一种大幅面玻璃轮廓自动柔性视觉识别方法及系统，采用面阵相机采集大幅面玻璃轮廓局部图像，可以提取图像中待检测玻璃的亚像素轮廓，该方法对轮廓位置变化具有较好的柔性，可以提高检测效率，同时降低硬件成本。
5.实现本发明目的的技术解决方案为：
6.一种大幅面玻璃轮廓自动柔性视觉识别方法，包括以下步骤：
7.s01：采集待检测大幅面玻璃的轮廓图像；
8.s02：将图像中待检测局部玻璃区域、待检测玻璃局部轮廓区域、支撑平台区域以外的其他区域作为背景区域，去除图像背景区域；
9.s03：提取图像中待检测玻璃的粗轮廓区域；
10.s04：提取图像中待检测玻璃的亚像素轮廓，具体包括以下步骤：
11.s41：采用骨骼化算法提取粗轮廓区域的形状信息；
12.s42：提取大幅面玻璃轮廓的外轮廓区域；
13.s43：采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果。
14.优选的技术方案中，所述步骤s02中去除图像背景区域的方法包括：
15.s21：阈值分割：采用固定阈值分割方法对原始图像g1进行二值化操作，提取图像中灰度值大于t的区域，t为阈值，设置该区域的灰度值为1，其他区域灰度值设为0，此时二值化图像记为g2；
16.s22：闭操作：对二值图像g2中灰度值为1的区域采用形态学闭操作，闭操作的结构元宽度不小于待检测玻璃轮廓的宽度，用于提取由于上述阈值分割被去除的玻璃轮廓区域，并将该区域的灰度值设为1，此时二值化图像记为g3；
17.s23：孔洞填充：采用形态学填充，用于提取采集图像g1中玻璃区域和支撑平台区域中被阈值分割去除的内部区域，并将该区域的灰度值设为1，此时二值化图像记为g4；
18.s24：图像乘操作：将上一步获取的二值图像g4和原始图像g1进行叉乘计算，提取原图像中的玻璃区域、玻璃轮廓区域和支撑平台区域，此时灰度图像记为g5。
19.优选的技术方案中，所述步骤s03中提取图像中待检测玻璃的粗轮廓区域，包括：
20.s31：阈值分割：采用固定阈值方法对上一步提取的图像进行二值化操作，提取灰度值小于t1的区域，设置该区域的灰度值为1，其他区域灰度值设为0，用于提取图像中大幅面玻璃局部轮廓区域，记为g6；
21.s32：8-邻域连接：对上一步获取的大幅面玻璃局部轮廓区域进行邻域连接，并将该区域灰度值设为1，此时图像记为g7；
22.s33：特征选择与轮廓提取：将面积和紧密度作为感兴趣区域特征，提取上一步二值图像g7中满足面积和紧密度特征的大幅面玻璃轮廓区域，同时删除玻璃区域和支撑平台区域中的噪声信息，实现大幅面玻璃轮廓位置和区域信息的初步提取，记为g8。
23.优选的技术方案中，所述步骤s41与s42间还包括：
24.s411：图像取补集：利用骨骼化操作的图像，将去除图像背景区域分割为玻璃区域和支撑平台区域两部分，并采用灰度特征，提取图像中的支撑平台区域，记为g
10
；
25.s412：粗轮廓区域膨胀：对大幅面玻璃轮廓粗轮廓区域进行形态学膨胀操作，记为g
11
；
26.s413：图像取交集：计算上一步粗轮廓膨胀区域g
11
与支撑平台区域g
10
的交集，用于提取大幅面玻璃轮廓的外轮廓，记为g
12
；
27.s414：图像乘操作：将上一步获取的二值图像g
12
和原始图像g1进行叉乘计算，提取原图像中的玻璃轮廓的外轮廓区域。
28.本发明还公开了一种大幅面玻璃轮廓自动柔性视觉识别系统，包括：
29.轮廓图像采集模块，采集待检测大幅面玻璃的轮廓图像；
30.背景去除模块，将图像中待检测局部玻璃区域、待检测玻璃局部轮廓区域、支撑平台区域以外的其他区域作为背景区域，去除图像背景区域；
31.粗轮廓提取模块，提取图像中待检测玻璃的粗轮廓区域；
32.亚像素轮廓提取模块，提取图像中待检测玻璃的亚像素轮廓，具体包括以下步骤：
33.s41：采用骨骼化算法提取粗轮廓区域的形状信息；
34.s42：提取大幅面玻璃轮廓的外轮廓区域；
35.s43：采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果。
36.优选的技术方案中，所述背景去除模块中去除图像背景区域的方法包括：
37.s21：阈值分割：采用固定阈值分割方法对原始图像g1进行二值化操作，提取图像中灰度值大于t的区域，t为阈值，设置该区域的灰度值为1，其他区域灰度值设为0，此时二值化图像记为g2；
38.s22：闭操作：对二值图像g2中灰度值为1的区域采用形态学闭操作，闭操作的结构元宽度不小于待检测玻璃轮廓的宽度，用于提取由于上述阈值分割被去除的玻璃轮廓区域，并将该区域的灰度值设为1，此时二值化图像记为g3；
39.s23：孔洞填充：采用形态学填充，用于提取采集图像g1中玻璃区域和支撑平台区域中被阈值分割去除的内部区域，并将该区域的灰度值设为1，此时二值化图像记为g4；
40.s24：图像乘操作：将上一步获取的二值图像g4和原始图像g1进行叉乘计算，提取原图像中的玻璃区域、玻璃轮廓区域和支撑平台区域，此时灰度图像记为g5。
41.优选的技术方案中，所述粗轮廓提取模块中提取图像中待检测玻璃的粗轮廓区域，包括：
42.s31：阈值分割：采用固定阈值方法对上一步提取的图像进行二值化操作，提取灰度值小于t1的区域，设置该区域的灰度值为1，其他区域灰度值设为0，用于提取图像中大幅面玻璃局部轮廓区域，记为g6；
43.s32：8-邻域连接：对上一步获取的大幅面玻璃局部轮廓区域进行邻域连接，并将该区域灰度值设为1，此时图像记为g7；
44.s33：特征选择与轮廓提取：将面积和紧密度作为感兴趣区域特征，提取上一步二值图像g7中满足面积和紧密度特征的大幅面玻璃轮廓区域，同时删除玻璃区域和支撑平台区域中的噪声信息，实现大幅面玻璃轮廓位置和区域信息的初步提取，记为g8。
45.优选的技术方案中，所述亚像素轮廓提取模块中步骤s41与s42间还包括：
46.s411：图像取补集：利用骨骼化操作的图像，将去除图像背景区域分割为玻璃区域和支撑平台区域两部分，并采用灰度特征，提取图像中的支撑平台区域，记为g
10
；
47.s412：粗轮廓区域膨胀：对大幅面玻璃轮廓粗轮廓区域进行形态学膨胀操作，记为g
11
；
48.s413：图像取交集：计算上一步粗轮廓膨胀区域g
11
与支撑平台区域g
10
的交集，用于提取大幅面玻璃轮廓的外轮廓，记为g
12
；
49.s414：图像乘操作：将上一步获取的二值图像g
12
和原始图像g1进行叉乘计算，提取原图像中的玻璃轮廓的外轮廓区域。
50.本发明又公开了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的大幅面玻璃轮廓自动柔性视觉识别方法。
51.本发明又公开了一种大幅面玻璃轮廓自动柔性视觉识别设备，包括透明支撑平
台、相机、镜头、相机移动平台、光源、光源移动平台、及工控机；
52.所述透明支撑平台为透明材质制成的水平支撑平台，用于水平放置待检测大幅面玻璃，所述透明支撑平台大于待检测大幅面玻璃的幅面面积；
53.所述相机为面阵相机，固定于相机移动平台上，相机轴线与透明支撑平台垂直，待检测大幅面玻璃轮廓始终位于相机视野范围内，用于采集待检测大幅面玻璃轮廓的局部图像，并通过相机接口传输至工控机；
54.所述镜头为远心镜头，镜头与相机固定连接，镜头最下端机械面与待检测玻璃平面平行；
55.所述相机移动平台采用伺服电机驱动，控制相机在x-y平面内按照设定路径移动至每个待检测位置，同时保证在每个拍摄点位拍摄的图像包含待检测玻璃的轮廓，且相邻检测点位置获取的玻璃轮廓图像具有重叠区域；
56.所述光源为平行背光源，位于透明支撑平台下方，平行光源中心与面阵相机视野中心同心，采用背向打光方式照明待检测玻璃轮廓，使待检测大幅面玻璃的轮廓区域形成暗区域，待检测大幅面玻璃的其他区域形成亮区域；
57.所述光源移动平台采用伺服电机驱动，控制光源在x-y平面内跟随相机进行实时移动，保证相机和光源相对位置不变；
58.所述工控机为主处理器，与相机、伺服电机相连，工控机通过相机接口相连，实时采集待检测位置待检测大幅面玻璃轮廓的数字图像，并对采集的图像进行图像处理，采用上述的大幅面玻璃轮廓自动柔性视觉识别方法实现轮廓识别和测量，工控机与伺服电机相连，使相机移动平台、光源移动平台的位置、方位、状态能够根据要求移动。
59.本发明与现有技术相比，其显著优点为：
60.(1)本发明采用机器视觉技术实现了大幅面玻璃轮廓的图像采集和轮廓识别，克服了现有人工检测方法的弊端，有效提高检测效率和自动化程度；
61.(2)本发明采用面阵相机，采集大幅面玻璃轮廓局部图像，为大幅面玻璃轮廓检测所需的图像采集提供了新思路，相较于线扫描等图像采集方法，可以提高检测效率，同时降低硬件成本；
62.(3)本发明提出了一种大幅面玻璃亚像素轮廓自动识别方法和步骤，该方法可以自动、高精度识别图像中大幅面玻璃的局部轮廓，单张图片轮廓识别实际小于300ms，该方法对轮廓位置变化具有较好的柔性，为后续图像高精度拼接奠定了基础。
附图说明
63.图1为较佳实施例的大幅面玻璃轮廓自动柔性视觉识别方法的流程图；
64.图2为较佳实施例的大幅面玻璃轮廓自动柔性视觉识别系统的原理框图；
65.图3为较佳实施例的结构示意图；
66.图4为较佳实施例的电气连接图；
67.图5a-5b为较佳实施例的成像方案获得的大幅面玻璃局部轮廓成像效果图；
68.图6为较佳实施例的图像处理流程图；
69.图7为较佳实施例的大幅面玻璃轮廓识别效果图。
70.图中：1透明支撑平台；2待检测大幅面玻璃；3相机；4镜头；5相机移动平台；6光源；
7光源移动平台；8工控机；9待检测玻璃区域；10待检测玻璃轮廓；11透明支撑平台区域；12背景区域；13已攻丝的内螺孔。
具体实施方式
71.本发明的原理是：采用面阵相机自动检测的光学成像方案，采集大幅面玻璃轮廓局部图像，可以提取图像中待检测玻璃的亚像素轮廓，该方法对轮廓位置变化具有较好的柔性。
72.实施例1：
73.如图1所示，一种大幅面玻璃轮廓自动柔性视觉识别方法，包括以下步骤：
74.s01：采集待检测大幅面玻璃的轮廓图像；
75.s02：将图像中待检测局部玻璃区域、待检测玻璃局部轮廓区域、支撑平台区域以外的其他区域作为背景区域，去除图像背景区域；
76.s03：提取图像中待检测玻璃的粗轮廓区域；
77.s04：提取图像中待检测玻璃的亚像素轮廓，具体包括以下步骤：
78.s41：采用骨骼化算法提取粗轮廓区域的形状信息；
79.s42：提取大幅面玻璃轮廓的外轮廓区域；
80.s43：采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果。
81.一较佳的实施例中，步骤s02中去除图像背景区域的方法包括：
82.s21：阈值分割：采用固定阈值分割方法对原始图像g1进行二值化操作，提取图像中灰度值大于t的区域，t为阈值，设置该区域的灰度值为1，其他区域灰度值设为0，此时二值化图像记为g2；
83.s22：闭操作：对二值图像g2中灰度值为1的区域采用形态学闭操作，闭操作的结构元宽度不小于待检测玻璃轮廓的宽度，用于提取由于上述阈值分割被去除的玻璃轮廓区域，并将该区域的灰度值设为1，此时二值化图像记为g3；
84.s23：孔洞填充：采用形态学填充，用于提取采集图像g1中玻璃区域和支撑平台区域中被阈值分割去除的内部区域，并将该区域的灰度值设为1，此时二值化图像记为g4；
85.s24：图像乘操作：将上一步获取的二值图像g4和原始图像g1进行叉乘计算，提取原图像中的玻璃区域、玻璃轮廓区域和支撑平台区域，此时灰度图像记为g5。
86.一较佳的实施例中，步骤s03中提取图像中待检测玻璃的粗轮廓区域，包括：
87.s31：阈值分割：采用固定阈值方法对上一步提取的图像进行二值化操作，提取灰度值小于t1的区域，设置该区域的灰度值为1，其他区域灰度值设为0，用于提取图像中大幅面玻璃局部轮廓区域，记为g6；
88.s32：8-邻域连接：对上一步获取的大幅面玻璃局部轮廓区域进行邻域连接，并将该区域灰度值设为1，此时图像记为g7；
89.s33：特征选择与轮廓提取：将面积和紧密度作为感兴趣区域特征，提取上一步二值图像g7中满足面积和紧密度特征的大幅面玻璃轮廓区域，同时删除玻璃区域和支撑平台区域中的噪声信息，实现大幅面玻璃轮廓位置和区域信息的初步提取，记为g8。
90.一较佳的实施例中，步骤s41与s42间还包括：
91.s411：图像取补集：利用骨骼化操作的图像，将去除图像背景区域分割为玻璃区域和支撑平台区域两部分，并采用灰度特征，提取图像中的支撑平台区域，记为g
10
；
92.s412：粗轮廓区域膨胀：对大幅面玻璃轮廓粗轮廓区域进行形态学膨胀操作，记为g
11
；
93.s413：图像取交集：计算上一步粗轮廓膨胀区域g
11
与支撑平台区域g
10
的交集，用于提取大幅面玻璃轮廓的外轮廓，记为g
12
；
94.s414：图像乘操作：将上一步获取的二值图像g
12
和原始图像g1进行叉乘计算，提取原图像中的玻璃轮廓的外轮廓区域。
95.另一实施例中，如图2所示，一种大幅面玻璃轮廓自动柔性视觉识别系统，包括：
96.轮廓图像采集模块，采集待检测大幅面玻璃的轮廓图像；
97.背景去除模块，将图像中待检测局部玻璃区域、待检测玻璃局部轮廓区域、支撑平台区域以外的其他区域作为背景区域，去除图像背景区域；
98.粗轮廓提取模块，提取图像中待检测玻璃的粗轮廓区域；
99.亚像素轮廓提取模块，提取图像中待检测玻璃的亚像素轮廓，具体包括以下步骤：
100.s41：采用骨骼化算法提取粗轮廓区域的形状信息；
101.s42：提取大幅面玻璃轮廓的外轮廓区域；
102.s43：采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果。
103.另一实施例中，一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的大幅面玻璃轮廓自动柔性视觉识别方法。
104.另一实施例中，一种大幅面玻璃轮廓自动柔性视觉识别设备，包括透明支撑平台、相机、镜头、相机移动平台、光源、光源移动平台、及工控机；工控机内集成有上述的大幅面玻璃轮廓自动柔性视觉识别系统，该大幅面玻璃轮廓自动柔性视觉识别系统包括背景去除算法(阈值分割、闭操作、孔洞填充、图像乘操作)、粗轮廓提取算法(阈值分割、8-邻域连接、特征选择与轮廓提取)、精细轮廓提取(骨骼化、图像取补集、粗轮廓区域膨胀、图像取交集、面积筛选、图像乘操作、亚像素轮廓提取)。
105.具体的，所述透明支撑平台为透明材质制成的水平支撑平台，用于水平放置待检测大幅面玻璃，所述透明支撑平台大于待检测大幅面玻璃的幅面面积；
106.所述相机为面阵相机，固定于相机移动平台上，相机轴线与透明支撑平台垂直，待检测大幅面玻璃轮廓始终位于相机视野范围内，用于采集待检测大幅面玻璃轮廓的局部图像，并通过相机接口传输至工控机；
107.所述镜头为远心镜头，镜头与相机固定连接，镜头最下端机械面与待检测玻璃平面平行；
108.所述相机移动平台采用伺服电机驱动，控制相机在x-y平面内按照设定路径移动至每个待检测位置，同时保证在每个拍摄点位拍摄的图像包含待检测玻璃的轮廓，且相邻检测点位置获取的玻璃轮廓图像具有重叠区域；
109.所述光源为平行背光源，位于透明支撑平台下方，平行光源中心与面阵相机视野中心同心，采用背向打光方式照明待检测玻璃轮廓，使待检测大幅面玻璃的轮廓区域形成暗区域，待检测大幅面玻璃的其他区域形成亮区域；
110.所述光源移动平台采用伺服电机驱动，控制光源在x-y平面内跟随相机进行实时移动，保证相机和光源相对位置不变；
111.所述工控机为主处理器，与相机、伺服电机相连，工控机通过相机接口相连，实时采集待检测位置待检测大幅面玻璃轮廓的数字图像，并对采集的图像进行图像处理，采用上述的大幅面玻璃轮廓自动柔性视觉识别方法实现轮廓识别和测量，工控机与伺服电机相连，使相机移动平台、光源移动平台的位置、方位、状态能够根据要求移动。
112.具体的，如图3、4所示，下面以一较佳的实施例为例对大幅面玻璃轮廓自动柔性视觉识别设备的工作流程说明如下：
113.(1)将待检测大幅面玻璃2水平放置于透明支撑平台1上方，待检测大幅面玻璃2的幅面面积小于透明支撑平台1的幅面面积。
114.(2)启动电源，伺服电机驱动相机移动平台5和光源移动平台7回归零位，相机3、镜头4、光源5的轴线均与透明支撑平台1垂直，光源5中心与相机3视野中心同心，待检测大幅面玻璃2的局部轮廓位于相机3视野范围内。
115.(3)启动相机3和光源5，驱动伺服电机在x-y平面内沿着大幅面玻璃2轮廓的外轮廓移动相机移动平台和光源移动平台，相机移动平台5和光源移动7按照设定路径移动至第一个待检测位置，然后实时采集第一张大幅面玻璃轮廓2的局部图像。
116.(4)接着，在x-y平面内驱动相机移动平台5和光源移动平台7移动至第二个待检测位置，采集第二张大幅面玻璃轮廓2的局部图像，需要保证相邻检测点位置获取的玻璃轮廓图像具有重叠区域。
117.(5)重复上述步骤(4)，依次驱动相机移动平台5和光源移动平台7至每个待检测位置，并采集待检测大幅面玻璃2的局部轮廓图像，直至采集的局部图像包含整个大幅面玻璃2的所有轮廓。
118.(6)工控机8获取并处理当前成像方案所采集的实时图像，如图5a-5b所示。
119.(7)如图6所示，通过图像分析，将图像中待检测局部玻璃区域9、待检测玻璃局部轮廓区域10、透明支撑平台区域11以外的其他区域作为背景区域12，去除图像背景区域12，具体为：
120.(71)阈值分割，采用固定阈值分割方法对原始图像g1进行二值化操作，提取图像中灰度值大于t的区域(即玻璃区域和透明支撑平台区域)，设置该区域的灰度值为1，其他区域灰度值设为0，用于去除图像中垫块等无关背景信息12，此时二值化图像记为g2；
121.(72)闭操作，对上述二值图像g2中灰度值为1的区域采用形态学闭操作，闭操作的结构元宽度不小于待检测玻璃轮廓的宽度，用于提取由于上述阈值分割被去除的玻璃轮廓区域，并将该区域的灰度值设为1，此时二值化图像记为g3；
122.(73)孔洞填充，采用形态学填充，用于提取采集图像g1中玻璃区域和透明支撑平台区域中由于噪声、灰尘等被阈值分割去除的内部区域，并将该区域的灰度值设为1，此时二值化图像记为g4；
123.(74)图像乘操作，将上一步获取的二值图像g4和原始图像g1进行叉乘计算，提取原图像中的玻璃区域9、玻璃轮廓区域10和透明支撑平台区域11，去除其他背景区域12，此时灰度图像记为g5。
124.(8)分析上述去除背景后的图像，进一步提取图像中待检测玻璃的粗轮廓，具体
为：
125.(81)阈值分割，采用固定阈值方法对上一步提取的图像g5进行二值化操作，提取灰度值小于t1的区域(即大幅面玻璃局部轮廓区域)，设置该区域的灰度值为1，其他区域灰度值设为0，用于提取图像中大幅面玻璃局部轮廓区域，记为g6；
126.(82)8-邻域连接，对上一步获取的大幅面玻璃局部轮廓区域进行邻域连接，用于提取轮廓中由于噪声、灰尘、脏污等造成的轮廓断开区域，并将该区域灰度值设为1，此时图像记为g7；
127.(83)特征选择与轮廓提取，将面积和紧密度作为感兴趣区域特征，提取上一步二值图像g7中满足面积和紧密度特征的大幅面玻璃轮廓区域，同时删除玻璃区域和透明支撑平台区域中的噪声信息，实现大幅面玻璃轮廓位置和区域信息的初步提取，记为g8。
128.(9)分析上述大幅面玻璃局部图像中的粗轮廓区域，进一步提取图像中待检测玻璃的亚像素轮廓，具体为：
129.(91)骨骼化，采用骨骼化算法提取上一步粗轮廓区域g8的形状信息，从而实现大幅面轮廓边缘位置的初步获取，经过骨骼化操作的图像记为g9；
130.(92)图像取补集，利用上一步骨骼化区域g9，将区域背景的区域g5分割为玻璃区域和透明支撑平台区域两部分，并采用灰度特征，提取图像中的透明支撑平台区域，记为g
10
；
131.(93)粗轮廓区域膨胀，对大幅面玻璃轮廓粗轮廓区域g8进行形态学膨胀操作，记为g
11
；
132.(94)图像取交集，计算上一步粗轮廓膨胀区域g
11
与透明支撑平台区域g
10
的交集，用于提取大幅面玻璃轮廓的外轮廓，以满足实际工业检测需求，记为g
12
；
133.(95)图像乘操作，将上一步获取的二值图像g
12
和原始图像g1进行叉乘计算，提取原图像中的玻璃轮廓的外轮廓区域，此时灰度图像记为g
13
；
134.(96)亚像素轮廓提取，采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果，记为g
14
，如图7所示。
135.上述实施例为本发明优选地实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

技术特征：
1.一种大幅面玻璃轮廓自动柔性视觉识别方法，其特征在于，包括以下步骤：s01：采集待检测大幅面玻璃的轮廓图像；s02：将图像中待检测局部玻璃区域、待检测玻璃局部轮廓区域、支撑平台区域以外的其他区域作为背景区域，去除图像背景区域；s03：提取图像中待检测玻璃的粗轮廓区域；s04：提取图像中待检测玻璃的亚像素轮廓，具体包括以下步骤：s41：采用骨骼化算法提取粗轮廓区域的形状信息；s42：提取大幅面玻璃轮廓的外轮廓区域；s43：采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果。2.根据权利要求1所述的大幅面玻璃轮廓自动柔性视觉识别方法，其特征在于，所述步骤s02中去除图像背景区域的方法包括：s21：阈值分割：采用固定阈值分割方法对原始图像g1进行二值化操作，提取图像中灰度值大于t的区域，t为阈值，设置该区域的灰度值为1，其他区域灰度值设为0，此时二值化图像记为g2；s22：闭操作：对二值图像g2中灰度值为1的区域采用形态学闭操作，闭操作的结构元宽度不小于待检测玻璃轮廓的宽度，用于提取由于上述阈值分割被去除的玻璃轮廓区域，并将该区域的灰度值设为1，此时二值化图像记为g3；s23：孔洞填充：采用形态学填充，用于提取采集图像g1中玻璃区域和支撑平台区域中被阈值分割去除的内部区域，并将该区域的灰度值设为1，此时二值化图像记为g4；s24：图像乘操作：将上一步获取的二值图像g4和原始图像g1进行叉乘计算，提取原图像中的玻璃区域、玻璃轮廓区域和支撑平台区域，此时灰度图像记为g5。3.根据权利要求1所述的大幅面玻璃轮廓自动柔性视觉识别方法，其特征在于，所述步骤s03中提取图像中待检测玻璃的粗轮廓区域，包括：s31：阈值分割：采用固定阈值方法对上一步提取的图像进行二值化操作，提取灰度值小于t1的区域，设置该区域的灰度值为1，其他区域灰度值设为0，用于提取图像中大幅面玻璃局部轮廓区域，记为g6；s32：8-邻域连接：对上一步获取的大幅面玻璃局部轮廓区域进行邻域连接，并将该区域灰度值设为1，此时图像记为g7；s33：特征选择与轮廓提取：将面积和紧密度作为感兴趣区域特征，提取上一步二值图像g7中满足面积和紧密度特征的大幅面玻璃轮廓区域，同时删除玻璃区域和支撑平台区域中的噪声信息，实现大幅面玻璃轮廓位置和区域信息的初步提取，记为g8。4.根据权利要求1所述的大幅面玻璃轮廓自动柔性视觉识别方法，其特征在于，所述步骤s41与s42间还包括：s411：图像取补集：利用骨骼化操作的图像，将去除图像背景区域分割为玻璃区域和支撑平台区域两部分，并采用灰度特征，提取图像中的支撑平台区域，记为g
10
；s412：粗轮廓区域膨胀：对大幅面玻璃轮廓粗轮廓区域进行形态学膨胀操作，记为g
11
；s413：图像取交集：计算上一步粗轮廓膨胀区域g
11
与支撑平台区域g
10
的交集，用于提取大幅面玻璃轮廓的外轮廓，记为g
12
；
s414：图像乘操作：将上一步获取的二值图像g
12
和原始图像g1进行叉乘计算，提取原图像中的玻璃轮廓的外轮廓区域。5.一种大幅面玻璃轮廓自动柔性视觉识别系统，其特征在于，包括：轮廓图像采集模块，采集待检测大幅面玻璃的轮廓图像；背景去除模块，将图像中待检测局部玻璃区域、待检测玻璃局部轮廓区域、支撑平台区域以外的其他区域作为背景区域，去除图像背景区域；粗轮廓提取模块，提取图像中待检测玻璃的粗轮廓区域；亚像素轮廓提取模块，提取图像中待检测玻璃的亚像素轮廓，具体包括以下步骤：s41：采用骨骼化算法提取粗轮廓区域的形状信息；s42：提取大幅面玻璃轮廓的外轮廓区域；s43：采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果。6.根据权利要求5所述的大幅面玻璃轮廓自动柔性视觉识别系统，其特征在于，所述背景去除模块中去除图像背景区域的方法包括：s21：阈值分割：采用固定阈值分割方法对原始图像g1进行二值化操作，提取图像中灰度值大于t的区域，t为阈值，设置该区域的灰度值为1，其他区域灰度值设为0，此时二值化图像记为g2；s22：闭操作：对二值图像g2中灰度值为1的区域采用形态学闭操作，闭操作的结构元宽度不小于待检测玻璃轮廓的宽度，用于提取由于上述阈值分割被去除的玻璃轮廓区域，并将该区域的灰度值设为1，此时二值化图像记为g3；s23：孔洞填充：采用形态学填充，用于提取采集图像g1中玻璃区域和支撑平台区域中被阈值分割去除的内部区域，并将该区域的灰度值设为1，此时二值化图像记为g4；s24：图像乘操作：将上一步获取的二值图像g4和原始图像g1进行叉乘计算，提取原图像中的玻璃区域、玻璃轮廓区域和支撑平台区域，此时灰度图像记为g5。7.根据权利要求5所述的大幅面玻璃轮廓自动柔性视觉识别系统，其特征在于，所述粗轮廓提取模块中提取图像中待检测玻璃的粗轮廓区域，包括：s31：阈值分割：采用固定阈值方法对上一步提取的图像进行二值化操作，提取灰度值小于t1的区域，设置该区域的灰度值为1，其他区域灰度值设为0，用于提取图像中大幅面玻璃局部轮廓区域，记为g6；s32：8-邻域连接：对上一步获取的大幅面玻璃局部轮廓区域进行邻域连接，并将该区域灰度值设为1，此时图像记为g7；s33：特征选择与轮廓提取：将面积和紧密度作为感兴趣区域特征，提取上一步二值图像g7中满足面积和紧密度特征的大幅面玻璃轮廓区域，同时删除玻璃区域和支撑平台区域中的噪声信息，实现大幅面玻璃轮廓位置和区域信息的初步提取，记为g8。8.根据权利要求5所述的大幅面玻璃轮廓自动柔性视觉识别系统，其特征在于，所述亚像素轮廓提取模块中步骤s41与s42间还包括：s411：图像取补集：利用骨骼化操作的图像，将去除图像背景区域分割为玻璃区域和支撑平台区域两部分，并采用灰度特征，提取图像中的支撑平台区域，记为g
10
；s412：粗轮廓区域膨胀：对大幅面玻璃轮廓粗轮廓区域进行形态学膨胀操作，记为g
11
；
s413：图像取交集：计算上一步粗轮廓膨胀区域g
11
与支撑平台区域g
10
的交集，用于提取大幅面玻璃轮廓的外轮廓，记为g
12
；s414：图像乘操作：将上一步获取的二值图像g
12
和原始图像g1进行叉乘计算，提取原图像中的玻璃轮廓的外轮廓区域。9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1-4任一项所述的大幅面玻璃轮廓自动柔性视觉识别方法。10.一种大幅面玻璃轮廓自动柔性视觉识别设备，其特征在于，包括透明支撑平台、相机、镜头、相机移动平台、光源、光源移动平台、及工控机；所述透明支撑平台为透明材质制成的水平支撑平台，用于水平放置待检测大幅面玻璃，所述透明支撑平台大于待检测大幅面玻璃的幅面面积；所述相机为面阵相机，固定于相机移动平台上，相机轴线与透明支撑平台垂直，待检测大幅面玻璃轮廓始终位于相机视野范围内，用于采集待检测大幅面玻璃轮廓的局部图像，并通过相机接口传输至工控机；所述镜头为远心镜头，镜头与相机固定连接，镜头最下端机械面与待检测玻璃平面平行；所述相机移动平台采用伺服电机驱动，控制相机在x-y平面内按照设定路径移动至每个待检测位置，同时保证在每个拍摄点位拍摄的图像包含待检测玻璃的轮廓，且相邻检测点位置获取的玻璃轮廓图像具有重叠区域；所述光源为平行背光源，位于透明支撑平台下方，平行光源中心与面阵相机视野中心同心，采用背向打光方式照明待检测玻璃轮廓，使待检测大幅面玻璃的轮廓区域形成暗区域，待检测大幅面玻璃的其他区域形成亮区域；所述光源移动平台采用伺服电机驱动，控制光源在x-y平面内跟随相机进行实时移动，保证相机和光源相对位置不变；所述工控机为主处理器，与相机、伺服电机相连，工控机通过相机接口相连，实时采集待检测位置待检测大幅面玻璃轮廓的数字图像，并对采集的图像进行图像处理，采用权利要求1-4任一项所述的大幅面玻璃轮廓自动柔性视觉识别方法实现轮廓识别和测量，工控机与伺服电机相连，使相机移动平台、光源移动平台的位置、方位、状态能够根据要求移动。

技术总结
本发明公开了一种大幅面玻璃轮廓自动柔性视觉识别方法及系统，包括：采集待检测大幅面玻璃的轮廓图像；将图像中待检测局部玻璃区域、待检测玻璃局部轮廓区域、支撑平台区域以外的其他区域作为背景区域，去除图像背景区域；提取图像中待检测玻璃的粗轮廓区域；提取图像中待检测玻璃的亚像素轮廓，采用骨骼化算法提取粗轮廓区域的形状信息；提取大幅面玻璃轮廓的外轮廓区域；采用canny滤波器提取大幅面玻璃外轮廓区域的亚像素精度的边缘，作为大幅面玻璃局部轮廓的识别结果。本发明采用面阵相机采集大幅面玻璃轮廓局部图像，可以提取图像中待检测玻璃的亚像素轮廓，该方法对轮廓位置变化具有较好的柔性，可以提高检测效率，同时降低硬件成本。时降低硬件成本。时降低硬件成本。


技术研发人员：丁卫 赵裕兴 顾洪 舒存成 荣允辰 柳昱伯 李江洪 刘琪 刘明飞
受保护的技术使用者：苏州德龙激光股份有限公司
技术研发日：2023.05.10
技术公布日：2023/8/6