一种长条形打磨模板表面缺陷检测方法、系统及存储介质与流程

1.本技术涉及图像处理技术领域，具体而言，涉及一种长条形打磨模板表面缺陷检测方法、系统及存储介质。


背景技术：

2.木料加工过程中，需要检测切割后木板表面缺陷。常见木板表面缺陷有：不平(如木板弯曲变形)、虫眼、裂纹、凸起。此外，被锯子切割的木板表面还会存在毛刺，在木材加工过程中需要人为或机器打磨，但是因为各种原因，往往会存在打磨不充分的地方，这会影响后续上色、美观，因此也需要进行毛刺缺陷检测。
3.常见的缺陷检测流程为：使用相机获取木板表面的图像，结合图像处理程序分析图像质量，检测出存在缺陷的位置。而图像处理程序分为传统图像处理和深度学习的图像处理方式，其方案有效性共同建立在图像能拍出表面缺陷的基础上，但是对于木板表面深度方向的微小但是不能忽略的缺陷，图像成像难以呈现出差异，因此不足以检测出该类缺陷；对此，可以采集物体表面深度信息的3d相机被用于木板缺陷检测，常见的3d相机有结构光相机和激光位移传感器。基于3d相机的木板缺陷检测的流程大致相同：采集物体表面深度数据(如深度图、点云数据)，根据深度图检测缺陷，使用结构光相机获取木板表面灰度图和高度图(高度图包含表面深度信息)，再利用图像处理的方式检测缺陷；还有采用激光位移传感器获取数据，再图像处理程序执行缺陷检测。结构光相机由于自身限制，对于细长形状的物体难以兼顾视野和精度；激光位移传感器可以获取完整数据，但是基于图像处理程序执行缺陷检测对于表面毛刺的检测难以达到预期。而激光位移传感器采用轮廓模式检测单条缺陷存在检测区域无法自适应等情况。


技术实现要素：

4.本技术的目的在于提供一种长条形打磨模板表面缺陷检测方法、系统及存储介质，利用单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法、单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法的并行来提高长条形打磨模板表面缺陷检测的效率。
5.本技术还提供了一种长条形打磨模板表面缺陷检测方法，包括以下步骤：
6.所述方法包括以下步骤：
7.获取待检测木板的表面轮廓；根据待检测木板的表面轮廓采集待检测木板点云以表示待检测木板的真实三维坐标；
8.将待检测木板点云转换成高度图像，将待检测木板和背景的分界线呈现出来；
9.采用图像边缘方法定位出待检测木板的位置信息，自动生成矩形检测区域，将检测区域映射到待检测木板点云数据中，得到三维空间中的待检测木板检测区域；
10.根据待检测木板检测区域从点云中截取轮廓线；
11.将待检测区域划分为主检测区域和非主检测区域；
12.计算主检测区域内每条轮廓线上的轮廓点的点集的缺陷大小；并统计子主检测区
域内轮廓线缺陷；
13.计算非主检测区域的平面度；判定非主检测区域是否存在缺陷；
14.根据主检测区域和非主检测区域的判定结果，分别判定主检测区域和非主检测区域内是否存在缺陷以及缺陷的位置和缺陷大小。
15.可选地，所述根据待检测木板检测区域从点云中截取轮廓线，具体为：
16.对待检测木板检测区域进行划分，将待检测区域划分为主检测区域和非主检测区域；
17.对子主检测截取轮廓集合，主检测内任意轮廓的行列索引为其中：
[0018][0019]
offset＝(dy*tanα)/dx
[0020]
式中，r0为区域内第一条轮廓线在原数据中的行索引，c
0_start
为区域内第一条轮廓线截取范围的列起始索引，c
0_end
为区域内第一条轮廓线截取范围的列终止索引；dy为点云相邻两条轮廓的行间距，dx为点云相邻两条轮廓的列间距，α表示矩形相对于运动方向的倾斜角度。
[0021]
可选地，所述计算主检测内每条轮廓线上点集的缺陷大小具体为：
[0022]
计算主检测内每条轮廓线的直线度：将轮廓线行列范围内的点集进行直线拟合，计算点集到拟合直线的最大距离记作直线度；
[0023]
计算主检测内每条轮廓线的缺陷面积：将轮廓线行列范围内的点集进行自由曲线拟合；拟合后，以轮廓线和拟合曲线构成的面积为缺陷面积，分别计算每一个轮廓线的缺陷面积。
[0024]
可选地，所述缺陷面积的计算具体为：将轮廓线行列范围内的点集进行自由曲线拟合；得到拟合曲线，拟合后，以位于拟合曲线以上区域的面积为正，表示凸起，位于拟合曲线以下区域的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，缺陷宽度为相邻交点之间的距离；对于每个“缺陷”区域的轮廓点，计算轮廓线上当前轮廓点和前一个轮廓点点之间的水平距离、当前轮廓点到拟合曲线的垂直距离，将得到的水平距离乘以垂直距离得到轮廓点的面积，将所有轮廓点的面积加和得到轮廓线缺陷面积。
[0025]
可选地，所述统计主检测内轮廓线缺陷，具体为：
[0026]
将主检测内每条轮廓的直线度和缺陷面积信息进行统计分析，设置直线度阈值th1、面积阈值th2、缺陷深度阈值th3以及缺陷宽度阈值th4，若主检测区域内轮廓线直线度不小于直线度阈值th1、面积不小于面积阈值th2、缺陷深度不小于缺陷深度阈值th3、缺陷宽度不小于缺陷宽度阈值th4中任意一个成立，则该轮廓判定为缺陷轮廓；
[0027]
统计主检测内轮廓检测结果输出：轮廓线总数，总计判定为缺陷轮廓的轮廓数量、连续缺陷轮廓的最大值以及每条缺陷轮廓的在点云中的索引信息；
[0028]
设置缺陷轮廓数阈值th5、连续缺陷轮廓的最大值阈值th6，若主检测内轮廓线缺陷轮廓数不小于缺陷轮廓数阈值th5、连续缺陷轮廓的最大值不小于连续缺陷轮廓的最大值阈值th6中任意一个成立则判定主检测存在缺陷。
[0029]
第二方面，本技术还提供了一种长条形打磨模板表面缺陷检测系统，该系统包括：存储器及处理器，所述存储器中包括长条形打磨模板表面缺陷检测方法的程序，所述长条
形打磨模板表面缺陷检测方法的程序被所述处理器执行时实现以下步骤：
[0030]
获取待检测木板的表面轮廓；根据待检测木板的表面轮廓采集待检测木板点云以表示待检测木板的真实三维坐标；
[0031]
将待检测木板点云转换成高度图像，将待检测木板和背景的分界线呈现出来；
[0032]
采用图像边缘方法定位出待检测木板的位置信息，自动生成矩形检测区域，将检测区域映射到待检测木板点云数据中，得到三维空间中的待检测木板检测区域；
[0033]
根据待检测木板检测区域从点云中截取轮廓线；
[0034]
将待检测区域划分为主检测区域和非主检测区域；
[0035]
计算主检测区域内每条轮廓线上的轮廓点的点集的缺陷大小；并统计子主检测区域内轮廓线缺陷；
[0036]
计算非主检测区域的平面度；判定非主检测区域是否存在缺陷；
[0037]
根据主检测区域和非主检测区域的判定结果，分别判定主检测区域和非主检测区域内是否存在缺陷以及缺陷的位置和缺陷大小。
[0038]
可选地，所述根据待检测木板检测区域从点云中截取轮廓线，具体为：
[0039]
对待检测木板检测区域进行划分，将待检测区域划分为主检测区域和非主检测区域；；
[0040]
对主检测区域截取轮廓集合，主检测区域内任意轮廓的行列索引为其中：
[0041][0042]
offset＝(dy*tanα)/dx
[0043]
式中，r0为区域内第一条轮廓线在原数据中的行索引，c
0_start
为区域内第一条轮廓线截取范围的列起始索引，c
0_end
为区域内第一条轮廓线截取范围的列终止索引；dy为点云相邻两条轮廓的行间距，dx为点云相邻两条轮廓的列间距，α表示矩形相对于运动方向的倾斜角度。
[0044]
可选地，所述计算主检测区域内每条轮廓线上点集的缺陷大小具体为：
[0045]
计算主检测区域内每条轮廓线的直线度：将轮廓线行列范围内的点集进行直线拟合，计算点集到拟合直线的最大距离记作直线度；
[0046]
所述缺陷面积的计算具体为：将轮廓线行列范围内的点集进行自由曲线拟合；得到拟合曲线，拟合后，以位于拟合曲线以上区域的面积为正，表示凸起，位于拟合曲线以下区域的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，缺陷宽度为相邻交点之间的距离；计算轮廓线上当前轮廓点和前一个轮廓点点之间的水平距离、当前轮廓点到拟合曲线的垂直距离，将得到的水平距离乘以垂直距离得到轮廓点的面积，将所有轮廓点的面积加和得到轮廓线缺陷面积。
[0047]
可选地，所述统计主检测区域内轮廓线缺陷，具体为：
[0048]
将主检测区域内每条轮廓的直线度和缺陷面积信息进行统计分析，设置直线度阈值th1、面积阈值th2、缺陷深度阈值th3以及缺陷宽度阈值th4，若主检测区域内轮廓线直线度不小于直线度阈值th1、面积不小于面积阈值th2、缺陷深度不小于缺陷深度阈值th3、缺陷宽度不小于缺陷宽度阈值th4中任意一个成立，则该轮廓判定为缺陷轮廓；
[0049]
统计主检测区域内轮廓检测结果输出：轮廓线总数，总计判定为缺陷轮廓的轮廓数量、连续缺陷轮廓的最大值以及每条缺陷轮廓的在点云中的索引信息；
[0050]
设置缺陷轮廓数阈值th5、连续缺陷轮廓的最大值阈值th6，若主检测区域内轮廓线缺陷轮廓数不小于缺陷轮廓数阈值th5、连续缺陷轮廓的最大值不小于连续缺陷轮廓的最大值阈值th6中任意一个成立则判定主检测区域存在缺陷。
[0051]
第三方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括长条形打磨模板表面缺陷检测方法程序，所述长条形打磨模板表面缺陷检测方法程序被处理器执行时，实现所述的长条形打磨模板表面缺陷检测方法的步骤。
[0052]
由上可知，本技术提供的一种长条形打磨模板表面缺陷检测方法、系统及存储介质。本技术提出单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法。单条轮廓通过计算直线度和拟合曲线得到缺陷信息，统计所有轮廓中的缺陷轮廓数、连续缺陷轮廓数量等，综合判定检测对象是否存在缺陷，排除偶然性误差，显著降低误判率。此外，单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法的并行化实现。有效的提高了长条形打磨模板表面缺陷检测的效率。
[0053]
本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0054]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0055]
图1为本技术实施例提供的一种长条形打磨模板表面缺陷检测方法的流程图；
[0056]
图2为本技术实施例提供的检测区域示意图。
[0057]
图3为本技术实施例提供的两条相邻轮廓线行列间距示意图。
[0058]
图4为本技术实施例提供的轮廓线行列范围内的点集自由曲线拟合示意图；
[0059]
图5为本技术实施例提供的一种长条形打磨模板表面缺陷检测系统的框图。
具体实施方式
[0060]
下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0061]
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0062]
请参照图1，为本技术一些实施例中的长条形打磨模板表面缺陷检测方法的流程图。该长条形打磨模板表面缺陷检测方法用于终端设备中，例如电脑、手机终端等。该工件轮廓度测量方法，包括以下步骤：
[0063]
s101：获取待检测木板的表面轮廓；根据待检测木板的表面轮廓采集待检测木板点云以表示待检测木板的真实三维坐标；
[0064]
s102：将待检测木板点云转换成高度图像，将待检测木板和背景的分界线呈现出来；
[0065]
需要说明的是，实现木板数据和背景分离，因为木板相对于背景有高度，转换成图像之后，灰度值有明显差异，可以使得木板和背景有清晰的边界，有利于提取边缘。
[0066]
s103：采用图像边缘方法定位出待检测木板的位置信息，自动生成矩形检测区域，将检测区域映射到待检测木板点云数据中，得到三维空间中的待检测木板检测区域；
[0067]
需要说明的是，采用图像边缘方法定位出木板的位置信息，自动生成矩形检测区域，将检测区域映射到点云数据中，得到三维空间中的木板检测区域，如图2所示，p1p2p3p4构成的倾斜的内框矩形表示检测区域。
[0068]
s104：根据待检测木板检测区域从点云中截取轮廓线；
[0069]
s105：计算主检测区域内每条轮廓线上的轮廓点的点集的缺陷大小；并统计子主检测区域内轮廓线缺陷；
[0070]
s106：计算非主检测区域的平面度；判定非主检测区域是否存在缺陷；
[0071]
s107：根据主检测区域和非主检测区域的判定结果，分别判定主检测区域和非主检测区域内是否存在缺陷以及缺陷的位置和缺陷大小。
[0072]
根据本发明实施例，所述根据待检测木板检测区域从点云中截取轮廓线，具体为：
[0073]
对待检测木板检测区域进行划分，将待检测区域划分主检测区域和非主检测区域，其中主检测区域的区域面积大于非主检测区域面积。
[0074]
对主检测区域截取轮廓集合，主检测区域内任意轮廓的行列索引为其中：
[0075][0076]
offset＝(dy*tanα)/dx
[0077]
式中，r0为区域内第一条轮廓线在原数据中的行索引，c
0_start
为区域内第一条轮廓线截取范围的列起始索引，c
0_end
为区域内第一条轮廓线截取范围的列终止索引；dy为点云相邻两条轮廓的行间距，dx为点云相邻两条轮廓的列间距，α表示矩形相对于运动方向的倾斜角度。
[0078]
需要说明的是，作为一个具体的实施，本技术考虑木板倾斜，如图2所示，检测区域的四个角点记作p1～p4，根据每个角点坐标可以得到其在点云中所处的行列值，基于此将检测区域分成主检测区域b、和非主检测区域a、非主检测区域c，，对于非主检测区域a和非主检测区域c，基于区域内点云数据计算缺陷，对于主检测区域b，基于轮廓线计算缺陷，此举保证在主检测区域b内截取的轮廓线长度一致，方便做并行计算。
[0079]
此外，将检测区域分成主检测区域b、和非主检测区域a、非主检测区域c，垂直运动方向截取木板表面轮廓线，b检测区可以截取到木板表面完整等长的轮廓线，a、c检测区由
于木板倾斜截取轮廓线的点只有一部分来自木板表面，另一部分来自背景，如果基于轮廓线缺陷面积、缺陷宽度大小判定缺陷的话容易引起误判。因此a、c检测区缺陷检测基于区域内点组成的平面的平面度作为缺陷判定依据，b检测区基于轮廓线计算的缺陷面积等作为缺陷判定依据；
[0080]
然后根据矩形区域，容易得到第一条轮廓线的行、列起始和列中止索引，分别记作r0c
0_startc0_end
。两条相邻的轮廓的列起始和中止索引的偏移数是固定的。如图3所示。点云相邻两条轮廓的行间距记作dy，列间距记作dx，单位mm，α表示矩形相对于运动方向的倾斜角度(顺时针为负，逆时针为正)，两条轮廓线偏移量为offset＝(dy*tanα)/dx，表示两相邻轮廓的行起始索引差值为offset，从而主检测区域b任意轮廓的行列索引为其中：
[0081][0082]
对于主检测区域内每条轮廓，上述计算是独立的。
[0083]
根据本发明实施例，所述计算主检测区域内每条轮廓线上点集的缺陷大小具体为：
[0084]
计算主检测区域内每条轮廓线的直线度：将轮廓线行列范围内的点集进行直线拟合，计算点集到拟合直线的最大距离记作直线度；
[0085]
计算主检测内每条轮廓线的缺陷面积：将轮廓线行列范围内的点集进行自由曲线拟合；拟合后，以轮廓线和拟合曲线构成的面积为缺陷面积，分别计算每一个轮廓线的缺陷面积。
[0086]
需要说明的是，在计算轮廓线的缺陷面积时，将轮廓线行列范围内的点集进行自由曲线拟合，计算曲线上的缺陷，如图4所示，s1-s4表示缺陷的面积，单位是mm2，位于曲线以上的面积为正，表示凸起，位于曲线以下的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，单位mm，结合缺陷宽度，单位mm，可以识别不同类的缺陷。
[0087]
根据本发明实施例，所述缺陷面积的计算具体为：将轮廓线行列范围内的点集进行自由曲线拟合；得到拟合曲线，拟合后，以位于拟合曲线以上区域的面积为正，表示凸起，位于拟合曲线以下区域的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，缺陷宽度为相邻交点之间的距离；如图4所示，轮廓点和拟合曲线相交组成多个“缺陷”区域(s1～s4)，计算每个“缺陷”区域的面积，具体计算方式为：对于每个“缺陷”区域的轮廓点，计算轮廓线上当前轮廓点和前一个轮廓点点之间的水平距离、当前轮廓点到拟合曲线的垂直距离，将得到的水平距离乘以垂直距离得到轮廓点的面积，将所有轮廓点的面积加和得到轮廓线缺陷面积。
[0088]
根据本发明实施例，所述统计主检测区域b内轮廓线缺陷，具体为：
[0089]
将主检测区域b内每条轮廓的直线度和缺陷面积信息进行统计分析，设置直线度阈值th1、面积阈值th2、缺陷深度阈值th3以及缺陷宽度阈值th4，若主检测区域b内轮廓线直线度不小于直线度阈值th1、面积不小于面积阈值th2、缺陷深度不小于缺陷深度阈值th3、缺陷宽度不小于缺陷宽度阈值th4中任意一个成立，则该轮廓判定为缺陷轮廓；
[0090]
统计主检测区域b内轮廓检测结果输出：轮廓线总数，总计判定为缺陷轮廓的轮廓
数量、连续缺陷轮廓的最大值以及每条缺陷轮廓的在点云中的索引信息；
[0091]
设置缺陷轮廓数阈值th5、连续缺陷轮廓的最大值阈值th6，若主检测区域b内轮廓线缺陷轮廓数不小于缺陷轮廓数阈值th5、连续缺陷轮廓的最大值不小于连续缺陷轮廓的最大值阈值th6中任意一个成立则判定主检测区域b存在缺陷。
[0092]
需要说明的是，在计算非主检测a和非主检测c的平面度时。分别计算非主检测a和非主检测c内点云数据的平面度，然后参照直线度阈值th1判定非主检测a和非主检测c是否存在缺陷，若非主检测a的直线度不小于直线度阈值th1则存在缺陷；同样，若非主检测c的直线度不小于直线度阈值th1则存在缺陷。
[0093]
如图5所示，本发明还公开了一种长条形打磨模板表面缺陷检测系统，该系统包括：存储器51及处理器52，所述存储器51中包括长条形打磨模板表面缺陷检测方法的程序，所述长条形打磨模板表面缺陷检测方法的程序被所述处理器52执行时实现以下步骤：
[0094]
s101：获取待检测木板的表面轮廓；根据待检测木板的表面轮廓采集待检测木板点云以表示待检测木板的真实三维坐标；
[0095]
需要说明的是，本技术所述系统可应用于电脑、工业计算机等控制终端设备，配合其他装置进行使用。
[0096]
作为一个具体的实施例，本实施例中将长条形打磨模板表面缺陷检测系统应用于视觉检测平台；视觉检测平台配合激光位移传感器、传送平台等装置实现长条形打磨模板表面缺陷检测。检测过程为：激光位移传感器架设在传送平台上方，木板放置在传送平台上，随着传送平台带着木板匀速移动，传感及采集木板表面的轮廓数据，接着将轮廓数据传送给视觉检测平台进行缺陷检测，检测完成后的检测结果经过综合判定并输出给下一工位进行处理。
[0097]
所述激光位移传感器采用高精度的激光位移传感器，即3d相机；可以获取木板表面深度数据，如高度小于5um的毛刺，可以测量细长形状的物体，不用担心视野不够或者采集精度不够。
[0098]
传送平台高速移动过程中会产生震动，消除震动的有益方式一个是提高平台制造质量，但与此同时需要付出成本增加的代价，另一个是降低运动平台的运动速度，从而减少震动，两者在实际应用中可能均是不被接受的。如果传送平台的震动波动大于木板表面毛刺高度，纵使传感器采集数据精度很高，也无法消除该波动产生的干扰，从而导致检测结果不准，因此，本技术提出单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法。对于单条轮廓线来说，同一条轮廓上的点震动方向一致，轮廓线之间不存在互相依赖关系，因此木板的震动影响可以忽略，可以满足高速采集需求。
[0099]
在执行长条形打磨模板表面缺陷检测方法时，将3d相机架设于运动平台上方，正确连接上电，将木板放置在运动平台之上，调整相机高度至最佳距离，调整相机参数至可以获取清晰的表面轮廓。
[0100]
相机采用外部编码器触发，和运动平台的移动速度保持适合的频率，采集的点云表示木板表面的真实三维坐标。木板点云记作ps，大小为m行n列，行列分别等间隔分布。
[0101]
s102：将待检测木板点云转换成高度图像，将待检测木板和背景的分界线呈现出来；
[0102]
s103：采用图像边缘方法定位出待检测木板的位置信息，自动生成矩形检测区域，
将检测区域映射到待检测木板点云数据中，得到三维空间中的待检测木板检测区域；
[0103]
需要说明的是，采用图像边缘方法定位出木板的位置信息，自动生成矩形检测区域，将检测区域映射到点云数据中，得到三维空间中的木板检测区域，如图2所示，p1p2p3p4构成的倾斜的内框矩形表示检测区域。
[0104]
s104：根据待检测木板检测区域从点云中截取轮廓线；
[0105]
s105：计算主检测区域内每条轮廓线上的轮廓点的点集的缺陷大小；并统计子主检测区域内轮廓线缺陷；
[0106]
s106：计算非主检测区域的平面度；判定非主检测区域是否存在缺陷；
[0107]
需要说明的是，平面度是指区域内表面的平整度，可以设定平面度的阈值，大于阈值的判定为存在缺陷
[0108]
平面度计算方式：获取区域内的三维点集，利用这些点拟合最小二乘平面。以实际被测表面的最小二乘平面作为评定基准面，以平行于最小二乘平面，且具有最小距离的两包容平面间的距离作为平面度误差值。
[0109]
s107：根据主检测区域和非主检测区域的判定结果，分别判定主检测区域和非主检测区域内是否存在缺陷以及缺陷的位置和缺陷大小。
[0110]
根据本发明实施例，所述根据待检测木板检测区域从点云中截取轮廓线，具体为：
[0111]
对待检测木板检测区域进行划分，将待检测区域划分为主检测区域b和非主检测区域a、c三个检测区域；
[0112]
对主检测区域b截取轮廓集合，b区域内任意轮廓的行列索引为其中：
[0113][0114]
offset＝(dy*tanα)/dx
[0115]
式中，r0为区域内第一条轮廓线在原数据中的行索引，c
0_start
为区域内第一条轮廓线截取范围的列起始索引，c
0_end
为区域内第一条轮廓线截取范围的列终止索引；dy为点云相邻两条轮廓的行间距，dx为点云相邻两条轮廓的列间距，α表示矩形相对于运动方向的倾斜角度。
[0116]
需要说明的是，本技术考虑木板倾斜，如图2所示，检测区域的四个角点记作p1～p4，根据每个角点坐标可以得到其在点云中所处的行列值，基于此将检测区域分成abc三个检测区域，对于非主检测区域a和c，基于区域内点云数据计算缺陷，对于主检测区域b，基于轮廓线计算缺陷，此举保证在主检测区域b内截取的轮廓线长度一致，方便做并行计算。
[0117]
然后根据矩形区域，容易得到第一条轮廓线的行、列起始和列中止索引，分别记作r0c
0_startc0_end
。两条相邻的轮廓的列起始和中止索引的偏移数是固定的。如图3所示。点云相邻两条轮廓的行间距记作dy，列间距记作dx，单位mm，α表示矩形相对于运动方向的倾斜角度(顺时针为负，逆时针为正)，两条轮廓线偏移量为offset＝(dy*tanα)/dx，表示两相邻轮廓的行起始索引差值为offset，从而主检测区域b任意轮廓的行列索引为其中：
[0118][0119]
对于主检测区域b内每条轮廓，上述计算是独立的。因此，可将上述计算通过gpu并行的方式实现，对于大规模数据(如上万条轮廓)仍能保持高速，最终得到n条轮廓线。
[0120]
根据本发明实施例，所述计算主检测区域b内每条轮廓线上点集的缺陷大小具体为：
[0121]
计算主检测区域b内每条轮廓线的直线度：将轮廓线行列范围内的点集进行直线拟合，计算点集到拟合直线的最大距离记作直线度；
[0122]
计算主检测区域b内每条轮廓线的缺陷面积：将轮廓线行列范围内的点集进行自由曲线拟合；拟合后，以轮廓线和拟合曲线构成的面积为缺陷面积，分别计算每一个轮廓线的缺陷面积。
[0123]
需要说明的是，在计算轮廓线的缺陷面积时，将轮廓线行列范围内的点集进行自由曲线拟合，计算曲线上的缺陷，如图4所示，s1-s4表示缺陷的面积，单位是mm2，位于曲线以上的面积为正，表示凸起，位于曲线以下的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，单位mm，结合缺陷宽度，单位mm，可以识别不同类的缺陷。
[0124]
通过上述步骤计算得到每条轮廓线的直线度和缺陷面积信息。
[0125]
本技术中对每条轮廓线的计算也是独立的，将直线度计算和缺陷面积算法分别实现并行化，可大大提升算法执行速度。
[0126]
根据本发明实施例，所述缺陷面积的计算具体为：将轮廓线行列范围内的点集进行自由曲线拟合；拟合后，以位于曲线以上的面积为正，表示凸起，位于曲线以下的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，缺陷宽度为相邻交点之间的距离；计算得到每条轮廓线缺陷面积。
[0127]
根据本发明实施例，所述统计主检测区域b内轮廓线缺陷，具体为：
[0128]
将主检测区域b内每条轮廓的直线度和缺陷面积信息进行统计分析，设置直线度阈值th1、面积阈值th2、缺陷深度阈值th3以及缺陷宽度阈值th4，若主检测区域b内轮廓线直线度不小于直线度阈值th1、面积不小于面积阈值th2、缺陷深度不小于缺陷深度阈值th3、缺陷宽度不小于缺陷宽度阈值th4中任意一个成立，则该轮廓判定为缺陷轮廓；
[0129]
统计主检测区域b内轮廓检测结果输出：轮廓线总数，总计判定为缺陷轮廓的轮廓数量、连续缺陷轮廓的最大值以及每条缺陷轮廓的在点云中的索引信息；
[0130]
设置缺陷轮廓数阈值th5、连续缺陷轮廓的最大值阈值th6，若主检测区域b内轮廓线缺陷轮廓数不小于缺陷轮廓数阈值th5、连续缺陷轮廓的最大值不小于连续缺陷轮廓的最大值阈值th6中任意一个成立则判定主检测区域b存在缺陷。
[0131]
需要说明的是，在计算非主检测区域a和c的平面度时。分别非主检测区域a和c内点云数据的平面度，然后参照直线度阈值th1判定非主检测区域a和c是否存在缺陷，若非主检测区域a的直线度不小于直线度阈值th1则存在缺陷；同样，若非主检测区域c的直线度不小于直线度阈值th1则存在缺陷。
[0132]
综上所述，本技术对于虫洞、凸起的检测可以通过缺陷深度、直线度进行分辨，对于成块未打磨的毛刺区域，可以通过缺陷面积、缺陷宽度进行分辨，同时结合连续判定缺陷轮廓的数量阈值，防止产生误判，从而提高了检测效率和准确性。
[0133]
本实施例采集激光位移传感器采集木板表面完整的轮廓数据，通过2d/3d结合准确定位检测区域，自动根据检测区域生成轮廓线。区域内直线单轮廓缺陷检测排除平台震动带来的干扰，结合图像处理技术定位出每条轮廓检测范围，排除背景、木板边界数据的干扰，同时适用于木板来料倾斜的情况，检测条件要求低、人为参与少；
[0134]
在采集到木板完整扫描数据基础上，提出单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法。单条轮廓通过计算直线度和拟合曲线得到缺陷信息，统计所有轮廓中的缺陷轮廓数、连续缺陷轮廓数量等，综合判定检测对象是否存在缺陷，排除偶然性误差，显著降低误判率；
[0135]
本发明计算b区域内截取多条轮廓线、轮廓线计算缺陷的过程中基于gpu实现并行化计算，同时对多条轮廓进行缺陷检测，该方式可以显著提升算法执行速度，在处理较大数量轮廓线时，耗时增加少，可以实现实时在线检测。
[0136]
对于单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法的并行化实现。基于gpu加速的方式自动计算每条轮廓的检测区域、缺陷信息、汇总缺陷轮廓信息并输出。基于并行化的轮廓缺陷计算，显著的降低了检测了耗时。
[0137]
第三方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括长条形打磨模板表面缺陷检测方法程序，所述长条形打磨模板表面缺陷检测方法程序被处理器执行时，实现所述的长条形打磨模板表面缺陷检测方法的步骤。
[0138]
本技术提供的一种长条形打磨模板表面缺陷检测方法、系统及存储介质。本技术提出单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法。单条轮廓通过计算直线度和拟合曲线得到缺陷信息，统计所有轮廓中的缺陷轮廓数、连续缺陷轮廓数量等，综合判定检测对象是否存在缺陷，排除偶然性误差，显著降低误判率。此外，单条轮廓线缺陷计算、多轮廓综合判定的缺陷检测算法的并行化实现。有效的提高了长条形打磨模板表面缺陷检测的效率。
[0139]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0140]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0141]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0142]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘
等各种可以存储程序代码的介质。
[0143]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

技术特征：
1.一种长条形打磨模板表面缺陷检测方法，其特征在于，所述方法包括以下步骤：获取待检测木板的表面轮廓；根据待检测木板的表面轮廓采集待检测木板点云以表示待检测木板的真实三维坐标；将待检测木板点云转换成高度图像，将待检测木板和背景的分界线呈现出来；采用图像边缘方法定位出待检测木板的位置信息，自动生成矩形检测区域，将检测区域映射到待检测木板点云数据中，得到三维空间中的待检测木板检测区域；根据待检测木板检测区域从点云中截取轮廓线；将待检测区域划分为主检测区域和非主检测区域；计算主检测区域内每条轮廓线上的轮廓点的点集的缺陷大小；并统计子主检测区域内轮廓线缺陷；计算非主检测区域的平面度；判定非主检测区域是否存在缺陷；根据主检测区域和非主检测区域的判定结果，分别判定主检测区域和非主检测区域内是否存在缺陷以及缺陷的位置和缺陷大小。2.根据权利要求1所述的一种长条形打磨模板表面缺陷检测方法，其特征在于，所述根据待检测木板检测区域从点云中截取轮廓线，具体为：对待检测木板检测区域进行划分，将待检测区域划分为主检测区域和非主检测区域；对子主检测截取轮廓集合，主检测内任意轮廓的行列索引为其中：offset＝(dy*tanα)/dx式中，r0为区域内第一条轮廓线在原数据中的行索引，c
0_start
为区域内第一条轮廓线截取范围的列起始索引，c
0_end
为区域内第一条轮廓线截取范围的列终止索引；dy为点云相邻两条轮廓的行间距，dx为点云相邻两条轮廓的列间距，α表示矩形相对于运动方向的倾斜角度。3.根据权利要求2所述的一种长条形打磨模板表面缺陷检测方法，其特征在于，所述计算主检测内每条轮廓线上点集的缺陷大小具体为：计算主检测内每条轮廓线的直线度：将轮廓线行列范围内的点集进行直线拟合，计算点集到拟合直线的最大距离记作直线度；计算主检测内每条轮廓线的缺陷面积：将轮廓线行列范围内的点集进行自由曲线拟合；拟合后，以轮廓线和拟合曲线构成的面积为缺陷面积，分别计算每一个轮廓线的缺陷面积。4.根据权利要求3所述的一种长条形打磨模板表面缺陷检测方法，其特征在于，所述缺陷面积的计算具体为：将轮廓线行列范围内的点集进行自由曲线拟合；得到拟合曲线，拟合后，以位于拟合曲线以上区域的面积为正，表示凸起，位于拟合曲线以下区域的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，缺陷宽度为相邻交点之间的距离；计算轮廓线上当前轮廓点和前一个轮廓点点之间的水平距离、当前轮廓点到拟合曲线的垂直距离，将得到的水平距离乘以垂直距离得到轮廓点的面积，将所有轮廓点的面积加和得到轮廓线缺陷面积。
5.根据权利要求4所述的一种长条形打磨模板表面缺陷检测方法，其特征在于，所述统计主检测内轮廓线缺陷，具体为：将主检测内每条轮廓的直线度和缺陷面积信息进行统计分析，设置直线度阈值th1、面积阈值th2、缺陷深度阈值th3以及缺陷宽度阈值th4，若子主检测区域内轮廓线直线度不小于直线度阈值th1、面积不小于面积阈值th2、缺陷深度不小于缺陷深度阈值th3、缺陷宽度不小于缺陷宽度阈值th4中任意一个成立，则该轮廓判定为缺陷轮廓；统计主检测内轮廓检测结果输出：轮廓线总数，总计判定为缺陷轮廓的轮廓数量、连续缺陷轮廓的最大值以及每条缺陷轮廓的在点云中的索引信息；设置缺陷轮廓数阈值th5、连续缺陷轮廓的最大值阈值th6，若主检测内轮廓线缺陷轮廓数不小于缺陷轮廓数阈值th5、连续缺陷轮廓的最大值不小于连续缺陷轮廓的最大值阈值th6中任意一个成立则判定主检测存在缺陷。6.一种长条形打磨模板表面缺陷检测系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括长条形打磨模板表面缺陷检测方法的程序，所述长条形打磨模板表面缺陷检测方法的程序被所述处理器执行时实现以下步骤：获取待检测木板的表面轮廓；根据待检测木板的表面轮廓采集待检测木板点云以表示待检测木板的真实三维坐标；将待检测木板点云转换成高度图像，将待检测木板和背景的分界线呈现出来；采用图像边缘方法定位出待检测木板的位置信息，自动生成矩形检测区域，将检测区域映射到待检测木板点云数据中，得到三维空间中的待检测木板检测区域；根据待检测木板检测区域从点云中截取轮廓线；将待检测区域划分为主检测区域和非主检测区域；计算主检测区域内每条轮廓线上的轮廓点的点集的缺陷大小；并统计子主检测区域内轮廓线缺陷；计算非主检测区域的平面度；判定非主检测区域是否存在缺陷；根据主检测区域和非主检测区域的判定结果，分别判定主检测区域和非主检测区域内是否存在缺陷以及缺陷的位置和缺陷大小。7.根据权利要求6所述的一种长条形打磨模板表面缺陷检测系统，其特征在于，所述根据待检测木板检测区域从点云中截取轮廓线，具体为：对待检测木板检测区域进行划分，将待检测区域划分为主检测区域和非主检测区域；；对主检测区域截取轮廓集合，主检测区域内任意轮廓的行列索引为其中：offset＝(dy*tanα)/dx式中，r0为区域内第一条轮廓线在原数据中的行索引，c
0_start
为区域内第一条轮廓线截取范围的列起始索引，c
0_end
为区域内第一条轮廓线截取范围的列终止索引；dy为点云相邻两条轮廓的行间距，dx为点云相邻两条轮廓的列间距，α表示矩形相对于运动方向的倾斜角度。8.根据权利要求7所述的一种长条形打磨模板表面缺陷检测系统，其特征在于，所述计
算主检测区域内每条轮廓线上点集的缺陷大小具体为：计算主检测区域内每条轮廓线的直线度：将轮廓线行列范围内的点集进行直线拟合，计算点集到拟合直线的最大距离记作直线度；所述缺陷面积的计算具体为：将轮廓线行列范围内的点集进行自由曲线拟合；得到拟合曲线，拟合后，以位于拟合曲线以上区域的面积为正，表示凸起，位于拟合曲线以下区域的面积为负，表示凹陷，缺陷深度表示最大凹凸大小，缺陷宽度为相邻交点之间的距离；计算轮廓线上当前轮廓点和前一个轮廓点点之间的水平距离、当前轮廓点到拟合曲线的垂直距离，将得到的水平距离乘以垂直距离得到轮廓点的面积，将所有轮廓点的面积加和得到轮廓线缺陷面积。9.根据权利要求8所述的一种长条形打磨模板表面缺陷检测方法，其特征在于，所述统计主检测区域内轮廓线缺陷，具体为：将主检测区域内每条轮廓的直线度和缺陷面积信息进行统计分析，设置直线度阈值th1、面积阈值th2、缺陷深度阈值th3以及缺陷宽度阈值th4，若主检测区域内轮廓线直线度不小于直线度阈值th1、面积不小于面积阈值th2、缺陷深度不小于缺陷深度阈值th3、缺陷宽度不小于缺陷宽度阈值th4中任意一个成立，则该轮廓判定为缺陷轮廓；统计主检测区域内轮廓检测结果输出：轮廓线总数，总计判定为缺陷轮廓的轮廓数量、连续缺陷轮廓的最大值以及每条缺陷轮廓的在点云中的索引信息；设置缺陷轮廓数阈值th5、连续缺陷轮廓的最大值阈值th6，若主检测区域内轮廓线缺陷轮廓数不小于缺陷轮廓数阈值th5、连续缺陷轮廓的最大值不小于连续缺陷轮廓的最大值阈值th6中任意一个成立则判定主检测区域存在缺陷。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括长条形打磨模板表面缺陷检测方法程序，所述长条形打磨模板表面缺陷检测方法程序被处理器执行时，实现如权利要求1至5中任一项所述的长条形打磨模板表面缺陷检测方法的步骤。

技术总结
本申请的目的在于提供一种长条形打磨模板表面缺陷检测方法、系统及存储介质，所述方法包括：获取待检测木板的表面轮廓；再采集待检测木板点云以表示待检测木板的真实三维坐标；将待检测木板点云转换成高度图像，将待检测木板和背景的分界线呈现出来；采用图像边缘方法定位出待检测木板的位置信息，自动生成矩形检测区域，将检测区域映射到待检测木板点云数据中，得到三维空间中的待检测木板检测区域；根据待检测木板检测区域从点云中截取轮廓线；根据截取的轮廓线，单条轮廓通过计算直线和拟合曲线得到缺陷信息。多条轮廓通过统计所有轮廓中的缺陷轮廓数、连续缺陷轮廓数量对待检测对象是否存在缺陷进行检测。本发明可有效的提高长条形打磨模板表面缺陷检测的效率。的提高长条形打磨模板表面缺陷检测的效率。的提高长条形打磨模板表面缺陷检测的效率。


技术研发人员：田青华 周才健 盛锦华 周卫华 王班 周柔刚 陈安 许允迪 肖廷哲
受保护的技术使用者：温州汇萃智能科技有限公司
技术研发日：2023.02.16
技术公布日：2023/7/19