Les caractéristiques de détection visuelle des images traitées cnc comprennent les caractéristiques de couleur, les caractéristiques de texture, les caractéristiques de relation spatiale et les caractéristiques de forme. Les caractéristiques de couleur sont basées sur toutes les caractéristiques appartenant aux pixels de l'image. Les caractéristiques de texture sont calculées statistiquement dans une zone contenant plusieurs pixels. La relation spatiale fait référence à la position spatiale ou à la relation d'orientation relative entre plusieurs objets dans une image. La caractéristique de forme fait référence à une forme spécifique composée d'un ensemble d'éléments géométriques (points, lignes, surfaces) avec une certaine relation topologique sur la pièce. En tant qu'informations visuelles importantes sur les objets, les caractéristiques de forme sont des représentations d'attributs stables des objets.
Selon la comparaison entre différentes caractéristiques visuelles et l'analyse du repère dynamique ci-dessus, la caractéristique de forme est conforme aux caractéristiques du repère dynamique, de sorte que la caractéristique de forme est sélectionnée comme caractéristique visuelle. Généralement, les entités de forme peuvent être représentées sous forme d'entités de contour basées sur la forme et d'entités de région basées sur la forme, notamment les coins, les arêtes, les lignes droites, les courbes et les régions. S'il y a des interférences dans le bord, un grand nombre de faux points de bord seront générés, ce qui affectera l'extraction des caractéristiques du bord. A ce stade, il est très important de trouver un algorithme de traitement d'image adapté.
Analyse des correspondances et méthode d'extraction des caractéristiques Dans le processus d'usinage CNC, lorsque la référence d'usinage est le coin de la pièce, elle apparaît sous la forme de points d'angle dans l'image visuelle. Parmi les algorithmes de détection visuelle de coin d'image, la méthode basée sur un modèle est la plus largement utilisée, notamment l'algorithme de Harris, l'algorithme de Susan, l'algorithme FAST et l'algorithme SURF.
Parmi eux, l'algorithme de Susan a une bonne robustesse au bruit, et a également l'invariance du changement d'intensité lumineuse et de l'invariance de rotation. Il utilise très peu de paramètres, il nécessite donc moins de calculs et de stockage. Par conséquent, l'algorithme de Susan est utilisé pour extraire les coordonnées des coins, c'est-à-dire la position de la référence dynamique.
Lorsque la référence d'usinage est l'axe ou l'axe de la surface tournante, il apparaît comme le centre du cercle dans l'image visuelle, mais le centre du cercle n'est pas réel, donc l'extraction de ses caractéristiques visuelles implique l'extraction du bord du cercle et de l'ajustement de la courbe. L'obtention des coordonnées du centre est la position de référence dynamique d'usinage. Parmi les opérateurs d'extraction de bords couramment utilisés, l'opérateur Canny a une précision de positionnement plus élevée pour les bords à un seul pixel que les autres opérateurs de détection de bords, et a une meilleure capacité anti-bruit.
