本发明创造涉及图像识别领域，更具体地说，涉及基于机器视觉的物品直度检测方法及系统。
背景技术：
1、在工业和制造业中，产品的质量控制至关重要。直度检测是确保加工件如钢板、玻璃板等具有正确形状和尺寸的重要手段。
2、直度检测可大致分为两类：接触式和非接触式。接触式测量方式指的是在进行测量时，测量工具或传感器需要直接与被测物体的表面接触。然而，这种方法可能对被测物体表面造成微小的损伤，或者会改变物体的原始状态。非接触式测量方式指的是在进行测量时，测量设备或传感器不需要直接接触到被测物体的表面。非接触式测量的优势在于它可以避免对被测物体造成损伤或改变其原始状态，同时也适用于那些无法或不宜直接接触的测量环境。
3、传统直度检测时，通常依赖于人的肉眼观察和经验判断，这种方法不仅效率低下，而且主观性强，难以保证检测结果的一致性和准确性。随着光学仪器和图像处理技术的快速发展，机器视觉检测技术逐渐成为工业检测的新趋势。机器视觉凭借着非接触性、高效性、准确性以及智能性，引进到直度检测应用中，有助于提高生产效率和产品质量。然而，若检测目标属于大尺寸物体时，由于相机视野受解析度要求、成像扭曲等影响，会造成成像畸变大、检测误差大等不利后果。
技术实现思路
1、针对现有技术中的上述缺陷，本发明提供一种基于机器视觉的物品直度检测方法及系统，能够在检测目标体积较大时减少测量误差，提高检测的稳定性和可靠性。
2、本申请解决其技术问题所采用的技术方案如下所述：
3、第一方面，提供一种基于机器视觉的物品直度检测方法，包括以下步骤：
4、s1.获取待测物体在不同角度下的至少两张第一图像；
5、s2.对所述第一图像进行图像校正，得到校正后的第一图像；
6、s3.利用数字图像相关法对所述校正后的第一图像进行拼接，得到拼接后的第二图像；
7、s4.对所述第二图像进行图像滤波；
8、s5.对所述滤波后的第二图像进行边缘提取，获取第一边缘图像；
9、s6.对所述第一边缘图像进行次像素边缘提取，获取第二边缘图像；
10、s7.根据所述第二边缘图像，进行直度检测。
11、进一步地，所述步骤s3中具体包括：
12、s31.对于待拼接的图像，按顺序取出前两张图像，利用数字图像相关法确定至少两个特征点在左侧图像中和右侧图像之间的位移；
13、s32.基于所述至少两个特征点分别在左侧图像中和右侧图像中的坐标，获取左侧图像与右侧图像之间的大小比例，以左侧图像为基准对右侧图像进行比例变换，将左右两侧图像调整至同样比例；
14、s33.获取其中一个特征点在左侧图像中与左侧图像的右边界距离和上边界距离，获取该特征点在右侧图像中与右侧图像的左边界距离和上边界距离，从而得到右侧图像分别在x轴和y轴方向上与左侧图像的重叠区域；
15、s34.将右侧图像中的重叠区域中的图像去除，根据右侧图像分别在x轴和y轴方向上与左侧图像的重叠范围，将右侧图像的剩余部分分别向x轴方向和y轴方向移动，并拼接在左侧图像的最右侧，从而得到拼接后的图像；
16、s35.重复上述步骤，顺序拼接多张图像，直到拼接结束。
17、进一步的，所述图像校正包括径向畸变校正和切向畸变校正。
18、进一步的，所述步骤s32具体如下：选择两个特征点，其在左侧图像中用q1和q2表示，基于dic获取所述两个特征点在左侧图像与右侧图像中的位移，得到q1＇和q2＇的具体坐标；利用q1和q2的坐标，获取q1和q2之间的距离d12；利用q1＇和q2＇的坐标，获取q1＇和q2＇之间的距离d12＇；根据d12和d12＇，获取左侧图像与右侧图像之间的大小比例；以左侧图像为基准对右侧图像进行比例变换，将左右两侧图像调整至同样比例。
19、进一步的，所述步骤s33具体如下：获取其中一个特征点在左侧图像中与左侧图像的右边界距离dx和上边界距离dy，获取该特征点在右侧图像中与右侧图像的左边界距离dx＇和上边界距离dy＇，右侧图像在x轴方向上与左侧图像的重叠范围为dx＇+dx。当dy≥dy＇时，右侧图像在y轴方向上与左侧图像的重叠范围为h-dy+dy＇，当dy＜dy＇时，右侧图像在y轴方向上与左侧图像的重叠范围为h-dy＇+dy，其中h表示左侧图像高度。
20、进一步的，所述步骤s34具体如下：将右侧图像中的重叠区域中的图像去除，将右侧图像的剩余部分向x轴方向移动-(dx＇+dx)；当dy≥dy＇时，将右侧图像的剩余部分向y轴方向移动-|dy-dy＇|,当dy＜dy＇时，将右侧图像的剩余部分向y轴方向移动|dy-dy＇|，并拼接在左侧图像的最右侧。
21、进一步的，所述步骤s4具体包括：灰阶化、二值化和中值滤波。
22、第二方面，提供一种基于机器视觉的物品直度检测系统，用于执行所述基于机器视觉的物品直度检测方法，包括：
23、获取模块，用于获取待测物体在不同角度下的至少两张第一图像；
24、矫正模块，用于对所述第一图像进行图像校正，得到校正后的第一图像；
25、拼接模块，用于对所述校正后的第一图像进行拼接，得到拼接后的第二图像；
26、滤波模块，用于对所述第二图像进行图像滤波；
27、边缘提取模块，用于对所述滤波后的第二图像进行边缘提取，获取第一边缘图像；对所述第一边缘图像进行次像素边缘提取，获取第二边缘图像；
28、检测模块，用于根据所述第二边缘图像，进行直度检测。
29、根据上述结构的本发明创造，其有益效果在于：现有技术中针对大尺寸如细长型待检测物体，单台相机的视野范围往往无法完整包含检测目标，本申请提供一种基于机器视觉的物品直度检测方法和系统，使用相机在多个位置对待测物体进行拍摄获取多张图像。通过数字图像相关法dic计算特征点在左右两侧图像之间的位移，然后计算出左右两侧图像的图像重叠区域，通过重叠区域来拼接图像，达到扩大检测范围的效果。使用数字图像相关法进行图像拼接，能够提供亚像素级别的位移测量，这意味着它可以非常精确地确定图像之间的特征点，从而实现高精度的图像拼接。与传统的拼接方法不同，dic可以在图像的整个区域进行相关性分析，这有助于捕捉到更多的重叠区域，提高拼接的准确性，从而能够在检测目标体积较大时减少测量误差，提高检测的稳定性和可靠性。
1.一种基于机器视觉的物品直度检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于机器视觉的物品直度检测方法，其特征在于：所述图像校正包括径向畸变校正和切向畸变校正。
3.如权利要求1所述的基于机器视觉的物品直度检测方法，其特征在于：所述步骤s32具体如下：选择两个特征点，其在左侧图像中用q1和q2表示，基于dic获取所述两个特征点在左侧图像与右侧图像中的位移，得到q1＇和q2＇的具体坐标；利用q1和q2的坐标，获取q1和q2之间的距离d12；利用q1＇和q2＇的坐标，获取q1＇和q2＇之间的距离d12＇；根据d12和d12＇，获取左侧图像与右侧图像之间的大小比例；以左侧图像为基准对右侧图像进行比例变换，将左右两侧图像调整至同样比例。
4.如权利要求1所述的基于机器视觉的物品直度检测方法，其特征在于：所述步骤s33具体如下：获取其中一个特征点在左侧图像中与左侧图像的右边界距离dx和上边界距离dy，获取该特征点在右侧图像中与右侧图像的左边界距离dx＇和上边界距离dy＇，右侧图像在x轴方向上与左侧图像的重叠范围为dx＇+dx；当dy≥dy＇时，右侧图像在y轴方向上与左侧图像的重叠范围为h-dy+dy＇，当dy＜dy＇时，右侧图像在y轴方向上与左侧图像的重叠范围为h-dy＇+dy，其中h表示左侧图像高度。
5.如权利要求1所述的基于机器视觉的物品直度检测方法，其特征在于：所述步骤s34具体如下：将右侧图像中的重叠区域中的图像去除，将右侧图像的剩余部分向x轴方向移动-(dx＇+dx)；当dy≥dy＇时，将右侧图像的剩余部分向y轴方向移动-|dy-dy＇|,当dy＜dy＇时，将右侧图像的剩余部分向y轴方向移动|dy-dy＇|，并拼接在左侧图像的最右侧。
6.如权利要求1所述的基于机器视觉的物品直度检测方法，其特征在于：所述步骤s4具体包括：灰阶化、二值化和中值滤波。
7.一种基于机器视觉的物品直度检测系统，用于执行如权利要求1-6任意一项所述基于机器视觉的物品直度检测方法，其特征在于，包括：
