大尺寸零件在線視覺測量關(guān)鍵技術(shù)研究.pdf

1、視覺測量技術(shù)具有非接觸、無損傷和適應(yīng)危險場合等優(yōu)點，但目前關(guān)于大尺寸零件在線視覺測量的研究和理論卻比較少。在國家自然科學(xué)基金“大尺寸機械零件的高精度在線測量方法研究”(50805023)的資助下，本課題致力于研究大尺寸零件在線視覺測量關(guān)鍵技術(shù)，為提高在線視覺測量零件尺寸的工業(yè)生產(chǎn)自動化程度奠定理論和技術(shù)基礎(chǔ)，主要貢獻如下:
　　(1)設(shè)計了一套實用化的在線視覺測量系統(tǒng);
　　針對大尺寸零件在線視覺測量的功能要求和技術(shù)流程，設(shè)

2、計了一套實用化的單目視覺在線測量系統(tǒng)。通過合理選擇光源，正確設(shè)計照明系統(tǒng)，對相機和鏡頭等主要部件，綜合考慮性價比來選配，搭建了硬件平臺，同時開發(fā)了相應(yīng)的測量軟件。
　　(2)定義了一個圖像清晰度評價函數(shù)，提出了一種快速聚焦算法——邊緣跨度最小法;
　　針對大尺寸零件在線測量的特點，定義了一個評價圖像清晰度的邊緣跨度函數(shù)，采用動態(tài)聚焦窗口和快速搜索策略檢測邊緣并計算邊緣跨度值，研究發(fā)現(xiàn)，當(dāng)跨度值達到最小時，圖像最清晰。對比實驗

3、表明:本文算法比幾種經(jīng)典最優(yōu)聚焦函數(shù)的聚焦速度更快，比速度最快的絕對梯度函數(shù)提高了30％以上，聚焦特性曲線靈敏度更高、單峰性更好，抗噪聲性能更強。
　　(3)提出了一種自適應(yīng)閾值快速邊緣檢測算法;
　　在對大尺寸零件圖像進行大量實驗、分析和驗證的基礎(chǔ)上，提出了一種融合圖像背景和前景灰度值的自適應(yīng)閾值快速邊緣檢測算法:把圖像中背景灰度值首次大于自適應(yīng)閾值的點，作為目標(biāo)點，實現(xiàn)了邊緣的快速檢測。對比實驗表明:該方法確定的邊緣定位

4、精度高于Roberts算子邊緣檢測的精度，與幾種常用的亞像素法邊緣檢測的精度接近，但新方法邊緣檢測的速度快，運算量遠小于已有的算法。
　　(4)提出了一種基于鏈碼跟蹤的消除序列圖像旋轉(zhuǎn)偏差的快速算法;
　　針對大尺寸零件序列圖像模板匹配首先需要消除旋轉(zhuǎn)偏差的要求，對帶有直線輪廓的零件序列圖像，采用鏈碼跟蹤獲取直線每段連續(xù)鏈碼段的長度，然后根據(jù)鏈碼段長度選擇不同的算法，求出直線與坐標(biāo)軸間的傾斜角，由傾斜角消除序列圖像的旋轉(zhuǎn)偏差

5、。實驗結(jié)果表明:該算法比用傳統(tǒng)的Hough變換提取直線邊緣來消除旋轉(zhuǎn)偏差，不僅提高了精度，而且速度提高了25倍多。
　　(5)提出了適用于不同測量對象的三種模板匹配改進算法;
　　算法一:針對表面帶有一致性好的線性紋理的大尺寸零件，當(dāng)紋理方向與坐標(biāo)軸方向一致時，提出了比較相鄰像素灰度值的方法。通過分別比較模板內(nèi)相鄰像素灰度值是否相同，累計比較結(jié)果來得到匹配模板，然后再用絕對差和算法實現(xiàn)快速匹配。實驗結(jié)果表明:該算法的精度與互

6、相關(guān)法相當(dāng)，但所耗時間約為互相關(guān)法的五分之一。
　　算法二:對于表面無顯著特征的大尺寸零件，提出了求相鄰像素灰度值之差值的方法。分別將模板內(nèi)的相鄰像素灰度值各自相減來得到匹配模板，再采用絕對差和算法，并結(jié)合自適應(yīng)閾值來提高匹配速度。通過求相鄰像素灰度值之差，增強了算法的抗噪聲能力。
　　算法三:提出了一種在視野內(nèi)大尺寸零件外添加人工標(biāo)志的方法。根據(jù)零件的傳送速度、相機的圖像采集速度和設(shè)定的序列圖像重疊區(qū)域的大小，來設(shè)計周期性