視覺檢測的幾個關鍵問題研究.pdf

1、視覺檢測是機器視覺應用于檢測領域形成的新技術。美國國家標準局在調查基礎上曾作過預測：今后工業(yè)檢測任務的80％乃至90％-將由視覺檢測完成，因而具有極為重要的研究價值。根據(jù)現(xiàn)代先進制造技術對視覺檢測的需要，論文首先以視圖幾何理論為基礎建立單目與多目視覺攝像機成像模型，然后以圖像分割提取檢測對象，最后著重對視覺檢測中的畸變校正以及立體匹配等關鍵問題進行深入研究，提出了一些新的檢測方法，并驗證了這些方法的有效性。分述如下：
　　 在利

2、用視圖幾何理論解決單目與多目視覺檢測攝像機成像問題的基礎上，論文結合梳刀參數(shù)檢測，紙張計數(shù)檢測以及深度檢測中立體匹配的不確定性問題，分析了圖像分割對視覺檢測兩方面的意義：在提取檢測對象方面，利用OTSU算法實現(xiàn)梳刀圖像基于全局閾值的分割，提出基于峰谷形態(tài)特征的紙張紋路分割算法，比通常的閾值分割算法能更好地自適應反映圖像的局部性質；在以分割區(qū)域作為圖像中層符號描述方面，論文利用Meanshift算法進行彩色圖像分割，并對利用分割區(qū)域同質性

3、克服立體匹配的不確定性的進行了分析。
　　 實際的成像系統(tǒng)是一個非線性系統(tǒng)，因而圖像畸變校正是保證視覺檢測精度所不可缺少的處理過程。論文在通過標定獲取攝像機成像系統(tǒng)非線性畸變系數(shù)的基礎上，提出兩種不同的方法來解決單目視覺圖像的畸變校正問題：一種方法是將線性畸變與非線性畸變分離，分別利用相機方位（或工件方位）控制裝置和攝像機標定技術進行消除，該方法需要四個自由度，機械結構復雜但對其精度要求不高；另一種方法是通過圖像差分建立畸變場微

4、分方程，對線性畸變與非線性畸變進行統(tǒng)一處理，論文提出了畸變場微分方程理想平移量參數(shù)與局部位移量參數(shù)確定方法，并給出了理論推導結果，該方法僅需要兩個平移自由度，機械結構得到極大簡化但對其精度要求很高。
　　 深度信息提取是三維視覺檢測最重要的研究內容。立體匹配是實現(xiàn)深度信息提取的基礎，分為基于WTA準則的局部最優(yōu)立體匹配和基于能量函數(shù)最小的全局最優(yōu)立體匹配。對局部最優(yōu)立體匹配來說，論文對Yoon自適應加權立體匹配算法進行了改進：首

5、先根據(jù)基于分割的視差假設分析了顏色相似性和空間鄰近性對權值的不同影響，提出了新的空間臨近性權值模型；然后將Birchfield相異性度量函數(shù)從2-鄰域擴展到8-鄰域，解決了原算法所采用的AD相異性度量函數(shù)對行列采樣敏感的問題，匹配代價計算更為準確。實驗表明，本文方法有效改善了原算法的匹配性能，可獲得更為精密的視差圖。對全局最優(yōu)立體匹配算法來說，論文研究了傾斜平面（曲面）匹配的特殊性，在圖像分割基礎上引入視差變化的微分幾何描述，在此基礎上