視覺檢測的幾個關(guān)鍵問題研究.pdf

1、視覺檢測是機器視覺應(yīng)用于檢測領(lǐng)域形成的新技術(shù)。美國國家標準局在調(diào)查基礎(chǔ)上曾作過預(yù)測：今后工業(yè)檢測任務(wù)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(shù)對視覺檢測的需要，論文首先以視圖幾何理論為基礎(chǔ)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(guān)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(chǔ)上，論文結(jié)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(yīng)反映圖像的局部性質(zhì)；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(zhì)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(chǔ)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(shù)進行消除，該方法需要四個自由度，機械結(jié)構(gòu)復(fù)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(jié)果，該方法僅需要兩個平移自由度，機械結(jié)構(gòu)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(nèi)容。立體匹配是實現(xiàn)深度信息提取的基礎(chǔ)，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(yīng)加權(quán)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(shè)分析了顏色相似性和空間鄰近性對權(quán)值的不同影響，提出了新的空間臨近性權(quán)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(chǔ)上引入視差變化的微分幾何描述，在此基礎(chǔ)上