论文部分内容阅读
视觉测量技术具有非接触、无损伤和适应危险场合等优点,但目前关于大尺寸零件在线视觉测量的研究和理论却比较少。在国家自然科学基金“大尺寸机械零件的高精度在线测量方法研究”(50805023)的资助下,本课题致力于研究大尺寸零件在线视觉测量关键技术,为提高在线视觉测量零件尺寸的工业生产自动化程度奠定理论和技术基础,主要贡献如下：(1)设计了一套实用化的在线视觉测量系统；针对大尺寸零件在线视觉测量的功能要求和技术流程,设计了一套实用化的单目视觉在线测量系统。通过合理选择光源,正确设计照明系统,对相机和镜头等主要部件,综合考虑性价比来选配,搭建了硬件平台,同时开发了相应的测量软件。(2)定义了一个图像清晰度评价函数,提出了一种快速聚焦算法——边缘跨度最小法；针对大尺寸零件在线测量的特点,定义了一个评价图像清晰度的边缘跨度函数,采用动态聚焦窗口和快速搜索策略检测边缘并计算边缘跨度值,研究发现,当跨度值达到最小时,图像最清晰。对比实验表明：本文算法比几种经典最优聚焦函数的聚焦速度更快,比速度最快的绝对梯度函数提高了30%以上,聚焦特性曲线灵敏度更高、单峰性更好,抗噪声性能更强。(3)提出了一种自适应阈值快速边缘检测算法；在对大尺寸零件图像进行大量实验、分析和验证的基础上,提出了一种融合图像背景和前景灰度值的自适应阈值快速边缘检测算法：把图像中背景灰度值首次大于自适应阈值的点,作为目标点,实现了边缘的快速检测。对比实验表明：该方法确定的边缘定位精度高于Roberts算子边缘检测的精度,与几种常用的亚像素法边缘检测的精度接近,但新方法边缘检测的速度快,运算量远小于已有的算法。(4)提出了一种基于链码跟踪的消除序列图像旋转偏差的快速算法；针对大尺寸零件序列图像模板匹配首先需要消除旋转偏差的要求,对带有直线轮廓的零件序列图像,采用链码跟踪获取直线每段连续链码段的长度,然后根据链码段长度选择不同的算法,求出直线与坐标轴间的倾斜角,由倾斜角消除序列图像的旋转偏差。实验结果表明：该算法比用传统的Hough变换提取直线边缘来消除旋转偏差,不仅提高了精度,而且速度提高了25倍多。(5)提出了适用于不同测量对象的三种模板匹配改进算法；算法一：针对表面带有一致性好的线性纹理的大尺寸零件,当纹理方向与坐标轴方向一致时,提出了比较相邻像素灰度值的方法。通过分别比较模板内相邻像素灰度值是否相同,累计比较结果来得到匹配模板,然后再用绝对差和算法实现快速匹配。实验结果表明：该算法的精度与互相关法相当,但所耗时间约为互相关法的五分之一。算法二：对于表面无显著特征的大尺寸零件,提出了求相邻像素灰度值之差值的方法。分别将模板内的相邻像素灰度值各自相减来得到匹配模板,再采用绝对差和算法,并结合自适应阈值来提高匹配速度。通过求相邻像素灰度值之差,增强了算法的抗噪声能力。算法三：提出了一种在视野内大尺寸零件外添加人工标志的方法。根据零件的传送速度、相机的图像采集速度和设定的序列图像重叠区域的大小,来设计周期性的便于提取且计算量小的人工标志,并把人工标志添加在视野内大尺寸零件外的同一物面上。通过对人工标志分割、计算周期数确定匹配模板选择区域,然后对模板内的人工标志增强,采用基于自适应阈值的绝对差和算法完成匹配。这样不论零件表面是否存在特征,就把对大尺寸零件的匹配转化为对人工标志的匹配,从而在不需要对大尺寸零件做额外处理的情况下,大大提高了图像匹配的速度和匹配成功的概率,同时有效地拓宽了测量对象。