论文部分内容阅读
机械制造工业的发展要求在加工现场条件下实现产品高精度逐件检测，传统检测方法和模式难以达到要求。基于机器视觉的检测技术是一种以现代光学为基础，融光电子学、计算机图像学、信息处理等科学技术为一体的现代检测技术，在多个领域受到关注。本文依托国家自然科学基金资助项目“大尺寸机械零件的高精度在线测量方法研究”（批准号50805023），针对较大尺寸的工件（50mm以内），以机械加工工业现场应用为目的，对机器视觉高精度测量系统基础理论及关键技术进行了分析和研究。
论文针对本系统图像的特点，提出了一种新的基于二值图的去噪方法，对获取的图像不采用传统方法的滤波，而是直接进行像素级边缘检测，获得边缘二值图。根据真实边缘和噪声在坐标轴上投影长度的不同判定边缘的真伪，剔除伪边缘。实验证明，本文提出的去噪方法能较好地去除伪边缘，保留连续的真实边缘序列，既解决了图像二值化过程中引入边界噪声的问题，又不影响图像边缘的灰度值，保证了亚像素细分等一系列后续处理的精确性。
加工现场的干扰使畸变具有随机变化的特性，采用不变参数的图像畸变校正模型难以实现工件尺寸的精确测量。因此，提出一种新的畸变校正方法，采用一种线性/非线性自回归时间序列模型（general expression for linear and nonlinear auto-regressive time series model，GNAR模型）建立被测工件直线边缘的数学模型。根据模型的输出滤除被测工件直线边缘的趋势成分及畸变，获得被测工件的真实边界位置，实现测量工件尺寸的目的。
为进一步说明GNAR模型的原理及特点，论文详细论述了该模型基于时间序列理论的结构推导过程，分析该模型与各种典型时序模型的关系，提出以实际数据为前提，采用实验方法进行模型定阶的思想。研究证明该模型能较为精确地逼近线性或非线性数据序列，对典型时序的建模和预测精度均优于常见时序模型。
结合图像处理基本方法及论文提出的方法，以发动机凸轮轴轴颈为研究对象，构建了视觉现场测量系统的硬件结构，开发了相应的测量软件，建立机器视觉现场测量系统。理论分析和实验表明，该视觉系统具有较高的测量精度，能满足机械零件在工业现场进行逐件测量的要求。