基于机器视觉的大型复杂结构件在线质量检测技术及系统研究

摘要

机器视觉技术的发展与应用对生产方式的变革具有重要的推动作用。本文研究的基于机器视觉的大型复杂结构件在线质量检测技术及系统，对大型复杂结构件视觉检测所存在的图像混合去噪、待测特征的快速有效识别以及大视场范围下特征图像的采集等问题进行了研究，并提出了相应的解决方案。
　　首先，研究了复杂环境下视觉检测的图像去噪技术，对大型复杂结构件视觉检测环境及其产生的图像噪声进行了分析，提出利用基于高斯和椒盐的混合去噪算法去除复杂环境导致的图像混合噪声;其次，研究了基于机器视觉的大型复杂结构件质量检测处理技术，利用基于边缘的模板匹配和外接矩形拟合方法分别实现待测特征的形状识别和尺寸测量;然后，研究了大型复杂结构件的图像采集技术，通过分析大型复杂结构件图像采集的影响因素，提出利用动态规划算法按照最短路径原则求解大型复杂结构件图像采集的最优路径，通过移动图像采集设备的位置，完成对所有待测特征的图像采集;最后，阐述了大型复杂结构件视觉检测系统的运行原理，构建了系统的总体架构，设计和开发了该视觉检测系统原型，并以某企业生产的叉车门架为研究对象，对其质量进行了检测，验证了本文方法的有效性。
　　研究基于机器视觉的大型复杂结构件在线质量检测技术及系统，对解决机器视觉在大型复杂结构件质量检测应用上存在的实际问题，推动企业生产过程的自动化和智能化具有重要的意义。

目录

声明

致谢

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 课题的国内外研究现状

1．3 课题的来源和研究的主要内容

1．4 论文的组织结构

1．5 本章小结

第二章 大型复杂结构件视觉检测的图像去噪技术研究

2．1 引言

2．2 大型复杂结构件视觉检测环境分析

2．3．1 空域滤波

2．3．2 频域滤波

2．4 大型复杂结构件视觉检测的图像噪声分析

2．4．1 图像噪声的分类及特点

2．4．2 图像噪声的估计

2．4．3 环境对图像噪声的影响

2．5 基于高斯和椒盐的混合去噪算法

2．5．1 混合去噪算法模型

2．5．2 实验结果与分析

2．6 本章小结

第三章 基于机器视觉的大型复杂结构件质量检测处理技术研究

3．1 引言

3．2 视场环境的标定技术

3．2．1 相机标定的基本知识

3．2．2 相机标定方法

3．3 图像边缘检测技术

3．3．1 图像特征的分类

3．3．2 边缘检测算法概述

3．3．3 边缘检测算法效果比较

3．4 基于Canny边缘检测的特征形状识别

3．4．1 标准模板创建

3．4．2 基于边缘的模板匹配

3．5 基于外接矩形拟合的特征尺寸测量

3．5．1 边缘轮廓的外接矩形拟合

3．5．2 尺寸测量

3．6 本章小结

第四章 基于动态规划的大型复杂结构件图像采集技术研究

4．1 引言

4．2 大型复杂结构件图像采集影响因素

4．2．1 相机的视场范围限制

4．2．2 相机固定装置的限制

4．2．3 大型复杂结构件的产品特征

4．3 大型复杂结构件图像采集路径规划问题分析

4．4 路径规划算法概述

4．4．1 图的基本知识和存储方式

4．4．2 Dijkstra算法

4．4．3 A*算法

4．4．4 动态规划算法

4．5 基于动态规划的图像采集路径规划方法

4．5．1 大型复杂结构件的特征网络模型构建

4．5．2 特征检测的图像采集路径规划

4．6 本章小结

第五章 大型复杂结构件视觉检测系统实现

5．1 引言

5．2 系统运行原理

5．3 系统的总体结构

5．3．1 系统的硬件选择

5．3．2 系统的软件介绍

5．4 系统软件实现

5．4．1 路径规划

5．4．2 信息配置

5．4．3 视觉检测

5．5 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况