工件外形参数的视觉测量方法研究

摘要

工件的检测识别以及参数的测量，一直以来都是一个很活跃的话题。就参数测量而言，传统的人工测量技术已经不能满足当前的高速发展需求，而视觉测量是当前机器视觉领域的一个研究热点。相对于传统的测量方法，利用机器视觉技术进行图像识别与参数测量有很多的优点。一方面可以提高检测效率与测量精度；另一方面由于机器视觉设备可以稳定的长时间工作，从而能节省大量的人工成本。　　本文以一些具有简单几何外形的工件为研究对象，采用一系列图像处理手段来实现对工件外形参数的测量。主要从以下两个方面来展开研究：其一是对不同类型的工件进行图像识别，其二是测量其外形参数。关于工件图像的识别，使用一种简单方便，且可靠的基于区域属性特征的判别方法。首先是对图像进行预处理，然后是使用Otsu算法分割图像，接着是检测工件图像的边缘，对二值图像取反以及填充孔洞，最后是根据所提取的连通区域属性来判别工件类型。　　工件外形参数的测量主要分为以下几个步骤。使用霍夫变换法检测直线；跟踪图像边缘；对工件边缘进行分段；使用最小二乘法拟合直线和圆；结合相机标定结果计算工件实际尺寸。工件边缘的分段首先是确定各段之间的分界点，然后是以分界点为界限使用基于距离最小原则的方法对边缘点分组。其中对于边界点的确定提出了两种有效的方法，一种是根据直线排序之后，相邻直线之间的交点来确定；另外一种是按照一定的搜索规则直接确定。为了提高拟合精度，在最小二乘拟合直线之前对数据点进行了优化，具体是使用双点移除法来循环去除原始点集中正负误差最大的点，直至剩余点数目达到最初设置的数据点预留比例。　　经过实验验证，识别算法能够快速且准确的判别工件的类型，其识别正确率稳定在99.2%以上；同时测量算法能够精确的测量工件的外形参数，测量结果也基本满足精度要求，其平均绝对误差基本稳定在0.05mm范围之内，因重复性测量引入的测量不确定度分量小于0.01mm；其次测量速度也基本接近实时。实验结果表明课题所设计的算法是一种高效且可靠的算法。

目录

声明

第1章 绪论

1.1 论文背景与研究意义

1.2 研究现状

1.2.1 国内研究现状

1.2.2 国外研究现状

1.3 本文研究内容与结构安排

1.3.1 本文研究内容

1.3.2 本文结构安排

第2章 相关图像处理技术介绍

2.1 图像获取

2.2 相机标定

2.2.1 相机标定基本概念

2.2.2 相机标定坐标系及其转换

2.3 灰度化处理

2.4 阈值分割

2.4.1 基本概念

2.4.2 分类

2.5 边缘检测

2.6 边缘跟踪

2.7 霍夫变换

2.8 最小二乘法

2.9 小结

第3章 工件的识别

3.1 实验系统平台

3.1.1 硬件系统

3.1.2 软件环境

3.2 工件图像预处理

3.2.1 工件图像灰度化

3.2.2 工件图像滤波去噪

3.2.3 工件图像二值化处理

3.2.4 工件图像取反

3.2.5 工件图像孔洞填充

3.3 工件图像边缘检测

3.4 工件的特征提取以及识别

3.4.1 二值图像连通区域标记

3.4.2 特征提取以及分类识别

3.5 识别结果分析

3.6 小结

第4章 工件外形参数的测量

4.1 相机标定

4.1.1 标定过程

4.1.2 标定结果

4.2 霍夫变换检测直线

4.2.1 检测原理

4.2.2 检测结果

4.3 工件边缘的分段

4.3.1 边缘跟踪

4.3.2 边缘点分组

4.4 最小二乘拟合

4.4.1 最小二乘拟合直线

4.4.2 最小二乘拟合圆

4.5 外形参数计算

4.6 小结

第5章 实验结果与结论

5.1 实验结果

5.2 实验结论

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

致 谢