基于机器视觉的微位移检测系统的研究与实现

摘要

微位移技术是精密定位、精密仪器加工制造、精密测量等应用领域中的关键技术之一，在尖端的工业生产领域和科学研究中占有极其重要的地位。随着科技不断进步，微纳米技术迅速兴起，使微位移技术的要求不断提高，继而使与之相对应的微位移检测技术的检测要求也不断增加。现今，微位移的检测方法主要有如下几种，电容式微位移检测、激光干涉微位移检测、激光三角微位移检测和视觉位移检测。视觉位移检测就是测量被测物体时，用摄像机代替视觉器官，把图像作为位移信息的载体，采用机器视觉技术处理被测物体的图像，从中提取特征信息，进而获得被测物体的实际位移。基于机器视觉的位移检测技术，具有平台搭建简易，非接触检测，易于集成和管理，精度高等特点，广泛应用于工程领域。
　　本文以压电陶瓷驱动器的微位移为具体检测对象，对基于机器视觉的微位移检测系统进行研究工作。本文针对压电陶瓷驱动器的特点，设计适合驱动器的微位移检测方案。方案是，以驱动器位移面的直线轮廓边缘为图像特征，对采集的序列图像进行去噪处理后，分割出图像中的压电陶瓷驱动器，对目标特征直线边缘进行检测与定位，通过求取序列图像中的特征直线边缘的图像位移，来实时检测驱动器的实际微位移。在图像去噪方法中，实验对比了均值滤波、中值滤波、高斯滤波、双边滤波针对所得图像中随机噪声的滤除效果，选择其中滤波效果最好的双边滤波作为本文的随机噪声滤波方法。同时，针对反光，提出将最大类间方差法结合截断阈值化应用在驱动器反光抑制中，对多张不同光照下的驱动器序列图像进行实验，实验验证了其可行性，在一定程度上抑制了图像的光照不均匀。在驱动器图像分割中，分别使用灰度阈值分割和边缘检测进行分割驱动器实验，实验发现因为光照、图像本身像素分布等因素的影响，常见几种灰度阈值分割都不能完全正确地分割出微位移图像中的驱动器；边缘检测在光照不理想的情况下容易产生一些严重干扰的“伪”边缘。文中综合使用基本全局阈值分割和Canny边缘检测，提取微位移序列图像中压电陶瓷驱动器的边缘轮廓，使微位移检测系统能够在不同光照条件下进行实时检测。然后，利用Hough直线检测对驱动器位移面的特征边缘进行粗定位，比较选择最小二乘线性拟合法对目标特征边缘直线进行精定位。最后结合实际情况，对最小二乘法直线精定位进行改进，抑制干扰点，提高定位精度。
　　本文首先对摄像机进行标定，然后对序列图像中的驱动器目标特征边缘直线进行定位，实时获取驱动器的图像位移，实现了采用机器视觉技术对压电陶瓷驱动器的微位移进行检测。在像素当量为17.764微米/像素时，边缘直线定位误差达0.3像素，微位移检测结果不确定度可达7.9微米，达到现阶段的设计要求。

目录

声明

第1章 绪论

1.1 课题来源

1.2 课题的背景和意义

1.3 国内外发展现状

1.4 论文主要研究内容

第2章 基于机器视觉的微位移检测方案研究

2.1 基于机器视觉的微位移检测方法选择

2.2 基于特征匹配法的图像特征选择

2.3 基于机器视觉的微位移检测方案设计

2.3 本章小结

第3章 微位移图像去噪与图像分割

3.1 微位移图像随机噪声抑制

3.2 微位移图像驱动器表面反光抑制

3.3 微位移图像灰度阈值分割法

3.4 微位移图像边缘检测

3.5 本章小结

第4章 微位移图像位移面目标特征直线定位

4.1 微位移图像压电陶瓷驱动器边缘轮廓提取

4.2 基于Hough变换的目标特征边缘直线粗定位

4.3 目标特征边缘直线精定位

4.4 最小二乘法目标特征边缘直线精定位的改进

4.5 本章小结

第5章 微位移检测系统的设计与实现

5.1 微位移检测系统平台

5.2 微位移检测系统的软件设计

5.3 微位移检测系统检测结果

5.4 不确定度分析

5.5 本章小结

第6章 总结与展望

6.1 全文工作总结

6.2 工作展望

致谢

参考文献