复杂结构件几何参数测量方法研究

摘要

机器视觉是现在国内外学者的一个研究热点，它是一个综合性比较强的方向，其很多应用和机器学习、深度学习交叉。其中比较重要的应用有虚拟现实、模式识别等。另外一个方面也是机器视觉的热点方向，就是检测和测量。
　　机器视觉检测技术是通过摄像机获取被测目标的二维图像，然后通过图像处理软件提取图像中的感兴趣区域并加以分析识别，最终得到检测结果。机器视觉由于其检测速度比较快兼顾高精度和非接触性，在测量方面正在变得越来越不可或缺。机器视觉检测已经广泛的应用于电子、机械、汽车、农林、纺织等生产实践中，正成为现代各行各业中的一种重要的检测手段。
　　本文基于某汽车前车架三角控制臂样品进行了检测，目的是检测车架上各个安装孔的直径和他们之间的中心距。检测系统硬件是获得高质量图片的保证，本文简要介绍了检测系统硬件的特征参数和选用原则。简单介绍了图像的噪声来源和特点，并论述噪声抑制方法。论述了在边缘提取中常用的一阶微分边缘检测算子、二阶微分边缘检测算子和Canny边缘检测算子，并应用了最大类间方差方法自动获得Canny算法阈值，并对比了实验结果。尝试使用全景拼接的方法测量工件尺寸，结果受到景深和拼接效果的影响比较大。重点研究了本文中所检测工件前车架三角控制臂的主要几何结构圆孔的几何参数拟合方法。阐述了使用Hough变换方法进行定位，并用最小二乘方法和距离直和最小方法拟合圆参数方法。提出采用边缘跟踪的方法优化图像的边缘从而优化圆孔的几何参数。对比了经过边缘跟踪和未经边缘跟踪的参数的拟合结果。

目录

声明

摘要

1 引言

1．1 课题的背景及研究意义

1．2 计算机视觉与机器视觉

1．3 基于机器视觉检测发展状况和发展趋势

1．3．1 机器视觉检测的发展状况

1．3．2 机器视觉的发展趋势

1．4 本论文结构安排

2 计算机视觉测量基础及实验平台

2．1 针孔成像模型

2．2 实验平台

3 图像去噪方法和边缘提取方法

3．1 图像去噪

3．1．1 图像噪声

3．1．2 图像滤波

3．2 边缘检测

3．2．1 Roberts算子

3．2．2 Sobel算子

3．2．3 Prewitt算子

3．2．4 Kirsch算子

3．2．5 LoG算子

3．3．1 Canny算子

3．3．2 Canny算子存在不足

3．3．3 改进的Canny算子

3．4 算法对比

4 全景图像拼接

4．1 图像配准

4．1．1 基于区域的图像配准方法

4．1．2 基于特征的配准方法

4．1．3 图像配准结果分析

4．1．4 k-d树加速特征点匹配

4．1．5 RANSAC寻找图像之间的变换关系

4．1．6 通过概率方法验证图像之间的匹配关系

4．2 捆绑调整

4．2．3 L-M算法实现捆绑调整

4．3 图像融合方法

4．4 全景图像拼接结果

5 工件尺寸检测

5．1 霍夫变换

5．1．1 霍夫变换直线识别算法

5．1．2 霍夫变换圆识别算法

5．2 边缘跟踪

5．3 圆参数检测

5．3．1 最小二乘法检测圆

5．3．2 距离之和最小方法检测圆

5．3．3 最小二乘检测椭圆方法

5．3．4 拟合结果对比

5．4 测量数据及分析

5．4．1 圆直径测量结果对比

5．4．2 圆之间中心距测量结果

6 总结和展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢