基于机器视觉的手机电池尺寸检测研究

摘要

随着机器视觉技术的发展，机器视觉已被广泛应用于工业产品的尺寸测量、产品的分选、焊接和深度估计等应用中。机器视觉技术的应用能够有效提高操作人员的工作效率和参数测量的准确性。
　　本文利用机器视觉技术，设计和开发出一款手机电池尺寸检测系统。该检测系统包括锂电池工作台运动控制模块、电池图像采集模块和图像处理模块。本文首先介绍了运动控制模块的组成和系统运动控制工作原理，分析了运动控制器与驱动器和其他接入设备之间的信号传输以及用于测量锂电池尺寸的机械结构，并实现了运动控制软件的设计。其次详细阐述了检测系统中的图像采集模块的构成和工作机理，在图像采集模块中对相机的工作模型，图像采集方式进行了深入分析，在图像处理模块中详细分析了电池尺寸特征提取算法，并研究了电池尺寸图像的处理方法。最后，通过对系统实验测试，给出了电池尺寸的实验结果和测量精度分析。
　　本文中的锂电池长宽尺寸和厚度图像获取分别采用一部工业相机和一部3D相机来实现，系统涉及的主要技术包括相机的标定方法、相机镜头径向畸变的处理、数字图像的边缘特征提取算法。通过系统实际测试锂电池尺寸与标准锂电池的尺寸的比较，电池尺寸测量的误差在0.04ram以内，能够满足手机锂电池测量精度需求，测量的工作效率和精度比传统的手工方法测量方法有了显著的提高。

目录

声明

摘要

1 绪论

1．1 选题的背景及意义

1．2 国内外研究现状

1．2．1 机器视觉的发展与现状

1．2．2 机器视觉的发展趋势

1．2．3 机器视觉的应用

1．3 本文的主要研究内容

2 电池测量系统硬件构成与实现

2．1 电池测量系统的总体结构

2．2 电池测量系统的工作流程

2．3 电池测量系统的主要硬件构成

2．3．1 电池检测平台运动控制卡

2．3．2 图像采集卡

2．3．3 图像获取用相机

2．3．4 相机镜头

2．3．5 光源

2．4 运动控制部分软件开发

2．4．1 程序开发步骤

2．4．2 控制器配置

2．3 运动控制界面

2．5 本章小结

3 相机标定原理及方法

3．1 普通相机的标定原理

3．1．1 针孔模型

3．1．2 相机的内参模型

3．1．3 相机的外参模型

3．1．4 径向畸变

3．2 常用的标定方法

3．2．1 Tsai摄像机标定方法

3．2．2 张正友标定方法

3．3 二维标定

3．4 本章小结

4 3D相机标定及测量原理

4．1 三维视觉系统结构

4．2 3D相机的标定原理

4．3 3D相机部分结构

4．4 3D测量的工作原理

4．5 3D相机的理论模型

4．5 本章小结

5 锂电池的图像特征提取

5．1 图像边缘

5．2 拉普拉斯算子边缘检测

5．3 平滑滤波器

5．4 梯度边缘检测

5．4．1 梯度

5．4．2 边缘检测算子

5．4．3 Canny准则

5．5 长宽计算

5．6 本章小结

6 实验及数据分析

6．1 测量系统界面

6．2 实验数据

6．3 实验数据分析

7 总结

参考文献

致谢