基于机器视觉的砂轮形位公差的在位检测研究

摘要

传统的砂轮检测流程是：工人拆卸砂轮、将其转移到检测平台检测、重新安装砂轮、继续工作，拆卸易对砂轮造成磨损，重新安装会产生新的误差，同时拆卸安装也会增加生产检测成本和时间消耗。针对上述问题，提出了一种基于机器视觉的砂轮在位检测方法，采用OPC接口技术控制机床在位调整砂轮对准，解决拆卸安装操作引入磨损和误差；采用机器视觉代替人眼判断检测时间，解决人眼疲劳导致的判断失误；对砂轮图像进行处理，得到形位公差检测结果。以上优势打破了传统砂轮检测的局限性，提高检测精度和简化检测流程，最终实现砂轮形位公差的在位检测。主要研究内容如下：　　1．砂轮对准与形位公差检测方法研究。通过分析待测砂轮结构特点和检测要求，建立了砂轮对准的数学模型，形成了调整砂轮对准偏移量的计算方法，为控制机床对砂轮进行位置调节提供参数的来源；建立了砂轮形位公差的数学模型，形成了砂轮加工面的对称度、切面宽度、磨损高度的计算方法，为砂轮形位公差检测打下理论基础。　　2．砂轮检测关键算法的研究。进行图像滤波、锐化及二值化算法进行研究对比，选择最佳砂轮预处理算法；对像素级与亚像素级边缘检测进行研究对比，采用Canny像素级边缘检测进行图像边缘的初定位，基于Zernike矩的亚像素边缘检测对图像进行精确边缘定位，两者相结合实现更高精度的边缘检测。　　3．实验平台搭建。根据待测砂轮特点和检测精度要求，选择性能参数满足条件的相机和光源，设计合适的照明系统；根据砂轮检测流程，设计人机交互界面，实时监控砂轮状态和检测结果。完成软硬件集成，实现砂轮控制、图像采集、图像处理一体化。　　4．相机标定的技术。基于相机成像模型、世界坐标到像素坐标的转换原理，计算得出相机的内参和外参，利用标定参数对图像进行畸变矫正。　　5．实验与数据分析。利用实验平台进行砂轮形位公差检测，对实验数据分析处理，该实验结果验证了系统方案设计的可行性，测量精度满足系统精度要求，实现了基于机器视觉的砂轮形位公差的在位检测功能。分析误差来源，提出相应的改进方法，为完成系统优化作铺垫。

目录

声明

1 绪论

1.1 课题背景及意义

1.2 常用的间接检测方法

⑴声发射法

⑵激光功率谱法

⑶光电自动测量法

1.3 砂轮检测与机器视觉的国内外研究现状

1.4 主要研究工作

1.4.1 研究的主要内容

1.4.2 论文结构

2 砂轮对准与形位公差检测方法的研究

2.1 系统总体方案设计

2.2 砂轮对准方法的研究

2.3 砂轮形位公差方法的研究

2.4 基于OPC的数据交互的设计

2.4.1 OPC接口技术

2.4.2 砂轮数据交互设计

2.5 本章小结

3 砂轮检测中图像处理关键算法研究

3.1 图像灰度处理算法研究

3.2 图像滤波算法的研究

3.2.1 中值滤波

3.2.2 均值滤波

3.2.3 高斯滤波

3.3 图像锐化增强算法研究

3.4 图像二值化算法研究

3.5 图像边缘检测算法研究

3.5.1 常用的像素级边缘检测算子

3.5.2 基于矩方法的亚像素边缘检测

3.6 利用曲线拟合对边缘轮廓处理

3.7 本章小结

4 系统实验平台设计

4.1 系统硬件模块设计

4.1.1 光源选择及照明设计

4.1.2 摄像机选型

4.1.3 镜头的选择

4.1.4 图像采集的硬件集成

4.2 软件环境设计

4.2.1 系统所用软件介绍

4.2.2 系统应用软件界面设计

4.3 本章小结

5 实验与数据分析

5.1 摄像机标定

5.1.1 摄像机标定原理

5.1.2 相机标定实验

5.2 砂轮形位公差测量结果及数据分析

5.2.1 尺寸测量结果

5.2.2 影响测量精度的因素

5.3 本章小结

6 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

个人简历、在校期间发表的学术论文及取得的研究成果