形状尺寸自动检测系统的设计

综合运用机器视觉技术和数控技术设计了一套能实现多种形状尺寸自动检测的系统。该系统使用步进电机驱动二维数控平台,采用CCD摄像头和光栅分段采集被测零件的轮廓图像和坐标,运用轮廓自动跟踪算法实现零件完整轮廓坐标数据的自动获取,利用形状尺寸检测软件实现零件直线度、圆度、平行度、垂直度等的检测。实验结果表明所设计的形状尺寸自动检测系统自动化程度较高,检测精度可达微米级。     

基于Radon变换的图像角点角度提取算法

针对现有角点检测算法只提取图像角点位置而无法提取角点角度的缺陷,本文在SUSAN角点检测算法的基础上,提出基于Radon变换的图像角点角度提取算法.该算法首先利用SUSAN算子检测候选角点,然后得到候选角点子邻域图像,对其进行角点角度可测量性判定,对满足可测量性的角点子邻域图像中每个像素点进行梯度映射后,利用Radon变换提取角点边缘直线,最后利用坐标几何关系提取角度.并针对Radon变换无法检测直线起始点导致角点角度提取时存在二值歧义性的缺陷,本文借鉴USAN思想,把同值核引入到角度提取中,从而实现了对角度的正确提取.该算法实现简单,实验结果证明了其有效性.     

线切割加工软件中的图像矢量化辅助系统

介绍了在线切割加工(WEDM)软件中利用数字图像技术对图像轮廓进行提取并矢量化为直线或圆弧的方法。系统的输入包括实物扫描得到的图像、美术画、美术字等各种图案。通过二值化、噪声滤除、边缘检测处理,形成离散点集轮廓,再对离散点进行直线或者圆弧拟合,轮廓最终被矢量化为加工轮廓。可以对照初始图像修改矢量化后的结果,直到矢量图形吻合图像轮廓为止。此方法的应用大大扩展了线切割辅助软件的零件设计功能,提高了设计效率。     

机械零件台阶位置的视觉检测

提出了一种采用视觉检测技术测量机械零件台阶位置尺寸的非接触测量方法,线结构光以一定角度入射于零件表面上,在零件表面台阶位置处产生一段细小的折线光束,CCD摄像机采集光束图形,经过中值滤波、边缘检测等预处理操作后,提取折线光束的轮廓,然后分别对上下轮廓线用最小二乘法进行直线拟合和多次迭代计算,得到折线拐点两侧的直线方程,两直线的交点,即为零件表面的台阶位置。与接触式测量相比,精度满足的同时,可靠性高,重复性好,测量速度快,成本低,可实现对机械零件台阶位置的在线实时检测。     

基于点云的高精度螺纹锥度测量方法

为控制检测成本降低螺纹检测过程中对夹具及环境要求,该文在确保检测精度的前提下提出使用非接触式结构光点云对螺纹锥度的高精度测量方法.首先提出局部螺纹点云摆正方法并应用平面分割提取点云轮廓线,接下来在对不同角度获取的螺纹点云分类讨论聚类方法的同时建立轮廓点类别与锥度拟合点之间的数学模型,最终总结并分析螺纹锥度的测量精度并将...     

基于改进SUSAN算法的卡钳排气螺钉参数辨识

为对汽车卡钳排气螺钉的微小螺纹尺寸实现高精度在线检测,提出一种基于改进SUSAN算法的卡钳排气螺钉参数辨识方法。首先,对经过兴趣域提取的螺纹图像进行二值化及边缘保持滤波处理,减小光线、噪声等对图像的干扰;SUSAN算法是采用一个近似圆形的模板在图像上移动,寻找出模板内部每个图像像素点的灰度值与模板中心像素的灰度值相同或相似的区域,再根据区域大小判断出角点位置,运用Forstner算子可进一步获得准确的角点坐标,从而计算出M10螺纹大径、中径、小径、螺距及牙型角等几何参数;利用该算法设计一套基于机器视觉螺纹检测系统,并利用万工显与该方法进行比对实验。实验结果表明:该方法的螺距、大径、中径、小径的测量精度为0.01 mm,牙型角精度为8′,均满足螺纹紧固件的测量精度要求,且比传统算法精度高。     

基于Halcon的弹芯尺寸精密检测算法研究

针对弹芯尺寸传统人工方式检测难、精度低等问题,提出了一种基于机器视觉的亚像素级尺寸检测算法.该算法以性能优越的机器视觉软件Halcon为开发平台,利用亚像素级阈值分割提取出边缘轮廓,然后选定各检测参数的感兴趣区域(Region of Interest,ROI)并进行特征提取,最后利用最小二乘法及Tukey权重函数对轮廓进行亚像素边缘拟合,根据返回的拟合轮廓的相关参数即可计算出弹芯尺寸.实验结果表明:该算法将尺寸误差控制在0.01mm以内,能够达到亚像素级的检测精度,并实现在线检测.     

基于改进ArUco标签的位姿估计方法

针对使用ArUco标签在远距离测量时精度不高的问题,提出改进ArUco标签的位姿估计方法。该方法在ArUco标签的基础上设计了阵列特征圆环,提取圆环的中心点并对其进行排序,根据交比不变特性判断出圆心检测的准确性;利用加权最小二乘法建立ArUco标签角点与阵列圆环圆心之间的直线拟合关系,实现角点修正;采用EPnP算法解算出改进ArUco标签的位姿参数,并利用LM算法对位姿进行优化,提高位姿测量精度。设计了机械臂视觉定位系统验证所提出方法的可行性和有效性。实验结果表明,此改进方法在2.5～4 m范围内测量的最大平移误差为8.72 mm,最大旋转误差为1.78°。所提出的方法在4 m处纵向距离测量的相对误差降低0.69%,提高了测量精度。     

改进的直线拟合线阵CCD图像边缘检测方法

为了检测经过光学系统成像所得图像的边缘,在直线拟合方法的基础上提出了一种新的边缘检测方法。该方法综合考虑边缘过渡区间所有点的信息,利用直线拟合方法求出一组可能的边缘值,再选择它们的中值作为最终的边缘值。基于该方法的采集系统由线阵 CCD 采集边缘的灰度图像,使用单片机来处理数据,并计算出边缘的位置。实验结果表明,这种改进方法的重复性误差为 0.89 个像素,而且能够在 0.039s 内完成一次边缘检测计算。     

基于虚拟仿真的龙门机器人板材智能分拣系统及方法

在木门加工生产线上,针对龙门机器人对不同尺寸板材分拣的需求,本文提出了一种基于虚拟仿真的龙门机器人板材智能分拣实验系统。该系统基于Unity3D软件平台开发,搭建了龙门机器人分拣任务虚拟仿真场景,并在虚拟仿真实验场景中完成了虚拟数据集采集、相机标定以及手眼标定。针对不同尺寸的板材分拣任务,本文提出了基于板材的矩形角点势自适应识别的智能分拣算法,首先利用目标检测模型在局部区域内对板材进行角点检测,由双目成像原理恢复出的角点三维坐标计算板材尺寸和目标板材的抓取位姿,以此完成木门的分拣。该方法在相机采集图像过程中出现板材被遮挡的情况以及在板材复杂纹理和复杂背景的情况中更为鲁棒。此外,该方法完全在虚拟仿真环境下进行开发测试,不仅节约成本、安全高效而且方便进行多种测试方案的改变,对于向真实场景进行算法迁移和开发具有积极作用。实验结果表明,本文提出的方法可以完成龙门机器人板材智能分拣任务,对设计木工家具制造过程中龙门机器人智能分拣系统具有指导意义。     

基于分段与识别技术的平面轮廓的精确重构

解决了由直线和圆弧构成的平面轮廓精确重构问题,满足轮廓各段之间位置连续以及相切条件.在正确识别角点、切点等特征点的基础上,提出了约束最小二乘算法,可精确求解带边界约束圆弧的重构问题.将圆弧边界约束条件分为5种类型:单点约束、双点约束、单切矢约束、单点单切矢约束和双切矢约束.针对每种类型给出了具体的计算公式.详细描述了轮廓精确重构的算法流程,可实现在全局误差控制下的精确重构,最后给出了运行实例,验证了算法的有效性.     

基于目标轮廓的附着物定位与剔除方法

工业现场清洁过的微型工件表面仍会有少量灰尘、发屑等附着物存在,在微型工件的视觉检测系统中会因其改变提取的目标轮廓而影响检测结果.为此,以灰尘与工件存在较小差异的任意位置和形状的一类附着物为考察对象,以区域生长提取的目标轮廓为先验背景,研究附着物定位与剔除算法.首先,荻取沾染附着物的工件图像,采用基于区域的分割算法做处理,以建立工件轮廓的先验知识;其次,从曲率角度定位附着物轮廓角点,以此剔除附着物轮廓;最后,根据先验知识自动修复断开的外轮廓.实验结果显示,加入附着物去除与修复算法后测量精度没有降低,测量结果误差6 μm以内,图像边缘的定位准确度能够给予保证.表明所研究的附着物定位与剔除方法使检测系统在允许微小附着物存在并且不影响测量精度的情况下,实现了目标轮廓的正确判别,提高了视觉检测系统的可靠性.     

用HOUGH变换改进的曲率法识别平面轮廓图元

针对检测精度与检测速度两大指标,提出了用HOUGH变换改进的曲率法平面轮廓图元识别方法。开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选轮廓点、投影高度法判别图元属性及分类轮廓点,构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法。对提出的方法分别进行了特征点检测精度与检测速度对比实验和特征点检测能力测试实验。实验结果表明,提出的方法图元识别准确、检测速度快、通用性好。     

一种基于机器视觉的平面加工机床控制系统的设计

针对服装、包装等加工行业中须将人工测量的纸质图纸或模型样件的尺寸信息录入计算机并转换成电子加工图纸而导致的加工周期长、生产效率低的问题,提出了一种基于机器视觉的平面加工机床控制系统,以实现对纸质图纸或模型样件的快速检测。采用“ARM+DSP”方式搭建了主从式运动控制系统,设计了系统各部分功能模块。构建了“工控机+工业CCD （charge coupled device,电荷耦合器件）相机+光源控制”的视觉检测系统,结合FAWS（feature adaptive wavelet shrinkage, 自适应特征的小波收缩）算法和麻雀搜索算法提出一种改进的FAWS算法进行图像降噪,并采用Canny算法进行图像边缘检测,实现图像轮廓的准确提取。设计了图像轮廓提取、轮廓数据转换为加工数据、数据通信等处理程序,实现了基于机器视觉的快速检测以及在系统加工过程中的人机交互。最后,对系统进行了实验测试,对实际加工效果进行了评价。结果表明,采用所研制的平面加工机床控制系统不仅能显著提高生产效率,而且能减小图像轮廓的误差。其性能稳定可靠,具有一定的工程实用价值。     

基于机器视觉的VVT发动机转子缺陷检测系统设计

针对目前工业生产线上的VVT（variable valve timing,可变气门正时）发动机转子存在尺寸误差和外观缺陷等问题,大多数工厂采用人工方式来测量尺寸和检测缺陷,但人工测量和检测的精度易受外部环境和主观意识的影响,从而产生过检和漏检。为此,设计了一种基于机器视觉的VVT发动机转子缺陷检测系统。首先,针对VVT发动机转子凸台外边缘磕碰点对外径测量的干扰,提出一种基于梯度特征和位置序列的磕碰点检测算法,先通过分析轮廓点的距离-位置序列、梯度-位置序列曲线来筛选并去除凸台外边缘的磕碰点,再采用最小二乘法对筛选后的轮廓点进行圆弧拟合以实现外径测量。然后,针对VVT发动机转子端面上的划痕、划伤等缺陷,提出一种基于改进HOG（histogram of oriented gradient,方向梯度直方图）特征的SVM（support vector machines,支持向量机）分类算法,先采用连通域分析方法得到待检测的目标区域,再提取目标区域的改进HOG特征,并利用SVM进行分类,以实现端面缺陷的检测。实验结果表明,所设计的缺陷检测系统在测量VVT发动机转子外径时的绝对精度可达到0.01 mm,且能够准确地筛选出凸台外边缘的磕碰点;因改进的HOG特征优于传统的HOG特征,所设计的缺陷检测系统在检测转子端面缺陷时具有较低的过检率和漏检率。综上可知,基于机器视觉的VVT发动机转子缺陷检测系统可实现外径的精确测量和外观缺陷的有效检测,基本满足工业检测要求,具有较高的实用价值。     

基于三维点云螺纹中轴线的拟合方法研究

螺纹中轴线的精确测定是决定螺纹三维测量结果是否准确的重要因素之一。中轴线的倾斜、偏移会对工件坐标系的建立、螺纹的三维重构、参数检验等测量操作引入误差。基于三维点云的最小二乘拟合算法,开展了螺纹中轴线的拟合方法研究。根据螺纹表面点云数据,利用螺纹表面与中轴线的特征关系建立最小二乘数学模型,通过计算点云数据的三维凸包滤除螺纹自身三维结构带来的拟合误差,使螺纹中轴线的测定更精准。通过仿真实验,基于三维点云的最小二乘拟合算法拟合的直线与三维点云的距离方差为0.34,在旋合长度范围内与投影法确定的直线两端最大距离为0.15μm,符合三维测量高精度标准,基于三维点云的最小二乘拟合算法可以快速、准确地拟合螺纹中轴线。     

直管段包装过程中的视觉计数系统设计

目的提出一种基于视觉图像处理的直管段端面圆边缘检测算法与装置,用于直管段精确计数,以提高计数精度和包装效率。方法使用CCD采集直管段端面图像,在Matlab软件中编写检测算法,分别通过对像素坐标、阈值大小的调节来增强图像的对比度,完成图像的灰度化、二值化预处理。将霍夫变换与HarrisLaplace算法相结合,并对管段端面进行边缘检测;通过设定管径大小实现端面圆形边缘的识别、显示与计数。结果将直管段放入设计的视觉计数装置中,通过可动挡板使端面对齐后,采用图像处理技术来实现视觉计数,多次测试结果验证了系统的正确性。结论该方法可以用于直管段的自动计数。     

基于机器视觉的注射液针头胶帽缺陷检测

目的 封装检测是保证流水线上产品质量的关键。针对预罐装注射液,提出一种基于机器视觉的注射液针头胶帽缺陷的实用检测算法。方法 算法首先采用以灰度分布概率作为度量标准的直方图双峰法,对图像进行阈值分割;随后依据以特征角点为中心延伸出的4个象限区域进行特征分析,定位胶帽下边沿左、右角点,以计算胶帽高度;将对称轴点集进行分段直线拟合,得到对称轴所有可能的斜率和截距,基于边缘信息计算最优对称轴和胶帽倾斜角。结果 采用多组图像检验算法缺陷检测,实验结果显示检测成功率达到97.86%。结论 该算法能够对针头胶帽的多种缺陷进行检测,对不合格产品进行分类。     

Improved design of threaded connections by autofrettage in aluminium compounds for cyclic high pressure loading: design calculations and experimental verification

Threaded connections in an aluminium valve body under high internal pulsating pressure are investigated. A static straining process called autofrettage leads to an improved fatigue behaviour of the aluminium component, while normally the threaded connections are unloaded during this autofrettage. But by unloading the thread during autofrettage, the first loaded thread flank becomes the weakest point of this valve component. This effect is analysed with nonlinear finite element simulations, the FKM guideline for fatigue assessment and by experimental testing. The analytical and experimental parts match very well. It can be shown that a well‐designed autofrettage without unloading the threaded connection is helpful for the aluminium thread and extends its fatigue lifetime, as residual compressive stresses and an equalized stress distribution over the thread flanks can be achieved. Finally, different materials were chosen for the plug or screw, and this material influence for cyclic loading is shortly analysed.     

一种基于线谱特征函数提取LOFAR图线谱的方法

水声信号被动检测中广泛使用LOFAR图对接收信号进行处理和分析。针对LOFAR图中线谱信号检测问题,根据线谱信号特征设计特征函数,提出频域滑动窗线谱特征累积检测法。该方法在频率轴移动观察窗,用多步决策算法计算每个观察窗的最优解,得到最优路径,如果最优路径特征值大于阈值,则累积LOFAR图像素点被该最优路径经过的次数,次数越多对应点为线谱点的概率越大。仿真研究表明,该方法对频率时变、低信噪比的线谱信号具有良好的检测能力,可实现多根线谱的增强与检测。海试数据处理结果证明了该方法的可行性和稳健性。该算法对于辐射线谱信号的水下目标远距离探测识别有较高的参考价值。