基于机器视觉的零件圆形特征尺寸测量系统设计

针对零件尺寸传统测量方法存在测量效率低、测量结果易受人为因素干扰等问题,设计一种基于机器视觉的零件圆形特征尺寸测量系统。该系统在Visual Studio 2017环境下通过C#中Winform窗体设计模块设计测量系统的人机交互界面并联合视觉算法库Halcon,利用C#调用Halcon中相关视觉算法完成对待测零件圆形特征部分圆心、半径的测量。经实验验证,该系统测量精度高、效率快,能够实现对零件圆形特征的测量。     

机械零件二维几何尺寸和形状检测系统研究与开发

针对传统接触式尺寸测量方法的缺点,探讨利用单目视觉测量系统对被测工件进行尺寸测量,为产品的尺寸测量提供实时、快速、有效、经济的测量途径.首先,视觉系统获取零件图像,并对图像进行滤波处理;然后,提出采用Canny六阈值法进行边缘提取,得到完整的边缘图像;最终,利用最小二乘法拟合出机械零件的边缘形状,并通过计算获得零件的几何尺寸.实验表明该系统所得到的零件边缘图像清晰,多个几何尺寸的测量精度符合要求.与传统测量方法相比提高了检测零件的效率和精度,大大扩展了测量范围,从而充分体现了机器视觉测量的优点.     

基于机器视觉的圆形零件尺寸参数测量

针对圆形零件尺寸传统测量方法存在测量效率低、一致性差及同心度参数不易测量的问题,设计一种基于机器视觉的圆形零件特征参数测量系统.采用阈值分割法对灰度图像进行阈值分割以提取特征目标,利用数学形态学方法对二值图像进行腐蚀、膨胀操作,避免纤细、重叠的噪声干扰;通过最小二乘法对内、外圆弧轮廓点进行拟合,得到圆心和半径参数,通过...     

基于机器视觉的管孔类零件尺寸测量方法

管孔零件尺寸测量,是当前加工和装配中的一个难点.基于机器视觉的管孔零件尺寸自动测量系统,可以从根本上解决人工测量效率低、精度低的问题,而且还能对这些指标进行定量描述,对缺陷的形态、类型进行鉴别和统计,具有人工检测所无法比拟的优越性.应用机器视觉原理,设计了一套管孔类零件尺寸自动测量方法,先通过图像摄取装置把图像抓取到,然后将该图像传送至处理单元加以处理,包括图像滤波、图像边缘检测、图像分割和特征测量,最后将上述功能进行整合,搭建了管孔零件尺寸自动测量系统.     

大尺寸机械零件的机器视觉高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究了基于序列局部图像尺寸特征的测量方法,提出了基于纹理特征的序列局部图像校准技术以解决测量过程中相面旋转引起的局部图像尺寸方向变动问题;提出了图像边缘补偿测量技术以消除实际边缘不能精确定位而对测量精度的影响;论述了基于序列局部图像尺寸特征测量方法的算法实现过程。实验表明,对大尺寸零件应用序列图像测量法进行测量,其相对测量误差在0.012%以内,基本满足机械零件二维尺寸精密自动化测量要求。     

大尺寸机械零件的机器视觉高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究了基于序列局部图像尺寸特征的测量方法,提出了基于纹理特征的序列局部图像校准技术以解决测量过程中相面旋转引起的局部图像尺寸方向变动问题;提出了图像边缘补偿测量技术以消除实际边缘不能精确定位而对测量精度的影响;论述了基于序列局部图像尺寸特征测量方法的算法实现过程。实验表明,对大尺寸零件应用序列图像测量法进行测量,其相对测量误差在0.012%以内,基本满足机械零件二维尺寸精密自动化测量要求。     

基于RANSAC算法的圆形轮廓精密测量研究

针对当前机器视觉的尺寸测量技术仍存在测量精度不足、难以满足精密测量需求等问题,设计了一套基于RANSAC算法的圆形轮廓高精度测量系统。首先对图片进行高斯滤波及阈值分割,完成边缘提取;然后使用基于RANSAC算法的最小二乘法进行直线和椭圆拟合,从而通过像素当量标定实现圆形轮廓的尺寸测量。实验表明,该系统能满足0.006 mm级别精度的工件测量,相对于传统算法,测量精度有显著提高。     

基于机器视觉的铆接孔几何参数测量

为解决传统方法测量铆接孔几何参数效率低、准确性差等问题,提出基于机器视觉的铆接孔几何参数测量方法。该方法使用CCD相机采集孔的特征信息,通过灰度处理、双边滤波及直方图均衡化,降低颜色、噪声对图像的影响,使用粒子群算法优化Otsu双阈值分割提取感兴趣区域。使用Zernike矩亚像素边缘检测代替传统边缘检测算法,提高边缘检测精度,再通过形态学处理弥补像素损失。采用改进随机Hough变换(Improved Randomized Hough Transform, IRHT)提取特征,实现孔的中心坐标和半径测量,利用像素当量标定,将像素测量值转化为物理尺寸。经实验验证,该方法测量两孔间距误差小于2%,测量半径为2mm的铆接孔误差小于4%,优于质心法、圆拟合等传统测量方法。     

基于序列局部图像的高精度测量

研究了基于序列局部图像的视觉测量方法.分析了机械零件图像边缘的过渡分布特征,提出用边缘像素补偿法来消除实际边缘不能精确定位对测量精度的影响.以直线边缘距离测量为原型,提出了基于序列局部图像尺寸特征的测量方法:对零件进行微小区域成像,生成在空间上连续的序列局部图像;应用相关系数法和双线性插值法获得相邻序列图像的亚像素级尺寸特征线,从而得到各局部图像的尺寸特征;对这些尺寸进行求和与补偿,得到零件的总体尺寸.实验结果表明,对常规尺寸零件的单幅图像运用边缘像素补偿法,相对测量误差在0.008%以内;对大尺寸零件应用序列图像测量法,相对测量误差在0.01%以内,并具有误差积累小的优点.本文算法可基本满足板类零件的精密自动化测量要求.     

基于序列局部图像的尺寸高精度测量方法

为实现大尺寸机械零件的高精度视觉测量,研究基于序列局部图像的视觉测量方法。首先分析机械零件图像边缘的过渡分布特征,提出边缘像素补偿法,消除实际边缘不能精确定位对测量精度的影响。然后以直线边缘距离测量为原型,提出基于序列局部图像尺寸特征的测量方法：对零件进行微小区域成像,生成在空间上连续的序列局部图像;应用相关系数法和双线性插值法获得相邻序列图像的亚像素级尺寸特征线,从而得到各局部图像的尺寸特征;对这些尺寸进行求和与补偿,得到零件的总体尺寸。实验表明,对常规尺寸零件的单幅图像运用边缘像素补偿法,相对测量误差在0.008%以内;对大尺寸零件应用序列图像测量法,相对测量误差在0.01%以内,具有误差积累小的优点,可用于机械零件的精密自动化测量。