基于二维小波亚像素图像处理的螺纹尺寸测量

针对传统微分算子图像处理方法的不足,提出一种基于二维小波降噪的亚像素图像处理方法。首先对获取的图像进行灰度值处理,通过二维小波变换消除图像噪声、重构图像、边缘检测,得到螺纹像素级的边缘图像及灰度二维矩阵。然后采用最小二乘算法拟合,得到亚像素级精度图像直线和中心标定位置及矩阵,计算螺纹大、小径尺寸,解决人工测量和传统图像处理算法精度不足的问题。最后,设计螺纹尺寸测量系统,实现尺寸测量的可视化和应用化,满足测量精度要求。     

基于HALCON的双目立体视觉工件尺寸测量

为了实现对大批量生产工件尺寸的精密测量,该文基于双目立体视觉视差原理,设计了一种工件尺寸实时测量系统;系统通过两个工业数字摄像头实时采集工件不同角度的两幅图像,并基于机器视觉软件HALCON的HDevelop开发环境,对两幅图像进行相关预处理,获取感兴趣区域。提出一种基于canny的亚像素边缘检测、边缘细化、基于atukey权重函数的最小二乘法边缘拟合及边缘均匀取点算法获取精确的边缘特征点,并通过双目系统标定、极线约束与NCC相结合的立体匹配、世界坐标转换、几何计算相结合的非接触式双目视觉方法进行尺寸测量。通过大量实验证明,该方法可有效地获取工件特征点的三维坐标值,不借助外部测量仪器实现工件关键尺寸的高精度实时检测,检测精度达±0.2mm以上,简单快捷,具有较好的准确性和实时性。     

基于双目视觉的板材平面测量研究

针对传统人工测量板材尺寸精度较低、工作量大、易导致板材表面受损等局限,基于双目视觉技术设计了一种板材尺寸视觉测量系统。通过双目相机采集棋盘格图像,采用MATLAB进行相机标定和图像校正,拍摄左右图像并通过半全局立体匹配算法(SGM,semi global matching)进行特征点立体匹配,重建出目标三维点云模型。为提高目标特征点坐标获取的准确性,提出基于HARRIS的亚像素检测方法。采用区域生长算法结合膨胀和腐蚀操作提取板材表面轮廓,根据三角测量原理计算出板材轮廓上各点的三维坐标从而实现板材的尺寸测量,并进行点云重建增强三维展示效果。实践结果表明亚像素检测方法在角点提取上存在优势,在实际板材测量应用中实现了高精度尺寸测量,满足了工业测量需求。     

小型连接件尺寸高精度测量研究

提出了一种非接触式的机器视觉尺寸测量方案。首先使用摄像机标定矫正畸变效应,获得摄像机内参数,随后采用双线定位法确定针脚位置,利用基于Zernike矩的亚像素边缘检测算法实现边缘检测和针宽测量。实验分析了该方法在小型连接件尺寸高精度检测中的效果。     

O型金属密封件亚像素尺寸检测方法的研究

针对在现实生产中,硬件受限的O型金属密封件机器视觉检测的问题,提出了在亚像素图像条件下的精确尺寸检测方法。利用分形插值和小波变换的改进边缘检测算法,实现亚像素图像的边缘检测;并用结合梯度的区域生长和距离直方图的改进算法,实现O型的尺寸检测和圆度校验。实验结果表明,提出的方法与传统方法相比计算速度快、边缘检测精度高、尺寸测量精度可达微米级。     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

基于机器视觉转子冲片亚像素精度尺寸测量研究

针对传统冲压件人工尺寸测量效率低、精度难以保证等问题,提出一种基于机器视觉的转子冲片亚像素精度尺寸测量方法。该方法采用先将采集的冲片图像灰度化再应用中值滤波来降低噪声干扰的图像预处理方法;通过Canny算子与Otsu方法相结合实现自适应阈值边缘检测,再利用改进的Zernike矩方法进行亚像素定位,获取亚像素级坐标;然后设计轮廓分割算法,主要提取内外圆亚像素轮廓,同时设置感兴趣区域并基于K-Means聚类算法分割出骨架线段轮廓,最后使用最小二乘拟合法求解出转子冲片内外圆直径和骨架间距尺寸。实验结果表明,该方法平均测量精度可以达到0.01mm,测量精度高、速度较快,具有较高的实用价值。     

基于机器视觉的高精度测量与装配系统设计

在对某些精密产品实现自动化生产过程中,存在难以对装配该产品所需的多种装配小零件进行高精度自动测量与装配的问题;针对该问题,搭建了基于机器视觉技术的自动化测量与装配系统;基于Halcon图像处理软件平台,对零件图像进行了中值滤波、图像增强等预处理;采用了Canny算法对零件求取像素精度的边缘,并运用椭圆曲线拟合法获取了亚像素精度边缘;建立了两种相机镜头畸变模型,采用径向排列约束(RAC)标定法与张正友标定法对相机进行了标定,并对标定精度进行了对比;实验结果表明:本系统的装配同轴度精度能达到0.05 mm,零件尺寸测量标准差低于3.8 μm,满足工业需求,可以解决工业实际问题。     

机器视觉标定中的亚像素中心定位算法

双目视觉检测系统中,圆形标志的中心定位精度直接影响标定的精度和整体测量的精度。传统算法定位精度较低,不能满足高精度测量的要求。采用Canny算子对标定板图像进行边缘检测,Zernike矩定位亚像素边缘,用最小二乘拟合标志中心。实验表明:该方法对圆形标志中心点提取精确且稳定,中心定位精度优于0.1个像素,系统测量平均误差小于0.02 mm,满足高精度视觉测量要求。     

基于Halcon的阀芯尺寸亚像素级测量

针对传统人工在检测阀芯时的低效和低精度问题,采用性能优越的机器视觉软件Halcon为平台,利用Canny算子边缘检测和双线性插值方法得到阀芯图像亚像素级边缘,结合最小二乘算法进行边缘拟合,实现对阀芯快速、稳定和较高精度的尺寸测量。实验结果表明：该检测方式可以达到亚像素级的尺寸测量,测量精度高于2‰,满足企业对测量精度要求,且测量过程比较稳定和快速。