基于双目视觉的工件尺寸在机三维测量

由于传统测量方法及仪器设备无法满足在机实时检测工件三维尺寸的要求,本文基于双目立体视觉视差原理,搭建了一套可在车间现场操作的在机测量工件三维尺寸的视觉系统.首先,介绍了改进的基于平面圆靶标的双目视觉测量系统标定方法.然后,用阈值分割算法从背景中识别出待测工件,采用Canny算子和多边形逼近法提取工件轮廓和轮廓关键特征点,并在极线约束的特征点匹配算法基础上,提出一种基于灰度相关的密集型精匹配算法,获得了工件边缘轮廓关键特征点云的三维坐标数据.最后,对匹配所得特征点云进行数据处理和特征拟合计算,得到了工件的关键尺寸.在车间数控机床上对有斜面及孔结构的工件进行了在机测量实验,结果显示,该系统检测精度达±1.3％以上.     

基于点云与图像匹配的自动化喷涂系统坐标变换

针对当前个性化定制产品的喷涂工作需求,研发了一套自动化喷涂系统。为了实现系统中的坐标变换功能,提出一种基于点云与图像匹配的坐标变换方法。利用摄像机和三维扫描仪分别获取喷涂对象的二维图像和三维点云,并将点云进行投影获得点云投影图像;通过改进canny算子提取二维图像和点云投影图像的闭合边缘;计算得到边缘各点的曲率并将其展开为曲率链码的形式进行匹配,建立了点云坐标系与机器人坐标系的变换关系。通过实验验证了该方法的可行性。     

基于改进形状上下文特征的工件识别与定位

为了满足自动化装配线中工件自动上料作业的需求,提出了一种基于改进形状上下文特征的工件识别和定位算法。首先对图像进行预处理,然后进行阀值分割提取轮廓图像,利用改进的形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓。与传统形状上下文特征算法不同的是改进形状上下文特征检测算法采用直方图结合Harris角点进行特征生成与匹配,加快了匹配速度。实验结果表明,本方法具有较高的精度,对环境变化有一定的适应能力,能较精准地对工件进行定位。     

基于双测量设备的涡轮精确逆向重构方法

针对车用涡轮增压器中涡轮的结构特征,考虑不同测量设备的特性,提出了一种采用两种测量设备构建涡轮精确逆向模型的方法.通过非接触结构光三维扫描仪获取涡轮叶片点云数据,采用分区域处理法得到涡轮曲面模型,利用二维投影仪得到涡轮外轮廓边界形状和准确尺寸,将其与曲面模型进行数据匹配,在CAD软件中对匹配的曲面进行边界修整,完成涡轮三维建模.利用本方法能可靠重构涡轮三维模型,缩短设计开发的周期.     

工件轮廓曲线磨削加工精度的原位测量与评定方法研究

为了解决曲线磨削中工件轮廓加工精度的在位评定问题,提出了一种基于机器视觉的工件轮廓曲线磨削加工精度原位测量和评定方法。应用这一方法,通过视觉测量系统和亚像素边缘提取算法,得到工件的实际轮廓边缘点。通过轮廓匹配算法来确认工件实际轮廓与理论轮廓的最优匹配位置,进而计算轮廓偏差,进行加工精度评定。分别进行了标定板试验和工件试验,表明所提出的评定方法精度可达0.6像素,能有效保证工件轮廓在位检测的精度和效率。     

三维点云特征的工件识别与位姿估计

针对工业机器人在抓取工件过程中需要识别和定位工件的问题,提出了一种基于改进法矢计算的点云局部描述符SHOT的三维物体识别与位姿估计的方法。首先,对三维扫描仪获取工件表面点云进行预处理和分割,得到用于匹配的工件点云模板数据集;其次,采用均匀采样算法提取特征点集,通过SHOT特征描述符对场景点云与模板点云提取的特征点进行点云局部描述;最后,利用Kd树建立初始对应对,引入3D霍夫投票机制通过点云局部坐标系各向量之间的转换关系完成工件识别,根据对应关系求解出初始变换矩阵。基于ICP算法进行精确配准,得到工件的精确位姿信息。实验结果表明:该方法与基于ICP算法进行对比,提高了配准精度,可以得到精确的位姿估计信息,为在机器人应用中工件定位抓取提供精确的位姿检测方法。     

基于工业CT图像的轮廓控制点优化提取

针对如何提取工业CT图像轮廓控制点这一问题,提出一种简单有效的二次提取方法。该方法分为粗提取和精提取两步。首先计算轮廓数据点的离散圆曲率,通过粗提取去除轮廓数据点中的坏点和对轮廓特征贡献很小的点。然后在精提取过程中,通过多层次细节分析将轮廓控制点提取出来。试验验证提取出的轮廓控制点不仅能够表示轮廓的形状,而且能有效地消除数据冗余。     

基于机器视觉的金属工件尺寸测量

针对多孔金属工件人工测量步骤繁杂、精度低问题,提出了基于机器视觉的金属工件尺寸精密测量方法.首先对目标进行灰度化、增强、滤波等预处理,再提取区域轮廓,针对轮廓定位分割问题,提出了基于Ramer算法逼近的两步轮廓分割方法,并引用全局轮廓分割参数S对轮廓进行分类.为提高直线和圆的边缘点定位准确性,提出了基于卡尺工具的边缘点...     

基于PCL的自动化机器人视觉形状特征识别算法分析

目前提出的自动化机器人视觉形状特征识别算法识别时间过长,导致识别精准度较低。为了解决上述问题,基于PCL技术研究了一种新的自动化机器人视觉形状特征识别算法。通过云数据采集、数据预处理、提取特征点、分割处理图像完成阈值图像处理。从形状轮廓的长度、直径、离心力、斜率以及曲率、角点这几个决定性因素作为特征分析的切入点实现轮廓形状识别,从区域面积、区域重心和形状参数三种形状特征出发,并采用结构化的描述方法,使自动化机器人更精确地识别视觉形状特征。实验结果表明,基于PCL的自动化机器人视觉形状特征识别算法能够有效缩短识别时间,提高识别精准度。     

反求工程中ICT图像对称轮廓自动识别

针对机械工业产品轮廓中对称约束特征,该文提出了基于特征匹配的二维图像对称轮廓自动识别方法.基于轮廓点云数据分割和型值点方法提取特征点,研究轴对称和旋转对称图像特征点的不同分布规律,判别对称类型;采用转动惯量法和周期法求取对称轮廓特征描述参数作为轮廓整体约束优化求解参数;实例表明:文中方法能够有效地自动识别对称轮廓及其类型,提取出对称约束特征.     

利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取

机载激光雷达点云密度分布不均、建筑物形状不规则且复杂多样等多种因素,导致现有建筑物轮廓提取方法存在参数难以设置、适应性较差等问题,为此本文提出一种利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取方法。首先采用固定邻域点数分析各点的邻域方向分布,以获取不同邻域方向间的夹角,根据建筑物外轮廓点的特点,定义潜在轮廓点并将其视为初始轮廓点进行提取,从而得到初始轮廓点提取结果;考虑到无序轮廓点难以用于实际任务,因此利用建筑物点云构建不规则三角网并对其中的边进行删除、添加等操作,得到仅与初始轮廓点相连的边集,通过非固定边长的扫描方式跟踪轮廓点,并基于设计的规则剔除导致明显锯齿状的轮廓点,从而得到有序、平滑的建筑物外轮廓提取结果。利用具有不同密度分布、不同形状的模拟和真实建筑物点云进行试验,结果表明,方法对不同场景采用相同的参数,均能得到较好的外轮廓提取结果,F1分数优于90.88%。方法在保证提取轮廓F1分数较高的同时,可有效地克服参数难以设置的问题,具有较强的适应性,可为建筑物三维模型重建等应用提供稳定、可靠的建筑物外轮廓信息。     

基于双目视觉的零件多尺寸在线测量系统

针对零件的自动化测量环节,搭建了一套可用于工业流水线生产的零件多尺寸在线测量系统。首先,对经典的张正友相机标定方法进行了改进;其次,把边缘聚焦思想用于Canny算子实现了高精度的零件轮廓提取;然后根据相机的极线对齐理论,提出了基于极线阈值约束的灰度相关边缘匹配算法,获得零件轮廓点云图;最后,对目标点云数据拟合得到零件关键尺寸。整个过程基于高斯金字塔多分辨率技术来实现,在满足测量精度的前提下进一步提高了检测速度。经过多次实验测试,该系统具有测量精度较高、重复性误差小的优点,可以较好地完成零件的在线检测任务。     

基于视觉系统自动生成机器人轨迹的方法

介绍了一种基于视觉系统自动生成机器人工作轨迹的方法,其中机器人工作轨迹可以根据工件边缘轮廓形状和位置自动调整。通过视觉系统对工件边缘轮廓进行拍照,获取这些轮廓上离散点的空间位置信息。对离散点进行平移、缩放处理和机器人工具匹配后,可以实现高效、容易、快速地实现对机器人工作轨迹的生成。     

基于视觉的金属成形工件尺寸和缺陷检测

针对金属成形工件存在成形尺寸误差和外形缺陷,使用人工抽检效率低,不能对全部工件进行检测,大量存在未检出残次品交于客户的问题,提出一种基于HALCON视觉软件的金属成形工件尺寸与外形缺陷检测的方案。该方案基于金属成形工件形态学和灰度值特征,运用边缘提取和圆拟合算法,精确检测金属成形工件内圆孔尺寸。应用阈值分割与基于形状的标准模板匹配算法对金属成形工件进行区域匹配,检测工件外形缺陷。分别采集50个金属成形工件的图像并对其进行上述方法的检测,工件尺寸的检测正确率98. 5%,外形缺陷件检测正确率98%。     

3D打印中非金属薄壁件的打印成型策略研究

针对一般非金属类薄壁件注塑成型周期较长、成型精度不高、耗时耗材的问题,提出了一种结合三维激光扫描技术和3D打印技术的非金属薄壁件成型方法。以摩托车薄壁件拐板为对象,首先,选用逆向工程的点云采集技术和点云处理技术,获取了工件精确表征点云数据;然后,通过模型重构与分析技术,设计出了尺寸和表征数据均满足工件要求的模型;其次,运用3D打印前处理技术,进行了模型摆放、支撑添加与切片等操作;最后,使用SLA工业打印机打印出了摩托车薄壁拐板工件。研究结果表明:经过20 h左右工件打印成型,较传统注塑成型明显缩短了试制周期,且该成品尺寸偏差以及表面曲率特征均满足工件要求;该方法适用于工业制造中非金属薄壁件的打印成型,可用于产品前期试制研发,可有效缩短测试周期,降低成本。     

基于顾及曲率自适应邻域的点云单点分类方法

点云数据分类作为三维城市场景分析中的重要环节之一,吸引了学术界广大研究者的注意。由于点云数据存在不均衡的密度分布、噪声以及数据缺失等问题,需要对点云数据进行高精度的有效分类。传统点云分类方法通常包含基于统计方法提取点云邻域和机器学习算法两大部分。因为点云分类算法中稳定的点云邻域受限于点云的密度和曲率分布情况,所以会造成点云分类结果中存在一定的椒盐噪声现象。因此,提出了一种顾及曲率的自适应邻域的点云单点分类方法,改进了顾及曲率的点云邻域改进方法。该方法可以生成理想的三维点云邻域,并增强了点云特征的可分离性。使用开源数据集Oakland Benchmark Dataset验证该算法,结果表明,此方法可以显著提高点云分类的精度。     

模式向量法提取点云数据线轮廓点

本文以表面连续的折线型边缘和小圆弧屋脊型边缘为研究对象,提出了一种基于扫描点云数据的线轮廓提取方法。该方法通过构造万向切片从点云数据中提取包含线轮廓点的截面数据,根据截面数据上线轮廓点两侧的分布形式,定义了基于法向夹角分布规律的模式向量,将截面数据的相邻点法向夹角序列进行等元素划分,计算各组与模式向量的欧氏距离,在欧氏距离最小的组内提取线轮廓点。为验证方法的准确度,分别对直线型折线轮廓、弯曲折线轮廓和4个圆形屋脊轮廓进行试验,并将提取的线轮廓点进行最小二乘拟合,以线轮廓点相对拟合曲线的偏差评价方法的准确度。提取的直线轮廓点和曲线轮廓点的拟合标准偏差分别为0.076mm和0.047mm;4个圆形轮廓点的拟合标准偏差不大于0.1mm,圆半径相对三坐标测量结果的偏差不大于0.1mm。模式向量法适用于提取折线型边缘和小圆弧屋脊型边缘上的轮廓点数据,具有计算简单,适用性强的特点。当扫描仪准确度优于0.03mm时,模式向量法的准确度在0.1mm的量级。     

采用轮廓特征匹配的红外-可见光视频自动配准

为了精确地配准近平面场景下的红外-可见光视频序列,本文提出了一种基于轮廓特征匹配的自动配准方法,通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先,采用运动目标检测技术获取目标轮廓,并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后,建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征,从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后,为了克服近平面场景中目标深度变化的影响,本文结合前景样本随机抽样策略计算配准矩阵的损失函数,完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证,结果表明本文方法的配准精度优于当前先进的对比方法,在9个测试视频上的平均重叠率误差仅为0.194,与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求,且具有较高的鲁棒性。     

Zernike矩边缘检测与多项式拟合的CT图像三维测量算法

针对工业CT切片z方向分辨率不足问题,研究一种Zernike矩边缘检测与多项式拟合结合、自动预测顶端的高精度三维测量算法。首先通过Zernike矩对每张切片图像提取亚像素级轮廓,并用多项式拟合该轮廓;然后对拟合曲线进行等相角间隔采样,并建立同相角的轮廓点匹配,采用层间插值算法得到中间层的轮廓点并外插预估工件顶端点;最后采用台体法计算工件体积。对体积相等的圆柱、圆锥和半球3个标准试块进行CT扫描、测量并分析了测量误差的来源。实验结果表明,对实际工件体积测量误差降低到1%以下,能够满足工程应用中的自动、快速、高精度体积测量要求。     

基于3维点云欧氏聚类和RANSAC边界拟合的目标物体尺寸和方位识别

目标物体尺寸和方位识别是移动机器人在未知环境下实现自主搬运的关键技术,主要难点是如何从混有地面和周边环境信息的3维点云数据中提取物体信息,并准确识别其方位和尺寸。常用的方法是通过3维点云建立物体包围盒,但是现有的基于PCA(主成分分析)或基于边缘点云提取的包围盒建立方法对物体边缘点云噪声比较敏感。文中主要针对室内搬运场景中方形箱式物体,提出1种基于3维点云欧氏聚类和RANSAC(随机采样一致性)边界拟合的物体尺寸和方位识别算法。首先,采用点云截断、体素滤波降采样和离群点移除对数据进行预处理,然后采用基于K-D树的快速聚类算法进行物体与物体之间的分割,接着将分割后物体3维点云进行2维投影。由于投影后物体2维点云边缘点密度远高于内部点云密度,采用RANSAC算法对边缘点云进行直线拟合。该直线能够近似物体边缘点云分布的期望均值,受物体边缘点云噪声的影响较小。实验表明该算法精度较高、速度较快、鲁棒性好,可用于移动机器人物体搬运作业等领域。