基于改进的SIFT算法的工件轮廓配准方法

工件轮廓的配准是机器人视觉引导系统中对工件位姿感知的重要组成部分,通过工件轮廓与模板轮廓的配准可以获得工件的位姿信息,从而引导机器人进行抓取和安装。文中针对图像配准算法中特征提取的SIFT算法计算复杂、特征提取效率慢的缺点,在工件轮廓特征提取过程中,直接在原图像上计算高斯尺度空间图像,不进行上下采样,最后在高斯差分图像上寻找极值点作为轮廓特征点,最后通过与模板提取的特征点进行逐个匹配,按照重合度进行排序,选择重合度最高的特征点计算仿射变换的参数。实验表明,改进的SIFT算法能够完成工件轮廓图像与模板轮廓图像的配准,并将特征提取速度提高了近10倍。     

基于模板配准的零件轮廓缺损检测

基于机器视觉的机器零件轮廓破损检测在产品质量检测中具有重要作用.根据在线检测速度的要求,对于利用模板轮廓进行零件轮廓缺损检测,提出了轮廓校正和轮廓极坐标表示方法,有效地解决了快速性和模板轮廓与被测轮廓采样点不一致的问题.实验结果表明了本文算法的有效性,为零件轮廓破损快速检测提供了有效途径.     

机器视觉的薄片零件尺寸检测系统

对基于机器视觉的薄片零件尺寸检测系统进行研究。针对计算机硬盘弹性臂薄片零件的尺寸检测,采用线阵工业相机扫描获取待检零件图像,根据扫描特性提出了标定算法,同时提出了一种轮廓矢量化算法。将经过滤波、标定、二值化、边缘提取和细化的图像进行轮廓矢量化得到待检零件的尺寸参数,并与从设计图DXF文件中读取的零件的相应尺寸参数进行对比,判断零件制造质量。实测结果表明,检测系统的轮廓矢量化精度达到1 pixel,检测精度达到1 μm,平均每个零件的检测时间为1 s,该检测系统是可行的。     

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。     

基于机器视觉的数控自动编程系统开发

基于机器视觉的数控加工技术综合运用机器视觉技术和数控加工技术,直接利用视觉图像数据实现数控加工编程。将机器视觉技术应用于数控加工编程技术中,构造出基于机器视觉的数控自动编程系统。通过机器视觉采集系统来获取工件图像,并对图像进行处理得到工件图元的边缘轮廓。进而将加工的边缘轮廓进行矢量化处理得到数控加工轨迹,并最终根据加工工艺参数的设定转化成数控加工程序,实现了工件的自动编程。     

基于机器视觉的扁平细长带钩零件检测系统研发

某种扁平细长带钩零件的形状不规则、结构精细,但一致性要求极高,人工检测其变形的效率低、精准度差,为此研发了一种基于机器视觉的检验系统。首先通过设计环面自动移位系统提高零件移位速度,采用高精度相机和远心镜头获得高质量图像;其次利用模板匹配算法定位目标,对模板进行形态学操作,提取轮廓ROI作为检验标准,将其经旋转、平移变换拟合到零件图像上,用逐点扫描法检验轮廓一致性。系统测试表明:优化的算法设计具备过滤脏物颗粒及噪声的能力,在70枚/min的检测速度下,多次试验误检率为0,系统稳定可靠。     

薄片零件尺寸机器视觉检测系统中边缘检测技术的对比研究

以高斯模糊的仿真图像和薄片零件图像为评价图像．分别用Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Laplacian算子、LOG算子、数学形态学边缘检测方法进行边缘检测,对边缘检测结果进行了深入分析,对算法的边缘定位精度、抗噪声能力和计算时间进行了比较。数学形态学边缘检测方法能获得单像素宽连通的轮廓,检测时间分别为0．0521s、0．457s。选择数学形态学边缘检测方法作为薄片零件尺寸机器视觉检测系统的边缘检测方法是合适的。     

基于边界矩的机械零件图像轮廓特征提取技术

为实现机械零件的有效分类,针对零件具有比较明显的轮廓特征的特点,提出了基于边界矩的零件图像轮廓特征提取方法.首先采用轮廓提取算法,提取零件二值图像的轮廓,在进行水平倾斜校正后,以零件的质心为中心,将轮廓图像划分为若干个扇形子区域.利用改进的边界矩计算方法,分别计算出各子区域的边界矩,从而得出零件轮廓图像边界矩的分布特性.最后,采用K均值聚类算法对提取的零件轮廓特征进行分类,实验结果证明了该方法的有效性.     

微小零件的视觉检测系统

针对微小零件的检测问题,开发了一套图像提取与特征点比对相结合的微小零件视觉检测系统。提出了用最大面积法去除轮廓噪声,获得所需的轮廓;提出了基于局部边缘最小二乘拟合线并求交点的特征点获取方法;并采用了实际图形与模板图形对比特征点的方法进行零件的检测,获得零件的误差信息。通过实验验证,所提出的方法能够较好地获取特征点,测量精度高。该方法适用于零件的自动检测,具有很好的鲁棒性。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法。首先对零件图像进行边缘检测．提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法.首先对零件图像进行边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的.     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法,首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由自组织特征映射神经网络实现识别.实验结果表明该方法是有效的.     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法.首先,对多源零件图像分别进行小波分解,荻取零件图像的小波分解系数.对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数.然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相对像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配.最后,依据证据理论的合成规则得到零件的识别结果.实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的.     

基于机器视觉的细长产品表面缺陷检测设备研究

为提高对细长产品表面缺陷的检测效率,运用机器视觉技术对细长产品外部轮廓尺寸及表面缺陷状况进行检测.运用机器视觉技术,分析图像传输过程中噪声产生原因及降噪方法;采用canny算法和Simple Blob Dectorte特征点检测方法,提取零件轮廓和色斑轮廓;编写基于机器视觉的表面缺陷检测程序,并通过实验验证了该方法的可行性.采用系统法对表面缺陷检测设备进行整体分析,设计出与检测程序相配套的机械设备.     

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。     

基于机器视觉的工件角度测量方法

工件角度测量方法是一项利用机器视觉技术的角度测量技术,可实现快速、非接触式测量。同时克服了人为因素。以角度块规为研究对象,首先利用亮度特征和。诲u法实现零件彩色图像灰度化和灰度图像二值化。其次利用面积法去噪和边缘提取减少噪声对后续处理的影响和提高处理速度。再次利用边界点法提取零件边缘的临界点并剔除多余的临界点即可确定三个顶点的位置坐标。最后利用倾斜角关系确定三个角度值及位置关系。试验表明。该算法可以实现了工件多角度一体化测量,实现了快速、非接触测量,满足当前工件角度检测要求。     

三维机器视觉测量系统图像边缘提取算法研究

在三维机器视觉测量系统中,二维数字图像边缘提取是进行三维坐标计算的必要前提。对几种常用边缘检测算子的边缘提取效果进行了比较;提出了一种基于Priwitt算子的改进边缘提取算法;给出了三维机器视觉测量系统中激光线图像与零件特征边缘图像交点的求解方法,为三维机器视觉测量系统的三维坐标计算奠定了基础。     

基于机器视觉的轴承识别与定位算法研究

针对运用视觉技术对轴承进行质量检测与尺寸测量时,能够准确地识别定位到目标轴承,提出一种基于机器视觉的轴承识别与定位算法。通过对采集到的轴承图像进行预处理,分割出目标图像并提取图像的外轮廓边缘特征;设置轴承的模板图像,结合图像的Hu不变矩特征对轴承进行识别匹配;通过最小二乘法对图像边缘点进行圆拟合并采用迭代法进行修正,通过计算圆心的位置坐标,实现对轴承的定位。实验结果为：轴承的识别匹配度在0～0.03之间,定位误差在0.5像素以内,满足系统对轴承的识别定位精度要求。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法，首先，对零件图像进行小波多尺度边缘检测，提取零件图像的边缘轮廓；然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量，各子区域中的相对边缘像素系数作为零件的特征，将这些特征作为神经网络的输入样本，由自组织特征映射神经网络实现识别。实验结果表明该方法是有效的。