基于机器视觉的叶型孔测量技术研究

为了充分应对涡轴发动机中的叶型孔测量难题,基于机器视觉原理研制了非接触式四坐标测量系统,主要由三维运动机构、气浮回转工作台、工业视觉测头和照明光源构成。系统采用背向照明方式,并基于模板匹配的图像拼接方法获取被测叶型孔的全景图像。在测量过程中,通过三维运动机构与气浮回转工作台的配合运动,使工业视觉测头采集到目标叶型孔的多幅局部图像,通过图像拼接得到其全景图像,而后由图像处理和叶型参数分析获得被测叶型孔的几何尺寸和轮廓度等型面参数。为了验证该系统的功能,选取某个静子组件外环作为被测零件,应用该系统对零件上分布的某个叶型孔特征进行测量,获取到相应的型面轮廓数据,从而验证了机器视觉测量方法在叶型孔测量方面的可行性和有效性。     

基于图像拼接的尺寸精密检测算法研究

针对基于机器视觉的大长径比类零件几何尺寸综合检测中因要求视场大而导致分辨率低,投影误差大等问题,将图像拼接技术应用到视觉测量中,采用已标定摄像机方式建立图像投影模型、提出了基于位姿变换的图像拼接算法实现图像之间的精确配准、基于最佳阈值灰度调整的图像融合以消除图像拼接接缝.通过对标准模板进行检测实验,测量精度可达到±0.006mm,重复测量精度≤0.004mm,结果证明了该算法的可行性.     

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.     

基于边缘的齿轮图像拼接方法研究

在基于机器视觉的测量中,由于影像设备的性能限制与对图像的精度要求,需要对拍摄的图片进行拼接。对于一般灰度图像进行旋转操作会对图像造成失真的情况,文中针对中小模数齿轮的灰度图像拼接提出了基于边界的齿轮拼接方法,对滤波后的齿轮图像进行边缘提取,对提取到的数据点采用半径约束的最小二乘法拟合圆心,圆心配准后对齿廓数据点进行配准以求得旋转角度完成拼接。仿真结果表明该方法可以将拼接误差控制在一定范围内。     

铝合金零件尺寸误差自动检测方法研究

针对铝合金零件的高反光、尺寸较大导致难以检测的问题,对机器视觉系统、图像合成、图像处理等方面进行了研究,提出了基于机器视觉的铝合金零件尺寸误差的自动检测方法。采用同轴平行光源在零件上方打平行光和两轴运动平台采集局部高精度图像并拼接合成的方法,获取了高精度大尺寸零件图,提高了检测精度并可突破检测尺寸局限;利用视觉检测技术实现了图像的预处理、尺寸特征量提取等的处理,采取Canny算子结合双线性插值方法提取了零件亚像素级边缘,提高了检测精度,通过将提取的零件边缘图像与标准零件CAD图匹配、判识,完成了零件尺寸的测量分析。研究结果表明:该铝合金零件检测方法实现检测精度高于0.02 mm,可满足铝合金零件生产现场自动检测的要求。     

一种用于工件视觉测量的图像拼接方法的研究

在工件的生产制造过程中,视觉测量技术以其具有的快速、准确的特点发挥着越来越重要的作用,针对大尺寸物体的视觉测量,提出了图像拼接技术。该方法基于视觉图像处理软件HALCON,利用经过标定的摄像机采集带有一定特征信息的零件的序列图像,对图像进行坐标变换、高斯滤波等预处理,在相邻图像之间的重叠区域使用Harris角点检测算法进行特征点提取,将提取出的特征点进行匹配,根据特征点之间的匹配关系完成图像配准,实现由多幅图像拼接成为一幅图像。阐述了相关理论并进行了实验,验证了该方法的可行性。     

应用机器视觉技术的齿轮测量方法

应用IMAQVision工具包在LabVIEW虚拟仪器平台上可以快速、灵活地开发齿轮测量的机器视觉系统。采用阈值分析进行图像分割、用形态学方法改进图像质量是齿轮测量的基础。采用图像分析的方法进行齿轮主要几何参数的测量 ,通过实际测试数据分析 ,讨论了机器视觉技术在齿轮测量中的实用价值和发展前景     

应用IMAQ Vision的齿轮测量技术

应用IMAQ Vision将机器视觉技术和虚拟仪器技术相结合,可以快速、准确地进行齿轮在线测量.介绍了基于IMAQ Vision,应用图像直方图分析和LUT变换、几何变换、边缘检测、亚像素精度、模式匹配等图像处理技术的齿轮几何参数测量方法,分析了其中主要IMAQ Vision函数的算法.在LabVIEW平台上开发了实用的齿轮测量机器视觉系统.     

基于机器视觉的齿轮参数测量系统

针对传统的机械接触式齿轮测量仪器操作复杂、易产生主观误差等问题，提出一种基于机器视觉齿轮参数非接触式测量系统。首先利用图像灰度变换、直方图均衡化方法对图像进行预处理，提出小波变换模极大值法计算图像的矢量模值和相角，寻找梯度方向极大值点，选取自适应阈值方法提取目标图像边缘。对齿轮的边缘轮廓形状特征，采用最小二乘法拟合原理，计算齿轮的齿根圆直径、齿顶圆直径、齿数和模数等参数。以两种参数的齿轮零件测量为例进行实验分析，结果表明，测量值满足测量精度要求，证明了所提测量系统的可行性。     

基于机器视觉的齿轮自适应测量系统设计

针对采用传统方法进行齿轮测量时容易遇到测量困难与测量效率低等问题，设计了一种基于机器视觉的齿轮自适应测量系统，由机器人结合视觉定位将齿轮抓取至检测平台，利用Halcon图像处理软件提取齿轮对应参数，根据齿轮参数自动生成合适的阈值以完成多批齿轮共同测量，同时机器人利用测量信息对所测齿轮进行分组。研究结果表明，系统可以识别出不同类型的齿轮，齿轮的参数检测精度误差可以达到±0.02mm,图像系统响应时间为0.2262s,该系统大大提高了测量效率，降低了测量所需的人工成本。     

基于Harris算子的图像拼接高精度检测技术

针对医疗器械要求高精度检测的特点,提出了采用图像拼接对器械进行检测的方法,通过Harris算子精确提取图像中的特征点进行图像拼接,不但极大提高了拼接精度以及精密医疗器械的检测精度,而且增加图像分辨力与成像范围。拼接精度是检测精度的保证,基于Harris算子的拼接图像可实现微米级高精度检测。通过该方法进行图像拼接并测量其精度,测试精度与单幅图像相比明显提高,结果完全符合器械检测要求。基于拼接的精密仪器测量是一种提高测量精度的新方法,这方面的研究必将推动机器视觉技术的进一步发展。     

基于单目图像序列的铸件三维重建方法

为了实现基于机器视觉的铸件毛刺自动检测与识别,提出了一种基于单目视觉的铸件三维重建方法。利用单目相机对目标进行无标定多角度旋转拍摄,获得一组单目图像序列;运用“两步匹配法”优化相邻图像特征点的匹配,剔除大量误匹配点,提高特征点匹配效率。对三维重建的点阵进行泊松表面重建,细化了铸件三维表面的细节。实验结果表明,该方法装置简单,无需对相机与目标的相对位置进行预先标定,能有效地恢复铸件三维表面的细节特征。该方法适用于机械加工环境下零件的三维表面重建。     

基于边缘的模板匹配在零件检测中的应用

对机器视觉在工业零件检测中的应用做了研究。在大批量的工业生产中,某个细微零件的缺失如果不应用机器视觉系统,将会浪费很大的人力物力,因此根据现阶段工业零件检测对智能零件缺失检测的需求,运用图像处理技术,在检测对象的标准样本中截取模板,利用零件的边缘特征,进行零件的模板匹配,进而检测出零件是否缺失。     

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。     

螺旋锥齿轮大轮齿形误差的在机测量

为了在国产数控螺旋锥齿轮磨齿机上实现大轮齿形误差的在机测量,对大轮齿形误差的在机测量方法进行了研究。基于齿轮坐标系与机床坐标系之间的关系,建立了将齿面离散点坐标及法矢从齿轮坐标系转换到机床坐标系的方法。根据大轮的齿面几何特征,建立了大轮齿形误差的在机测量方法以及测量流程。根据在机测量得到的测球球心空间坐标,运用曲面拟合技术和最优化算法,计算了实际齿面相对于理论齿面沿各离散点法矢方向的齿形误差值。通过对比在机测量和齿轮测量中心的齿形误差测量结果,验证了螺旋锥齿轮大轮齿形误差在机测量方法的正确性。     

基于单经纬仪的视觉测量三维数据拼接方法

本文针对大型自由曲面三维视觉测量中的数据拼接问题，建立了经纬仪透视投影模型，提出了以平面靶标为中介坐标系，以经纬仪坐标系为全局坐标系的三维数据拼接方法。在大型自由曲面的若干测量子区域附近放置一个平面靶标，通过视觉传感器拍摄平面靶标上的特征点，求得视觉传感器坐标系到靶标坐标系的变换矩阵；通过经纬仪观测靶标上的特征点，求得靶标坐标系到经纬仪坐标系的变换矩阵。因此，可求得视觉传感器坐标系到经纬仪坐标系的变换矩阵。将视觉传感器所测得的各子区域的三维数据统一到了经纬仪坐标系下，即完成了大型自由曲面的全局测量。经实验验证，数据拼接的RMS误差小于0．487mm。     

基于机器视觉的齿面点蚀面积特征提取的研究

在齿轮接触疲劳试验中,需要定期检查齿面点蚀状况。提出了一种基于机器视觉的齿面点蚀面积特征提取方法。针对试验齿轮箱空间窄,会使获得的齿面点蚀图像曝光不足或过度而使图像在获取、传输过程中产生噪声的问题,利用基于遗传算法的图像增强操作突出点蚀区域,抑制其他区域,并利用中值滤波及小波变换去除图像中的噪声,再将获得的图像进行分割、面积特征提取,最终通过实例验证了该方法能够准确、快速、有效地获取齿面点蚀面积,并利用Matlab图形界面(GUI)实现了机器视觉处理算法集成和交互可视化功能,为用户快速获取点蚀区域面积提供了便利。     

基于 RANSAC 的视觉里程计优化方法研究

针对图像特征产生误匹配影响基础矩阵计算,导致同步定位与地图构建(SLAM)视觉里程计估计精度差的问题,提出一种基于随机抽样一致(RANSAC)的视觉里程计优化方法。该方法首先通过最小距离阈值法对初始匹配集粗滤除,再采用RANSAC计算图像间相对变换关系,若符合变换关系为内点,内点数最多的迭代结果为正确匹配结果;然后计算图像间单应变换并利用其计算基础矩阵,采用对极几何约束确定内点,得到具有最多内点的基础矩阵;最后采用TUM数据集从特征匹配与基础矩阵计算两方面进行优化算法效果验证。结果表明,该算法可提高运行效率且有效去除误匹配特征点,使匹配正确率提高7.7%,基础矩阵估计算法在提高基础矩阵计算精度的同时,内点率也提高了3%,算法为提高视觉里程计精度估计精度提供了理论基础。     

基于CenSurE star特征的无人机景象匹配算法

针对传统局部不变特征的景象匹配算法冗余点多、实时性差、抗几何变换不突出的情况,提出基于CenSurE-star的无人机(UAV)景象匹配算法。首先采用Cen Sur E特征星型滤波器(CenSurE-star)提取基准图和实时图中的特征点,并生成FREAK二进制描述符;然后将汉明距离作为特征点的相似性判定度量,采用K近邻距离比值的方法提取匹配点对;最后利用基于RANSAC的定位模型得到空间几何变换关系,实现图像匹配并获取定位点经纬坐标。算法性能评价实验表明,本文算法不仅相对于SIFT、SURF、ORB算法,对各种变换具有更好的鲁棒性,而且相对于改进的SIFT、SURF算法处理时间有更大程度的缩短,算法定位误差在0.8个像素内,尺度误差在0.02倍内,旋转角度误差在0.04°内。基于算法进行外场飞行实验,实验证明算法定位精度较高,可以适应地貌信息较少的环境,并能满足无人机视觉辅助导航的需求。