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。     

基于CCD图像检测的微间隙精密测量系统

将图像检测技术应用于零件微小间隙的测量,采用中值滤波算法对图像进行去噪预处理,将Sobel算子应用于基于梯度算法的图像边缘检测,并用修正实测标定系数K的方法提高实测精度.实验数据表明,系统总体测量精度达到15 μm,能够胜任生产中不同环境下的微间隙测量,同时在一定条件范围内,也可以适应其他要求非接触、高精度的场合.     

基于HALCON的机械零件尺寸快速精密测量

针对现有机械零件尺寸测量过程中的检测速度慢、精度低、成本高等问题,提出一种基于HALCON的机械零件尺寸测量方案,包括硬件和软件两部分。利用HALCON对相机进行标定,通过图像去噪、区域特征提取、仿射变换以及边缘检测等手段提取零件图像的边缘轮廓。通过HALCON的直线拟合算子得到零件的边线尺寸,借助外部导入的封装最小二乘拟合算子拟合圆,得到内孔尺寸。通过与高精度测量仪的测量结果对比可知,该方案能够实现高效率、高精度的机械零件非接触式实时测量,满足工业生产的检测精度要求,可应用于实际生产中。     

条纹投射测量标定中摄像机畸变图像的修正

在条纹投射测量系统的标定过程中对摄像机畸变图像进行修正,能有效地提高系统的标定精度。采用改进的Harris算子检测标定板上特征点的亚像素坐标,通过预标定获得特征点空间坐标,并应用BP神经网络技术校正畸变图像。仿真实验表明该方法能简单有效地提高了标定系统的精度。     

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.     

基于图像测量的微小零件尺寸检测

针对10μm-10mm的微型零件,阐述了现有的主要图像测量技术,包括图像的经典边缘检测算子、亚像素级别的边缘定位检测和实现高精度的尺寸检测方法。同时,总结各种能够提高检测精度的方法,并指出图像测量的未来发展趋势。     

一种改进的基于Harris角点的图像拼接方法

主要研究了图像拼接的优化问题,针对传统的Harris角点检测算法流程进行了改进。在通过NCC算法对特征点进行匹配的过程中,采用了一种改进的特征点描述方法,减少了常规NCC算法产生的伪匹配点,从而提高了运算的速率。为验证其有效性,该方法被应用于一个图像拼接的实例中,实验结果表明,该算法缩短了图像拼接所消耗的时间,提高了图像拼接的精度和效率,具有良好的实用性。     

线结构光多分辨率测量系统数据拼接方法

针对航空发动机叶片等复杂型面物体轮廓检测问题,应用多线结构光及多图像传感器,设计了可以实现被测对象整体轮廓及局部细节同时测量的多分辨率测量系统。提出一种基于二元经验模式分解的不同精度测量数据的拼接方法,利用二元经验模式分解方法将空间点集数据分解成一系列旋转信号分量,然后借助复小波变换对各旋转信号分量进行平滑处理,最后利用平滑后的旋转信号分量重构形成数据拼接曲线。实验结果表明,所提出的数据拼接方法可以从不同精度的复合信号中提取表征空间数据点集均值或趋势的光滑曲线,实现线结构光多分辨测量系统数据的高精度拼接,使测量系统在100 mm×100 mm测量范围内精度达到0.02 mm,达到了叶片工业现场的测量要求。     

基于图像拼接的惯性约束聚变终端光学元件在线检测

针对惯性约束聚变(ICF)终端光学元件的高精度在线检测,提出了一种基于图像拼接的检测方法。该方法主要包含图像配准及图像融合两个部分。在图像配准部分,采用基于局部损伤点特征匹配的方法来解决在线检测图像中信息过少,以及子图像间存在曝光差异的问题,并将检测系统的运动信息应用到配准过程中,提高了检测精度及效率。在图像融合部分,采用泊松融合的方法来消除曝光不均匀所产生的"拼接线",实现了检测图像的"无缝拼接"。用本文算法与尺度不变特征变换(SIFT)算法对ICF终端光学元件在线检测(Final Optics Online Inspection,FOOI)图像进行了实验对比,结果表明,本文提出的图像配准方法优于SIFT算法。通过4×4方式得到的拼接图像显示,本文方法可以大幅度提高ICF系统中FOOI装置的检测分辨率。     

基于序列图像特征配准的摄像机旋转补偿算法

提出了一种基于序列图像特征点配准和基于最小二乘估计的摄像机绕轴旋转运动精确估计算法.该算法利用序列图像帧间的强相关性,通过分析相邻两帧图像的运动,由Harris算子进行特征点检测.基于这些特征点用模板匹配方法对帧间图像进行配准,然后根据多个特征点的运动矢量用最小二乘估计获得摄像机的运动参数,并用获得的运动参数实现对摄像机绕轴旋转运动的精确补偿.实验结果表明,该方法在帧间旋转角度＜10°时,摄像机绕轴旋转运动角度估计误差＜5%,但是当旋转角度＞14°时,相对估计误差＞20%.从系统实际应用(帧间旋转＜5°)来看,该方法克服了成像测量中摄像机旋转对图像处理和测量精度的影响,弥补了因像机旋转引起的测量误差大的缺陷,提高了测量精度,可满足使用要求.     

基于机器视觉的齿轮图像拼接方法研究

基于机器视觉的测量技术现在已经相当成熟,但目前使用机器视觉进行工业零件测量的多为小尺寸零件,对于超出工业相机有效物距的零件的测量较少.应用图像拼接方法,将拍摄到的单个齿轮的多个图像拼接成一个完整的齿轮图像,以便后续进行齿轮的测量.在图像拼接过程中,将SURF特征点检测与FREAK特征描述子相结合,节省了特征匹配的时间,...     

基于图像角点匹配的机械加工零件表面缺陷检测

当前在对机械加工零件表面缺陷检测时,存在表面缺陷检测精度差的问题,导致检测结果不理想。提出一种基于图像角点匹配的机械加工零件表面缺陷检测方法,利用曲率空间检测零件图像的角点,采用泰勒级数删除伪角点。对特征点邻域梯度方向进行角度限度和就近投影,同时借助双向匹配方法进行机械加工零件图像角点匹配。在上述操作的基础上,利用一维直方图的阈值分割对零件图像进行分割处理,最终实现机械加工零件表面缺陷检测。实验结果表明,该方法能够获取高精度的零件表面缺陷检测结果,且对加工零件缺陷厚度、孔洞缺陷及缺陷最大边界距离的测量均较为准确。     

基于亚像素边缘检测的刀具几何参数测量

为了提高刀具几何参数图像测量精度,基于矩法理论,提出了一种亚像素边缘检测算法。该方法的基本思想是采用灰度空间矩,将图像边缘特征离散为亚像素级特征点,并用Matlab实现图像的处理。实验证明,基于亚像素特征点提取检测的刀具几何参数具有较高测量精度,且计算量小,具有很好的抗噪性能。     

图像自动拼接融合的优化设计

为了扩大摄像机拍摄图片的视场范围,提出了一种结合频域和空域进行图像序列自动拼接融合的优化算法。基于频域相位相关方法改进排序并确定重叠区域,使用改进的Harris算子在空间域提取图像角点(无需人工设定阈值),并通过双向最大互相关系数匹配获得初始特征点对;然后,用RANSAC法实现精确匹配;最后,利用图像均值结合线性加权函数实现图像的整体亮度调整和融合拼接。实验结果表明,该优化算法排序过程简单有效,特征提取匹配过程不仅提高了拼接成功率,其单次拼接时间较现有算法也提高了40%左右;另外,该算法较好地解决了图像间对应点难以确定的问题,对光照变化图像的拼接融合取得了满意的效果。     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

融合改进 YOLOv5 算法的图像全站仪全自动测量方法

针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进YOLOv5算法的图像全站仪全自动测量方法。应用融合卷积注意力机制模块的YOLOv5算法,实现了反射片靶标的广角镜头识别与检测;应用目标自动照准算法,实现了反射片靶标中心的长焦镜头精确照准,进而实现目标点位置坐标的全自动测量。借助自研的图像全站仪开展了反射片靶标的识别与检测实验和目标点全自动测量实验。实验结果表明,利用改进的YOLOv5算法对反射片靶标的识别与检测的准确率可达98.65%;目标点全自动测量方法具有与人工照准测量方法相当的测量精度且测量效率较后者提高了1.5倍。所提方法具有较高的测量精度和测量效率,可广泛应用于无人值守的全自动测量工作场合。     

基于光栅的快速精确图像拼接

为了提高IC芯片视觉检测中图像拼接的速度和精度,提出一种基于精密光栅运动系统的快速精确图像拼接技术。提出自标定技术解决了传统标定受标准件加工尺寸精度和光强影响的问题,提高了标定的准确度并降低了成本。在准确标定基础上,建立了基于光栅精确定位的拼接模型。实验表明,该方法拼接精度高,拼接平均误差在0.4 μm以内,2 σ为0.872 μm,达到亚像素级精度,而且拼接速度快,两幅图像拼接时间约为10 ms。     

基于序列图像特征配准的相机旋转补偿算法

为了解决测量过程中相机沿轴向运动时所产生的旋转引起的测量误差,提出了一种基于特征点的图像配准和最小二乘估计的相机旋转运动精确估计算法。此算法利用序列图像帧间的相关性,通过对相邻两帧图像进行运动分析,由Harris算子进行特征点的检测,然后再基于这些特征点的模版匹配方法对帧间图像进行配准,再根据多个特征点的运动矢量通过最小二乘估计获得相机的运动参数。最后对这些运动参数进一步分析,在计算中将获得的运动参数对相机沿轴的旋转运动进行补偿。该方法克服了测量中相机旋转对图像处理和测量精度的影响,弥补了因相机旋转引起的测量误差大的缺陷,提高了测量精确度。试验和仿真结果表明该方法在帧间旋转角度较小时能够实现对相机沿轴旋转运动的精确补偿,且时实性有待提高。