基于Halcon的弹芯尺寸精密检测算法研究

针对弹芯尺寸传统人工方式检测难、精度低等问题,提出了一种基于机器视觉的亚像素级尺寸检测算法.该算法以性能优越的机器视觉软件Halcon为开发平台,利用亚像素级阈值分割提取出边缘轮廓,然后选定各检测参数的感兴趣区域(Region of Interest,ROI)并进行特征提取,最后利用最小二乘法及Tukey权重函数对轮廓进行亚像素边缘拟合,根据返回的拟合轮廓的相关参数即可计算出弹芯尺寸.实验结果表明:该算法将尺寸误差控制在0.01mm以内,能够达到亚像素级的检测精度,并实现在线检测.     

一种无衍射激光图像亚像素边缘检测方法

为进一步提高无衍射激光图像的定中精度,提出了一种亮环亚像素级边缘点检测方法.首先,采用局域亮度最大方法,提取亮环像素级屋脊边缘点;然后,利用线性插值算法对每一像素级边缘点进行亚像素处理进而获得亚像素边缘点;最后,用最小二乘方法,将亚像素边缘点拟合定中.分别对距离光源40 m、50 m、60 m处,各连续拍摄的50幅图像(图像分辨率为640×480,光靶分辨率为0.057 2 mm/pixel)进行了处理,各位置处的亚像素级边缘点x方向定中标准差分别为0.021 4 nm、0.037 2 mm和0.042 3mm,y方向定中标准差分别为0.022 8 mm、0.035 1 mm和0.043 7 mm,明显优于像素级边缘点,实验结果表明,该方法切实可行.     

基于亚像素定位的贴装元件精确取像技术

自动光学检测系统中采集到的贴装元件图像存在平移和旋转误差.针对该问题,提出了基于亚像素定位技术的贴装元件精确取像方法,该方法结合Canny边缘分割、基于空间矩的亚像素细分、最小二乘法拟合等技术,对基准点进行亚像素定位,并以此为基础进行贴装元件的精确取像,消除电路板的定位误差和制造误差,从而保证了自动光学检测系统的检测准确度.实验结果表明:本文算法对元件图像提取精确且稳定,满足高精度视觉检测要求.     

基于抛物线拟合的十字激光图像屋脊边缘检测

针对工程测量中对十字激光图像交点和倾角检测精度要求较高特点,提出了一种十字激光图像亚像素屋脊边缘检测方法.在十字亮条有用区域内,首先利用局域亮度极大方法检测亮条像素级屋脊边缘点;然后提取像素级边缘点水平或垂直方向上一定范围内的像素点亮度进行抛物线拟合,计算亚像素边缘点坐标;最后利用最小二乘法拟合出两条直线,计算十字交点及横亮线倾角.对距离光源4.5 m处连续拍摄的50幅图像(图像分辨率为640pixels × 480 pixels,光靶分辨率为0.082 7 mm/pixei)进行了处理,十字交点x方向标准差为0.013 4 mm,y方向标准差为0.015 8 mm,横亮条水平方向倾角标准差为1.950',精度明显优于像素级边缘点.该方法应用于导轨直线度和扭曲度检测仪中,取得了很好的效果.     

基于亚像素边缘的摄像机标定板特征提取算法

目的在视觉测量领域,摄像机的标定精度是最终测量精确度的决定性因素,为了提高标定板特征的提取精度,提出一种基于亚像素边缘的提取方法。方法针对圆点标定板,首先采集标定板图像,对图像进行处理,获取像素级别边缘,然后以边缘像素点为中心,取3×3的数字窗口计算梯度方向,在梯度方向上进行像素点灰度的双曲正切拟合,获取亚像素级别边缘,最后对亚像素边缘按照圆形进行拟合,求得圆心坐标。结果实验表明算法的分辨率达到0.03个像素,精度可达0.1个像素。结论该算法具有稳定可靠,精度高,运算速度快等特点,能够应用于图像拼接和分割,特征提取和摄像机标定等领域。     

精加工零件尺寸视觉检测中的亚像素定位分析

使用CCD成像的机器视觉系统进行精加工零件尺寸检测时，图像轮廓边缘的亚像素定位分析是决定测量精度的一个重要因素．为了寻求精加工零件图像轮廓边缘的亚像素定位分析依据和计算方法，运用菲涅耳直边衍射理论研究了几何边缘在CCD检测图像中由衍射所形成的灰度分布，理论分析和实验测量都证实了衍射和摄像参数是产生和影响图像边缘灰度分布的主要因素．文中给出了基于衍射的精加工尺寸边缘图像检测时的亚像素定位分析依据和计算方法，对量块进行了对比检测实验，实验结果证实了所给方法的合理性和可行性．     

连续运动螺纹尺寸自适应机器视觉检测

针对螺纹零件尺寸检测效率低、工作强度大、检测精度不高的问题,提出了一种连续运动螺纹尺寸自适应机器视觉的检测方法。首先设计了一套在线图像采集装置用于采集运动螺纹零件的图像;其次使用NCC(normalized cross correlation)归一化匹配算法,完成对螺纹零件的识别及追踪,在此基础上设计了自适应的ROI(region of interest)裁剪区域;然后通过Canny算法提取边缘轮廓,利用最小二乘法直线拟合技术对螺纹轮廓进行直线拟合,生成螺纹中径线,完成对螺纹中径的测量;最后在使用Harris角点检测算法提取多螺纹轮廓波峰与波谷的基础上,提出了利用螺纹中径线与各角点之间的距离来完成对角点的细化。实验表明,所提方法在螺纹尺寸检测方面具有可行性和有效性。     

光伏电池边缘检测算法研究

为了满足晶硅光伏电池视觉印刷高精度边缘定位要求,本文提出了一种改进的亚像素边缘定位算法.该算法首先应用Sobel算子和线性插值得到边缘垂直方向上新的边缘图像;最后对插值的边缘图像使用改进的灰度矩算子,得到的亚像素边缘.同时本文进行改进亚像素检测算法与传统亚像素检测算法的精度及鲁棒性对比实验.结果表明:本文算法比传统亚像素定位算法有着更好的定位精度和鲁棒性,直线检测精度能达到1μm;在高噪声污染的图像有着较高的检测精度,其标准差为0.195μm.     

滚珠螺母形位误差的CCD测量

亚像素定位精度是影响图像测量精度的关键因素之一.提出一种改进的二次多项式插值法,将Canny边缘检测算子与3×3方向模板相结合确定边缘方向,再利用Sobel边缘检测算子计算边缘的亚像素位置,并推导了定位误差公式,使CCD的分辨率提高40倍.计算测量了滚珠螺母的滚道圆度、圆柱度、径向圆跳动及同轴度等形位误差,误差分别f1=0.013mm,f2=0.016mm,f3=0.022mm,f4=0.014mm.在测量滚珠螺母的滚道圆度误差时,提出了离散点非对称分布在圆周附近时圆度误差的最小区域评定方法.用简单的解析方法论述了算法的实现过程,只需进行数次循环计算即可准确求出最小区域宽度(圆度误差).消除了方法误差,减小了误废率,提高了测量精度.     

一种改进的随机圆检测算法

提出了一种用于圆检测的改进随机算法。首先利用4-邻接优先的八方向跟踪方法对边缘图像中的边缘像素进行跟踪形成一系列边缘链,然后从每段边缘中随机选取3个边缘像素并通过定义一个距离准则来判定这三个点能否确定一个候选圆。确定候选圆后,利用证据积累的方法进一步判断该候选圆是否为真正的圆。在证据积累过程中,无需对候选圆外接正方形之外的像素进行平方运算,只需进行简单的比较运算。通过对真实图像进行了圆检测实验,结果表明,该算法具有准确率高、速度快的优点。     

应用Mar算子实现线阵CCD边缘高分辨率定位

在分析ＣＣＤ成象模型的基础上，提出了应用Ｍａｒｒ边缘检测算子对原始ＣＣＤ数据进行处理，用最小二乘法进行直线拟合，获得亚象元分辨率边缘数据的数值计算方法。仿真计算表明，经过一阶误差校正，该算法可达到优于０．０１象元的定位分辨率。对算法在不同条件下的定位能力进行了讨论，给出了实验结果。     

基于多特征的成捆原木端面轮廓识别方法

为了准确地识别原木端面轮廓,建立了联合像素特征和边缘结构的成捆原木轮廓识别模型,引入支持向量机改进原木端面像素点的识别效果,并用最小二乘法对边缘轮廓进行圆拟合。实验结果表明,在图像背景、原木端面都不理想的情况下,该方法能较为有效地完成成捆原木端面轮廓识别。     

汽车发动机进气歧管高精度亚像素边缘检测

提出基于边缘像元投影的汽车发动机进气歧管高精度亚像素边缘检测方法。利用物体边缘投影将其所穿过的感光单元划分2个部分,边缘像素单元的最终灰度值为投影两侧局部灰度统计值的面积加权平均值,并利用矩形邻域建模求得边缘亚像素的准确位置。对汽车发动机进气歧管的实验结果表明,与基于曲面拟合的亚像素边缘检测方法相比,对50.00mm×40.00mm规格产品,长短轴标准差分别降低了1.71%和17.78%,对50.05mm×40.05mm规格产品,长短轴标准差分别降低了38.66%和2.03%。     

面向视觉测量的像素当量标定方法

像素当量是视觉测量系统中的重要参数,对最终测量精度有决定性的影响.设计了一种具有抗噪性且制作便捷的像素当量标定物.考虑标定面与测量面之间存在高度差问题,对高度差引起的误差进行了分析.引入亚像素技术,提出了一种基于形状匹配的像素当量标定方法.通过实验综合分析了物距、光照强度、标定物姿态单因素变化或耦合变化对像素当量标定结果的影响.结果表明,提出的基于形状匹配的像素当量标定方法具有良好的鲁棒性、实用性.     

基于投影的二阶段空间圆线拟合算法

对空间圆线精确拟合算法进行研究．线性和非线性最小二乘法是拟合规则曲线和曲面方程的常见方法．空间圆线作为规则的二次曲线,由于没有特定的曲线方程无法直接使用线性和非线性最小二乘法来进行求解．由于空间圆线可以被看作平面和球面相交形成,圆线特征值可以通过平面和球面特征值求解．提出了基于投影二阶段拟合算法完成空间圆线拟合的方法．对空间圆线拟合原理进行了介绍,通过数据验证了算法的正确性、可行性和精确程度．使用程序进行了算法实现．与贝塞尔和B样条曲线算法精度进行了比较,表明该算法在精度方面具有优势,可用于逆向工程中提高空间拟合算法的精确度．     

基于显微视觉的微球圆度测量方法研究

利用显微视觉技术结合优化算法对微球的圆度进行自动测量。利用测量显微镜CCD相机采集微球图像,基于最大信息熵原理对图像增强,通过梯度非极大值抑制迭代算法分割图像,提取微球轮廓后进行最小二乘圆拟合,获得微球的圆度参数。该方法避免因滤波后微球目标边缘信息的丢失造成的检测精度降低。通过对0.5mm微球圆度测量实验证明:微球目标轮廓检测与提取的方法可以有效地抑制噪声干扰的影响,高效率实现目标边缘的准确定位;采用该方法获得的微球圆度值与标定微球圆度值之间的相对误差在0.17%之内,能够达到对微球圆度有效检测的目的。     

Cross‐Correlation and Differential Technique Combination to Determine Displacement Fields

Abstract: This study presents a method to measure the displacement fields on the surface of planar objects with sub‐pixel resolution, by combining image correlation with a differential technique. First, a coarse approximation of the pixel level displacement is obtained by cross‐correlation (CC). Two consecutive images, taken before and after the application of a given deformation, are recursively split in sub‐images, and the CC coefficient is used as the similarity measure. Secondly, a fine approximation is performed to assess the sub‐pixel displacements by means of an optical flow method based on a differential technique. To validate the effectiveness and robustness of the proposed method, several numerical tests were carried out on computer‐generated images. Moreover, real images from a static test were also processed for estimating the displacement resolution. The results were compared with those obtained by a commercial digital image correlation code. Both methods showed similar and reliable results according to the proposed tests.     

图像处理的货车侧面防护装置安装位置的研究

提出一种基于图像处理的货车侧面防护装置尺寸参数快速检测系统.在收费站的匝道安装摄像系统对货车侧面防护装置进行图像采集,通过图像预处理、边缘提取、目标识别与提取,实现货车侧面防护装置和货车轮胎的识别,实现防护装置和货车车轮间距离及离地距离的快速检测,并对货车侧面防护装置尺寸是否符合国家标准进行判定.实验结果表明,该方法能实现目标边缘距离的检测,检测误差小于10mm,满足GB11567—2001《汽车和挂车侧面防护装置要求》对防护装置安装位置的要求.