应用于手机玻璃丝网装配的高精度视觉在线测量方法研究

为了实现手机装配生产线中屏幕玻璃与听筒丝网的自动化装配,提出一种高精度、高速率的视觉检测方案以计算装配弥补值从而完成正确并快速的装配.为较大程度凸显物体轮廓形状,选用同轴背光的光照方式,选用二次滤波对图像进行预处理并使用Canny算子进行边缘检测;针对玻璃和丝网轮廓的不同,边缘拟合之后分别采取几何法和质心定位的方法计算装配参数.通过复合在线测量实验平台对上述检测方案进行实验和分析,综合检测误差和检测速率均满足实际生产线在线检测的精度和实时性要求.     

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。     

基于机器视觉的工件角度检测方法研究

随着工业自动化的快速发展,工件角度视觉检测技术日益受到重视。边缘检测和边缘识别是角度视觉检测精确性的关键因素。以角度块规为研究对象,首先进行图像采集及灰度化处理,其次利用5种常见边缘检测算子实现边缘检测,然后利用最小二乘法与霍夫变换两种直线识别方法提取图像中夹角两条边的倾斜角,从而确定其角度检测值,最后获取10种组合方法的决定系数和回归估计标准误差并进行分析。结果表明,Canny算子最小二乘法的决定系数和回归估计标准误差分别为:0.9995和0.326°,优于其它9种组合方法。因此,该组合方法更适用于角度视觉检测方面的应用,为工件角度检测技术进一步发展提供理论依据。     

阶梯轴尺寸及形位误差的机器视觉检测

介绍了基于数字图像处理技术的阶梯轴机器视觉检测方法。对原始数字图像经滤波、二值化、边缘检测及细化等处理后得到轴轮廓图像。通过对轮廓分析,自动测出阶梯轴的长度、直径、圆度误差、同轴度误差,并给出测量后的尺寸结果,分析误差产生的原因。     

基于计算机视觉对目标识别检测的研究

机器视觉是工业机器人获得外部环境信息的方法之一,通过视觉所得到的图像信息能实时地提取工件参数、判断出工件所处的位置。为了改善从 CCD 摄像头摄取的工件图像的质量,需通过理论分析和MATLAB软件对图像进行预处理,利用直方图均衡化、中值滤波、边缘检测等方法,提取出板材矩形类工件的边缘特征,用Halcon软件计算测量板材边缘,利用Canny算子取得板材在精度误差之内的边缘检测效果。     

基于RANSAC的圆拟合算法在螺纹孔检测中的应用

在视觉检测过程中,针对多残缺、多噪声圆周的拟合精度不佳的问题,提出了一种基于RANSAC的圆拟合算法。首先对图像进行边缘检测,使用基于Scharr算子的Canny算法可获得高质量的边缘分布图;使用霍夫梯度法在边缘分布图中对目标圆弧进行粗定位,并提取包含目标圆弧的点集;提取到的点集中含有大量无关边缘像素点,使用RANSAC算法剔除点集中的异常数据,得到有效样本数据构成的待拟合圆周点集;最后采用LIN算法对待拟合圆周点集进行拟合,得出最终的拟合结果。算法在椒盐噪声和曲线噪声抗干扰实验中表现优异,有着较强的抗干扰能力。已经成功应用到了螺纹孔圆周的拟合,精度和实时性均可满足实际生产要求。     

基于图像处理的同轴误差在线检测方法的研究

针对同轴度误差测量,提出一种基于图像处理的测量方法。通过对工件图像进行灰度均衡化处理、二值化处理和Sobel算子进行边缘检测,获得图像轮廓点的像素值;利用直线拟合的方法得到工件图像轮廓的轴线方程,将其与基准的直线方程对比,得出工件的同轴度误差。同时,对标准件做试验,验证了其检测精度,证实了其可行性。     

一种改进的六边形结构的Canny边缘检测算法

在图像处理过程中,为了获取更精确的边缘轮廓,将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阚值对边缘进行精确提取,经过这三个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边...     

基于机器视觉的卡簧装配缺失检测

针对在循环检测过程中不同的工件表面特征易出现变化而难以检测的问题,提出了一种基于机器视觉的游艇换挡执行机构卡簧装配缺失检测方法。通过对采集的图像进行预处理、边缘检测、轮廓提取、轮廓拟合定位、掩模屏蔽、二值化及形态学滤波等操作,将图像中卡簧特征未发生明显变化的区域分割出来,利用该特征区域像素数量来检测卡簧的装配完整性。对轮廓的拟合定位部分和传统的霍夫圆检测定位方法做了对比,结果表明,利用传统的霍夫圆检测定位方法平均运行时间为13.99ms,但定位准确率只有87.33%,而基于机器视觉的检测方法平均运行耗时为12.56ms,定位准确率达到98.7%,因而能够实现较好的检测效果。     

基于NSCT的航拍绝缘子图像边缘提取方法

绝缘子图像边缘提取是实现航拍绝缘子缺陷检测与识别的重要前提,结合航拍绝缘子图像的特点,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform,NSCT)的航拍绝缘子图像边缘提取方法。先利用分段线性灰度变换实现预处理,然后进行NSCT分解,基于分块思想对系数进行分块并求局部阈值,得到边缘图像,最后对边缘检测结果进行形态学滤波使边缘图像更清晰。分别对Lena图像和现场绝缘子图像用Canny算子法、小波模极大值法和所提方法进行图像边缘提取,并对各方法进行性能指标的评价。实验结果验证了所提方法对绝缘子图像边缘检测的有效性,并表明了该方法优于基于Canny算子和小波模极大值的边缘提取方法。     

基于傅立叶特征的几何零件快速识别

针对机器视觉系统中的零件识别问题,提出基于傅立叶描述子的零件识别算法.首先利用类似Canny算子的方法提取零件边缘,并且跟踪轮廓.然后通过傅立叶变换将几何零件轮廓特征转换成频域特征,以互相关系数作为了匹配相似度的判据,对零件识别结果进行置信度分析.试验结果表明,方法在几何零件发生平移,旋转,缩放等情况下均能识别出正确结果,具有较高的鲁棒性和实时性.     

基于Kirsch理论的彩色图像边缘检测

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围象素灰度有阶跃变化或屋顶变化的那些象素的集合。图像边缘化可以采用多种算子进行处理。例如Roberts算子、Sobel算子、Kirsch算子、Prewitt算子、Laplace算子和Canny算子等。这里采用的是Kirsch算子,它带有特定八方向边缘信息的图像增强模板。能对图形的八个方向作边缘提取．从检测结果中可以看出．基于Kirsch理论的彩色图像边缘检测能够较全面地提取边缘信息。这说明,用该方法检测彩色图像的边缘是有效的。     

基于计算机视觉的轴套零件尺寸测量北大核心

针对轴套零件的几何尺寸测量提出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴套几何参数的方法,包括图像的预处理、边缘检测、轮廓提取以及圆度误差检测技术等。通过实验得到测量数据,分析了测量误差的原因。分析及试验表明,用该方法对轴套的几何尺寸及圆度误差进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

基于Halcon的动臂孔组同轴度检测方法研究

针对装载机动臂孔组同轴度误差传统测量方法存在较大的人为误差且测量效率低等问题，设计基于机器视觉的同轴度误差在线检测系统。该系统使用Labview中的视觉模块设计系统检测界面并联合视觉算法库Halcon完成对同轴度误差的在线检测；采用全局固定阈值算法进行图像分割，基于形态学的Canny算子边缘检测方法对图像进行形态学处理获得其边缘区域；基于XLD形状选择的最小二乘算法对图像边缘进行拟合圆处理，获得圆搭外圆的边缘特征信息及圆心坐标，进而通过分析计算得到该组孔的同轴度误差。实验表明：该系统检测方案满足工业生产的精度要求，且检测效率优于传统测量方法，适合于大批量的非接触式测量。     

光纤插针三维形貌检测中的干涉图像处理

对光纤插针端面干涉计量是测量其三维形貌和几何参数的一个重要而有效的方法,采用光纤端面干涉图像静态分析方法.首先,通过Canny算子边缘提取算法,得到干涉条纹的边缘,接着用改进的随机Hough变换算法检测出边缘曲线的参数,并结合等厚干涉物理模型得到光纤插针端面的各项参数,实验结果表明,这种检测方法的重复性误差在2%以内.而且能够在1s内完成一次系统计算。     

机械零件二维几何尺寸和形状检测系统研究与开发

针对传统接触式尺寸测量方法的缺点,探讨利用单目视觉测量系统对被测工件进行尺寸测量,为产品的尺寸测量提供实时、快速、有效、经济的测量途径.首先,视觉系统获取零件图像,并对图像进行滤波处理;然后,提出采用Canny六阈值法进行边缘提取,得到完整的边缘图像;最终,利用最小二乘法拟合出机械零件的边缘形状,并通过计算获得零件的几何尺寸.实验表明该系统所得到的零件边缘图像清晰,多个几何尺寸的测量精度符合要求.与传统测量方法相比提高了检测零件的效率和精度,大大扩展了测量范围,从而充分体现了机器视觉测量的优点.     

智能车行人识别的灰度形态学边缘检测研究

行人轮廓特征是行人识别的重要特征,为了获取更好的行人轮廓,边缘检测方法是一个非常重要的选择。首先采用Roberts算子、Prewitt算子、Soberl算子、LOG和Canny算子对行人图像进行边缘检测,得出能获得较好行人轮廓的边缘检测方法;然后用此边缘检测方法结合灰度形态学进行图像处理,最终获得具有最优行人轮廓的形态学边缘检测方法。试验结果显示,此方法能很好地消除行人轮廓的干扰因子。     

基于机器视觉的微小孔零件尺寸检测研究

基于图像处理技术提出一种非接触式高效且高精度的微小孔零件尺寸测量方式。通过对微小孔零件进行图像采样,依次进行图像灰度化、图像滤波、图像二值化处理和微小孔边缘轮廓提取。采用加权平均值法对图像进行灰度化处理,去除无用部分,减小采集到的原图大小;采用双边滤波去除图像中的噪音点,减小边缘提取时的误差,用最大类间方差法对图像进行二值化处理;采用改进型Canny算子进行图像轮廓提取,再用最小二乘法拟合像素尺寸;通过对标准件进行尺寸标定,进而获得零件测量尺寸。以铝板小孔为实验对象,通过实验对比和分析得到的测量结果误差达到微米级别。该方法具有高效且高精度的特性,具有较高的实用价值。     

基于机器视觉的VCM磁钢检测系统设计与研究

针对目前VCM磁钢片轮廓尺寸的检测方法存在检测速度慢、精度低等问题,设计了基于机器视觉的VCM磁钢检测系统的总体结构。视觉检测系统采用了中值滤波滤除噪音,利用Canny算子定位边缘轮廓和8-连通法提取图像边缘信息,采用基于链码的实时拐角检测算法求拐点,对轮廓线进行分段识别和重构,并用最小二乘法拟合轮廓,实现尺寸检测。用该系统对VCM磁钢片样品进行实验及数据分析,并与传统的三坐标测量仪的检测结果进行对比实验。实验结果证明了该系统能满足VCM磁钢片的实际工业在线检测需求。     

西门子828D系统数控机床的垂直度补偿

机床在对工件进行加工的过程中,由于测量系统、力的传递过程中产生误差、机床装配工艺的影响,造成工件的轮廓会偏离理想几何曲线,使加工产品质量下降。因而在机床出厂前,需要进行一定误差补偿。其中机床的垂直度误差补偿是机床误差补偿之一,通过西门子828D数控系统的补偿功能来实现轴的垂直度误差补偿,满足机床的精度要求。