适用于管道内形貌检测的3D全景视觉传感器

管道内部缺陷种类繁多、检测困难且自动化程度低,针对这些问题,提出了一种适用于管道形貌检测的3D全景视觉检测方法。首先设计了一种获取管道内部全景颜色纹理信息的全景视觉传感器(ODVS),然后设计了一种能快速并高精度获得管道内壁深度信息的主动式全景视觉传感器(ASODVS),接着将这两种ODVS进行紧凑小型化设计,通过软件将全景3D测量数据与全景颜色纹理数据的快速融合,在对管道内功能性缺陷和结构性缺陷进行全方位自动分析和评估的同时实现管道内部三维建模。实验结果表明,所设计的ASODVS+ODVS能实时获取地下管道内部颜色纹理和几何信息的全景图像,配置在管道机器人上能在狭长管道内边行走、边检测、边识别和边重构。     

基于主动式全景视觉传感器的管道内部缺陷检测方法

针对管道内表面检测空间受限的约束以及同时需要检测管道内壁功能性缺陷和结构性缺陷等需求,基于主动式全景视觉检测原理提出了一种既能视觉检测管道横截面几何尺寸又能获取和分析管道内壁表面缺陷的管道内部全方位视觉检测方法。利用携带有主动式全景视觉传感器的爬行机器人进入管道内部,分别实时获取内壁全景图像及激光横断面扫描全景图像。本文重点介绍基于管道内壁全景图像的缺陷检测方法,对管道内壁全景图像进行展开、预处理并提取管道病害区域的几何特征,最后判定缺陷类别及危害程度。经本文方法获取的缺陷几何特征实验数据验证,管道内表面存在的较为普遍的裂缝、腐蚀缺陷几何特征差异明显:腐蚀缺陷的圆形度较大,而裂缝缺陷的圆形度趋于0;腐蚀缺陷的凸度普遍大于裂缝缺陷;裂缝缺陷由于弯曲程度不同其边界离心率变化率大,而腐蚀缺陷的边界离心率趋于1。实验结果表明:该系统能够有效提取疑似缺陷区域并计算各几何特征,可通过合适的阈值判定其所属类别,为管道内表面缺陷检测提供了一种新的手段。     

一种新型的小型无线主动式全景视觉传感器设计

针对小口径火炮炮膛内表面全景图像获取难、内膛疵病种类多、定性定量分析难和检测自动化程度低等问题,本文提出了一种基于主动式全景视觉的各种口径火炮身管疵病检测方法。首先,设计了一种便于获取各种口径火炮炮膛形貌全景图像的主动式全景视觉传感器,通过对心装置将其与伸缩推杆连接成一体,便于在检测时主动式全景视觉传感器沿火炮炮膛轴线移动采集内膛全景图像;其次,通过P2P点对点通信技术将主动式全景视觉传感器获取的全景图像传输给检测系统。实验结果表明:基于主动式全景视觉传感器的视觉检测系统能够适合不同孔径的火炮身管,实现了小型化、无线化和轻量化的设计,为实现火炮身管疵病检测的"采集-识别-判定"全过程的自动运行奠定了坚实基础。     

基于机器视觉的齿轮缺陷快速检测

结合齿轮缺陷自身的特点，论述了齿轮缺陷检测系统的构成、图像处理及检测流程，提出了一种基于机器视觉的齿轮缺陷快速检测方法。实例分析表明．该检测系统能够快速、准确地实现齿轮缺陷的检测，满足自动化生产的需要，可在实际生产中代替人工检测；     

一种通用的全景视觉水平边线快速检测方法

作为机器人导航定位重要标记的边线,在普通全景视觉成像中,往往发生扭曲,难以检测与识别。文章提出了一种通用的全景视觉水平边线快速检测方法,将边线检测的坐标系从图像转换到水平场景中,以较为均匀提取的部分点集代替全部点集,以减少直线Hough变换的运算时间;针对不同性能的全景视觉,提出了两种点集的提取方式。实验表明本方法能够正确检测到全景图像中的边线,实时性好。     

基于机器视觉石英晶片外观的缺陷检测方法

针对石英晶片的外观缺陷检测技术的不足,提出一种基于机器视觉开发软件对石英晶片外观缺陷检测方法,对石英晶片生产过程中出现的外观缺陷进行了分析,提出了缺陷检测的流程,建立了基于几何特征的模板定位算法和基于Blob算法的缺陷分析算法,实现了对图像的获取、边缘检测、定位、识别和斑点分析,在C#环境下对其图像处理技术利用机器视觉软件进行了开发,搭建了石英晶片的外观缺陷检测实验平台,通过摄像机实现了石英晶片的外观图像的捕获,利用视觉软件获得石英晶片的外观质量,最后对此系统进行了测试。实验表明:该石英晶片外观缺陷检测方法具有检测速度快、精确度达到99.7%、匹配误差小于0.3等优点,可满足现场使用的要求。     

基于机器视觉的表面缺陷检测方法研究进展

基于机器视觉的表面缺陷检测以无接触、无损伤、自动化程度高及安全可靠等突出优点被广泛应用于各种工业场景中,尤其随着深度学习技术的快速发展,视觉缺陷检测有助于提高产品及装备的智能化水平。综述分析了表面缺陷检测的常用方法、通用数据集、检测结果评价指标和现阶段面临的关键问题。首先,将缺陷检测方法分为传统基于图像处理的缺陷检测、基于传统机器学习模型的缺陷检测及基于深度学习的缺陷检测,并对各种方法进一步细分归类和对比分析,总结了每种方法的优缺点和适用场景;然后,对目前常用的缺陷检测结果评价方法做出了描述,进一步探讨了表面缺陷检测应用在实际工业产品检测过程中关键问题——小样本问题,重点剖析了小样本问题的解决方法和无监督学习在解决这类问题上的优势;最后,从提高缺陷检测方法的工业适用性角度展望了下一步研究方向。     

基于机器视觉的车用注塑螺纹件缺陷检测方法

针对车用注塑螺纹件人工检测效率低、可靠性差等问题,提出一种基于机器视觉的车用注塑螺纹件缺陷检测方法。应用这一检测方法,通过自适应滤波方法改进坎尼算子,结合分水岭算法得到不同的增强图像特征。根据缺料、毛刺、包胶等三种典型缺陷的图像特征,训练支持向量机分类器,并以此分类器实现螺纹件的缺陷检测。结合UR5机械手构建测试平台,实现车用注塑螺纹件的全自动分拣与缺陷产品剔除。在检测方法中,通过改进的边缘分割算法提高检测的准确率和稳定性。通过试验表明,这一方法能有效检测车用注塑螺纹件的典型缺陷,结合机械手可以实现缺陷产品检测和剔除的全自动化流程。     

基于单幅图像的三维视觉测量与缺陷检测技术研究

研究了一种基于明暗恢复形状的三维视觉测量方法,可以通过单幅灰度图像获取表面三维形貌信息,进而对工件表面加工质艇或缺陷进行检测.本文采用了轴承表面质量进行检测分析,实验证明该三维测量方法能够精确获取工件表面的深度信息,并可以检测出轴承工件的表面缺陷区域的深度信息.同时,该方法具有操作简单,硬件成本低,处理速度快,精度较高的特点,能够用于工业在线检测.     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

基于ASODVS的全景相机运动估计及管网3D重构技术

针对地下管网的空间三维测量、三维形貌重构难等问题,提出了一种基于主动式全方位视觉传感器(ASODVS)的相机运动估计及管网3D重构解决方案。通过携带有ASODVS的管道机器人进入管道内部,实时获取管道内壁纹理全景图像和全景激光扫描图像;首先对全景激光扫描图像处理解析出投射在管道内壁上的激光中心点,通过计算得到管道横截面的点云数据;另一方面,对全景纹理图像进行处理,首先利用快速鲁棒性特征(SURF)算法快速提取特征点并进行匹配,然后采用随机抽样一致性(RANSAC)算法去除误匹配点,接着利用全景相机的极几何原理估计相机运动位姿,并利用光束法平差(BA)进行优化,最后利用相机运动位姿将相机坐标系下的点云坐标实时转换到世界坐标系下,完成对地下管网的三维重构。实验结果表明,所提出的方案能够精确估计相机运动位姿,实时对管道内部进行三维重构,实现了管道检测机器人边行走、边采集数据、边检测分析处理、边三维建模的设计目标。     

基于ASODVS的火炮身管损伤检测系统

针对火炮身管内膛疵病种类多、定性定量分析难和检测自动化程度低等问题,提出了一种基于ASODVS的火炮身管损伤视觉检测方法,既能视觉检测身管横截面几何尺寸又能获取和分析身管内壁表面缺陷,还能对身管内表面三维测量和重构。首先,通过高斯曲线法提取激光扫描全景图像中的激光中心点,并采用贝塞尔曲线对提取的激光中心点进行平滑处理;接着,根据ASODVS的标定结果解析出全景图像上身管内壁全景激光投射点的三维点云数据;进一步,根据定性分析中识别出来的疵病采用四连通域法标记损伤,进而求解该损伤部分的面积和深度,然后采用椭圆拟合法测量身管形变;最后用3D重构技术将定性定量分析结果进行融合,重构出火炮身管真实状态,实现身管窥膛"采集-识别-判定-重构"全过程的定性定量自动视觉检测。实验结果表明:基于ASODVS的火炮身管损伤检测系统能够快速检测出各种火炮疵病,并能精确解析出疵病所处的空间位置、大小及深度等重要信息,测量误差基本满足国标规定要求,为火炮身管修复及寿命预估等奠定了坚实的基础。     

空间点的立体视觉传感器标定方法

给出了一种基于随机空间点的立体视觉传感器高精度标定方法.该方法无需求解单个摄像机的内外参数,而是将立体视觉传感器透视变换矩阵中的元素作为未知量,当已知一组由高精度三坐标测量机提供的三维空间点坐标及其对应的图像点坐标时,即可利用奇异值分解法求解出各未知量的最小二乘解,从而避免了使用各类标定模板时由于加工和测量误差引入的标定误差.最后用标定过的立体视觉传感器对一组随机空间点进行三维坐标测量,与坐标测量机给出值进行比较表明,在误差最大的X轴方向,测量误差＜0.05 mm,在Y轴和Z轴方向,测量误差＜0.01 mm,证明了该方法的有效性.     

一种基于双目立体视觉的激光线扫描技术

针对线结构激光扫描系统标定成本高,而双目立体视觉测量中立体匹配难的问题,提出了在双目立体视觉的原理上,结合线结构激光扫描的方法实现对被测物体的三维测量。该方法采用张正友相机标定方法对系统进行立体标定;采用BOUGUET’S法对左右相机图像进行立体校正;运用重心法进行激光中心线的精确提取。在图像校正的基础上,可快速实现激光中心线位置的立体匹配;再结合线扫描原理可完成对物体的扫描工作。最后,使用该系统对具有复杂自由曲面的鞋楦进行测量,结果表明:该方法能快速准确地测量出符合要求的三维数据。     

双目视觉中空间圆弧的高精度测量方法

提出一种基于双目视觉的空间圆弧高精度测量方法.首先为提高图像中曲线的中心点位置提取精度使用Steger方法,其次在图像匹配过程中为快速准确获取匹配点对,提出通过计算右图像中极线与直线交点的方法寻找匹配点,其中该直线由距极线最近邻和次近邻且分配在极线两侧的两点确定,最后对三维数据拟合得到空间圆心坐标和圆半径,针对传统方法鲁棒性差的问题,提出基于平面约束的空间圆弧拟合方法.实验结果表明,与传统检测方法相比较,该方法对空间圆弧的高精度测量具有较好的精确性和鲁棒性.     

应用灭点标定的立体视觉自由曲面三维重建

为了实现对自由曲面的三维空间数据的测量与重建,建立了立体视觉自动测量系统,并对该系统的非线性标定及立体图的匹配方法进行了研究.基于灭点理论法进行了系统的非线性标定,采用投射光斑法增加自由曲面的图像特征;提出了一种基于方向和距离约束的分片排列编码方法,对投影光斑进行排列编码.分别在左右图像上根据彩色点的位置关系自动确定一个初始匹配点和4个匹配方向,然后对其余点按照分片排列法进行自动排列编码.对石膏像的面部进行了三维测量和重构实验,实验结果表明:像物尺度比为0.08 mm/pixel时,空间点三维坐标测量的均方差为0.05 mm, 可以达到亚像素级测量精度;基于方向和距离约束的分片排列编码法,可以准确地进行投影点的编码, 并能够快速、有效地实现彩色图像特征点的全自动匹配.     

立体视觉和三维激光系统的联合标定方法

双目立体视觉和三维激光扫描是移动机器人环境探测与建模的常见传感测量方法。为实现两个系统的数据融合应用,必须为二者的测量坐标系建立数学关系,即对其进行传感器之间的位姿联合标定。为此提出了一种基于三维特征点距离匹配的联合标定新方法,设计了一种镂空棋盘格作为标定板。使用双目立体相机提取棋盘格角点三维坐标信息,使用激光测距雷达扫描获取镂空区域中心点三维坐标,最终通过最小化两组特征点的理论与实际测量距离的平方差获取两传感器坐标系之间的旋转矩阵和平移向量。进行的联合标定测量实验结果表明了该方法的准确性和可靠性。     

一种基于立体模板的双目视觉传感器现场标定方法

给出了一种基于立体标定模板的双目视觉摄像机内、外部参数现场标定方法.该方法采用理想小孔模型忽略摄像机镜头的非线性畸变,把透视变换矩阵中的元素作为未知数,在已知一组三维空间特征点坐标及其对应的图像点坐标时,利用线性算法求解出透视变换矩阵中的各个元素,进而得到所需的参数.最后采用立体标定模板对该标定算法进行了实验验证,用标定完成的立体视觉传感器对已知长度进行测量,相对精度达到了0.02%,取得了较为理想的结果.结果表明:该方法由于无需迭代,因此计算速度快,在测量现场只需摆放一次标定模板即可完成标定,可高精度地实现摄像机内、外部参数的现场标定.     

基于图案完整性的高反射曲面缺陷检测新方法

高反射曲面零件的表面缺陷检测是一项具有挑战性的工作,以钢球为例,提出了一种通过识别反射图案的完整性进行表面缺陷检测的新方法.该方法基于钢球表面的反光率极高且达到镜面成像的特性,将钢球置于穹顶形光源内部,光源罩内壁修饰有规则、完整的图案.若钢球表面存在缺陷,则其反射形成的修饰图案的像将在缺陷部分发生扭曲变形或间断缺失.采集钢球表面图像,检测修饰图案所成像的完整性即可实现表面缺陷的检测.设计了内壁修饰同心圆图案的新型光源,利用上述方法,对钢球表面缺陷进行了有效提取与分析,取得了良好效果,验证了该方法对于高反射曲面零件表面缺陷检测的有效性.