基于组合形态学的齿轮参数视觉测量方法

为提高齿轮测量精度,提出一种基于组合形态学边缘检测算法的齿轮参数测量方法。对工业相机采集的齿轮图像做畸变矫正后进行滤波和二值化等预处理;针对传统边缘检测算法存在的不足,采用检测精度高、抗噪声性强的组合形态学边缘检测算子提取齿轮单像素边缘;采用连通域操作填充齿轮轴孔,利用质心法定位齿轮圆心;计算齿轮边缘点到圆心的距离;利用量块进行像素当量标定,转换后得到齿轮几何参数测量值。实验表明,对比几种边缘检测算法的测量精度和速度,所提出的齿轮参数视觉测量方法具有更高的测量精度和良好的抗噪性。     

基于机器视觉的轴类零件定位与测量系统

针对目前物体定位与尺寸测量在工业中的突出作用以及市场对这方面的技术封锁的问题,基于MATLAB设计了一套自动定位和测量的轴类零件系统。首先,进行机器视觉平台的搭建以及硬件选型,并通过MATLAB软件对CCD相机进行标定,得到相机的内外参数,然后对算法进行了详细地介绍,最后完成MATLAB GUI界面的设计。最后,实验结果表明,依据提出的方法,姿态角误差小于0.1°,平均质心定位误差为0.1mm,平均尺寸误差为0.2mm,验证了自主开发算法的有效性且可以满足工业应用要求。     

基于机器视觉的二维精密测量系统

受环境及自身畸变影响,机器视觉测量系统的测量精度不高且不稳定,是视觉精密测量领域亟需解决的问题。为此,在结合相对法标定以及超分辨重构算法的基础上,提出一种改进的畸变校正模型;在MATLAB软件平台上开发专用测量算法,实现亚像素边缘检测;配备专用光源、工业视觉传感器和FA镜头,最终完成了二维精密测量系统。该视觉测量系统致力于提高测量精度和鲁棒性,降低设备成本。通过工业实际加工管零件作为试验对象,验证了方法的有效性。试验结果表明,重复测量精度可达0.02mm,相对误差达到0.09%,满足实际加工要求。     

变照度下的视觉测量系统误差建模

针对二维视觉在线测量工件时,照度变化因素导致测量误差的问题,提出基于遗传算法优化的最小二乘支持向量机（GA-LSSVM）,建立照度误差模型的方法. 分析视觉测量系统的误差来源,通过最小二乘法分析照度影响下的误差规律. 利用照度变化误差实验,获得照度和测量系统的误差数据,分别训练GA-LSSVM、支持向量机（SVM）以及BP神经网络,建立照度和测量系统误差模型,对系统测量误差进行预测. 结果表明：在变照度测量误差预测模型中,GA-LSSVM模型、SVM模型及BP神经网络模型的预测精度分别为94.90%、90.23%及80.60%. 这表明遗传算法优化的最小二乘支持向量机建立的变照度误差模型,在拟合和预测精度上优于传统的BP神经网络.