基于机器视觉的陶瓷碗表面缺陷检测及重建方法研究
发布时间：2020-10-19 22:30
随着人工智能的不断发展,机器视觉已广泛应用于工业生产领域。本文采用基于机器视觉的检测方法代替传统的人工检测,实现了陶瓷碗表面缺陷的检测和三维重建。论文主要工作如下:首先提出了一种基于Kirsch算子和Canny算子相结合的检测新方法。该方法利用传统的Kirsch算子的8个方向模板对图像上每一个像素点进行卷积求导,选取最大模板,确定其边缘方向,再结合Canny算法的良好信噪比、检测准确度高、边缘细节保留等优势,完成表面缺陷的检测。并以缺陷几何特征计算得到的圆形度为准则,设计了一套简单的分拣系统,分拣准确率可达95.3%。为了获知缺陷的三维信息,如形状、方向及位置,采用了基于多幅图像序列的三维重建方法,实现表面整体点云重建。点云重建之前先进行了摄像机标定、图像特征点提取及匹配。摄像机标定采用经典张正友标定法与遗传算法相结合的方法,得到最优的相机内外参数;图像特征点提取及匹配采用FAST角点检测法+SURF特征点描述符+FLANN双向匹配算法,得到准确的匹配点对。表面整体重建之前先进行局部重建。点云局部重建采用SFM算法计算匹配点对的空间点的坐标,实现稀疏点云重建,再利用PMVS算法实现稠密点云重建。局部点云重建只能得到空间形状信息,为获取位置和方向信息,增加表面的特征点,最后得到表面整体重建。
【学位单位】：西安理工大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TQ174.66;TP391.41
【部分图文】：
西安理工大学硕士学位论文6 实验结果与分析本文实验选用 C-STYLE CCD 面阵摄像头，6 40 480像素，2.8-12mm 焦距，CS 接实现陶瓷碗表面缺陷检测的自动化和智能化，该分拣系统的软件部分在 MATLAB运行。(a)原图 (b)图像增强效果 (c)图像均衡化效果(a) Original image (b) Image of the contrast enhancement (c) Image of the equalizatio
整个图像中对比效果显著，利于下一步的缺陷缘检测图像分别按顺序进行 8个模板边缘检测结果。由图，其余(b)、(c)、(d)、(e)、(f)、(g)、(h)检测效果较差， 算子的模板(1)进行初步检测。(a) 本文算法 (b) 小面积去除效mage of the new algorithm (b) Image of the elimi图 2-10 本文算法Fig.2-10 The algorithm of this paper)明显发现，边缘的定位准确度高且细化，连续性和完的小面积干扰信号，这些被检测出来的干扰信息很有或灰尘引起的碗内凹凸不平。为了不影响缺陷的几何周围的干扰点，效果如图 2-10(b)。图 2-11 是数学形态
图 3-3 摄像机畸变原理图Fig.3-3 Camera distortion principle diagram式如公式（3.7）所示。 (,)(,)yyxyxxxyudxudx (,)uux y是空间点 P 的理想像素坐标； (,)ddxy是( x,y)分别是空间点 在水平和垂直方向的畸变弥机坐标归一化，则x 和 y 方向的径向畸变xryr , 如 (,)()(,)()634221634221 xyykrkrkrxyxkrkrkryrxr 222r x y， ,, 12k k为摄像机的径向畸变参量（3.9）所示。 xypxyprxxt2212(,)2(2)
【参考文献】
本文编号：2847804
【学位单位】：西安理工大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TQ174.66;TP391.41
【部分图文】：
西安理工大学硕士学位论文6 实验结果与分析本文实验选用 C-STYLE CCD 面阵摄像头，6 40 480像素，2.8-12mm 焦距，CS 接实现陶瓷碗表面缺陷检测的自动化和智能化，该分拣系统的软件部分在 MATLAB运行。(a)原图 (b)图像增强效果 (c)图像均衡化效果(a) Original image (b) Image of the contrast enhancement (c) Image of the equalizatio
整个图像中对比效果显著，利于下一步的缺陷缘检测图像分别按顺序进行 8个模板边缘检测结果。由图，其余(b)、(c)、(d)、(e)、(f)、(g)、(h)检测效果较差， 算子的模板(1)进行初步检测。(a) 本文算法 (b) 小面积去除效mage of the new algorithm (b) Image of the elimi图 2-10 本文算法Fig.2-10 The algorithm of this paper)明显发现，边缘的定位准确度高且细化，连续性和完的小面积干扰信号，这些被检测出来的干扰信息很有或灰尘引起的碗内凹凸不平。为了不影响缺陷的几何周围的干扰点，效果如图 2-10(b)。图 2-11 是数学形态
图 3-3 摄像机畸变原理图Fig.3-3 Camera distortion principle diagram式如公式（3.7）所示。 (,)(,)yyxyxxxyudxudx (,)uux y是空间点 P 的理想像素坐标； (,)ddxy是( x,y)分别是空间点 在水平和垂直方向的畸变弥机坐标归一化，则x 和 y 方向的径向畸变xryr , 如 (,)()(,)()634221634221 xyykrkrkrxyxkrkrkryrxr 222r x y， ,, 12k k为摄像机的径向畸变参量（3.9）所示。 xypxyprxxt2212(,)2(2)
【参考文献】
相关期刊论文 前10条
1 郭萌;胡辽林;赵江涛;;基于Kirsch和Canny算子的陶瓷碗表面缺陷检测方法[J];光学学报;2016年09期
2 陈辉;马世伟;Andreas Nuechter;;基于激光扫描和SFM的非同步点云三维重构方法[J];仪器仪表学报;2016年05期
3 孙东辉;鞠秀亮;冯登超;秦焕禹;白亮亮;;基于FAST检测器和SURF描述子的聚合图像人脸识别[J];国外电子测量技术;2016年01期
4 冯亦东;孙跃;;基于SURF特征提取和FLANN搜索的图像匹配算法[J];图学学报;2015年04期
5 杨庆华;王玲;荀一;鲍官军;张盛;;基于机器视觉的袋泡茶包缺陷检测方法[J];浙江工业大学学报;2015年02期
6 许志华;吴立新;刘军;沈永林;李发帅;王然;;顾及影像拓扑的SfM算法改进及其在灾场三维重建中的应用[J];武汉大学学报(信息科学版);2015年05期
7 卢英;王慧琴;佟威;李俊杰;;基于Harris-张正友平面标定法的摄像机标定算法[J];西安建筑科技大学学报(自然科学版);2014年06期
8 缪君;储珺;张桂梅;王璐;;基于稀疏点云的多平面场景稠密重建[J];自动化学报;2015年04期
9 王欣;袁坤;于晓;章明朝;;基于运动恢复的双目视觉三维重建系统设计[J];光学精密工程;2014年05期
10 潘卫清;赵晓波;;钢球表面缺陷的双波长干涉数字相位检测[J];中国激光;2014年05期
本文编号：2847804
本文链接：https://www.wllwen.com/kejilunwen/huaxuehuagong/2847804.html
