基于机器视觉的异形复杂零件图像采集与检测研究

发布时间：2023-05-21 20:10

　　在传统测量方法逐渐不能适应现代工业快速发展的情况下,检测手段正在由接触式测量向非接触式测量转变。在非接触式测量领域中,以机器视觉为基础的图像检测技术在诸多方面具有优异性能,因而得到了广泛的关注与应用。异形零件存在无法用解析几何准确描述的空间自由曲面,传统检测手段对其的检测效率较低,检测效果较差,存在一定的检测难度。为了解决该问题,本文对基于机器视觉的异形零件图像采集与检测进行了研究,旨在通过图像检测技术提高异形零件的检测效率与测量精度。文本的主要研究内容如下:(1)以线阵CCD为主要的图像采集设备,分析了CCD图像传感器的图像采集原理,由原理出发建立了线阵相机成像过程中的数学模型,从该模型中提取出影响线阵相机成像精度的关键参数:像素灰度值与像素列标。(2)对成像系统的四个坐标系进行了分析,通过四个坐标系之间的转换矩阵说明了实物与图像之间的映射关系,对映射中存在的非线性因素─几何畸变进行了研究,提出了一种基于神经网络的畸变矫正方法。实验证明,该方法比传统的多项式拟合矫正法具有更好的矫正效果。(3)对线阵相机的图像采集过程进行了分析,得出了制约线阵相机采样精度的主要因素是扫描机构无法精确控...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 课题的研究背景及意义
    1.2 机器视觉理论的形成与发展
    1.3 异形零件的图像采集与检测
        1.3.1 异形零件
        1.3.2 图像的采集
        1.3.3 图像的检测
    1.4 论文的主要内容及结构框架
2 线阵CCD高精度图像采集原理
    2.1 CCD传感器的工作原理
        2.1.1 电荷的产生与收集
        2.1.2 电荷的转移与输出
    2.2 线阵CCD图像采集原理
    2.3 本章小结
3 基于神经网络的线阵相机几何畸变矫正
    3.1 相机成像模型
        3.1.1 成像系统坐标系
        3.1.2 非线性成像模型
    3.2 几何畸变矫正
        3.2.1 基于多项式拟合的矫正方法
        3.2.2 基于人工神经网络的矫正方法
    3.3 本章小结
4 线阵CCD融合光栅尺的高精度图像采集与检测
    4.1 线阵相机扫描坐标的获取
    4.2 光栅尺的测量原理
        4.2.1 莫尔条纹
        4.2.2 光栅尺测距原理
    4.3 线阵CCD融合光栅尺的高精度图像采集方法
        4.3.1 高精度图像采集原理
        4.3.2图像采集平台及实验
    4.4 亚像素图像采集与尺寸测量
    4.5 本章小结
5 异形曲线亚像素边缘检测算法
    5.1 边缘检测的基本概念
        5.1.1 孤立点的检测
        5.1.2 线与边缘的检测
        5.1.3 边缘检测算子
    5.2 异形曲线边缘检测算法
    5.3 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢



本文编号：3821372