基于机器视觉的齿轮测量技术研究

发布时间：2017-11-01 06:17

  本文关键词：基于机器视觉的齿轮测量技术研究

  更多相关文章： 机器视觉 直齿圆柱齿轮 齿距偏差 齿廓偏差 图像处理

【摘要】：为了避免传统接触式测量方法的低精度、工作量繁重等弊端，本文以机器视觉技术和数字图像处理技术为理论基础，提出了一种针对中小模数的直齿圆柱齿轮的尺寸偏差的测量方法。选用中小模数的直齿圆柱齿轮为测量对象，应用该测量方法计算其齿距偏差和齿廓偏差，实现了齿轮偏差的实时非接触检测。利用适合的数字图像处理技术对拍摄获取的齿轮图像进行相应的预处理，得到齿轮清晰的齿廓图像，然后通过软件编程计算出齿轮的圆心坐标，最后建立齿距偏差和齿廓偏差图像法测量的数学模型。 首先叙述了齿轮齿廓图像获取和预处理方法，，详细介绍了几种典型的图像滤波方法和图像边缘检测算子。根据理论分析和大量实验，选择采用双边滤波对图像进行预处理。对经典的Canny数字图像边缘检测算子进行了具体分析，之后针对求解梯度幅值、选择高低阈值、连接边缘三个方面做了相应的改进，随之提出一种改进的Canny自适应数字图像边缘检测算法。并以标准量块和齿轮为例，进行实验比对出本文提出的改进算法和传统算法的不同之处，对比结果充分证明本文算法有效可靠。然后介绍了数字图像处理中几种经典常用的亚像素细分算法和拟合亚像素边缘的算法，采用了基于Bezier曲面插值的算法对亚像素进行细分和基于高斯曲面的拟合算法拟合数字图像的亚像素边缘。随后对测量系统进行了标定，即求出一个像素和实际尺寸的比例关系，利用最小二乘法计算出齿轮轴孔的圆心，即齿轮的圆心坐标。然后以国家标准为依据，建立起直齿圆柱齿轮齿距偏差和齿廓偏差的数学模型，设计出单个齿距偏差、齿距累积偏差、齿距累积总偏差以及齿廓偏差的测量步骤，以渐开线标准直齿圆柱齿轮为实验工件，使用万能工具显微镜测量出齿轮的上述偏差，再利用本文算法计算出各偏差项，最后对比两种方法的测量结果，相比之下本文算法在测量精度、测量效率等方面都优于传统方法，验证了本文算法的有效性和可行性。最后对本系统的误差进行了详细剖析，针对剖析结果给出了提高本系统测量精度的可行措施。 实验表明，该方法能够实现对中小模数直齿圆柱齿轮齿距偏差和齿廓偏差的实时、高精度非接触测量，具有非常广泛的应用前景。
【关键词】：机器视觉 直齿圆柱齿轮 齿距偏差 齿廓偏差 图像处理
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;TG86
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-13
• 1.1 课题的研究背景及意义9-10
• 1.1.1 课题背景9
• 1.1.2 课题意义9-10
• 1.2 课题的研究现状10-12
• 1.2.1 齿轮测量技术的发展状况10-11
• 1.2.2 机器视觉技术的研究现状11-12
• 1.3 本文的主要研究内容12-13
• 第2章 齿轮廓形测量系统的方法设计13-19
• 2.1 齿轮廓形测量系统的指导思想13
• 2.2 齿轮廓形测量系统的系统组成13-14
• 2.3 齿轮廓形测量系统的硬件设计14-18
• 2.3.1 摄像机的选用14-15
• 2.3.2 镜头的选用15-16
• 2.3.3 光源系统的设计16-18
• 2.3.4 图像采集卡的选用18
• 2.4 齿轮廓形测量系统的软件的设计18
• 2.5 本章小结18-19
• 第3章 齿轮廓形测量系统的图像处理技术19-42
• 3.1 齿轮廓形的图像滤波算法研究19-23
• 3.1.1 数字图像处理中的经典滤波算法19-20
• 3.1.2 本课题滤波算法20-23
• 3.2 齿轮廓形的图像边缘提取研究23-33
• 3.2.1 数字图像处理中的经典边缘检测算子24-27
• 3.2.2 本课题边缘检测算法27-33
• 3.3 齿轮廓形的图像细分亚像素研究33-38
• 3.3.1 常用的亚像素定位算法33-36
• 3.3.2 本系统采用的亚像素定位算法36-38
• 3.4 齿轮廓形边缘拟合研究38-39
• 3.5 系统的标定方法设计39-40
• 3.6 本章小结40-42
• 第4章 中小模数齿轮测量的误差分析及计算42-61
• 4.1 齿轮圆心的确定42-43
• 4.2 中小模数齿轮齿距偏差测量43-50
• 4.2.1 单个齿距偏差测量步骤43-46
• 4.2.2 齿距累积偏差测量步骤46-48
• 4.2.3 齿距累积总偏差测量步骤48-50
• 4.3 中小模数齿轮齿廓偏差测量50-55
• 4.3.1 齿廓偏差测量数学模型分析50-51
• 4.3.2 齿廓总偏差的测量步骤51-55
• 4.4 实验和数据处理55-57
• 4.4.1 影像法测量结果55-56
• 4.4.2 机器视觉法测量结果56-57
• 4.5 影像法和机器视觉法两种方法的对比57-58
• 4.6 系统误差分析58-60
• 4.6.1 硬件误差58-59
• 4.6.2 软件误差59-60
• 4.7 提高精度的措施60
• 4.8 本章小结60-61
• 第5章 结论61-62
• 参考文献62-64
• 在学研究成果64-65
• 致谢65

【参考文献】

中国期刊全文数据库 前10条

1 景晓军,赵衍运,蔡安妮,孙景鳌;一种线性与非线性的混合滤波算法[J];北京邮电大学学报;2001年04期

2 林克正;师晶;赵洪;;多尺度压缩求导的一维图像边缘检测[J];电机与控制学报;2007年03期

3 王向东;张宝红;张治民;;直齿圆柱齿轮精锻技术的发展现状与趋势[J];锻压装备与制造技术;2006年02期

4 靳明,宋建中;一种自适应的图像双边滤波方法[J];光电工程;2004年07期

5 肖潇;杨国光;白剑;;基于Bezier曲面的快速插值算法改善全景图像的分辨率[J];光电工程;2008年01期

6 赵志强,熊元姣;计算机视觉检测系统的设计方案[J];工业控制计算机;2005年10期

7 赵爱明;;基于二次曲线拟合的图像亚像素边缘定位算法[J];哈尔滨理工大学学报;2006年03期

8 雷良育,李秀莲,商俊敏,吴瑞明;齿轮外表视觉检测系统设计[J];机床与液压;2004年06期

9 贺秋伟;王龙山;于忠党;李国发;高立国;;基于图像处理和支持向量机的微型齿轮缺陷检测[J];吉林大学学报(工学版);2008年03期

10 苏恒阳;袁先珍;;一种改进的Canny的图像边缘检测算法[J];计算机仿真;2010年10期

本文编号：1125614