工件圆弧尺寸检测方法研究

发布时间：2017-10-22 08:07

  本文关键词：工件圆弧尺寸检测方法研究

  更多相关文章： 边缘检测 亚像素 相机标定 轮廓识别

【摘要】：随着科技的发展,视觉检测技术已广泛的应用于工业生产中,应用机器视觉技术对机器零件进行测量,不仅可以提高检测效率,节省劳动成本,而且还可以达到高的检测精度,并且具有实时性,不接触等优点。因此应用视觉检测技术对工件形状尺寸进行测量有很明显的科研意义和实用价值。本文针对圆弧尺寸的检测问题,研究了一种基于机器视觉的测量方法,首先,通过仿真实验对比分析各种滤波方法对不同噪声的去除效果,结合实际工件的检测环境,选出用中值滤波法减少图像传输解码过程中产生的噪声对尺寸检测造成的影响。随后,通过对比得出像素级检测算子检测图像的完整度、清晰度及各自的优缺点,并在此基础上,测试了几种亚像素边缘检测技术,包括:灰度矩法、插值法、拟合法、基于9×9模板的灰度矩法,结合本文的检测工件,根据工件轮廓边缘灰度分布特点,最终选取基于9×9模板的灰度矩法对工件图像边缘进行亚像素边缘检测。通过分析工件边缘的曲率变化,提出一种基于曲率变化特点的轮廓分割检测方法,实现工件轮廓的自动分割与检测,并与传统手动检测方法的精度和检测时间进行对比。最后,利用改进的张正友基于模板的两步标定法,对CCD摄像机进行标定,通过检测出的边缘信息对工件进行自动的分割和识别,再根据标定摄像机的内外参数,将检测出的边缘点在像素坐标系下的坐标转换到世界坐标系下,检测出边缘点的世界坐标,经过拟合,计算出工件圆弧直径,并分析对检测精度造成影响的因素。
【关键词】：边缘检测 亚像素 相机标定 轮廓识别
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 绪论11-19
• 1.1 研究背景及意义11-12
• 1.1.1 选题背景11-12
• 1.1.2 研究意义12
• 1.2 国内外研究现状12-16
• 1.2.1 计算机视觉测量12-14
• 1.2.2 边缘检测技术的发展现状14-15
• 1.2.3 几何特征识别研究现状15-16
• 1.3 主要研究内容16-19
• 第二章 图像预处理简介19-29
• 2.1 图像灰度化处理19-21
• 2.1.1 最大值法20
• 2.1.2 平均值法20
• 2.1.3 加权平均值法20-21
• 2.2 图像的滤波21-25
• 2.2.1 邻域平均法滤波21-23
• 2.2.2 中值滤波23-24
• 2.2.3 自适应滤波24-25
• 2.3 图像二值化25-27
• 2.3.1 阈值二值化分割算法26-27
• 2.4 本章小结27-29
• 第三章 图像边缘检测算法简介29-45
• 3.1 像素级边缘检测算法29-34
• 3.1.1 图像的边缘29-30
• 3.1.2 边缘检测的基本步骤及原理30-31
• 3.1.3 经典边缘检测算子31-34
• 3.2 亚像素边缘检测的基本原理34-35
• 3.3 亚像素边缘检测方法35-43
• 3.3.1 基于灰度矩的亚像素边缘检测算法35-38
• 3.3.2 基于灰度矩的 9×9 模板亚像素边缘检测算法38-39
• 3.3.3 插值法39-41
• 3.3.4 基于高斯曲面拟合的亚像素检测算法41-42
• 3.3.5 实验分析与对比42-43
• 3.4 本章小结43-45
• 第四章 轮廓分割与形状识别45-57
• 4.1 手动识别图像的轮廓边缘45
• 4.1.1 手动识别直线型轮廓45
• 4.1.2 手动识别圆弧型轮廓45
• 4.2 自动识别图像的轮廓边缘45-48
• 4.2.1 边缘追踪法46
• 4.2.2 轮廓分割与识别46-47
• 4.2.3 轮廓分割步骤47-48
• 4.3 轮廓简单特征参数计算48-53
• 4.3.1 直线型边缘拟合48-51
• 4.3.2 圆弧型边缘拟合51-53
• 4.4 基于模板的边缘追踪分割法53-56
• 4.4.1 边缘追踪与直线拟合53-54
• 4.4.2 边缘追踪与圆弧拟合54-56
• 4.5 本章小结56-57
• 第五章 实验结果与精度分析57-69
• 5.1 摄相机标定57-59
• 5.1.1 摄相机成像模型57-58
• 5.1.2 摄像机标定58
• 5.1.3 二维平面圆弧直径测量58-59
• 5.1.4 精度检测59
• 5.2 实验原理及设备59-61
• 5.2.1 实验原理59-60
• 5.2.2 实验设备60-61
• 5.3 实验步骤61-67
• 5.4 实验结果与误差分析67-68
• 5.4.1 实验结果67
• 5.4.2 误差分析67-68
• 5.5 本章小结68-69
• 第六章 结论与展望69-71
• 6.1 结论69-70
• 6.2 不足与展望70-71
• 参考文献71-75
• 作者简介75-76
• 致谢76

【相似文献】

中国期刊全文数据库 前10条

1 王宇生,卜佳俊,陈纯;一种基于积分变换的边缘检测算法[J];中国图象图形学报;2002年02期

2 顾晓东,王晓明,刘健;基于曲线坐标系的图像边缘检测[J];计算机工程与应用;2002年03期

3 何仁贵,黄登山,陈金兵;基于灰色预测模型的图像边缘检测[J];西北工业大学学报;2005年01期

4 郑胜,柳健,田金文;基于向量机的边缘检测算法优化研究[J];电子与信息学报;2005年05期

5 王娜,李霞;一种新的改进Canny边缘检测算法[J];深圳大学学报;2005年02期

6 王文豪;;图象边缘检测中边界闭合性的分析与探讨[J];计算机与信息技术;2005年12期

7 刘军;姚子建;;用边缘检测算子实现图像边缘检测[J];福建电脑;2006年02期

8 李葆青;文山;;边缘检测准则与几种典型算法[J];六盘水师范高等专科学校学报;2006年03期

9 郑子华;陈家祯;钟跃康;;基于灰色加权绝对关联度的边缘检测算法[J];电脑知识与技术;2006年20期

10 黄玉程;胡国清;吴雄英;刘文艳;;人脸图像边缘检测的方法研究和应用[J];计算机工程;2006年18期

中国重要会议论文全文数据库 前10条

1 王岩;勒中鑫;;边缘检测中几种方法的比较[A];1998年中国智能自动化学术会议论文集（下册）[C];1998年

2 孟伟;王秀泽;张岩;;离散Canny边缘检测算法的实现[A];走近CIE 26th——中国照明学会（2005）学术年会论文集[C];2005年

3 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

4 任获荣;杨夏颖;何培培;孙建维;高敏;;边缘检测技术发展现状及其在零件识别中的应用综述[A];第三届数控机床与自动化技术专家论坛论文集[C];2012年

5 王岩;勒中鑫;;几种边缘检测方法及其比较[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 叶乐军;王强;;基于自适应边缘检测的大空间火灾目标监测技术[A];中国职业安全健康协会2007年学术年会论文集[C];2007年

7 沈亮;潘德炉;王迪峰;;机载多通道扫描仪图像的边缘检测初步研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

8 李文辉;郭宁宁;郝鑫;;优化边缘检测的分析和解决方案[A];“加入WTO和科学技术与吉林经济发展——机遇·挑战·责任”吉林省第二届科学技术学术年会论文集（上）[C];2002年

9 王培珍;孟祥昊;张克;郑诗程;潘瑞雪;;板材图像边缘检测算法研究[A];第25届中国控制与决策会议论文集[C];2013年

10 王海岚;樊绍胜;;一种改进的模糊形态学边缘检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

中国重要报纸全文数据库 前1条

1 鸣人;Photoshop CS5:三大功能再进化[N];中国摄影报;2010年

中国博士学位论文全文数据库 前10条

1 磨少清;边缘检测及其评价方法的研究[D];天津大学;2011年

2 董鸿燕;边缘检测的若干技术研究[D];国防科学技术大学;2008年

3 王媛妮;顺序形态边缘检测及分水岭图像分割研究[D];武汉大学;2010年

4 迟健男;图像形态学和小波分析在图像增强与边缘检测中的应用[D];东北大学;2005年

5 李杏梅;Contourlet变换在图像去噪与边缘检测中的应用研究[D];华中科技大学;2011年

6 丁兴号;基于小波分析的视觉检测技术研究[D];合肥工业大学;2003年

7 闫海霞;基于数学形态学的图像边缘检测和增强算法的研究[D];吉林大学;2009年

8 谢松法;模式特征的提取与应用研究[D];华中科技大学;2007年

9 吴庆岗;复杂背景输电线图像中部件边缘提取算法研究[D];大连海事大学;2012年

10 Ali Abdullah Yahya;[D];合肥工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 林江;基于边缘检测和马尔可夫随机场的AD症脑MRI分割方法研究[D];西南交通大学;2015年

2 吕威骏;基于分数阶傅里叶变换和多尺度跟踪的边缘检测算法[D];郑州大学;2015年

3 亓晓彤;基于摄影测量的板类件孔位检测方法研究[D];中国地质大学(北京);2015年

4 李志;基于视频的轨检定位技术研究[D];西南交通大学;2015年

5 王芮;基于多窗口的蚁群图像边缘检测及并行算法[D];南京师范大学;2015年

6 韩璐;改进的基于多尺度多方向结构元素和形态学的边缘检测算法[D];山东大学;2015年

7 郭峰;基于Mumford-Shah模型的图像边缘检测算法[D];华北电力大学;2015年

8 陈美荣;基于N-Smoothlets的图像处理关键技术研究[D];电子科技大学;2015年

9 乔建强;火焰图像边缘检测及修复算法的研究[D];华北电力大学;2015年

10 杨艳爽;行车安全预警系统的设计与实现[D];中国科学院研究生院（沈阳计算技术研究所）;2015年

，

本文编号：1077453