双目立体视觉毛坯件尺寸测量的研究及应用
发布时间：2021-02-14 17:41
机械制造自动化领域中,采用先进的三维测量技术对毛坯件尺寸进行快速准确地检测,对于再加工过程中切削加工量的精确确定具有重要的指导意义。目前传统的测量技术大都无法满足现代制造企业的非接触快速测量要求,而视觉测量技术因其非接触、测量精度高、速度快等优点得到了广泛应用,成为了具有广阔前景的三维检测技术。本论文基于双目立体视觉测量原理,针对金属毛坯件,研究了图像采集、摄像机标定、图像分割、图像匹配等关键性问题,设计了可获取毛坯件上特征点的三维信息以及实现相应三维尺寸测量的软硬件系统。论文首先对双目视觉测量系统所需的硬件装置进行了选型,主要包括工业相机、镜头以及光源等;完成了图像采集系统中硬件部分的设计;然后针对摄像机单目标定中存在的标定精度较低的问题,提出了一种基于针孔成像模型结合免疫粒子群算法,对摄像机的初始标定参数进行优化。实验证明,该标定方法具有较好的可行性和精确性,能够获得较高的标定精度,进而也因此可得到较为准确的双目标定结果。另外,为了减小后期图像匹配的误匹配率,运用极线约束方法对摄像机参数进行了校正。针对金属毛坯件的高反光特性,提出了一种基于除法运算和颜色模型转换结合免疫算法的图像分...
【文章来源】：山东理工大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
本课题的技术路线流程图
山东理工大学硕士学位论文第二章摄像系统的硬件选型及图像预处理6第二章摄像系统的硬件选型及图像预处理本章首先对双目视觉测量系统所需的硬件装置进行选型，主要包括工业相机、镜头以及光源等，完成图像采集系统中硬件部分的设计；然后通过图像预处理来改善采集到的图像质量。2.1摄像系统的硬件选型2.1.1相机与镜头的选型工业摄像系统主要由相机、镜头、光源组成。其中相机作为视觉测量系统中一个重要组件，它的选择不仅直接决定图像质量，而且也关系到整个系统的运行模式。相机的选择主要根据所测量物体的特点以及所要求的测量范围、测量精度、测量环境等，除此之外还需要考虑成本问题。经综合考虑，选用深圳顺华利电子有限公司SHL-200W型号的CCD彩色工业相机，如图2.1所示：图2.1像素为200万的工业相机Fig.2.12millionpixelsindustrialcamera镜头的选择直接决定物体的测量范围，镜头的选型主要对最大CCD尺寸、镜头焦距、镜头光圈等方面进行选择，其中焦距为镜片中心与成像平面的距离，一般来说，焦距越大，所拍摄的图像清晰度越高，但焦距越大，视觉范围越小，对于一些尺寸较大的毛坯件，需要的摄像机个数越多或需要拍摄的图片数量越多，导致图片拼接的次数越多，容易形成较大的累积误差，因此，需根据情况合理选择焦距。另外，光圈为
山东理工大学硕士学位论文第二章摄像系统的硬件选型及图像预处理7控制镜头通光量的一个装置，它的大小决定图像的亮度，一般来说，光圈越大，图像的亮度越高，图像清晰度越高。经综合考虑，选用的是与上述工业相机相同品牌的8mm定焦镜头，拍摄视角范围在40度以上，可用于拍摄25米左右的物体。该镜头如图2.2所示：图2.2焦距为8mm的定焦镜头Fig.2.28mmfixedfocallengthlens为了较少摄像机标定的工作量和降低匹配难度，选用两组完全相同的工业相机和镜头，其主要参数如表2.1所示：表2.1工业相机和镜头的主要参数Tab.2.1MainparametersofindustrialcamerasandlensesSHL-200W工业相机8mm定焦镜头相机规格45mm*49mm*49mm镜头规格·34mm*30mm分辨率1600*1200靶面1/3”感光尺寸1/3”镜片光学镜片滤光片650nm光圈F1.4手动光圈可调信噪比及动态范围信噪比：38dB动态范围：>70dB镜头直径与焦距之比的最大值1:1.4帧速5帧/秒材质全金属材质最低照度0.051LUX视角40度
【参考文献】：
期刊论文
[1]一种用于里程计量的双目立体视觉测距系统[J]. 吴锦铁,许原,仲崇霞,梁炜,黄艳. 计量技术. 2019(10)
[2]关于数字图像处理中多种去噪方法的比较[J]. 马璐,杨文飞. 吉林工程技术师范学院学报. 2019(09)
[3]抑制式非局部空间直觉模糊C-均值图像分割算法[J]. 兰蓉,林洋. 电子与信息学报. 2019(06)
[4]准确标定摄像机的混合粒子群优化方法[J]. 雷阳,张宏立,王聪. 激光与光电子学进展. 2019(21)
[5]一种基于ORB特征的水下立体匹配方法[J]. 李佳宽,孙春生,胡艺铭,于洪志. 光电工程. 2019(04)
[6]基于混沌粒子群优化算法的相机参数标定方法[J]. 王琳霞,陈广锋. 自动化与仪表. 2019(04)
[7]适用于倾斜影像的加速KAZE-SIFT特征提取算法[J]. 薄单,李宗春,王晓南,乔涵文. 计算机应用. 2019(07)
[8]基于ORB与RANSAC融合改进的图像配准[J]. 樊彦国,柴江龙,许明明,王斌,侯秋实. 光学精密工程. 2019(03)
[9]复杂环境下基于深度神经网络的摄像机标定[J]. 向鹏,周宾,祝仰坤,贺文凯,岳晓庚,陶依贝. 激光与光电子学进展. 2019(11)
[10]基于双目视觉的数控机床动态轮廓误差三维测量方法[J]. 刘巍,李肖,李辉,潘翼,贾振元. 机械工程学报. 2019(10)
硕士论文
[1]基于单目视觉的目标点识别与导引技术研究[D]. 李金钟.天津工业大学 2018
[2]基于智能手机和机器视觉的立木胸径测量方法[D]. 管昉立.浙江农林大学 2018
[3]结构裂纹的机器视觉识别算法研究[D]. 赵亚峰.湖南科技大学 2016
[4]交通事故现场散落物特征识别及提取技术研究[D]. 昌倩.东北林业大学 2016
[5]基于尺度空间和特征描述的快速图像匹配算法研究[D]. 张存柱.大连理工大学 2015
[6]基于双目视觉的大尺寸工件在机三维测量[D]. 黎淑梅.华南理工大学 2011
本文编号：3033593
【文章来源】：山东理工大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
本课题的技术路线流程图
山东理工大学硕士学位论文第二章摄像系统的硬件选型及图像预处理6第二章摄像系统的硬件选型及图像预处理本章首先对双目视觉测量系统所需的硬件装置进行选型，主要包括工业相机、镜头以及光源等，完成图像采集系统中硬件部分的设计；然后通过图像预处理来改善采集到的图像质量。2.1摄像系统的硬件选型2.1.1相机与镜头的选型工业摄像系统主要由相机、镜头、光源组成。其中相机作为视觉测量系统中一个重要组件，它的选择不仅直接决定图像质量，而且也关系到整个系统的运行模式。相机的选择主要根据所测量物体的特点以及所要求的测量范围、测量精度、测量环境等，除此之外还需要考虑成本问题。经综合考虑，选用深圳顺华利电子有限公司SHL-200W型号的CCD彩色工业相机，如图2.1所示：图2.1像素为200万的工业相机Fig.2.12millionpixelsindustrialcamera镜头的选择直接决定物体的测量范围，镜头的选型主要对最大CCD尺寸、镜头焦距、镜头光圈等方面进行选择，其中焦距为镜片中心与成像平面的距离，一般来说，焦距越大，所拍摄的图像清晰度越高，但焦距越大，视觉范围越小，对于一些尺寸较大的毛坯件，需要的摄像机个数越多或需要拍摄的图片数量越多，导致图片拼接的次数越多，容易形成较大的累积误差，因此，需根据情况合理选择焦距。另外，光圈为
山东理工大学硕士学位论文第二章摄像系统的硬件选型及图像预处理7控制镜头通光量的一个装置，它的大小决定图像的亮度，一般来说，光圈越大，图像的亮度越高，图像清晰度越高。经综合考虑，选用的是与上述工业相机相同品牌的8mm定焦镜头，拍摄视角范围在40度以上，可用于拍摄25米左右的物体。该镜头如图2.2所示：图2.2焦距为8mm的定焦镜头Fig.2.28mmfixedfocallengthlens为了较少摄像机标定的工作量和降低匹配难度，选用两组完全相同的工业相机和镜头，其主要参数如表2.1所示：表2.1工业相机和镜头的主要参数Tab.2.1MainparametersofindustrialcamerasandlensesSHL-200W工业相机8mm定焦镜头相机规格45mm*49mm*49mm镜头规格·34mm*30mm分辨率1600*1200靶面1/3”感光尺寸1/3”镜片光学镜片滤光片650nm光圈F1.4手动光圈可调信噪比及动态范围信噪比：38dB动态范围：>70dB镜头直径与焦距之比的最大值1:1.4帧速5帧/秒材质全金属材质最低照度0.051LUX视角40度
【参考文献】：
期刊论文
[1]一种用于里程计量的双目立体视觉测距系统[J]. 吴锦铁,许原,仲崇霞,梁炜,黄艳. 计量技术. 2019(10)
[2]关于数字图像处理中多种去噪方法的比较[J]. 马璐,杨文飞. 吉林工程技术师范学院学报. 2019(09)
[3]抑制式非局部空间直觉模糊C-均值图像分割算法[J]. 兰蓉,林洋. 电子与信息学报. 2019(06)
[4]准确标定摄像机的混合粒子群优化方法[J]. 雷阳,张宏立,王聪. 激光与光电子学进展. 2019(21)
[5]一种基于ORB特征的水下立体匹配方法[J]. 李佳宽,孙春生,胡艺铭,于洪志. 光电工程. 2019(04)
[6]基于混沌粒子群优化算法的相机参数标定方法[J]. 王琳霞,陈广锋. 自动化与仪表. 2019(04)
[7]适用于倾斜影像的加速KAZE-SIFT特征提取算法[J]. 薄单,李宗春,王晓南,乔涵文. 计算机应用. 2019(07)
[8]基于ORB与RANSAC融合改进的图像配准[J]. 樊彦国,柴江龙,许明明,王斌,侯秋实. 光学精密工程. 2019(03)
[9]复杂环境下基于深度神经网络的摄像机标定[J]. 向鹏,周宾,祝仰坤,贺文凯,岳晓庚,陶依贝. 激光与光电子学进展. 2019(11)
[10]基于双目视觉的数控机床动态轮廓误差三维测量方法[J]. 刘巍,李肖,李辉,潘翼,贾振元. 机械工程学报. 2019(10)
硕士论文
[1]基于单目视觉的目标点识别与导引技术研究[D]. 李金钟.天津工业大学 2018
[2]基于智能手机和机器视觉的立木胸径测量方法[D]. 管昉立.浙江农林大学 2018
[3]结构裂纹的机器视觉识别算法研究[D]. 赵亚峰.湖南科技大学 2016
[4]交通事故现场散落物特征识别及提取技术研究[D]. 昌倩.东北林业大学 2016
[5]基于尺度空间和特征描述的快速图像匹配算法研究[D]. 张存柱.大连理工大学 2015
[6]基于双目视觉的大尺寸工件在机三维测量[D]. 黎淑梅.华南理工大学 2011
本文编号：3033593
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3033593.html
最近更新
教材专著
