基于双目视觉的变速器壳体安装孔形位尺寸测量方法研究
发布时间：2021-09-11 16:51
随着社会进步与经济蓬勃发展,人们物质生活水平显著提升,对汽车的需求越来越大,汽车零部件生产企业的挑战与发展空间也日渐增大。变速器壳体是汽车传动系统中至关重要的一部分,它能确保变速器与其它相连部件的正确安装,其中变速器壳体安装孔的形位尺寸是评估壳体质量的关键。传统的人工测量手段主要为接触式测量,比如游标卡尺和三坐标测量仪等,此方法存在人工干预大、耗时长、不利于批量生产等缺点。针对以上问题,本文以机器视觉技术为研究基础,提出一种基于双目视觉技术的变速器壳体安装孔形位尺寸测量方法。具体工作内容有:（1）研究并完成标定方法的对比,选用一种高精度、成本低、简单实用的张正友平面标定法来完成摄像机标定实验,并利用重投影误差对标定结果进行评估,最终得到了精确的标定结果。（2）针对变速器壳体表面出现的高光现象,研究一种阈值分割与直方图匹配相结合的方法,有效的保留了变速器壳体表面的纹理信息,消除了壳体表面的高光现象。通过自制边缘测试图的实验对比后,选定Canny算法提取壳体图像边缘。针对Canny算法易受环境因素影响、自适应能力弱等不足,提出一种改进的Canny算法,通过自适应平滑滤波替代原有高斯滤波进行...
【文章来源】：湘潭大学湖南省
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
坐标系转换图
湘潭大学硕士学位论文8式（2.1）中,,,1TwwwPXYZ为三维空间中所拍摄物点在中的坐标；1M是由工业相机内部参数00f,k,,uv决定的一个内参数矩阵，其中,,xyxyffffdd(00u,v)为物理坐标系原点；2M是由工业相机外部参数,,,,,xyzxyzrrtttr决定的一个外参数矩阵，工业相机摆放位置的细微差异都将改变2M的参数值2.1.2摄像机线性模型摄像机线性模型被称作理想或针孔模型。建立理想模型时，如果将三维空间内某一点转化至图像坐标系中，其转化过程并不会受到透镜畸变影响。摄像机线性模型如图2.2所示。图2.2摄像机线性模型图2.2中，通过三角形近似概念可得理想摄像机线性模型的比例关系式为式（2.2）ccccccccxfXxfXZZyfYyfYZZ（2.2）2.1.3摄像机非线性模型针孔模型表达了工业相机基本成像概念，但在大部分生产企业的相机制造环节中，由于工艺误差容易导致光线路径、成像情况以及图像放大率等方面存在不同程度的变化，致使镜头在采集图像时产生畸变。图像中如果产生畸变将会影响求解实际物点和像素点之间的关系，因此使用针孔模型去求解图像实际三维坐标是达不到精度需求的，需在计算像素点坐标时先使用非线性模型进行校正，然后再通过线性模型进行求解，计算公式如式（2.3）：(,)(,)xyxxxyyyxy（2.3）
湘潭大学硕士学位论文9上式中，(x,y)表示像素点在摄像机线性模型中取得的坐标，,表示为像素点的实际坐标，x与y为非线性畸变。根据非线性畸变产生的因素可以推断出镜头存在的三种畸变形式：径向畸变、切向畸变（又名偏心畸变）和薄棱镜畸变[25]。对双目立体视觉测量系统而言，影响摄像机精度的主要因素来自径向畸变，而另外两种畸变的影响相对较小，且在进行摄像机标定时，如果考虑几种畸变情况将会对标定精度产生影响，所以在实际应用中只考虑径向畸变。2.1.4双目摄像机模型图2.3双目视觉成像模型图2.3中，设右侧相机坐标系为，则左侧相机坐标系可以用式（2.4）来表示：CLRLRLCRMRTM（2.4）上式中，CLM、CRM分别表示左右相机坐标系，RLRLRT表示为基于下的旋转平移矩阵。假设两侧工业相机针对空间中同一个标定模板进行图像采集，则有：CLLWLLCRRWRRMRMtMRMt（2.5）上式中，LLRt与RRRt分别表示左右工业相机拍摄同一标定模板图像后求解出的外参数矩阵。因为标定模板相同，由此可列：MWLWRM（2.6）将式（2.6）代进式（2.5）可得：
【参考文献】：
期刊论文
[1]改进Canny边缘检测的遥感影像分割[J]. 刘丽霞,李宝文,王阳萍,杨景玉. 计算机工程与应用. 2019(12)
[2]基于Canny算子改进的边缘检测算法[J]. 王保军,赵海清,刘超. 科学技术创新. 2018(27)
[3]基于Prewitt算子的红外图像边缘检测改进算法[J]. 安建尧,李金新,孙双平. 杭州电子科技大学学报(自然科学版). 2018(05)
[4]改进Sobel算子的单帧红外弱小目标检测[J]. 苗晓孔,王春平. 光电工程. 2016(12)
[5]基于双目视觉的立体匹配算法研究[J]. 罗大思,王进华. 微型机与应用. 2016(20)
[6]摄像机标定的原理与方法综述[J]. 冯亮,谢劲松,李根,霍庆立. 机械工程师. 2016(01)
[7]基于RANSAC的SIFT匹配优化[J]. 赵烨,蒋建国,洪日昌. 光电工程. 2014(08)
[8]一种基于SIFT的图像特征匹配方法[J]. 杨世沛,陈杰,周莉,刘健,刘海洋. 电子测量技术. 2014(06)
[9]基于共线点的镜头畸变校正方法[J]. 刘超,李醒飞,郭敬滨,谭文斌. 计算机应用. 2013(12)
[10]抗噪Roberts算子边沿检测器[J]. 毕卓,韩冰. 计算机技术与发展. 2013(06)
硕士论文
[1]基于边缘信息的双目立体匹配方法研究[D]. 樊启明.沈阳工业大学 2019
[2]基于改进SIFT的图像拼接算法研究及其评价[D]. 卢奇.上海海洋大学 2019
[3]基于室内场景图像的区域立体匹配算法的研究[D]. 李爱琴.南京邮电大学 2018
[4]基于双目视觉的鞋模三维重建研究[D]. 黄子峻.华南理工大学 2018
[5]基于双目立体视觉的工件识别与定位技术研究[D]. 李胜利.哈尔滨工业大学 2016
[6]基于双目视觉的工件尺寸测量方法研究[D]. 郑立明.长春工业大学 2016
[7]基于偏振光原理的图像高光消除方法[D]. 李芳.沈阳理工大学 2016
[8]双目立体视觉三维信息获取技术研究[D]. 卢传泽.广东工业大学 2013
[9]基于双目立体视觉的三维重建[D]. 张旭.吉林大学 2012
[10]基于双目立体视觉的人脸三维数据获取方法研究[D]. 施万利.河南工业大学 2010
本文编号：3393365
【文章来源】：湘潭大学湖南省
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
坐标系转换图
湘潭大学硕士学位论文8式（2.1）中,,,1TwwwPXYZ为三维空间中所拍摄物点在中的坐标；1M是由工业相机内部参数00f,k,,uv决定的一个内参数矩阵，其中,,xyxyffffdd(00u,v)为物理坐标系原点；2M是由工业相机外部参数,,,,,xyzxyzrrtttr决定的一个外参数矩阵，工业相机摆放位置的细微差异都将改变2M的参数值2.1.2摄像机线性模型摄像机线性模型被称作理想或针孔模型。建立理想模型时，如果将三维空间内某一点转化至图像坐标系中，其转化过程并不会受到透镜畸变影响。摄像机线性模型如图2.2所示。图2.2摄像机线性模型图2.2中，通过三角形近似概念可得理想摄像机线性模型的比例关系式为式（2.2）ccccccccxfXxfXZZyfYyfYZZ（2.2）2.1.3摄像机非线性模型针孔模型表达了工业相机基本成像概念，但在大部分生产企业的相机制造环节中，由于工艺误差容易导致光线路径、成像情况以及图像放大率等方面存在不同程度的变化，致使镜头在采集图像时产生畸变。图像中如果产生畸变将会影响求解实际物点和像素点之间的关系，因此使用针孔模型去求解图像实际三维坐标是达不到精度需求的，需在计算像素点坐标时先使用非线性模型进行校正，然后再通过线性模型进行求解，计算公式如式（2.3）：(,)(,)xyxxxyyyxy（2.3）
湘潭大学硕士学位论文9上式中，(x,y)表示像素点在摄像机线性模型中取得的坐标，,表示为像素点的实际坐标，x与y为非线性畸变。根据非线性畸变产生的因素可以推断出镜头存在的三种畸变形式：径向畸变、切向畸变（又名偏心畸变）和薄棱镜畸变[25]。对双目立体视觉测量系统而言，影响摄像机精度的主要因素来自径向畸变，而另外两种畸变的影响相对较小，且在进行摄像机标定时，如果考虑几种畸变情况将会对标定精度产生影响，所以在实际应用中只考虑径向畸变。2.1.4双目摄像机模型图2.3双目视觉成像模型图2.3中，设右侧相机坐标系为，则左侧相机坐标系可以用式（2.4）来表示：CLRLRLCRMRTM（2.4）上式中，CLM、CRM分别表示左右相机坐标系，RLRLRT表示为基于下的旋转平移矩阵。假设两侧工业相机针对空间中同一个标定模板进行图像采集，则有：CLLWLLCRRWRRMRMtMRMt（2.5）上式中，LLRt与RRRt分别表示左右工业相机拍摄同一标定模板图像后求解出的外参数矩阵。因为标定模板相同，由此可列：MWLWRM（2.6）将式（2.6）代进式（2.5）可得：
【参考文献】：
期刊论文
[1]改进Canny边缘检测的遥感影像分割[J]. 刘丽霞,李宝文,王阳萍,杨景玉. 计算机工程与应用. 2019(12)
[2]基于Canny算子改进的边缘检测算法[J]. 王保军,赵海清,刘超. 科学技术创新. 2018(27)
[3]基于Prewitt算子的红外图像边缘检测改进算法[J]. 安建尧,李金新,孙双平. 杭州电子科技大学学报(自然科学版). 2018(05)
[4]改进Sobel算子的单帧红外弱小目标检测[J]. 苗晓孔,王春平. 光电工程. 2016(12)
[5]基于双目视觉的立体匹配算法研究[J]. 罗大思,王进华. 微型机与应用. 2016(20)
[6]摄像机标定的原理与方法综述[J]. 冯亮,谢劲松,李根,霍庆立. 机械工程师. 2016(01)
[7]基于RANSAC的SIFT匹配优化[J]. 赵烨,蒋建国,洪日昌. 光电工程. 2014(08)
[8]一种基于SIFT的图像特征匹配方法[J]. 杨世沛,陈杰,周莉,刘健,刘海洋. 电子测量技术. 2014(06)
[9]基于共线点的镜头畸变校正方法[J]. 刘超,李醒飞,郭敬滨,谭文斌. 计算机应用. 2013(12)
[10]抗噪Roberts算子边沿检测器[J]. 毕卓,韩冰. 计算机技术与发展. 2013(06)
硕士论文
[1]基于边缘信息的双目立体匹配方法研究[D]. 樊启明.沈阳工业大学 2019
[2]基于改进SIFT的图像拼接算法研究及其评价[D]. 卢奇.上海海洋大学 2019
[3]基于室内场景图像的区域立体匹配算法的研究[D]. 李爱琴.南京邮电大学 2018
[4]基于双目视觉的鞋模三维重建研究[D]. 黄子峻.华南理工大学 2018
[5]基于双目立体视觉的工件识别与定位技术研究[D]. 李胜利.哈尔滨工业大学 2016
[6]基于双目视觉的工件尺寸测量方法研究[D]. 郑立明.长春工业大学 2016
[7]基于偏振光原理的图像高光消除方法[D]. 李芳.沈阳理工大学 2016
[8]双目立体视觉三维信息获取技术研究[D]. 卢传泽.广东工业大学 2013
[9]基于双目立体视觉的三维重建[D]. 张旭.吉林大学 2012
[10]基于双目立体视觉的人脸三维数据获取方法研究[D]. 施万利.河南工业大学 2010
本文编号：3393365
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3393365.html
最近更新
教材专著
