基于线结构光的盘形凸轮视觉测量技术研究
发布时间：2021-04-18 13:12
凸轮作为一种典型的轴盘类零件,广泛的应用于机械传动部件中。发动机凸轮轴是发动机的关键零件,凸轮轴上盘形凸轮的轮廓误差,直接决定了从动件的运动规律,从而影响发动机的工作性能。现有发动机凸轮轴多采用专用设备对凸轮进行接触式测量,不仅通用性差,并且无法实现凸轮轴的在线智能检测。针对发动机凸轮轴的非接触检测,本文搭建以线激光器、摄像机及计算机组成的线结构光测量系统,根据盘形凸轮的几何特征,提出了一种基于线结构光的盘形凸轮测量方法。为了提高凸轮表面上光条中心点检测精度,本文将模板匹配算法及边缘检测算法相结合,确保在高噪音图像中准确获得光条区域,在确定区域利用Steger算法获得光条中心点像素坐标,该方法不仅具有较好的鲁棒性,并且避免大规模卷积计算,提高光条中心点检测的速度。针对凸轮轴上凸轮镜面反射率高,影响光条中心点检测算法的问题,本文通过分析线激光器发射光束的能量分布,提出一种基于高斯平顶函数的光条图像增强算法,该算法在保证不改变光条灰度分布规律的前提下,改善图像中光条质量,为凸轮测量提供高质量的光条图像。在结构光视觉系统标定中,本文通过移动激光器获得多个平行光平面,并利用平行几何约束对光平面...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【部分图文】：
基恩士公司
14标系，Ou-xuyu为归一化焦距所在的像平面，即F′=1。设P点为被测物体上的采集数据点，连接P点及摄像机成像光学中心，与Ouxuyu坐标平面相交于P′点，该点为待测物体表面的P点在摄像机采集图像中的成像点。图2.1结构光视觉测量模型如图2.1所示，获得线结构光光平面π的平面方程及P′的空间坐标，通过联立空间直线和平面方程就可以获得被测物体表面上点P的三维坐标。根据线结构光光平面标定方法，可以求出光平面在摄像机坐标系的空间平面方程π，按照空间平面方程的一般式，将其表示为AX+BY+CZ+1=0……………………（2.1）设被测表面上P点的摄像机坐标为(XC,YC,ZC)，根据摄像机小孔成像模型，可以确定P点和成像点P′之间的对应关系，CuCCuCXxZYyZ==……………………（2.2）其中，(xu,yu)为P′点的图像坐标。连接摄像机成像光学中心与被测物体表面点P，OcP的直线方程可以表示为CCCuuXYZxy==……………………（2.3）联立式（2.1）与（2.3）就可以获得P点的摄像机坐标。通过线结构光测量模型可知，点云的准确程度，即P点三维坐标的解算精度，决定了该技术的测量精度，根据公式（2.1）及（2.3），被测物体表面点云的三维坐标精度主要通过光平面的平面方程精度及点云图像坐标确定，而点云图像坐标的初始解算坐标为点云的像素坐标。因此，本文中将在此章对点云像素坐标
19图2.2基于线结构光视觉的凸轮检测图像在灰度模板匹配中，由于需要利用该算法对整幅采集图像进行处理，为了保证光条中心点的检测速度，本文采用将相似度系数s设定为模板与覆盖区域灰度差值的平方和（SSD函数），该函数可以表示为2(,)1(,)[(,)(,)]uvTssdrctuvfrurvN∈=++……………………（2.13）其中，N为模板区域的像素点个数，t(u,v)为模板各点的灰度值，f(r+u,c+v)为模板覆盖图像区域的窗口灰度值。通过SSD函数计算，当模板与覆盖区域的ssd等于0，则该区域与模板完全一致，而获得的ssd值越大，则说明该次覆盖区域与模板之间的差别越大。在算法中，设定相似度阈值ssdmax，若计算得到的模板与覆盖区域之间的相似度小于预设阈值，则认为当前覆盖区域为所求的光条区域。将式（2.13）进行展开得到式（2.14），其中B是一常数，即灰度模板中所有像素点的灰度值平方和，每次移动模板，只需要计算式中的A(r,c)和C(r,c)，因此SSD函数的计算速度很快，可以满足凸轮在线检测的要求。22(,)(,)(,)(,)(,)(,)2(,)(,)(,)(,)uvTuvTuvTssdrcfrucvtuvfrucvtuvArcBCrc∈∈∈=+++++…（2.14）根据凸轮检测的实际工作条件，采集图像受到外界光照变换或被检测凸轮表面粗糙度的影响，光条区域的灰度值可能会出现与模板出现较大偏差，当模板遍历所有图像区域后，找不到图像中任何区域的相似度系数s小于设定的阈值，无法确定ROI区域。出现该情况后，在光条匹配算法中设置第二个相似
本文编号：3145532
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【部分图文】：
基恩士公司
14标系，Ou-xuyu为归一化焦距所在的像平面，即F′=1。设P点为被测物体上的采集数据点，连接P点及摄像机成像光学中心，与Ouxuyu坐标平面相交于P′点，该点为待测物体表面的P点在摄像机采集图像中的成像点。图2.1结构光视觉测量模型如图2.1所示，获得线结构光光平面π的平面方程及P′的空间坐标，通过联立空间直线和平面方程就可以获得被测物体表面上点P的三维坐标。根据线结构光光平面标定方法，可以求出光平面在摄像机坐标系的空间平面方程π，按照空间平面方程的一般式，将其表示为AX+BY+CZ+1=0……………………（2.1）设被测表面上P点的摄像机坐标为(XC,YC,ZC)，根据摄像机小孔成像模型，可以确定P点和成像点P′之间的对应关系，CuCCuCXxZYyZ==……………………（2.2）其中，(xu,yu)为P′点的图像坐标。连接摄像机成像光学中心与被测物体表面点P，OcP的直线方程可以表示为CCCuuXYZxy==……………………（2.3）联立式（2.1）与（2.3）就可以获得P点的摄像机坐标。通过线结构光测量模型可知，点云的准确程度，即P点三维坐标的解算精度，决定了该技术的测量精度，根据公式（2.1）及（2.3），被测物体表面点云的三维坐标精度主要通过光平面的平面方程精度及点云图像坐标确定，而点云图像坐标的初始解算坐标为点云的像素坐标。因此，本文中将在此章对点云像素坐标
19图2.2基于线结构光视觉的凸轮检测图像在灰度模板匹配中，由于需要利用该算法对整幅采集图像进行处理，为了保证光条中心点的检测速度，本文采用将相似度系数s设定为模板与覆盖区域灰度差值的平方和（SSD函数），该函数可以表示为2(,)1(,)[(,)(,)]uvTssdrctuvfrurvN∈=++……………………（2.13）其中，N为模板区域的像素点个数，t(u,v)为模板各点的灰度值，f(r+u,c+v)为模板覆盖图像区域的窗口灰度值。通过SSD函数计算，当模板与覆盖区域的ssd等于0，则该区域与模板完全一致，而获得的ssd值越大，则说明该次覆盖区域与模板之间的差别越大。在算法中，设定相似度阈值ssdmax，若计算得到的模板与覆盖区域之间的相似度小于预设阈值，则认为当前覆盖区域为所求的光条区域。将式（2.13）进行展开得到式（2.14），其中B是一常数，即灰度模板中所有像素点的灰度值平方和，每次移动模板，只需要计算式中的A(r,c)和C(r,c)，因此SSD函数的计算速度很快，可以满足凸轮在线检测的要求。22(,)(,)(,)(,)(,)(,)2(,)(,)(,)(,)uvTuvTuvTssdrcfrucvtuvfrucvtuvArcBCrc∈∈∈=+++++…（2.14）根据凸轮检测的实际工作条件，采集图像受到外界光照变换或被检测凸轮表面粗糙度的影响，光条区域的灰度值可能会出现与模板出现较大偏差，当模板遍历所有图像区域后，找不到图像中任何区域的相似度系数s小于设定的阈值，无法确定ROI区域。出现该情况后，在光条匹配算法中设置第二个相似
本文编号：3145532
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3145532.html
