基于双远心成像的轴检仪及轴零件参数测量算法
发布时间：2021-07-31 15:12
轴类零件参数测量是轴类零件加工时不可缺少的环节。轴类零件参数类型多,待测参数数量大,测量任务繁重。传统的测量方法难以满足日益增长的测量需求。机器视觉是一种集光、机、电、软件算法于一体的新兴技术,利用图像处理可快速实现目标缺陷检测与参数测量,该技术在工业检测领域的应用越来越广泛。为实现轴类零件参数高效率、高精度测量,本文开展了如下研究:本文对轴类零件图像采集进行了研究。采用背光源,可获得高对比度,轮廓清晰的图像;轴类零件立式夹装,图像采集终端沿导轨上下移动,有利于设备小型化;零件变截面处设置采集工位,多工位图像经高精度拼接后,获得轴类零件完整图像。本文对光学成像系统进行了研究。零件位置偏差引起的物像比变化,是测量误差源之一。本文采用具有较大景深的双远心光学系统,在景深范围内物像比保持不变,从而大幅降低位置偏差引起的测量误差。本文对轮廓定位算法进行了研究。细小轮廓是导致测量失败的主要原因。本文提出定位轮廓和测量轮廓可分开设置的思想,利用定位轮廓查找测量轮廓,显著提高了参数测量成功率。另外,本文设计了边缘毛刺附着物处理算法,确保所选取的轮廓完整有效。本文对轴零件参数测量算法进行了研究。对轴零...
【文章来源】：武汉纺织大学湖北省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
像方远心镜头原理图
图像采集与光学成像系统7图2.2物方远心镜头原理图（3）双远心镜头双远心镜头则包含了以上两种镜头的优点，物方和像方的主光线都和主光轴平行，并且物距和像距发生微小变化时对成像的影响不大。本文将双远心镜头应用在轴类零件工位图像采集中，有助于解决运动臂上下移动采集图像过程中的晃动带来的物距变化造成的运动离焦，并且双远心光学成像系统对光线的利用率较高，有利于轴类零件轮廓的显示，提高轴类零件参数测量的精度。双远心镜头原理图如图2.3所示。图2.3双远心镜头原理图2.2.2双远心镜头的选型镜头是机器视觉系统中的一个重要组件，对于本课题研究的轴检仪系统来说更是至关重要，镜头的选择可以影响整个轴检仪系统的测量精度以及其他组件的选型。轴检仪系统拍摄的是轴类零件局部图像，每次只拍摄一部分轴类零件。如图2.4所示，拍摄的轴类零件局部图像。拍摄的轴类零件局部一般在17mm*20mm左右，因为双远心镜头会屏蔽除平行于主光轴外的光线，所以双远心镜头的口径必须大于拍摄目标，根据轴检仪系统和轴类零件的特点本文选用口径为45mm的双远心镜头。
图像采集与光学成像系统7图2.2物方远心镜头原理图（3）双远心镜头双远心镜头则包含了以上两种镜头的优点，物方和像方的主光线都和主光轴平行，并且物距和像距发生微小变化时对成像的影响不大。本文将双远心镜头应用在轴类零件工位图像采集中，有助于解决运动臂上下移动采集图像过程中的晃动带来的物距变化造成的运动离焦，并且双远心光学成像系统对光线的利用率较高，有利于轴类零件轮廓的显示，提高轴类零件参数测量的精度。双远心镜头原理图如图2.3所示。图2.3双远心镜头原理图2.2.2双远心镜头的选型镜头是机器视觉系统中的一个重要组件，对于本课题研究的轴检仪系统来说更是至关重要，镜头的选择可以影响整个轴检仪系统的测量精度以及其他组件的选型。轴检仪系统拍摄的是轴类零件局部图像，每次只拍摄一部分轴类零件。如图2.4所示，拍摄的轴类零件局部图像。拍摄的轴类零件局部一般在17mm*20mm左右，因为双远心镜头会屏蔽除平行于主光轴外的光线，所以双远心镜头的口径必须大于拍摄目标，根据轴检仪系统和轴类零件的特点本文选用口径为45mm的双远心镜头。
【参考文献】：
期刊论文
[1]基于高斯函数的风机特性曲线拟合及应用[J]. 郭佰灿,乔登攀,范凌云,程国祥,朱继龙. 黄金. 2017(04)
[2]高斯核函数快速插值的头发实时仿真与渲染[J]. 张骈,侯进. 计算机辅助设计与图形学学报. 2017(02)
[3]机器视觉与应用[J]. 郭静,罗华,张涛. 电子科技. 2014(07)
[4]不变矩特征在医学CT图像中的应用分析[J]. 焦蓬蓬,郭依正. CT理论与应用研究. 2014(02)
[5]基于视觉的某炮弹药筒退弹槽槽底宽度精确测量研究[J]. 张川川,吴秀玲,曾志强,王俊元,柳旭. 包装工程. 2014(03)
[6]基于Matlab的高斯曲线拟合求解[J]. 唐冲,惠辉辉. 计算机与数字工程. 2013(08)
[7]基于机器视觉的管孔类零件尺寸测量方法[J]. 张平生,张桂梅. 机械设计与制造. 2012(12)
[8]关于MQ函数拟插值的研究[J]. 白玉峰,李艳. 内蒙古民族大学学报(自然科学版). 2010(06)
[9]机器视觉系统发展及其应用[J]. 刘金桥,吴金强. 机械工程与自动化. 2010(01)
[10]一种基于特征点匹配的图像拼接技术[J]. 李冬梅,王延杰. 微计算机信息. 2008(15)
博士论文
[1]基于小波神经网络理论的VOCR与HOCR技术研究[D]. 黄同成.上海大学 2008
[2]基于计算机视觉的破片参数精密测量技术研究[D]. 沈满德.中国科学院研究生院（西安光学精密机械研究所） 2008
[3]数学形态学及其应用[D]. 任获荣.西安电子科技大学 2004
硕士论文
[1]基于机器视觉的缝迹几何量检测与缺陷识别研究[D]. 杨帆.西安理工大学 2019
[2]基于机器视觉的低对比度物体二维尺寸测量方法的研究[D]. 王爱珍.西安理工大学 2019
[3]基于机器视觉的印刷品表面缺陷检测研究[D]. 吕明珠.西安理工大学 2019
[4]基于机器视觉的轴类零件尺寸测量系统的研制[D]. 徐兴波.华中科技大学 2015
[5]基于机器视觉的电解加工对刀间隙检测[D]. 冯恩娟.南京农业大学 2010
[6]异型齿廓形状的计算机视觉检测技术[D]. 张莲.山东大学 2008
[7]基于机器视觉和小波分析的农田害虫识别系统[D]. 张法全.郑州大学 2003
本文编号：3313696
【文章来源】：武汉纺织大学湖北省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
像方远心镜头原理图
图像采集与光学成像系统7图2.2物方远心镜头原理图（3）双远心镜头双远心镜头则包含了以上两种镜头的优点，物方和像方的主光线都和主光轴平行，并且物距和像距发生微小变化时对成像的影响不大。本文将双远心镜头应用在轴类零件工位图像采集中，有助于解决运动臂上下移动采集图像过程中的晃动带来的物距变化造成的运动离焦，并且双远心光学成像系统对光线的利用率较高，有利于轴类零件轮廓的显示，提高轴类零件参数测量的精度。双远心镜头原理图如图2.3所示。图2.3双远心镜头原理图2.2.2双远心镜头的选型镜头是机器视觉系统中的一个重要组件，对于本课题研究的轴检仪系统来说更是至关重要，镜头的选择可以影响整个轴检仪系统的测量精度以及其他组件的选型。轴检仪系统拍摄的是轴类零件局部图像，每次只拍摄一部分轴类零件。如图2.4所示，拍摄的轴类零件局部图像。拍摄的轴类零件局部一般在17mm*20mm左右，因为双远心镜头会屏蔽除平行于主光轴外的光线，所以双远心镜头的口径必须大于拍摄目标，根据轴检仪系统和轴类零件的特点本文选用口径为45mm的双远心镜头。
图像采集与光学成像系统7图2.2物方远心镜头原理图（3）双远心镜头双远心镜头则包含了以上两种镜头的优点，物方和像方的主光线都和主光轴平行，并且物距和像距发生微小变化时对成像的影响不大。本文将双远心镜头应用在轴类零件工位图像采集中，有助于解决运动臂上下移动采集图像过程中的晃动带来的物距变化造成的运动离焦，并且双远心光学成像系统对光线的利用率较高，有利于轴类零件轮廓的显示，提高轴类零件参数测量的精度。双远心镜头原理图如图2.3所示。图2.3双远心镜头原理图2.2.2双远心镜头的选型镜头是机器视觉系统中的一个重要组件，对于本课题研究的轴检仪系统来说更是至关重要，镜头的选择可以影响整个轴检仪系统的测量精度以及其他组件的选型。轴检仪系统拍摄的是轴类零件局部图像，每次只拍摄一部分轴类零件。如图2.4所示，拍摄的轴类零件局部图像。拍摄的轴类零件局部一般在17mm*20mm左右，因为双远心镜头会屏蔽除平行于主光轴外的光线，所以双远心镜头的口径必须大于拍摄目标，根据轴检仪系统和轴类零件的特点本文选用口径为45mm的双远心镜头。
【参考文献】：
期刊论文
[1]基于高斯函数的风机特性曲线拟合及应用[J]. 郭佰灿,乔登攀,范凌云,程国祥,朱继龙. 黄金. 2017(04)
[2]高斯核函数快速插值的头发实时仿真与渲染[J]. 张骈,侯进. 计算机辅助设计与图形学学报. 2017(02)
[3]机器视觉与应用[J]. 郭静,罗华,张涛. 电子科技. 2014(07)
[4]不变矩特征在医学CT图像中的应用分析[J]. 焦蓬蓬,郭依正. CT理论与应用研究. 2014(02)
[5]基于视觉的某炮弹药筒退弹槽槽底宽度精确测量研究[J]. 张川川,吴秀玲,曾志强,王俊元,柳旭. 包装工程. 2014(03)
[6]基于Matlab的高斯曲线拟合求解[J]. 唐冲,惠辉辉. 计算机与数字工程. 2013(08)
[7]基于机器视觉的管孔类零件尺寸测量方法[J]. 张平生,张桂梅. 机械设计与制造. 2012(12)
[8]关于MQ函数拟插值的研究[J]. 白玉峰,李艳. 内蒙古民族大学学报(自然科学版). 2010(06)
[9]机器视觉系统发展及其应用[J]. 刘金桥,吴金强. 机械工程与自动化. 2010(01)
[10]一种基于特征点匹配的图像拼接技术[J]. 李冬梅,王延杰. 微计算机信息. 2008(15)
博士论文
[1]基于小波神经网络理论的VOCR与HOCR技术研究[D]. 黄同成.上海大学 2008
[2]基于计算机视觉的破片参数精密测量技术研究[D]. 沈满德.中国科学院研究生院（西安光学精密机械研究所） 2008
[3]数学形态学及其应用[D]. 任获荣.西安电子科技大学 2004
硕士论文
[1]基于机器视觉的缝迹几何量检测与缺陷识别研究[D]. 杨帆.西安理工大学 2019
[2]基于机器视觉的低对比度物体二维尺寸测量方法的研究[D]. 王爱珍.西安理工大学 2019
[3]基于机器视觉的印刷品表面缺陷检测研究[D]. 吕明珠.西安理工大学 2019
[4]基于机器视觉的轴类零件尺寸测量系统的研制[D]. 徐兴波.华中科技大学 2015
[5]基于机器视觉的电解加工对刀间隙检测[D]. 冯恩娟.南京农业大学 2010
[6]异型齿廓形状的计算机视觉检测技术[D]. 张莲.山东大学 2008
[7]基于机器视觉和小波分析的农田害虫识别系统[D]. 张法全.郑州大学 2003
本文编号：3313696
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3313696.html
