产品表面缺陷视觉检测数据处理关键技术研究

发布时间：2017-04-11 07:12

  本文关键词：产品表面缺陷视觉检测数据处理关键技术研究，，由笔耕文化传播整理发布。

【摘要】：表面缺陷检测是产品质量控制的重要手段,是智能设计与制造不可或缺的重要环节。随着机器视觉检测技术的广泛应用,以二维图像和三维点云为载体的缺陷识别问题已成为该领域的研究热点,其数据处理技术直接决定了产品表面的缺陷识别率和几何精度。图像和点云数据维度不同,但缺陷检测原理基本相同,且在数据处理方法上也有许多共通之处。基于该认识,本文采用理论与实验相结合的方法,分别对图像和点云数据处理及缺陷识别方面的内容展开理论和算法研究,并通过系统开发和实际产品的缺陷检测验证研究成果。论文主要研究内容如下：1、针对小缺陷或无缺陷图像的漏检和误检等问题,对图像缺陷分割技术进行研究。提出目标方差加权的类间方差缺陷分割法,对图像类间方差的目标方差加权,其权重使分割阈值位于单模直方图的左边缘或者双模直方图的谷底,确保缺陷的高检测率和低误检率。在钢板、木材、织物、钢轨等产品的缺陷分割实验中,分割阈值接近理想阈值。设计钢轨表面缺陷视觉检测系统方案,测试该方法在机器视觉缺陷检测中的应用效果,实验表明该方法具有高缺陷检测率和低误检率,相比于其它缺陷分割法,该方法缺陷检测效果更优。2、曲率和法向等微分信息估算是点云数据处理的基础,为提高曲率计算的准确性,采用参数二次曲面求解点云曲率。针对尖锐特征曲面在曲率突变区域估算的法向量误差大,提出迭代加权法对特征点云法向量进行修正,以进一步提高法向量估算的准确性,实验表明该方法对曲率突变点具有较高的鲁棒性,并有计算效率上的优势。3、针对点云去噪和精简处理时,特征区域被平滑或过精简问题造成的过大误差,提出特征保留的点云去噪和精简方法。采用高斯映射和层次聚类相结合的方法提取特征点的最优邻域,在优化邻域内进行双边滤波去噪,该方法能有效去除噪声的同时保留曲面的几何特征。采用K均值聚类和高斯球上的自适应均值漂移聚类法分别对平坦区域和曲率突变区域进行点云精简,相比于其它点云精简方法,该方法精简误差小,精简后的点云能更好地保留原始曲面的几何特征。4、为了检测产品表面凹陷、凸包和制造偏差等缺陷,研究基于数据配准的点云缺陷检测技术。提出以特征匹配为粗配准和改进迭代最近点为精确配准的两阶段配准方案,逐步提高配准效率和精度。为了加快精确配准的收敛速度,以测量点到标准模型三角化曲面的最优投影点为迭代配准的对应点,并根据最小有向距离生成色斑图实现缺陷的可视化。汽车零件制造偏差和钢轨凹凸缺陷检测实验验证了算法的有效性。
【关键词】：缺陷检测 图像分割 点云去噪 点云精简 数据配准
【学位授予单位】：南昌大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP274
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第1章 绪论10-30
• 1.1 课题来源10
• 1.2 课题研究意义和背景10-11
• 1.3 国内外研究现状11-27
• 1.3.1 二维视觉表面缺陷检测技术11-14
• 1.3.2 三维视觉表面缺陷检测技术14-17
• 1.3.3 图像数据处理方法17-21
• 1.3.4 点云数据处理方法21-27
• 1.4 主要研究内容27-28
• 1.5 论文结构28-29
• 1.6 本章小结29-30
• 第2章 二维图像缺陷分割30-58
• 2.1 缺陷分割相关工作及问题提出30-31
• 2.2 缺陷分割法31-37
• 2.2.1 Otsu阈值分割法31-35
• 2.2.2 WOV缺陷分割法35-36
• 2.2.3 WOV方法权重选择36-37
• 2.3 缺陷分割结果分析37-46
• 2.3.1 阈值分割结果比较37-44
• 2.3.2 WOV方法在其它图像中的应用44-46
• 2.4 基于WOV方法的钢轨表面缺陷检测46-57
• 2.4.1 图像采集系统关键参数计算47-50
• 2.4.2 形态学运算在缺陷检测中的应用50-54
• 2.4.3 连通区域标记提取缺陷54-56
• 2.4.4 钢轨缺陷检测实验56-57
• 2.5 本章小结57-58
• 第3章 点云微分信息估算58-75
• 3.1 基于二次参数曲面拟合的点云曲率估算58-62
• 3.1.1 点云k邻域构建58-59
• 3.1.2 局部基面参数化59
• 3.1.3 参数二次曲面求解59-62
• 3.2 光滑曲面点云法向估算62-64
• 3.3 特征曲面点云法向量估算64-74
• 3.3.1 问题提出64-65
• 3.3.2 基于迭代加权法的点云法向量估算65-67
• 3.3.3 实验结果分析67-74
• 3.4 本章小结74-75
• 第4章 特征保留的点云去噪与精简75-98
• 4.1 点云去噪75-82
• 4.1.1 问题提出75-77
• 4.1.2 点集高斯映射77-78
• 4.1.3 高斯球上层次聚类78-80
• 4.1.4 各向异性邻域双边滤波去噪80-81
• 4.1.5 点云去噪实例81-82
• 4.2 点云精简82-97
• 4.2.1 问题提出82-84
• 4.2.2 点集K均值空间聚类84-85
• 4.2.3 高斯球上均值漂移聚类85-93
• 4.2.4 点云精简实例93-97
• 4.3 本章小结97-98
• 第5章 基于数据配准的点云缺陷偏差分析98-115
• 5.1 ICP算法描述及变换参数求解98-102
• 5.2 点云与设计模型的数据配准102-107
• 5.2.1 基于特征点的数据粗配准102-103
• 5.2.2 基于改进ICP方法的数据精确配准103-107
• 5.3 偏差计算与表达107-110
• 5.4 实例应用110-114
• 5.4.1 数据配准110-111
• 5.4.2 偏差分析111-114
• 5.5 本章小结114-115
• 第6章 总结与展望115-118
• 6.1 总结115-116
• 6.2 主要创新点116
• 6.3 展望116-118
• 致谢118-119
• 参考文献119-128
• 攻读博士学位期间的研究成果128

【相似文献】

中国期刊全文数据库 前10条

1 叶爱芬;龚声蓉;王朝晖;刘纯平;;基于随机分布估计的点云密度提取[J];计算机工程;2009年04期

2 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期

3 孟凡文;吴禄慎;;用继承与优化算法精密拼接无序点云[J];光学精密工程;2009年04期

4 李海亮;邓非;李刚;;摄影测量激光点云空洞修补[J];测绘科学;2010年05期

5 张晶;杨云生;丰少伟;;基于点云法矢变化的点云简化方法研究[J];计算机与数字工程;2011年12期

6 李晓久;景晓宁;;基于非接触式测量的人体点云简化方法[J];纺织学报;2012年07期

7 高恩阳;郑昊鸿;;点云数据滤波方法综述[J];科技资讯;2012年33期

8 范然;金小刚;;大规模点云选择及精简[J];图学学报;2013年03期

9 李伟;李旭东;赵慧洁;张颖;;基于姿态标准化的线特征点云提取方法[J];北京航空航天大学学报;2013年08期

10 钱伟春;3DSMAX中动态云的制作[J];多媒体世界;1999年03期

中国重要会议论文全文数据库 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

中国重要报纸全文数据库 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

中国博士学位论文全文数据库 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

5 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

6 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

7 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

8 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年

9 孟凡文;面向光栅投影的点云预处理与曲面重构技术研究[D];南昌大学;2010年

10 李宝;三维点云的鲁棒处理技术研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 龚硕然;基于Delaunay三角剖分的点云三维网格重构[D];河北大学;2015年

2 杨红粉;频域技术应用于点云配准研究[D];北京建筑大学;2015年

3 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

4 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

5 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

6 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

7 胡诚;精度约束下地表LiDAR点云抽稀方法研究[D];西南交通大学;2015年

8 余明;三维离散点云数据处理技术研究[D];南京理工大学;2015年

9 陈星宇;基于三维彩色点云的地形分类方法研究[D];南京理工大学;2015年

10 朱东方;基于复杂拓扑结构点云的曲线拟合研究与应用[D];山东大学;2015年

  本文关键词：产品表面缺陷视觉检测数据处理关键技术研究，由笔耕文化传播整理发布。

本文编号：298587