基于机器视觉的小型规则零件二维尺寸测量研究

论文摘要

基于机器视觉的检测技术具有非接触、在线实时、速度快、抗干扰能力强等优点,为了适应了现代制造业的进步和发展要求,本文应用机器视觉技术、图像处理和图像分析技术,在现有的实验条件下以轴承和端子为具体研究对象,对小型规则零件的尺寸测量技术进行研究和分析。本文主要内容包括:1.首先阐述了基于机器视觉的小型规则零件二维尺寸测量技术的研究背景和意义,然后介绍了机器视觉技术的发展和在尺寸测量方面的应用,概述了本文的研究目的和主要工作。2.分析了基于机器视觉的小型规则零件二维尺寸测量系统的组成和工作原理。讨论了图像测量中涉及的直方图修正、图像滤波和锐化,阈值分割等预处理技术以及经典边缘检测、Canny边缘检测、轮廓提取和轮廓跟踪等边缘检测技术。并分析了锐化给图像测量带来的弊端,提出使用了二次滤波。为减小后续图像处理数据量,提出了感兴趣区域提取技术。达到提高准确度、降低难度的目的。3.在保证获得较好图像质量的前提下,从经济实用的角度出发,选择合适的相机、镜头、光源和图像采集卡搭建出了一套有效的轴承尺寸测量系统和端子尺寸测量系统。4.对工业中常出现的几何特征:直线、单一圆、多圆、角点、切点、拐点、三角形和多边形等进行了特征提取和检测,并分析比较了各种方法的适用范围。对角点检测时的特殊角点情况进行了详细的分析,对改进的Hough变换方法的参数选择进行了实验验证,得出了参数选择的一般规律。在基本的检测基础上提出采用了最小二乘拟合技术进行亚像素定位,使得圆的检测精度得到提高。5.通过Visual C++6.0环境下的MFC编程,对各种检测算法编写程序集,分别对轴承和端子进行了尺寸测量。对端子检测提出了分区域检测,以降低难度,提高检测速度。对轴承采用标准零件进行标定,以避免由分辨率带来的影响,提高了检测精度。本文的研究内容对推动我国视觉测试技术的发展具有一定的实际意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的来源和目的意义
• 1.1.1 课题的来源
• 1.1.2 课题研究的目的意义
• 1.2 机器视觉技术的发展及其在尺寸测量方面的应用
• 1.2.1 机器视觉技术的发展
• 1.2.2 机器视觉技术在尺寸测量方面的应用
• 1.3 本文的主要研究内容
• 1.4 本章小结
• 第2章 基于机器视觉的尺寸测量图像处理常规技术
• 2.1 基于机器视觉的尺寸测量系统概述
• 2.1.1 基于机器视觉的尺寸测量系统的组成
• 2.1.2 基于机器视觉的尺寸测量系统的工作原理
• 2.1.3 基于机器视觉的尺寸测量系统的图像处理关键技术
• 2.2 图像预处理技术
• 2.2.1 直方图修正
• 2.2.2 图像噪声和平滑处理
• 2.2.3 图像锐化和二次滤波
• 2.3 图像二值化分割
• 2.3.1 固定阈值法（峰谷法）
• 2.3.2 迭代阈值分割法
• 2.3.3 最优阈值法
• 2.3.4 自适应阈值法
• 2.4 边缘检测
• 2.4.1 概述
• 2.4.2 边缘检测算子
• 2.4.3 各边缘检测算子的比较分析
• 2.4.4 轮廓提取、跟踪及感兴趣区域提取
• 2.5 本章小结
• 第3章 零件图像几何特征提取及亚像素定位
• 3.1 直线检测算法研究
• 3.1.1 基于Hough变换的直线检测算法
• 3.1.2 基于最小二乘拟合技术的直线检测
• 3.2 圆形检测算法研究
• 3.2.1 均值法检测圆
• 3.2.2 基于改进的Hough变换的圆检测算法
• 3.2.3 基于改进的Hough变换的多圆检测算法
• 3.3 三角形及多边形检测算法研究
• 3.3.1 角点及多边形检测算法
• 3.3.2 三角形的检测算法
• 3.3.3 切点及拐点检测
• 3.4 亚象素定位算法研究
• 3.5 本章小结
• 第4章 基于机器视觉的轴承和端子尺寸测量应用
• 4.1 基于机器视觉的轴承尺寸测量
• 4.1.1 系统硬件选择
• 4.1.2 测量系统的标定
• 4.1.3 轴承测量的步骤和软件流程
• 4.1.4 轴承参数检测和结果分析
• 4.2 基于机器视觉的端子尺寸测量
• 4.2.1 被测零件和系统平台
• 4.2.2 端子测量的步骤和软件流程
• 4.2.3 端子参数的计算和误差分析
• 4.3 本章小结
• 第5章 总结与展望
• 参考文献
• 致谢
• 附录1 硕士期间发表论文和参与项目