基于计算机视觉的小尺寸零件精密测量技术研究

论文摘要

本文结合吉林大学创新基金项目(419070200001)《基于CCD图像的微小零件精密测量系统的研究》,以齿形链链板和滚珠螺母为具体应用对象,深入研究了零件几何尺寸和形位误差的视觉检测技术。对圆的常规Hough变换提出了两种改进算法—综合法和三点法,使得检测圆心与半径的速度大大提高,同时具有检测不完整圆或圆弧参数的功能,拓宽了检测的应用范围。分析了现有的各种亚像素定位技术,在检测直线时,提出了改进的直线边缘定位方法—法向最小二乘线性回归法,提高了测量精度。在检测圆或圆弧时,提出了降维灰度矩法和改进二次多项式插值法,提高了检测速度和定位精度。本文使用畸变小的镜头,同时利用标准试件作为参照物进行相对标定法标定,使得标定过程简单方便,精确高效。在齿形链链板的检测系统中,采用集成原理测量了链板节距、两直边夹角、销轴孔径及圆度误差,极大提高了检测速度。首次对滚珠螺母进行了非接触测量,提出了测球中心分布圆圆度误差的最小区域计算方法,提高了测量精度。

论文目录

• 第一章 绪论
• 1.1 计算机视觉理论及其发展
• 1.2 计算机视觉检测的目的及意义
• 1.3 计算机视觉检测现状及趋势
• 1.3.1 国内外视觉检测的现状
• 1.3.2 视觉检测存在问题及发展趋势
• 1.4 本课题背景及主要研究内容
• 1.5 本章小结
• 第二章 视觉检测系统
• 2.1 视觉检测系统的分类
• 2.2 视觉检测系统的性能评价指标
• 2.3 视觉检测系统的组成
• 2.3.1 系统组成
• 2.3.2 硬件及其选用
• 2.3.3 软件
• 2.4 视觉检测系统的关键技术
• 2.4.1 图像采集
• 2.4.2 图像处理
• 2.4.3 系统标定
• 2.5 本章小结
• 第三章 数字图像常规处理技术
• 3.1 概述
• 3.2 图像噪声及滤波处理
• 3.2.1 数字图像中的噪声
• 3.2.2 数字图像的滤波
• 3.3 数字图像的边缘检测和常用算法
• 3.3.1 经典的边缘检测方法
• 3.3.2 基于神经网络的边缘检测
• 3.3.3 基于小波变换的边缘检测
• 3.3.4 其它边缘检测方法
• 3.4 图像分割
• 3.4.1 概述
• 3.4.2 灰度阈值分割的基本概念
• 3.4.3 简单阈值选取
• 3.4.4 最佳阈值选取
• 3.4.5 P参数法
• 3.4.6 阈值自动选取的最大类间方差法
• 3.4.7 区域生长及分类合并法
• 3.5 算法比较
• 3.6 本章小结
• 第四章 特征提取及亚像素定位
• 4.1 HOUGH变换
• 4.1.1 Hough变换检测直线
• 4.1.2 Hough变换检测圆
• 4.1.3 本文变换方法
• 4.1.4 实验
• 4.2 曲线特征点提取
• 4.2.1 角点检测
• 4.2.2 切点及拐点检测
• 4.2.3 本文特征点检测方法
• 4.2.4 实验
• 4.3 亚像素定位
• 4.3.1 视觉测量数学模型
• 4.3.2 常见亚像素定位算法
• 4.3.3 本文亚像素细分方法
• 4.4 本章小结
• 第五章 齿形链链板视觉测量系统
• 5.1 视觉检测系统
• 5.1.1 被测零件
• 5.1.2 硬件选用
• 5.1.3 软件流程图
• 5.2 图像处理
• 5.2.1 图像采集及预处理
• 5.2.2 图像的二值化及轮廓提取
• 5.3 图像旋转及标定
• 5.3.1 图像旋转
• 5.3.2 摄像机标定
• 5.4 参数计算
• 5.4.1 销孔直径、圆度误差及节距的计算
• 5.4.2 链板两直边夹角的计算
• 5.5 实验及误差分析
• 5.5.1 实验结果
• 5.5.2 误差分析
• 5.6 本章小结
• 第六章 滚珠螺母的视觉测量
• 6.1 引言
• 6.2 测量系统的组成及图像采集
• 6.3 图像处理
• 6.3.1 彩色图像的灰度化处理
• 6.3.2 图像分割
• 6.3.3 轮廓提取
• 6.3.4 亚像素定位
• 6.4 滚珠螺母参数计算
• 6.4.1 几何尺寸计算
• 6.4.2 形位误差计算
• 6.5 镜头畸变及校正
• 6.6 实验及数据处理
• 6.7 误差分析及提高测量精度的措施
• 6.8 本章小结
• 第七章 总结
• 参考文献
• 致谢
• 攻读博士学位期间发表的学术论文及其它成果
• 发表的学术论文
• 参加的科研项目
• 摘要
• ABSTRACT