基于机器视觉的测量系统关键技术研究

论文摘要

机器视觉检测技术是建立在计算机视觉理论基础上的一门新兴检测技术,具有精度高、速度快、非接触、柔性好、自动化和智能化水平高等诸多优点,很好的适应和满足现代制造业对检测技术的要求。由精确伺服机构携带视觉传感器可以构建一个柔性的空间三坐标测量系统,完成对大型物体三维空间信息的自动在线测量,因而在工业检测中有着广阔的应用前景和巨大的发展潜力。本文围绕“现代船舶建造大尺度三维数字化测量系统”的开发,对机器视觉检测系统中的几个关键问题进行了深入的研究。论文的主要内容如下:1.综述了机器视觉检测的理论基础、检测方法、系统构成以及它的应用,同时给出本文的组织结构和内容安排。2.对机器视觉检测技术中的图像预处理技术进行了总结。3.对线结构光视觉检测系统中的关键问题—线结构光条纹中心提取技术进行了深入的研究,在总结已有方法上,提出了自适应窗曲线拟合法,该方法具有很强的鲁棒性。4.对大型钢结构本身所具有的所需测量范围大,但断面结构相对简单的特点,提出了针对工件断面关键点的扫描策略,解决的扫描时间长、图像数据量大等问题,提高了测量系统的工作效率,解决了系统工程应用的一个难题。同时根据测量系统的结构特点,在原有三维数据拼接方法上,发展了一种基于移动坐标系的三维数据拼接方法,该方法解决的小视场的线结构光三维视觉传感器对大尺寸物体测量时出现的三维数据拼接问题,并通过实验验证了方法的适用性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 机器视觉检测基础
• 1.2.1 机器视觉检测理论基础
• 1.2.2 机器视觉检测系统
• 1.3 机器视觉检测方法
• 1.3.1 被动视觉测量方法
• 1.3.2 主动视觉测量方法
• 1.4 机器视觉检测的应用
• 1.5 论文的研究目的和主要工作
• 第2章 机器视觉检测中的图像预处理技术
• 2.1 数字图像基础
• 2.2 图像增强
• 2.2.1 灰度修正
• 2.2.1.1 直方图修正基础
• 2.2.1.2 直方图均衡化
• 2.2.1.3 直方图规定化
• 2.2.2 图像平滑
• 2.2.3 图像锐化
• 2.2.3.1 梯度法
• 2.2.3.2 高通滤波
• 2.3 图像分割
• 2.3.1 最佳阈值分割
• 2.3.2 基于边界的图像分割（边缘检测）
• 2.4 本章小结
• 第3章 结构光条纹中心提取
• 3.1 结构光条纹图像滤波与分割
• 3.1.1 光条图像滤波
• 3.1.2 光条图像分割
• 3.2 结构光条纹中心坐标计算
• 3.2.1 已有条纹中心坐标计算方法简述
• 3.2.2 结构光条纹中心计算方法总结
• 3.2.3 自适应窗曲线拟合法
• 3.2.3.1 中值滤波去除图像噪声
• 3.2.3.2 利用大津法分割图像
• 3.2.3.3 条纹中心粗定位并记录条纹宽度
• 3.2.3.4 定比例高斯曲线法拟合中心
• 3.2.4 自适应窗曲线拟合法实验结果与分析
• 3.3 本章小结
• 第4章 针对大型钢结构的测量与数据融合技术
• 4.1 大尺度三维数字化测量系统简述
• 4.1.1 机械分系统组成
• 4.1.2 传感器分系统组成
• 4.1.2.1 CCD相机的选择
• 4.1.2.2 镜头的选择
• 4.1.2.3 图像采集卡的选择
• 4.2 针对大型钢结构的测量策略
• 4.2.1 针对工件断面整体扫瞄的测量策略
• 4.2.2 针对工件断面关键点扫瞄的测量策略
• 4.2.3 扫描结果分析
• 4.3 三维数据拼接技术研究
• 4.3.1 已有数据拼接方法总结
• 4.3.2 基于移动坐标系的三维数据拼接技术
• 4.3.3 三维数据拼接结果
• 4.4 三维数据比对结果分析
• 4.4.1 测量系统精度验证
• 4.4.2 测量结果分析
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢