大尺寸机械零件的机器视觉高精度测量方法
基于机器视觉的机械零部件尺寸测量技术研究
基于机器视觉的机械零部件尺寸测量技术研究导言近年来，随着机械工业的不断发展，对机械零部件尺寸测量技术的要求也越来越高。
传统的人工测量虽然能够满足一定的需求，但其存在的主观性和不稳定性仍然是主要问题。
为了解决这一问题，基于机器视觉的机械零部件尺寸测量技术应运而生。
本文将探讨基于机器视觉的机械零部件尺寸测量技术的研究现状和未来发展趋势。
一、技术原理基于机器视觉的机械零部件尺寸测量技术是利用计算机和摄像设备对机械零部件进行图像采集和处理，通过图像处理算法获取零部件的尺寸信息。
其技术原理主要分为图像采集、图像处理和尺寸测量三个步骤。
图像采集是基于机器视觉的机械零部件尺寸测量技术的第一步。
通过高分辨率摄像设备对机械零部件进行拍摄，获取清晰的图像。
高分辨率的摄像设备能够提供更多的图像信息，有助于提高尺寸测量的准确性。
图像处理是基于机器视觉的机械零部件尺寸测量技术的核心步骤。
通过图像处理算法对采集到的图像进行分析和处理，去除图像中的噪声和干扰，提取出零部件的边缘特征。
常用的图像处理算法包括边缘检测、二值化、轮廓提取等。
尺寸测量是基于机器视觉的机械零部件尺寸测量技术的最终目标。
通过对图像处理后的图像数据进行尺寸计算，得到机械零部件的尺寸信息。
常用的尺寸测量方法包括长度测量、宽度测量、直径测量等。
二、研究现状基于机器视觉的机械零部件尺寸测量技术已经在工业领域得到广泛应用。
目前，研究人员主要集中在算法改进、设备优化和测量系统的智能化方面进行研究。
在算法改进方面，研究人员提出了许多新的图像处理算法和尺寸测量方法。
例如，基于边缘检测和霍夫变换的尺寸测量方法可以提高测量的准确性和稳定性。
另外，利用深度学习技术进行图像处理和尺寸测量也成为研究热点。
这些算法的出现极大地推动了基于机器视觉的机械零部件尺寸测量技术的发展。
在设备优化方面，研究人员致力于提高摄像设备的性能和精度。
高分辨率、高帧率的摄像设备能够提供更多的图像信息，从而提高尺寸测量的准确性。
机器视觉大尺寸测量
建立纹 理圆
计算纹 理圆
计算纹 理角
确定序 列图像
机械零件图像边缘补偿测量技术 针对机械零件图像边缘灰度的分布特征,为 了消除边缘过渡区对测量精度的影响,提出 一种不依赖于成像参数的边缘像素补偿法
机器视觉
对大尺寸零件测量
1 2 3 4
引言
测量原理 序列图像校准技术 图像边缘处理技术
引言
机器视觉测量由于具有连续性、非接触 和易于实现自动化等优点,而成为机械 零件测量的一种革新手段。对于大尺寸 机械零件,较小的视野范围只能摄取到 零件的局部图像。所以采用将序列局部 图像拼接成全局图像的方法实现测量。
测量方法
序列图像测量法的原理是:先对零件 进行微小区域成像,生成在空间上连 续的序列局部图像;然后利用序列局 部图像在空间上的连续性,构建各局 部图像的尺寸特征,并得到序列尺寸 之间的关联关系;最后对序列尺寸求 和,得到零件的总体尺寸。Leabharlann 基于纹理特征的序列图像校准技术
确定纹理圆直径，计 算特征点灰度值，计 算灰度值标准差
基于机器视觉的机械检测与测量技术
基于机器视觉的机械检测与测量技术近年来，随着科技的不断进步，基于机器视觉的机械检测与测量技术在制造业中得到了广泛应用。
在传统的机械检测与测量中，往往需要人工参与，既费时又费力，且容易产生误差。
而通过引入机器视觉技术，可以实现自动化的检测与测量，大大提高了效率和准确性。
机器视觉是一种利用计算机和摄像机等设备对图像进行处理和分析的技术。
它通过模拟人类视觉系统的方式，识别和理解图像中的信息，并根据预设的算法进行相应的处理。
在机械检测与测量中，通过机器视觉技术可以实现对零件尺寸、形状、缺陷等进行快速而准确的检测与测量。
首先，机器视觉可以应用于零件尺寸的检测与测量。
传统的尺寸检测需要人工使用卡尺等工具进行，不仅浪费人力资源，而且容易产生误差。
而利用机器视觉技术，可以通过摄像机对零件进行拍摄，并将图像传输到计算机进行处理和分析，从而得到尺寸的数据。
通过与预设的标准进行对比，可以快速准确地确定零件是否合格。
其次，基于机器视觉的技术可以用于形状的检测与测量。
在制造过程中，零件的形状是否符合设计要求是十分重要的。
传统的方法往往需要仪器测量或者人工判断，耗时耗力且容易受主观因素影响。
而利用机器视觉技术，可以通过对零件图像的处理和分析，提取出形状的特征，并与预设的形状进行对比。
这种方法不仅准确性高，而且效率也得到了极大提高。
此外，机器视觉在检测零件缺陷方面也有广泛的应用。
在制造过程中，零件的缺陷会严重影响产品的质量和使用寿命。
传统的人工检测往往需要经验丰富的检验员进行，既费时又容易出错。
借助机器视觉技术，可以通过对零件图像的分析，快速准确地检测出潜在的缺陷，并及时采取相应的措施。
特别是对于微小缺陷的检测，机器视觉技术更是具有独特的优势。
然而，基于机器视觉的机械检测与测量技术也存在一些挑战和局限性。
首先，对于材料特性或者光照条件的变化比较敏感，可能会引起误判。
其次，复杂的零件形状和结构可能会导致识别和测量的困难。
此外，机器视觉的算法和模型的建立也需要一定的时间和精力投入。
机械加工中工件尺寸精度测量的5大方法
机械加工中工件尺寸精度测量的5大方法1.比较测量法：比较测量法是一种常见且简单的尺寸测量方法，适用于工件的外径、内径等直径尺寸的测量。
该方法主要基于对比的原理，使用已知尺寸的模具或测量工具与待测工件进行对比测量。
常用的比较测量工具有卡尺、千分尺、游标卡尺等。
比较测量法具有操作简便、成本低廉的优点，但准确度较低。
2.坐标测量法：坐标测量法是一种应用最广泛的尺寸测量方法之一、它利用测量机床等设备，将工件放置于坐标系中，通过测量机床的坐标轴和传感器实现工件尺寸的测量。
坐标测量法适用于复杂工件尺寸的测量，具有高精度和高灵活性等优点。
3.光学测量法：光学测量法利用光学原理，通过光学传感器或测量仪器对工件尺寸进行测量。
光学测量法适用于形状复杂的工件，如曲面、曲线等。
常用的光学测量仪器有投影仪、显微镜、激光跟踪仪等。
光学测量法具有高精度、非接触、能够获取多个尺寸和形状参数等优点。
4.探触测量法：探触测量法是一种通过机械探针对工件进行接触式测量的方法。
常见的探触测量法包括测微仪、测针、激光测距仪等。
探触测量法适用于表面形状复杂或无法用其他测量方法测量的工件。
它具有测量精度高、重复性好和能够获取多个尺寸参数等优点。
5.三坐标测量法：三坐标测量法是一种先进的工件尺寸测量方法，通过三坐标测量机对工件进行测量，能够快速地获取工件各个尺寸参数。
三坐标测量法适用于高精度工件尺寸测量，具有高精度、快速、自动化程度高等优点。
总结来说，机械加工中的工件尺寸精度测量方法有比较测量法、坐标测量法、光学测量法、探触测量法和三坐标测量法。
根据工件的形状、尺寸和精度要求，选择合适的测量方法可以保证工件的质量和精度。
大尺寸零件的机器视觉在线测量方法研究的开题报告
大尺寸零件的机器视觉在线测量方法研究的开题报告一、选题背景和意义随着工业技术的不断进步和发展，机器视觉技术在工业自动化、质量控制、生产调度等方面得到了广泛应用。
零件大小的测量是工业生产中非常重要的一项工作，因为生产出来的产品尺寸偏差过大可能会导致产品质量不合格或者使用寿命缩短。
传统的测量方法通常需要运用测量仪器进行，但是机器视觉技术既可以提升测量精度，又可实现一定程度的自动化，不仅提高了生产效率，而且降低了后期检测成本。
因此，对大尺寸零件的机器视觉在线测量方法的研究具有重要的理论和实践意义。
二、研究内容和目标本文旨在研究大尺寸零件的机器视觉在线测量方法，首先讨论大尺寸零件特点以及对在线测量的要求，通过分析特征参数的构成和提取方法，分析零件局部形状的变化规律，提出一种适用于大尺寸零件的机器视觉测量模型。
主要研究内容包括以下方面:1. 对大尺寸零件的特点和在线测量需求的分析。
2. 对视觉系统的参数和精度的分析，以便设计合适的测量模型。
3. 视觉系统的软件设计，实现测量的自动化。
4. 测量误差的分析和处理方法。
5. 验证和优化测量模型的方法和步骤。
三、研究方法和技术路线本文研究方法采取理论分析和实验验证相结合的方式。
首先，通过对大尺寸零件的特点和在线测量要求的分析，确定合适的参数范围和特征提取方法。
然后，设计符合实际需求的机器视觉系统，建立零件大尺寸场景下的三维点云模型，研究成像误差和测量精度的量化方法，以实现测量误差的精确分析。
最后，通过实验验证和不断优化，得出一套适合大尺寸零件的机器视觉在线测量的方法和模型，为实际工业生产提供有力的支撑。
四、预期成果和应用价值通过对大尺寸零件的机器视觉在线测量方法的研究，预期可以得到以下成果：1. 提出一种适用于大尺寸零件的机器视觉测量模型。
2. 建立基于点云的三维测量模型，实现零件的自动化测量。
3. 对测量误差进行分析和处理，提高测量精度。
预期应用价值如下：1. 提高大尺寸零件的测量精度和效率，为后期生产过程提供有力的保障。
基于机器视觉的机械零件检测方法
基于机器视觉的机械零件检测方法机器视觉技术是指通过计算机图像处理来实现对视觉信息的检测、识别和分析的一种技术。
在工业生产中，机器视觉技术已经被广泛应用于各个领域，其中之一就是机械零件检测。
随着机械化程度的提高和生产效率的要求，机械零件的质量检测变得越来越重要。
传统的零件检测方法通常依赖于人工目视检测，这种方法需要大量的人力资源，并且容易出现误判和忽略的情况。
而基于机器视觉的机械零件检测方法能够有效地解决这些问题，提高检测准确性和效率。
在机器视觉技术中，图像采集是最基础的一步。
一般而言，机械零件的表面可能存在一些缺陷和瑕疵，如凹陷、挫伤等。
为了精确获取零件表面的图像信息，高分辨率的相机是必不可少的。
同时，在图像采集过程中还需要考虑光照的均匀性和亮度的调整，以保证图像的清晰度和准确性。
采集到的图像在通过机器视觉算法之前，需要经过一系列的预处理步骤。
首先是去噪处理，因为在实际生产过程中，图像常常会带有一定的噪声，这些噪声会对后续的检测造成干扰。
利用滤波算法可以有效地消除这些噪声，使得图像更加清晰。
接下来是图像分割过程，即将整个图像分成不同的区域，以便后续的特征提取和分析。
常用的图像分割方法有阈值分割、边缘检测等。
通过对图像进行分割，可以更好地提取出零件表面的纹理、颜色和形状等特征信息。
特征提取是机器视觉检测的关键步骤之一。
在零件检测中，常用的特征包括形状特征、纹理特征和颜色特征等。
形状特征可以通过提取零件的边缘信息、角点信息等来实现。
纹理特征可以通过纹理分析算法来提取，如灰度共生矩阵法、小波变换法等。
颜色特征则可以通过颜色空间的变换和颜色直方图的计算来实现。
在特征提取完成后，就可以进行零件缺陷的检测和分类了。
这一步通常通过模式匹配算法来实现，将预先设定的缺陷模型与特征提取得到的特征进行比对，从而确定零件是否存在缺陷。
常用的模式匹配算法包括模板匹配算法、神经网络算法等。
除了上述的基本流程，机器视觉的高级技术还包括3D视觉、深度学习等。
基于机器视觉的工件尺寸高精度测量方法
基于机器视觉的工件尺寸高精度测量方法李钊宝;汪新新;贾茜媛【摘要】通过优化照相机的内部参数,运用基于转轴法的外切矩形法对工件进行定位,确定工件像素级的姿态和尺寸;选取物体的ROI后,运用双线性差值算法,实现工件边缘的亚像素提取,通过黑塞范式直线拟合,找到精确的物体边缘;最终实现了运用500万像素的工业照相机,在全景拍摄条件下,测量尺寸在80～150 mm的工件,测量重复性精度可以达到0.015 mm.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)006【总页数】5页(P1866-1870)【关键词】照相机的内参数;转轴法;外切矩形;双线性差值;尺寸测量【作者】李钊宝;汪新新;贾茜媛【作者单位】中国计量学院质量与安全工程学院,杭州 310018;中国计量学院计量测试工程学院,杭州 310018;中国计量学院计量测试工程学院,杭州 310018【正文语种】中文【中图分类】TP391.41机器视觉测量由于具有连续性、非接触和易于实现自动化等优点，成为机械零件测量的一种革新手段［1］。
在工件尺寸的自动化测量中，利用机器视觉实现对大工件尺寸的高精度测量，可以运用低分辨率照相机拍摄工件局部，将成像区域限制在较小的范围内，拍摄多幅照片，进行图像拼接测量，例如何博侠、张志胜等提出的基于序列局部图像尺寸特征的测量方法其相对测量误差在0.012%以内［2］。
另外也可以通过提高照相机的分辨率，来提高工件测量精度。
图像拼接方法中引入拼接算法会代入拼接误差，而且通过机构运动或者多摄像头采集图像会总加图像采集的复杂度和测量成本，同时会引入其他的不确定误差。
运用提高相机分辨率的方法，要将120 mm的工件尺寸测量重复性精度达到0.015 mm，需要将工业照相机的分辨率提高到几千万以上。
目前，在机器视觉中最为常用的是分辨率为500～1 000万像素的工业照相机，而很少采用1 000万级以上像素的工业照相机。
大口径反射镜加工机床在线检测高精度对准方法
大口径反射镜加工机床在线检测高精度对准方法
首先，为了实现高精度对准，可以采用光学测量技术。
其中一种常用
的方法是使用激光干涉仪。
激光干涉仪通过激光束的干涉来检测加工零件
的表面形貌。
在加工过程中，激光干涉仪可以实时监测反射镜的形状，并
与设计要求进行对比，从而检测出加工过程中的误差，并进行调整。
这种
方法具有精度高、测量速度快、可实时监测等优点。
其次，可以采用电容式传感器进行在线高精度对准的检测。
电容式传
感器可以通过检测电容值的变化来实时监测反射镜的形态，在加工过程中，通过比较实际电容值与设计电容值的差异，可以判断出加工误差，并进行
调整。
电容式传感器具有灵敏度高、响应速度快、无需接触等优点，非常
适合用于大口径反射镜加工机床的高精度对准。
此外，还可以使用视觉检测技术进行在线高精度对准的检测。
视觉检
测技术可以通过摄像头采集反射镜的图像，并使用计算机视觉算法对图像
进行分析，从而实现对反射镜形貌的实时监测。
结合图像处理算法和机器
视觉技术，可以对反射镜进行高精度的形态测量，并与设计要求进行对比，从而判断反射镜加工过程中的误差，并进行调整。
视觉检测技术具有实时
性强、精度高、非接触等优点，是一种非常有效的在线高精度对准方法。
综上所述，使用激光干涉仪、电容式传感器和视觉检测技术进行在线
高精度对准的检测是较为常用的方法。
这些方法在加工过程中能够实时监
测反射镜的形貌，检测加工误差，并进行实时调整，从而保证大口径反射
镜的加工质量和精度要求。
基于机器视觉的零件尺寸检测与测量
基于机器视觉的零件尺寸检测与测量导语：随着制造业的快速发展，零件的精确尺寸检测与测量成为了生产过程中的关键环节。
传统的尺寸检测方法往往需要人工参与，并且效率低下且不够精确。
而基于机器视觉的零件尺寸检测与测量则提供了一种快速、准确且可靠的解决方案。
一、机器视觉技术在零件尺寸检测中的应用随着机器视觉技术的迅猛发展，其在零件尺寸检测方面的应用也逐渐成为一种趋势。
机器视觉系统能够通过摄像机获取零件的影像信息，并通过图像处理算法来实现尺寸的检测与测量。
这种非接触式的测量方式在一定程度上消除了人为因素对结果的影响，大大提高了测量的准确性。
二、基于机器视觉的零件尺寸检测与测量的优势1. 自动化：基于机器视觉的零件尺寸检测与测量可以实现自动化，无需人工操作，从而提高了生产效率。
2. 高精度：机器视觉系统通过高分辨率的摄像机和精确的算法，能够实现对零件尺寸的亚毫米级别的准确度。
3. 实时监控：机器视觉系统可以实时监控零件的尺寸变化，及时发现生产过程中的异常情况并进行调整，提高了生产质量。
4. 多样性：基于机器视觉的零件尺寸检测与测量可以适用于不同形状、大小和材质的零件，具有较大的适应性。
三、基于机器视觉的零件尺寸检测与测量的实施步骤1. 系统设计：根据具体的生产需求，设计适合的机器视觉系统，包括选择合适的摄像机、光源和图像处理算法。
2. 数据采集：通过摄像机采集零件的图像数据，并传输至图像处理系统进行处理。
3. 图像处理：通过图像处理算法对采集到的图像进行处理，提取出零件的特征与边界，并计算出其尺寸。
4. 尺寸分析：根据所得到的尺寸数据进行分析，判断是否符合要求，并生成结果报告。
5. 反馈控制：根据分析结果，及时反馈给生产线控制系统，进行相应的调整和控制，确保生产过程的稳定性。
四、机器视觉技术在零件尺寸检测中的挑战与解决方案1. 光照条件：不同的光照条件可能对图像质量产生影响，需要选择适当的光源和光照方式，或者采用图像增强算法进行处理。
高精密零部件尺寸快速测量技术简介
高精密零部件尺寸快速测量技术简介对于高精密零部件产品，尺寸测量无论是在产品生产过程中，还是生产完成后的质量检验中都是提高产品品质的重要一环。
机器视觉在尺寸测量方面相比较其他检测方法，有着独特的技术优势：1、机器视觉系统能够自动测量产品的外观尺寸，如外形轮廓、孔径、高度、面积等；2、机器视觉测量属于非接触测量，既可以避免对被测对象的损坏，又适合被测对象不可接触的情况，如高温、高压、流体、危险环境等场合；3、机器视觉系统可以同时测量多个尺寸，提高了测量工作的效率；4、机器视觉系统可以对于微小尺寸进行精确测量，利用高倍率镜头放大被测对象，测量精度可以达到微米级以上；5、机器视觉系统测量相比于其他测量方案具有更高的连续性和精度，可以提高工业在线测量的实时性和准确性，提升生产效率，控制产品品质。
测量应用要求得到轮廓锐利的图像。
对于相机而言，需要能够提供较好的成像质量，首先需要相机有足够的像素数保证拍摄精度，此外还需要图像的噪声水平低，保证轮廓边沿的灰度值稳定可靠。
由于不同的工件尺寸和测量精度要求的差异，对相机分辨率的要求较为广泛。
对于中小尺寸、精度要求低、测量尺寸处于同一平面的的工件，通常使用一个相机即可满足要求；对于大尺寸、精度要求高、测量尺寸不在同一平面的工件，通常采用多台相机组合拍摄的方法。
镜头通常选用远心镜头。
远心镜头是为纠正传统工业镜头视差而设计，即在一定的物距范围内，得到的图像放大倍率不会变化。
这对被测物不在同一物面上时是非常重要的设计。
远心镜头依据其独特的光学特性：高分辨率、超宽景深、超低畸变以及独有的平行光设计等，成为了机器视觉精密测量不可或缺的一部分。
光源选择主要是以突出被测物的轮廓为依据。
尺寸测量最常用到的光源是背光源、同轴光源和低角度光源，在精度要求特别高的应用场合还需要用到平行光源。
VX3000一键式测量仪中图仪器VX3000系列一键式测量仪采用双远心高分辨率光学镜头，结合高精度图像分析算法，并融入一键闪测原理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
样 ,直径 Dαi 上依次共有 2 n + 1 个特征点 , 记为
Dαik ( i = 1 ,2 , …,2 n + 1) ,其数值坐标由下式确定 :
dc x ( Dαki ) = pc x ( Oi ) + ( k - n - 1) co sα
(1)
dcy ( Dαki ) = pcy ( Oi ) + ( k - n - 1) sinα
大尺寸机械零件的机器视觉高精度测量方法 ———何博侠 张志胜 徐孙浩等
大尺寸机械零件的机器视觉高精度测量方法
何博侠 张志胜 徐孙浩 史金飞
东南大学 ,南京 ,211189
摘要 :为实现大尺寸机械零件的高精度视觉测量 ,研究了基于序列局部图像尺寸特征的测量方法 , 提出了基于纹理特征的序列局部图像校准技术以解决测量过程中相面旋转引起的局部图像尺寸方向变 动问题 ;提出了图像边缘补偿测量技术以消除实际边缘不能精确定位而对测量精度的影响 ;论述了基于 序列局部图像尺寸特征测量方法的算法实现过程 。实验表明 ,对大尺寸零件应用序列图像测量法进行 测量 ,其相对测量误差在 01 012 %以内 ,基本满足机械零件二维尺寸精密自动化测量要求 。
的行数 , c 轴表示图像阵列的列数 , 函数 pc ( ·) 、 pcr (·) 、pcc (·) 分别表示图像上某点在像素坐标 系中的坐标值 、行坐标值 、列坐标值 ;图 5b 所示的 数值坐标系中 , 坐标单位以浮点数为单位 , 函数 dc (·) 、dc x (·) 、dcy (·) 分别表示图像上某点在数 值坐标系中的坐标值 、x 坐标值 、y 坐标值 。需要注 意的 是 , 数 值 坐 标 系 原 点 O 的 坐 标 dc ( O) = (01 5 ,01 5) ,这样 , 图像中任一像素的中心点在像 素坐标系与数值坐标系中具有相同的坐标值 。
收稿日期 :2008 —06 —05 基金项目 :国家自然科学基金资助项目 (50805023)
测量法) 。
1 大尺寸零件视觉测量原理及其关键 技术
1. 1 大尺寸零件的序列图像测量法原理 序列图像测量法的原理是 :先对零件进行微
小区域成像 ,生成在空间上连续的序列局部图像 ; 然后利用序列局部图像在空间上的连续性 ,构建 各局部图像的尺寸特征 ,并得到序列尺寸之间的 关联关系 ;最后对序列尺寸求和 ,得到零件的总体 尺寸 。具体方法如图 1 所示 。在图 1a 中 ,采集待 测零件的序列局部图像 S i ( i = 1 ,2 , …, n) , 使相 邻的局部图像视野具有重叠区域 w i ; 在图 1b 中 , 在重 叠 区 域 构 造 尺 寸 特 征 线 li ( i = 1 ,2 , …, n - 1) ,使 li 垂直于尺寸方向 ,从而获得各局部图 像的尺寸特征 Di ( i = 1 ,2 , …, n) ;最后求和 ,从而
(2) 取纹理圆直径线段 。在纹理圆 Oi 上取
m (90 ≤m ≤360) 个直径 ,把纹理圆等分为 2 m 个
扇形区域 ,这 m 个直径记为 Dαi (α = π/ m ,2π/ m ,
…, mπ/ m) ,其中α为该纹理圆直径对应的角度 。
(3) 确定纹理圆直径 Dαi 上的特征点 。在直径
Dαi 上每隔一个像素长度取一点作为特征点 , 这
Abstract : This paper investigated a visio n measurement met hod based o n sequential partial images for large scale machine part s. First , to align t he sequential images to an identical coordinates and o2 verco me t he p ro blems arising f ro m t he relative rotatio n bet ween t he camera and t he machine part , a rectif ying app roach based o n text ure feat ures was p ropo sed. Then , an edge - pixel co mpensatio n tech2 nique was p ut forward to get rid of t he effect s of t he t ransitio nal dist ributio n of part image edges o n t he measurement p recisio n. Finally , t he algo rit hm of sequential image measurement met ho d was p res2 ented. The experimental result s show t hat t he relative error is less t han 01 012 % using t he met hod to gauge large scale part s. The p recisio n meet s t he needs of t he p recise measurement of 2 - D dimen2 sio ns.
对于大尺寸机械零件 ,较小的视野范围只能 摄取到零件的局部图像 。采用将序列局部图像拼 接成全局图像的方法[6 ,7] ,可以用较高的检测分 辨率获得待测零件在尺寸方向的全貌 。但是 ,当 序列图像很多时 ,由于数据量大 ,受处理速度和拼 接精度的制约 ,难以适应快速高精度测量的要求 。 因此 ,不进行图像拼接 ,而是提取序列局部图像的 尺寸特征 ,并以图像序列之间的关联关系为依据 求解零件尺寸 ,是实现大尺寸机械零件高精度测 量的一种新方法 ,我们把这种新方法叫做基于序 列局部图像尺寸特征的测量方法 (简称序列图像
(5) pc ( Dαki4 ) = ( rd ( dc x ( Dαki ) + 0. 5) , rd ( dcy ( Dαki ) + 0. 5) )
(6)
其中 , rd (·) 为按四舍五入法则的取整函数 。Dαik1 、 Dαik2 、Dαik3 、Dαik4 的 灰 度 已 知 , 从 而 , 由 双 线 性 插 值 法[10 ] 便可求得 Dαik 的灰度值 f ( Dαik ) 。
(3)
pc ( Dαki2 ) = ( rd ( dc x ( Dαki ) - 0. 5) , rd ( dcy ( Dαki ) + 0. 5) )
(4) pc ( Dαki3 ) = ( rd ( dc x ( Dαki ) + 0. 5) , rd ( dcy ( Dαki ) - 0. 5) )
量精度的影响 。
2 基于纹理特征的序列图像校准技术
切削加工而成的机械零件 ,表面往往存在一 定走向的纹理 ,图 4 所示是具有条形纹理表面的 机械零件的序列局部图像 。针对零件表面的这种 特征 ,本文提出基于纹理特征的序列图像校准方 法 。在介绍该方法前 ,先定义本文图像处理方法 中使用的两个图像坐标系统 ,以及与坐标相关的 6 个函数 。如图 5 所示 ,图 5a 所示的像素坐标系 中 ,坐标单位以整像素为单位 , r 轴表示图像阵列
(2)
(4) 确定特征点 Dαik 的灰度值 f ( Dαik ) 。求取
Dαik 临近的 4 个整像素点 、 、 、 Dαik1 Dαki2 Dαik3 Dαik4 , 各点
坐标为
pc ( Dαki1 ) = ( rd ( dc x ( Dαki ) - 0. 5) , rd ( dcy ( Dαki ) - 0. 5) )
图 2 序列图像校准示意图
(2) 机械零件图像边缘的处理技术 。受视觉 传感器件的特性和光学衍射效应的影响 ,机械零 件图像边缘往往存在一个过渡区域 。图 3a 所示 为一长方形零件在白色背景前的图像 (分辨率为 256 像素 ×256 像素) ,图 3b 是该零件图像右边缘 的灰度分布图 。由图 3b 可见 ,理论上应该呈阶跃 状的灰度分布图变成了斜坡形分布[9] ,过渡区跨 越了 6 个像素单位 。
关键词 :机器视觉 ; 大尺寸零件 ; 尺寸特征 ;纹理特征 中图分类号 : T H13 ; T G806 文章编号 :1004 —132X(2009) 01 —0005 —06
Research on High - precision Machine Vision Measurement Method f or Large Scale Parts He Bo xia Zhang Zhisheng Xu Sunhao Shi J infei So ut heast U niver sit y , Nanjing , 211189
Key words : machine visio n ; large scale part ; dimensio n characteristics ; text ure feat ure
0 引言
机器视觉测量由于具有连续性 、非接触和易 于实现自动化等优点 ,而成为机械零件测量的一 种革新手段[1] 。然而 ,在基于单幅图像处理的机 器视觉系统中 ,由于成像区域和检测分辨率之间 成反比例关系 ,要取得较高的测量精度 ,成像区域 必须限制在较小的范围内 。因此 ,这种方法通常 用来测量微小结构或者尺寸较小的零件[225 ] 。
n
∑ 得到待测尺寸 D = Di 。 i =1
1. 2 大尺寸零件序列图像测量法关键技术 利用序列图像测量法实现大尺寸机械零件高
精度测量 ,要达到较高的测量精度必须解决两个 ·5 ·
中国机械工程第 20 卷第 1 期 2009 年 1 月上半月
(a) 序列局部图像采集示意图
( b) 构建序列局部图像尺寸特征示意图 图 1 基于序列局部图像尺寸特征的测量方法示意图