隨著人工智能的不斷發(fā)展,機(jī)器視覺已廣泛應(yīng)用于工業(yè)生產(chǎn)領(lǐng)域。本文采用基于機(jī)器視覺的檢測(cè)方法代替?zhèn)鹘y(tǒng)的人工檢測(cè),實(shí)現(xiàn)了陶瓷碗表面缺陷的檢測(cè)和三維重建。論文主要工作如下:首先提出了一種基于Kirsch算子和Canny算子相結(jié)合的檢測(cè)新方法。該方法利用傳統(tǒng)的Kirsch算子的8個(gè)方向模板對(duì)圖像上每一個(gè)像素點(diǎn)進(jìn)行卷積求導(dǎo),選取最大模板,確定其邊緣方向,再結(jié)合Canny算法的良好信噪比、檢測(cè)準(zhǔn)確度高、邊緣細(xì)節(jié)保留等優(yōu)勢(shì),完成表面缺陷的檢測(cè)。并以缺陷幾何特征計(jì)算得到的圓形度為準(zhǔn)則,設(shè)計(jì)了一套簡(jiǎn)單的分揀系統(tǒng),分揀準(zhǔn)確率可達(dá)95.3%。為了獲知缺陷的三維信息,如形狀、方向及位置,采用了基于多幅圖像序列的三維重建方法,實(shí)現(xiàn)表面整體點(diǎn)云重建。點(diǎn)云重建之前先進(jìn)行了攝像機(jī)標(biāo)定、圖像特征點(diǎn)提取及匹配。攝像機(jī)標(biāo)定采用經(jīng)典張正友標(biāo)定法與遺傳算法相結(jié)合的方法,得到最優(yōu)的相機(jī)內(nèi)外參數(shù);圖像特征點(diǎn)提取及匹配采用FAST角點(diǎn)檢測(cè)法+SURF特征點(diǎn)描述符+FLANN雙向匹配算法,得到準(zhǔn)確的匹配點(diǎn)對(duì)。表面整體重建之前先進(jìn)行局部重建。點(diǎn)云局部重建采用SFM算法計(jì)算匹配點(diǎn)對(duì)的空間點(diǎn)的坐標(biāo),實(shí)現(xiàn)稀疏點(diǎn)云重建,再利用PMVS算法實(shí)現(xiàn)稠密點(diǎn)云重建。局部點(diǎn)云重建只能得到空間形狀信息,為獲取位置和方向信息,增加表面的特征點(diǎn),最后得到表面整體重建。
【學(xué)位單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TQ174.66;TP391.41
【部分圖文】：

西安理工大學(xué)碩士學(xué)位論文6 實(shí)驗(yàn)結(jié)果與分析本文實(shí)驗(yàn)選用 C-STYLE CCD 面陣攝像頭，6 40 480像素，2.8-12mm 焦距，CS 接實(shí)現(xiàn)陶瓷碗表面缺陷檢測(cè)的自動(dòng)化和智能化，該分揀系統(tǒng)的軟件部分在 MATLAB運(yùn)行。(a)原圖 (b)圖像增強(qiáng)效果 (c)圖像均衡化效果(a) Original image (b) Image of the contrast enhancement (c) Image of the equalizatio

整個(gè)圖像中對(duì)比效果顯著，利于下一步的缺陷緣檢測(cè)圖像分別按順序進(jìn)行 8個(gè)模板邊緣檢測(cè)結(jié)果。由圖，其余(b)、(c)、(d)、(e)、(f)、(g)、(h)檢測(cè)效果較差， 算子的模板(1)進(jìn)行初步檢測(cè)。(a) 本文算法 (b) 小面積去除效mage of the new algorithm (b) Image of the elimi圖 2-10 本文算法Fig.2-10 The algorithm of this paper)明顯發(fā)現(xiàn)，邊緣的定位準(zhǔn)確度高且細(xì)化，連續(xù)性和完的小面積干擾信號(hào)，這些被檢測(cè)出來(lái)的干擾信息很有或灰塵引起的碗內(nèi)凹凸不平。為了不影響缺陷的幾何周圍的干擾點(diǎn)，效果如圖 2-10(b)。圖 2-11 是數(shù)學(xué)形態(tài)

圖 3-3 攝像機(jī)畸變?cè)韴DFig.3-3 Camera distortion principle diagram式如公式（3.7）所示。 (,)(,)yyxyxxxyudxudx (,)uux y是空間點(diǎn) P 的理想像素坐標(biāo)； (,)ddxy是( x,y)分別是空間點(diǎn) 在水平和垂直方向的畸變彌機(jī)坐標(biāo)歸一化，則x 和 y 方向的徑向畸變xryr , 如 (,)()(,)()634221634221 xyykrkrkrxyxkrkrkryrxr 222r x y， ,, 12k k為攝像機(jī)的徑向畸變參量（3.9）所示。 xypxyprxxt2212(,)2(2)
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭萌;胡遼林;趙江濤;;基于Kirsch和Canny算子的陶瓷碗表面缺陷檢測(cè)方法[J];光學(xué)學(xué)報(bào);2016年09期

2 陳輝;馬世偉;Andreas Nuechter;;基于激光掃描和SFM的非同步點(diǎn)云三維重構(gòu)方法[J];儀器儀表學(xué)報(bào);2016年05期

3 孫東輝;鞠秀亮;馮登超;秦?zé)ㄓ?白亮亮;;基于FAST檢測(cè)器和SURF描述子的聚合圖像人臉識(shí)別[J];國(guó)外電子測(cè)量技術(shù);2016年01期

4 馮亦東;孫躍;;基于SURF特征提取和FLANN搜索的圖像匹配算法[J];圖學(xué)學(xué)報(bào);2015年04期

5 楊慶華;王玲;荀一;鮑官軍;張盛;;基于機(jī)器視覺的袋泡茶包缺陷檢測(cè)方法[J];浙江工業(yè)大學(xué)學(xué)報(bào);2015年02期

6 許志華;吳立新;劉軍;沈永林;李發(fā)帥;王然;;顧及影像拓?fù)涞腟fM算法改進(jìn)及其在災(zāi)場(chǎng)三維重建中的應(yīng)用[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2015年05期

7 盧英;王慧琴;佟威;李俊杰;;基于Harris-張正友平面標(biāo)定法的攝像機(jī)標(biāo)定算法[J];西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

8 繆君;儲(chǔ)珺;張桂梅;王璐;;基于稀疏點(diǎn)云的多平面場(chǎng)景稠密重建[J];自動(dòng)化學(xué)報(bào);2015年04期

9 王欣;袁坤;于曉;章明朝;;基于運(yùn)動(dòng)恢復(fù)的雙目視覺三維重建系統(tǒng)設(shè)計(jì)[J];光學(xué)精密工程;2014年05期

10 潘衛(wèi)清;趙曉波;;鋼球表面缺陷的雙波長(zhǎng)干涉數(shù)字相位檢測(cè)[J];中國(guó)激光;2014年05期

本文編號(hào)：2847804