在工業(yè)生產(chǎn)過程中,絕大多數(shù)零件都有尺寸的要求。傳統(tǒng)的零件尺寸測量工作主要依靠人工完成,受制于人眼主觀判斷以及測量工具的影響,不僅效率低下,而且檢測精度不高。在尺寸檢測環(huán)節(jié),基于機器視覺的測量系統(tǒng)越來越受到人們的青睞,其具有很多人工測量沒有的優(yōu)點,比如高精度、高效率、自動化、非接觸等等。另一方面,采用亞像素邊緣檢測算法優(yōu)于傳統(tǒng)的像素級邊緣檢測算法,其可以在不提升相機分辨率的前提下,提升邊緣定位精度,從而節(jié)省硬件成本。本文對亞像素視覺測量技術(shù)進行了深入研究,主要以紐扣為測試對象,研究并實現(xiàn)了相關(guān)的亞像素邊緣檢測算法以及尺寸測量方法。對于亞像素邊緣檢測算法,本文改進了傳統(tǒng)的Zernike矩算法,引入了漸變邊緣模型,并采用一種自適應(yīng)的擬合方法得到邊緣寬度參數(shù)2w。在邊緣檢測前引入擴散濾波,具有去噪保邊的效果。在定位精度和抗噪性能上均優(yōu)于傳統(tǒng)Zernike矩邊緣檢測算法,在仿真圖像中可以達到0.03 pixels的定位精度。對于尺寸測量方法,本文提出了一種適用于柱體零件的尺寸測量模型,可以完成圖像中邊緣像點到物點的映射,通過擬合圖元得到待測物尺寸。該測量模型綜合考慮了相機畸變、待測物體厚度等因素...

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景與意義
    1.2 視覺測量國內(nèi)外研究現(xiàn)狀
    1.3 課題來源、主要研究內(nèi)容與章節(jié)安排
2 亞像素視覺測量技術(shù)方案
    2.1 研究目標(biāo)
    2.2 方案設(shè)計
    2.3 軟件開發(fā)平臺
    2.4 本章小結(jié)
3 改進的Zernike矩亞像素邊緣檢測算法
    3.1 圖像預(yù)處理
    3.2 各向異性擴散濾波算法
    3.3 基于漸變邊緣模型的Zernike矩亞像素邊緣檢測算法
    3.4 算法性能評估實驗
    3.5 本章小結(jié)
4 柱體尺寸測量模型的建立與實驗分析
    4.1 標(biāo)定系數(shù)法尺寸測量模型
    4.2 柱體尺寸測量模型的建立
    4.3 相機標(biāo)定實驗
    4.4 普通鏡頭下的尺寸測量實驗
    4.5 遠心鏡頭下的尺寸測量實驗
    4.6 速度評估實驗
    4.7 本章小結(jié)
5 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來展望
致謝
參考文獻
附錄1 攻讀碩士學(xué)位期間參與項目



本文編號：3750853