發(fā)布時間：2023-05-21 20:10

　　在傳統(tǒng)測量方法逐漸不能適應現(xiàn)代工業(yè)快速發(fā)展的情況下,檢測手段正在由接觸式測量向非接觸式測量轉變。在非接觸式測量領域中,以機器視覺為基礎的圖像檢測技術在諸多方面具有優(yōu)異性能,因而得到了廣泛的關注與應用。異形零件存在無法用解析幾何準確描述的空間自由曲面,傳統(tǒng)檢測手段對其的檢測效率較低,檢測效果較差,存在一定的檢測難度。為了解決該問題,本文對基于機器視覺的異形零件圖像采集與檢測進行了研究,旨在通過圖像檢測技術提高異形零件的檢測效率與測量精度。文本的主要研究內容如下:(1)以線陣CCD為主要的圖像采集設備,分析了CCD圖像傳感器的圖像采集原理,由原理出發(fā)建立了線陣相機成像過程中的數(shù)學模型,從該模型中提取出影響線陣相機成像精度的關鍵參數(shù):像素灰度值與像素列標。(2)對成像系統(tǒng)的四個坐標系進行了分析,通過四個坐標系之間的轉換矩陣說明了實物與圖像之間的映射關系,對映射中存在的非線性因素─幾何畸變進行了研究,提出了一種基于神經網絡的畸變矯正方法。實驗證明,該方法比傳統(tǒng)的多項式擬合矯正法具有更好的矯正效果。(3)對線陣相機的圖像采集過程進行了分析,得出了制約線陣相機采樣精度的主要因素是掃描機構無法精確控...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題的研究背景及意義
    1.2 機器視覺理論的形成與發(fā)展
    1.3 異形零件的圖像采集與檢測
        1.3.1 異形零件
        1.3.2 圖像的采集
        1.3.3 圖像的檢測
    1.4 論文的主要內容及結構框架
2 線陣CCD高精度圖像采集原理
    2.1 CCD傳感器的工作原理
        2.1.1 電荷的產生與收集
        2.1.2 電荷的轉移與輸出
    2.2 線陣CCD圖像采集原理
    2.3 本章小結
3 基于神經網絡的線陣相機幾何畸變矯正
    3.1 相機成像模型
        3.1.1 成像系統(tǒng)坐標系
        3.1.2 非線性成像模型
    3.2 幾何畸變矯正
        3.2.1 基于多項式擬合的矯正方法
        3.2.2 基于人工神經網絡的矯正方法
    3.3 本章小結
4 線陣CCD融合光柵尺的高精度圖像采集與檢測
    4.1 線陣相機掃描坐標的獲取
    4.2 光柵尺的測量原理
        4.2.1 莫爾條紋
        4.2.2 光柵尺測距原理
    4.3 線陣CCD融合光柵尺的高精度圖像采集方法
        4.3.1 高精度圖像采集原理
        4.3.2圖像采集平臺及實驗
    4.4 亞像素圖像采集與尺寸測量
    4.5 本章小結
5 異形曲線亞像素邊緣檢測算法
    5.1 邊緣檢測的基本概念
        5.1.1 孤立點的檢測
        5.1.2 線與邊緣的檢測
        5.1.3 邊緣檢測算子
    5.2 異形曲線邊緣檢測算法
    5.3 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
攻讀學位期間取得的研究成果
致謝



本文編號：3821372