機(jī)械制造自動(dòng)化領(lǐng)域中,采用先進(jìn)的三維測(cè)量技術(shù)對(duì)毛坯件尺寸進(jìn)行快速準(zhǔn)確地檢測(cè),對(duì)于再加工過(guò)程中切削加工量的精確確定具有重要的指導(dǎo)意義。目前傳統(tǒng)的測(cè)量技術(shù)大都無(wú)法滿足現(xiàn)代制造企業(yè)的非接觸快速測(cè)量要求,而視覺(jué)測(cè)量技術(shù)因其非接觸、測(cè)量精度高、速度快等優(yōu)點(diǎn)得到了廣泛應(yīng)用,成為了具有廣闊前景的三維檢測(cè)技術(shù)。本論文基于雙目立體視覺(jué)測(cè)量原理,針對(duì)金屬毛坯件,研究了圖像采集、攝像機(jī)標(biāo)定、圖像分割、圖像匹配等關(guān)鍵性問(wèn)題,設(shè)計(jì)了可獲取毛坯件上特征點(diǎn)的三維信息以及實(shí)現(xiàn)相應(yīng)三維尺寸測(cè)量的軟硬件系統(tǒng)。論文首先對(duì)雙目視覺(jué)測(cè)量系統(tǒng)所需的硬件裝置進(jìn)行了選型,主要包括工業(yè)相機(jī)、鏡頭以及光源等;完成了圖像采集系統(tǒng)中硬件部分的設(shè)計(jì);然后針對(duì)攝像機(jī)單目標(biāo)定中存在的標(biāo)定精度較低的問(wèn)題,提出了一種基于針孔成像模型結(jié)合免疫粒子群算法,對(duì)攝像機(jī)的初始標(biāo)定參數(shù)進(jìn)行優(yōu)化。實(shí)驗(yàn)證明,該標(biāo)定方法具有較好的可行性和精確性,能夠獲得較高的標(biāo)定精度,進(jìn)而也因此可得到較為準(zhǔn)確的雙目標(biāo)定結(jié)果。另外,為了減小后期圖像匹配的誤匹配率,運(yùn)用極線約束方法對(duì)攝像機(jī)參數(shù)進(jìn)行了校正。針對(duì)金屬毛坯件的高反光特性,提出了一種基于除法運(yùn)算和顏色模型轉(zhuǎn)換結(jié)合免疫算法的圖像分... 

【文章來(lái)源】：山東理工大學(xué)山東省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本課題的技術(shù)路線流程圖

山東理工大學(xué)碩士學(xué)位論文第二章攝像系統(tǒng)的硬件選型及圖像預(yù)處理6第二章攝像系統(tǒng)的硬件選型及圖像預(yù)處理本章首先對(duì)雙目視覺(jué)測(cè)量系統(tǒng)所需的硬件裝置進(jìn)行選型，主要包括工業(yè)相機(jī)、鏡頭以及光源等，完成圖像采集系統(tǒng)中硬件部分的設(shè)計(jì)；然后通過(guò)圖像預(yù)處理來(lái)改善采集到的圖像質(zhì)量。2.1攝像系統(tǒng)的硬件選型2.1.1相機(jī)與鏡頭的選型工業(yè)攝像系統(tǒng)主要由相機(jī)、鏡頭、光源組成。其中相機(jī)作為視覺(jué)測(cè)量系統(tǒng)中一個(gè)重要組件，它的選擇不僅直接決定圖像質(zhì)量，而且也關(guān)系到整個(gè)系統(tǒng)的運(yùn)行模式。相機(jī)的選擇主要根據(jù)所測(cè)量物體的特點(diǎn)以及所要求的測(cè)量范圍、測(cè)量精度、測(cè)量環(huán)境等，除此之外還需要考慮成本問(wèn)題。經(jīng)綜合考慮，選用深圳順華利電子有限公司SHL-200W型號(hào)的CCD彩色工業(yè)相機(jī)，如圖2.1所示：圖2.1像素為200萬(wàn)的工業(yè)相機(jī)Fig.2.12millionpixelsindustrialcamera鏡頭的選擇直接決定物體的測(cè)量范圍，鏡頭的選型主要對(duì)最大CCD尺寸、鏡頭焦距、鏡頭光圈等方面進(jìn)行選擇，其中焦距為鏡片中心與成像平面的距離，一般來(lái)說(shuō)，焦距越大，所拍攝的圖像清晰度越高，但焦距越大，視覺(jué)范圍越小，對(duì)于一些尺寸較大的毛坯件，需要的攝像機(jī)個(gè)數(shù)越多或需要拍攝的圖片數(shù)量越多，導(dǎo)致圖片拼接的次數(shù)越多，容易形成較大的累積誤差，因此，需根據(jù)情況合理選擇焦距。另外，光圈為

山東理工大學(xué)碩士學(xué)位論文第二章攝像系統(tǒng)的硬件選型及圖像預(yù)處理7控制鏡頭通光量的一個(gè)裝置，它的大小決定圖像的亮度，一般來(lái)說(shuō)，光圈越大，圖像的亮度越高，圖像清晰度越高。經(jīng)綜合考慮，選用的是與上述工業(yè)相機(jī)相同品牌的8mm定焦鏡頭，拍攝視角范圍在40度以上，可用于拍攝25米左右的物體。該鏡頭如圖2.2所示：圖2.2焦距為8mm的定焦鏡頭Fig.2.28mmfixedfocallengthlens為了較少攝像機(jī)標(biāo)定的工作量和降低匹配難度，選用兩組完全相同的工業(yè)相機(jī)和鏡頭，其主要參數(shù)如表2.1所示：表2.1工業(yè)相機(jī)和鏡頭的主要參數(shù)Tab.2.1MainparametersofindustrialcamerasandlensesSHL-200W工業(yè)相機(jī)8mm定焦鏡頭相機(jī)規(guī)格45mm*49mm*49mm鏡頭規(guī)格·34mm*30mm分辨率1600*1200靶面1/3”感光尺寸1/3”鏡片光學(xué)鏡片濾光片650nm光圈F1.4手動(dòng)光圈可調(diào)信噪比及動(dòng)態(tài)范圍信噪比：38dB動(dòng)態(tài)范圍：>70dB鏡頭直徑與焦距之比的最大值1:1.4幀速5幀/秒材質(zhì)全金屬材質(zhì)最低照度0.051LUX視角40度

【參考文獻(xiàn)】：
期刊論文
[1]一種用于里程計(jì)量的雙目立體視覺(jué)測(cè)距系統(tǒng)[J]. 吳錦鐵,許原,仲崇霞,梁煒,黃艷.  計(jì)量技術(shù). 2019(10)
[2]關(guān)于數(shù)字圖像處理中多種去噪方法的比較[J]. 馬璐,楊文飛.  吉林工程技術(shù)師范學(xué)院學(xué)報(bào). 2019(09)
[3]抑制式非局部空間直覺(jué)模糊C-均值圖像分割算法[J]. 蘭蓉,林洋.  電子與信息學(xué)報(bào). 2019(06)
[4]準(zhǔn)確標(biāo)定攝像機(jī)的混合粒子群優(yōu)化方法[J]. 雷陽(yáng),張宏立,王聰.  激光與光電子學(xué)進(jìn)展. 2019(21)
[5]一種基于ORB特征的水下立體匹配方法[J]. 李佳寬,孫春生,胡藝銘,于洪志.  光電工程. 2019(04)
[6]基于混沌粒子群優(yōu)化算法的相機(jī)參數(shù)標(biāo)定方法[J]. 王琳霞,陳廣鋒.  自動(dòng)化與儀表. 2019(04)
[7]適用于傾斜影像的加速KAZE-SIFT特征提取算法[J]. 薄單,李宗春,王曉南,喬涵文.  計(jì)算機(jī)應(yīng)用. 2019(07)
[8]基于ORB與RANSAC融合改進(jìn)的圖像配準(zhǔn)[J]. 樊彥國(guó),柴江龍,許明明,王斌,侯秋實(shí).  光學(xué)精密工程. 2019(03)
[9]復(fù)雜環(huán)境下基于深度神經(jīng)網(wǎng)絡(luò)的攝像機(jī)標(biāo)定[J]. 向鵬,周賓,祝仰坤,賀文凱,岳曉庚,陶依貝.  激光與光電子學(xué)進(jìn)展. 2019(11)
[10]基于雙目視覺(jué)的數(shù)控機(jī)床動(dòng)態(tài)輪廓誤差三維測(cè)量方法[J]. 劉巍,李肖,李輝,潘翼,賈振元.  機(jī)械工程學(xué)報(bào). 2019(10)

碩士論文
[1]基于單目視覺(jué)的目標(biāo)點(diǎn)識(shí)別與導(dǎo)引技術(shù)研究[D]. 李金鐘.天津工業(yè)大學(xué) 2018
[2]基于智能手機(jī)和機(jī)器視覺(jué)的立木胸徑測(cè)量方法[D]. 管昉立.浙江農(nóng)林大學(xué) 2018
[3]結(jié)構(gòu)裂紋的機(jī)器視覺(jué)識(shí)別算法研究[D]. 趙亞峰.湖南科技大學(xué) 2016
[4]交通事故現(xiàn)場(chǎng)散落物特征識(shí)別及提取技術(shù)研究[D]. 昌倩.東北林業(yè)大學(xué) 2016
[5]基于尺度空間和特征描述的快速圖像匹配算法研究[D]. 張存柱.大連理工大學(xué) 2015
[6]基于雙目視覺(jué)的大尺寸工件在機(jī)三維測(cè)量[D]. 黎淑梅.華南理工大學(xué) 2011



本文編號(hào)：3033593