隨著智能制造業(yè)的飛速發(fā)展,企業(yè)生產(chǎn)設(shè)計(jì)對(duì)工件的需求量變大,要求也越來(lái)越高。對(duì)于工件的檢測(cè),傳統(tǒng)的人工測(cè)量技術(shù)已經(jīng)無(wú)法滿足所需要的工件的測(cè)量精確�；跈C(jī)器視覺(jué)的工件測(cè)量技術(shù)不僅檢測(cè)速度快、效率高,還可以更準(zhǔn)確的進(jìn)行工件尺寸測(cè)量,更容易實(shí)現(xiàn)在線檢測(cè)。本文以圓形齒輪工件為研究對(duì)象,研究設(shè)計(jì)了基于機(jī)器視覺(jué)工件尺寸的高精度測(cè)量系統(tǒng),并利用該系統(tǒng)完成了齒輪工件的尺寸測(cè)量。本文針對(duì)圖像預(yù)處理、特征提取以及曲線擬合、角度測(cè)量等技術(shù)進(jìn)行了算法研究,主要研究?jī)?nèi)容如下:首先,對(duì)工件圖像預(yù)處理算法進(jìn)行了研究。針對(duì)圖像光照不均的問(wèn)題,提出了拉普拉斯變換進(jìn)行光照增強(qiáng)。圖像濾波處理則是使用雙邊濾波進(jìn)行處理,既能去除噪聲,又能保護(hù)目標(biāo)邊緣。其次,研究了工件圖像特征提取算法。分別進(jìn)行了角點(diǎn)和邊緣檢測(cè)、圖像分割以及輪廓提取算法的研究。工件圖像分割選擇了局部閾值分割算法。因?yàn)镺TSU分割算法會(huì)產(chǎn)生缺損和毛刺現(xiàn)象,所以選擇了局部閾值分割進(jìn)行了準(zhǔn)確的圖像分割。角點(diǎn)和邊緣檢測(cè)方面,本文提出了一種改進(jìn)的Harris算法進(jìn)行工件圖像的邊緣和角點(diǎn)檢測(cè)。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的Harris算法準(zhǔn)確的檢測(cè)出了邊緣和角點(diǎn)。輪廓提取方面則是采用八... 

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像的三種光照不均現(xiàn)象

第4章工件圖像曲線擬合與角度測(cè)量算法研究47件輪廓基礎(chǔ)上進(jìn)行擬合實(shí)驗(yàn)。齒輪工件在擬合時(shí)，需要分別將齒頂圓、齒根圓、分度圓以及內(nèi)圓擬合出來(lái)，其步驟如下：（1）判斷分度圓和內(nèi)圓。對(duì)檢測(cè)到的輪廓進(jìn)行擬合，半徑大的為分度圓，半徑小的則為內(nèi)圓。（2）判斷齒根圓和齒頂圓。比較輪廓上的邊緣點(diǎn)到分度圓圓心的距離，區(qū)別出齒根點(diǎn)和齒頂點(diǎn)。距離長(zhǎng)的為齒頂點(diǎn)，距離短的為齒根點(diǎn)，然后再進(jìn)行齒根圓以及齒頂圓的擬合。擬合效果如圖4.2所示圖4.2齒輪工件尺寸擬合效果圖通過(guò)實(shí)驗(yàn)可以看出，Hough變換可以較好的進(jìn)行齒輪的尺寸擬合與測(cè)量，分別擬合出來(lái)了齒頂圓、齒根圓、分度圓以及內(nèi)圓。但是由于齒輪工件的磨損以及輪廓邊緣點(diǎn)的細(xì)微誤差，導(dǎo)致擬合出來(lái)的四個(gè)圓的中心坐標(biāo)不能完全重合。尺寸擬合出的數(shù)據(jù)如表4-1所示，單位是pixel。

第4章工件圖像曲線擬合與角度測(cè)量算法研究51工件輪廓圖像累加器值最大時(shí)對(duì)應(yīng)的參數(shù)即為需要的極坐標(biāo)參數(shù)利用確定的極坐標(biāo)參數(shù)對(duì)直線進(jìn)行標(biāo)定進(jìn)行直線擬合，得到最后的圖像創(chuàng)建空間，并確定參數(shù)、的范圍初始化累加器，并計(jì)算，對(duì)應(yīng)的累加器開(kāi)始計(jì)數(shù)對(duì)應(yīng)的累加器開(kāi)圖4.5Hough直線擬合流程圖圖4.6Hough直線擬合效果圖

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺(jué)的道路斑馬線檢測(cè)[J]. 蔡敏,張曼玉.  輕型汽車技術(shù). 2019(07)
[2]基于機(jī)器視覺(jué)的道路斑馬線檢測(cè)[J]. 蔡敏,張曼玉.  輕型汽車技術(shù). 2019 (07)
[3]一種線陣CCD融合光柵尺的高精度尺寸測(cè)量新方法研究[J]. 同志學(xué),白金池,康智強(qiáng).  光學(xué)技術(shù). 2019(03)
[4]一種八鄰域圖像邊界追蹤改進(jìn)算法[J]. 胡晉山,康建榮,張琪,劉鵬程,朱銘達(dá).  測(cè)繪通報(bào). 2018(12)
[5]智能制造:從人工智能到生產(chǎn)智能[J]. 王飛躍.  科技導(dǎo)報(bào). 2018(21)
[6]基于MATLAB三種濾波算法的圖像去噪技術(shù)研究[J]. 李宸鑫.  通訊世界. 2018(06)
[7]基于稀疏表示及正則約束的圖像去噪方法綜述[J]. 彭真明,陳穎頻,蒲恬,王雨青,何艷敏.  數(shù)據(jù)采集與處理. 2018(01)
[8]機(jī)器視覺(jué)的零件輪廓尺寸測(cè)量系統(tǒng)設(shè)計(jì)[J]. 萬(wàn)子平,馬麗莎,陳明,劉劍霄.  單片機(jī)與嵌入式系統(tǒng)應(yīng)用. 2017(12)
[9]迭代自適應(yīng)權(quán)重均值濾波的圖像去噪[J]. 張新明,程金鳳,康強(qiáng),王霞.  計(jì)算機(jī)應(yīng)用. 2017(11)
[10]基于機(jī)器視覺(jué)的零件尺寸測(cè)量系統(tǒng)設(shè)計(jì)[J]. 王保軍.  電子技術(shù)與軟件工程. 2017(04)

博士論文
[1]圖像去噪及其效果評(píng)估若干問(wèn)題研究[D]. 楊成佳.吉林大學(xué) 2016

碩士論文
[1]零件輪廓尺寸非接觸式測(cè)量技術(shù)研究[D]. 李鼎.電子科技大學(xué) 2019
[2]復(fù)雜光照下的人臉識(shí)別算法研究[D]. 曾貞.電子科技大學(xué) 2019
[3]基于曲率濾波的圖像去噪與增強(qiáng)研究[D]. 湯成.浙江理工大學(xué) 2019
[4]基于主成分分析和雙邊濾波的圖像降噪算法研究[D]. 張磊.曲阜師范大學(xué) 2018
[5]基于機(jī)器視覺(jué)工件尺寸測(cè)量方法研究[D]. 謝家欣.長(zhǎng)春工業(yè)大學(xué) 2018
[6]基于亞像素的一鍵式尺寸測(cè)量軟件的研究[D]. 鄧榮鈺.電子科技大學(xué) 2018
[7]基于線結(jié)構(gòu)光視覺(jué)傳感器的孔徑測(cè)量研究[D]. 王荃.華北理工大學(xué) 2018
[8]光照不均勻圖像增強(qiáng)研究[D]. 祝思文.遼寧工程技術(shù)大學(xué) 2017
[9]基于機(jī)器視覺(jué)的工件尺寸測(cè)量系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉雨航.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[10]基于機(jī)器視覺(jué)的小型工件尺寸測(cè)量系統(tǒng)研究[D]. 范娟.西南交通大學(xué) 2017



本文編號(hào)：3653281