為了提高微小零件精確定位的效果,采用調(diào)焦-Zernike矩算法。先建立粗、精結(jié)合的調(diào)焦函數(shù),粗調(diào)焦函數(shù)基于Krisch邊緣檢測算子,精調(diào)焦采用Sobel算子;動態(tài)選擇調(diào)焦窗口,增加修正因子避免目標變化對調(diào)焦清晰度評價函數(shù)的影響,改進經(jīng)典爬山算法確定焦點的移動方向;改進Zernike矩基于目標點歸一化確定最大外接單位圓,通過邊緣參數(shù)判斷像素為邊緣點;給出了算法流程。試驗仿真通過兩個微型金屬圓柱腔的自動對準和堆疊的微裝配任務(wù)來分析算法的性能,結(jié)果顯示調(diào)焦-Zernike矩算法獲得的圖像清晰,能夠完全對準,該方法對非移動的微型金屬圓柱腔坐標定位的x、y方向絕對誤差最大值分別為0.032 5,0.032 1像素密度,定位精度高。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 微小零件定位過程
    1.1 調(diào)焦過程
        1.1.1 微小零件精確定位調(diào)焦函數(shù)選擇
        1.1.2 調(diào)焦窗口動態(tài)選擇
        1.1.3 搜索焦點策略
    1.2 改進Zernike矩亞像素邊緣定位
        1.2.1 Zernike矩亞像素邊緣定位過程
        1.2.2 基于目標點歸一化的最大外接單位圓確定
2 試驗仿真
    2.1 Zernike矩奇、偶模板對比
    2.2 移動定位分析
    2.3 定位誤差分析
3 結(jié)論


【參考文獻】：
期刊論文
[1]基于宇宙量子算法的微小零件尺寸檢測[J]. 熊保玉,蹇清平.  食品與機械. 2020(01)
[2]面向裝配機器人的零件視覺識別與定位方法[J]. 范荻,金守峰,陳蓉,高磊.  西安工程大學學報. 2018(01)
[3]基于集成成像技術(shù)的零件孔徑位置檢測（英文）[J]. 張曉東,吳斌,楊志遠.  Journal of Measurement Science and Instrumentation. 2017(03)
[4]基于動態(tài)因子自適應(yīng)搜索算法的自動調(diào)焦研究[J]. 陳洪濤.  工具技術(shù). 2016(09)
[5]基于圖像自準直自動調(diào)焦技術(shù)[J]. 肖作江,朱海濱,徐志剛.  光子學報. 2016(10)
[6]基于顯微視覺的微小型零件邊緣檢測技術(shù)研究[J]. 吳葉蘭,秦艷紅,張之敬.  計算機工程與應(yīng)用. 2016(17)
[7]光鑷系統(tǒng)的粒子自動對焦成像方法研究[J]. 趙志丹,周哲海,張曉林,祝連慶.  自動化儀表. 2015(10)
[8]基于改進小波變換和Zernike矩的亞像素邊緣檢測算法[J]. 文濤,左東廣,李站良,衛(wèi)賓華.  電光與控制. 2015(09)
[9]基于形狀匹配的裝配定位方法[J]. 謝煌生,劉周林.  制造技術(shù)與機床. 2015(05)
[10]基于計算機視覺的軸套零件尺寸測量[J]. 陳向偉,王海月.  制造技術(shù)與機床. 2014(10)



本文編號：3716658