基于Halcon的弹芯尺寸精密检测算法研究

针对弹芯尺寸传统人工方式检测难、精度低等问题,提出了一种基于机器视觉的亚像素级尺寸检测算法.该算法以性能优越的机器视觉软件Halcon为开发平台,利用亚像素级阈值分割提取出边缘轮廓,然后选定各检测参数的感兴趣区域(Region of Interest,ROI)并进行特征提取,最后利用最小二乘法及Tukey权重函数对轮廓进行亚像素边缘拟合,根据返回的拟合轮廓的相关参数即可计算出弹芯尺寸.实验结果表明:该算法将尺寸误差控制在0.01mm以内,能够达到亚像素级的检测精度,并实现在线检测.     

一种用于零件定位系统的亚像素边缘检测方法

本文简要介绍了基于计算机视觉的长条形杆件测量系统方案，并说明在该系统中零件图像边缘提取对测量精度起着至关重要的作用。本文结合工程实际在传统亚像素边缘检测方法基础上，提出垂直占空比亚像素边缘提取方法。该算法具有算法简单、效率高、边缘提取准确的特点，已成功用于长条形杆件测量系统中。     

刀具轮廓亚像素精度阈值分割算法研究

提取亚像素精度边缘轮廓是完成刀具几何参数精确测量的重要环节。该文研究了一种简单有效的方法,该算法基于灰度阈值分割定位像素级边缘,并经双线性插值法细分完成亚像素边缘轮廓的提取。最后设计实验对比分析了该算法以及基于Canny和Sobel算子的亚像素边缘检测算法所提取轮廓的特点。结果表明在准确的前提下,对高对比度图像应用该算法后,能比后两者更快速地完成边缘轮廓提取。     

基于分形小波变换的MEMS动态模糊图像亚像素检测技术

基于机器微视觉的微机电系统（MEMS）动态测试系统,提出了一种分形小波变换亚像素检测技术提取MEMS运动轨迹算法.该算法结合电耦合器件（CCD）成像机理,利用图像的分形参数进行随机分形插值对图像边缘进行重建,通过小波变换实现重建后图像亚像素精度的边缘检测.在连续光照明条件下,对MEMS平面微运动模糊图像进行检测处理,提取和分析了MEMS运动轨迹.将该方法和在频闪条件下测得的MEMS器件的平面微运动幅值的结果进行了比对分析和讨论.由实验结果可以看出,本方法有较高的测量精度,其测量绝对误差小于0.02像素.     

精加工零件尺寸视觉检测中的亚像素定位分析

使用CCD成像的机器视觉系统进行精加工零件尺寸检测时，图像轮廓边缘的亚像素定位分析是决定测量精度的一个重要因素．为了寻求精加工零件图像轮廓边缘的亚像素定位分析依据和计算方法，运用菲涅耳直边衍射理论研究了几何边缘在CCD检测图像中由衍射所形成的灰度分布，理论分析和实验测量都证实了衍射和摄像参数是产生和影响图像边缘灰度分布的主要因素．文中给出了基于衍射的精加工尺寸边缘图像检测时的亚像素定位分析依据和计算方法，对量块进行了对比检测实验，实验结果证实了所给方法的合理性和可行性．     

光笔式视觉坐标测量中基于曲线拟合的图像处理方法

提出了光笔式视觉坐标测量中被测特征点像面坐标的提取方法。依据数字图像处理理论并结合测量系统中被测特征点的成像特点,给出了图像预处理过程及实际处理结果;采用基于灰度质心法的径向截面扫描法对图像边缘进行亚像素级检测;应用平面内任意位置椭圆的最小二乘曲线拟合法对椭圆形光斑中心的像面坐标进行了提取,实验结果表明该方法的提取精度为0.1个像素。     

一种小模数齿轮边缘检测效果评价方法

利用机器视觉评定小模数齿轮精度时,在齿轮整体图像中提取的边缘特征信息不能直接描述图像中的单独目标,需要后续识别算法去适应局部的多变特征.为此提出一种基于特征图像的边缘检测效果评价方法来获取丰富的局部图像信息,用于评定小模数渐开线齿轮视觉测量系统中轮廓提取的精度.首先根据齿轮图像中渐开线齿廓边缘的函数特性建立特征图像模型;然后使用基于Zernike矩的亚像素边缘检测算法获取小模数渐开线齿轮特征图像的边缘;最后结合构建特征图像的标准函数,量化特征图像的边缘检测结果与标准函数间的偏差,用以评价边缘检测的效果.实验表明,运用小模数齿轮的特征图像评价基于Zernike矩的亚像素边缘检测算法,渐开线齿廓的检测精度优于0.58pixel.     

基于亚像素边缘的摄像机标定板特征提取算法

目的在视觉测量领域,摄像机的标定精度是最终测量精确度的决定性因素,为了提高标定板特征的提取精度,提出一种基于亚像素边缘的提取方法。方法针对圆点标定板,首先采集标定板图像,对图像进行处理,获取像素级别边缘,然后以边缘像素点为中心,取3×3的数字窗口计算梯度方向,在梯度方向上进行像素点灰度的双曲正切拟合,获取亚像素级别边缘,最后对亚像素边缘按照圆形进行拟合,求得圆心坐标。结果实验表明算法的分辨率达到0.03个像素,精度可达0.1个像素。结论该算法具有稳定可靠,精度高,运算速度快等特点,能够应用于图像拼接和分割,特征提取和摄像机标定等领域。     

基于LOG-Zernike算子的快速图像测量

图像测量技术,一个很重要的方面就是图像的边缘检测定位,而边缘定位的准确与否又直接影响到测量的精度.常用的检测算法都是像素级的,对测量要求较高的场合无法满足要求.定位速度一直是边缘检测算法的一大瓶颈,本文正是在保证一定精度的前提下,研究了快速图像测量算法,即运用LOG算子先对工件进行快速边缘定位,在此基础上采用zernjke矩法将精度提高到亚像素级.为了得到实际的测量尺寸,应用块规进行了系统标定并进行了一系列测量实验,实验结果表明该方法定位精度接近于Zernike矩法,且算法的运行对间大约在1.5s左右.     

光伏电池边缘检测算法研究

为了满足晶硅光伏电池视觉印刷高精度边缘定位要求,本文提出了一种改进的亚像素边缘定位算法.该算法首先应用Sobel算子和线性插值得到边缘垂直方向上新的边缘图像;最后对插值的边缘图像使用改进的灰度矩算子,得到的亚像素边缘.同时本文进行改进亚像素检测算法与传统亚像素检测算法的精度及鲁棒性对比实验.结果表明:本文算法比传统亚像素定位算法有着更好的定位精度和鲁棒性,直线检测精度能达到1μm;在高噪声污染的图像有着较高的检测精度,其标准差为0.195μm.