基于数字图象处理的零件几何参数检测

研究采用数字图象处理的方法测量零件的基本几何尺寸,实现零件检测的非接触测量。在常规HOUGH变换的基础上检测零件的直线边缘、安装孔和定位孔边缘,通过本文中提出的方法解决直线边缘检测中的离散点、短线段和共线不联通点的干扰问题。同时解决了孔边缘检测时的孔间干扰问题。通过实验对缝纫机用针板进行了检测,证明本文论述的方法能够检测出针板上的矩形孔的长直线边缘和轮廓的直线边缘,并剔除干扰点;并且能够检测出针板上的各圆孔边缘,而且可以检测针板的外圆轮廓,可以实现零件的几何量检测。     

基于三维激光点云的零件表面缺陷检测北大核心CSCD

为了获取零件表面缺陷的精确尺寸,提出了一种基于三维激光点云的零件表面缺陷检测方法。首先使用三维激光测量仪对受损零件进行三维测绘,对测得的原始点云经过离群点去除、RANSAC平面分割等操作后得到零件点云。通过基于SAC-IA的粗配准和基于Huber损失函数优化的ICP精确配准算法,将缺陷零件的点云和完整零件的点云(从CATIA中导出)进行配准,使2个点云对齐。最后利用kd-tree加速的最邻近查找算法得出零件缺陷部位点云。分别使用了含破洞、凹陷的零件验证算法的有效性。实验结果表明:论文提出的方法对零件表面缺陷的3D尺寸提取精准。为后续开展零件修复工作打下良好的基础。     

基于机器视觉的手机尾插件精密测量方法研究

提出了一种基于机器视觉的小尺寸不规则零件精密测量方法和系统,方法包括图像采集、图像增强、图像配准、边缘检测、目标直线提取、相机标定和计算测量环节。针对传统尺度不变特征变换(SIFT)匹配算法完全忽略特征点之间的几何关系,对于灰度变化较平滑的图像在寻找匹配特征点对时易产生较多误匹配的问题,引入轮廓匹配获取图像几何信息、对SIFT特征点匹配进行约束,并通过随机样本一致(RANSAC)算法去除噪声点对的影响、精确估计几何变换矩阵;针对现有Hough变换拟合直线算法对非线性边缘易在Hough空间形成伪峰、影响边缘检测精准度的问题,设计了Hough空间投票权重分配新策略来抑制伪峰的产生。实验结果表明:与传统方法相比,所提出的方法特征匹配精度提高了12%,直线检测精准度提高了22%,系统测量精度达到0.015 mm。     

基于协方差矩阵的轮廓曲线拟合算法研究

针对工业视觉领域中,包含直线、圆弧特征的零件轮廓尺寸的检测,提出了一种基于协方差矩阵的轮廓曲线拟合算法.该算法首先采用8-连通法提取轮廓边缘数据,并排序成有序点集;然后计算轮廓曲线最小包围盒,根据已知曲线类型,初步确定特征点范围;其次基于协方差矩阵的特征值分析自适应地确定特征点的支撑区域,精确提取特征点;最后采用最小二乘法拟合曲线方程,重建轮廓曲线.对具体的零件进行实验分析,结果表明,采用基于协方差矩阵的轮廓曲线拟合算法实用性强,测量精度高,对在线视觉检测具有重要意义.     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法。首先对零件图像进行边缘检测．提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的。     

基于MATLAB GUI的零件图像识别

零件图像识别有多种方法,其关键是零件图像的特征提取,为此提出了基于图像边缘检测提取零件图像特征和用径向基神经网络实现识别的方法.首先对零件图像进行边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由径向基神经网络实现识别;最后由GUI完成零件图像的识别,实验结果证明是有效的.     

面向RP的工业CT切片数据的CLI建模技术研究

主要讨论利用ICT断层图像进行CAD建模并进行快速成形的方法 ,着重研究图像平滑、边缘检测、图像分割、轮廓提取、轮廓特征点采样、轮廓特征点匹配、插值中间轮廓的方法 ,针对摩托车汽缸头复杂零件ICT断层图像进行实验研究 ,取得了较满意的实验结果。     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法,首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓;然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由自组织特征映射神经网络实现识别.实验结果表明该方法是有效的.     

基于自组织特征映射神经网络的零件图像的识别

提出了基于小波变换提取零件图像特征和用自组织特征映射神经网络实现识别的方法，首先，对零件图像进行小波多尺度边缘检测，提取零件图像的边缘轮廓；然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量，各子区域中的相对边缘像素系数作为零件的特征，将这些特征作为神经网络的输入样本，由自组织特征映射神经网络实现识别。实验结果表明该方法是有效的。     

基于机器视觉的硅钢板边浪平直度测量方法

针对硅钢生产过程中存在的边浪平直度难以检测问题,提出了一种基于机器视觉的硅钢板边浪平直度测量方法。在辅助光源照射下使用相机采集边浪图像信息,强化边浪的图像明暗特征,提高检测精度的同时实现非接触式测量。同时提出了一种基于轮廓检测的硅钢板边浪平直度算法,首先利用种子点生长法的思想对边浪区域进行轮廓定位;其次对图像进行 3 个尺度的高斯滤波,重建图像,增强轮廓细节;最后基于优化的 Canny 边缘检测方法对边浪实现自适应阈值轮廓提取,计算平直度,从而实现非接触式高精度边浪平直度测量。将平直度测量仪测量结果与该方法结果进行对比,结果表明,所提方法平直度测量误差不超过 0.05% 。     

基于图像处理的同轴误差在线检测方法的研究

针对同轴度误差测量,提出一种基于图像处理的测量方法。通过对工件图像进行灰度均衡化处理、二值化处理和Sobel算子进行边缘检测,获得图像轮廓点的像素值;利用直线拟合的方法得到工件图像轮廓的轴线方程,将其与基准的直线方程对比,得出工件的同轴度误差。同时,对标准件做试验,验证了其检测精度,证实了其可行性。     

逆向工程技术在零件尺寸和位置度误差测量中的应用

提出了一种运用逆向工程技术测量零件尺寸和位置度误差的原则和方法。在对零件的三维点云数据进行预处理和边界(点)提取之后,提出了零件尺寸误差测量中的直线与直线、直线与平面、平面与平面之间距离误差的测量和评价原则,阐述了位置度误差测量中基准面的最小二乘法拟合以及关于位置度误差的测量和评价方法。最后通过实例验证了该误差测量原则和方法的有效性。     

基于图像的轮廓度测量与评定

针对微小型平面零件给出了一种基于图像的轮廓度测量与评定方法.包括实现轮廓度测量的理论轮廓数据建模方法、对应理论点的扩展极角定界搜索方法以及满足最小条件的最小极偏差轮廓度误差评定方法.通过实例将最小极偏差轮廓度评定方法(LDM)与传统的最小二乘轮廓度评定方法(LSM)进行了分析和比较.结果证明,对于不同实际零件,最小极偏差评定方法较最小二乘评定方法收敛于最小值的迭代次数减少了0～3次,精度优化了4%～12.6%,可以满足微型零件高精度、高效率轮廓度检测的要求.     

零件图像特征提取和识别的研究

提出了基于小波变换提取零件图像特征和用神经网络实现识别的方法。首先,对零件图像进行小波多尺度边缘检测,提取零件图像的边缘轮廓,然后将被检测的边缘轮廓图像分成若干个子区域并分别统计各子区域的边缘像素量,各子区域中的相对边缘像素系数作为零件的特征,将这些特征作为神经网络的输入样本,由神经网络实现识别。3种子区域的不同数量样本的实验结果证明了提出的方法是有效的。     

一种逐层切削CCD成像模型重构的试验研究

提出一种基于逐层切削CCD成像的复杂零件轮廓表面及内腔的三维重构技术。此技术通过将被测物体用高分子材料包裹后进行逐层切削,再由CCD拍摄并传送至计算机,通过对图像的分析处理及边缘检测,得到被测物体的三维模型数据信息。根据检测得到的三维点云数据的特点,再用IMAGEWARE进行曲线及曲面拟合,得到三维模型。实验结果表明基于逐层切削CCD成像的复杂零件轮廓表面及内腔的三维重构技术具有检测准确、快捷等特点,且能对复杂零件内腔进行有效检测与三维重构。     

一种改进的角点检测法

角点包含丰富的图像几何信息，其检测精度直接影响后续图像参数的计算与分析。为满足工程上要求的高精度计算出零件轮廓参数，在检测出零件轮廓边缘后．角点定位成为影响结果精度的最重要因素。为此．本文提出了一种基于亚像素思想，综合图像灰度信息与边缘轮廓点特征的高精度角点检测法。该方法使用Marr边缘检测算子得到连续单像素边缘，结合亚像素思想对各个边缘点进行精确定位，在此基础上根据角点曲率最大原理进行检测．最终确定独立角点。实践证明，该方法能有效、高精度地进行角点检测。     

组合CCD图像和稀疏激光测距 数据的建筑物三维信息提取

对组合高分辨率航空CCD图像和机载稀疏激光扫描测距数据自动提取城市建筑物的三维信息进行了研究。航空CCD图像能清晰地给出建筑物的几何形状和分布,因此采用了自适应的Canny边缘检测算法来提取CCD图像上的全部边缘信息,然后根据双向投影直方图和线段匹配方法来自动而准确地提取建筑物的平面轮廓信息,最后根据CCD提取的轮廓信息从机载激光扫描测距数据中提取建筑物的高度信息,从而实现了每栋建筑物的三维信息提取。通过实际数据的处理和提取,说明了组合CCD图像和机载激光扫描测距数据可以自动重建建筑物的三维信息。     

基于LabVIEW的曲轴零件视觉检测研究

针对曲轴零件尺寸检测问题,以LabVIEW作为图像处理平台,将采集到的零件图像进行预处理,选取相应的图像滤波方法和边缘检测方法,实现曲轴零件图像灰度变换、阈值分割、边缘检测、特征提取等功能,得到曲轴零件几何边缘轮廓,计算视觉特征量,实现曲轴零件几何尺寸的测量。该方法提高了曲轴的检测速度和精度,有效地提升了检测水平。     

基于机器视觉的工件自动分拣系统的研究

介绍了机器视觉技术在工件识别中的应用以及主要图像处理算法。采用机器示教方法建立待处理零件的特征库,通过图像预处理、阈值分割、边缘和轮廓提取算法等获取零件图像的特征并与标准模板比较,从而判别待测零件的合格性。为解决零件摆放的位姿偏差,采用边缘检测和轮廓跟踪算法确定工件形心位置和旋转角度,根据与模板零件的相似性测度判断工件的特性,为自动分拣提供决策支持。实验验证了本算法的有效性。     

舵类结构件几何量误差视觉检测方法及误差评定

针对现有接触式测量方法装夹定位后只能测量一种或两种参数、检测效率低等问题,提出一种舵类结构件几何量误差和装配误差视觉检测方法。首先,利用计算机视觉系统获取舵轴和舵面区域图像,利用图像预处理技术去除图像畸变和噪声,为了更有效地提取舵类结构件边缘,分别采用Sobel算子、Scharr算子、Laplace算子和Canny算子对图像进行边缘检测以确定轮廓,实验对比发现Scharr算子处理后的舵轴图像边缘更清晰且无间断,Canny算子处理后的摇臂图像边缘比较清晰,因此选用Scharr算子提取舵轴图像边缘、Canny算子提取摇臂图像边缘。结合被测要素特点,采用霍夫直线和霍夫圆检测方法提取舵面边缘线特征、舵轴母线特征、摇臂圆轮廓特征;确定了舵芯对称度、舵轴垂直度、摇臂夹角的基准要素,构建了几何量误差检测目标函数,运用自适应遗传算法计算最优解;结合相机标定的内外参矩阵,得到舵芯对称度、舵轴垂直度、摇臂夹角的测量值。最后,研发了舵类结构件几何量误差和装配误差视觉检测软件,搭建了视觉检测实验平台,实现了几何量误差及装配角度误差快速检测功能。经过多次重复测量实验,对称度检测精度达到0.055 mm,垂直度检...