基于图像处理的粗糙边缘盲孔圆度误差测量

针对粗糙边缘盲孔圆度误差检测困难的问题,提出了一种基于图像处理技术的非接触式测量方法。通过搭建基于机器视觉的测量系统,使用CCD摄像机获取被测零件图像,利用图像处理技术对获取的图像进行预处理、二值化和亚像素边缘检测,并提出采用3σ准则和自适应滤波对边缘点进行去噪处理,建立圆度误差数学模型,实现粗糙边缘盲孔的圆度误差测量。初步实验结果显示,测量的重复精度为9.6μm,为粗糙边缘盲孔圆度测量提供了一种可行的方法。     

基于小波变换处理圆度误差的测量方法

由于圆度误差是机械零件及其互换性的重要指标,是产品质量的关键,所以对圆度误差进行测量是十分必要的.本文提出一种利用小波变换的多分辨率分析来评价圆度误差的方法,该方法主要利用小波变换尺度函数的低通特性来对圆度测量数据进行处理,以此来提取圆周轮廓,并在此基础上求出它的半径和圆心坐标,进析求出圆度误差.文中也详细地给出了利用小波变换解决圆度误差测量问题的基本原理及其实现步骤,最后给出实验结果.仿真实验结果表明:该方法可以满足圆度误差的测量要求.     

齿形链链板视觉集成测量

构建了基于计算机视觉的齿形链链板的测量系统,对直线和圆的边缘定位,提出了新的亚像素算法,计算了齿形链链板的销孔直径及圆度误差、链板节距和两直边夹角,对测量结果进行了误差分析。将图像处理、参数计算、标定等整个测量过程集成起来,通过标准样件对被测零件图像进行坐标变换,确定待测区域并完成标定。实验表明,改进最小二乘直线拟合定位误差是常规最小二乘拟合误差的1/4。而圆的亚像素定位可使CCD的分辨率提高42倍,大大提高图像边缘的定位精度。利用亚像素方法测量时,销孔直径为2.563mm,链板节距为6.296mm,两直边夹角为60.453°,圆度误差为14.7μm。单一链板的整个测量过程不足1s。     

面向回转类零件圆度的机器视觉测量方法与试验

针对工程应用中回转类零件的圆度测量精度不高、效率低等问题,提出了基于改进的Zernike矩亚像素边缘特征提取算法的回转类零件圆度视觉测量方法。建立了回转类零件轴截面图像的机器视觉测量系统,在分析零件轴截面图像特征的基础上,将传统的Zernike矩算法与最大类间方差法相结合得到改进的快速算法,提高了亚像素边缘点的定位精度。建立了轴截面圆度测量数学模型,应用标准量块对系统进行标定,实现了回转类零件直径与圆度的非接触式测量。试验结果表明,该方法不仅可使直径与圆度的测量达到亚像素级精度,还避免了传统测量方法造成的低效率与误判,实现了快速、准确、非接触式测量。     

基于计算机视觉的轴套零件尺寸测量北大核心

针对轴套零件的几何尺寸测量提出了一种基于机器视觉的检测方法。阐述了在Visual C++平台下,采用数字图像处理技术非接触测量轴套几何参数的方法,包括图像的预处理、边缘检测、轮廓提取以及圆度误差检测技术等。通过实验得到测量数据,分析了测量误差的原因。分析及试验表明,用该方法对轴套的几何尺寸及圆度误差进行测量及分析评定在实际应用中是可行的,并具有高效性和实用性。     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

视觉测量中椭圆特征亚像素提取方法的研究

椭圆是视觉测量中重要的基元特征。建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由随机Hough变换提取椭圆边缘像素点,最后采用基于最小二乘原理的椭圆拟合边缘提取方法,得到亚像素级被检测椭圆。对像面椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面椭圆亚像素提取算法具有较高的精度和稳定性。     

基于机器视觉的铆接孔几何参数测量

为解决传统方法测量铆接孔几何参数效率低、准确性差等问题,提出基于机器视觉的铆接孔几何参数测量方法。该方法使用CCD相机采集孔的特征信息,通过灰度处理、双边滤波及直方图均衡化,降低颜色、噪声对图像的影响,使用粒子群算法优化Otsu双阈值分割提取感兴趣区域。使用Zernike矩亚像素边缘检测代替传统边缘检测算法,提高边缘检测精度,再通过形态学处理弥补像素损失。采用改进随机Hough变换(Improved Randomized Hough Transform, IRHT)提取特征,实现孔的中心坐标和半径测量,利用像素当量标定,将像素测量值转化为物理尺寸。经实验验证,该方法测量两孔间距误差小于2%,测量半径为2mm的铆接孔误差小于4%,优于质心法、圆拟合等传统测量方法。     

摩托车链板的机器视觉检测

针对摩托车用滚子链外链板的几何尺寸及圆度误差提出了一种基于机器视觉的检测方法。用数字摄像头采集数字图像,通过IEEE1394数字接口卡将采集到的图像传输到计算机。对原始图像进行图像预处理及图像分割。在测量尺寸时,依据图像分割所提取的轮廓,使用自编程序利用最小区域法对圆度误差进行评定,并计算、测量链板的孔径和节距。在同一系统中实现了尺寸及形状误差的非接触测量,分析了测量误差的原因。分析及试验表明,用该方法对摩托车滚子链的几何尺寸及圆度误差进行测量及分析评定是可行的,并具有高效性和实用性。     

一种基于数字图像的圆度测量方法

本文主要研究基于数字图像处理技术进行非接触测量轴类零件圆度的方法,首先对CCD摄像机采集到的图像进行处理,然后对处理后的图像进行边缘检测,最后运用极点拟合法进行圆度误差的评定。该方法具有很好的实时性,可以实现在线式非接触测量。通过实验证明,使用极点拟合法评定圆度误差,不仅可以提高测量精度,并且避免了圆度误差评价的非线性求解问题,运算简单,速度快,可应用于实际圆度测量数据的处理。     

基于误差转换及图像域的圆度评定方法

针对工程应用中圆度误差评定方法存在理论深奥、计算复杂、检测效率低且不适用于大容量采样点的问题,提出了一种基于误差转换及图像域的圆度误差评定方法。该方法首先将图像域测量得到的原始圆度误差进行转换,使其满足误差评定的要求;然后以最小二乘圆为起始圆,寻求半径或半径差的“极大中的极小”,通过对最小二乘圆进行小尺度平移,并用遗传算法得到该平移规划坐标,从而获得平移后的理想圆并求得圆度误差值;最后对某型号零件进行试验,试验结果与用三坐标测量得到的结果相吻合,表明该方法可以有效、正确地进行圆度误差的评定。     

应用迭代圆环像素率法实现快速虹膜定位

针对虹膜定位易受噪声影响、速度慢、自适应性差等问题,提出了基于迭代圆环像素率法的快速虹膜定位算法。提出的定位算法包括切割虹膜图像、Hough圆检测粗定位、微积分算子精定位3个部分,从切割虹膜图像、图像抽样、迭代圆环像素率法、快速Hough圆检测以及分层定位思想5方面提高算法的速度。提出了缩小半径范围的迭代圆环像素率法以及消除瞳孔光斑的形态学方法,瞳孔分割阈值以及小范围的圆心、半径候选集等参数都是通过计算得到,自适应性好。使用4个虹膜数据库进行实验,并与相近算法进行了对比。实验结果表明,该算法的定位准确率为97.75%～99.07%,定位时间为52.847～158.502 ms,是一种鲁棒、快速、自适应的虹膜定位算法。     

基于空间矩亚像素技术的车身钣金件小孔的检测

将非接触测量及图像处理技术用于检测车身钣金件上一些位置和形状精度要求很高的小孔。采用空间矩亚像素算法对孔边缘进行精确定位,测量了孔的直径、中心位置及圆度;分析了影响测量精度的相关因素。实验结果表明,该方法具有很高的稳定性和精确度,并适用于在线检测。     

图像处理技术检测微型冠状保持架形位误差

基于图像处理原理,提出了检测微型轴承冠状保持架多段冠状体圆度误差和同心度的方法。将显微视觉获取的保持架图像进行处理和边缘识别,对于识别得到的冠状体边缘点,运用最小二乘法得到拟合圆和圆心,从而计算出边缘点所形成的最大半径和最小半径,两者差值即为保持架冠状体的圆度误差;对于保持架各段冠状体圆弧,分别拟合出各自的圆心,进而求出保持架冠状体的同心度误差。     

基于图像处理的微小孔光学特征识别技术研究

对微小孔的成型结构特点和边缘光学特征进行了研究,提出了一种有效检测微小孔质量的方法。通过中值滤波、灰度阈值变化等图像处理技术,准确地提取了微小孔的边缘,并将最小二乘圆拟合算法、新圆度判定算法和锥度检测算法综合应用于微小孔的几何结构识别过程中。实验结果证明,本方法具有检测结果准确、检测精度高等特点,能够满足微小孔质量检测的要求。     

结合假边缘提取和直方图分析的图像灰度变换

光学刻划字符图像的前景通常由高灰度像素区域和低灰度像素区域组成,导致使用传统的基于梯度的边缘提取方法如Canny算子不能准确地获得字符的轮廓,为此本文提出了一种利用假边缘信息结合直方图分析的图像灰度变换方法,变换后的图像前景仅由低灰度像素构成。首先对Canny边缘点进行特征分析,提取其假边缘点;然后进行图像直方图分析,确定灰度变换范围以及灰度对应关系,并对假边缘两侧的边界区域施加光滑度约束来确定灰度变换参数;最后以此变换参数对非背景区域的高灰度像素进行灰度变换。实验证明,灰度变换后字符笔画仅由低灰度像素构成,原边界处的灰度变化足够光滑,可以使用基于梯度的方法来提取完整而准确的字符轮廓。     

中心偏移的全景环形图像快速展开

采用机器视觉技术检测管道内表面质量时,获取的原始图像几何中心与其前景区管壁全景环形图像中心存在偏移,从而会使以图像几何中心展开的图像产生失真的现象.本文针对存在中心偏移的全景环形图像提出了快速展开算法以减小由上述原因造成的图像中几何特征量的测量误差.提出的算法通过最小二乘拟合圆心法找到全景环形图像上代表管壁某一截面的拟合圆,继而得到全景图像的中心参数,然后通过四分之一圆扫描方法快速展开全景图像,并对展开图像的帧纵横比进行修正,还原全景图像.实验结果表明:将一幅全景图像环状检测区域展开成分辨率为2 044 pixel×199 pixel的矩形图像所需时间为0.868 s,展开图像中目标外形尺寸相对误差均在1.54％以内,满足图像处理对实时性和准确性的要求.     

应用统计距离实现虹膜定位

提出了一种统计距离法(MCD)来提高虹膜识别效率。用MCD对虹膜边缘图像去噪,并建立了有效的虹膜内外圆定位方法。首先,用灰度求和找到瞳孔内一点,同时,使用Canny算子获得虹膜边缘图像,并根据所确定的瞳孔内的点来寻找虹膜内边缘上的3个边缘点。将这3个边缘点代入圆的方程即可找到虹膜内边缘。然后,根据虹膜内定位数据来消除虹膜外边缘图像中的噪声,再在去噪后的边缘图像中排除20%个与虹膜内圆圆心距离最远的边缘点。最后,使用一种改进的Hough变换来获得虹膜外边缘数据。实验结果表明:MCD的内定位时间和外定位时间分别是0.122 2s和0.242 4s,均比快速精确虹膜定位法(FAILA)低,且成功率为96.67%,高于FAILA。因此,MCD具有较高的精度和较快的速度,可提高虹膜识别的效率。     

PLC在圆度测量上的应用

为提高外圆圆度的测量精度，介绍了采集实际轮廓圆的逐点数值的方法。与基准圆进行比较、使用可编程控制器对数据进行最小二乘法处理后，得到的测量数据，比常用测量方法更精确，同时大大提高了圆度测量仪的测量速度。     

孔的圆度对预测疲劳寿命影响的定量分析

将真实孔的轮廓假定为正多边形,用正多边形的内外接圆的半径之差表示真实孔的圆度公差,采用有限元软件对不同圆度开孔的应力场进行分析, 并根据计算结果估算不同存活率下孔的疲劳寿命,讨论圆度对开孔疲劳寿命的影响.数值模拟结果表明, 在此假定条件下,孔的圆度公差越小,孔的疲劳寿命越大;在相同存活率下,孔的圆度公差与孔的对数疲劳寿命呈二次曲线关系.