基于机器视觉的在线高精度零件测量关键技术的方法研究

【摘要】：基于机器视觉的在线高精度零件测量系统的技术研发是目前的一个趋势,针对实际应用特点和需求采取最合适和简洁的算法是必要的,本文针对机器视觉高精度检测中的关键技术展开研究,特别是远心镜头的相机标定、几何基元分割、边缘检测和亚像素精度边缘提取的关键理论和算法进行了深入研究并做出实际应用。首先,对远心镜头的标定方法进行研究。得出了远心镜头的成像模型,通过非线性优化的方法获得镜头畸变模型,通过引入合适的镜头畸变模型提高标定精度,同时也标定得到远心度和中心点以及内外参数,解决了远心镜头的标定难点,通过实验得到了较高的标定精度。其次,制定了针对该课题测量目标的测量系统和其解决方案,使得整个测量工作有序合理,章节中详细的说明了系统的构成及流程,硬件的设备选择以及软件技术基础。再次,详细介绍了图像处理中的预处理,拼接等常规算法,特别针对测量中最常用的几何基元的分割和曲线拟合的关键算法进行研究,重点研究了Ramer算法中多边形逼近分割图元基本原理与算法实现,结合本文的实际应用编写相应的实现代码,并完成实验,同时研究了从DXF格式文件中获取标准零件的尺寸信息用于后续对测量结果的尺寸和精度分析。最后,重点研究了较流行的几种边缘检测的方法,提出了基于灰度阈值的亚像素边缘检测算法的改进方法,结合实际高精度尺寸测量应用中多为背光照射,采用此算法可以较快较好的完成亚像素的提取,并编写了相应的实现代码,最终集成了上述的流程应用在实际测量中。