機器視覺測量關鍵技術研究及在細長軸中應用.pdf

1、在機械工業(yè)、軌道交通等領域，對細長軸類零件高精度測量有著十分廣泛的需求。傳統(tǒng)測量方法主要是接觸式測量，存在耗時長、勞動強度大、測量力損傷零件等問題，已不適應當前制造業(yè)發(fā)展要求。機器視覺測量以圖像作為測量和信息傳遞載體，具有非接觸、易于實現自動化、測量結果便于計算機分析處理等優(yōu)點受到普遍關注。為此，結合國家自然科學基金資助項目(50805023)，圍繞細長軸類零件高精度測量，論文研究了一種新的機器視覺測量方法，主要內容如下:
　　(

2、1)為了解決測量范圍與測量精度之間矛盾，提出了基于外部參照關聯(lián)的細長軸測量方法。將細長軸劃分成若干個待測軸段，在各待測軸段放置經過編碼和標定的參照物，在不同物距下對各待測軸段和參照物成像，通過模板匹配提取了參照物編碼信息，獲得了參照物上各個特征點坐標，計算了相機空間位姿參數。以小孔成像模型為基礎，推導了直徑、截面圓心坐標與相機空間位姿參數之間的數學模型，從而解決了單幅圖像無法提取截面圓心坐標問題和偽直徑問題。建立了描述參照物特征點坐標變

3、換的數學模型，根據數學模型將各待測軸段測量結果建立聯(lián)系，進而統(tǒng)一到相同坐標系下，實現全軸線方向上測量。
　　(2)為獲得均勻光照以提高測量系統(tǒng)可靠性與實時性，提出了光源布置的優(yōu)化方法。首先，以照度方差最小化為主要優(yōu)化目標，以輻照區(qū)域面積等為約束條件，建立光源優(yōu)化布置的目標函數;然后，針對目標函數非凸特性，采用模擬退火算法進行求解;最后，將TES-1330A照度計固定在固高GXY2020GT4-XLE型機電一體化二維平臺上，對200

4、mm×200mm的平面按間隔5mm進行網格劃分，測定各個網格交點處照度。實驗結果表明，優(yōu)化結果與實驗結果相差在4％以內。
　　(3)針對工業(yè)現場環(huán)境下圖像受到多種噪聲污染問題，提出了基于空間通用自回歸模型(Spatial Generalized AutoRegressive，SGAR)的圖像自適應濾波方法。推導了線性與非線性融合的SGAR模型，通過仿真數據驗證了模型的準確性，在此基礎上研究了模型類型、回歸窗口尺寸及子圖像尺寸對紋理

5、圖像重建精度的影響。將SGAR模型用于數字圖像濾波，實驗結果表明該濾波方法可以有效處理高斯噪聲和泊松噪聲，對脈沖和噪聲混合也有一定濾波效果，處理后圖像邊緣清晰，從而保證了后續(xù)圖像處理算法的準確性。為了提高圖像分辨率以提高測量精度，提出了一種新的圖像自適應插值算法。用SGAR模型取代PAR(PiecewiseAutoRegressive，PAR)對低分辨率圖像窗口結構自適應建模，用魯棒GM參數估計方法求解模型參數，根據訓練后SGAR模型和

6、反饋機制得到圖像插值數學模型，采用梯度-模擬退火算法對模型進行求解。實驗結果證明，基于SGAR模型的圖像插值算法具有噪聲不敏感和邊緣保持等優(yōu)點。
　　(4)針對Canny算法高低閾值設定問題，提出了基于二維最大條件熵的自動閾值Canny算法。首先用梯度算子計算得到梯度圖像，并對灰度圖像和梯度圖像歸一化處理，統(tǒng)計得到灰度-梯度共生矩陣;然后根據熵理論建立基于二維最大條件熵的灰度圖像最優(yōu)分割數學模型;最后采用模擬退火算法對其進行求解，

7、計算得到圖像分割的最優(yōu)灰度值和梯度值。設定Canny算法高閾值等于該梯度值，低閾值按高閾值0.4倍取值，解決Canny算法閾值自動計算問題。實驗結果表明，采用該閾值自動計算方法后，Canny算法的漏檢和誤檢均顯著改善，即使是含多種噪聲圖像，也成功地檢出其邊緣。
　　最后，綜合運用上述關鍵技術，建立了細長軸幾何精度機器視覺測量實驗系統(tǒng)。以傳動絲杠為對象，開展細長軸幾何精度測量實驗，并與三坐標測量機測量結果對比。實驗結果表明，機器視覺