基于主動輪廓模型的零件形狀檢測方法研究.pdf

1、圖像處理無論在學(xué)術(shù)研究或是工業(yè)生產(chǎn)中都是十分普遍和重要的技術(shù)，其中圖像識別和分割等技術(shù)也是工業(yè)生產(chǎn)中對零部件形狀檢測不可或缺的一環(huán)，在生產(chǎn)生活中有著十分重要的影響。目前，主動模型廣泛應(yīng)用在圖像處理理論研究的各個領(lǐng)域，如邊緣檢測、目標(biāo)點集匹配等，在工業(yè)中則經(jīng)常應(yīng)用于零件目標(biāo)輪廓的提取和分割等步驟。利用主動模型可以自身迭代優(yōu)化等特點，相比于其他方法對工業(yè)零件輪廓進(jìn)行擬合時有更快速的效果。
　　本文首先分析了初始圖像提取信息要素的原理和

2、方法，通過多閾值對圖像灰度處理得到包含關(guān)鍵信息的灰度圖。然后介紹幾種主動模型公式參數(shù)的數(shù)學(xué)、物理含義，同時比較二值化過程中不同算子性能、優(yōu)缺點，分析不同模型擬合結(jié)果。通過比較傳統(tǒng)Snake模型以及加入梯度矢量流(Gradient Vector Flow)后的GVF-Snake模型，并對結(jié)果加以對比分析。在零件形狀檢測時，其標(biāo)準(zhǔn)參數(shù)通常是已知的。因為成像缺陷等原因在成像中會出現(xiàn)裂紋、重邊或部分不連續(xù)等較復(fù)雜的邊緣圖像，這為通過該圖像判定零

3、件輪廓是否合格增加了難度。傳統(tǒng)GVF-Snake模型在復(fù)雜圖像下通常無法得到優(yōu)秀結(jié)果。針對以上情況，提出了一種新型零件邊緣組合檢測方法。在零件檢測中引進(jìn)AGSM模型(Active Geometric Shape Model)。該模型在非連續(xù)點陣且圖像背景噪點較多時能夠有效抑制噪點影響并且可以通過迭代選擇最佳曲線對零件邊緣擬合，得到零件擬合輪廓。最后通過零件擬合輪廓測量值與標(biāo)準(zhǔn)值的對比結(jié)果判斷拍攝圖像是否與標(biāo)準(zhǔn)圖像邊緣相同，并提出計算誤差