基于亞像素邊緣的視覺(jué)檢測(cè)算法研究.pdf

1、基于機(jī)器視覺(jué)方法的檢測(cè)技術(shù)近年來(lái)在非接觸檢測(cè)領(lǐng)域發(fā)揮著越來(lái)越大的作用，它綜合運(yùn)用了電子學(xué)、光電探測(cè)、圖像處理和計(jì)算機(jī)技術(shù)，實(shí)現(xiàn)對(duì)被檢測(cè)物體幾何尺寸的測(cè)量和空間方位的確定，具有非接觸、速度快、柔性好等突出優(yōu)點(diǎn)。
　　影響機(jī)器視覺(jué)檢測(cè)結(jié)果的關(guān)鍵因素為檢測(cè)精度與檢測(cè)速度。為了保證檢測(cè)結(jié)果的有效性，檢測(cè)精度必須滿足一定要求；為了提高檢測(cè)效率，檢測(cè)速度也成為重要指標(biāo)之一。本文分別針對(duì)以上兩個(gè)關(guān)鍵因素，提出了改進(jìn)的方案。
　　在對(duì)目標(biāo)物

2、體進(jìn)行測(cè)量之前，首先要對(duì)采集到的圖像進(jìn)行預(yù)處理，文中介紹了圖像濾波，圖像分割處理的常用技術(shù)。在對(duì)邊緣進(jìn)行像素級(jí)檢測(cè)時(shí)，分別對(duì)簡(jiǎn)單圖像、加入高斯噪聲的圖像以及復(fù)雜圖像使用常用的一階、二階微分算子，對(duì)比檢測(cè)結(jié)果及檢測(cè)時(shí)間，分析算子的檢測(cè)能力。
　　在基于機(jī)器視覺(jué)的檢測(cè)系統(tǒng)中，圖像邊緣檢測(cè)的精度決定了被測(cè)物體實(shí)際尺寸的精度，為了提高邊緣檢測(cè)的能力，本文提出了改進(jìn)的基于Zernike矩的快速亞像素邊緣檢測(cè)算法。雖然傳統(tǒng)的Zernike矩邊

3、緣檢測(cè)算法將邊緣精度提升到了亞像素級(jí)，并以階躍灰度作為邊緣判別條件之一，但在選擇閾值時(shí)，需要人工手動(dòng)反復(fù)調(diào)節(jié)，不斷的重復(fù)檢測(cè)過(guò)程直到達(dá)到較好的檢測(cè)效果，不僅效率不高，還極易誤判而影響檢測(cè)精度。針對(duì)這一不足，改進(jìn)算法將Otsu自適應(yīng)閾值法與傳統(tǒng)算法相結(jié)，首先利用傳統(tǒng)的Zernike法計(jì)算出圖像的階躍灰度矩陣，再將該矩陣作為計(jì)算對(duì)象，由Otsu法直接得到最優(yōu)的階躍灰度閾值進(jìn)行邊緣判別。改進(jìn)后的快速算法不需要重復(fù)檢測(cè)，一次即可同時(shí)完成最優(yōu)閾值

4、自動(dòng)選擇與亞像素級(jí)邊緣檢測(cè)過(guò)程，既避免了錯(cuò)誤選擇閾值而導(dǎo)致的誤判，也避免了重復(fù)檢測(cè)而導(dǎo)致的低效率。
　　本文分析了原算法中存在的兩種偏差，即由于模板效應(yīng)帶來(lái)的原理偏差以及由于理想階躍邊緣與實(shí)際邊緣不同而導(dǎo)致的模型偏差，計(jì)算出了誤差校正函數(shù)并對(duì)邊緣距離進(jìn)行補(bǔ)償。分析對(duì)比四組實(shí)驗(yàn)結(jié)果，驗(yàn)證了改進(jìn)后的算法檢測(cè)效果良好，抗干擾能力強(qiáng)，避免了人工盲目選擇閾值導(dǎo)致的誤判，同時(shí)提高了檢測(cè)精度與檢測(cè)速度，為實(shí)際應(yīng)用帶來(lái)了更高的操作效率。
　

5、　攝像機(jī)定標(biāo)是視覺(jué)測(cè)量系統(tǒng)中的一項(xiàng)最基本，最重要的工作，標(biāo)定的精度直接影響到系統(tǒng)測(cè)量的精度，本文主要標(biāo)定出了以下三類數(shù)據(jù)：攝像機(jī)內(nèi)部參數(shù)、攝像機(jī)外部參數(shù)、攝像機(jī)鏡頭畸變系數(shù)。首先介紹了機(jī)器視覺(jué)測(cè)量系統(tǒng)的線性成像模型及標(biāo)定方法，在考慮三次徑向畸變與兩次切向畸變的情況下，對(duì)非線性模型進(jìn)行標(biāo)定，進(jìn)一步提高了檢查精度。
　　文章最后一章建立了基于機(jī)器視覺(jué)的檢測(cè)系統(tǒng)，介紹了系統(tǒng)軟件、硬件組成及測(cè)量原理。以玻璃瓶和工業(yè)零件為測(cè)量對(duì)象，實(shí)現(xiàn)了亞