機(jī)器視覺測(cè)量關(guān)鍵技術(shù)研究及在細(xì)長(zhǎng)軸中應(yīng)用.pdf

1、在機(jī)械工業(yè)、軌道交通等領(lǐng)域，對(duì)細(xì)長(zhǎng)軸類零件高精度測(cè)量有著十分廣泛的需求。傳統(tǒng)測(cè)量方法主要是接觸式測(cè)量，存在耗時(shí)長(zhǎng)、勞動(dòng)強(qiáng)度大、測(cè)量力損傷零件等問題，已不適應(yīng)當(dāng)前制造業(yè)發(fā)展要求。機(jī)器視覺測(cè)量以圖像作為測(cè)量和信息傳遞載體，具有非接觸、易于實(shí)現(xiàn)自動(dòng)化、測(cè)量結(jié)果便于計(jì)算機(jī)分析處理等優(yōu)點(diǎn)受到普遍關(guān)注。為此，結(jié)合國(guó)家自然科學(xué)基金資助項(xiàng)目(50805023)，圍繞細(xì)長(zhǎng)軸類零件高精度測(cè)量，論文研究了一種新的機(jī)器視覺測(cè)量方法，主要內(nèi)容如下:
　　(

2、1)為了解決測(cè)量范圍與測(cè)量精度之間矛盾，提出了基于外部參照關(guān)聯(lián)的細(xì)長(zhǎng)軸測(cè)量方法。將細(xì)長(zhǎng)軸劃分成若干個(gè)待測(cè)軸段，在各待測(cè)軸段放置經(jīng)過編碼和標(biāo)定的參照物，在不同物距下對(duì)各待測(cè)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(gè)特征點(diǎn)坐標(biāo)，計(jì)算了相機(jī)空間位姿參數(shù)。以小孔成像模型為基礎(chǔ)，推導(dǎo)了直徑、截面圓心坐標(biāo)與相機(jī)空間位姿參數(shù)之間的數(shù)學(xué)模型，從而解決了單幅圖像無法提取截面圓心坐標(biāo)問題和偽直徑問題。建立了描述參照物特征點(diǎn)坐標(biāo)變

3、換的數(shù)學(xué)模型，根據(jù)數(shù)學(xué)模型將各待測(cè)軸段測(cè)量結(jié)果建立聯(lián)系，進(jìn)而統(tǒng)一到相同坐標(biāo)系下，實(shí)現(xiàn)全軸線方向上測(cè)量。
　　(2)為獲得均勻光照以提高測(cè)量系統(tǒng)可靠性與實(shí)時(shí)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(biāo)，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(biāo)函數(shù);然后，針對(duì)目標(biāo)函數(shù)非凸特性，采用模擬退火算法進(jìn)行求解;最后，將TES-1330A照度計(jì)固定在固高GXY2020GT4-XLE型機(jī)電一體化二維平臺(tái)上，對(duì)200

4、mm×200mm的平面按間隔5mm進(jìn)行網(wǎng)格劃分，測(cè)定各個(gè)網(wǎng)格交點(diǎn)處照度。實(shí)驗(yàn)結(jié)果表明，優(yōu)化結(jié)果與實(shí)驗(yàn)結(jié)果相差在4％以內(nèi)。
　　(3)針對(duì)工業(yè)現(xiàn)場(chǎng)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(yīng)濾波方法。推導(dǎo)了線性與非線性融合的SGAR模型，通過仿真數(shù)據(jù)驗(yàn)證了模型的準(zhǔn)確性，在此基礎(chǔ)上研究了模型類型、回歸窗口尺寸及子圖像尺寸對(duì)紋理

5、圖像重建精度的影響。將SGAR模型用于數(shù)字圖像濾波，實(shí)驗(yàn)結(jié)果表明該濾波方法可以有效處理高斯噪聲和泊松噪聲，對(duì)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(zhǔn)確性。為了提高圖像分辨率以提高測(cè)量精度，提出了一種新的圖像自適應(yīng)插值算法。用SGAR模型取代PAR(PiecewiseAutoRegressive，PAR)對(duì)低分辨率圖像窗口結(jié)構(gòu)自適應(yīng)建模，用魯棒GM參數(shù)估計(jì)方法求解模型參數(shù)，根據(jù)訓(xùn)練后SGAR模型和

6、反饋機(jī)制得到圖像插值數(shù)學(xué)模型，采用梯度-模擬退火算法對(duì)模型進(jìn)行求解。實(shí)驗(yàn)結(jié)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(diǎn)。
　　(4)針對(duì)Canny算法高低閾值設(shè)定問題，提出了基于二維最大條件熵的自動(dòng)閾值Canny算法。首先用梯度算子計(jì)算得到梯度圖像，并對(duì)灰度圖像和梯度圖像歸一化處理，統(tǒng)計(jì)得到灰度-梯度共生矩陣;然后根據(jù)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(shù)學(xué)模型;最后采用模擬退火算法對(duì)其進(jìn)行求解，

7、計(jì)算得到圖像分割的最優(yōu)灰度值和梯度值。設(shè)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(dòng)計(jì)算問題。實(shí)驗(yàn)結(jié)果表明，采用該閾值自動(dòng)計(jì)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(yùn)用上述關(guān)鍵技術(shù)，建立了細(xì)長(zhǎng)軸幾何精度機(jī)器視覺測(cè)量實(shí)驗(yàn)系統(tǒng)。以傳動(dòng)絲杠為對(duì)象，開展細(xì)長(zhǎng)軸幾何精度測(cè)量實(shí)驗(yàn)，并與三坐標(biāo)測(cè)量機(jī)測(cè)量結(jié)果對(duì)比。實(shí)驗(yàn)結(jié)果表明，機(jī)器視覺