基于主動(dòng)輪廓模型的零件形狀檢測(cè)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(shí)別和分割等技術(shù)也是工業(yè)生產(chǎn)中對(duì)零部件形狀檢測(cè)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(dòng)模型廣泛應(yīng)用在圖像處理理論研究的各個(gè)領(lǐng)域，如邊緣檢測(cè)、目標(biāo)點(diǎn)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(dòng)模型可以自身迭代優(yōu)化等特點(diǎn)，相比于其他方法對(duì)工業(yè)零件輪廓進(jìn)行擬合時(shí)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(duì)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(dòng)模型公式參數(shù)的數(shù)學(xué)、物理含義，同時(shí)比較二值化過程中不同算子性能、優(yōu)缺點(diǎn)，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(duì)結(jié)果加以對(duì)比分析。在零件形狀檢測(cè)時(shí)，其標(biāo)準(zhǔn)參數(shù)通常是已知的。因?yàn)槌上袢毕莸仍蛟诔上裰袝?huì)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(duì)以上情況，提出了一種新型零件邊緣組合檢測(cè)方法。在零件檢測(cè)中引進(jìn)AGSM模型(Active Geometric Shape Model)。該模型在非連續(xù)點(diǎn)陣且圖像背景噪點(diǎn)較多時(shí)能夠有效抑制噪點(diǎn)影響并且可以通過迭代選擇最佳曲線對(duì)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(cè)量值與標(biāo)準(zhǔn)值的對(duì)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(jì)算誤差