在傳統(tǒng)測(cè)量方法逐漸不能適應(yīng)現(xiàn)代工業(yè)快速發(fā)展的情況下,檢測(cè)手段正在由接觸式測(cè)量向非接觸式測(cè)量轉(zhuǎn)變。在非接觸式測(cè)量領(lǐng)域中,以機(jī)器視覺為基礎(chǔ)的圖像檢測(cè)技術(shù)在諸多方面具有優(yōu)異性能,因而得到了廣泛的關(guān)注與應(yīng)用。異形零件存在無法用解析幾何準(zhǔn)確描述的空間自由曲面,傳統(tǒng)檢測(cè)手段對(duì)其的檢測(cè)效率較低,檢測(cè)效果較差,存在一定的檢測(cè)難度。為了解決該問題,本文對(duì)基于機(jī)器視覺的異形零件圖像采集與檢測(cè)進(jìn)行了研究,旨在通過圖像檢測(cè)技術(shù)提高異形零件的檢測(cè)效率與測(cè)量精度。文本的主要研究?jī)?nèi)容如下:(1)以線陣CCD為主要的圖像采集設(shè)備,分析了CCD圖像傳感器的圖像采集原理,由原理出發(fā)建立了線陣相機(jī)成像過程中的數(shù)學(xué)模型,從該模型中提取出影響線陣相機(jī)成像精度的關(guān)鍵參數(shù):像素灰度值與像素列標(biāo)。(2)對(duì)成像系統(tǒng)的四個(gè)坐標(biāo)系進(jìn)行了分析,通過四個(gè)坐標(biāo)系之間的轉(zhuǎn)換矩陣說明了實(shí)物與圖像之間的映射關(guān)系,對(duì)映射中存在的非線性因素─幾何畸變進(jìn)行了研究,提出了一種基于神經(jīng)網(wǎng)絡(luò)的畸變矯正方法。實(shí)驗(yàn)證明,該方法比傳統(tǒng)的多項(xiàng)式擬合矯正法具有更好的矯正效果。(3)對(duì)線陣相機(jī)的圖像采集過程進(jìn)行了分析,得出了制約線陣相機(jī)采樣精度的主要因素是掃描機(jī)構(gòu)無法精確控...

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題的研究背景及意義
    1.2 機(jī)器視覺理論的形成與發(fā)展
    1.3 異形零件的圖像采集與檢測(cè)
        1.3.1 異形零件
        1.3.2 圖像的采集
        1.3.3 圖像的檢測(cè)
    1.4 論文的主要內(nèi)容及結(jié)構(gòu)框架
2 線陣CCD高精度圖像采集原理
    2.1 CCD傳感器的工作原理
        2.1.1 電荷的產(chǎn)生與收集
        2.1.2 電荷的轉(zhuǎn)移與輸出
    2.2 線陣CCD圖像采集原理
    2.3 本章小結(jié)
3 基于神經(jīng)網(wǎng)絡(luò)的線陣相機(jī)幾何畸變矯正
    3.1 相機(jī)成像模型
        3.1.1 成像系統(tǒng)坐標(biāo)系
        3.1.2 非線性成像模型
    3.2 幾何畸變矯正
        3.2.1 基于多項(xiàng)式擬合的矯正方法
        3.2.2 基于人工神經(jīng)網(wǎng)絡(luò)的矯正方法
    3.3 本章小結(jié)
4 線陣CCD融合光柵尺的高精度圖像采集與檢測(cè)
    4.1 線陣相機(jī)掃描坐標(biāo)的獲取
    4.2 光柵尺的測(cè)量原理
        4.2.1 莫爾條紋
        4.2.2 光柵尺測(cè)距原理
    4.3 線陣CCD融合光柵尺的高精度圖像采集方法
        4.3.1 高精度圖像采集原理
        4.3.2圖像采集平臺(tái)及實(shí)驗(yàn)
    4.4 亞像素圖像采集與尺寸測(cè)量
    4.5 本章小結(jié)
5 異形曲線亞像素邊緣檢測(cè)算法
    5.1 邊緣檢測(cè)的基本概念
        5.1.1 孤立點(diǎn)的檢測(cè)
        5.1.2 線與邊緣的檢測(cè)
        5.1.3 邊緣檢測(cè)算子
    5.2 異形曲線邊緣檢測(cè)算法
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝



本文編號(hào)：3821372