現(xiàn)代工業(yè)對(duì)測(cè)量技術(shù)的要求越來越高,在傳統(tǒng)測(cè)量方法遭遇瓶頸的時(shí)候,許多非接觸測(cè)量方法應(yīng)運(yùn)而生,其中機(jī)器視覺測(cè)量技術(shù)已經(jīng)成為工業(yè)檢測(cè)領(lǐng)域研究和應(yīng)用的重點(diǎn)。該技術(shù)用工業(yè)相機(jī)來模擬人類的視覺功能,將相機(jī)拍攝到的工件圖像作為測(cè)量系統(tǒng)的輸入,再通過計(jì)算機(jī)對(duì)工件圖像進(jìn)行處理獲取工件的幾何結(jié)構(gòu)信息,最終輸出工件的測(cè)量結(jié)果。為了順應(yīng)當(dāng)下汽車零部件檢測(cè)的發(fā)展形勢(shì),本文在研究國(guó)內(nèi)外機(jī)器視覺發(fā)展現(xiàn)狀的基礎(chǔ)上,研究開發(fā)了以汽車油泵殼體為測(cè)量對(duì)象的視覺測(cè)量系統(tǒng)。本文的主要研究?jī)?nèi)容包括系統(tǒng)的硬件架構(gòu)設(shè)計(jì)、改進(jìn)的亞像素邊緣檢測(cè)算法、基于亞像素的油泵殼體尺寸測(cè)量以及系統(tǒng)的軟件設(shè)計(jì)和測(cè)量實(shí)驗(yàn)。首先,針對(duì)油泵殼體的兩個(gè)測(cè)量指標(biāo),本文設(shè)計(jì)了相應(yīng)的光源照明方案,并結(jié)合其他硬件搭建了完整的視覺測(cè)量系統(tǒng)。然后,在研究經(jīng)典的像素級(jí)邊緣檢測(cè)算法和亞像素邊緣檢測(cè)算法的基礎(chǔ)上,本文提出了改進(jìn)的基于二次曲線擬合的亞像素邊緣檢測(cè)算法,并通過實(shí)驗(yàn)驗(yàn)證了改進(jìn)后的算法性能優(yōu)于原算法。接著,研究了本系統(tǒng)的相機(jī)標(biāo)定方法,并對(duì)油泵殼體兩個(gè)測(cè)量指標(biāo)的成像進(jìn)行分析,提出了基于亞像素的尺寸測(cè)量方法,并闡述其中涉及的最小二乘曲線擬合算法。最后,完成了系統(tǒng)的軟件設(shè)... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 機(jī)器視覺技術(shù)在工業(yè)檢測(cè)領(lǐng)域的發(fā)展現(xiàn)狀
    1.3 機(jī)器視覺尺寸測(cè)量系統(tǒng)的關(guān)鍵問題
    1.4 本文研究?jī)?nèi)容及章節(jié)安排
        1.4.1 本文研究?jī)?nèi)容
        1.4.2 本文章節(jié)安排
第2章 機(jī)器視覺尺寸測(cè)量系統(tǒng)總體設(shè)計(jì)
    2.1 機(jī)器視覺測(cè)量系統(tǒng)的工作原理
    2.2 油泵殼體的主要測(cè)量指標(biāo)
    2.3 機(jī)器視覺測(cè)量系統(tǒng)的硬件架構(gòu)設(shè)計(jì)
        2.3.1 光源模塊
        2.3.2 圖像采集模塊
        2.3.3 其他硬件
    2.4 本章小結(jié)
第3章 圖像預(yù)處理與邊緣檢測(cè)研究
    3.1 圖像預(yù)處理
    3.2 像素級(jí)邊緣檢測(cè)
        3.2.1 像素級(jí)邊緣檢測(cè)算法
        3.2.2 像素級(jí)邊緣檢測(cè)算法比較
    3.3 亞像素邊緣檢測(cè)
        3.3.1 亞像素邊緣檢測(cè)原理
        3.3.2 亞像素邊緣檢測(cè)算法簡(jiǎn)介
        3.3.3 基于二次曲線擬合的亞像素邊緣檢測(cè)算法
    3.4 改進(jìn)的基于二次曲線擬合的亞像素邊緣檢測(cè)算法
        3.4.1 算法改進(jìn)
        3.4.2 算法性能測(cè)試
    3.5 本章小結(jié)
第4章 基于亞像素的油泵殼體尺寸測(cè)量
    4.1 相機(jī)標(biāo)定
        4.1.1 線性標(biāo)定
        4.1.2 相機(jī)標(biāo)定流程
    4.2 油泵殼體指標(biāo)一的尺寸測(cè)量
        4.2.1 指標(biāo)一的測(cè)量方法
        4.2.2 最小二乘法擬合橢圓
        4.2.3 指標(biāo)一完整測(cè)量流程
    4.3 油泵殼體指標(biāo)二的尺寸測(cè)量
        4.3.1 指標(biāo)二的測(cè)量方法
        4.3.2 最小二乘法擬合圓
        4.3.3 指標(biāo)二完整測(cè)量流程
    4.4 本章小結(jié)
第5章 軟件設(shè)計(jì)與測(cè)量實(shí)驗(yàn)
    5.1 軟件設(shè)計(jì)
    5.2 測(cè)量實(shí)驗(yàn)
        5.2.1 測(cè)量結(jié)果
        5.2.2 數(shù)據(jù)分析
        5.2.3 指標(biāo)一的改進(jìn)測(cè)量實(shí)驗(yàn)
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷
攻讀碩士學(xué)位期間主要的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于多重插值的亞像素邊緣檢測(cè)[J]. 田庸,韓震宇,周永洪.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(09)
[2]基于非線性四階圖像插值的亞像素邊緣檢測(cè)算法[J]. 吳鵬,徐洪玲,宋文龍,曹軍.  哈爾濱工程大學(xué)學(xué)報(bào). 2015(02)
[3]基于改進(jìn)Zernike方法實(shí)現(xiàn)圓形邊緣亞像素檢測(cè)[J]. 張曉林,周哲海,王曉玲,祝連慶.  計(jì)算機(jī)工程與應(yīng)用. 2015(20)
[4]機(jī)器視覺技術(shù)在工業(yè)檢測(cè)中的應(yīng)用綜述[J]. 張國(guó)福,沈洪艷.  電子技術(shù)與軟件工程. 2013(22)
[5]機(jī)器視覺中的光源照明設(shè)計(jì)[J]. 朱寶偉.  電子科技. 2013(03)
[6]在線檢測(cè)中亞像素邊緣檢測(cè)技術(shù)的對(duì)比研究[J]. 萬秋一,李士林,閆鑫.  伺服控制. 2012(02)
[7]機(jī)器視覺系統(tǒng)中鏡頭的選擇[J]. 張五一,張繼超,侯遠(yuǎn)韶,楊揚(yáng).  中原工學(xué)院學(xué)報(bào). 2011(06)
[8]機(jī)器視覺系統(tǒng)的設(shè)計(jì)方法[J]. 王運(yùn)哲,白雁兵,張博.  現(xiàn)代顯示. 2011(11)
[9]圓度誤差評(píng)定方法的研究[J]. 高聿地.  機(jī)械工程與自動(dòng)化. 2011(03)
[10]經(jīng)典圖像去噪算法研究綜述[J]. 方莉,張萍.  工業(yè)控制計(jì)算機(jī). 2010(11)

博士論文
[1]雙目立體視覺深度感知與三維重建若干問題研究[D]. 羅桂娥.中南大學(xué) 2012
[2]移動(dòng)視覺精密測(cè)量關(guān)鍵技術(shù)研究[D]. 郭磊.天津大學(xué) 2011

碩士論文
[1]基于機(jī)器視覺的實(shí)時(shí)輪轂智能識(shí)別系統(tǒng)的研究[D]. 陳建可.太原科技大學(xué) 2014
[2]基于機(jī)器視覺的零件識(shí)別和測(cè)量系統(tǒng)研究[D]. 鄧小峰.南京航空航天大學(xué) 2014
[3]視覺測(cè)量中的攝像機(jī)標(biāo)定與三維重建方法研究[D]. 蔡琿.哈爾濱工業(yè)大學(xué) 2013
[4]亞像素邊緣檢測(cè)技術(shù)研究[D]. 張美靜.沈陽理工大學(xué) 2013
[5]基于視覺測(cè)量的工件尺寸快速檢測(cè)技術(shù)[D]. 歐陽志熙.重慶大學(xué) 2012
[6]基于雙目視覺的機(jī)器人目標(biāo)檢測(cè)與控制研究[D]. 余俊.北京交通大學(xué) 2011
[7]面向機(jī)器視覺系統(tǒng)的CCD數(shù)字相機(jī)設(shè)計(jì)[D]. 王伙榮.西安電子科技大學(xué) 2008



本文編號(hào)：3202678