機械制造自動化領(lǐng)域中,采用先進的三維測量技術(shù)對毛坯件尺寸進行快速準確地檢測,對于再加工過程中切削加工量的精確確定具有重要的指導意義。目前傳統(tǒng)的測量技術(shù)大都無法滿足現(xiàn)代制造企業(yè)的非接觸快速測量要求,而視覺測量技術(shù)因其非接觸、測量精度高、速度快等優(yōu)點得到了廣泛應(yīng)用,成為了具有廣闊前景的三維檢測技術(shù)。本論文基于雙目立體視覺測量原理,針對金屬毛坯件,研究了圖像采集、攝像機標定、圖像分割、圖像匹配等關(guān)鍵性問題,設(shè)計了可獲取毛坯件上特征點的三維信息以及實現(xiàn)相應(yīng)三維尺寸測量的軟硬件系統(tǒng)。論文首先對雙目視覺測量系統(tǒng)所需的硬件裝置進行了選型,主要包括工業(yè)相機、鏡頭以及光源等;完成了圖像采集系統(tǒng)中硬件部分的設(shè)計;然后針對攝像機單目標定中存在的標定精度較低的問題,提出了一種基于針孔成像模型結(jié)合免疫粒子群算法,對攝像機的初始標定參數(shù)進行優(yōu)化。實驗證明,該標定方法具有較好的可行性和精確性,能夠獲得較高的標定精度,進而也因此可得到較為準確的雙目標定結(jié)果。另外,為了減小后期圖像匹配的誤匹配率,運用極線約束方法對攝像機參數(shù)進行了校正。針對金屬毛坯件的高反光特性,提出了一種基于除法運算和顏色模型轉(zhuǎn)換結(jié)合免疫算法的圖像分... 

【文章來源】：山東理工大學山東省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

本課題的技術(shù)路線流程圖

山東理工大學碩士學位論文第二章攝像系統(tǒng)的硬件選型及圖像預處理6第二章攝像系統(tǒng)的硬件選型及圖像預處理本章首先對雙目視覺測量系統(tǒng)所需的硬件裝置進行選型，主要包括工業(yè)相機、鏡頭以及光源等，完成圖像采集系統(tǒng)中硬件部分的設(shè)計；然后通過圖像預處理來改善采集到的圖像質(zhì)量。2.1攝像系統(tǒng)的硬件選型2.1.1相機與鏡頭的選型工業(yè)攝像系統(tǒng)主要由相機、鏡頭、光源組成。其中相機作為視覺測量系統(tǒng)中一個重要組件，它的選擇不僅直接決定圖像質(zhì)量，而且也關(guān)系到整個系統(tǒng)的運行模式。相機的選擇主要根據(jù)所測量物體的特點以及所要求的測量范圍、測量精度、測量環(huán)境等，除此之外還需要考慮成本問題。經(jīng)綜合考慮，選用深圳順華利電子有限公司SHL-200W型號的CCD彩色工業(yè)相機，如圖2.1所示：圖2.1像素為200萬的工業(yè)相機Fig.2.12millionpixelsindustrialcamera鏡頭的選擇直接決定物體的測量范圍，鏡頭的選型主要對最大CCD尺寸、鏡頭焦距、鏡頭光圈等方面進行選擇，其中焦距為鏡片中心與成像平面的距離，一般來說，焦距越大，所拍攝的圖像清晰度越高，但焦距越大，視覺范圍越小，對于一些尺寸較大的毛坯件，需要的攝像機個數(shù)越多或需要拍攝的圖片數(shù)量越多，導致圖片拼接的次數(shù)越多，容易形成較大的累積誤差，因此，需根據(jù)情況合理選擇焦距。另外，光圈為

山東理工大學碩士學位論文第二章攝像系統(tǒng)的硬件選型及圖像預處理7控制鏡頭通光量的一個裝置，它的大小決定圖像的亮度，一般來說，光圈越大，圖像的亮度越高，圖像清晰度越高。經(jīng)綜合考慮，選用的是與上述工業(yè)相機相同品牌的8mm定焦鏡頭，拍攝視角范圍在40度以上，可用于拍攝25米左右的物體。該鏡頭如圖2.2所示：圖2.2焦距為8mm的定焦鏡頭Fig.2.28mmfixedfocallengthlens為了較少攝像機標定的工作量和降低匹配難度，選用兩組完全相同的工業(yè)相機和鏡頭，其主要參數(shù)如表2.1所示：表2.1工業(yè)相機和鏡頭的主要參數(shù)Tab.2.1MainparametersofindustrialcamerasandlensesSHL-200W工業(yè)相機8mm定焦鏡頭相機規(guī)格45mm*49mm*49mm鏡頭規(guī)格·34mm*30mm分辨率1600*1200靶面1/3”感光尺寸1/3”鏡片光學鏡片濾光片650nm光圈F1.4手動光圈可調(diào)信噪比及動態(tài)范圍信噪比：38dB動態(tài)范圍：>70dB鏡頭直徑與焦距之比的最大值1:1.4幀速5幀/秒材質(zhì)全金屬材質(zhì)最低照度0.051LUX視角40度

【參考文獻】：
期刊論文
[1]一種用于里程計量的雙目立體視覺測距系統(tǒng)[J]. 吳錦鐵,許原,仲崇霞,梁煒,黃艷.  計量技術(shù). 2019(10)
[2]關(guān)于數(shù)字圖像處理中多種去噪方法的比較[J]. 馬璐,楊文飛.  吉林工程技術(shù)師范學院學報. 2019(09)
[3]抑制式非局部空間直覺模糊C-均值圖像分割算法[J]. 蘭蓉,林洋.  電子與信息學報. 2019(06)
[4]準確標定攝像機的混合粒子群優(yōu)化方法[J]. 雷陽,張宏立,王聰.  激光與光電子學進展. 2019(21)
[5]一種基于ORB特征的水下立體匹配方法[J]. 李佳寬,孫春生,胡藝銘,于洪志.  光電工程. 2019(04)
[6]基于混沌粒子群優(yōu)化算法的相機參數(shù)標定方法[J]. 王琳霞,陳廣鋒.  自動化與儀表. 2019(04)
[7]適用于傾斜影像的加速KAZE-SIFT特征提取算法[J]. 薄單,李宗春,王曉南,喬涵文.  計算機應(yīng)用. 2019(07)
[8]基于ORB與RANSAC融合改進的圖像配準[J]. 樊彥國,柴江龍,許明明,王斌,侯秋實.  光學精密工程. 2019(03)
[9]復雜環(huán)境下基于深度神經(jīng)網(wǎng)絡(luò)的攝像機標定[J]. 向鵬,周賓,祝仰坤,賀文凱,岳曉庚,陶依貝.  激光與光電子學進展. 2019(11)
[10]基于雙目視覺的數(shù)控機床動態(tài)輪廓誤差三維測量方法[J]. 劉巍,李肖,李輝,潘翼,賈振元.  機械工程學報. 2019(10)

碩士論文
[1]基于單目視覺的目標點識別與導引技術(shù)研究[D]. 李金鐘.天津工業(yè)大學 2018
[2]基于智能手機和機器視覺的立木胸徑測量方法[D]. 管昉立.浙江農(nóng)林大學 2018
[3]結(jié)構(gòu)裂紋的機器視覺識別算法研究[D]. 趙亞峰.湖南科技大學 2016
[4]交通事故現(xiàn)場散落物特征識別及提取技術(shù)研究[D]. 昌倩.東北林業(yè)大學 2016
[5]基于尺度空間和特征描述的快速圖像匹配算法研究[D]. 張存柱.大連理工大學 2015
[6]基于雙目視覺的大尺寸工件在機三維測量[D]. 黎淑梅.華南理工大學 2011



本文編號：3033593