發(fā)布時間：2021-09-11 16:51

　　隨著社會進步與經(jīng)濟蓬勃發(fā)展,人們物質(zhì)生活水平顯著提升,對汽車的需求越來越大,汽車零部件生產(chǎn)企業(yè)的挑戰(zhàn)與發(fā)展空間也日漸增大。變速器殼體是汽車傳動系統(tǒng)中至關(guān)重要的一部分,它能確保變速器與其它相連部件的正確安裝,其中變速器殼體安裝孔的形位尺寸是評估殼體質(zhì)量的關(guān)鍵。傳統(tǒng)的人工測量手段主要為接觸式測量,比如游標(biāo)卡尺和三坐標(biāo)測量儀等,此方法存在人工干預(yù)大、耗時長、不利于批量生產(chǎn)等缺點。針對以上問題,本文以機器視覺技術(shù)為研究基礎(chǔ),提出一種基于雙目視覺技術(shù)的變速器殼體安裝孔形位尺寸測量方法。具體工作內(nèi)容有:（1）研究并完成標(biāo)定方法的對比,選用一種高精度、成本低、簡單實用的張正友平面標(biāo)定法來完成攝像機標(biāo)定實驗,并利用重投影誤差對標(biāo)定結(jié)果進行評估,最終得到了精確的標(biāo)定結(jié)果。（2）針對變速器殼體表面出現(xiàn)的高光現(xiàn)象,研究一種閾值分割與直方圖匹配相結(jié)合的方法,有效的保留了變速器殼體表面的紋理信息,消除了殼體表面的高光現(xiàn)象。通過自制邊緣測試圖的實驗對比后,選定Canny算法提取殼體圖像邊緣。針對Canny算法易受環(huán)境因素影響、自適應(yīng)能力弱等不足,提出一種改進的Canny算法,通過自適應(yīng)平滑濾波替代原有高斯濾波進行... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

坐標(biāo)系轉(zhuǎn)換圖

湘潭大學(xué)碩士學(xué)位論文8式（2.1）中,,,1TwwwPXYZ為三維空間中所拍攝物點在中的坐標(biāo)；1M是由工業(yè)相機內(nèi)部參數(shù)00f,k,,uv決定的一個內(nèi)參數(shù)矩陣，其中,,xyxyffffdd(00u,v)為物理坐標(biāo)系原點；2M是由工業(yè)相機外部參數(shù),,,,,xyzxyzrrtttr決定的一個外參數(shù)矩陣，工業(yè)相機擺放位置的細微差異都將改變2M的參數(shù)值2.1.2攝像機線性模型攝像機線性模型被稱作理想或針孔模型。建立理想模型時，如果將三維空間內(nèi)某一點轉(zhuǎn)化至圖像坐標(biāo)系中，其轉(zhuǎn)化過程并不會受到透鏡畸變影響。攝像機線性模型如圖2.2所示。圖2.2攝像機線性模型圖2.2中，通過三角形近似概念可得理想攝像機線性模型的比例關(guān)系式為式（2.2）ccccccccxfXxfXZZyfYyfYZZ（2.2）2.1.3攝像機非線性模型針孔模型表達了工業(yè)相機基本成像概念，但在大部分生產(chǎn)企業(yè)的相機制造環(huán)節(jié)中，由于工藝誤差容易導(dǎo)致光線路徑、成像情況以及圖像放大率等方面存在不同程度的變化，致使鏡頭在采集圖像時產(chǎn)生畸變。圖像中如果產(chǎn)生畸變將會影響求解實際物點和像素點之間的關(guān)系，因此使用針孔模型去求解圖像實際三維坐標(biāo)是達不到精度需求的，需在計算像素點坐標(biāo)時先使用非線性模型進行校正，然后再通過線性模型進行求解，計算公式如式（2.3）：(,)(,)xyxxxyyyxy（2.3）

湘潭大學(xué)碩士學(xué)位論文9上式中，(x,y)表示像素點在攝像機線性模型中取得的坐標(biāo)，,表示為像素點的實際坐標(biāo)，x與y為非線性畸變。根據(jù)非線性畸變產(chǎn)生的因素可以推斷出鏡頭存在的三種畸變形式：徑向畸變、切向畸變（又名偏心畸變）和薄棱鏡畸變[25]。對雙目立體視覺測量系統(tǒng)而言，影響攝像機精度的主要因素來自徑向畸變，而另外兩種畸變的影響相對較小，且在進行攝像機標(biāo)定時，如果考慮幾種畸變情況將會對標(biāo)定精度產(chǎn)生影響，所以在實際應(yīng)用中只考慮徑向畸變。2.1.4雙目攝像機模型圖2.3雙目視覺成像模型圖2.3中，設(shè)右側(cè)相機坐標(biāo)系為，則左側(cè)相機坐標(biāo)系可以用式（2.4）來表示：CLRLRLCRMRTM（2.4）上式中，CLM、CRM分別表示左右相機坐標(biāo)系，RLRLRT表示為基于下的旋轉(zhuǎn)平移矩陣。假設(shè)兩側(cè)工業(yè)相機針對空間中同一個標(biāo)定模板進行圖像采集，則有：CLLWLLCRRWRRMRMtMRMt（2.5）上式中，LLRt與RRRt分別表示左右工業(yè)相機拍攝同一標(biāo)定模板圖像后求解出的外參數(shù)矩陣。因為標(biāo)定模板相同，由此可列：MWLWRM（2.6）將式（2.6）代進式（2.5）可得：

【參考文獻】：
期刊論文
[1]改進Canny邊緣檢測的遙感影像分割[J]. 劉麗霞,李寶文,王陽萍,楊景玉.  計算機工程與應(yīng)用. 2019(12)
[2]基于Canny算子改進的邊緣檢測算法[J]. 王保軍,趙海清,劉超.  科學(xué)技術(shù)創(chuàng)新. 2018(27)
[3]基于Prewitt算子的紅外圖像邊緣檢測改進算法[J]. 安建堯,李金新,孫雙平.  杭州電子科技大學(xué)學(xué)報(自然科學(xué)版). 2018(05)
[4]改進Sobel算子的單幀紅外弱小目標(biāo)檢測[J]. 苗曉孔,王春平.  光電工程. 2016(12)
[5]基于雙目視覺的立體匹配算法研究[J]. 羅大思,王進華.  微型機與應(yīng)用. 2016(20)
[6]攝像機標(biāo)定的原理與方法綜述[J]. 馮亮,謝勁松,李根,霍慶立.  機械工程師. 2016(01)
[7]基于RANSAC的SIFT匹配優(yōu)化[J]. 趙燁,蔣建國,洪日昌.  光電工程. 2014(08)
[8]一種基于SIFT的圖像特征匹配方法[J]. 楊世沛,陳杰,周莉,劉健,劉海洋.  電子測量技術(shù). 2014(06)
[9]基于共線點的鏡頭畸變校正方法[J]. 劉超,李醒飛,郭敬濱,譚文斌.  計算機應(yīng)用. 2013(12)
[10]抗噪Roberts算子邊沿檢測器[J]. 畢卓,韓冰.  計算機技術(shù)與發(fā)展. 2013(06)

碩士論文
[1]基于邊緣信息的雙目立體匹配方法研究[D]. 樊啟明.沈陽工業(yè)大學(xué) 2019
[2]基于改進SIFT的圖像拼接算法研究及其評價[D]. 盧奇.上海海洋大學(xué) 2019
[3]基于室內(nèi)場景圖像的區(qū)域立體匹配算法的研究[D]. 李愛琴.南京郵電大學(xué) 2018
[4]基于雙目視覺的鞋模三維重建研究[D]. 黃子峻.華南理工大學(xué) 2018
[5]基于雙目立體視覺的工件識別與定位技術(shù)研究[D]. 李勝利.哈爾濱工業(yè)大學(xué) 2016
[6]基于雙目視覺的工件尺寸測量方法研究[D]. 鄭立明.長春工業(yè)大學(xué) 2016
[7]基于偏振光原理的圖像高光消除方法[D]. 李芳.沈陽理工大學(xué) 2016
[8]雙目立體視覺三維信息獲取技術(shù)研究[D]. 盧傳澤.廣東工業(yè)大學(xué) 2013
[9]基于雙目立體視覺的三維重建[D]. 張旭.吉林大學(xué) 2012
[10]基于雙目立體視覺的人臉三維數(shù)據(jù)獲取方法研究[D]. 施萬利.河南工業(yè)大學(xué) 2010



本文編號：3393365