MATLAB数字图像的协同测量方法研究+文献综述(2)
时间:2017-03-12 09:35 来源:毕业论文 作者:毕业论文 点击:次
现在制造业的进步需要研究新型的产品检测技术，在已经研究的多种技术中[1]，视觉检测技术具有非接触、速度快、精度合适、现场抗干扰能力强等突出的优点[2]，能很好的满足现在制造业的需求，在实际中显示出广阔的应用前景[3]。 视觉检测技术是建立在计算机视觉研究基础上的一门新兴检测技术，和计算机视觉研究的视觉模式识别、视觉理解等内容不同，视觉检测技术利用计算机视觉研究成果，重点研究物体的几何尺寸及物体在空间位姿的三位测量技术。 常见的机器视觉利用光电成像系统采集特定目标的图像，经过计算机或专用的图像处理模块数字化处理，根据图像的像素分布、亮度和颜色等信息，进行尺寸、形状、颜色等识别检测。机器视觉的特点是自动化、客观、非接触和高精度，以及工业现场环境下的可靠度。使用与大批量生产过程中的测量、检查和辨识，如零件装配完整性、装配尺寸精度、零件加工精度、位置/角度测量、零件识别等。在工业，国防，医疗，交通灯领域都有着广泛的应用[4][5]。 视觉测量的分类方法有多种，其一是按所用视觉传感器数数量可以分为单目视觉测量、双目视觉（立体视觉）测量和三（多）目视觉测量等。其中，双目视觉测量和近景摄影测量的理论的理论基础和主要研究内容是一样的。 单目视觉测量是指仅利用一台数码相机或相机拍摄单张相片来进行测量工作。因其仅需一台视觉传感器，所以该方法的优点是结构简单、相机标定也简单，同时还避免了立体视觉中的视场小、立体匹配难的不足。因而今年来这方面的研究比较活跃[6]。 目前视觉测量技术广泛应用于在微小尺寸、复杂结构尺寸等的测量中。但传统的机器视觉测量采用基于单幅图像处理的方法，受成像区域和检测分辨率成反比例关系的制约，要取得高精度，单幅图像的成像区域必须限制得很小，只能对比较小的零件进行尺寸测量。这些传统方法检测速度不高，不适用于大尺寸机械零件的高精度测量[7]。 因此，本文通过研究多视场协同的测量方法，以探索一种对硬件要求低，同时可以达到较高精度的自动测量方法。 1.2 国内外研究现状 1.2.2 几何尺寸视觉测量方法 1.3 本课题要解决的问题 （1）按被测几何尺寸的大小和测量精度要求，规划多视场协同测量方案，并标定机器视觉测量系统。 （2）设计并开发基于数字图像的测量目标定位算法，算法处理结果通过串口与下位机通信，驱动三坐标测量装置定位被测目标方法和位置，实现被测目标图像的自动采集。 （3）研究多视场协同测量方法，开发针对线性尺寸的测量算法，并评定测量误差。 （4）要求达到技术指标： ①测量尺寸范围：300mm×300mm; ②相对测量误差：±0.5%以内； ③图像定位速度：200mm/s; ④测量算法稳定、可靠。 2 相机标定 MATLAB中的相机标定工具箱（camera calibration toolbox)提供了各种例程以及标定方法，非常详细。用户接口方便灵活，在相机标定时使用非常简单。 2.1 相机标定原理 标定中有3个不同层次的坐标系：世界坐标系、相机坐标系和像平面坐标系（物理坐标系和像素坐标系），如图2-1所示。 图2-1 针孔型相机模型2.1.1 世界坐标系 世界坐标系也称作全局坐标系，它是由用户任意定义的三文空间坐标系，通常是将被测物体和相机作为一个整体来考虑的坐标系。为了使用方便，此坐标系的建立较多地考虑应用环境和对象条件。一般的3D场景都用这个坐标系来表示。 (责任编辑：qin) |