机器视觉应用中物体离焦及过厚对测量精度的影响

机器视觉技术在工业测量中具有广泛应用,实现高精度的机器视觉测量对精密加工、制造具有重要意义。针对机器视觉应用中待测物体偏离焦面及在纵深方向过厚导致测量结果出现误差的问题进行了研究。重点讨论了系统中镜头远心度引起的平行性误差及其对离焦物体测量结果的影响。实验结果表明,在物体偏离最佳成像面而引入的误差中,平行性误差占到90%左右,因此可通过后期对平行性误差进行补偿以较大程度地提高系统测量精度。此外,针对待测物体过厚导致边缘模糊这一问题采用多种边缘检测算法进行了分析。结果表明在一定范围内,物体纵深方向越厚,边缘检测误差越大。在这一结果的基础上,对算法进行改进,提出一种基于图像灰度曲线的补偿方法,使测量误差由超过20μm降至10μm以下。     

提高基于机器视觉的心率测量精度的方法

基于摄像头(可见光)的心率测量方法,能够以非接触的方式检测受试者心率,无论在临床应用还是在家庭健康监护中都有着极大的应用前景。但是,CMOS摄像头的行扫描方式采集图像以及计算机系统的图像采集时钟抖动都会影响此类心率测量的精度,从而引入相位误差和系统随机误差。本文针对这两大主要误差进行研究分析,提出了消除相位误差的基于傅里叶变换的幅频叠加算法、消除图像采集系统时钟抖动误差的基于时间标定的三次样条插值重构方法。幅频叠加算法只在幅频域对信号进行处理,能够忽略信号的相位影响,从而消除相位误差。时间标定的三次样条重构算法能够重构图像的均匀采集,从而消除系统时钟抖动引起的随机误差。同时,通过理论推导论证了两种算法的可行性,进而利用LED模拟实验和实际心率测量实验验证该算法在提高信号检测精密度中的特性。在模拟实验中,对每帧图像的200行作幅频叠加运算,能够使信号幅值相对提升4.58%;基于时间标定的三次样条重构算法能使检测的信号频率的均方根误差缩小30%以上;在实际心率检测中,幅频叠加算法可使心率幅值相对提升达33.5%,基于时间标定的三次样条重构算法可使心率准确度提升40%左右。因此,模拟实验和实际心率测量实验均验证了提出的算法在提高系统检测精度上的有效性,提高了基于机器视觉心率测量的抗干扰能力。这两种算法不仅能够提高基于机器视觉的心率检测精度,而且能够适用于基于机器视觉对一定频率信号的检测,在机器视觉检测中具有广泛的意义。     

提高基于机器视觉的心率测量精度的方法（英文）

基于摄像头(可见光)的心率测量方法,能够以非接触的方式检测受试者心率,无论在临床应用还是在家庭健康监护中都有着极大的应用前景。但是,CMOS摄像头的行扫描方式采集图像以及计算机系统的图像采集时钟抖动都会影响此类心率测量的精度,从而引入相位误差和系统随机误差。本文针对这两大主要误差进行研究分析,提出了消除相位误差的基于傅里叶变换的幅频叠加算法、消除图像采集系统时钟抖动误差的基于时间标定的三次样条插值重构方法。幅频叠加算法只在幅频域对信号进行处理,能够忽略信号的相位影响,从而消除相位误差。时间标定的三次样条重构算法能够重构图像的均匀采集,从而消除系统时钟抖动引起的随机误差。同时,通过理论推导论证了两种算法的可行性,进而利用LED模拟实验和实际心率测量实验验证该算法在提高信号检测精密度中的特性。在模拟实验中,对每帧图像的200行作幅频叠加运算,能够使信号幅值相对提升4.58%;基于时间标定的三次样条重构算法能使检测的信号频率的均方根误差缩小30%以上;在实际心率检测中,幅频叠加算法可使心率幅值相对提升达33.5%,基于时间标定的三次样条重构算法可使心率准确度提升40%左右。因此,模拟实验和实际心率测量实验均验证了提出的算法在提高系统检测精度上的有效性,提高了基于机器视觉心率测量的抗干扰能力。这两种算法不仅能够提高基于机器视觉的心率检测精度,而且能够适用于基于机器视觉对一定频率信号的检测,在机器视觉检测中具有广泛的意义。     

光栅投影三维测量系统标定技术研究

相机与投影仪的标定是影响光栅投影三维测量系统精度的因素之一，且标定所得参数的精度直接影响系统的测量精度。分析标志点边缘成像时的退化模型，提出了基于高斯曲线拟合与边缘局部区域效应相结合的亚像素边缘检测方法，获取高精度边缘，提高标志点检测精度；使用基于透视变换图像矫正的标志点快速排序匹配方法，进行相机快速高精度标定。分析投影仪标定时的相位误差，提出了一种基于径向基的线性插值方式，提高标志点圆心相位获取精度。实验验证，使用上述亚像素边缘检测方式，标志点的边缘残差为0.0871，对比基于高斯曲线的拟合方式，精度提高了41%，相机标定重投影误差均值为0.0524像素；使用上述相位插值方式，投影仪标定重投影误差均值为0.1203像素，对比使用双线性插值方式，标定精度提高23.9%。     

亚像元边缘检测系统的FPGA实现

提出了一种集成于单片FPGA的数字化线阵CCD边缘检测系统。通过对CCD输出图像的边缘灰度梯度分析,利用高斯滤波除噪、边缘检测算法确定其像元级边界,并提出了一种以最小二乘多项式拟合来确定亚像元级边界位置的新算法。整个系统以现场可编程门阵列器件作为核心及数字电路硬件的载体,利用VHDL语言及图形化输入方式在QuartusⅡ7.2软件平台上进行了系统的设计。误差分析及仿真结果表明,该边缘检测系统的分辨率可达到将近六十分之一的像元宽度,可应用于研制高精度CCD光电自准直仪。     

大尺寸复杂精冲零件智能测量系统的研究

对于传统精冲零件检测工艺普遍存在的人工抽检数量少、大尺寸检测困难、手工误差、复杂专用检具成本高且实时性差等所导致的综合效率低的问题,此文通过应用机器视觉、激光测距、精密数控、数据分析等技术开发了大尺寸复杂精冲零件智能测量系统,用于解决传统所检测面临的以上问题。此系统通过伺服运动控制一套由高分辨率工业相机、激光位置传感器和大理石载物台构成的三坐标检测平台,实现对大尺寸复杂精冲零件进行X-Y平面的尺寸精密测量和Z方向的高度或粗糙度精密测量。通过解析DXF图纸文件并应用改进的贪心算法来获取并优化检测路径,结合精密运动反馈拼接局部采样图像以提高机器视觉的检测精度。初步运行结果表明,系统测量600*600*8mm范围内复杂精冲件精度可达到±0.010mm。     

基于点阵标定板的视觉测量系统的标定方法EI北大核心CSCD

在应用机器视觉技术进行测量时,测量系统的像素当量、系统误差和光源强度等因素均会对测量精度造成影响,因此必须对像素当量和系统误差进行标定,并分析光源强度对工件图像边缘位置的影响。提出一种基于点阵标定板的视觉测量系统综合标定方法,在提取标定圆圆心坐标的基础上,计算圆心距物理尺寸和像素尺寸的比值,得到像素当量;建立圆心实际坐标和理论坐标的二元三次误差模型,并利用最小二乘法拟合求解误差模型系数;通过确定光源强度引起的图像边缘位置误差补偿量,实现测量系统的综合标定。实验结果表明,该方法可以有效提高系统的测量精度。     

基于局部区域灰度矩图像边缘定位方法的研究

在采用机器视觉测量零件尺寸的过程中,提出了一种基于局部区域灰度矩图像边缘定位方法。该方法先利用中值滤波对采集到的图像进行处理,然后通过Prewitt算子对边缘进行初步定位,在此基础上,对图像边缘附近的9个像素的灰度值进行一维灰度矩定位,最后采用误差分析和处理的方法,获得更精确的边缘位置。实验证明,该方法能有效提高边缘检测精度,在检测分辨率为1000DPI情况下,尺寸检测误差小于2um。     

基于点阵标定板的视觉测量系统的标定方法

在应用机器视觉技术进行测量时,测量系统的像素当量、系统误差和光源强度等因素均会对测量精度造成影响,因此必须对像素当量和系统误差进行标定,并分析光源强度对工件图像边缘位置的影响。提出一种基于点阵标定板的视觉测量系统综合标定方法,在提取标定圆圆心坐标的基础上,计算圆心距物理尺寸和像素尺寸的比值,得到像素当量;建立圆心实际坐标和理论坐标的二元三次误差模型,并利用最小二乘法拟合求解误差模型系数;通过确定光源强度引起的图像边缘位置误差补偿量,实现测量系统的综合标定。实验结果表明,该方法可以有效提高系统的测量精度。     

微型石英敏感平板玻璃零件参数的激光视觉测量研究

高精度、快速非接触的平板玻璃零件的几何参数测量,已成为相关生产领域的主要问题,也是激光光谱学的一个重要应用方向。平板玻璃零件几何参数的准确检测不仅有助于加工工艺的改进和产品装配精度的提高,还可以实现按参数分档管理。为实现微型石英敏感平板玻璃零件参数的精密测量,提出了一种基于激光与视觉图像处理技术的多参数测量方法,设计了由自适应同轴视觉检测单元和激光视觉厚度测量单元构成的测试系统。为了保证其中的半导体激光器LD(laser diode)能提供稳定的光源,设计了一种恒功率驱动控制系统。在亚像素图像处理中给出了改进的亚像素边缘定位算法,实现了二次曲线特征边缘亚像素精确定位。利用检测出的曲线边缘点数据,通过定义一个新的误差函数并最小化,可以计算出微型石英敏感平板玻璃零件参数,从而实现图像特征参数的精确提取。在实验室条件下进行微型石英敏感平板玻璃零件几何参数的检测试验,测量结果的平均偏差优于2 μm。该方法稳定性好,测量精度高,满足微型石英敏感平板玻璃零件参数检测的精度要求。     

中药口服液中可见异物检测系统研究

针对目前生产线上中药口服液中可见异物检测系统存在的速度慢、精度低等问题,设计了一种可同时检测多个药瓶的基于机器视觉的异物快速检测系统。介绍了成像系统和机械系统。提出了一种基于边缘轮廓的图像配准算法,有效地消除了药瓶晃动的影响。提出了一种逐点阈值分割图像的二值化方法,能得到质量较好的二值化图像。实验结果表明,该系统能快速、有效地检测出可见异物,能较好地满足在线检测需求。     

双目立体视觉测距系统误差模型的研究

针对双目立体视觉测距中产生误差的问题,分析了系统中的各个参量,并建立了双目立体视觉测距系统的误差模型。得出引起测量系统误差最大的两个参量是CCD摄像头的对准程度和测量的距离;在视场中心的距离测量精度低,边缘测量精度高,在视场中心的水平和纵向的测量精度却远高于在边缘的测量精度两个结论。基于本文建立的误差模型可以指导适用于具体应用场合的双目立体视觉测距系统的设计。     

基于机器视觉的西林瓶尺寸检测

在西林瓶生产过程中,尺寸是一项重要的产品质量判断标准,与传统的西林瓶尺寸人工检测方法相比,基于机器视觉的自动检测具有巨大优越性。为实现西林瓶尺寸的检测,提出了一种基于机器视觉的西林瓶尺寸检测方案,设计了系统的图像采集和背光源照明方案,通过中值滤波对图像进行去噪,利用对图像像素点的运算算法,对图像的灰度进行了校正变换,增强图像的对比度,采用Canny算子成功提取西林瓶边缘,在HALCON平台下实现了西林瓶尺寸测量。设定系统标定方法并选取15个2mL样品西林瓶进行测试,结果表明,该方法对西林瓶尺寸检测快速准确,边缘量化精度达到了亚像素级别,检测精度为0.02mm,满足西林瓶生产的参数测量精度要求,为工业生产产品尺寸的自动检测提供了一种有效的新途径。     

高能闪光照相中Sobel算子的边缘检测方法

 针对高能闪光照相中投影图像的特点,对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析,发现该算法存在检测出的边缘粗和人为进行阈值的选取会造成边缘点的误判的缺点;为此提出了一种阈值确定方法和基于最大梯度的定位准则算法。改进的算法实测结果表明：该方法有效地解决了Sobel算子检测出的边缘过粗的问题,得到的边缘较细,定位精确,提高了边缘检测精度,可用于高能辐射照相中的边缘提取。     

基于迭代式自主学习的三维目标检测

为了提高基于双目视觉的三维目标检测的精度与鲁棒性,提出了一种基于迭代式自主学习的三维目标检测算法。首先,为了给三维目标检测任务提供更精准的目标点云信息,提出了一种基于迭代式自主学习的视差估计算法,通过迭代地增加目标区域的视差监督信号以及引入选择性优化策略,提高了视差估计在目标区域中的准确性。其次,在网络结构中,提出了一种自适应特征融合机制,将不同模态信息的特征进行自适应融合,进而得到准确且稳定的目标检测结果。结果表明,与近年来较流行的基于视觉系统的算法相比,所提出的三维目标检测算法在检测精度上有较大提升。     

激光雷达距离像的实时边缘检测

针对激光雷达距离像边缘检测精度低、抗噪性能差和需要人为设定阈值的问题,提出一种改进Sobel算子的边缘检测算法,算法通过增加梯度检测方向提高算法的边缘定位精度,采用中值滤波计算局部距离像边缘阈值,在实现自适应阈值的Sobel边缘检测的同时增强算法的抗噪性能,同时采用FPGA硬件加速,实现算法实时性边缘检测。此外,设计激光雷达距离像采集系统,通过实验验证该算法能够满足高精度实时边缘检测的要求,较好提取距离像的完整边缘信息,具有一定的工程应用价值。     

基于Hough一维变换的直线检测算法

针对标准Hough变换直线检测存在的问题,提出了一种基于Hough一维空间变换的直线检测算法。对图像进行边缘检测,将互不连通的边缘进行分组;利用Hough一维空间变换对边缘组进行直线检测并编组,降低了算法和空间复杂度;通过对直线组进行精确处理,解决了过连接、端点确定和检测精度存在的问题。实验结果表明:该算法有效地解决了标准Hough变换算法中存在的问题,降低了误检率和漏检率,提高了直线检测精度,能够实现对不同类型影像数据的直线检测处理。     

基于HALCON的双目立体视觉工件尺寸测量

为了实现对大批量生产工件尺寸的精密测量，该文基于双目立体视觉视差原理，设计了一种工件尺寸实时测量系统；系统通过两个工业数字摄像头实时采集工件不同角度的两幅图像，并基于机器视觉软件HALCON的HDevelop开发环境，对两幅图像进行相关预处理，获取感兴趣区域。提出一种基于canny的亚像素边缘检测、边缘细化、基于atukey权重函数的最小二乘法边缘拟合及边缘均匀取点算法获取精确的边缘特征点，并通过双目系统标定、极线约束与NCC相结合的立体匹配、世界坐标转换、几何计算相结合的非接触式双目视觉方法进行尺寸测量。通过大量实验证明，该方法可有效地获取工件特征点的三维坐标值，不借助外部测量仪器实现工件关键尺寸的高精度实时检测，检测精度达±0.2mm以上，简单快捷，具有较好的准确性和实时性。     

基于影像仪测量直线度误差的优化方法研究

针对影像仪测量直线度误差的特点,设计了一种改进的边缘检测模板进行边缘提取,并提出一种满足最小条件的直线度误差评定的方法区间距离算法来优化直线度误差的测量。通过采用影像法对光滑极限塞规的高精度测量实验,与传统边缘检测方法和斜率搜索法进行比较,实例结果表明,改进的边缘检测算法相对于传统检测模板计算卷积次数减少一半,可以提高测量速度,采用区间 距离算法与斜率搜索算法相比较,相同8组数据直线度误差相对误差不超过2%,平均计算速度提高0.01 s。实验验证在影像仪测量不同直径塞规直线度误差的自动化测量中,采用该优化方法可以节约计算时间4.45 s,并通过不同评定方式的比较,提出测量直线度误差最佳测量跨距在0.078 mm~0.104 mm的建议,对实际直线度误差测量具有指导意义。     

基于边缘方向图的建筑物直线特征提取

从建筑物图像中提取直线是视觉导航、特征识别和遥感影像处理等很多应用中的关键步骤。针对复杂建筑物图像,提出了一种基于边缘方向图的直线特征提取算法。该算法在Canny边缘的基础上,提出边缘方向编码策略,能过检测9×9局部窗口内的直线,将边缘拆分成直线、曲线和点的组合,生成了一种新的直线检测辅助图像——边缘方向图,并通过分析边缘方向图中连续线边缘的方向分布,结合直线误差判别准则和稀疏直线拟合识别直线。实验结果表明:该算法的直线检测性能优于Hough变换和相位编组等经典方法,对建筑物图像的直线检测准确率高,误判率、漏检率低,算法稳健性强。