基于自适应条纹的高反光表面三维面形测量方法

提出了一种基于图像融合和插值预测的自适应条纹投影方法。该方法首先基于多幅掩模图像融合求取了最佳投影灰度值所需的饱和阈值,并结合插值预测查找算法求得了最佳投影灰度值;然后通过降低整体投影强度,在不饱和情况下进行了坐标匹配,最终生成自适应条纹;最后将生成的自适应条纹投射至被测物体,并利用外差式多频相移法进行了相位解算和三维面形重构。实验结果表明:所提方法实现了局部过曝区域的相位信息的完整提取,绝对方向和正向的平均误差与标准偏差值均小于传统方法,且绝对方向平均误差减少了84.1%,正向标准偏差值减少了69.4%。所提方法有效地解决了高反光物体三维面形测量的难题。     

一种汽车锁扣铆点的视觉检测方法

汽车锁扣是保证汽车安全运行的重要部件,针对传统方法测量锁扣铆点不稳定、精度低的缺点,提出了一种基于机器视觉的检测方法;首先进行相机标定,通过预处理消除拍摄影响,接着提取锁扣的几何特征以建立测量坐标系,并对其进行仿射变换以消除图像几何失真;然后标定铆点所在区域,设置ROI(regions of interest)使铆点从检测背景中分离出来成为一个独立的图像单元,对其进行梯度锐化以增强图像边缘,并依据ROI自身特点对传统锐化方法进行了改进;最后,采用随机Hough变换分别提取改进前后图像铆点的轮廓,测量铆点直径并进行对比;实验表明,改进后图像铆点直径的测量值更加准确,精度达到0.035 mm,满足检测要求。该方法适用于铆点在线高精度检测,具有重要的应用价值。     

基于灰度共生矩阵与反向投影的织物疵点检测

针对织物疵点检测,将灰度共生矩阵（Gray-level Co-occurrence Matrix,GLCM）与反向投影结合起来,提出了一种基于GLCM的反向投影方法（GLCM-BP）。首先介绍了GLCM-BP的原理,然后给出了织物疵点检测流程,分析并优化了GLCM的距离d与灰度级N等参数,选择了相应的滤波与自适应阈值分割方法以检测疵点,同时给出了7种常见疵点的检测结果。最后将本文方法与GLCM方法作了检出率的比较。结果表明,提出的方法具有良好的疵点分割效果,可显著提高疵点检出率。