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。