基于亞像素邊緣的視覺檢測算法研究.pdf

1、基于機器視覺方法的檢測技術(shù)近年來在非接觸檢測領(lǐng)域發(fā)揮著越來越大的作用，它綜合運用了電子學、光電探測、圖像處理和計算機技術(shù)，實現(xiàn)對被檢測物體幾何尺寸的測量和空間方位的確定，具有非接觸、速度快、柔性好等突出優(yōu)點。
　　影響機器視覺檢測結(jié)果的關(guān)鍵因素為檢測精度與檢測速度。為了保證檢測結(jié)果的有效性，檢測精度必須滿足一定要求；為了提高檢測效率，檢測速度也成為重要指標之一。本文分別針對以上兩個關(guān)鍵因素，提出了改進的方案。
　　在對目標物

2、體進行測量之前，首先要對采集到的圖像進行預處理，文中介紹了圖像濾波，圖像分割處理的常用技術(shù)。在對邊緣進行像素級檢測時，分別對簡單圖像、加入高斯噪聲的圖像以及復雜圖像使用常用的一階、二階微分算子，對比檢測結(jié)果及檢測時間，分析算子的檢測能力。
　　在基于機器視覺的檢測系統(tǒng)中，圖像邊緣檢測的精度決定了被測物體實際尺寸的精度，為了提高邊緣檢測的能力，本文提出了改進的基于Zernike矩的快速亞像素邊緣檢測算法。雖然傳統(tǒng)的Zernike矩邊

3、緣檢測算法將邊緣精度提升到了亞像素級，并以階躍灰度作為邊緣判別條件之一，但在選擇閾值時，需要人工手動反復調(diào)節(jié)，不斷的重復檢測過程直到達到較好的檢測效果，不僅效率不高，還極易誤判而影響檢測精度。針對這一不足，改進算法將Otsu自適應閾值法與傳統(tǒng)算法相結(jié)，首先利用傳統(tǒng)的Zernike法計算出圖像的階躍灰度矩陣，再將該矩陣作為計算對象，由Otsu法直接得到最優(yōu)的階躍灰度閾值進行邊緣判別。改進后的快速算法不需要重復檢測，一次即可同時完成最優(yōu)閾值

4、自動選擇與亞像素級邊緣檢測過程，既避免了錯誤選擇閾值而導致的誤判，也避免了重復檢測而導致的低效率。
　　本文分析了原算法中存在的兩種偏差，即由于模板效應帶來的原理偏差以及由于理想階躍邊緣與實際邊緣不同而導致的模型偏差，計算出了誤差校正函數(shù)并對邊緣距離進行補償。分析對比四組實驗結(jié)果，驗證了改進后的算法檢測效果良好，抗干擾能力強，避免了人工盲目選擇閾值導致的誤判，同時提高了檢測精度與檢測速度，為實際應用帶來了更高的操作效率。
　

5、　攝像機定標是視覺測量系統(tǒng)中的一項最基本，最重要的工作，標定的精度直接影響到系統(tǒng)測量的精度，本文主要標定出了以下三類數(shù)據(jù)：攝像機內(nèi)部參數(shù)、攝像機外部參數(shù)、攝像機鏡頭畸變系數(shù)。首先介紹了機器視覺測量系統(tǒng)的線性成像模型及標定方法，在考慮三次徑向畸變與兩次切向畸變的情況下，對非線性模型進行標定，進一步提高了檢查精度。
　　文章最后一章建立了基于機器視覺的檢測系統(tǒng)，介紹了系統(tǒng)軟件、硬件組成及測量原理。以玻璃瓶和工業(yè)零件為測量對象，實現(xiàn)了亞