论文部分内容阅读
本文结合企业技术创新项目和吉林省科技应用基础研究基金项目《基于机器视觉的汽车车架纵梁检测系统的研究》(项目编号:20060534),以汽车车架纵梁为具体应用对象,研究了纵梁装配孔的孔径尺寸、位置尺寸和类型识别的视觉在线检测技术。论文分析了图像拼接方法,针对频域相位相关匹配算法,提出了基于区域重叠的图像拼接改进算法,该拼接算法的计算量只与图像尺寸的大小有关,而与图像之间平移量的大小无关,解决了车架纵梁图像拼接时,由于背景噪声的存在而导致的误匹配问题,且能有效地克服光照变化和镜头几何畸变所带来的影响,具有较强的抗噪声能力。针对拼接后的纵梁全景图像,提出了边界保持的加权平滑融合算法,使拼接后的纵梁图像,在保持边界特征的同时,自然缝合,解决了因图像采用简单的加权平滑融合算法而产生的拼接区域边界模糊的问题。为了提高对拼接后纵梁全景图像的处理速度,提出了基于局部区域的装配孔特征提取算法,对符合圆孔条件的区域进行局部区域标记,对圆的特征的提取,只在有装配孔的区域进行搜索,减少了搜索区域,可大大节省装配孔边缘检测时间,提高了纵梁检测速度。提出了一种基于非线性畸变校正和双线性变换相结合的方法,对摄像机内部参数的标定和图像的几何变形进行校正,解决了由于摄像机的成像面和待检测的纵梁平面不平行,有一定倾斜角,使得纵梁上的圆形孔图像变成椭圆孔图像的问题。通过利用标准试件作为参照物进行相对标定,使标定精度、可靠性均能达到设计要求。提出了采用ART神经网络的方法完成多种型号车架纵梁类型的识别,并对ART2神经网络结构和连接权值的算法做了改进,使神经网络能够识别纵梁检测中呈比例关系的输入向量,使网络的识别能力更强。通过将ART2神经网络与D-S证据理论相结合,完成多特征数据的证据积累,有效地降低纵梁识别的不确定性,弥补了因单特征模板信息的不足而无法判别的情况,提高了纵梁类型的识别率。根据纵梁在线检测的技术要求,研究开发了车架纵梁计算机视觉检测系统,对5种型号的纵梁试件进行了装配孔的孔径尺寸、孔的位置和纵梁类型进行了在线检测,检测结果准确。实验表明,本文研究开发的车架纵梁在线检测系统具有较高的检测精度,同时能够满足车架纵梁在线检测速度要求。本文研究所取得的成果,对于应用计算机视觉技术完成汽车车架纵梁质量在线检测具有理论意义和实用价值。