论文部分内容阅读
本论文主要研究了基于机器视觉的汽车座椅靠背检测的关键技术。根据实际工业现场的生产环境和相应需求,开发了“视觉传感器+单片机+图像处理软件”的检测系统。该系统能够较好的实现对汽车座椅靠背的类型检测以及座椅靠背弹簧挂钩零部件的漏装检测。主要研究内容包括对硬件的选择与实验平台的搭建、采集图像的预处理、汽车座椅靠背类型与弹簧挂钩零部件漏装检测算法的研究。(1)对采集的图像进行预处理。主要对相机采集的汽车座椅靠背图像的原图像分别使用中值滤波、均值滤波和高斯滤波三种不同的滤波方式进行滤波预处理。对三种滤波方式以及同一种滤波方式在选择不同模板下分别计算出相应的均方差(MSE)和峰值信噪比(PSNR)的值。针对本文的应用,5*5模板下的高斯滤波的均方差为:19.0753,峰值信噪比为:35.3261,这优于其他滤波方式处理后的图像的质量。由于汽车座椅靠背本身与弹簧挂钩零部件的大小和灰度相差较大,为了突出在“大靠背”背景下的“小弹簧”特征,使用了拉普拉斯锐化方式来增加弹簧挂钩零部件的边缘特征,这便于后期的汽车座椅靠背类型以及弹簧挂钩零部件漏装检测的实现。(2)提出了改进的RANSAC-SURF算法对汽车座椅靠背类型进行检测。首先根据传统SURF特征点检测与匹配算法对汽车座椅靠背进行特征点的匹配。然后通过结合随机抽样一致算法对SURF特征点进行筛选检测和匹配。最后利用改进的RANSAC-SURF算法对所有特征点进行筛选和匹配。由于在实际情况下特征点的检测与匹配当中,正确的特征点间的匹配距离基本上都是相近的。所以改进的RANSAC-SURF算法提出了利用比较特征点间匹配距离与设定值的方式对预匹配点进行筛选。根据总特征点的匹配对数和因错误匹配而形成的特征点间连线交点数的统计,得出改进的RANSAC-SURF匹配算法总特征点匹配对数是188,交点数是18。这说明了匹配的正确率高于前两种特征点的检测与匹配算法,同时总匹配点对数的减少也能提高系统匹配的快速性。(3)对汽车座椅靠背弹簧挂钩零部件进行漏装位置的检测。首先通过透视变换的方式对采集的座椅靠背图像进行畸变校正,然后对座椅靠背的八个弹簧挂钩位置设定模板位置图像。最后根据相机采集的图像和正常安装弹簧挂钩的图像在设定模板位置处的灰度差绝对值与设定阈值的比较来判断座椅靠背弹簧挂钩是否存在漏装以及漏装的位置。实验结果证明,在缺失弹簧位置处,绝对灰度差值在33至52之间,在正常弹簧安装位置处,绝对灰度差不高于10。因此设置绝对灰度差阈值为20,这可以很好的检测到座椅弹簧挂钩零部件的漏装问题。通过搭建视觉检测软件平台证明了本论文提出的算法可以稳定、有效的对汽车座椅靠背类型以及弹簧挂钩的漏装进行准确检测,这包括了软件开发环境、试验平台结构的设计与实现和检测结果的评价。实验结果测试100%的检测准确率,说明了该套检测装置满足实际工业现场的生产需求。