论文部分内容阅读
机器视觉测量的连续性、非接触和通用性好等优点，使其成为机械零件测量的一种革新手段。本文在完善课题组所提出的基于纹理特征的序列图像测量法基础上，扩展连续测量功能，采用高精度CCD相机、计算机、工件传送实验台等搭建大尺寸零件在线视觉测量实验平台。主要工作如下：
本文提出了一种基于纹理特征的快速图像角度校正算法，该算法结合了表达图像纹理特征的空间法与统计法的优点，实现了快速精确提取机械零件表面纹理特征，并以此校正序列图像间的相面旋转。
本文在融合灰度相关匹配和特征匹配两种算法的基础上，提出了一种基于灰度权重的序列图像匹配加速算法，该算法能实现高精度快速提取序列图像尺寸特征线，从而提高序列图像测量法的实用性。
针对本课题中所提出的连续在线测量的要求，开发了图像自动采集模块，并提出了一种基于灰度阈值的无效图像快速剔除方法。该方法通过提取图像局部区域的灰度阈值，获得零件像素比率，并以此作为判断图像是否有效的依据。这种快速剔除无效图像的方法可以避免冗余计算。
在上述理论和算法研究基础上，利用C++设计开发了大尺寸零件视觉测量软件。该软件包括图像采集、图像数据分析以及数据备份等模块，采用数据库技术实现测量过程数据、实验结果数据、系统参数的统一存放，为大尺寸零件视觉在线测量软件的开发提供了一种解决方案。
最后，利用该在线测量实验平台对多个大尺寸标准量块（一级精度）进行测量，平均每个量块尺寸的测量时间在6s左右，相对测量误差在0．022％以内，基本满足工业应用要求。