论文部分内容阅读
木材的加工有史以来都是人们极为关注的,从以前的人工手动加工方式到数控化加工方式,这极大的改进了人们的加工水平,促进了经济的发展。木材喷涂这一道工序,在整个板式家具生产过程中都是极其重要的。可是现在国内的很多家具产业仍然还是在采用人工手持喷漆枪来实现,导致了整个生产过程中生产环境恶劣,工作效率低下,缺乏有效的生产工业标准,而且现在国家对于高污染,高危险的工作种类极度关注,使得整个产业急需升级。现在国内外的研究学者都在通过研发智能的喷涂设备来实现整个木材的自动喷涂流程。当今时代机器视觉技术得到了很好的发展,因此在木材喷涂行业中通过利用其实时性好、非接触、可视化以及可自动化等优点作为获取木材表面三维点云的关键技术。通过获取的木材三维点云信息为后面的整个智能设备提供关键的位置信息。这样使得木材喷涂的工业生产环境变的环保、安全、高效以及便捷。随着光电技术、图像检测技术以及计算机视觉这一学科的兴起,非接触式光学测量技术得到快速发展,该方法也由于其高分辨率、无破坏、数据获取速度快等优点被公认为最有前途的测量方法。本文在获取木材表面的三维点云信息时采用的即为这种方式。 本文的主要工作如下: (1)基于对木材喷涂行业现状的分析,减少涂料对人体伤害,提高生产效率,提出了通过非接触式的视觉三维点云获取木材表面的信息来实现智能的喷涂设备的方案,设计完成了木材三维点云硬件平台系统,包括视觉传感器部分和机械运动部分。 (2)为了实现三维点云的分析和计算,基于实验室搭建的摄像机、线激光组成的拍摄系统和一维线位移平台移动系统的点云采集模型,并且建立了整个木材三维点云测量系统的数学模型。 (3)为了提高检测准确度,在建立了整个木材三维点云系统的数学模型之后,其中有两部分需要参数标定,第一部分为整个相机传感器的参数标定,第二部分为线激光平面的标定。本章通过设计实验完成这两部分的参数标定与分析,对比分析了利用基于MATLAB和基于Opencv标定的优缺点,发现结合两种标定的优点可以得到较好的标定结果。 (4)为了提高基于点云数据采集系统的精度,在分析和对比现有算法基础上,选择了Steger算法对光条亚像素中心进行提取,并且针对Steger算法运算中由于激光线线宽发生变化带来的精度提取问题,采用实时的计算线宽方法对Steger算法进行了改进,并进行了实验测试和分析验证了算法的有效性。 (5)基于实验系统设计实现了3D点云数据的采集,并且结合(4)的算法,进行了3D点云数据的轮廓提取,并分析了检测精度,为后面基于视觉的3D工件检索提供了基础数据。