论文部分内容阅读
基于计算机视觉的钣金零件尺寸测量具有高效、低成本及自动化等优点。对超过成像系统视场的大尺寸钣金零件,需分段采集存在重叠区域的钣金图像,通过图像拼接合成完整的钣金图像。本文重点研究了基于相位相关法、基于点特征匹配和基于深度学习的钣金图像拼接技术,主要工作有:(1)针对特征稀少、轮廓对称的钣金图像提出了一种稳健的基于轮廓的相位相关法的拼接方法。首先,选取等大小的包含重叠部分的区域并提取轮廓;其次,利用相位相关法对轮廓图求取配准参数;最后,将轮廓图的配准参数转换为原始待拼接钣金图像的配准参数,实现钣金图像拼接。实验结果表明,该拼接方法对特征稀少,轮廓对称的只存在平移关系的钣金图像具有较强的抗干扰能力,速度快,能得到较准确的配准参数和拼接效果。(2)针对基于点特征配准的自然图像拼接方法应用于特征稀少的钣金图像拼接效果差,提出一种改进方法。该方法首先提取Fast特征点并对其筛选;其次,利用模板区域采样灰度特征,通过设置旋转角度和缩放比例作为搜索域,结合结构相似性(SSIM)方法完成点匹配;最后,通过点匹配结果求配准参数,利用3σ原则去除异常值得到最终结果。实验结果表明,在角度搜索域为[-45~?,+45~?],缩放搜索域为[0.5,1.5]的条件下,能够得到较准确的配准参量及拼接效果。(3)针对特征稀少、纹理弱、存在大量相似性区域的钣金图像拼接,多数基于特征点的自然图像拼接方法效果较差,提出了一种改进方法。该方法首先提取Fast特征点并对其筛选;其次,利用模板区域采样灰度特征,通过改进生成式对抗网络(GANs)原理的无监督学习方法完成特征点的匹配;最后,通过点匹配结果求出配准参数,利用3σ原则去除异常值得到最终结果。实验结果表明,在角度搜索域为[-40~?,+40~?],缩放搜索域为[0.5,1.5]的条件下,能够得到较准确的旋转、缩放、平移参量及拼接效果。