基于機(jī)器視覺(jué)的工件測(cè)量與重構(gòu)系統(tǒng)設(shè)計(jì)案例目錄TOC\o"1-3"\h\u26975基于機(jī)器視覺(jué)的工件測(cè)量與重構(gòu)系統(tǒng)設(shè)計(jì)案例 1180721.1工件測(cè)量與重構(gòu)系統(tǒng)的總體設(shè)計(jì) 188471.2圖像預(yù)處理 1246321.3圖像邊緣檢測(cè) 2279691.4曲線重構(gòu) 210371.5工件測(cè)量與重構(gòu) 41.1工件測(cè)量與重構(gòu)系統(tǒng)的總體設(shè)計(jì)在自動(dòng)化生產(chǎn)過(guò)程中，產(chǎn)品的檢測(cè)精度和速度是非常重要的?；跈C(jī)器視覺(jué)的檢測(cè)技術(shù)能夠快速、穩(wěn)定、準(zhǔn)確的檢測(cè)出加工工件，能夠有效的取代人工測(cè)量。機(jī)器視覺(jué)檢測(cè)系統(tǒng)的檢測(cè)過(guò)程如圖1.1所示。圖1.1機(jī)器視覺(jué)檢測(cè)其中計(jì)算機(jī)處理圖片的流程是相當(dāng)重要的，識(shí)別技術(shù)的好壞對(duì)最后的輸出結(jié)果影響非常大。一個(gè)好的檢測(cè)技術(shù)能夠有效的利用圖像上的細(xì)節(jié)信息，得到非常準(zhǔn)確的工件尺寸。論文設(shè)計(jì)的視覺(jué)檢測(cè)系統(tǒng)軟件過(guò)程如圖1.2所示。圖1.2軟件整體設(shè)計(jì)測(cè)量與重構(gòu)系統(tǒng)的軟件設(shè)計(jì)主要包括圖像預(yù)處理、邊緣檢測(cè)、曲線重構(gòu)等部分，曲線重構(gòu)又分為關(guān)鍵點(diǎn)選取、曲線擬合和屬性參數(shù)計(jì)算等。1.2圖像預(yù)處理圖像預(yù)處理部分分為兩個(gè)環(huán)節(jié)——基于灰度均值分割的雙直方圖均衡化、基于雙邊濾波的改進(jìn)方法。測(cè)量與重構(gòu)系統(tǒng)獲取的工件圖像可能會(huì)受到環(huán)境光線影響，出現(xiàn)對(duì)比度較差的情況，因此論文研究選擇合適的圖像增強(qiáng)算法進(jìn)行處理。直方圖均衡化算法通過(guò)優(yōu)化工件圖像的灰度分布，將灰度拉伸到每一個(gè)灰度區(qū)間上，這樣的好處在于操作簡(jiǎn)單、運(yùn)算快捷，但是缺點(diǎn)也很明顯，尤其是對(duì)于測(cè)量工件，簡(jiǎn)單的灰度拉伸會(huì)使得圖像特征減少，細(xì)節(jié)被模糊，而基于灰度均值分割亮度保持的雙直方圖均衡化方法不同點(diǎn)在于它按照灰度均值將圖像分為前景與背景，然后對(duì)這兩個(gè)部分單獨(dú)使用直方圖均衡化算法，這種方法適合將待測(cè)工件與背景區(qū)分，可以很好的保持圖片的整體亮度，而且前景與背景的區(qū)分度更高，有利于后期的邊緣檢測(cè)。論文研究選用的濾波方法是自適應(yīng)雙邊濾波。相對(duì)于高斯濾波算法，雙邊濾波算法綜合考慮了空間域權(quán)重和灰度域權(quán)重，使用兩種權(quán)重的乘積，在濾波的同時(shí)兼具了保邊性。而自適應(yīng)雙邊濾波在雙邊濾波算法的基礎(chǔ)上采用了自適應(yīng)標(biāo)準(zhǔn)差，根據(jù)當(dāng)前卷積核的特征進(jìn)行微調(diào)，對(duì)各種環(huán)境下的工件圖片適應(yīng)性更強(qiáng)。1.3圖像邊緣檢測(cè)論文中邊緣檢測(cè)選用的方法是改進(jìn)的Canny算法，由于在圖像預(yù)處理環(huán)節(jié)完成了圖像濾波，所以邊緣檢測(cè)算法的過(guò)程如圖1.3所示，包括：計(jì)算圖像梯度；非極大值抑制；計(jì)算閾值；雙閾值法檢測(cè)和連接邊緣。圖1.3邊緣檢測(cè)工件邊緣檢測(cè)算法在圖像預(yù)處理之后，不進(jìn)行工件圖像的濾波算法。首先使用Sobel算子與工件圖像卷積計(jì)算圖像灰度的梯度幅值與方向，同時(shí)確定工件邊緣方向；接著沿著梯度方向?qū)μ荻冗M(jìn)行非極大值抑制；然后使用迭代法計(jì)算閾值，計(jì)算圖像的分割梯度值，將圖像分為前景與背景，然后分別計(jì)算平均梯度值，取兩者平均值作為新的分割梯度進(jìn)行計(jì)算，直到分割梯度值不再變化，得到最終的邊緣閾值；最后使用雙閾值法檢測(cè)和連接邊緣。1.4曲線重構(gòu)工件測(cè)量與重構(gòu)系統(tǒng)需要按照?qǐng)D像包含的曲線類型確定測(cè)量參數(shù)，所以論文設(shè)計(jì)的曲線重構(gòu)包括關(guān)鍵點(diǎn)選取、曲線擬合和屬性參數(shù)計(jì)算。關(guān)鍵點(diǎn)選取工件測(cè)量與重構(gòu)系統(tǒng)需要完成對(duì)工件輪廓的尺寸測(cè)量，以及對(duì)角點(diǎn)、曲線拐點(diǎn)等位置點(diǎn)進(jìn)行檢測(cè)，同時(shí)，由于工件測(cè)量與重構(gòu)系統(tǒng)需要完成快速檢測(cè)，因此擬合算法的數(shù)據(jù)點(diǎn)需要較為合適的數(shù)量，使用大量數(shù)據(jù)點(diǎn)的擬合算法的計(jì)算速度會(huì)下降，而使用少量數(shù)據(jù)點(diǎn)進(jìn)行擬合則可能會(huì)導(dǎo)致擬合精度較低，測(cè)量不精確。因此論文設(shè)計(jì)在邊緣檢測(cè)步驟之后先進(jìn)行關(guān)鍵點(diǎn)選取和曲線分段工作，通過(guò)關(guān)鍵點(diǎn)識(shí)別到曲線的角點(diǎn)、拐點(diǎn)等信息。為此，引入了曲率半徑概念，通過(guò)各段曲線的曲率半徑的大小對(duì)整個(gè)輪廓曲線進(jìn)行分段工作，初步預(yù)估曲線的類型，比如圓、圓弧、直線段以及其它曲線類型等。同時(shí)，按照各點(diǎn)的曲率半徑計(jì)算步長(zhǎng)，使用步長(zhǎng)和置信度選取各段曲線的擬合點(diǎn)。關(guān)鍵點(diǎn)選取的流程如圖1.4所示。圖1.4關(guān)鍵點(diǎn)選取曲線擬合按照關(guān)鍵點(diǎn)選取步驟中得到的關(guān)鍵點(diǎn)、擬合點(diǎn)和曲線類型信息為每一種曲線選擇合適的擬合方法，即針對(duì)圓、圓弧、直線段等曲線使用最小二乘法進(jìn)行擬合，針對(duì)其它不規(guī)則曲線選擇使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合。屬性參數(shù)計(jì)算按照曲線分段得到的曲線類型確定工件所需要的測(cè)量參數(shù)，并對(duì)擬合完成的曲線進(jìn)行參數(shù)計(jì)算，得到線段長(zhǎng)度、圓心、半徑、弧度、角度、點(diǎn)線距、圓心距離等詳細(xì)的工件尺寸參數(shù)，同時(shí)將各段曲線按照原始位置進(jìn)行拼接，得到完整的工件邊緣，并將相關(guān)的尺寸參數(shù)標(biāo)注的同時(shí)導(dǎo)出到Excel表格中，方便對(duì)測(cè)量數(shù)據(jù)進(jìn)行誤差分析，為進(jìn)一步的研究奠定基礎(chǔ)。1.5工件測(cè)量與重構(gòu)論文在完成了上述預(yù)處理算法、邊緣檢測(cè)算法、關(guān)鍵點(diǎn)選取、曲線擬合、曲線重構(gòu)等工作之后，完成了基于機(jī)器視覺(jué)的工件檢測(cè)與重構(gòu)系統(tǒng)設(shè)計(jì)，使用的軟件是Pycharm，編程語(yǔ)言python，使用numpy、matplotlib、tensorflow、pyqt