论文部分内容阅读
机器视觉在工业检测中的应用日益广泛。本文按照多规格管螺纹在线实时检测系统需求,确立了单目侧光视觉检测方案,建立了边缘检测后的曲线提取、螺纹边缘提取定位及基于像素梯度角的特征点检测等算法模型,建立了伪特征点滤除与类特征点合并模型,对映射至世界坐标空间的特征点进行了锥度的最小二乘估算与螺距估算。基于所建算法模型,开发了螺纹管检测系统,搭建了多规格零件自适应检测试验平台。分析了生产现场条件限制导致的视觉测量中背光测量困难、大径点光线遮挡、螺纹边缘定位困难等关键问题,提出了单目侧光自适应在线检测的解决方案。采用二次曲线拟合方式获得Canny边缘亚像素值后,对Canny边缘采用种子点两侧边缘像素点的8近邻迭代搜索模式,搜索过程中应用数组链表建立中心点与近邻点父子关系,最终回溯获得每一边缘单像素宽度的主干曲线及其像素点信息;针对所获取主干曲线集,引入能够反映曲线局部形状的松弛度(离心率倒数)变量,准确定位并完整提取了螺纹边缘曲线;基于对螺纹边缘曲线像素点Sobel梯度角,采用一阶五点微分算法,较完整提取了螺纹边缘特征点。应用两次RANSAC最小二乘直线拟合方法,采用缩小点线间距阈值策略,有效剔除了伪特征点;采用取中间点迭代合并的方式,对邻近牙顶大径的类特征点进行了修正合并,作为表征螺纹波峰的特征点。通过相机标定获得单应性矩阵,基于透视投影交比不变性质获得相机畸变系数以用于原始图像矫正。基于标定结果,将修正后的特征点映射至世界坐标系,应用最小二乘直线拟合方法获得管螺纹实际锥度,应用中值法获得相邻波峰的合理间距,并进行螺距计算。基于所建算法模型,开发了软件系统;搭建了符合零件生产环境的传输机构,采用相机自动升降系统,搭建了在线视觉检测试验系统,进行管螺纹检测试验,并对检测结果进行了分析。试验结果表明,系统检测尺寸精度为0.04mm,锥度角检测精度为0.03°,检测速度为0.5-0.6s,基本满足课题精度要求。