微尺寸视觉精密检测系统设计

微小零件（微尺寸）几何量的精密测量，是当前精密加工、测量和装配中的一个难点。传统的接触式测量，极易破坏工件和改变零件的相互位置。基于机器视觉的高精度几何量测量系统，既具备了非接触式测量的优点，同时也有较高的性价比，是机器视觉技术在该领域中的一次成功应用。它采用在改进的Canny边缘的梯度图像上进行二次曲面拟合，获取零件精确边缘（轮廓）的方法，实现了对其相关几何量进行精密测量；同时，还解决了自动对焦，自动跟踪，数据自动“缝合”以及高精度和小视场之间的矛盾及光源等技术难题，达到了微米级的测量精度。     

内置零件装配质量的多双目视觉测量标定技术

内置零件的装配质量检测由于受到空间的限制,常需要多个双目立体视觉测量子系统协同完成,而对多双目立体视觉测量系统进行准确的标定是保证内置零件测量精度的关键.提出了一种面向多双目立体视觉测量系统的综合标定方法,分析了标定数学模型,介绍了具体实施方案,包括单个双目立体视觉系统的标定和多个系统间空间位姿关系的标定.在上述研究的基础上,对一个双双目立体视觉测量系统进行了标定实验,通过对圆柱标准件的测量验证了多双目立体视觉测量综合标定方法的正确性和可行性.     

三坐标测量机零件位置自动识别系统的实现

被测量零件在三坐标测量机位置的自动识别是实现三坐标测量机智能化的关键技术。将CMOS相机与激光器通过夹具固定在三坐标测量机测座上,实现与接触式测头的多传感器集成系统;采用机器视觉方法获取被测量零件的视觉坐标;用Visual Basic 6.0应用程序开发工具对CAD模型接口问题做出了解决方案,实现了从CAD模型中自动提取检测特征与公差要求;根据零件三维信息的获取与图像处理,实现了零件在图像坐标系中位置和方向的自动识别;利用各坐标系之间的转换关系,实现了零件在三坐标测量机机器坐标系中位置和方向的自动识别功能。     

基于计算机视觉技术的小尺寸机械零件的尺寸测量系统研究

利用计算机视觉技术解决工业现场皮带流水线上大批量的小尺寸机械加工零件尺寸的测量方法,利用计算机视觉技术结合流水线现场需要的实际情况构建小尺寸机械零件的尺寸测量系统。在对测量系统进行系统功能分析和总体设计的同时,根据现场工况需要对硬件系统进行了设计。     

计算机视觉检测技术在二维尺寸检测中的应用

在简要阐述计算机视觉检测方法的基础上，建立了ＣＣＤ二维视觉检测系统。首先给出测量系统的结构框图，继而介绍了测量原理，最后进行了实际测量。实测结果表明检测方案可行，具有良好的应用前景。     

基于双目便携式三维扫描技术 的小工件测量

在小工件测量上,传统的接触式测量方法测量速度慢、效率低,而非接触式测量方法中双目视觉测量法和线结构光法都存在一定的缺陷。采用双目视觉测量与线结构光法相结合的方法,对小工件进行了测量。利用两个CCD摄像头和一个激光发射器构成了一个双目视觉测量系统和两个完全对称的线结构光测量系统,通过双目视觉测量系统测量标志点空间坐标;并基于标志点位置的不变性匹配系统不同位姿,用线结构光法获得激光线上的点在当前世界坐标系下的三维坐标;并匹配到基准坐标系中,从而得到工件表面点在基准坐标系下的三维坐标,达到测量目的。试验结果表明,该方法弥补了双目视觉测量法对物体曲面测量效果不理想和线结构光法单次测量数据少,空间定位不便的缺点,具有操作简便,测量适用性强的特点,误差在1 mm以下。     

加工中心刀具二维视觉检测系统的研究

论述了一种基于于维视觉测量的刀形检测及调位系统。分析了系统进行刀形测量的原理，以及视觉系统硬件解调测量的实现方法，并给出了相关测量数据。系统的研制实现了高效、精确、自动的刀形检测和刀具位置调整、为高精度数控加工提供了保障。     

视觉测量系统的像点残余误差和紧密度分析

提出了视觉测量系统的像点残余误差和紧密度的精度评价方法,基于束调整算法推导了像点残余误差和紧密度的计算公式.测量实验表明,在大尺寸视觉测量中,采用本方法更有利于对测量作精度评价,便于工业测量应用.作为实例,对实验室控制场内测量点进行三维坐标测量,50 %的待测像点坐标达到0.13像素的精度,50 %的空间点坐标的紧密度小于0.024 %.这种精度评价方法特别适合于采用束调整算法的多站位视觉测量系统,可以伤脑筋为常规精度估算方法的补充.     

基于视觉识别的民机零件专用自动喷涂系统

针对民机喷涂零件种类繁多、摆放位置不固定、无夹持装置等问题,研发了一套基于视觉识别的自动喷涂系统。该系统使用工业相机获取筛盘上零件的二维图像,对零件进行初步分类和定位。使用5轴三维测量机构获取点云数据,采用粒子群优化算法(particle swarm optimization, PSO)进行点云和三维模型的位姿匹配。根据匹配结果,采用曲面分片的方法规划喷枪路径,用Bézier曲线生成机器人关节轨迹。最终在240 s的节拍内实现多种繁杂零件的自动化配准,平均配准精度达2.11 mm。机器人能够自动进行喷涂作业,且喷涂质量满足航空零件要求。     

用BP神经网络构成三维视觉测量系统的新方法

提出一种基于人工神经网络的新的三维视觉测量方法，建立在三角测量原理上的传统的三维立体视觉测量技术会带入成像畸变非线性误差，这种新方法可以消除非线性因素的影响，采用正弦函数作为传递函数加快了网络的训练速度，提高了学习精度，对空间点位和尺寸测量的结果验证了方法的可行性，对影响系统测量精度的因素进行了讨论，并与传统立体视觉测量方法进行了比较。     

柔性再制造测量机器人建模

为解决缺损工件的再制造测量问题,用配备线结构光测头的6自由度工业机器人和旋转平台组成一个7自由度测量系统,利用齐次坐标变换理论建立测量系统的数学模型.通过定点变位姿法计算测头和机器人末端的坐标变换,利用高低球法确定旋转平台的旋转轴.实测结果验证了该模型的准确性.     

非结构化助老助残机械手对目标识别定位系统的研究

研制了一种非结构化的五自由度助老助残机械手,针对助老助残机械手末端手掌对空间目标物体的定位抓取问题,采用了一种激光引导的双目机器视觉定位和广义回归神经网络求逆解相结合的方法。该方法中,双目机器视觉定位采用双目工业相机,通过阈值分割算法识别激光斑确定目标物体的坐标,再经广义回归神经网络反解出助老助残机械手关节角度。最后通过采集实验数据和理想数据做对比,该方法能够达到较高的定位抓取精度,比较以往的机械手角度反解,该方法不存在无解或多解的情况。     

基于序列图像的视觉定位

提出了一种静止摄像机条件下基于计算机视觉的工业机器人的定位算法。采用单目视觉系统,由线性摄像机模型推导出定位测量模型。通过序列图像,以一种改进的自适应混合高斯模型更新背景,运用背景差分法检测出运动目标,用CAMSHIFT算法实现对运动目标的跟踪,确定其位置和姿态,估计出运动参数,反馈给机器人指导其准确运动。实验结果表明,该方法快速、有效,能够满足视觉定位的实时性要求。     

五自由度立体视觉机器人平台建模与物体跟踪

从立体视觉与机器人控制集成的角度出发,建立了一个主动立体视觉跟踪和定位系统,用于柔性装配线中装配零件的运动跟踪和装配工位的定位.该系统具有五个自由度,采用D-H方法得到五自由度立体视觉平台的运动学模型,并获得运动学的正解.该系统能在工作空间内迅速跟踪移动物体,并有较好的精度.通过该跟踪实验证明了模型的正确性和方法的有效性.     

基于激光视觉的大尺寸测量系统的研究

应用多个激光点结构光传感器对大尺寸工件横断面进行扫描，形成多个光切平面；拟合各个光切面上离散点为空间椭圆曲线，求出光切面中心的空间三维坐标，由此确定大尺寸工件轴线的直线度，并计算出横截面几何形状。提出了一种大尺寸工件直线度激光视觉测量方法，推导了数学模型，进行实验研究并给出实验结果。     

非高斯噪声背景下计算机视觉目标跟踪方法

针对杂波背景下计算机视觉目标跟踪问题,提出一种非高斯噪声背景下计算机视觉目标跟踪方法.在视频目标运动模型和观测模型的基础上引入了柯西混合噪声模型,对非高斯噪声运动目标的状态进行建模;然后,在传统高斯噪声粒子滤波的框架内给出文中方法的具体实现步骤.针对大面积遮挡和夜晚光照改变的极端情况下对路上行驶的车辆进行实时跟踪实验,结果表明:文中方法明显提升极端杂波环境下的目标运动过程的建模精度,有效提升目标跟踪精度.     

基于单目视觉的Delta机器人零点标定方法

针对实际工程应用中少自由度高速抓放并联机器人的精度问题,提出了一种基于视觉测量的快速标定方法.以Delta机器人为例,通过系统分析和机构合理简化,建立了零点误差模型.构造出基于单目视觉平面测量的零点误差辨识模型,借助单目视觉仅检测机器人动平台沿水平面运动时末端x、y向的位置误差,识别出零点误差,进而修改零点位置实现末端位置误差补偿.标定实验结果表明该方法简单、有效、实用性强.     

基于改进型神经网络的双目摄像机标定

摄像机标定是机器视觉中最重要的环节之一,传统标定方法运算量大、计算复杂,非常繁琐。为解决标定存在的若干问题,提出基于改进神经网络的双目视觉摄像机标定方法。通过对双目摄像机有效模型分析,建立空间点图像坐标与世界坐标非线性映射关系,同时引入自适应学习算法,实现隐层神经元的自适应选取,并且在创建网络模型前对样本数据进行归一化处理,提前终止策略,使网络泛化能力得到极大改善。通过与经典标定方法进行比较,表明基于改进型神经网络标定方法能获得较好的双目标定精度。     

Simulating Human Visual Perception in Nighttime Illumination

This paper presents an image-based algorithm for simulating the visual adaptation of the human visual system to various illuminations,especially in dark nighttime conditions.The human visual system exhibits different characteristics depending on the illumination intensity,with photopic vision in bright conditions,scotopic vision in dark conditions,and mesopic vision between these two.A computational model is designed to simulate multiple features of mesopic vision and scotopic vision,including the chromaticity change,luminance change,and visual acuity loss.The system uses a source image under bright illumination as input.Then assuming that the viewer has already adapted to the new conditions,the color spectrum of the input image is reconstructed to replace the source with modifications of the chromaticity and the luminance of the relighted scene.A bilateral filter is used to simulate the visual acuity loss.The model parameters have clear physical meanings and can be obtained from experimental data to achieve realistic results.The algorithm can be used not only for visual perception simulation,but also as a day-for-night tool to produce realistic nighttime images from daytime images.