机器视觉图像检测与定位系统关键技术研究-机械电子工程专业论文.docxVIP

Classified Index: TN911.73 U.D.C: 681.3 Dissertation for the Doctoral Degree in Engineering RESEARCH ON KEY TECHNOLOGIES OF MACHINE VISION IAMGE INSPECTION AND POSITIONING SYSTEM Candidate： Sheng Zunbing Supervisor： Prof. Gao Guoan Academic Degree Applied for： Doctor of Engineering Speciality： Mechatronics Engineering Affiliation： School of Mechatronics Engineering Date of Defence： September, 2009 Degree-Conferring-Institution： Harbin Institute of Technology 摘要 摘 要 哈尔滨工业大学工学博士学位论文 哈尔滨工业大学工学博士学位论文 摘 要 机器视觉技术具有非接触、精度高、速度快的优点。各行业的领先企业在 解决了生产自动化的问题之后，开始寻求以机器视觉为基础的检测自动化和装 配自动化，机器视觉技术已成为工业界关注的热点之一。 在印刷线路板的制造过程中，定位孔位置的精度，直接决定了在后续工序 中线路板的定位和对准精度，进而影响 PCB 的加工质量。由机器视觉系统对定 位孔的位置进行定位，并引导数控系统的主轴与定位孔对准，可有效提高定位 孔的位置精度，并能显著提高生产效率。 为实现线路板外观和特征精确检测，对常用的边缘检测算法进行了分析和 实现，并通过实验比较了算法的优劣。为了克服外部光照变化对边缘检测的影 响，研究了含噪图像的边缘检测问题，提出了一个具有抑制高斯白噪声能力的 快速边缘检测算法。 为提高检测精度，研究了亚像素边缘检测方法，依据边缘处的微分是一个 关于边缘点对称的函数这一事实，提出了一种通用的亚像素级边缘检测方法。 为了有效提取线路板上的特征点，首先分析了 Moravec 算子、Harris 算子 和 SUSAN 算子等角点检测方法。针对 SUSAN 法检测 X 型角点能力较弱的问 题，通过引入点对的概念，提出了一种点对核值匹配的角点检测算法，实验证 明，它比 SUSAN 方法具有更高的检出率。随后，研究了 Hough 变换的基本思 想以及它的各种变形，分析了直线、圆、椭圆等常见特征提取方法。对于直线 特征，提出一种基于一阶原点矩的直线检测新方法；对于圆特征，在总结常用 圆的提取方法的基础上，根据圆的几何特征，提出了一种新的计算量较小的圆 特征提取方法。为提高圆的检测和定位精度，推导了标准圆参数的非线性优化 方程，进而实现了这些几何特征的亚像素级精度检测。 为了进行特征尺寸的测量和定位，探讨了相机的线性模型和非线性模型。 分析了两种常用的相机标定方法：基于径向约束的方法和基于平面的标定方法， 对相机内外参数求解过程给出了详细的推理。为进一步提高标定精度，探讨了 非线性优化方法，对初次标定获得的参数使用 L-M 优化算法进行优化，提高标 定精度。 为了研究和验证视觉检测与定位中的各项技术，设计并实现了一个具有四 自由度的测试平台，可完成 X、Y、Z 三个方向的平移运动和绕 Z 轴的旋转运 I 动；以 F2812 处理器为核心设计了一个电机控制电路；以 CPLD 为核心设计了 一个 4 路编码器解码电路。在 VC 环境下，实现了上述图像处理算法，完成了 图像处理软件设计；在 CCS 开发环境下，完成了 DSP 控制程序的设计。最后 将它们有机地整合在一起，构建了一个完整的机器视觉图像检测与定位系统。 最后通过实验，分别对不同的目标物进行尺寸测量、位姿调整、目标跟踪 等测试，验证了系统功能和相关关键算法。 关键词: 机器视觉；边缘检测；特征提取；相机标定；定位 — II — Abs Abstract 哈尔滨工业大学工学博士学位论文 哈尔滨工业大学工学博士学位论文 Abstract Machine vision technology has the advantages of non-contact, high precision and rapidity. Industry leaders begin turning their attention to machine vision-based test automation and assembly automation, after solving the problem of production auto