基于机器视觉的零件形状公差检测系统.docxVIP

第一章 引言 1.1 研究背景及意义 机器视觉是用机器代替人眼来实现人的视觉功能来进行测量及判断,即用计算机来实现对客观三维世界的识别。机器视觉的特点是灵敏度和测量精度高、速度快、噪声低、抗电磁干扰能力强及应用方便灵活,可以长时间工作于恶劣环境,便于进行数字化处理和计算机连接,为企业减少劳动力和提高生产效率,在图像采集、非接触测量和实时监控方面得到了广泛应用,成为现代测量和测试技术中最活跃、最富有成果的研究领域之一。 机器视觉系统是指通过图像摄取装置将被摄取目标转换成图像信号,传送给专业的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。从视觉系统的运行环境分类,可分为PC-Based(Personal Computer Based)系统和PLC-Based(Programmable Logic Con-trol Based)系统。 随着工业生产的快速发展，各种测量工作正在逐渐由接触式转为非接触式，而机器视觉技术在其中发挥着重要作用，基于机器视觉的测量技术的工作原理是：首先利用摄像机对物体进行拍照，然后利用图像采集卡进行图像格式的转换并输出给计算机，再由软件系统进行图像的后续处理。这种测量技术与传统的测量手段相比具有可视性好、实时、智能化等优点，实验证明该技术十分适合零件的实时精密测量，多年来也取得了一定的研究成果。基于机器视觉技术的非接触测量手段已经越来越广泛地应用于尺寸测量中，事实表明，基于机器视觉的测量方法与传统的人工测量方法相比有诸多优势，如能够获得更高的测量精度，提高工作效率，能够实现实时测量等。图像的边缘可以传递出许多关于整幅图像的信息，研究表明，人类通常可以仅凭粗略的图像轮廓也就是一幅图像的边缘就能够辨认出一个物体，这足以说明图像边缘的重要性，而且这个研究结果也为机器视觉的研究与应用提供了依据。 图像边缘是指图像中像素灰度值在局部范围内变化最明显的点的总和，主要表现为图像局部特征的不连续性，通常是由物理特性发生变化引起的，如物体成像亮度的改变(阴影和光照等)、几何参数的变化(方向和深度等)，由此也可以总结出，图像的边缘主要存在于目标与背景、目标与目标之间[4]。根据以上描述，图像的边缘往往存在于灰度值产生突变的位置，故边缘两侧通常不属于同一灰度级，而在两个灰度级中间存在的非常窄的灰度突变区域即为图像的边缘，但在实际测量中会受到多重因素的影响，使得到的表面交界处的灰度并不具有突变性，常常是不清晰，是模糊的，因此其灰度的变化趋势通常表现为斜坡状，斜坡部分的斜率和长度取决于图像边缘的清晰程度，同时由于受到外界噪声的影响，边缘会变得越发不清晰，于是便会给后续工作带来极大困扰。图像的边缘检测技术作为机器视觉的核心步骤，已有了很长的发展历程，然而随着机器视觉和图像处理技术的不断发展，图像边缘检测技术早期的研究成果急切需要寻求新的突破，以获得效果更好的边缘检测算法。 1.2 LabVIEW在测量中的应用 1.3 研究方法 1.3.1　直接调用LabVIEW的端口操作图标In Port.vi、Out Port.vi进行编程 　　LabVIEW中有两个可直接访问底层设备的图标,即In Port.vi和Out Port.vi。这两个函数存放在功能模块的Advanced子模板的下一级模板——— Memory模板中,分别完成从设备的物理地址直接读取和输出数据的功能。只要清楚数据采集卡每个通道的物理地址,通过对In Port.vi和Out Port.vi的端口参数设置,可以很方便地实现LabVIEW驱动普通数据采集卡的功能。此法方便易行,但它只提供简单的数据读取功能,故存在一些不足的地方,如难以实现精确定时等。 1.3.2　调用CIN图标进行编程[2] 代码接口节点CIN(Code Interface Node)是Lab-VIEW图形化编程语言环境与C语言的接口,CIN通过输入、输出端口实现两种语言之间的数据传递。当LabVIEW的程序运行到CIN节点时,数据由CIN的输入端口传递给C源代码图标,程序转去执行C源代码,代码执行完后,得到的数据结果由CIN的输出端口返回给LabVIEW。由此,我们可以利用CIN图标 实现LabVIEW对普通采集卡的驱动。程序设计步骤如下:1)放置CIN图标,并对图标的输入、输出参数及数据类型进行设置。2)选择CIN图标快捷菜单选项中的Create.c File选项,生成C源代码格式文件(＊ .C文件)。3)将C语言采集程序填入到上一步生成的C源代码框架中,完成C源代码文件。4)在VC+ +中编译上述C源代码文件,生成可执行文件(＊ .lsb)。5)装载编译好的可执行文件后就可以进行采集程序的调试工作。 1