工件尺寸实时测量系统【文献综述】.doc

1、 1 本科毕业设计 (论文 )文献综述 电气工程及自动化 工件尺寸实时测量系统 摘要： 概述了工件测量方法的发展与概况。计算机视觉检测技术顺应了时代的要求，受到越来越广泛的应用。描述了计算机视觉检测技术中的几个关键技术及解决方法。 关键词： 图像测量技术； CCD；图像边缘处理；小波算法；误差 引言 随着计算机和图像采集器件性价比的不断提高，激光技术、精密计量光栅制造技术、以及计算机数字图象处理技术的不断发展，在现代工业制造业对工件测量的高精度、高效率要求的驱动下，影像自动测量系统以其高效，快速、精确以及自动化程度高等特点 赢得了广泛的关注。 1测量技术发展概况 处于科技信息高速发展的 21世

2、纪，工业制造业必然是朝着以信息技术为核心的自动化智能制造系统的力向发展。先进制造技术是在计算机技术基础上发展起来的一个集机械、电子、信息、材料和管理技术于一体的新型交叉学科。其中基于计算机的信息处理技术在先进制造技术体系中占据着十分重要的位置。从生产发展史来看，机械加工精度的提高总是与测量技术的发展水平紧密相关的。几何测量技术也是随着科学技术的发展而发展，并随着加工精度的提高而得以完善的。 20世纪初，几何测量还只是使用机械式测量器具。到 50年代以后，开始采用光学和电动测量仪，而后又逐渐应用光学显微镜、投影仪、光波干涉仪等。 70年代以来，我国大力研究了光栅、磁栅和感应同步嚣等测量器件，开发

3、了激光大位移测量系统、三坐标测量机等高精度测量仅器，以及包括激光干涉、全息照相测量、光导纤维等在内的新的精密测量技术。尤其是近二十年来，随着激光技术、精密计量光栅制造技术、计算机技术以及图象处理技术的发展，将它们应用到精密测量领域，形成了一种新的精密测量技术 计算机视觉检测 (Computer Visual Inspection， CVI)，极大的满足了现代工业 制造业的发展在速度和精度上对精密复杂工件几何参数的精密测量的要求。计算机视觉检测技术足以计算机视觉方法为基础，综合运用图象处理、精密测量以及模式识别、人工智能等的非接触检测技术。这种捡测技术把被测对象的图像当作检测和传递信息的手段，从

4、中提取有用信号来获2 得待测参数。 近几年来，随着数字图像处理的快速发展，计算机视觉检测技术有了质的飞跃，与传统测量方法相比，有着独特的优越性。首先，计算机视觉检测有效地扩展了人类自身的视觉能力，它利用光电成像技术对所得到的光学图像进行处理，促成了人类视觉探测域的延伸和时间暂留，通 过选择合适的放大或缩小镜头，可以对不同尺寸大小的零件进行测量，极大地扩大了测量范围，避免了多种测量工具的同时使用；其次， 利用数字图像处理技术对图像进行各种处理，例如图像增强、边缘锐化、滤波降噪以及边缘检测等，可以有效地提取待测物体的有用信息，抑制无用的噪声信息，改善图像的质量，提高测量精度。此外，由于测量系统本身

5、的特性以及测量过程自动化程度提高，极大地减少了处理的工作量，缩短了工作时间，提高了工作效率。因此，计算机视觉作为一种检测手段己经越来越引起人们的重视。 2影像测量系统的结构 影像测量系统主要由显微成 像系统、采集系统 (包括坐扫、数掘的读取和图像的采集 )和数据图像处理系统三部分组成。显微成像系统负责将物体放大并通过 CCD摄像头 (charge coupled device，电寄耦合器件 )成像，然后由图像采集系统采集图像并获取相关数据；图像处理系统从采集系统中获取数掘和图像信息并进行各种处理以获得所需结果并输出至相关外设。显微成像和采集工作主要由影像测量仪、图像采集卡来完成。数据图像处理系

6、统部分主要包括计算机和影像测量软件系统。由于影像测量强调的是速度和精度，所以由显微成像系统提供清晰图像、图像处理系统选择合 适的图像处理算法对影像测量是至关重要的。 2.1影像测量仪 影像测量仪 (又名影像式精密测绘仪 )是在测量投影仪的基础上进行的一次质的飞跃，它将工业测量方式从传统的光学投影对位提升到了依托于数字影像时代而产生的计算机屏幕测量。值得一提的是，目前市场上有一种既带数显屏又接计算机的过渡性产品。从严格意义来说，这种仅把电脑用作瞄准工且的设备不是影像测量仪，只能叫做“影像式测量投影仪”或“影像对位式投影仪”。换句话说，影像测量仪是依托于计算机屏幕测量技术和强大的空间几何运算软件而

7、存在的。光源、显微变焦物镜、 CCD摄像机 和电子光栅尺是仪器的主要构件。 2 2图像采集卡 图像采集卡主要用来将影像测量仪获取的模拟图像信号转换成数字图像信号，使计算机得到所需要的数字图像信号通常图像采集卡带有外接的 CCD摄像头，图像监视器和视频信3 号接口。图像采集卡的工作过程是：对摄像机输出的景物的视频信号进行实时采集，经 A D转换后将数字图像存放在图像存储单元的一个或多个通道中，通过计算机发出指令，将某一帧图像静止在图像存储通道中，即采集或捕获了一帧图像，计算机对采集的图像进行处理。采集卡上的 D A转换电路自动将图像实时显示在图像影像捕捉窗口上 。高档的图像采集卡还包括图像处理专

8、用的快速部件，如卷积滤波、 FFT变换和实时直方图处理器等快速部件。 3影像边缘检测 边缘检测是影像自动测量中最重要的一部分，也是实现多线自动测量必不可少的前提条件。边缘是图像局部亮度变换最明显的部分，主要存在于目标与目标、目标与背景以及区域与区域 (包括不同色彩 )之间，因此它既是图像分割所依赖的最重要的特征，又是影像测量的重要信息来源。通过检测图像中物体的边缘我们可以把物体与背景分开，获取真正所需的信息。 边缘检测足是指 (图像的 )灰度变化的度量、检测和定位。边纺俭测的方法有 多种，同一种方法使用的滤波器也不尽相同，但它们却面临一个共同的问题，即如何解决检测精度与抗噪声能力间的矛盾。理想

9、的边缘检测应当能够正确解决边缘的有无、真假和定位定向等问题。但要达到这种理想的效果卸十分困难的，主要因为： （ 1）实际图像不可避免地被噪声污染，并且噪声的分布、方差等信息都是未知的，同时噪声和边缘都是高频信号，如果用平滑滤波消除噪声，就可能将有用的边缘信息滤掉，而且常常使边缘发生偏差。 （ 2）由于物理、光照以及物体本身特征等因素的影响，图像的边缘往注存在于不同的尺度范围上。此外，某些灰度变化像素点 在一幅图像中是边缘，而在另一幅图像中则很可能是噪声。这些因素都会导致对边缘真假的错误判断。 （ 3）从数学角度看，边缘检测实际上是个病态问题 (ill posed problem)，很难找到一种

10、方法彻底将信号和噪声区分开来。 3.1小波分析理论 传统的边缘检测方法是通过构造对像素灰度级阶跃变化敏感的微分算子来实现的，这些算子对噪声较为敏感。一方面，通过采集系统所得到的图像往往含有噪声，且边缘和噪声在空间域都表现为灰度的阶跃变化，频率域上也同样反映为高频分量，这使得精确的提取边缘和消除噪声干扰相矛盾。另一方面，由 于物理和光照的原因，图像中的边缘通常产生在不同的尺度范围内，形成不同类型的边缘而且这些信息都是不确定的。因此，单一尺度的传统4 边缘检测算子无法准确地检测出所有的边缘，用多尺度的方法检测边缘则越来越受到研究者的关注。由于小波分析具有良好的时频局部化特性及多尺度分析能力，适合检

11、测突变信号，是边缘检测强有力的工具。有关小波分析的起源说法不一。 1910年 Haar提出了最早的 Haar小波规范正交基，但当时并没有出现“小波”一词。法国数学家 Mcycr认为，小波分析思想葫芽于 1930年至 1980年，但真正起锤炼作用的是法 国地质学家 Jean Morlet。 Morlet当时的主要工作是通过分析由爆炸力法产生的人造地震数掘来探知地下岩石油层分布，即如何从地震反射信号中提取有用的石油信息。在地震信号分析中，波的震动频率及其发生的时刻都重要。由于傅立叶变换只能提供信号在整个时域上的频率，不能提供信号在某个时间段上的频率信息，针对这一情况， Morlet予 1981年在

12、对傅立叶变换和短时傅立叶变换的异同、特点及函数构造进行创造性研究的基础上，首次提出了“小波分析”的概念，并给出了以他名字命名的 Morlet小波。 1986年，从事计算机视觉与 图像分析的研究者 Mallat与数学家 Meyer合作，提出了多分辨分析 (Multiresolution Analysis， MRA)的理论框架，统一了各种数字信号处理的方法，如多尺度分析 (Multiscale Analysis)、时频分析和子带编码 (Subband Coding)等，使小波分析再次取得了突破性发展。同年， Mallat建立了与经典快速傅立叶变换相应的快速小波算法 (Mallat算法 )，由此实现

13、了小波分析从数学到技术的转变，奠定了小波分析作为快速计算工具的地位。 九十年代初，小波分析与其他学科相互渗透 ，形成了多种多样的小波设计方法。 1994年， Geronimo， Hardin和 Massopust把分形理论中迭代函数系应用于小波设计，提出了通过双尺度差分方程迭代生成小波的构造方法。随后， Goodman等在此基础上提出了多小波(Multiwavelet)概念。 1995年， W Swelden提出通过提升算法 (Lifting schcme)构造第二代小波 (Second Generation Wavelet)的新思想，使得小波构造摆脱了对傅立叶变换的依赖，并更具灵活性。 近几

14、年来，关于小波理论及应用的研究继续向广度 及深度发展。一方面，小波理论得到进步推广；另一方面，小波理论在信号与图像分析、计算机视觉、图像编码、语音合成与分析、雷达及声纳信号处理等领域的应用取得突破性成果。因此，可以肯定，它与传统分析方法的有机结合，将必定为信号、图象处理等领域开辟一条崭新的道路。 4误差分析 计算机视觉检测技术主要包括图像采集 、 图像处理和测量计算等过程 ， 每一个过程都有一些可能影响测量精度的因素 。 5 （ 1） 计算机视觉系统中分辨率是一项重要指标 ， CCD像素尺寸的离散性限制了图像的抽样频率 ， 而测量算法中以 CCD的像素间距作为运算的一个基本 量 ,如果一个像素

15、单位所代表的单位尺寸超过了系统误差所能承受的范围 ,则 CCD自身的误差将成为影响系统测量精度的重要因素 ,因此在实际测量过程中 CCD摄像头的选取是至关重要的 。 理论上说 ， 显微镜的放大倍数越大 ， CCD的像素越多 ， 测量精度就越高 ， 但是放大倍数越大 ， 视野越小 ， 而且光学系统像差 、 球差及衍射现象的存在限制了光学放大倍数不能无限增大 。 尽管如此 ， 测量时将被测参数范围内的物体尽量充满 CCD芯片中的有效成像面 ， 可在同样的硬件条件下 ， 获得最好的测量精度 。 （ 2） 噪声是图像在成像 、 数字化和传输等过程中受到各种干扰形成的 ， 主要是由摄像机产生的 。 另外

16、 ， 视频图像采集的像素抖动也是噪声的重要来源 ， 有效利用相关滤波可减弱或抑制各种噪声 。 （ 3） 图像分割后边缘提取的精确性对尺寸测量有直接影响 ， 边缘广泛存在于物体与物体 、物体与背景之间 ， 是图像分割 、 纹理特征提取和形状特征提取等图像分析的重要基础 。 显然 ，尺寸测量的关键在于边缘的提取 ， 为其提供所需的二维轮廓线提取的边界有时不是完全连通的 ， 有一定程度的断开 ， 不利于进行图像的测量 。 5总结 在现代技术的高速发展下，测量技术 不断发展改进。 计算机视觉测量技术是一种顺应现代化工业要求的自动 、高效检测技术，它大大提高了工业生产效率。但是其中一部分关键技术还没足够

17、成熟，误差无法避免。因此要获得更高精度的高效测量方法，部分技术方法还有待改进。 参考文献 1 吴晓波 .图像边缘特征分析 J.光学精密工程 1999. 2 李云 ,鲍苏苏 ,杨璐 .二值化图像中物体区域的选定及外边缘跟踪技术 2002. 3 张小洪 ,杨丹 ,刘亚威 .基于 Canny算子的改进型边缘检测算法 J.计算机工程与应用 2003. 4 Canny J A.Computational approach to edge detectionJ 1986. 5 Lyvers E P,Mitchell O R.Subpixel measurements using a moment-base

18、d edge operatorJ. 6 王建明 ,浦昭邦 ,刘国栋 .提高图像测量系统精度的细分算法的研究 J.光学精密工程 6 1998. 7 孔丹 .基于空间矩的灰度边缘亚像元度量精度分析 J 1998. 8 贺秋伟，王龙山，刘庆民，等基于支持向量回归的小尺寸零件精密测量 J光学精密工程， 2007 9 周富强，胡坤， 张广军基于共线特征点的摄像机镜头畸变校正 J机械工程学报，2006. 10 贾云得机器视觉 M科学出版社， 2000 11 郑南宁 .计算机视觉与模式识别 M国防工业出版社， 1998 12 马颂德，张上友计算机视觉 M科学出版社， 1998 13 朱铮涛基于计算机视觉图像精密测量的关键技术研究 J华南理工大学博士学位论文， 2004 14 唐良瑞，马全明，景晓军等图像处理实用技术 M，化学工业出版社， 2002 15 干耀南，李树涛，毛建旭计算机图像处理 与识别技术 M高度教百出版社， 2001.