机器视觉精密测量技术与应用

视觉是人类最重要的感知方式，通过视觉观察可获取大量的信息，通过对获取的信息进行处理并做出判断，可实现与外界环境的交互。模仿人类的视觉观察方式，产生了机器视觉这一研究分支。

内容介绍

前言

第1章 绪论

1.1 机器视觉

1.1.1 机器视觉理论框架的建立

1.1.2 机器视觉系统的基本构成

1.1.3 机器视觉的应用

1.2 机器视觉精密测量

1.3 机器视觉测量技术的发展

第2章 机器视觉精密测量系统

2.1 机器视觉测量硬件系统

2.1.1 工业相机

2.1.2 镜头

2.1.3 光源

2.1.4 图像采集卡

2.1.5 机械运动模块

2.2 机器视觉测量坐标系

2.2.1 坐标系的建立

2.2.2 坐标系之间的坐标变换

2.3 视觉测量系统的误差来源

2.3.1 成像模型误差

2.3.2 透视误差

2.3.3 边缘检测算法的定位误差

2.4 机器视觉测量系统的标定与补偿

2.4.1 标定参照物的选择

2.4.2 标定采样点的确定

2.4.3 像素当量的标定

2.4.4 光学畸变误差的标定

2.4.5 光源强度对边缘位置影响的标定与补偿

2.4.6 实验与分析

第3章 微米级亚像素边缘定位

3.1 图像去噪处理

3.1.1 噪声的分类

3.1.2 常用的去噪算法

3.2 亚像素定位原理及常用方法

3.3 高斯积分模型

3.3.1 背光图像边缘特征

3.3.2 模型数值化计算

3.4 基于高斯积分曲线的亚像素边缘定位

3.4.1 图像像素级边缘的提取

3.4.2 算法实现

3.5 基于Bertrand模型的亚像素边缘定位

3.5.1 Bertrand曲面及其性质

3.5.2 图像边缘过渡区提取

3.5.3 算法实现

3.6 计算实例

第4章  齿轮机器视觉精密测量

4.1 齿廓图像边缘过渡带内像素点参数数据库

4.1.1 齿廓图像边缘过渡带内像素点的几何参数关系

4.1.2 像素点数据库参数的确定

4.2 齿轮齿距偏差视觉精密测量

4.2.1 Bertrand灰度曲面模型亚像素边缘检测算法改进

4.2.2 齿廓基圆位置的定位算法

4.2.3 齿廓基圆位置的边缘过渡带定位（ETZL）算法

4.2.4 齿廓基圆位置的亚像素边缘定位（SPEL）算法

4.2.5 齿轮齿距测量方法

4.2.6 基于齿轮局部图像的齿距偏差机器视觉测量算法

4.2.7 机器视觉测量齿轮中心定位精度对齿距测量误差的影响

4.2.8 齿轮齿距偏差测量

4.3 齿轮齿廓偏差机器视觉精密测量

4.3.1 齿廓偏差的基本概念

4.3.2 齿廓偏差机器视觉精密测量模型的建立

4.4 齿轮齿厚偏差视觉精密测量

4.4.1 齿厚偏差的基本概念

4.4.2 齿厚偏差的机器视觉精密测量方法

4.5 公法线长度视觉精密测量

4.5.1 公法线长度变动的基本概念

4.5.2 公法线长度变动模型的建立

4.6 中小模数齿轮机器视觉精密测量实验

4.6.1 测量系统软件

4.6.2 齿轮测量试验

第5章 零件2D几何量测量实例

5.1 齿轮泵中间体检测

5.1.1 齿轮泵中间体

5.1.2 齿轮泵体数字图像获取

5.1.3 亚像素边界特征提取

5.1.4 精度检测

5.2 机油泵零件快速显微测量

5.2.1 机油泵零件

5.2.2 测量方案

5.2.3 图像处理

5.2.4 数据处理

5.2.5 齿轮泵零件检测小结

5.3 磨削样板检测

5.3.1 样板廓形的检测

5.3.2 各向异性双边滤波

5.3.3 基于Facet模型提取亚像素边缘

5.3.4 测量结果分析

参考文献