三目视觉检测技术的分析

《三目视觉检测技术的分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第一章绪论41很多光学测头具有较大的量程，这是一般接触测头难以达到的；5)探测的信息丰富，例如用CCD摄像机可以同时探测得视场内大量的图像二维信息和物体的光学特性。随着各种高性能器件如半导体激光器、电荷耦合器件CCD、位置敏感器件PSD等的出现，光学非接触测头得到迅猛的发展，新型测头不断出现，性能也大幅度提高。目前三坐标测量机上常用的光学非接触测量方法有以下几种。(1)激光三角法测量激光三角法是一种最经典却十分有效的光学非接触传感技术。它虽然不具有明显的图像特征，但能量集中，有较高的灵敏度。测量精度受入射方向和被测面的法线的央角(倾斜角)的影响，随着夹角的增大，精度降低。尽管存在这样

2、的缺点，在90年代以来还是被广泛采用。Mason[47】将这种测头装在三轴加工中心上进行定方向扫描测量，即测头的工作方向不变。Jones[491等人基于三角法丌发了-+0e回转类自由曲面的非接触测量装置。由步进电机驱动被测物体以一定的步距角转动，电流线圈驱动一反光镜使激光束沿被测物的回转轴扫描，CCD接收漫反射光，由三角法算出这条扫描线的形状，然后使被测物转动一角度，再进行扫描，这样被测物旋转一周就能将整个轮廓测出，对整个被测面的扫描还可通过计算机控制反光镜的转动来实现。这种方法可以脱离坐标测量机进行自由曲面的测量。天津大学杜颖博士提出了一种可供三坐标测量机使用的能测量强反射面的三发

3、射单接收光学非接触测头f”。该测头利用了金属表面对线偏振光的反射特性，实现了对光亮金属表面的测量；并采用三发射单接收的形式，不仅消除了阴影和死区的问题，而且在得到空间点的位移量的同时，也可测量出该点的方向矢量。(21离焦法测量离焦法测头的基本原理就是将位移量首先转换为物镜焦平面相对于被测面的偏移量，再由不同的转换元件(离焦检测元件)将这种偏移量转换为光电探测器上光斑强度或大小的变化，进而转换为电量输出的变化。这种测头有很高的分辨力，可达亚微米级乃至纳米级精度，易形成小型化测头，缺点是工作距离偏小，不适于测量复杂自由曲面。(3)光纤位移法光纤测头具有探头尺寸小、适合做内尺寸测量、可长距

4、离传送信号等优点。在一一些精密测量中，光纤本身不作为传感元件，而仅用来传光。基本原理是利用接收光纤的光强与光纤到被测物体距离的关系来进行测量。光纾测头可以达到亚2笫一章绪论微米级的分辨力与测量精度。随着被测表面材料与状态的变化，会带来较大误差。针对不同材料与表面状态经过仔细标定，并引入修正，可达到微米级精度。(4)立体成像法立体视觉测头与人类视觉成像的原理相同。两台相对位置固定的摄像机与被测物构成三角形，被测物体在两像面上形成立体图像对，通过匹配左右两幅图像中相关特征点来获取被测物体的三维空间尺日。非接触式测量是自由曲面测量发展的一个重要方向。它不仅可以大大提高测量速度，而且在扩大量

5、程，测量柔软件、易变形工件等方面均有重要意义。非接触测试技术中以视觉测试技术应用尤为广泛。现代视觉理论和技术的发展，不仅在于模拟人眼能完成的功能，更重要的是它能完成人眼所刁i能胜任的工作，所以视觉技术作为当今最新技术，在电子、光学和计算机等技术不断成熟和完善的基础上得到迅速发展。§1．3计算机视觉发展现状视觉测试技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同，视觉测试技术重点研究物体的几何尺_』及物体的位置测量，如大型工件同轴度测量、模具等三维面形的快速测量、共面性测量等。视觉测试技术在国外发展很快，早在20世纪80年代，美国国

6、家标准局就预计，检测任务的90％将由视觉测试系统来完成。美国在80年代就有100多家公司跻身于视觉测试系统的经营市场，可见视觉测试系统确实很有前途。在1999年10)q的北京国际机床博览会上已见到国外利用视觉检测技术研制的仪器，如便携式光学三坐标测量机、高速高精度数字化扫描系统、非接触式光学三坐标测量机等先进仪器。在现代化的大生产之中，视觉检测往往是不可缺少的环节。比如，汽车零件的外观，药品包装的正误，IC字符印刷的质量，电路板焊接的好坏，等等，都需要众多的检测工人，通过肉眼或结合显微镜进行观测检验。大量的人工检测不仅影响工厂效率．而且带来不可靠的因素，直接影响产品质量与成本。另外，

7、许多检测的工序不仅仅要求外观的检测，同时需要准确获取检测数据，比如零件的宽度，圆孔的直径，以及基准点的坐标等等，这些工作则是很难靠人眼快速完成。近年来发展迅猛的机器视觉技术解决了这一问题。机器人视觉是一门新兴的、发展迅速的学科，八十年代以来，机器人视觉的研究已经历了从实验室走向实际应用的发展阶段。从简单的二值图像处理到高分辨率多次度的图像处理．从一般的二维信息处理到三维视觉机理以及模型和算法的研究都取得了很大的进展。而计算机工业水平的飞速提高以及人工智能、