针对机器视觉轴承内圈侧面复杂形状尺寸检测精度低的问题,提出根据检测目标建立小面积感兴趣区域(Region of Interest,ROI)的自适应选取方法和基于Zernike矩的ROI亚像素级边缘提取方法,大幅提升了轴承内圈尺寸的检测精度。首先分别拍摄...针对机器视觉轴承内圈侧面复杂形状尺寸检测精度低的问题,提出根据检测目标建立小面积感兴趣区域(Region of Interest,ROI)的自适应选取方法和基于Zernike矩的ROI亚像素级边缘提取方法,大幅提升了轴承内圈尺寸的检测精度。首先分别拍摄轴承内圈左侧与右侧轮廓图像,对图像进行预处理。在此基础上,通过角点检测融合像素扫描的方法实现自适应ROI选取,解决了因轴承内圈移动引起的小面积ROI边缘误判问题;使用Canny算子提取ROI的像素级边缘,再用改进的Zernike矩算法得到亚像素级边缘。最后,分别对ROI中提取的边缘进行最小二乘圆拟合和直线拟合,根据像素当量与视场间隔将图像中各尺寸转换为轴承内圈实际尺寸。实验结果表明:所提方法测量的标准不确定度低于0.005 mm,满足轴承尺寸高精度检测的要求,对于实现轴承检测的自动化有实际意义。展开更多
文摘针对机器视觉轴承内圈侧面复杂形状尺寸检测精度低的问题,提出根据检测目标建立小面积感兴趣区域(Region of Interest,ROI)的自适应选取方法和基于Zernike矩的ROI亚像素级边缘提取方法,大幅提升了轴承内圈尺寸的检测精度。首先分别拍摄轴承内圈左侧与右侧轮廓图像,对图像进行预处理。在此基础上,通过角点检测融合像素扫描的方法实现自适应ROI选取,解决了因轴承内圈移动引起的小面积ROI边缘误判问题;使用Canny算子提取ROI的像素级边缘,再用改进的Zernike矩算法得到亚像素级边缘。最后,分别对ROI中提取的边缘进行最小二乘圆拟合和直线拟合,根据像素当量与视场间隔将图像中各尺寸转换为轴承内圈实际尺寸。实验结果表明:所提方法测量的标准不确定度低于0.005 mm,满足轴承尺寸高精度检测的要求,对于实现轴承检测的自动化有实际意义。
