[发明专利]一种基于自适应阈值的亚像素轴类零件尺寸测量方法

说明书

一种基于自适应阈值的亚像素轴类零件尺寸测量方法，涉及一种尺寸测量方法。视觉系统标定，获得内外参数和相互位置关系；对采集的图像进行预处理，采用结合灰度直方图对伽马校正算法进行改进，实现伽马值的自动选取；完成边缘检测，采用Canny算子边缘检测方法记录像素级边缘位置；基于邻域的边缘连接，对图像所有边缘像素点进行检查完成边缘连接；基于轮廓跟踪的区域提取，采用具有拓扑结构分析能力的轮廓跟踪算法将二值图像转化成轮廓描述；基于自适应阈值的亚像素边缘检测，将图像区域划分进行边缘检测，自适应选取亚像素边缘检测的阈值；尺寸计算，对直线夹角尺寸进行求解。精度和效率更高，节省人力，对测量环境的适应性强。

技术领域

本发明涉及一种尺寸测量方法，尤其是一种基于自适应阈值的亚像素轴类零件尺寸测量方法，属于机器人视觉检测技术领域。

背景技术

在工业生产中，零件的几何量测量是产品质量管理的必要手段，是零件加工的一个关键环节，每一个零件都要进行准确的几何量测量才可以确定是否合格，其检测的结果不仅影响零件本身的合格与否，还决定着零件后续的再加工和整体的装配。因此，测量技术在工业生产中占据着极其重要的地位，对测量技术的研究也具有非常重要的意义。

传统的测量手段主要是人工测量，即通过游标卡尺、千分尺、量规和刀口形直尺等测量工具进行尺寸和形位误差的测量，或者使用专门定制的零件尺寸标准模板来进行对比测量。这些测量手段在工业生产中发挥着巨大的作用，但是随着我国工业制造水平的飞速提高，现代工业对测量技术也提出了更严格的要求。一方面，零件的加工精度越来越高，精密加工的零件也需要精度更高的测量技术；另一方面，现代化的大批量生产需要效率更高的测量手段。传统的测量技术已经无法满足繁重的质检任务以及日趋严格的精度要求。

目前，机器视觉测量技术仍然存在很多不足，在实际工业应用上，测量的精度还不够高，无法满足高精度的测量要求，而且对测量环境的适应性较差，这些都制约着机器视觉测量技术的应用。因此，对机器视觉测量系统的进一步研究就具有非常重要的意义。

发明内容

本发明的目的在于提供一种基于自适应阈值的亚像素轴类零件尺寸测量方法，它具有效率高，节省人力，与现存的视觉尺寸测量相比精度更高，对测量环境的适应性强的优势。

为实现上述目的，本发明采取下述技术方案：一种基于自适应阈值的亚像素轴类零件尺寸测量方法，包括以下步骤：

步骤一、视觉系统标定：采用张正友平面标定法进行相机标定，标定后获得摄像机的内外参数，再根据手眼标定原理，获得摄像机与机器人末端之间的相互位置关系，完成手眼标定；

步骤二、对采集的图像进行预处理：在保证不影响原本有用的图像信息基础上，通过滤波算法对图像进行随机噪声的剔除,采用结合灰度直方图对伽马校正算法进行改进，实现伽马值γ的自动选取，具体为：

a、对图像像素按照灰度值从大到小进行排列，将灰度范围分成L级，将L个灰度等级等量分为高灰度值区域与低灰度值区域两部分，设每个级数中的像素总数为n_k，统计每个灰度级像素个数占图像像素个数n的概率P(k)；

b、设置阈值P_threshold，在高灰度值区域内，当P(k)＞P_threshold时统计的个数i进行自加1,否则不进行任何操作，在低灰度值区域内，当P(k)＞P_threshold时统计的个数j进行自加1,否则不进行任何操作；

c、当i＞j时，伽马值γ在区间(0.2,1)进行取值；

d、当i＜j时，伽马值γ在区间(1,2.4)进行取值，

利用求得的伽马值γ和公式f(I)＝I^γ对图像进行交换，式中I为输入图像的像素值，实现伽马值γ的自动选取，突出图像细节并改善被滤波算法模糊的信息，将待处理图像的对比度调整到最佳；