摘要：产品机柜表面的缺陷不仅会严重影响产品的销售,也会增大产品返修、退货的概率,造成经济损失,企业越来越重视...产品机柜表面的缺陷不仅会严重影响产品的销售,也会增大产品返修、退货的概率,造成经济损失,企业越来越重视机柜的表面质量检测。然而,针对大尺寸产品进行表面缺陷视觉检测鲜有研究,本文基于深圳市某不间断电源(Uninterruptible Power System,UPS)机柜生产厂商对大尺寸机柜表面缺陷自动检测系统具体需求,开展基于机器视觉的大尺寸机柜表面缺陷检测系统研究,重点研究了低对比度图像增强、边缘检测优化、特征点匹配等问题,主要工作如下:(1)研究明确了大尺寸机柜表面缺陷检测系统检测技术指标,阐述了表面缺陷检测原理,分析了获取高质量图像的关键因素,设计了合理的照明方案和图像采集系统结构,分析了光源类型、光源颜色及光照角度选择的依据,合理选择了工业相机和镜头,最后搭建了基于机器视觉的产品表面缺陷检测系统。(2)针对低对比度缺陷无法采用传统检测方法进行检测的问题,提出衡量图像对比度的评价方法,分析了Gabor变换的原理及参数意义,研究了常用的图像增强方法,并进行对比实验,实验结果表明经过Gabor变换增强的低对比度缺陷图像对比度得到提高,增强了缺陷检测系统对于光照干扰的鲁棒性。(3)明确了评价边缘检测效果质量的主要根据,分析了典型的边缘检测算法基本原理并进行了对比实验,针对边缘检测中出现的噪声及不连续问题,研究了一种基于锚点的边缘检测优化算法并进行了实验,实验结果表明优化的算法可准确检测机柜图像的边缘且具有较高的边缘质量,具有通用性。(4)研究了图像匹配技术,推导了图像变换模型,分析SIFT特征点提取与匹配算法原理,研究RANSAC特征点提纯算法,开展了提取和匹配机柜表面图像特征点实验,实验表明提纯后的SIFT算法能够有效提取出机柜表面的特征点,图像匹配结果良好,基于图像差分法实现配准后的图像缺陷检测。研究结果表明设计的缺陷检测系统能够较好的识别机柜表面的凹坑、划痕、商标等缺陷,可以检测出缺陷宽度1mm内的细微缺陷,验证了系统方案的可行性和算法的有效性,具有工程应用价值。更多还原显示全部
摘要：同步定位与地图构建(Simultaneous Localization And Mapping,SLAM)是移动机器人实现自主导航的关键技术,同...同步定位与地图构建(Simultaneous Localization And Mapping,SLAM)是移动机器人实现自主导航的关键技术,同时视觉SLAM由于能够采集到丰富的场景信息和低廉的价格而受到研究者的青睐。一直以来,视觉SLAM技术都依赖于场景中的点特征,忽略了结构化环境中存在着丰富的线特征。本文利用Kinect相机构建基于点线特征的RGB-D SLAM系统,目的在于提高移动机器人的定位精度和建图精度,主要研究内容如下:首先,设计了基于Kinect相机的RGB-D SLAM系统框架,将系统分为前端位姿估计和后端位姿优化两部分。利用张正友法对Kinect相机进行标定实验,根据标定结果对彩色摄像头和红外摄像头进行配准。分析Kinect相机深度图像的噪声来源,采用双边滤波算法进行图像降噪处理。然后,对基于点线特征的位姿估计算法进行研究。提取图像中的ORB点特征和LSD线特征,并计算特征的二进制描述子。通过改进RANSAC算法来提高误匹配剔除的准确率和速度。根据相邻帧匹配对关系推导出点线特征的重投影误差模型和雅克比矩阵的解析形式。其次,对基于点线特征的位姿优化算法进行研究。提出一种关键帧的选择方法,能够实时维护局部地图,通过构建局部地图的图模型来优化相机的位姿。对关键帧进行回环检测,在回环帧处构建位姿图优化模型得到全局一致的运动轨迹,同时重建环境的三维点云地图和八叉树地图。最后,利用Kinect相机搭建基于点线特征的RGB-D SLAM系统。在TUM数据集下进行多组对比实验,验证了本文提出的算法能够提高系统的定位精度和满足实时性要求。同时在室内现场环境下进行实验分析,验证了本文搭建的系统具有良好的地图重建精度。更多还原显示全部
