一种基于CCD的零件尺寸测量方法

摘要

本发明提出了一种基于CCD的零件尺寸测量方法，所述零件尺寸测量方法采用特征点识别技术，利用零件的特征点来分类图元，对整体零件进行尺寸测量，且无需零件的先验知识，实现对通用零件的测量；所述方法可以在满足精度要求的同时进行高速的测量。本发明算法简单，硬件实现只需CCD与计算机，无需复杂的机械结构，成本较低，有良好的应用前景。

主权项

1.一种基于CCD的零件尺寸测量方法，其特征在于，所述方法通过CCD采集待测零件数字图像，用计算机对采集到的数字图像信号进行处理，测量待测零件的尺寸；具体步骤如下：步骤A，由CCD采集待测零件数字图像，通过高速数字接口传递给计算机实时处理；步骤B，使用计算机实时图像处理方法测量待测零件尺寸；该图像处理方法中具体包括以下步骤：步骤B-1，图像预处理：去除噪声和光学干扰；该步骤采用中值滤波进行图像预处理，该中值滤波为二维中值滤波，该二维中值滤波的输出为：g（x,y）=med{f(x-k,y-l),(k,l∈W)}，其中,med是取中值操作；f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维模板，维度为L，所述二维模板W为2*2区域或3*3区域；k,l是整数，取值为（x,y）为像素点；步骤B-2，边缘检测：检测出待测零件的边缘；包括如下过程：步骤B-2-1，计算待测零件的边缘，差值计算待测零件的边缘，待测零件边缘输出公式为：g(x,y)=f(x,y)-h(x,y),其中f为零件图像，h为背景图像；步骤B-2-2，对待测零件的边缘进行二值化处理，处理方法为：求取全局阈值T1，判断考察点（x，y）的灰度f（x，y）：如果考察点（x，y）的灰度f（x，y）>(1+a)*T1，则b（x，y）＝255，表示黑色；如果考察点（x，y）的灰度f（x，y）<(1-a)*T1，则令b（x，y）＝0，表示白色；其中，a为0与1之间的常数；b（x，y）为黑白度量函数；步骤B-3，轮廓信息提取；该步骤具体过程如下：步骤B-3-1，按从上到下，从左到右的顺序扫描图像，寻找没有标记跟踪结束记号的第一个具有最小行值和最小列值的边界起始点A₀，定义一个扫描方向变量dir,该变量用于记录上一步中沿着前一个边界点到当前边界点的移动方向，其初始化取值为：1）对4连通区域取dir=3；2）对8连通区域取dir=7；步骤B-3-2，按逆时针方向搜索当前象素的3*3邻域，其起始搜索方向设定如下：a.对4连通区域取（dir+3）mod4；b.对8连通区域，若dir为奇数，取(dir+7)mod8；若dir为偶数，取(dir+6)mod8；在3*3邻域中搜索到的第一个与当前像素值相同的像素便为新的边界点A_n,同时更新变量dir为新的方向值；n为自然数，表示边界点序数；步骤B-3-3，如果A_n等于第二个边界点A₁且前一个边界点A_n-1等于第一个边界点A₀，则停止搜索，结束跟踪，否则重复步骤B-3-2继续搜索；步骤B-3-4，由边界点A₀、A₁、A₂、……、A_N-2构成的边界便为要跟踪的边缘点，存储边缘点坐标为(N-1)×2矩阵；N为自然数，表示所有边界点的总数；步骤B-4，特征点检测与识别方法：步骤B-4-1，利用DP算法检测轮廓角点，其方法为：先从轮廓选择2个最远的点，然后将2个点连成一个线段，再查找轮廓上到线段距离最远的点，添加到逼近后的新轮廓；算法反复迭代，不断将最远的点添加到结果中，直到所有的点到多边形的最短距离小于parameter参数指定的精度；步骤B-4-2，利用自适应k-曲率AKC算法和映射高度函数PHF算法识别分割图元；在断点提取中,AKC函数用于提取拐角和光滑连接之间的特征点，PHF函数用于从圆弧中区分出直线段的特征点；其方法为：求得每个特征点处的AKC函数，通过AKC函数有无最大值判断该点为角点或平滑结点；利用PHF函数，判断特征点两侧的曲线是直线或曲线；步骤B-4-3，利用最小二乘法拟合直线或者曲线，其方法为：对分割出的图元，根据步骤B-4-2判断结果，拟合成线性直线或圆；得到最小二乘法拟合曲线的参数，包括曲率、斜率、长度和角度参数。