基于计算机视觉的通讯机壳部件精密测量方法

《基于计算机视觉的通讯机壳部件精密测量方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于计算机视觉的通讯机壳部件精密测量方法　　摘要：为解决通讯机壳部件测量中遇到的圆拟合和边缘提取不准确的问题，提出了利用加权函数进行修正的方法。首先，针对圆拟合过程中容易受到干扰点影响的情况，提出采用双平方形式的加权函数对圆拟合过程进行修正，去除了离群值较大的点，从而使圆拟合更准确。为了准确的定位边缘，提出了利用三角形模糊隶属函数作为加权函数，对边缘选取过程进行修正，从而达到准确提取边缘的目的。同时，本文采用了鲁棒性强的字符提取算法及支持向量机的字符检测算法，实现了字符提取和识别。　　关键词：加权函数；圆拟合；边缘选取；字符检测　　中图分类号：TP18文献标识码：A文章编号：1009-3

2、044（2016）15-0252-03　　Abstract：Inordertosolvetheproblemofinaccurateedgeextractingandcirclefittinginthecommunicationscomponentsmeasurement，amethodforcorrectingtheweightingfunctionisproposed.First，doublesquaredweightingfunctionisadoptedtofitcircleforthecaseofcirclefittingprocesssusceptibletointerfer

3、ence.Circlefittingismoreaccuratebecausetheoutliersareremoved.Inordertoaccuratelylocatetheedge，triangularfuzzymembershipfunctionisadoptedasaweightingfunction，sotheaccurateedgeextractionisachieved.atthesametime，robust5characterextractionalgorithmandcharacterdetectionalgorithmbySVM（supportvectormach

4、ine）isadoptedforcharacterextractingandrecognitionduringthemeasurement.　　Keywords：weightfunction；circlefitting；edgeselecting；symbolsidentifying　　通讯天线设备的电性能直接与设备的各个零部件的精度相关，通讯天线零部件的高精度是保障通信质量的基本条件。通讯机壳零部件的尺寸精度、几何形状精度、相互位置精度、表面粗糙度等都有严格规范和公差范围。在检测过程中不但要高精度地测量几何尺寸、几何形状和相互位置精度，同时还要识别零部件表面的各种符号、数字和字母等。本

5、文以通讯机壳零部件测量为例，以满足精度、提高可靠性为目的，研究了基于单目计算机视觉条件下满足亚像素精度的检测方法，其关键检测技术主要有标定技术、复杂轮廓的基元拟合技术、模糊测量技术和字符提取技术等。文中针对机壳部件测量中，存在圆拟合与边缘提取不准确的问题，提出了利用加权函数进行修正的方法。该方法的基本思想是：圆拟合不准确主要是由于受到较大的离群点影响，因此采用一种双平方模式的加权函数来去除这些离群点，从而得到准确的拟合圆。边缘提取不准确也是由于提取到了不需要的边缘，因此采用三角形模式的加权函数对不需要的边缘进行抑制，只允许正确的边缘输出，从而达到正确检测目的。检测结果表明，所提出的方法能

6、够满足测量要求。由于机壳部件表面的字符也要求识别，因此本文根据字符及其背景，选择了鲁棒性强的动态阀值分割算法和支持向量机分类器实现了字符的检测和识别。5　　1摄像机标定技术　　本文采用传统的摄像机标定方法，利用一个标定板与其图像的对应约束关系来确定摄像机的内参数和外参数。测量中，采用的是远心相机模型。从三维空间坐标到二维图像坐标的映射关系可以使用一个固定数量的参数来表示：　　2最小二乘法的加权拟合　　由于部件的边界点组成的轮廓会产生大量的数据，而我们所关心的是确定部件轮廓的位置信息，因此需要将轮廓拟合成直线、圆、椭圆等基元，进而确定被测部件的形状精度、相互位置精度等关键参数。本文提出一种

7、圆拟合算法，该算法基于各个拟合点的权重值的大小对圆进行拟合，使得到圆更为精确。　　3模糊测量　　相对于经典标准的测量方法，模糊测量对边缘选择更加灵活。它可以依据图像的对比度、位置、尺寸及灰度值等信息实现测量。　　设模糊集合记为；并在[0，1]闭区间的特征函数称为隶属函数，记为，它表示对于的隶属程度，用它来描述“亦此亦彼”的模糊概念。在经典集合论中，集合元素要么属于或不属于集合，该集合的边界是清晰的。模糊集理论则允许有关集合元素模糊渐