机器视觉高精度协同测量方法及应用

机器视觉技术在建筑工地的应用随着科技的不断发展，机器视觉技术在各个领域得到了越来越广泛的应用，其中建筑行业也不例外。

机器视觉技术可以通过摄像头、传感器等工具，对建筑工地进行全方位的监测，从而提高工地安全、效率和管理水平。

一、工地安全监测机器视觉技术可以通过安装摄像头，对工地进行实时监控，不仅可以防止工地内外的入侵破坏，也可以监测工人的作业状况，避免存在的人员、设备和物品互相干扰发生伤害事故。

此外，机器视觉技术也可以对工地进行危险源监测。

比如，在高空作业时，可以配备高空作业监控系统，通过摄像头实时监测高空作业人员的安全情况，一旦出现危险情况，及时预警并采取措施。

二、工地管理监测在建造过程中，各种施工设备需要在工地内协同工作，如吊车、混凝土泵车等。

由于操作的需要，工地的路况一定是相对复杂，施工车辆和人员的运行轨迹难以掌握。

在这种情况下便会出现一些不必要的交通事故和设备碰撞，甚至工人人身伤害。

为了更好的管理维护，可以在重要位置建立摄像头。

通过监测工地上的器材、材料等来确保进出工地的物资安全。

通过监测工人的操作流程，挖掘存在的问题和不足，做出相应的改善。

另外，工地人员安全防护的难以平衡问题也可以由机器视觉科技来解决。

通过解析工人的流量情况、工作区域等因素，分析出人员的分布图和热力图，并且很容易查看在某个区域所涉及的人员数量，从而实现人员分配优化，做到最大化安全及效能。

三、工地效率提升建筑工地上除了要保证安全，也需要高效率的管理。

机器视觉技术可以快速精准的处理海量数据，对工地进行全面的管理。

例如，可以通过传感器对建筑材料在工地中的存放和使用进行全方位监测，做到极致的管理，大大提高了施工的效率。

同时，通过立体识别技术对现场环境进行实时数据采集，可以提前识别并处理因现场条件变化所引起的延迟和问题，保持工作进度。

总结机器视觉技术的应用可谓是家喻户晓，其在建筑工地上的应用也越来越受到建筑行业的关注。

它不仅可以提高工地安全管理水平，也可以加强对工地的管理，最大化提高工地的管理效能，创造更大的经济效益。

基于机器视觉滑轨截面圆弧尺寸的测量方法
吕庆海;王中任;周署明;柯希林;刘海生;颜明
【期刊名称】《制造技术与机床》
【年(卷),期】2024()2
【摘要】为解决汽车座椅滑轨截面圆弧尺寸人工检测效率低、一致性差的问题,文章提出了一种基于卡尺边缘检测与Tukey算法相结合的测量方法,实现滑轨截面圆弧尺寸高效率、高精度的检测。

首先对采集到的图像做双边滤波处理,去除图像中的噪声,再通过HALCON算法库中的Emphasize算子对图像做处理,突出图像边缘信息;然后通过卡尺边缘检测算法提取圆弧边缘点;最后结合加权Tukey的最小二乘法分离出异常点并完成圆的拟合。

实验结果表明,该方法可实现滑轨截面圆弧尺寸的快速检测,测量系统稳定性好、可靠性高,测量误差均在0.08 mm之内,重复测量精度可达0.02 mm。

【总页数】6页(P99-104)
【作者】吕庆海;王中任;周署明;柯希林;刘海生;颜明
【作者单位】湖北文理学院机械工程学院;智能制造与机器视觉襄阳市重点实验室;襄阳寒桦精机有限公司
【正文语种】中文
【中图分类】TG86
【相关文献】
1.基于机器视觉的气管插管圆弧半径测量方法研究
2.基于机器视觉的多圆弧对称零件测量方法研究
3.基于机器视觉的线缆截面积测量方法分析
4.基于机器视觉的无接触快速尺寸测量方法
5.基于机器视觉的木窗双端铣削加工尺寸测量方法
因版权原因，仅展示原文概要，查看原文内容请购买。

机器视觉技术在汽车制造中的应用教程汽车制造行业一直以来都是工业领域中的重要组成部分，随着科技的进步与发展，机器视觉技术在汽车制造中扮演着越来越重要的角色。

本文将为大家介绍机器视觉技术在汽车制造中的应用教程，帮助读者更好地了解和应用这一技术。

一、机器视觉技术概述机器视觉技术是一种利用计算机和图像处理算法对图像进行分析、识别和处理的技术。

通过模拟人眼的感知能力，机器视觉技术可以对图像进行精确的分析和识别，并完成复杂的任务。

二、机器视觉技术在汽车制造中的应用1.质量控制在汽车制造过程中，质量控制是至关重要的一环。

机器视觉技术可以通过对汽车零部件的检测，精确地判断是否存在缺陷，如表面裂纹、变形等。

传统的质检方法往往耗时且容易出现漏检，而机器视觉技术能够实时进行检测，提高质检效率和准确性。

2.组装与定位在汽车制造过程中，需要大量的机械零部件进行组装。

利用机器视觉技术，可以实现对零部件的自动定位和准确组装。

通过图像处理算法，机器视觉系统可以识别零部件的特征点和轮廓，将其准确地放置到指定位置。

3.零部件识别与分类汽车制造过程中，需要对各种零部件进行识别和分类。

机器视觉技术可以根据事先设定好的特征来对零部件进行自动识别，并进行相应的分类和分拣。

这大大提高了汽车制造过程中零部件的识别和分类的速度和准确性。

4.自动驾驶技术自动驾驶技术是近年来汽车制造业的一项重要创新。

机器视觉技术在自动驾驶中发挥了重要作用。

车载的摄像头和传感器能够实时获取路况信息和周围的障碍物，通过机器视觉技术对图像进行处理和分析，实现车辆的自主导航和避障。

5.智能安全系统机器视觉技术还可以应用于汽车的智能安全系统中。

例如，通过摄像头和图像处理算法，可以实现车道偏离预警、行人检测和自动紧急制动等安全功能。

这些智能安全系统可以提供更好的驾驶保护和安全性。

三、机器视觉技术应用教程1.选购合适的机器视觉设备在开始应用机器视觉技术之前，首先要选购合适的机器视觉设备。

高精度移动目标位姿测量方法胥芳; 丁信斌; 占红武【期刊名称】《《高技术通讯》》【年(卷),期】2019(029)002【总页数】15页(P119-133)【关键词】核相关滤波(KCF); 卡尔曼滤波; 目标跟踪; 机器视觉; 位姿测量【作者】胥芳; 丁信斌; 占红武【作者单位】浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室杭州310023【正文语种】中文0 引言随着近年来微机电系统(micro-electro-mechanical system，MEMS)技术的发展，具有体积小、运动速度快、定位精度高、结构简单、能耗低等特点的微小型机器人在微操作、微装配等精密作业领域有了越来越广泛的应用。

如微型装配机器人、微型仿真机器鱼以及用于大幅面数字打印的微小型移动机器人。

微型机器人完成各种微操作的基础在于对其高精度的位姿测量，即运动分辨率要高。

测量这些机器人的位姿变化对于其轨迹规划和控制效果检测有重要意义。

微型机器人的定位主要分为相对定位和绝对定位。

相对定位如Kelly和Pugh等人[1，2]提出的利用红外发送器、红外接收器实现微型移动机器人群中机器人的相对定位算法，系统最大测距范围是3 m,最大误差是8%，最大范围误差是17.4 °。

Qazizada等人[3]采用陀螺仪、加速度计组成的惯性导航系统，通过测量机器人相对于初始位置的距离和方向确定机器人当前位姿，由于陀螺仪和加速度计存在静态漂移与积分累计误差越来越大的问题，不适合高精度定位。

绝对定位常采用信标定位和全局视觉定位，张永顺等人[4]利用超声波定位原理结合渡法和相位测量法实现了管内游动微型机器人的在线定位，能够在1 m的范围内实现0.111 mm测距精度。

Diederichs等人[5]利用显微相机实现对微型移动机器人目标的检测、分类、定位和跟踪。

该方法能实现纳米级操纵但对目标大小和运动速度有要求。

视觉测量由于其非接触性和高精度特性被广泛用于对微型机器人的跟踪定位中，而实现高精度、高速度检测对目标跟跟踪算法有较高要求。

高精度机器视觉三角形角度测量方法研究摘要：随着机器视觉技术的不断发展和应用，对于三角形角度的测量需求日益增加。

本文基于高精度机器视觉技术，研究了三角形角度测量方法，通过对三角形特征点的提取和处理，实现了对三角形角度的准确测量。

实验证明，该方法具有较高的准确度和稳定性，能够满足大多数实际应用的需求。

1. 研究背景三角形是几何学中最基本的形状之一，其角度的准确测量对于许多领域具有重要意义，如制造业、机器人导航和计算机辅助设计等。

传统的三角形角度测量方法主要依赖人工测量，存在主观性强、易引入误差和效率低等问题。

随着机器视觉技术的快速发展，利用计算机视觉方法实现高精度三角形角度测量成为可能。

2. 方法介绍（1）特征点提取：利用机器视觉算法提取三角形图像上的特征点，可采用传统的角点检测算法或深度学习方法。

特征点的准确提取是后续测量的基础，需要通过优化算法参数或数据预处理等手段提高提取的准确性和稳定性。

（2）特征点匹配：通过特征点的匹配，将三角形的特征点与模板进行对应，建立特征点之间的联系，并计算特征点之间的距离和角度。

（3）角度计算：根据特征点之间的距离和角度的计算公式，计算三角形的角度。

常用的计算公式包括余弦定理和正弦定理等。

（4）误差补偿：由于机器视觉系统本身存在精度误差，需要进行误差补偿。

可以通过标定相机参数、校正图像畸变等方法，提高测量的准确性。

3. 实验设计（1）设备和软件：使用高性能的机器视觉设备，搭配适当的图像处理软件，实现三角形角度测量。

（2）实验样本：准备一批具有不同尺寸和形状的三角形样本，包括等边三角形、直角三角形和一般三角形等。

（3）实验步骤：首先对样本进行图像采集和预处理，然后使用提取特征点的算法对图像进行处理，建立特征点之间的联系，最后计算三角形的角度并进行误差补偿。

（4）实验参数：调整和优化特征点提取算法的参数，控制实验的环境，如光照条件和距离等。

（5）实验数据分析：对实验得到的数据进行统计分析，评估该方法的测量准确性和稳定性。

机器视觉在工业中的应用在当今的工业领域，机器视觉技术正以惊人的速度发展，并在生产流程中发挥着日益重要的作用。

简单来说，机器视觉就是让机器具备像人一样的“眼睛”和“大脑”，能够对物体进行识别、测量、检测和定位等操作。

机器视觉系统通常由图像获取设备（如相机）、图像处理软件、执行机构以及相关的硬件设备组成。

其工作原理是通过相机获取物体的图像，然后利用图像处理软件对图像进行分析和处理，提取出有用的信息，最后根据这些信息控制执行机构完成相应的任务。

在工业生产中，机器视觉的应用范围非常广泛。

其中，质量检测是一个重要的应用领域。

在传统的生产线上，产品质量的检测往往依赖人工进行，这不仅效率低下，而且容易出现漏检和误检的情况。

而机器视觉技术能够快速、准确地对产品的外观、尺寸、形状等进行检测，大大提高了检测的效率和准确性。

例如，在电子制造业中，机器视觉可以检测电路板上的元件是否安装正确、焊点是否良好；在汽车制造业中，机器视觉可以检测车身的漆面是否有瑕疵、零部件是否符合规格。

机器视觉在工业中的另一个重要应用是零件识别和分类。

在大规模的生产中，往往需要对大量的零件进行快速准确的识别和分类。

机器视觉系统可以通过对零件的形状、颜色、纹理等特征进行分析，实现自动化的识别和分类。

这不仅提高了生产效率，还降低了人工操作带来的错误率。

此外，机器视觉还被广泛应用于工业机器人的引导和定位。

工业机器人在执行任务时，需要准确地知道被操作物体的位置和姿态。

机器视觉系统可以通过对物体的识别和定位，为机器人提供准确的坐标信息，从而引导机器人完成抓取、装配等操作。

这使得工业机器人能够更加灵活、高效地完成复杂的任务，提高了生产的自动化水平。

在印刷和包装行业，机器视觉也有着重要的作用。

它可以检测印刷品的颜色、套印精度、图案完整性等，确保产品的质量符合标准。

同时，在包装过程中，机器视觉可以对产品的包装位置、标签贴附情况进行检测，保证包装的准确性和一致性。

基于机器视觉的产品尺寸自动检测系统设计随着工业生产的日益发展和自动化程度的不断提高，工业自动化技术也越来越成熟。

其中机器视觉技术就是其中的一种重要的技术手段。

机器视觉技术主要通过计算机视觉系统来实现对物品的自动识别、检测、计量和分类等功能。

机器视觉技术及其相关产品应用广泛，例如工业自动生产线上的产品检测、智能交通系统中的车辆识别等。

本文主要介绍如何基于机器视觉技术来设计一个产品尺寸自动检测系统。

一、机器视觉技术的原理和应用机器视觉技术是一种通过计算机对图像信息进行处理和分析，实现自动识别、检测、计量和分类等功能的技术手段。

将这种技术应用到产品尺寸自动检测系统中，可以实现自动检测各种产品的尺寸、形状、位置等信息。

机器视觉技术主要包括图像采集、图像处理和图像识别三个方面。

图像采集：利用摄像机、线阵列扫描器、CCD、CMOS等各种不同的图像数据采集设备，将物品表面图像转化为数字信号，用以进行后续的图像处理和分析。

图像处理：对采集到的图像进行数字化、滤波、增强、分割等处理，以便对目标物体进行特征提取和分析。

图像识别：通过特征提取和匹配，对进行分类或定位等操作，以实现对目标物体的自动检测、计量、分拣和分类等功能。

二、产品尺寸自动检测系统的设计方案1、系统硬件设计系统硬件主要由采集设备、采集控制器、图像处理器、分析处理器、输出设备等组成。

其中采集设备主要采用CCD或CMOS的形态，并与采集控制器相连，控制信号进入采集设备后对尺寸进行采集。

图像处理器主要对采集的信号进行滤波和增强处理，并采用数字化处理方式，使用数字信号处理芯片实现。

分析处理器主要对处理后的信号进行分析和识别，根据实际情况使用FPGA或DSP进行处理。

2、系统软件设计系统软件的设计主要包括图像获取软件、图像处理软件和图像识别软件，软件运行在嵌入式操作系统中。

图像获取软件主要运行在采集控制器中，其主要作用是控制采集设备和实时采集信号。

图像处理软件主要通过计算机进行处理，并将处理结果传输给图像识别软件进行处理，这里主要应用数字化信号处理和算法处理。

基于机器视觉的尺寸测量应用综述韩茜茜;耿世勇;路向阳【摘要】随着机器视觉技术的不断发展以及工业智能化水平的不断提高,将机器视觉应用于尺寸测量中成为尺寸测量的发展趋势.本文首先阐述了机器视觉的特点及方法研究,介绍了机器视觉尺寸测量系统的硬件部分主要由计算机、光源、图像传感器、镜头以及被测对象等组成,软件部分主要由图像预处理、图像滤波、边缘检测等图像处理算法组成,然后分析了国内外的研究现状以及机器视觉测量技术的发展趋势,指出从软件算法入手,不断开发更优的图像处理算法,使图像处理及分析每个流程所涉及的算法的准确性及鲁棒性更高.【期刊名称】《河南科技》【年(卷),期】2019(000)005【总页数】3页(P8-10)【关键词】机器视觉;尺寸测量;研究现状;测量精度【作者】韩茜茜;耿世勇;路向阳【作者单位】中原工学院电子信息学院,河南郑州 450000;中原工学院电子信息学院,河南郑州 450000;中原工学院电子信息学院,河南郑州 450000【正文语种】中文【中图分类】TP391.41机器视觉是指通过计算机来模拟人的视觉功能。

传统的尺寸测量方法，如需要人工操作的游标卡尺、千分尺、量规的测量方法，测量精度低、效率低，不适合工业生产中大批量测量；三坐标测量机具有测量精度高、效率高的优点，但由于需要接触被测对象，这种接触性的测量可能会损伤被测对象；超声波测量法适用的测量环境局限性大，空气温湿度对其灵敏度影响较大。

将机器视觉［1-2］应用于尺寸测量中，具有非接触性、测量效率高的特点，同时可实现在线高精度测量，因此机器视觉技术在尺寸测量中的应用越来越广泛。

1 机器视觉测量技术方法研究基于机器视觉的尺寸测量系统由硬件系统和软件系统构成，硬件系统主要包括光源、图像传感器、镜头、PC机以及其他相关硬件设备。

硬件系统中的光源是机器视觉尺寸测量的硬件部分中需要考虑的第一个重要因素，光源的选择会直接影响所采集被测量对象的图像质量，从而对输入数据信息的可靠性造成影响。

基于机器视觉的三角形尺寸测量方法研究与精度评估近年来，随着机器视觉技术的快速发展，基于机器视觉的尺寸测量方法在工业生产和质量控制中得到了广泛应用。

三角形是几何形状中最简单的一种，而三角形的尺寸测量又是很多工程和科学领域中常见的需求。

因此，基于机器视觉的三角形尺寸测量方法的研究与精度评估具有重要意义。

首先，我们需要明确三角形尺寸测量的目标。

通常情况下，测量三角形的尺寸主要包括三边长和三个内角。

对于机器视觉技术来说，根据图像处理和计算机视觉算法，我们可以从图像中提取并测量出三角形的边长和内角。

对于三角形边长的测量，通常采用的是基于边缘检测的方法。

首先，需要对图像进行预处理，例如去噪、灰度处理等，然后应用边缘检测算法，如Canny算子或Sobel算子，来提取出三角形的边缘。

接下来，根据边缘的位置信息，可以计算出三角形的边长。

在测量过程中，为了提高精度，可以采用自适应阈值、边缘连接等技术来处理不同图像的复杂性和噪声干扰。

而对于三角形内角的测量，常用的方法之一是基于轮廓拟合的方法。

通过提取图像中的三角形轮廓，并应用轮廓拟合算法，如最小二乘拟合或泊松拟合，可以获取三角形的内角信息。

此外，还可以利用特征点提取算法，如Harris角点检测或SIFT算法，来提取三角形内角的位置信息，从而实现测量。

在进行基于机器视觉的三角形尺寸测量时，我们需要考虑系统的精度评估。

精度评估主要包括系统误差和重复性的评估。

系统误差是指测量结果与真实值之间的偏差，而重复性则是指在相同测量条件下，多次测量所得结果之间的差异。

为了评估系统的精度，可以通过与标准测量方法的对比，或者通过多次重复测量并进行统计分析来获得测量结果的稳定性和一致性。

同时，还可以应用误差传递分析和可追溯性评估等方法，对系统的不确定性进行评估。

为了提高基于机器视觉的三角形尺寸测量方法的精度，我们还可以采取一些改进措施。

例如，通过提高图像分辨率和灰度分辨率，减小光源和传感器的误差，使用高精度的相机和透镜等方式来改善测量系统的精度。

工业机器人中机器视觉的应用目录一、内容概览 (1)二、机器视觉技术概述 (2)1. 定义与发展趋势 (3)2. 技术原理及主要特点 (4)3. 应用领域及案例分析 (6)三、工业机器人的现状与发展趋势 (7)1. 工业机器人的发展历程及分类 (9)2. 工业机器人的市场需求与前景展望 (10)四、机器视觉在工业机器人中的应用场景分析 (11)1. 定位与识别应用 (13)2. 路径规划与导航应用 (14)3. 质量控制与检测应用 (15)五、机器视觉技术在工业机器人中的实际应用案例研究 (16)1. 汽车制造业中的视觉分拣机器人应用案例研究 (18)2. 电子制造业中的视觉检测机器人应用案例研究 (19)一、内容概览引言：简要介绍工业机器人和机器视觉的基本概念，阐述机器视觉在工业机器人中的重要性。

机器视觉技术原理及组成：介绍机器视觉系统的基本原理、主要组成部分以及工作流程，包括图像采集、图像处理和分析等环节。

机器视觉在工业机器人中的应用：详细介绍机器视觉在工业机器人中的具体应用案例，包括识别、定位、测量、导航和分拣等环节。

机器视觉可以帮助机器人实现自动化操作，提高生产效率和产品质量。

机器视觉技术的发展趋势与挑战：分析机器视觉技术的发展趋势，包括算法优化、硬件升级和系统集成等方面。

探讨机器视觉在工业机器人应用中面临的挑战，如光照条件、物体形状变化等问题。

工业机器人在智能制造中的角色：阐述工业机器人在智能制造中的地位和作用，以及机器视觉在其中的贡献。

工业机器人与机器视觉的结合将推动智能制造向更高水平发展。

总结机器视觉在工业机器人中的应用现状和发展前景，展望未来的发展趋势，并对相关技术和产业提出建议。

本文旨在为读者提供一个关于工业机器人中机器视觉应用的全面概述，帮助读者了解机器视觉在工业机器人领域的应用现状和发展趋势。

二、机器视觉技术概述机器视觉是一种利用计算机和图像处理技术来模拟人类视觉系统，对物体进行识别、定位和测量等方法的技术。

大幅面多相机高精度定位及测量解决方案日期：2011年12月27日14:58随着机器视觉应用的日益广泛，大幅面多相机视觉系统的需求越来越多，主要应用方向为大幅面高精度的定位与测量和场景拼接等。

多相机视觉系统的难点在于多相机坐标系的统一，可以分为两类，一是相机视野间无重叠部分，二是相机视野间有重叠部分。

相机间无重叠部分的情况主要用于大幅面多相机高精度的定位和测量，相机间有重叠部分的情况主要用于场景的拼接等使用大标定板统一坐标的方法方案简介：此方法采用一块大标定板来统一各个相机的坐标，每个大标定板中有若干小标定板，各个小标定板间的位置关系都是已知的，各个相机都能拍摄到一个小标定板。

通过各个小标定板可以标定每个相机的内部参数和外部参数，每个相机的坐标都可以转换到各个小标定板的坐标系上，从而统一各个相机的坐标。

系统结构：相机在各个位置拍摄mark图像，通过图像处理方法得到mark坐标常用的标定板形式：上图所示为单个标定板图像，大标定板由若干单个标定板组成，标定板的大小和数量根据实际测量情况而定。

多个标定板组合示意图：案例分析：（1）检测目标分析测量产品需要若干个测量指标。

如下图所示。

（2）图像获取采用4只相机来完成所有项目的测量，分别拍到的照片如下图所示。

（3）检测流程先分别利用每张图的两条垂直边计算出它们的交点，那么得到的4个交点就可以算出L1和L2的值，如下图所示。

利用4个边角图来测量4个角的L3，如下图所示，这里可以选择测量多个点，也可以取它们的平均值。

注意事项：此种方法需要将多只相机的坐标统一到一个坐标系中，并且单一相机还要做自己的校准，保证精度。

根据检测要求，设置取多少个点作为参考，但是这影响测试的时间，需酌情考虑。

应用领域：手机和平板电脑面板尺寸的检测。

相对运动统一坐标的方法方案简介：此方法采用相机和被测物之间的相对运动来统一相机的坐标，相机和被测物只要一方运动即可，记录各个位置的坐标，然后通过数学运算来统一坐标。

机器视觉多视场协同测量方法何博侠;何勇;卜雄洙;商飞【期刊名称】《光学精密工程》【年(卷),期】2012(020)012【摘要】提出了机器视觉多视场协同测量方法以实现二维几何特征的现场高精度自动测量.介绍了该方法的基本原理,研究了实现多视场协同测量的关键技术.首先,建立测量空间,在大视场图像上识别被测特征并规划测量路径,建立大视场图像坐标与测量空间坐标之间的映射关系；根据测量路径,在测量空间中完成小视场序列图像的自动采集.然后,建立大视场图像坐标与小视场图像坐标之间以及相邻小视场图像坐标之间的映射关系,据此关系,在小视场图像的相应位置搜索并构建精细的辅助测量特征.最后,根据小视场序列图像在测量空间中的方位,求解各局部被测特征参数并进一步求和得到整体被测特征参数.应用该方法对φ150 mm圆盘上分布的100mm孔距进行测量实验,结果表明,相对误差的绝对值不超过0.03％.该方法测量精度不受机械坐标精度的影响,适用于在工业现场组建高精度自动测量系统.【总页数】9页(P2821-2829)【作者】何博侠;何勇;卜雄洙;商飞【作者单位】南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094【正文语种】中文【中图分类】TP246;TH741【相关文献】1.机器视觉核桃分级中相机可变视场与像素转换系数自动获取方法 [J], 郭政;周军;史建新;蔡建2.面向微尺度对象的多视场协同测量方法研究 [J], 刘国华;李涛3.机器视觉大视场宽景深光学系统设计 [J], 李京蔓;向阳;李琦;景桂芬;郭金明4.多相机非共视场的非合作圆特征位姿测量方法 [J], 宋代平; 陆璐5.基于机器视觉检测的大视场双远心光学系统设计 [J], 林峰因版权原因，仅展示原文概要，查看原文内容请购买。

基于机器视觉的高精度测量与装配系统设计焦亮;胡国清;吕成志;赵朋飞【摘要】在对某些精密产品实现自动化生产过程中,存在难以对装配该产品所需的多种装配小零件进行高精度自动测量与装配的问题;针对该问题,搭建了基于机器视觉技术的自动化测量与装配系统;基于Halcon图像处理软件平台,对零件图像进行了中值滤波、图像增强等预处理;采用了Canny算法对零件求取像素精度的边缘,并运用椭圆曲线拟合法获取了亚像素精度边缘;建立了两种相机镜头畸变模型,采用径向排列约束(RAC)标定法与张正友标定法对相机进行了标定,并对标定精度进行了对比;实验结果表明:本系统的装配同轴度精度能达到0.05 mm,零件尺寸测量标准差低于3.8 μm,满足工业需求,可以解决工业实际问题.【期刊名称】《计算机测量与控制》【年(卷),期】2016(024)007【总页数】5页(P72-75,81)【关键词】机器视觉;自动化装配;亚像素精度;畸变模型;相机标定【作者】焦亮;胡国清;吕成志;赵朋飞【作者单位】华南理工大学机械与汽车工程学院,广州 510640;华南理工大学机械与汽车工程学院,广州 510640;华南理工大学机械与汽车工程学院,广州 510640;华南理工大学机械与汽车工程学院,广州 510640【正文语种】中文【中图分类】TP391.41随着工业自动化的发展，机器视觉广泛应用于工业领域，主要集中在电子行业、半导体行业、航天、测量等行业。

机器视觉作为工业机器人获得外界环境信息的主要手段，可以提高工业生产的柔性与自动化程度，这使得对多种小零件的高精度测量与装配工作实现全自动化生产装配成为可能，可以提高装配效率，一般小零件的高精度装配对环境洁净度要求较高，实现自动化生产装配后，有利于对装配环境的保持与维护，减少了对装配环境维持的成本，提高了工业生产的稳定性与合格率。

机器视觉具有高效率和针对性强两大特点，面对各类工业需求，运用机器视觉技术开发相应的设备与解决方案，并取得了较理想的效果，王冠英等人采用线阵CCD 扫描仪与Matlab图像处理技术相结合的方法，对织针针坯模具进行快速、准确地非接触测量，并取得了3 μm的测量精度[1]；查英等人运用机器视觉技术构建了针对工业装配生产线的削刀架自动装配问题的在线视觉系统，取得了100%的识别零件正确率[2]；李钊宝等人运用基于转轴法的外切矩形法对工件进行定位，并通过双线性差值算法实现工件边缘的亚像素提取，最终实现了0.015 mm的测量重复性精度 [3]；郭瑞等人设计了视觉系统到机器人的坐标标定及坐标值计算，实现了视觉系统对机器人精确定位的引导[4]。