基于光電成像的軸類尺寸多參數測量*

付書媛，陸佳琪，丁 暢,b，黃 揚，高興宇，趙澤鑫

(桂林電子科技大學a.機電工程學院；b.認知無線電與信息處理重點實驗室，桂林 541004)

0 引言

軸類零件是機械工業中極為常見的零件之一，其幾何尺寸與精度直接影響機械的運動性能、零件裝配等。在我國大多數機械加工企業的現場中，采用較為傳統的手工測量。因此，研究低成本、高精度、高效率的軸類零件尺寸自動檢測的圖像系統，同時研究其成像后的圖像預處理算法以及圖像測距算法具有重要意義[1-2]。

在工業相機采集的圖像的預處理方面，對所要檢測和測量的圖像信息進行突出和增強有助于提高后續識別的檢測率[3-4]。在計算機視覺的缺陷、劃痕、污漬檢測方面，主要有兩種思路，第一種思路為特征信息的獲取與處理[5-6]、目標所在局部區域定位與后續可能用到的計算機圖形學展示[7-8]。第二種思路是基于深度學習的缺陷檢測[9-10]，主要關鍵技術為特征數據集構建、特征維數選取、數據壓縮與池化策略、小樣本學習等。當前的研究工作對于圖像檢測和距離測量中一般的圖像處理單元都是整幅圖像，很少涉及使用者所指定的局部區域或多組參數測量。本算法可針對于使用者選取的多組邊緣線，而后通過查找樣本點，擬合邊緣線等方法對多組邊緣線進行空間圖形的顯示，并實現距離的亞像素級的高精度測定。傳統的Canny算子邊緣檢測[11]依靠非極大值抑制機制和滯后閾值法在檢測圖像邊緣信息時通常可以避免邊緣的二次檢測，并且具有沿最大梯度方向查找相鄰像素的邊緣連接能力，工業相機采集到的圖像具有雙邊緣線特點，利用Canny算子[11]進行邊緣檢測達不到亞像素精度。……