基于机器视觉的简支梁挠度检测方法研究

摘要

许多大型的工业检测设备采用了简支梁的结构，简支梁在工作时由于长期负荷等原因会产生挠度，挠度的产生会导致检测设备的测量精度低，因此，简支梁的挠度检测对校正检测设备的测量值，提高测量精度具有重要的意义。 在检测筒状构件的内表面质量时，采用了简支梁结构的检测方案。本文以检测方案中10米长的简支梁为研究对象，针对简支梁的结构特点，设计了一种基于机器视觉的挠度检测方案，在简支梁一端支架上安装激光器，形成一条水平方向的激光光束，在简支梁上的移动小车上安装一个接收屏，CCD相机采集接收屏上的激光光斑，获取光斑图像，通过对图像进行分割等处理，得到光斑在检测过程中的位置变化，计算出简支梁各位置上的挠度。本文首先介绍了挠度检测的方案，并完成了硬件方案设计与器件选型，随后介绍了软件方案的实现。针对光斑图像的处理，通过均值滤波、中值滤波与高斯滤波的对比，选用中值滤波对图像进行噪声的去除；对光斑图像进行分割时，对比了基于最大熵的阈值分割、基于迭代法的阈值分割、大津法等方法，最终采用了一种基于灰度和邻域均值的二维大津法对图像进行阈值分割，提取出了大小基本一致的光斑图像，并用形态学方法对提取出的光斑图像进行了边缘优化。由于拍摄图像时CCD相机与光屏的位置关系，光斑图像中存在着梯形畸变，本文采用了一种基于控制点的坐标变换方法，对畸变图像进行了校正，并通过对比分析，选取了双线性插值法对图像进行了灰度重建，并利用棋盘格模板进行标定，求出了图像像素坐标与实际距离的对应关系。最后进行了实验验证，采用形心法、灰度重心法和圆拟合法对光斑中心点进行定位，通过数据对比分析，得出了灰度重心法具有良好的效果，并测出了10米长的简支梁的挠度曲线。 实验证明，采用机器视觉的技术对简支梁的挠度进行检测，精度可以达到0.05mm以下，为高精度的基于简支梁结构的检测设备提供了精度保障。

目录

声明

1 绪论

1.1 课题背景及意义

1.2 挠度检测技术的研究现状

1.2.1 人工测量法

1.2.2 自动测量法

1.3 光斑图像处理的研究现状

1.4 论文研究内容及结构安排

2 总体方案

2.1 检测对象与指标

2.2 检测方案设计

2.3 方案的硬件实现

2.3.1 激光器的选取

2.3.2 CCD相机的选取

2.3.3 光学镜头的选取

2.3.4 光屏的选取

2.4 方案的软件实现

2.5 本章小结

3 光斑图像的降噪与分割方法

3.1 光斑图像的采集

3.2 图像预处理

3.2.1 均值滤波

3.2.2 中值滤波

3.2.3 高斯滤波

3.2.4 滤波方法的选择

3.3 光斑图像的分割方法

3.3.1 边缘轮廓法

3.3.2 基于阈值的图像分割方法

3.4 形态学处理

3.5 本章小结

4 光斑图像的标定与校正

4.1 图像畸变分类

4.2 光斑图像的梯形畸变

4.3 梯形畸变校正方法

4.3.1 坐标变换

4.3.2 灰度重建

4.4 相机标定

4.5 本章小结

5 简支梁挠度的计算与分析

5.1 光斑中心的定位算法

5.1.1 形心法

5.1.2 灰度重心法

5.1.3 圆拟合法

5.2 实验测量

5.2.1 实验方法及装置

5.2.2 光斑中心定位精度的测量

5.2.3光斑中心定位重复性的测量

5.3 数据对比与分析

5.3.1 不同位置的光斑中心定位的精度对比

5.3.2 不同位置的光斑中心定位的重复性对比

5.4 简支梁的挠度测量

5.5 误差分析

5.5.1 激光光源的影响

5.5.2 光屏的影响

5.5.3 其它因素的影响

5.6 本章小结

6 总结与展望

参考文献

攻读硕士学位期间发表的论文和研究成果

致谢