基于机器视觉的3D打印表面缺陷多角度在线检测技术研究

摘要

近年来，熔融沉积成型3D打印技术发展非常迅速，但是打印过程中产生的缺陷不仅影响零件的外观、使用性能，造成时间、材料的浪费，更严重制约了熔融沉积成型工艺的进一步发展。本文在调研国内外3D打印缺陷检测技术发展状况和最新研究成果的基础上，提出3D打印外表面缺陷多角度在线视觉检测新方案。针对现有视觉检测技术中模型自身特征与真实缺陷的误识别问题，提出面向模型自特征的虚实匹配缺陷检测算法，以减少误检率，提高检测准确度。本文主要研究内容及创新工作如下: 首先开展机器人3D打印多角度视觉检测系统硬件结构和控制系统的设计。基于3D打印切片和路径规划的原理，提出一种多角度视觉缺陷检测方法，将相机视角调整至打印路径中垂线方向，以保证相机始终与打印表面垂直，并提供良好的图像采集视角。 针对3D打印场景及零件表面特性，结合VC++和OpenCV开发图像检测系统。为提高特征的可检测性，在直方均衡、LBP、中值滤波等预处理的基础上，根据3D打印零件的层叠纹理特征，提出一种掩膜滤波方法，以增大前景与背景的对比度。 进而，根据3D打印中缺陷几何形态设计缺陷识别与分析算法。基于3D打印层叠不变性以及世界坐标系与图像像素坐标系的映射关系，提出基于图像形态学分割的双核缺陷识别技术。针对缺陷的离散性和无序性问题，提出基于位置关系的缺陷区域扩大法，并由合并后的缺陷轮廓的中心坐标、纵横比、面积及其分布来构成缺陷的数学表达，便于后续对零件的缺陷分析及质量评价。 由于现有视觉检测算法只能检测表面变化平缓的零件，而对于梯度变化较大的表面，则常常将自身特征误识别为缺陷。因此本文提出面向特征的虚实匹配缺陷检测算法，将实验图片检测结果与同等映射关系下模型的自特征投影的理论结果对比，实现缺陷与模型自身特征的识别。基于点间位置关系及连续性从离散点云中筛选出可视点，并根据可视点间的可视连续性和角度变化提取特征点，然后通过单目标定获取的映射关系和畸变模型得到理论投影图像。最后，通过理论图片与实验图片中各轮廓参数之间相似度的加权函数来区别自身特征和缺陷，以此减少误检率，提高检测准确度。

目录

声明

致谢

摘要

图目录

表目录

1．绪论

1．1研究背景及意义

1．2国内外研究现状

1．2．1缺陷检测方法研究现状

1．2．2 3D打印缺陷检测研究现状

1．3课题主要研究内容

1．3．1主要研究内容

1．3．2论文框架

2机器人3D打印多角度视觉检测系统设计

2．1多角度视觉检测系统原理

2．2硬件系统设计

2．3控制流程设计

2．4本章小结

3 3D打印图像检测系统及预处理方法研究

3．1图像检测系统流程设计

3．2图像预处理方法

3．3基于层叠特性的掩膜滤波

3．4本章小结

4基于几何形态的打印缺陷识别与分析

4．1基于层叠不变性的缺陷检测理论基础

4．2图像形态学分割双核缺陷识别技术

4．3基于区域扩大的缺陷轮廓分析

4．4轮廓几何形态的缺陷分析

4．5实验及分析

4．6本章小结

5面向特征的虚实匹配缺陷检测研究

5．1虚实匹配算法流程设计

5．2模型切片及点云存储方式

5．3自特征提取

5．3．1模型特征点的提取

5．3．2自特征轮廓投影成像

5．4虚实匹配评价函数

5．5实验及分析

5．6本章小结

6总结与展望

6．1本文总结

6．2展望

参考文献

攻读硕士学位期间科研成果