前言
第1章 緒論
1.1 機(jī)器視覺
1.1.1 機(jī)器視覺理論框架的建立
1.1.2 機(jī)器視覺系統(tǒng)的基本構(gòu)成
1.1.3 機(jī)器視覺的應(yīng)用
1.2 機(jī)器視覺精密測(cè)量
1.3 機(jī)器視覺測(cè)量技術(shù)的發(fā)展
第2章 機(jī)器視覺精密測(cè)量系統(tǒng)
2.1 機(jī)器視覺測(cè)量硬件系統(tǒng)
2.1.1 工業(yè)相機(jī)
2.1.2 鏡頭
2.1.3 光源
2.1.4 圖像采集卡
2.1.5 機(jī)械運(yùn)動(dòng)模塊
2.2 機(jī)器視覺測(cè)量坐標(biāo)系
2.2.1 坐標(biāo)系的建立
2.2.2 坐標(biāo)系之間的坐標(biāo)變換
2.3 視覺測(cè)量系統(tǒng)的誤差來源
2.3.1 成像模型誤差
2.3.2 透視誤差
2.3.3 邊緣檢測(cè)算法的定位誤差
2.4 機(jī)器視覺測(cè)量系統(tǒng)的標(biāo)定與補(bǔ)償
2.4.1 標(biāo)定參照物的選擇
2.4.2 標(biāo)定采樣點(diǎn)的確定
2.4.3 像素當(dāng)量的標(biāo)定
2.4.4 光學(xué)畸變誤差的標(biāo)定
2.4.5 光源強(qiáng)度對(duì)邊緣位置影響的標(biāo)定與補(bǔ)償
2.4.6 實(shí)驗(yàn)與分析
第3章 微米級(jí)亞像素邊緣定位
3.1 圖像去噪處理
3.1.1 噪聲的分類
3.1.2 常用的去噪算法
3.2 亞像素定位原理及常用方法
3.3 高斯積分模型
3.3.1 背光圖像邊緣特征
3.3.2 模型數(shù)值化計(jì)算
3.4 基于高斯積分曲線的亞像素邊緣定位
3.4.1 圖像像素級(jí)邊緣的提取
3.4.2 算法實(shí)現(xiàn)
3.5 基于Bertrand模型的亞像素邊緣定位
3.5.1 Bertrand曲面及其性質(zhì)
3.5.2 圖像邊緣過渡區(qū)提取
3.5.3 算法實(shí)現(xiàn)
3.6 計(jì)算實(shí)例
第4章 齒輪機(jī)器視覺精密測(cè)量
4.1 齒廓圖像邊緣過渡帶內(nèi)像素點(diǎn)參數(shù)數(shù)據(jù)庫
4.1.1 齒廓圖像邊緣過渡帶內(nèi)像素點(diǎn)的幾何參數(shù)關(guān)系
4.1.2 像素點(diǎn)數(shù)據(jù)庫參數(shù)的確定
4.2 齒輪齒距偏差視覺精密測(cè)量
4.2.1 Bertrand灰度曲面模型亞像素邊緣檢測(cè)算法改進(jìn)
4.2.2 齒廓基圓位置的定位算法
4.2.3 齒廓基圓位置的邊緣過渡帶定位（ETZL）算法
4.2.4 齒廓基圓位置的亞像素邊緣定位（SPEL）算法
4.2.5 齒輪齒距測(cè)量方法
4.2.6 基于齒輪局部圖像的齒距偏差機(jī)器視覺測(cè)量算法
4.2.7 機(jī)器視覺測(cè)量齒輪中心定位精度對(duì)齒距測(cè)量誤差的影響
4.2.8 齒輪齒距偏差測(cè)量
4.3 齒輪齒廓偏差機(jī)器視覺精密測(cè)量
4.3.1 齒廓偏差的基本概念
4.3.2 齒廓偏差機(jī)器視覺精密測(cè)量模型的建立
4.4 齒輪齒厚偏差視覺精密測(cè)量
4.4.1 齒厚偏差的基本概念
4.4.2 齒厚偏差的機(jī)器視覺精密測(cè)量方法
4.5 公法線長(zhǎng)度視覺精密測(cè)量
4.5.1 公法線長(zhǎng)度變動(dòng)的基本概念
4.5.2 公法線長(zhǎng)度變動(dòng)模型的建立
4.6 中小模數(shù)齒輪機(jī)器視覺精密測(cè)量實(shí)驗(yàn)
4.6.1 測(cè)量系統(tǒng)軟件
4.6.2 齒輪測(cè)量試驗(yàn)
第5章 零件2D幾何量測(cè)量實(shí)例
5.1 齒輪泵中間體檢測(cè)
5.1.1 齒輪泵中間體
5.1.2 齒輪泵體數(shù)字圖像獲取
5.1.3 亞像素邊界特征提取
5.1.4 精度檢測(cè)
5.2 機(jī)油泵零件快速顯微測(cè)量
5.2.1 機(jī)油泵零件
5.2.2 測(cè)量方案
5.2.3 圖像處理
5.2.4 數(shù)據(jù)處理
5.2.5 齒輪泵零件檢測(cè)小結(jié)
5.3 磨削樣板檢測(cè)
5.3.1 樣板廓形的檢測(cè)
5.3.2 各向異性雙邊濾波
5.3.3 基于Facet模型提取亞像素邊緣
5.3.4 測(cè)量結(jié)果分析
參考文獻(xiàn)