前言
参考书籍:《机器视觉技术与应用实战》王颖娴等人著
尺寸测量,在产品的生成过程中,还是质量检测过程中,都是必不可少的步骤,而机器视觉在尺寸测量方面有其独特的优势,
包括:零部件的尺寸测量,如距离、角度、直径;和零部件的形状匹配,如圆形、矩形等,这种测量方法不但速度快,非接触、易于自动化,而且精度高。
非接触方法,既可以避免:被检测对象的损坏,适合非接触场景【如:高温、高压、流体等环境】。
机器视觉系统可以同时多个尺寸一起测量,实现测量工作的快速完成,适于在线测量;而对于微小尺寸的测量,可以利用高倍镜头放大被测对象,使得测量精度达到微米以上。
一、 直线查找
- 位于:定位->直线查找
原理
- 利用已知特征点形成特征点集,然后拟合成直线。
基本参数
- 只需要了解“形状”和“屏蔽区”。
运行参数【一般,这里只调整边缘极性和边缘类型】
-
边缘极性:“黑到白”、“白到黑”、“任意极性”。
- 黑到白:按照箭头方向,由黑色变为白色的分界线。【如下图:】
- 黑到白:按照箭头方向,由黑色变为白色的分界线。【如下图:】
-
边缘类型:对边边缘点拟合的直线的要求。有:最强、第一条、最后一条、接近中线。例如:
- 最强:满足条件的最强线。【默认,就选“最强”】
-
边缘阈值:即梯度阈值。范围:0~255。
- 只有边缘的梯度阈值>该值的边缘点,才会被检测到。数值越大,抗噪能力越强,得到的边缘点数量越少,甚至导致目标边缘点被筛除。【如下图】
- 只有边缘的梯度阈值>该值的边缘点,才会被检测到。数值越大,抗噪能力越强,得到的边缘点数量越少,甚至导致目标边缘点被筛除。【如下图】
-
滤波尺寸:对噪点起到滤波作用,数值越大,抗噪能力越强,得到的边缘点数量越少,同时也可能导致目标边缘点被筛除。
-
卡尺数量:边缘点,由多个卡尺卡出。【如下图:】
- 直线查找反向:将直线的起点和终点位置信息互换。
- 角度归一化:默认,输出的直线角度是-180°~180°。开启后,直线角度是-90° ~ 90°
- 剔除点数:误差过大而被排除,不参与拟合的最小点数量。
- 一般地,离群点越多,该值应设置越大。
二、圆查找
原理
- 检测出多个‘边缘点’后,拟合成‘圆形’
- 常用于圆的定位和测量。
基本参数
- 检测的区域是:蓝色圈围起来的部分。【下图中,就是蓝色的甜甜圈部分,中间的不算检测区域】
- 注意,里面的圆形状,是由2个点来控制的【如下图】
运行参数
- 极性查找:圆是由内到外的查找。
- 注意:圆查找获得的:
圆半径,圆心坐标都是像素值
。
三、几何创建
如果这个图,是我自己去建立的
3.1 位置
- 图像生成 -> 几何创建
3.2 例子
比如说,我们想用实际的两个螺丝的圆边缘去构建一条虚拟的直线【如下图示:】
几何创建,一般不打开位置修正。
效果如下:
更新时间
- 2024.08.08:创建+复刻内容。