《大长径比轴类零件视觉测量平台设计》由会员分享，可在线阅读，更多相关《大长径比轴类零件视觉测量平台设计（61页珍藏版）》请在金锄头文库上搜索。
1、毕业设计说明书（论文）0目录前言.1第一章绪论 .21.1 计算机视觉.21.1.1 计算机视觉概述.21.2.3 视觉检测的发展趋势.81.3 课题提出及其研究意义.91.4 本文主要内容.10第二章 视觉部件计算与选型.112.1 工业相机类型简介.112.2 工业相机参数简介.122.3 工业镜头的基本参数.132.4 相机的计算选型.152.4.1 相机的各参数如下.152.4.2 相机和镜头选择.16第三章 测量平台设计.193.1 三维滑台总体方案设计.193.2 工作滑台丝杠选择与计算.193.2.1 工作滑台丝杠的选择.193.2.2 丝杠的计算：.233.3 工作滑台与滚动导
2、轨副选择与设计.333.3.1 直线运动滚动导轨副的分类、特点及作用 .33毕业设计说明书（论文）13.3.2 直线滚动导轨副的计算.343.3.3 滚动导轨的润滑与防护.36第四章 驱动及其控制系统设计.374.1 步进电机的工作原理.374.2 步进电机选择.374.3 步进电机的驱动与控制.404.4 硬件接线示意图.43第五章 结论.44参考文献.45前言工业检测是指在工业生产中运用一定的测试技术和手段对生产环境、工况、产品进行测试和检验，其检测结果是对生产过程进行控制的重要指标，直接影响着生产效率和质量。形状尺寸检测是工业检测中的一部分，其内容包括结构尺寸、形状误差检测等。传统的形状
3、尺寸检测手段有卡尺、量规、万能工具显微镜、轮廓仪、X 射线等，这些检测手段在工业生产中发挥着巨大的作用，但是随着现代工业的发展和进步，特别是在一些高精产业，传统的检测手段己经不能满足生产的需要，卡尺、量规等检测手段虽然简便、快捷，但测量数据较少，精度不高，万能工具显微镜、轮廓仪等检测手段虽然有较高的精度，但要求在特定的设备、特定的环境下进行检测，不但劳动强度大，效率低，而且检测过程同生产过程是分离的，这与现代工业所要求的在线检测、实时控制的要求不符。对于大尺寸零件，传统测量方法，主要采用两种方法：一是直接法，这种方法需要大尺寸导轨或标准件，成本高，精度低；二是间接法，如弓高弦长法，毕业设计说明
4、书（论文）2滚子法等，这类方法本身存在测量原理误差，并且测量可靠性不高。现代工业大型零件加工，不但检测精度要求较高，而且要求在线检测，保证加工精度，传统检测技术难以满足要求。对于大型零件，视觉检测技术可以对零件的不同部位进行拍摄，得到多幅局部重叠的图像，然后利用图像之间的信息冗余进行图像拼接得到零件的完整图像，对拼接后的图像进行分析可以得到零件的完整结构尺寸，这种检测方法不仅简单、经济，同时能够达到较高的精度。因此，视觉测量技术正是在这种情况下应运而生。第一章绪论1.1 计算机视觉1.1.1 计算机视觉概述视觉使人类得以感知和理解周边的世界，是人类从大自然中获取知识的最主要的手段。据统计，在人
5、类获取的信息中，视觉信息约占 80%，其它的如听觉信息、味觉信息、触觉信息等加起来约占20%1。由 此可见毕业设计说明书（论文）3视觉信息对人类的重要性，而图像正是人类获取视觉信息的主要途径。三维的客观世界投影到人类的视网膜上形成二维图像，通过双目的视觉功能从二维的图像中提取出有关三维世界的信息，这是人类的视觉过程。计算机视觉又称机器视觉，是指利用计算机和一些辅助设备来实现人的视觉功能，从而实现对外界事物和客观三维世界的感知2。计算机视觉是一门新兴的学科，它的发展得益于神经生理学、心理学与认知科学对动物视觉系统的研究，计算机视觉的研究目标是使计算机具有通过二维图像认知三维环境信息的能力。这种能
6、力将不仅使机器能感知三维环境总物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对他们进行描述、存储、识别与理解。伴随着人类对视觉认识和计算机技术的快速发展，利用计算机模拟人类的视觉系统成为科学技术发展的必然趋势。计算机视觉已经成为令人感兴趣的前沿研究领域之一，因为需要用计算机视觉这一技术来证明对视觉机理认识的正确与否，而且通过对人类视觉的模拟，可以帮助人类重新认识人的视觉机理，从而在许多未知问题上产生重大突破。在计算机视觉系统中，信息的处理和分析可以分为两个阶段：图像处理阶段（亦可称为视觉的低水平和中水平阶段） 、图像分析和理解阶段（又称高水平处理阶段）。当人看一幅图像或一处景物时，人
7、的视觉可以得到物体关于整体和局部细节的信息，计算机视觉的主要任务就是凭借一定的理论及算法，运用计算机技术实现类似于人的视觉功能。但近年来人们对D.Marr 的理论和三维重建问题产生了疑问，逐渐认识到D.Marr 的理论框架的严重不足3。在解决视觉实际问题的研究过程中，出现了主动视觉等概念。一些新的视觉理论的提出，从深层次触及了计算机视觉的底层根本问题。1.1.2 计算机视觉的发展计算机视觉是一个相当新且发展十分迅速的研究领域，并成为计算机科学的重要研究领域之一。计算机视觉始于 20 世纪 50 年代，主要工作集中在二维图像分析和识别上。60 年代中期，R.Roberts 的研究工作开创了以理解
8、三维场景为目的的三维计算机视觉的研究。70 年代，D.Marr 教授在麻省理工学院毕业设计说明书（论文）4（MIT）AI 实验室领导一个以博士生为主体的研究小组从事视觉理论方面的研究工作，逐步形成了关于视觉的计算理论。D.Marr 认为, 视觉可分为三个阶段4。第一阶段是早期视觉 (early vision) ,其目的是抽取观察者周围景物表面的物理特性 , 如距离、表面方向、材料特性 (反射、颜色、纹理 )等,具体来说包括边缘检测、双目立体匹配、由阴影确定形状、由纹理确定形状、光流计算等；第二阶段是二维半简图 (2.5D sketch) 或本征图像 ( Intrinsic Image) , 它是在以观察者为中心的坐标系中描述表面的各种特性, 根据这些描述 , 可以重建物体边界、按表面和体积分割景物, 但在以观察者为中心的坐
