【基于机器视觉的工件测量技术研究国内外文献综述3300字】

[17]，提出了一种基于SIFT算子和最佳缝合线的图像拼接技术，并通过多种拟合算法对图像边缘进行亚像素细分定位，完成对工件图像的重构与测量。国内近些年取得了一些机器视觉方面的检测技术方面的进展，但是总体还是比不上欧美等发达国家的，在国际上的设备占有率也是远远不及国外的厂家的。随着工业自动化的快速推进，国内也需要越来越好的机器视觉的检测技术和设备，因此，如何生产出检测迅速、检测精度高、稳定性好、部署方便、成本低的机器视觉检测系统成为近些年以及之后的研究方向。1.3技术发展趋势国外学者一开始使用计算机对显微图片进行分析，后来逐渐发展到识别字符等图像，这时机器视觉的应用还比较少，较多的运用于二维图像。1965年，Roberts使用计算机对图像进行了分析，得到了图像中物体的三维结构，以前的研究主要集中在二维，比如识别字符、物体边缘、角点等特征，Roberts将研究方位扩大到了三维世界，从此机器视觉被应用到众多领域。20世纪80年代，Marr综合了图像处理、数学、计算机等学科的理论提出了机器视觉的处理框架，将机器视觉发展归为三个阶段——早期视觉处理（识别图像要素）、中期视觉处理（2.5维图）、后期视觉处理（3D描述）。80年代后，各界专家学者提出了许多新的机器视觉的方法，再加上计算机性能的快速提升，机器视觉被运用到工业、农业等众多领域内，快速的推动了自动化工厂的建设过程。如今，机器视觉正向着快速化、小型化、高精度的方向迅速发展。现如今，工业自动化需要实现精确加工，对于加工工件的良品率进行检测，使用机器视觉可以实现整个检测过程非接触、快速、精确的需求。应用于工件检测的机器视觉检测技术如今也越来越需要拟合的技术，有更多的学者在研究使用曲线拟合技术来获取更高的检测精度和更好的边缘曲线，多项式拟合、最小二乘法拟合、神经网络等更多的曲线拟合方法被运用到检测技术之中。参考文献曾瑞篷.基于机器视觉的汽车保险盒缺陷在线自动检测系统研究[D].南京航空航天大学,2017.马艳辉.基于机器视觉的工件尺寸检测系统研究[D].长春工业大学,2016.谢家欣.基于机器视觉工件尺寸测量方法研究[D].长春工业大学,2018.黄磊.基于网络相机的分布式机器视觉检测系统[D].南京航空航天大学,2017.KikuhitoKawasue,TakayukiKomatsu.ShapeMeasurementofaSewerPipeUsingaMobileRobotwithComputerVision[J].InternationalJournalofAdvancedRoboticSystems,2013,10(1):doi:10.5772/55261.MuhammadAzmiAyub,AzmiB.Mohamed,AbdulHalimEsa.In-lineInspectionofRoundnessUsingMachineVision[J].ProcediaTechnology,2014,15.LauraFernández-Robles,GeorgeAzzopardi,EnriqueAlegre,NicolaiPetkov.Machine-vision-basedidentificationofbrokeninsertsinedgeprofilemillingheads[J].RoboticsandComputerIntegratedManufacturing,2017,44.LuisLópez-Estrada,MarceloFajardo-Pruna,LidiaSánchez-González,HildePérez,LauraFernández-Robles,AntonioVizán.DesignandImplementationofaStereoVisionSystemonanInnovative6DOFSingle-EdgeMachiningDeviceforToolTipLocalizationandPathCorrection†[J].Sensors,2018,18(9).VandoneAmbra,BaraldoStefano,AnastassiouDemetris,MarchettiAndrea,ValenteAnna.3DvisionsystemintegrationonAdditiveManufacturingmachineforin-linepartinspection[J].ProcediaCIRP,2020,95.StefanosLekanidis,GeorgeChristopherVosniakos.MachinevisionsupportofVARIprocessautomationincompositepartmanufacturing[J].InternationalJournalofMechatronicsandManufacturingSystems,2020,13(2).顾桂鹏,邵勇,张钰婷,昝鹏.基于机器视觉的零件产品检测系统设计[J].工业控制计算机,2017,30(01):21-22+25.陈曼龙,侯东明,王会江.车削零件表面粗糙度图像法检测优选方法[J].应用光学,2017,38(02):227-230.沈宝国,蒋超峰,蒋修定,陈良发.基于机器视觉的零件同心度检测系统的设计[J].机械设计与制造,2017(07):115-117.刘馨,周彬,秦玉娟.基于Halcon的金属零件矩形度检测算法研究[J].自动化与仪器仪表,2017(07):31-32+35.YiquanDai,KunpengZhu.Amachinevisionsystemformicro-millingtoolconditionmonitoring[J].PrecisionEngineering,2018,52.侯占林,赵京.基于机器视觉的零件外形缺陷检测[J].组合机床与自动化加工技术,2019(11):100-104.刘雨航.基于机器视觉的工件尺寸测量系统的设计与实现[D].中国科学技术大学,2017.S.Lu,X.Zhang,Y.Kuang.AnIntegratedInspectionMethodbasedonMachineVisionforSolderPasteDepositing[C].2007IEEEInternationalConferenceonControlandAutomation,Guangzhou,China,2007:137-141.C.Yeh,F.Wu.AnImageEnhancementTechniqueinInspectingVisualDefectsofPolarizersinTFT-LCDIndustry[C].2009InternationalConferenceonComputerModelingandSimulation,Macau,China,2009:257-261.韩少刚,江巨浪.基于图像分割的双直方图均衡算法[J].安庆师范大学学报(自然科学版),2021,27(01):66-69.梁广顺,汪日伟,温显斌.基于双边滤波与非局部均值的图像去噪研究[J].光电子·激光,2015,26(11):2231-2235.路皓翔,刘振丙,郭棚跃,潘细朋.多尺度卷积结合自适应双区间均衡化的图像增强[J].光子学报,2020,49(10):158-172.罗强,吴俊峰,于红,孙建伟,张美玲.一种基于改进直方图均衡化的显著图提取算法[J].小型微型计算机系统,2018,39(05):1092-1096.郝志成,吴川,杨航,朱明.基于双边纹理滤波的图像细节增强方法[J].中国光学,2016,9(04):423-431.纪平,胡学友,张瑞琦.基于直方图均衡算法的图像增强技术研究[J].蚌埠学院学报,2021,10(02):40-43.Z.Lv,K.Wan