关于利用人工蜂群算法进行圆参数测量的研究

本文介绍了一种基于蜜蜂采蜜行为的新兴群体智能算法,即人工蜂群算法,这种算法是通过不同角色蜜蜂间的交流、转换和协作来实现群体智能。并提出采用人工蜂群算法实现圆参数测量,利用全局搜索模式设计圆形零件被测点数据的处理方法,并根据圆方程构造了目标函数,最后对该方法检测圆参数的优劣性进行了概括总结。

人工蜂群算法在圆参数测量上的应用

针对现代工业生产中圆形零件测量精度要求高的特点，提出采用人工蜂群算法实现圆参数测量。利用人工蜂群算法全局搜索模式设计了圆形零件被测点数据的处理方法，并根据圆方程构造了目标函数。多次实验结果表明，该方法能够收敛到全局最优解，其计算结果的精度非常高，收敛速度快，鲁棒性好，适用于各种测量机的实时数据处理系统。

基于立体视觉的平面圆参数高精度测量算法

针对目前平面圆的圆心和半径测量方法存在的不足,提出一种基于立体视觉的平面圆参数高精度测量方法。该方法首先根据边缘分组算法和二次曲线椭圆拟合判别算法提取双目图像中的椭圆特征;其次利用分段立体匹配算法获取平面圆特征上部分点的三维坐标;最后通过三维平面拟合、坐标转换、平面圆拟合以及坐标反变换获取平面圆的圆心和半径参数。实验结果表明,该方法有效地减小了平面圆透视投影引起的畸变误差,提高了平面圆参数的测量精度。

基于亚像素边缘检测的高精度圆孔参数测量方法研究

为改善用机器视觉对圆孔参数测量结果,减小误差,在利用圆形标定板标定像素当量的基础上,对一种基于亚像素边缘检测的高精度圆孔参数测量方法进行了研究。用改进的Zernike矩亚像素边缘检测方法对边缘点作进一步的细化和筛选,用7×7模板替代原5×5模板,设计新阈值判断标准检测亚像素边缘,再对检测到的边缘点偏离像素进行抑制以获得更精确的图像边缘点;用最小二乘法进行圆形拟合获得圆形参数。给出了改进算法的基本步骤。用实验讨论了在自然光条件下,相机曝光亮度,以及相机与被测物体距离对测量结果的影响。结果表明:改进的方法对环境适应性强,易实现,曝光亮度30~50时测量精度较好;相机与物体距离50~60cm时,测量精度可达0.02mm。该法在高精度的工业检测中有广泛的应用前景。