机器视觉螺纹图像评价方法

为了提高机器视觉螺纹的测量精度,建立了基于螺纹图像质量的评价方法。通过对螺纹灰度图像的行灰度分布情况和螺纹光学成像特点的分析,揭示出由于螺旋升角造成螺纹图像牙廓边缘失真的机理。在分析多种螺纹图像评价方法性能的基础上,采用基于螺纹边缘的评价算法L-yakuo,计算多幅不同物距螺纹图像的评价值。最后,通过对机器视觉求取的M14×2、M20×2.5牙型角和接触测量仪得到的牙型角进行实验对比分析。实验结果表明:采用L-yakuo算法得到最清晰的牙廓图像后再进行机器视觉螺纹牙型角求取,规格M14×2、M20×2.5的螺纹牙型角精度平均提高9′33′′。借助L-yakuo算法能够灵敏地反映螺纹牙廓清晰度,基本满足了螺纹图像清晰度的评价需求,评价值的变化和牙型角相对误差的变化基本一致,且该评价值具有精度高、易计算的特点。

自动对焦综合性能指标及一种基于双向两次下降的自动对焦算法

为了改善经典爬山法的性能同时进行算法综合性能评价,提出基于双向两次下降的自动对焦算法和一种综合性能评价指标。首先,根据清晰度评价值的大小确定初始对焦方向。接着,以变化步长方式搜索,直至出现清晰度评价值下降。然后,按照双向两次下降法确定是否处于评价函数波峰的下降位置。最后,以单步长方式在检测到的波峰下降位置处搜索波峰位置即为对焦目标位置。在用18倍数字高清摄像机采集的两个图像序列中比较了本文方法和几种经典的对焦算法的性能差别,实验结果表明:提出的方法在平均过冲步数和平均行程步数这两个指标上具有明显优势,并且在其他分项评价指标上没有明显的短板,其综合性能评价指标为0.98,高于爬山法、改进爬山法、全局搜索法和二分搜索法等算法的综合性能评价指标值。