大尺寸厚板类零件装配孔直径检测研究与应用.pdf

摘要

摘要

随着中国经济快速发展，近几年，人们的生活水平逐渐上升，现在出行和运输许

多都离不开对汽车的需求，汽车的消费市场也因此变大，中国自行制造的汽车品牌越

来越多性能也越来越好，生产的汽车数量也随之上涨。在汽车生产中，大尺寸厚板类

带有装配孔零件被广泛应用，例如汽车纵梁和U形梁板件作为汽车的承载部分。装

配孔的尺寸是否满足误差要求对于整车装配十分重要，对于它的测量方法直接关系到

是否能成功装配保证车辆整体装配后的稳定性。目前对于此类零件装配孔多使用机器

视觉技术进行尺寸检测，本文对于大尺寸厚板类零件装配孔直径检测进行研究：

首先，以汽车纵梁板件为研究对象，设计了在线检测机构，对图像采集系统进行

硬件选型，并制定了检测方案，介绍了检测机构的工作流程。

然后，对相机进行标定实验后，对研究对象进行采集图像，获得满足拼接质量的

图像，并进行图像滤波和图像增强预处理操作，通过ROI区域选取，减少无用的特征

点，使SIFT算法运算速度提升，优化配准过程，配准完成后利用拼缝附近的灰度值

进行加权融合，获得无拼缝的完整的图像。

接着，由于圆孔伪边缘在图像中，与阴影在图像中有较为相似的特征，参考目前

阴影去除算法，提出了基于OTSU和U-S-Cycle-GAN网络对伪边缘孔进行伪边缘消

除实验。使用OTSU算法对正常圆孔图像样本进行处理，将其分成背景和前景两部

分，最后通过旋转和放缩变换扩展样本数量，建立了有伪边缘孔和正常圆孔样本的数

据集。为获取更细的边缘特征信息，参考U-Net网络的跳跃结构增加生成器结构的深

度，加入STN空间注意力机制矫正生成的圆孔形状变化，构建了U-S-Cycle-GAN生

成器，选用马尔科夫判别器结构作为判别器，将感知损失加入损失函数，通过分析该

网络训练后生成的结果，可以发现伪边缘区域的去除十分有效。使用canny算子对圆

孔图像进行像素级边缘粗定位，在此基础上，选用Zernike矩亚像素边缘提取获得亚

像素边缘点，使用最小二乘法对其拟合获得其孔径和特征圆。

最后，搭建简易实验机构验证本文研究可行性，首先对采集的实验板件图像进行

拼接获得完整的图形，将板件上所有孔进行编号，提取出伪边缘孔输入训练好的伪边

缘去除网络中，消除伪边缘，将所有孔通过亚像素边缘提取和最小二乘法获得直径，

与三坐标测量机获取的直径尺寸通过表格数据进行对比，其中消除伪边缘孔测量误差

为±0.3mm，正常孔测量误差为±0.25mm,均满足±0.5mm测量精度要求。

关键词：大尺寸零件伪边缘孔图像拼接生成对抗网络边缘提取

I

Abstract

Abstract

WiththerapiddevelopmentofChinaseconomy,peopleslivingstandardshave

graduallyriseninrecentyears,andmanyofthemarenowinseparablefromthedemandfor

automobilesfortravelandtransportation,andtheconsumermarketforautomobileshasthus

becomelarger,andthenumberofautomobilesmanufacturedinChinahasrisenasmoreand

morebrandshavebecomebetterandbetter.Intheproductionofautomobiles,largethick

platepartswithassemblyholesarewidelyused,suchaslongitudinalbeamsandU-beam

platesastheload-bearingpartofautomob