恶劣工业环境下视觉测量系统精度保持理论与方法研究

The vision measurement has many significant advantages such as non-contact, flexibility and high integration, so it has a widespread application prospect in industrial testing.In harsh industrial environments, the existing visual measurement theories can not maintain the stability of the system parameters and benchmark and the effectiveness of test images, and system accuracy will be significantly reduced over time, and in some cases, too reduced to be valid. In such circumstances, the visual measurement technologies have limited scope of application in the industry test field. Hence, the project, in the background of the online monitoring system of large-scale extruder center, is carried out to address the poor maintenance of accuracy of existing visual measurement technologies applied in harsh industrial environments, to study the scientific issues such as the decoupling of the parameters in vision measurement system calibration model , virtual laser reference perturbation reduction theory under multiple factors , and to propose for visual measurement system in harsh industrial environment the field calibration , the virtual benchmark restoration under multiple interference, online quality evaluation and morphological self-adaptive preprocessing of industrially measured images, so as to explore the theories on maintenance of visual measurement accuracy universally significant to harsh industrial environment, to apply study outcome to practical industrial online monitoring system, in the hope of promoting visual measurement technologies in the industrial test field, especially in industrial online monitoring.

视觉测量具有非接触、灵活性强、集成性高等显著优势，在工业测试领域有着广泛的应用前景。在恶劣的工业环境中，现有视觉测量理论无法保持测量系统参数及基准的稳定性、测试图像的有效性，长期工作系统精度会显著下降，甚至失效，限制了视觉测量技术的进一步推广。本项目以大型挤压机中心在线监测系统为背景，针对现有视觉测量技术在恶劣工业环境下精度保持性不足的问题，研究视觉测量系统标定模型参数解耦、多因素作用下激光基准扰动虚拟还原理论科学问题，提出恶劣工业环境下视觉测量系统的现场标定方法、多干扰作用下虚拟基准还原方法、工业测量图像在线质量评价及形态学自适应图像预处理方法，探索具有普遍意义的恶劣工业环境下视觉测量精度保持理论，并将研究成果应用于实际工业在线监测系统中，以期推动视觉测量技术在工业测试领域，特别是工业在线监测中的应用。

本项目以巨型液压机关键状态参数监测系统等工业测试系统为研究背景，针对现有视觉测量技术在恶劣工业环境下精度保持性不足的问题，在工业图像自适应预处理及图像分割、测量基准漂移抑制、视觉测量系统现场标定等方面开展研究，主要研究成果包括：提出了基于卡尔曼滤波改进收敛判据的图像增强算法选择框架，提出了基于特征尺度自适应选取空域增强模版尺寸的方法，为解决在线检测中图像增强算法与算法自适应参数选取问题奠定了基础。提出了一种基于形态学的图像特定形状尺寸目标快速分割方法，提出了一种基于区域估计的特征定位算法，提升了特征提取算法在恶劣工业环境下的有效性。对结构光三维测量中系统结构参数与测量误差的关系进行了研究，得到了影响结构光测量精度的主要系统结构参数及其优化取值准则；提出了一种基于降采样图像灰度聚类结果熵判据的测量图像中有无测量目标快速判别方法，可有效抑制系统参数及基准漂移对测量精度的影响。提出了一种基于无重叠图片的多相机系统全局标定方法，设计了相应的标定标靶，提升了工业现场视觉测量系统精度校准与精度维护的易操作性。本项目研究成果已在巨型液压机关键状态参数监测系统、机器视觉3D四轮定位仪中实现了工程应用，正推广应用于混凝土桥梁裂纹机器视觉自动检测系统、视觉引导金属管自动火焰焊接系统等测控系统。本项目有望进一步推动视觉测量技术在工业测试领域的应用。