论文部分内容阅读
随着劳动力成本的不断提高以及在以智能制造为核心的工业4.0及中国制造2025战略的不断推进下,国内制造业企业正积极地研制或采购相应的自动化设备对现有生产线进行自动化改造以提高生产效率、降低人工成本、解决制造业劳动力日益短缺等问题。机器视觉是自动化设备的眼睛,通过机器视觉可以进一步提高自动化水平,因此机器视觉近年来被越来越广泛地应用于自动化行业,机器视觉的前景一片光明,但同时也对图像处理的实时性提出越来越高的要求。本文在对机器视觉及其控制系统的国内外研究现状与发展趋势分析的基础上,结合德国Kithara公司开发的Windows操作系统的实时扩展套件KRTS构建了一个实时视觉处理系统并通过实验验证了该视觉处理系统的实时性。通过对串口、USB和以太网等常用通信方式进行优劣势比较之后,本文最终选择综合性能优异的以太网通信,并利用Socket提供的用于实现TCP/IP协议的API函数来实现视觉处理系统与运动控制系统之间的以太网通信。在充分了解Socket实现TCP/IP协议的内部运行机制以及工程中各个变量、数组、结构体等在计算机内存中分布的基础上,本文提出将在视觉处理系统与运动控制系统之间需要进行传输的数据按功能分类并封装成一个个结构体并同其余需要传输的变量一同构成在一个大结构体,Socket再直接利用该结构体对象实现在视觉处理系统与运动控制系统之间的数据传输,省去了数据的序列化与反序列化过程,不仅提高了数据通信效率而且简化了数据传输协议。本文对基于圆投影的传统模板匹配算法进行了改进,通过对工件ROI图像的提取以去除工件外像素对工件识别的干扰;通过对圆形模板制作原则的修改以提高工件信息的利用率;通过粒子群迭代方式,提高了工件旋转定位速度;利用待测工件与模板工件的外部轮廓匹配信息进行重叠工件ROI图像的分离提取;对未完全进入视野的工件提供了 ROI图像补偿机制,以识别该类零件等,使模板匹配结果更加可靠。最后,本文结合OpenCV函数实现并验证了该模板匹配算法,将其移植到本文构建的实时视觉处理系统中。