CN106017350A - 基于机器视觉的中小模数齿轮快速检测装置及检测方法 - Google Patents
基于机器视觉的中小模数齿轮快速检测装置及检测方法 Download PDFInfo
- Publication number
- CN106017350A CN106017350A CN201610520019.8A CN201610520019A CN106017350A CN 106017350 A CN106017350 A CN 106017350A CN 201610520019 A CN201610520019 A CN 201610520019A CN 106017350 A CN106017350 A CN 106017350A
- Authority
- CN
- China
- Prior art keywords
- gear
- adjustment mechanism
- center
- gears
- light source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 230000007246 mechanism Effects 0.000 claims abstract description 57
- 239000004579 marble Substances 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 26
- 230000007704 transition Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 12
- 230000000007 visual effect Effects 0.000 abstract description 8
- 230000007547 defect Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2416—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures of gears
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明基于机器视觉的中小模数齿轮快速检测装置及检测方法，属于高精度检测技术领域，能够快速非接触检测高精度中小模数齿轮的误差。本发明包括大理石平台，大理石平台上设置视觉测量系统；视觉测量系统包括工业相机、远心镜头、平行光源，工业相机与远心镜头相连；大理石平台上还包括有物距调节机构、立柱、水平调节机构、双顶尖齿轮定位机构，立柱垂直设在水平调节机构上，物距调节机构设在立柱上的一侧；工业相机安装在物距调节机构上，平行光源设在水平调节机构上，平行光源与远心镜头相对放置；双顶尖齿轮定位机构设在水平调节机构上平行光源的一侧，双顶尖齿轮定位机构与水平调节机构在同一直线上且对正放置；工业相机的输出端连接计算机。
Description
技术领域
本发明属于高精度检测技术领域，具体地是涉及一种基于机器视觉的中小模数齿轮快速检测装置及检测方法，用来快速非接触检测高精度中小模数齿轮的误差。
背景技术
在工业领域，齿轮应用广泛；齿轮精度直接影响整台设备的性能和寿命，因此齿轮的检测方法与检测装置技术越来越重要。现有技术中也有很多用于检测齿轮的方法及其装置，例如：中国专利申请号CN103292673A，名称为“渐开线直齿大型齿轮齿面磨损检测方法及其装置”，该发明公开了一种渐开线直齿大型齿轮齿面磨损检测方法及其装置，高效检测大型齿轮的磨损程度；该发明应用于大型齿轮的检测，解决了许多精密齿轮检测仪不能检测大型齿轮的难题，该发明用于大型齿轮的检测，不适用于高精度（GB 5级）中小齿轮的检测。
中国专利申请号：CN102914234A，名称为“齿轮检测装置”，以待测齿轮同标准齿轮的转动同步性来评价其轮齿和齿距精度，并将这种同步性转化为带铅垂的线圈沿从动轴轴向的位移；该专利检测齿轮操作简单，但需要众多高一级精度的标准齿轮，也同样不适用于高精度（GB 5级）中小齿轮的检测。
中国专利申请号：CN2211602Y，名称为“便捷式齿轮检测仪”，由座体，滑块，量表座，螺杆，量表，检测座，标准齿轮，搭配齿轮等组成，以一滑块的移动量感应一组标准齿轮，以一量表对滑块移动量的检测，作为检测值基准，来对新加工出的齿轮进行检测，判断工件的合格度，提高齿轮检测的管理水平。该专利检测齿轮检测方便，但精度相对较低，且需要众多高一级精度的标准齿轮，也同样不适用于高精度（GB 5级）中小齿轮的快速检测。
中国专利申请号：CN103292993A，名称为“一种齿轮检测装置”，是一种用于对齿轮的质量进行检测及自动分类的装置。对生产线上的齿轮通过传输机构依次送到检测台，再由检测主轴带动齿轮旋转，由照相机对齿轮拍照，该装置的计算机对拍摄数据分析处理，将此判断结果通过控制器驱动相关的分选推板，最后由各相关的分选推板将检测后的齿轮按是否合格，以及质量好坏的程度进行分类。该专利是一种基于机器视觉的齿轮检测装置，侧重于分拣机构，齿轮检测精度不够。
中国专利申请号：CN102183528A，名称为“一种双联齿轮的缺陷检测装置及检测方法”，涉及一种双联齿轮的缺陷检测装置及方法，该检测装置包括两个摄像头，分别用于拍摄被测双联齿轮中上、下层轮齿边缘轮廓为清晰的两幅图像，将图像采集卡采集的两幅图像进行滤波、融合处理，得到一幅上、下层轮齿边缘轮廓均清晰的被测双联齿轮实际图像，然后将该被测双联齿轮实际图像与标准双联齿轮的图像进行比对。该专利是一种基于机器视觉的双联齿轮的缺陷检测装置及检测方法，也同样不适用于高精度（GB 5级）中小齿轮的检测。
综上所述，现有的用于检测齿轮各方面性能的方法及其装置均存在共同的不足之处，即都是在齿轮的高精度检测方面存在不足。
发明内容
本发明就是针对上述问题，弥补现有技术的不足，提供一种基于机器视觉的中小模数齿轮快速检测装置及检测方法；本发明能够快速非接触检测高精度中小模数齿轮的误差。
为实现上述目的，本发明采用如下技术方案。
本发明一种基于机器视觉的中小模数齿轮快速检测装置，其结构要点是：包括大理石平台，所述大理石平台上设置有视觉测量系统；所述视觉测量系统包括工业相机、远心镜头、平行光源，所述工业相机与远心镜头相连；所述大理石平台上还包括有物距调节机构、立柱、水平调节机构、双顶尖齿轮定位机构，所述立柱垂直设在水平调节机构上，所述物距调节机构设在立柱上的一侧；所述工业相机安装在物距调节机构上，所述平行光源设置在水平调节机构上，所述平行光源与远心镜头相对放置；所述双顶尖齿轮定位机构设置在水平调节机构上放置平行光源的一侧，所述双顶尖齿轮定位机构与水平调节机构在同一直线上且对正放置；所述工业相机的输出端连接计算机。
作为本发明的一种优选方案，所述工业相机采用的是工业CCD相机，所述工业CCD相机的分辨率是2448×2050。
作为本发明的另一种优选方案，所述远心镜头采用的是TC2348远心镜头，所述TC2348远心镜头的视场为56mm×48mm、畸变率为<0.08%。
作为本发明的另一种优选方案，所述视场56mm×48mm的范围由500万个（2448×2050）像素来表示，每个（2448×2050）像素对应实际尺寸为19.4650μm。
作为本发明的另一种优选方案，所述平行光源为LED蓝光平行光源。
本发明还提供了一种基于机器视觉的中小模数齿轮快速检测方法；包括以下步骤：
步骤一、被检测齿轮的高质量背光数字图像的获取：首先，如果所要检测的齿轮是中等模数外齿轮，则使用双顶尖齿轮定位机构快速准确定位齿轮；如果所要检测的齿轮是小模数外齿轮或内齿轮，则直接放置在平行光源上；然后通过水平调节机构，将被测齿轮调节到视野中心位置，通过物距调节机构调节远心镜头与被测齿轮之间的距离，使图像清晰；平行光源发出蓝色平行光，通过远心镜头被工业相机记录；即通过工业相机完成获取被测齿轮的高质量背光数字图像，然后将数字图像输入到计算机中，并存储为数组。
步骤二、图像预处理：对步骤一中所获取的全图像进行高斯滤波，Canny算法初找像素级边缘，运用Ramer算法对初边缘进行分段；拟合轮廓为三次样条曲线，并计算法向方向 n 。
步骤三、过渡带法截线高斯拟合法进行亚像素定位：计算包含整个过渡带的初边缘等距线，用贝塞尔曲面插值计算初边缘等距线上各点的灰度，用过渡带离散点的坐标和灰度信息拟合符合高斯积分模型的边缘法平面截线，准确定位齿轮亚像素边缘，存储为二维数组，误差为0.2像素，即4μm。
步骤四、数据后处理：齿轮亚像素边缘存储为二维数组，分段采用最小二乘法拟合；用齿轮渐开线方程式生成理论标准齿轮轮廓，与理论齿轮进行对比，计算被测齿轮的齿距累计总偏差、单个齿距偏差、齿廓总偏差等各种误差。
作为本发明的一种优选方案，对于上述步骤二中所提取的齿轮边缘数据，首先进行最小二乘法圆拟合，得到拟合圆心和拟合半径，此时的拟合圆心不是齿轮中心；将齿轮边缘数据再进行一次直线拟合，齿轮的理论中心一定通过拟合圆心与直线的垂线上，沿该方向逼近实际齿轮中心，得到新的逼近中心，计算齿轮边缘坐标点到逼近中心的距离，理论上距离最大点所对应的坐标点就是齿轮齿顶，但是由于加工误差等原因，齿顶有可能凸起或下凹，因此将距离最大值和略小于距离最大值所对应的边缘坐标点都保留，重复进行最小二乘法圆拟合和直线拟合；在这个过程中，保留的边缘坐标点范围逐渐缩小，拟合半径逐渐逼近理论齿顶圆半径，当拟合半径与理论齿顶圆半径的误差在一定范围内时，拟合圆心即为实际齿轮中心。
进一步地，本发明所述实际齿轮中心确定后，从中心点开始搜索，找到距离中心点最远的点和最近的点，距离最远的点的集合构成齿顶，距离最近的点的集合构成齿根，并且齿顶和齿根上的所有点分别分布在同一高度；将齿轮外轮廓的齿顶和齿根保留一定范围，实现对齿轮外轮廓的齿顶、齿廓和齿根的分段。
作为本发明的另一种优选方案，所述步骤四中的齿轮渐开线方程式为：
，
式中：—基圆半径、—相位角。
与现有技术相比，本发明有益效果是：本发明所公开的一种基于机器视觉的中小模数齿轮快速检测装置及检测方法，利用机器视觉和数字图像处理技术，获取被测齿轮的高质量背光数字图像，输入到计算机中，进行降噪滤波、边缘提取、畸变补偿等一系列图像处理，得到齿轮亚像素边缘，计算被测齿轮各种误差。
本发明具备以下优点：（1）现有齿轮检测装置大多需要各种型号的更高精度的标准齿轮，而本发明使用计算机软件生成理论标准齿轮；（2）测量精度高达5μm，满足5级精度（GB/T 10095-2008）工业齿轮的测量；（3）快速非接触测量中小模数齿轮的齿距累计总偏差、单个齿距偏差、齿廓总偏差等各种误差，测量一个齿轮平均仅需90秒；（4）操作简单、界面友好，通过计算机自动显示齿轮各项误差，判断该齿轮是否满足精度等级。
附图说明
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
图1是本发明一种基于机器视觉的中小模数齿轮快速检测装置的结构图。
图2是本发明被检测齿轮的高质量背光数字图像。
图3是本发明一种基于机器视觉的中小模数齿轮快速检测方法的流程图。
图中标记：1为工业相机、2为物距调节机构、3为远心镜头、4为立柱、5为双顶尖齿轮定位装置、6为平行光源、7为水平调节机构、8为大理石平台。
具体实施方式
结合附图1所示，本发明一种基于机器视觉的中小模数齿轮快速检测装置，其结构要点是：包括大理石平台8，所述大理石平台8上设置有视觉测量系统；所述视觉测量系统包括工业相机1、远心镜头3、平行光源6，所述工业相机1与远心镜头3相连；所述大理石平台8上还包括有物距调节机构2、立柱4、水平调节机构7、双顶尖齿轮定位机构5，所述立柱4垂直设在水平调节机构7上，所述物距调节机构2设在立柱4上的一侧；所述工业相机1安装在物距调节机构2上，所述平行光源6设置在水平调节机构7上，所述平行光源6与远心镜头3相对放置；所述双顶尖齿轮定位机构5设置在水平调节机构7上放置平行光源6的一侧，所述双顶尖齿轮定位机构5与水平调节机构7在同一直线上且对正放置；所述工业相机1的输出端连接计算机。
本发明所述工业相机1采用的是工业CCD相机，所述工业CCD相机的分辨率是2448×2050。
本发明所述远心镜头3采用的是TC2348远心镜头，所述TC2348远心镜头的视场为56mm×48mm、畸变率为<0.08%。
本发明所述视场56mm×48mm的范围由500万个（2448×2050）像素来表示，每个（2448×2050）像素对应实际尺寸为19.4650μm。
本发明所述平行光源6为LED蓝光平行光源。
另外，本发明所述的视觉测量系统的重要参数为像素当量，针对数字图像（如图2所示）中存在的镜头径向畸变、透视畸变和光强偏差等各种误差，需要对像素当量进行标定；根据点阵标定板圆心距的物理尺寸和像素尺寸，确定视觉测量系统的像素当量，在物距一定的情况下，标定板的位姿对像素当量没有影响；根据点阵标定板圆心位置，建立出二元三次误差补偿模型，有效提高视觉测量系统的测量精度；经过上述的标定和畸变校正后，每个像素对应实际尺寸小于20μm。由于平行光源强度对视觉测量系统测量精度的影响，计算出不同光源强度的边缘补偿量，所得边缘补偿量与光源强度等级基本成线性关系。
本发明一种基于机器视觉的中小模数齿轮快速检测方法；包括以下步骤：
步骤一、被检测齿轮的高质量背光数字图像的获取：首先，如果所要检测的齿轮是中等模数外齿轮，则使用双顶尖齿轮定位机构5快速准确定位齿轮；如果所要检测的齿轮是小模数外齿轮或内齿轮，则直接放置在平行光源6上；然后通过水平调节机构7，将被测齿轮调节到视野中心位置，通过物距调节机构2调节远心镜头3与被测齿轮之间的距离，使图像清晰；平行光源6发出蓝色平行光，通过远心镜头3被工业相机1记录；即通过工业相机1完成获取被测齿轮的高质量背光数字图像，然后将数字图像输入到计算机中，并存储为数组。
步骤二、图像预处理：对步骤一中所获取的全图像进行高斯滤波，Canny算法初找像素级边缘，运用Ramer算法对初边缘进行分段；拟合轮廓为三次样条曲线，并计算法向方向 n 。
步骤三、过渡带法截线高斯拟合法进行亚像素定位：计算包含整个过渡带的初边缘等距线，用贝塞尔曲面插值计算初边缘等距线上各点的灰度，用过渡带离散点的坐标和灰度信息拟合符合高斯积分模型的边缘法平面截线，准确定位齿轮亚像素边缘，存储为二维数组，误差为0.2像素，即4μm。
步骤四、数据后处理：齿轮亚像素边缘存储为二维数组，分段采用最小二乘法拟合；用齿轮渐开线方程式生成理论标准齿轮轮廓，与理论齿轮进行对比，计算被测齿轮的齿距累计总偏差、单个齿距偏差、齿廓总偏差等各种误差。
对于上述步骤二中所提取的齿轮边缘数据，首先进行最小二乘法圆拟合，得到拟合圆心和拟合半径，此时的拟合圆心不是齿轮中心；将齿轮边缘数据再进行一次直线拟合，齿轮的理论中心一定通过拟合圆心与直线的垂线上，沿该方向逼近实际齿轮中心，得到新的逼近中心，计算齿轮边缘坐标点到逼近中心的距离，理论上距离最大点所对应的坐标点就是齿轮齿顶，但是由于加工误差等原因，齿顶有可能凸起或下凹，因此将距离最大值和略小于距离最大值所对应的边缘坐标点都保留，重复进行最小二乘法圆拟合和直线拟合；在这个过程中，保留的边缘坐标点范围逐渐缩小，拟合半径逐渐逼近理论齿顶圆半径，当拟合半径与理论齿顶圆半径的误差在一定范围内时，拟合圆心即为实际齿轮中心。
进一步地，本发明所述实际齿轮中心确定后，从中心点开始搜索，找到距离中心点最远的点和最近的点，距离最远的点的集合构成齿顶，距离最近的点的集合构成齿根，并且齿顶和齿根上的所有点分别分布在同一高度；将齿轮外轮廓的齿顶和齿根保留一定范围，实现对齿轮外轮廓的齿顶、齿廓和齿根的分段。
对于上述步骤三中用贝塞尔曲面拟合图像，实质上对图像起到了低通滤波的作用，减少了噪声的影响；沿边缘等距线对灰度值进行高斯滤波，对这些离散点拟合高斯积分法截线，计算 R 值，确定边缘亚像素位置。
本发明所述步骤四中的齿轮渐开线方程式为：
，
式中：—基圆半径、—相位角。
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。
Claims (9)
1.基于机器视觉的中小模数齿轮快速检测装置，其特征在于：包括大理石平台（8），所述大理石平台（8）上设置有视觉系统；所述视觉系统包括工业相机（1）、远心镜头（3）、平行光源（6），所述工业相机（1）与远心镜头（3）相连；所述大理石平台（8）上还包括有物距调节机构（2）、立柱（4）、水平调节机构（7）、双顶尖齿轮定位机构（5），所述立柱（4）垂直设在水平调节机构（7）上，所述物距调节机构（2）设在立柱（4）上的一侧；所述工业相机（1）安装在物距调节机构（2）上，所述平行光源（6）设置在水平调节机构（7）上，所述平行光源（6）与远心镜头（3）相对放置；所述双顶尖齿轮定位机构（5）设置在水平调节机构（7）上放置平行光源（6）的一侧，所述双顶尖齿轮定位机构（5）与水平调节机构（7）在同一直线上且对正放置；所述工业相机（1）的输出端连接计算机。
2.根据权利要求1所述的基于机器视觉的中小模数齿轮快速检测装置，其特征在于：所述工业相机（1）采用的是工业CCD相机，所述工业CCD相机的分辨率是2448×2050。
3.根据权利要求1所述的基于机器视觉的中小模数齿轮快速检测装置，其特征在于：所述远心镜头（3）采用的是TC2348远心镜头，所述TC2348远心镜头的视场为56mm×48mm、畸变率为<0.08%。
4.根据权利要求3所述的基于机器视觉的中小模数齿轮快速检测装置，其特征在于：所述视场56mm×48mm的范围由500万个（2448×2050）像素来表示，每个（2448×2050）像素对应实际尺寸为19.4650μm。
5.根据权利要求1所述的基于机器视觉的中小模数齿轮快速检测装置，其特征在于：所述平行光源（6）为LED蓝光平行光源。
6.基于机器视觉的中小模数齿轮快速的检测方法，其特征在于：包括以下步骤：
步骤一、被检测齿轮的高质量背光数字图像的获取：首先，如果被检测的齿轮是中等模数外齿轮，则使用双顶尖齿轮定位机构（5）快速准确定位齿轮；如果被检测的齿轮是小模数外齿轮或内齿轮，则直接放置在平行光源（6）上；然后通过水平调节机构（7），将被测齿轮调节到视野中心位置，通过物距调节机构（2）调节远心镜头（3）与被测齿轮之间的距离，使图像清晰；平行光源（6）发出蓝色平行光，通过远心镜头（3）被工业相机（1）记录；即通过工业相机（1）完成获取被检测齿轮的高质量背光数字图像，然后将数字图像输入到计算机中，并存储为数组；
步骤二、图像预处理：对步骤一中所获取的全图像进行高斯滤波，Canny算法初找像素级边缘，运用Ramer算法对初边缘进行分段；拟合轮廓为三次样条曲线，并计算法向方向 n ；
步骤三、过渡带法截线高斯拟合法进行亚像素定位：计算包含整个过渡带的初边缘等距线，用贝塞尔曲面插值计算初边缘等距线的灰度，用过渡带离散点的坐标和灰度信息拟合符合高斯积分模型的边缘法平面截线，准确定位齿轮亚像素边缘，存储为二维数组，误差为0.2像素，即4μm；
步骤四、数据后处理：齿轮亚像素边缘存储为二维数组，分段采用最小二乘法拟合；用齿轮渐开线方程式生成理论标准齿轮轮廓，与理论齿轮进行对比，计算被测齿轮的齿距累计总偏差、单个齿距偏差、齿廓总偏差等各种误差。
7.根据权利要求6所述的基于机器视觉的中小模数齿轮快速的检测方法，其特征在于：对于上述步骤二中所提取的齿轮边缘数据，首先进行最小二乘法圆拟合，得到拟合圆心和拟合半径，此时的拟合圆心不是齿轮中心；将齿轮边缘数据再进行一次直线拟合，齿轮的理论中心一定通过拟合圆心与直线的垂线上，沿该方向逼近实际齿轮中心，得到新的逼近中心，计算齿轮边缘坐标点到逼近中心的距离，理论上距离最大点所对应的坐标点就是齿轮齿顶，但是由于加工误差等原因，齿顶有可能凸起或下凹，因此将距离最大值和略小于距离最大值所对应的边缘坐标点都保留，重复进行最小二乘法圆拟合和直线拟合；在这个过程中，保留的边缘坐标点范围逐渐缩小，拟合半径逐渐逼近理论齿顶圆半径，当拟合半径与理论齿顶圆半径的误差在一定范围内时，拟合圆心即为实际齿轮中心。
8.根据权利要求7所述的基于机器视觉的中小模数齿轮快速的检测方法，其特征在于：所述实际齿轮中心确定后，从中心点开始搜索，找到距离中心点最远的点和最近的点，距离最远的点的集合构成齿顶，距离最近的点的集合构成齿根，并且齿顶和齿根上的所有点分别分布在同一高度；将齿轮外轮廓的齿顶和齿根保留一定范围，实现对齿轮外轮廓的齿顶、齿廓和齿根的分段。
9.根据权利要求6所述的基于机器视觉的中小模数齿轮快速的检测方法，其特征在于：所述步骤四中的齿轮渐开线方程式为：，式中：—基圆半径、—相位角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610520019.8A CN106017350A (zh) | 2016-07-05 | 2016-07-05 | 基于机器视觉的中小模数齿轮快速检测装置及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610520019.8A CN106017350A (zh) | 2016-07-05 | 2016-07-05 | 基于机器视觉的中小模数齿轮快速检测装置及检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106017350A true CN106017350A (zh) | 2016-10-12 |
Family
ID=57107904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610520019.8A Pending CN106017350A (zh) | 2016-07-05 | 2016-07-05 | 基于机器视觉的中小模数齿轮快速检测装置及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106017350A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106442549A (zh) * | 2016-12-03 | 2017-02-22 | 河池学院 | 一种齿轮缺陷检测系统 |
| CN106524934A (zh) * | 2016-11-11 | 2017-03-22 | 北京工业大学 | 一种高精度小模数齿轮视觉测量方法 |
| CN106824806A (zh) * | 2016-12-27 | 2017-06-13 | 聊城大学 | 基于机器视觉的小模数塑料齿轮的检测系统及检测方法 |
| CN107067435A (zh) * | 2017-01-16 | 2017-08-18 | 上海拖拉机内燃机有限公司 | 一种平面孔位的视觉检测方法 |
| CN107796826A (zh) * | 2017-09-27 | 2018-03-13 | 浙江大学 | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 |
| CN108225175A (zh) * | 2017-12-06 | 2018-06-29 | 浙江大学 | 拖拉机传动系锥齿轮齿面接触印痕数据获取装置与方法 |
| CN108225188A (zh) * | 2018-02-07 | 2018-06-29 | 武汉市精华减速机制造有限公司 | 一种rv减速器针齿轮综合误差快速检测装置及方法 |
| CN108426537A (zh) * | 2018-01-30 | 2018-08-21 | 华侨大学 | 一种基于线阵相机的在位砂轮快速全场检测方法及系统 |
| CN109870111A (zh) * | 2019-03-18 | 2019-06-11 | 吉林大学 | 基于机器视觉的渐开线圆柱齿轮齿距累积误差测量方法 |
| CN109886949A (zh) * | 2019-02-22 | 2019-06-14 | 南昌航空大学 | 一种基于机器视觉的直齿圆柱齿轮多参数评定方法 |
| CN110560331A (zh) * | 2019-08-15 | 2019-12-13 | 北京航天控制仪器研究所 | 一种同轴零件装配装置及方法 |
| CN111207682A (zh) * | 2020-01-15 | 2020-05-29 | 山东大学 | 基于机器视觉的梯形丝杠参数自动测量装置及方法 |
| CN111256612A (zh) * | 2020-01-21 | 2020-06-09 | 河南科技大学 | 基于机器视觉的直齿渐开线小模数齿轮的测量方法 |
| CN111750789A (zh) * | 2020-06-08 | 2020-10-09 | 北京工业大学 | 小模数齿轮视觉测量中齿距偏差和齿廓偏差评定方法 |
| CN111815580A (zh) * | 2020-06-25 | 2020-10-23 | 北京航天新立科技有限公司 | 一种图像边缘识别方法及小模数齿轮模数检测方法 |
| CN112629414A (zh) * | 2020-12-29 | 2021-04-09 | 桂林量具刃具有限责任公司 | 一种非接触式齿轮径向跳动检测设备及方法 |
| CN113222955A (zh) * | 2021-05-24 | 2021-08-06 | 同济大学 | 一种基于机器视觉的齿轮尺寸参数自动测量方法 |
| CN114383531A (zh) * | 2021-12-24 | 2022-04-22 | 上海交通大学 | 球面光学镜头三维轮廓检测方法及系统 |
| CN114923408A (zh) * | 2022-04-29 | 2022-08-19 | 沈阳工业大学 | 一种基于机器视觉的超微量胶滴形状参数检测装置及方法 |
| CN115035107A (zh) * | 2022-08-10 | 2022-09-09 | 山东正阳机械股份有限公司 | 基于图像处理的车桥齿轮做工误差检测方法 |
-
2016
- 2016-07-05 CN CN201610520019.8A patent/CN106017350A/zh active Pending
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106524934A (zh) * | 2016-11-11 | 2017-03-22 | 北京工业大学 | 一种高精度小模数齿轮视觉测量方法 |
| CN106442549A (zh) * | 2016-12-03 | 2017-02-22 | 河池学院 | 一种齿轮缺陷检测系统 |
| CN106824806A (zh) * | 2016-12-27 | 2017-06-13 | 聊城大学 | 基于机器视觉的小模数塑料齿轮的检测系统及检测方法 |
| CN107067435A (zh) * | 2017-01-16 | 2017-08-18 | 上海拖拉机内燃机有限公司 | 一种平面孔位的视觉检测方法 |
| CN107796826B (zh) * | 2017-09-27 | 2019-12-31 | 浙江大学 | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 |
| CN107796826A (zh) * | 2017-09-27 | 2018-03-13 | 浙江大学 | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 |
| CN108225175A (zh) * | 2017-12-06 | 2018-06-29 | 浙江大学 | 拖拉机传动系锥齿轮齿面接触印痕数据获取装置与方法 |
| CN108225175B (zh) * | 2017-12-06 | 2023-05-02 | 浙江大学 | 拖拉机传动系锥齿轮齿面接触印痕数据获取装置与方法 |
| CN108426537B (zh) * | 2018-01-30 | 2020-10-09 | 华侨大学 | 一种基于线阵相机的在位砂轮快速全场检测方法及系统 |
| CN108426537A (zh) * | 2018-01-30 | 2018-08-21 | 华侨大学 | 一种基于线阵相机的在位砂轮快速全场检测方法及系统 |
| CN108225188A (zh) * | 2018-02-07 | 2018-06-29 | 武汉市精华减速机制造有限公司 | 一种rv减速器针齿轮综合误差快速检测装置及方法 |
| CN109886949B (zh) * | 2019-02-22 | 2021-05-11 | 南昌航空大学 | 一种基于机器视觉的直齿圆柱齿轮多参数评定方法 |
| CN109886949A (zh) * | 2019-02-22 | 2019-06-14 | 南昌航空大学 | 一种基于机器视觉的直齿圆柱齿轮多参数评定方法 |
| CN109870111A (zh) * | 2019-03-18 | 2019-06-11 | 吉林大学 | 基于机器视觉的渐开线圆柱齿轮齿距累积误差测量方法 |
| CN110560331A (zh) * | 2019-08-15 | 2019-12-13 | 北京航天控制仪器研究所 | 一种同轴零件装配装置及方法 |
| CN111207682A (zh) * | 2020-01-15 | 2020-05-29 | 山东大学 | 基于机器视觉的梯形丝杠参数自动测量装置及方法 |
| CN111256612A (zh) * | 2020-01-21 | 2020-06-09 | 河南科技大学 | 基于机器视觉的直齿渐开线小模数齿轮的测量方法 |
| CN111750789A (zh) * | 2020-06-08 | 2020-10-09 | 北京工业大学 | 小模数齿轮视觉测量中齿距偏差和齿廓偏差评定方法 |
| CN111750789B (zh) * | 2020-06-08 | 2021-10-01 | 北京工业大学 | 小模数齿轮视觉测量中齿距偏差和齿廓偏差评定方法 |
| CN111815580A (zh) * | 2020-06-25 | 2020-10-23 | 北京航天新立科技有限公司 | 一种图像边缘识别方法及小模数齿轮模数检测方法 |
| CN111815580B (zh) * | 2020-06-25 | 2024-04-30 | 北京航天新立科技有限公司 | 一种图像边缘识别方法及小模数齿轮模数检测方法 |
| CN112629414A (zh) * | 2020-12-29 | 2021-04-09 | 桂林量具刃具有限责任公司 | 一种非接触式齿轮径向跳动检测设备及方法 |
| CN113222955A (zh) * | 2021-05-24 | 2021-08-06 | 同济大学 | 一种基于机器视觉的齿轮尺寸参数自动测量方法 |
| CN114383531B (zh) * | 2021-12-24 | 2023-02-17 | 上海交通大学 | 球面光学镜头三维轮廓检测方法及系统 |
| CN114383531A (zh) * | 2021-12-24 | 2022-04-22 | 上海交通大学 | 球面光学镜头三维轮廓检测方法及系统 |
| CN114923408A (zh) * | 2022-04-29 | 2022-08-19 | 沈阳工业大学 | 一种基于机器视觉的超微量胶滴形状参数检测装置及方法 |
| CN114923408B (zh) * | 2022-04-29 | 2024-01-30 | 沈阳工业大学 | 一种基于机器视觉的超微量胶滴形状参数检测装置及方法 |
| CN115035107A (zh) * | 2022-08-10 | 2022-09-09 | 山东正阳机械股份有限公司 | 基于图像处理的车桥齿轮做工误差检测方法 |
| CN115035107B (zh) * | 2022-08-10 | 2022-11-08 | 山东正阳机械股份有限公司 | 基于图像处理的车桥齿轮做工误差检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106017350A (zh) | 基于机器视觉的中小模数齿轮快速检测装置及检测方法 | |
| CN101673397B (zh) | 一种基于lcd的数码相机非线性标定方法 | |
| CN105783723B (zh) | 基于机器视觉的精密模具表面加工精度检测装置及方法 | |
| CN103344182B (zh) | 一种基于双目视觉的糖果几何尺寸测量系统和方法 | |
| CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
| CN106198569B (zh) | 一种ltps/igzo玻璃基板破洞快速检测方法 | |
| CN106197612B (zh) | 一种基于机器视觉的透明瓶装液位检测方法 | |
| CN106524934A (zh) | 一种高精度小模数齿轮视觉测量方法 | |
| CN109060836A (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
| CN102221556A (zh) | 基于机器视觉的小型连接件外观缺陷在线检测装置与方法 | |
| CN106017325A (zh) | 一种改进的复杂表面和不规则物体体积的非接触光学测量方法 | |
| CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
| CN103499296A (zh) | 基于机器视觉的批量零件自动检测系统及方法 | |
| TW202043759A (zh) | 三維相位移瑕疵檢測方法及系統 | |
| CN109632007B (zh) | 一种边缘点提取方法及齿轮高精度视觉测量系统 | |
| CN109829897B (zh) | 一种齿轮毛刺检测方法及齿轮高精度视觉测量系统 | |
| CN114383505B (zh) | 一种用于短轴类零件尺寸的自动检测装置 | |
| CN105954021B (zh) | 一种汽车后桥差速器中螺旋锥齿轮齿面接触区的检测方法 | |
| CN110470247B (zh) | 一种零件内外圆面同轴度的检测装置及检测方法 | |
| CN114993202A (zh) | 摇臂式多功能中小模数直齿圆柱齿轮视觉检测装置及检测方法 | |
| CN116576785A (zh) | 基于机器视觉的骨架油封内径及圆度复合检测系统、方法、设备及介质 | |
| CN205486309U (zh) | 一种通过拍照检测电容安装正确与否的装置 | |
| CN204535672U (zh) | 自准直仪 | |
| CN111815580A (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
| CN111256612A (zh) | 基于机器视觉的直齿渐开线小模数齿轮的测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |
|
| RJ01 | Rejection of invention patent application after publication |