1 浙江大学 工程师学院，浙江杭州3005
2 中航西安飞机工业集团股份有限公司，陕西西安710089
3 中国科学院 福建物质结构研究所 泉州装备制造研究中心，福建泉州62100
4 浙江大学 机械工程学院，浙江杭州310058
为了实现复杂环境下航空零件孔特征的高效高精度检测，提出了一种集成视觉显著性和群决策的检测方法。在经典FT显著性检测算法中引入图像增强步骤，并为每个像素赋予以最大显著区域中心为参考的权重，使用改进后的方法对图像进行孔区域分割。设计具有多尺度多结构元素的新型数学形态学边缘检测算法，结合轮廓细化算法对孔区域进行轮廓提取。最后，利用Meanshift算法寻找轮廓点的圆心位置，建立新的基于群决策的圆半径计算模型，获得孔特征的关键几何参数。结果表明：改进的视觉显著性特征检测算法能够生成更加突显孔特征的全分辨率显著图；新型数学形态学边缘检测算法能获得简化且可靠的轮廓点；该方法在不均匀光照、各类孔缺陷和孔内壁干扰等条件下均显示出较好的稳定性；即使在噪声密度高达30%时仍能成功完成孔检测，且圆心坐标和半径的误差均小于0.012 mm；平均检测时间仅为0.236 s。该方法能够在复杂环境下对航空零件孔特征进行准确、稳定的检测。
航空零件 孔特征检测 显著性检测 数学形态学 群决策 aircraft part hole feature detection saliency detection mathematical morphology group decision making
1 浙江大学 机械工程学院系， 浙江 杭州 310027
2 中国航空工业集团公司 陕西飞机工业(集团)有限公司，陕西 汉中 723213
工业相机常采用基于圆形控制点的方法进行标定， 但该方法存在不对称投影问题，极易产生标定误差。为了避免引入不对称投影误差并能以迭代方式修正这一误差，本文提出了一种利用圆心不对称投影所蕴含信息的相机标定方法。首先，推导了平面模板上的圆形控制点投影成为椭圆之后的理论坐标；然后，提取每一幅标定板图像中实际椭圆的中心坐标，通过最小二乘算法求得该幅图像对应的精确投影变换矩阵；最后，利用所有的投影变换矩阵求出相机内参数。实验结果表明：采用本文提出的标定方法，标定结果的重投影误差降到了1/50 pixel。该方法可一次完成标定，计算简单，标定精度高，适用于工业相机的标定。
工业相机 相机标定 不对称投影 投影变换矩阵 重投影误差 industrial camera camera calibration asymmetric projection projection transformation matrix re-projection error
