基于最小二乘支持向量回归的小零件精密测量技术

被引:4
作者
张秀芝 [1 ]
王龙山 [1 ]
于忠党 [2 ]
机构
[1] 吉林大学机械科学与工程学院
[2] 渤海大学信息科学与工程学院
关键词
齿形链板; 精密测量; 图像处理; 最小二乘支持向量回归;
D O I
暂无
中图分类号
TP274.4 [];
学科分类号
0804 ; 080401 ; 080402 ; 081002 ; 0835 ;
摘要
以圆销式齿形链板为研究对象,提出了结合图像处理技术和最小二乘支持向量回归的小零件精密测量方法。以CCD作为传感器采集图像,通过去噪和二值化等图像预处理技术获得待测零件单像素边缘轮廓信息。根据零件特点确定待测区域,并取出该区域中图像点的坐标作为最小二乘支持向量回归的训练点集,进行直线和圆的亚像素回归。对回归结果进行处理得到待测直线间夹角、圆孔直径、圆度误差和圆心距等几何参数。实验结果表明提出的方法不仅收敛速度快,而且精度高、稳定性好。
引用
收藏
页码:189 / 192
页数:4
相关论文
共 8 条
[1]   基于计算机视觉的滚珠螺母形位误差检测 [J].
贺秋伟 ;
王龙山 ;
刘庆民 ;
李国发 .
农业机械学报, 2007, (08) :159-163
[2]   基于支持向量回归的零件直线边缘亚像素图像检测 [J].
于忠党 ;
王龙山 ;
陈向伟 .
吉林大学学报(工学版), 2006, (03) :371-375
[3]  
机器视觉[M]. 科学出版社 , 贾云得编著, 2000
[4]   Transformation model estimation of image registration via least square support vector machines [J].
Peng, DQ ;
Liu, J ;
Tian, JW ;
Zheng, S .
PATTERN RECOGNITION LETTERS, 2006, 27 (12) :1397-1404
[5]   On a class of support vector kernels based on frames in function Hilbert spaces [J].
Gao, JB ;
Harris, CJ ;
Gunn, SR .
NEURAL COMPUTATION, 2001, 13 (09) :1975-1994
[6]   Optimal control by least squares support vector machines [J].
Suykens, JAK ;
Vandewalle, J ;
De Moor, B .
NEURAL NETWORKS, 2001, 14 (01) :23-35
[7]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300
[8]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167