?在CNC柔性化多工序加工過程中,加工基準會隨自動化的工藝過程發(fā)生轉(zhuǎn)變，轉(zhuǎn)變后的點、線或面即為工件加工的動態(tài)基準?；鶞拾垂τ每煞譃樵O(shè)計基準和工藝基準。精密cnc加工動態(tài)基準與視覺檢測特征分析？
?其中，工藝基準是本文主要研究內(nèi)容，用來反映當前工序所加工特征的尺寸形狀和位置誤差。動態(tài)基準按幾何形式可分為基準線和基準面，基準線包括回轉(zhuǎn)面的軸線、中心線等?；鶞拭姘▽ΨQ面、端面、支撐面、安裝面及結(jié)合面等。

cnc加工圖像視覺檢測特征包括顏色特征、紋理特征、空間關(guān)系特征及形狀特征等。顏色特征是基于所有屬于圖像像素點的特征。紋理特征則是在包含多個像素點的區(qū)域中進行統(tǒng)計計算?？臻g關(guān)系是指圖像中多個目標彼此之間空間位置或相對方向關(guān)系。形狀特征是指工件上有一定拓撲關(guān)系的一組幾何元素（點、線、面）所組成的一個特定形狀。形狀特征作為物體重要的視覺信息，是物體穩(wěn)定的屬性表示。
 
根據(jù)不同視覺特征之間的對比以及上文對動態(tài)基準的分析，形狀特征符合動態(tài)基準的特性，所以選擇形狀特征作為其視覺特征。通常情況下，形狀特征可表示為基于形狀的輪廓特征和基于形狀的區(qū)域特征，具體包括角點、邊緣、直線、曲線及區(qū)域等。其中邊緣存在干擾的話,會產(chǎn)生大量偽邊緣點，影響邊緣特征提取，這時找到適合的圖像處理算法至關(guān)重要。
 
對應(yīng)關(guān)系分析及特征提取方法在數(shù)控加工過程中，加工基準為工件的拐角時,其在視覺圖像中表現(xiàn)為角點形式。圖像角點視覺檢測算法中基于模板的方法應(yīng)用最廣泛，包括Harris算法、Susan算法、FAST算法及SURF算法等問。

其中Susan算法對噪聲有很好的魯棒性，同時也具有光強變化不變性及旋轉(zhuǎn)不變性,其使用參數(shù)非常少,所以對計算量及存儲要求低。因此，運用Susan算法提取出角點坐標即動態(tài)基準的位置。

加工基準為回轉(zhuǎn)面的軸線或中心線時，其在視覺圖像中表現(xiàn)為圓的圓心,但圓心不是真實存在的,所以對其視覺特征的提取就涉及到圓的邊緣提取以及曲線擬合,從而得到中心坐標即加工動態(tài)基準位置。常用的邊緣提取算子中Canny算子較其他邊緣檢測算子對單像素邊緣定位精度高，抗噪能力好。