基于機(jī)器視覺(jué)的軸類零件幾何尺寸測(cè)量*

祁曉玲，趙霞霞，靳伍銀

(蘭州理工大學(xué) 機(jī)電工程學(xué)院，蘭州 730050)

0 引言

軸類零件是機(jī)械工業(yè)中極為常見(jiàn)的零件之一，其幾何尺寸與精度不僅直接影響機(jī)械的運(yùn)動(dòng)性能、使用壽命，且對(duì)減少能源消耗和環(huán)境污染等有重要影響。在我國(guó)大多數(shù)機(jī)械加工企業(yè)的加工現(xiàn)場(chǎng)，產(chǎn)品尺寸的測(cè)量仍然采用V 型塊加百分表或千分表、千分尺等落后的傳統(tǒng)量具。這種傳統(tǒng)的手工測(cè)量方法對(duì)操作人員的依賴性強(qiáng)，操作者勞動(dòng)強(qiáng)度大，效率低，產(chǎn)品質(zhì)量得不到有效保障，還可能產(chǎn)生很多人為誤差，這樣就難以滿足大批量、高效率、高精度的產(chǎn)品檢測(cè)要求。因此，研究低成本、高精度、高效率的軸類零件尺寸自動(dòng)檢測(cè)系統(tǒng)，對(duì)提高我國(guó)機(jī)械裝備制造業(yè)的技術(shù)水平具有重大意義［1］。目前，視覺(jué)檢測(cè)技術(shù)是精密測(cè)試技術(shù)領(lǐng)域內(nèi)最具有發(fā)展?jié)摿Φ男录夹g(shù)，它綜合運(yùn)用了電子學(xué)、光電探測(cè)、圖像處理和計(jì)算機(jī)技術(shù)［2］。將機(jī)器視覺(jué)引入工業(yè)檢測(cè)中，實(shí)現(xiàn)對(duì)物體(產(chǎn)品或零件)尺寸或相對(duì)位置的快速測(cè)量，可以做到實(shí)時(shí)在線、非接觸和高精度，省時(shí)省力并可以避免測(cè)量過(guò)程中人為產(chǎn)生的錯(cuò)誤，同時(shí)也能實(shí)現(xiàn)生產(chǎn)的連續(xù)性和提高生產(chǎn)的自動(dòng)化程度［3］。本文應(yīng)用機(jī)器視覺(jué)技術(shù)開(kāi)發(fā)了一套完整的軸類零件測(cè)量系統(tǒng)，重點(diǎn)介紹了系統(tǒng)的軟硬件結(jié)構(gòu)，結(jié)合改進(jìn)的自適應(yīng)中值濾波算法，對(duì)軸類零件的基本參數(shù)進(jìn)行了快速準(zhǔn)確地測(cè)量。

1 系統(tǒng)總體設(shè)計(jì)

本系統(tǒng)的組成分為兩部分:硬件系統(tǒng)和軟件系統(tǒng)。硬件系統(tǒng)主要完成圖像采集，使用CCD 攝像頭及配套的圖像數(shù)據(jù)采集系統(tǒng)，采集能夠反映軸表面特征的圖像。如圖1 所示，由于軸類零件屬于非透明體，采用背向照明方式，背向照明是被測(cè)物放在光源和攝像機(jī)之間，它的優(yōu)點(diǎn)是能獲得高對(duì)比度的圖像，有利于后續(xù)圖像處理。光源發(fā)出光波，經(jīng)環(huán)形光管照射于被測(cè)零件，使零件盡量在均勻照明的可控背景中，(為了減小周圍環(huán)境光對(duì)零件的影響，我們用一個(gè)不透明的圓柱腔體遮光罩將環(huán)形燈管圍住，并在光源上面放置一塊毛玻璃降低散射)，經(jīng)光學(xué)系統(tǒng)成像于面陣CCD 的光敏面上，圖像采集卡接收從CCD 攝像頭中輸入的模擬電信號(hào)，由A/D 轉(zhuǎn)換為離散的數(shù)字信號(hào)，與計(jì)算機(jī)進(jìn)行通訊，計(jì)算機(jī)通過(guò)對(duì)采集的圖像數(shù)據(jù)進(jìn)行處理，從而能快速、精確地計(jì)算出該零件的尺寸，并將結(jié)果直接送到顯卡上進(jìn)行顯示。

圖1 測(cè)量系統(tǒng)硬件組成圖

本測(cè)量系統(tǒng)采用的是總像素單元數(shù)為768(水平)×576(豎直)的面陣CCD 攝像機(jī)、CCTV-LENS 8.0mm 的鏡頭、內(nèi)置有型號(hào)為PCI-1104 的4 路標(biāo)準(zhǔn)相機(jī)圖像采集卡的計(jì)算機(jī)。

軟件部分主要完成圖像處理和尺寸測(cè)量。如圖2 所示，對(duì)獲取圖像的處理包括:圖像預(yù)處理、邊緣提取、邊緣修復(fù)、算法實(shí)現(xiàn)、結(jié)果生成等模塊。

圖2 測(cè)量系統(tǒng)軟件模塊

2 圖像處理

對(duì)于一個(gè)穩(wěn)定快速的機(jī)器視覺(jué)測(cè)量系統(tǒng)，合理選擇圖像處理算法非常重要，測(cè)量軟件所使用的圖像處理算法直接決定了測(cè)量效果的好壞以及測(cè)量過(guò)程花費(fèi)的時(shí)間［4］。本系統(tǒng)中出現(xiàn)的噪聲主要為椒鹽噪聲，采用中值濾波就可以較好的去除掉此類噪聲，傳統(tǒng)的中值濾波方法運(yùn)用中值代替該點(diǎn)的像素，也就是說(shuō)，沒(méi)有考慮這點(diǎn)是被污染點(diǎn)還是未被污染點(diǎn)，這樣就會(huì)造成圖像質(zhì)量的下降。一種解決方法就是在濾波之前，先實(shí)現(xiàn)脈沖噪聲的檢測(cè)，這樣只有那些被污染點(diǎn)可以通過(guò)濾波器，未被污染點(diǎn)將不會(huì)通過(guò)。通過(guò)把這種噪聲檢測(cè)原理合并到中值濾波中，本文提出一種自適應(yīng)開(kāi)關(guān)中值濾波算法［5-6］，它能在濾除噪聲點(diǎn)的同時(shí)，很好的保留二維圖像的結(jié)構(gòu)細(xì)節(jié)。具體算法為:

(1)首先采用3 ×3 窗口排列灰度圖像，并用二值圖像中的3 ×3 模板進(jìn)行匹配。

(2)在匹配的二值窗口中確定在當(dāng)前的濾波窗口中有多少個(gè)像素被作為非噪聲點(diǎn)。

(3)如果未被污染的像素大小小于濾波窗口總像素的一半，用向外增加一個(gè)像素的方法沿窗口的4個(gè)方向，反復(fù)的擴(kuò)充窗口的大小，如果對(duì)結(jié)果不滿意，以上步驟再執(zhí)行一次。

(4)由于當(dāng)前像素被標(biāo)記為噪聲，它將不會(huì)出現(xiàn)在過(guò)濾過(guò)程中，只有當(dāng)像素被標(biāo)記為非噪聲點(diǎn)時(shí)才會(huì)出現(xiàn)在中值濾波中，這樣形成的濾波效果有較少的失真。運(yùn)用本文的濾波方法與傳統(tǒng)中值濾波相比較，得到如圖3 所示。

圖3 圖像處理

3 測(cè)量系統(tǒng)

3.1 系統(tǒng)標(biāo)定

本測(cè)量系統(tǒng)中采用了實(shí)驗(yàn)標(biāo)定的方法:以已知量塊作為標(biāo)準(zhǔn)件，選擇與實(shí)際測(cè)量時(shí)的測(cè)量條件相同的情況下拍攝量塊圖像，并計(jì)算其在圖像像素坐標(biāo)系中的像素值。量塊的實(shí)際尺寸與其像素尺寸的比值，即攝像頭的定標(biāo)尺寸，從而達(dá)到系統(tǒng)標(biāo)定的目的［8］。在測(cè)量中，首先對(duì)獲取的量塊圖像進(jìn)行處理，統(tǒng)計(jì)出其在圖像坐標(biāo)系中的像素個(gè)數(shù)，用P 表示，它與量塊的實(shí)際長(zhǎng)度L 相比得到每像素對(duì)應(yīng)的實(shí)際尺寸S，用下式表示:

式(1)中，S 表示一個(gè)像素所對(duì)應(yīng)的實(shí)際尺寸，即標(biāo)定值。由于標(biāo)定過(guò)程也會(huì)引入誤差，因此可以采用多次標(biāo)定取平均值法消除系統(tǒng)誤差的影響。在獲取了系統(tǒng)標(biāo)定參數(shù)后，就可以將圖像測(cè)量所得到的像素尺寸轉(zhuǎn)換成實(shí)際的尺寸。但是這種系統(tǒng)標(biāo)定得到的系數(shù)在更換了不同的被測(cè)零件或者測(cè)量條件(照明、視距、焦距等)后就需要重新標(biāo)定。本實(shí)驗(yàn)選擇70mm 的量塊作為測(cè)量對(duì)象，通過(guò)計(jì)算得到標(biāo)定值:

3.2 軸的尺寸測(cè)量

經(jīng)過(guò)前面的圖像處理，獲得的軸零件圖像可以直接進(jìn)行計(jì)算。軸類零件的尺寸包括徑向尺寸、軸向尺寸和連接段的倒角等，如圖4 所示的階梯軸。

3.2.1 軸徑的計(jì)算

圖4 階梯軸及其尺寸表示

由于軸零件特征的特殊性，可以采用Hough 變換來(lái)檢測(cè)直線。它的基本思想是:將直線上每一個(gè)數(shù)據(jù)點(diǎn)變換為參數(shù)平面中的一條直線或曲線，利用共線數(shù)據(jù)點(diǎn)對(duì)應(yīng)的參數(shù)曲線相交于參數(shù)空間中一點(diǎn)的關(guān)系，使直線的提取問(wèn)題轉(zhuǎn)化為計(jì)數(shù)問(wèn)題。Hough 變換提取直線的主要優(yōu)點(diǎn)是受直線中的間隙和噪聲影響較小。從得出的邊緣圖像中，可以檢測(cè)到六條直線段，依次求得各條直線的位置參數(shù)，即為三段軸的邊緣線，從而可以計(jì)算得到圖4 所示階梯軸的軸徑。

3.2.2 角度的確定

雖然邊界處的坐標(biāo)已經(jīng)被求出來(lái)了，但是求出的坐標(biāo)并不都是準(zhǔn)確地落在直線上。那么使用哪些點(diǎn)來(lái)計(jì)算兩條直線的角度呢?在計(jì)算角度之前可以先對(duì)直線進(jìn)行擬合?；谥本€擬合的檢測(cè)算法，根據(jù)最小二乘原理用直線來(lái)逼近直線輪廓［9-10］。直線的方程為:

取其殘差為:

式中i ∈E，E 表示所有邊界的集合;(xi，yi)為圖像邊界點(diǎn)坐標(biāo)。

殘差平方和函數(shù)為:

根據(jù)最小二乘原理，應(yīng)取a0和a1使F(a0，a1)有極小值，故a0和a1應(yīng)滿足下列條件:

表1 實(shí)驗(yàn)結(jié)果與標(biāo)準(zhǔn)值比較

即得如下正規(guī)方程組:

求出a0，a1，可以求出組成倒角的兩條直線。角度計(jì)算可以使用公式

其中，vec1 和vec2 分別是兩條直線方向的向量，方向向量vec1 = (1，k1)，vec2 = (1，k2)(k1，k2 分別為兩直線的斜率)，“＜，＞”指點(diǎn)積，“| |”指長(zhǎng)度即模長(zhǎng)。由反余弦函數(shù)arccos 可以求出角度。以圖4 中所指的倒角為例具體步驟如下:找到左上方水平直線上的一點(diǎn)，求出其坐標(biāo)，然后掃描行數(shù)比該點(diǎn)所在行小于3 的點(diǎn)，從而找到斜線上的一個(gè)點(diǎn)。由這兩點(diǎn)出發(fā)，使用函數(shù)bwtraceboundary 跟蹤目標(biāo)邊界，本文分別采用向右和向北方向的8 鄰域內(nèi)找100 和10 個(gè)點(diǎn)，為了使求得的角度和兩條直線的交點(diǎn)更加準(zhǔn)確，找的點(diǎn)數(shù)越多越精確。把這些點(diǎn)分別擬合成兩條直線。計(jì)算出兩條直線的方向向量，由角度公式(7)得出兩直線的夾角，為所求的倒角。

3.2.3 軸長(zhǎng)的確定

左端的軸長(zhǎng):求角度時(shí)擬合出兩條直線，且兩直線的交點(diǎn)已知，即為左邊部分的邊界終點(diǎn)，該點(diǎn)坐標(biāo)為(r1，c2)，依次向左掃描，檢測(cè)出r1 行的最小列，記作c1，則左端的軸長(zhǎng)L1 = c2－c1;中間段軸長(zhǎng):找到圖像的中間段部分，記下該段所有邊界點(diǎn)所在的行和列。找出最大的列數(shù)記作c3，其行數(shù)記作r2，即中間段的長(zhǎng)度L2 = c3－c2;右端的軸長(zhǎng):在整個(gè)圖像中找到最大列值c4 的點(diǎn)，則可判斷出，該點(diǎn)為工件該段輪廓的結(jié)尾點(diǎn)，并把該點(diǎn)記為(r3，c4)，則右端的軸長(zhǎng)L3 = c4－c3。

4 測(cè)量結(jié)果與誤差分析

根據(jù)測(cè)量結(jié)果，生成的二維圖如圖5 所示。表1所示為零件實(shí)際尺寸與測(cè)量結(jié)果對(duì)比，及其相對(duì)誤差分析。視覺(jué)檢測(cè)中的誤差值是由多方面的因素造成的，其中包含光源偏移及角度變化，攝像機(jī)的透視誤差，圖像處理算法的影響，尺寸測(cè)量中檢測(cè)參數(shù)的選取等。

圖5 重繪零件圖及尺寸標(biāo)注

5 結(jié)論

計(jì)算機(jī)視覺(jué)測(cè)量系統(tǒng)在工業(yè)生產(chǎn)過(guò)程中應(yīng)用越來(lái)越廣泛，由于圖像采集系統(tǒng)、傳輸媒介以及成像系統(tǒng)的不完善，圖像信號(hào)在生成、傳輸過(guò)程中，很容易受到脈沖噪聲的干擾，因而圖像增強(qiáng)通常是一個(gè)必要的環(huán)節(jié)。選取合適的濾波算法對(duì)保證測(cè)量精度無(wú)疑是非常重要的。本文基于MATLAB 平臺(tái)，采用改進(jìn)的自適應(yīng)中值濾波可以有效地濾除椒鹽噪聲，并很好的保持圖像的細(xì)節(jié)信息，濾波性能比傳統(tǒng)中值濾波更理想。開(kāi)發(fā)了軸類零件尺寸測(cè)量系統(tǒng)，實(shí)現(xiàn)幾何尺寸計(jì)算、零件圖自動(dòng)生成。實(shí)驗(yàn)表明本文所開(kāi)發(fā)的系統(tǒng)與測(cè)量方法能對(duì)多尺寸的復(fù)雜軸類零件進(jìn)行較高精度的在線測(cè)量。

［1］郭林. 基于CCD 的軸類零件快速精確測(cè)量方法研究及實(shí)現(xiàn)［D］. 重慶:重慶大學(xué)，2006.

［2］Jeong-Ho Lee，You-Sik Kim. Real-time application of critical dimension measurement of TFT-LCD pattern using a newly proposed 2D image-processing algorithm［J］. Optics and Lasers in Engineering，2008，46:558－569.

［3］孫晉豪，楊燕翔. 基于機(jī)器視覺(jué)的零部件尺寸測(cè)量［J］.工業(yè)控制計(jì)算機(jī)，2007，20(7):3－4，6.

［4］E. N. Malamas，E. G. M. Petrakis，M. Zervakis，et al. A survey on Industrial vision systems，application and tools［J］. Image and Vision Computing，2003，21(2):171－188.

［5］Mamta Juneja，Rajni Mohana. An improved Adaptive Median Filtering Method for Impulse Noise Detection［J］. International Journal of Recent Trends in Engineering. 2009(1):274－278.

［6］蘇峰，朱旻蕓，楊秋菊. 基于自適應(yīng)開(kāi)關(guān)插值算法的圖像椒鹽噪聲濾波［J］. 計(jì)算機(jī)應(yīng)用研究，2011，28(2):375－377，381.

［7］張德峰，等. MATLAB 數(shù)字圖像處理［M］. 北京:機(jī)械工業(yè)出版社，2009.

［8］田原嫄，黃合成，譚慶腸，等. 基于機(jī)器視覺(jué)的零件尺寸測(cè)量［J］. 激光與光電子學(xué)進(jìn)展，2010(1):86－94.

［9］劉師少. 計(jì)算方法［M］. 北京:科學(xué)出版社，2005.

［10］孔兵，王昭，譚玉山. 基于圓擬合的激光光斑中心檢測(cè)算法［J］. 紅外與激光工程，2002，31(3):275－279.