基于視覺的刀具參數(shù)高精度測(cè)量

王 飛，杜文華，關(guān) 波，劉 娟

（中北大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，山西 太原030051）

0 引 言

在零件加工的過程中刀尖的尺寸會(huì)直接影響零件加工的精度，為了保證數(shù)控機(jī)床和加工中心的操作效率和加工質(zhì)量，必須對(duì)刀具進(jìn)行快速、高精度測(cè)量。傳統(tǒng)的接觸式、光學(xué)投影式測(cè)量系統(tǒng)，都存在速度慢，精度受主觀影響等不足，已不能滿足要求。機(jī)器視覺測(cè)量具有的非接觸、客觀、精度高和速度快等特點(diǎn)［1－6］，本文將視覺測(cè)量技術(shù)與C＃高效開發(fā)語(yǔ)言結(jié)合，從圖象處理的速度與精度和軟件功能角度方面研究，開發(fā)一套操作方便、交互性強(qiáng)的刀具參數(shù)測(cè)量系統(tǒng)，使其能夠高效獲得尺寸參數(shù)，并根據(jù)測(cè)量結(jié)果及時(shí)反饋。

1 測(cè)量系統(tǒng)平臺(tái)搭建

本系統(tǒng)由CCD 相機(jī)、圖像采集卡、圖像處理軟件、PC機(jī)及相關(guān)的輔助硬件設(shè)備構(gòu)成，如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)原理

光學(xué)系統(tǒng)采用LED 平板光源 （壽命長(zhǎng)，抗震動(dòng)，具有高速響應(yīng)能力）進(jìn)行平行背光照明并與MLM－3XMP 遠(yuǎn)心鏡頭配合，提高刀具圖像邊緣輪廓的對(duì)比度，同時(shí)減少圖像透射變形；攝像機(jī)是采用DH－SV1410型的CCD 攝像機(jī)，像元尺寸為6.45μm×6.45μm，最高分辨率為1280 （H）像素x1024 （V）像素，拍攝速度為48 幀／s，具有很強(qiáng)的穩(wěn)定性和噪聲抑制能力，提供高分辨率的圖像；圖像采集卡為DH－VT110，所采集的圖像數(shù)據(jù)傳輸基本不占用CPU時(shí)間，并可將圖像直接傳送到計(jì)算機(jī)內(nèi)存或顯存；攝像機(jī)與采集卡的接口是IEEE－1394a。接口傳輸給高性能PC 的機(jī)器視覺軟件進(jìn)行圖像處理運(yùn)算并輸出結(jié)果。

2 圖像采集與預(yù)處理

通過軟件控制CCD 驅(qū)動(dòng)采集到刀具的24位原始圖像，為了加快處理速度，采用指針法，將原始圖像轉(zhuǎn)為8位灰度圖像。由于電子成像設(shè)備或傳感器等不完善，成像系統(tǒng)獲取的原始圖像會(huì)存在有各種噪聲，需要對(duì)原始圖像濾波處理，本系統(tǒng)為了減少噪聲、提高后續(xù)邊緣定位的精度，同時(shí)保持較高執(zhí)行速度，采用了非線性濾波中的中值濾波，它在濾除高頻噪聲時(shí)，邊緣不容易被銳化。

圖像預(yù)處理前、后對(duì)比如圖2所示。

圖2 圖像預(yù)處理前、后對(duì)比

3 圖像邊緣提取與測(cè)量

為了獲取圖像中的被測(cè)物體信息，需要對(duì)圖像進(jìn)行圖像分割，即提取出圖像中感興趣物體的那部分區(qū)域。本系統(tǒng)為了提取刀具的準(zhǔn)確輪廓，測(cè)量出刀具的關(guān)鍵尺寸，需要在調(diào)好焦后，先對(duì)圖像進(jìn)行分割，提取出對(duì)測(cè)量有用的部分，再提取出亞像素邊緣輪廓。

3.1 像素級(jí)邊緣粗提取

3.2 亞像素級(jí)邊緣點(diǎn)提取

使用Sobel算子提取的邊緣，只能精確到像素級(jí)，無(wú)法滿足刀具測(cè)量中對(duì)精確度的要求。為此，需要進(jìn)行亞像素邊緣提取。目前，亞像素邊緣檢測(cè)有可分為：矩法、插值法、擬合法等。其中擬合法是通過對(duì)假設(shè)邊緣模型灰度值的最小二乘擬合來(lái)獲得亞像素的邊緣定位，獲得的邊緣精度要高于其它兩種方法，且該方法對(duì)噪聲的魯棒性好，穩(wěn)定性強(qiáng)。在Sobel提取的邊緣上給定一個(gè)窗口，對(duì)窗口領(lǐng)域內(nèi)的邊緣梯度幅值采用高斯曲面擬合算法精確定位邊緣亞像素級(jí)點(diǎn)［12－14］。在5×5窗口領(lǐng)域內(nèi)進(jìn)行擬合，算法的主要代碼如下：

3.3 邊緣點(diǎn)分段與擬合

刀具的外形一般由直線段和圓弧段構(gòu)成。我們利用文獻(xiàn) ［15，16］提出的線弧分割法將輪廓分割。沿著刀具邊緣輪廓線，每10 個(gè)邊緣點(diǎn)利用最小二乘發(fā)擬合為一條直線，計(jì)算相鄰直線段的夾角，如果夾角小于6 （自設(shè)），將這兩段直線段歸為一條直線段，如果夾角大于6，說(shuō)明此處有突變，則此邊緣點(diǎn)的為該段終點(diǎn)LEnd ［m］，接著從下一邊緣點(diǎn)LBgn［m＋1］開始重復(fù)上邊的步驟，直到邊緣終點(diǎn)。

然后計(jì)算每個(gè)線段的點(diǎn)數(shù)，如果LEnd ［m］－LBgn［m］＝10，則將此分割段去掉；如果LEnd ［m］－LBgn［m］≠10，則將LBgn ［m］到LEnd ［m］區(qū)間的應(yīng)為直線段。最后計(jì)算LBgn ［m＋1］－LEnd ［m］的值，如果LBgn［m＋1］－LEnd ［m］＞10，則說(shuō)明這段應(yīng)為圓弧段。這樣就完成了直線段和圓弧段的分割，最后根據(jù)所得到的直線和圓弧的邊緣點(diǎn)區(qū)間來(lái)分別擬合，進(jìn)而獲得刀尖的參數(shù)。顯然這種方法有效減少了離散點(diǎn)的干擾，有很好的魯棒性。算法的主要代碼如下：

4 軟件系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

軟件部分是整個(gè)刀具測(cè)量系統(tǒng)的核心，系統(tǒng)軟件主要完成圖像采集與預(yù)處理，圖形圖像處理和數(shù)據(jù)管理等功能。為了實(shí)現(xiàn)軟件便于維護(hù)、運(yùn)行穩(wěn)定和良好的人機(jī)界面，采用面向設(shè)計(jì)方法與面向?qū)ο蟪绦蚣軜?gòu)，使用微軟的.NET平臺(tái)和C＃開發(fā)語(yǔ)言，并結(jié)合SQL Server 2008數(shù)據(jù)庫(kù)作為后臺(tái)數(shù)據(jù)庫(kù)，對(duì)機(jī)器視覺尺寸檢測(cè)系統(tǒng)進(jìn)行軟件開發(fā)。為了提高了程序的效率和CPU 的利用率，采用了多線程技術(shù)，實(shí)現(xiàn)刀具數(shù)據(jù)處理，管理和保存。軟件中采用了模塊式開發(fā)思想，方便了后期擴(kuò)展與維護(hù)升級(jí)。另外，由于調(diào)焦是刀具圖像測(cè)量中的重要的一部分，本系統(tǒng)設(shè)計(jì)了可視化聚焦提示條，可以有效加快操作人員的調(diào)焦速度，降低調(diào)焦的操作難度。

數(shù)字圖像式調(diào)焦原理是當(dāng)物點(diǎn)偏離焦平面時(shí)，像點(diǎn)就會(huì)變成一個(gè)彌撒斑而不是一個(gè)點(diǎn)。在調(diào)好焦的情況下，采集的圖像才能有較好的清晰度，進(jìn)而所關(guān)注的被測(cè)邊緣輪廓也才會(huì)清晰。通常采用調(diào)焦評(píng)價(jià)函數(shù)處理圖像來(lái)獲取評(píng)價(jià)值，當(dāng)評(píng)價(jià)值達(dá)到極值時(shí)，圖像的清晰度最好。在本測(cè)量系統(tǒng)中，焦距和像距是固定的，只需要將刀具微微旋轉(zhuǎn)，使刀尖轉(zhuǎn)至測(cè)量系統(tǒng)的最佳聚焦平面上，這樣就完成了調(diào)焦，保證了采集的刀具圖像的邊界及細(xì)節(jié)部分的清晰度。梯度向量平方函數(shù)在單值性、靈敏度和穩(wěn)定性方面都較好，尤其適合于精調(diào)焦［17］，所以系統(tǒng)采用該函數(shù)作為調(diào)焦評(píng)價(jià)函數(shù)。算法的主要代碼如下：

為了提高操作員調(diào)焦速度和方便操作，設(shè)計(jì)了調(diào)焦提示條。其設(shè)計(jì)原理是計(jì)算機(jī)通過鏡頭和CCD 采集到一系列的數(shù)字圖像，對(duì)每一幀圖像進(jìn)行實(shí)時(shí)處理，通過判斷當(dāng)前評(píng)價(jià)值與最佳評(píng)價(jià)值的比值，給出提示條顏色與長(zhǎng)段值。操作員可以通過提示條顏色與長(zhǎng)段變化來(lái)調(diào)焦，當(dāng)調(diào)焦提示條成綠色且最短完成調(diào)焦，即刀尖轉(zhuǎn)到了最佳聚焦平面即圖3B 點(diǎn)處。調(diào)焦提示條的變化效果如圖4所示。

圖3 調(diào)焦原理

圖4 調(diào)焦提示條效果

算法的主要代碼如下：

5 測(cè)量結(jié)果與分析

測(cè)量結(jié)果的重復(fù)性是指在一樣的測(cè)量條件下，對(duì)同一被測(cè)物體進(jìn)行連續(xù)多次測(cè)量所獲結(jié)果的一致程度，重復(fù)性實(shí)驗(yàn)就是測(cè)試整個(gè)系統(tǒng)軟件和硬件的穩(wěn)定程度，能定量反映出整個(gè)系統(tǒng)的測(cè)量精度。本次實(shí)驗(yàn)選取CNMG120404－VP15TF型號(hào)的標(biāo)準(zhǔn)數(shù)控刀片，在相同條件下測(cè)量10 次。測(cè)量結(jié)果見表1。

表1 測(cè)量結(jié)果

從表1 來(lái)看，系統(tǒng)測(cè)量刀尖圓弧半徑最大值2.0232 mm，最小值2.0213 mm，重復(fù)性誤差為1.9μm。刀尖角最大值80.0063°，最小值79.9972°，重復(fù)性誤差為0.01°。系統(tǒng)測(cè)量的重復(fù)精度約為2μm。重復(fù)測(cè)量刀尖圓弧半徑R的條形圖如圖5所示，最終測(cè)量結(jié)果如圖6所示。

圖5 重復(fù)測(cè)量刀尖圓弧半徑R

圖6 測(cè)量結(jié)果

6 結(jié)束語(yǔ)

本文對(duì)基于機(jī)器視覺的刀具幾何尺寸的測(cè)量系統(tǒng)進(jìn)行了研究，并在VS2010平臺(tái)上，用C＃語(yǔ)言實(shí)現(xiàn)系統(tǒng)軟件開發(fā)。經(jīng)實(shí)驗(yàn)測(cè)試，該測(cè)量系統(tǒng)重復(fù)測(cè)量精度不超過2μm，以及在調(diào)好焦的情況下，測(cè)量一把刀具所需時(shí)間大約是0.3s；同時(shí)具有可靠的性能，操作簡(jiǎn)單，可以有效降低操作操作人員的工作強(qiáng)度。因此，該系統(tǒng)測(cè)量可廣泛的應(yīng)用在刀具測(cè)量領(lǐng)域，能比較好地提高數(shù)機(jī)床與加工中心的加工精度和工作效率。

［1］Davies E R.Machine vision theory，algorithm，practicalities［M］.3rd ed.Beijing：Posts and Telecom Press，2009.

［2］LIU Dandan，SUN Qiuhua，PENG Yanping.Design and development of automatic grading and packing production line for fruits and vegetables based on image processing ［J］.Packaging Engineering，2011，32 （17）：32－35 （in Chinese）. ［劉丹丹，孫秋花，彭彥平.基于圖像處理的果蔬自動(dòng)分等包裝生產(chǎn)線的設(shè)計(jì)與開發(fā) ［J］.包裝工程，2011，32 （17）：32－35.］

［3］LI Xudong，GE Wenqian，ZHAO Huijie.Research of defects detection on metal axis tip surface and dimension measurement system ［J］.Computer Engineering and Design，2009，30（7）：1777－1779 （in Chinese）. ［李旭東，葛文謙，趙慧潔.軸尖表面缺陷檢測(cè)及尺寸測(cè)量系統(tǒng)研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30 （7）：1777－1779.］

［4］ZHAO Haiyu，GU Jihai，CHI Guangzhi，et al.Development of cigarette circumference detection method based on image processing ［J］.Packaging Engineering，2011，32 （17）：52－55（in Chinese）.［趙海玉，谷吉海，遲廣志，等.基于圖像處理的卷煙圓周檢測(cè)方法研究 ［J］.包裝工程，2011，32 （17）：52－55.］

［5］REN Shaobin，LI Yuanzong.Research of microceramic sub－strate detection system based on machine vision ［J］.Computer Engineering and Design，2011，32 （9）：3240－3243 （in Chinese）.［任少斌，李元宗.基于機(jī)器視覺的微小陶瓷基材檢測(cè)系 統(tǒng) 研 究 ［J］. 計(jì) 算 機(jī) 工 程 與 設(shè) 計(jì)，2011，32 （9）：3240－3243.］

［6］GENG Chunming，CAI Dongbao.Design of image measurement system for mechanical parts based on computer vision ［J］.Computer Measurement ＆Control，2012，20 （1）：38－40 （in Chinese）.［耿春明，蔡?hào)|寶.基于計(jì)算機(jī)視覺的機(jī)械零件檢測(cè)系 統(tǒng) 設(shè) 計(jì) ［J］.計(jì) 算 機(jī) 測(cè) 量 與 控 制，2012，20 （1）：38－40.］

［7］WANG Zuocheng，LIU Xiaodong.Improved method of canny operator edge detection ［J］.Computer Engineering and Applications，2010，46 （34）：202－204.

［8］ZHAO Fang，LUAN Xiaoming，SUN Yue.Edge detection operators in digital image processing ［J］.Techniques of Automation ＆ Applications，2009，28 （3）：68－69 （in Chinese）.［趙芳，欒曉明，孫越.數(shù)字圖像幾種邊緣檢測(cè)算子檢測(cè)比較分析 ［J］.自動(dòng)化技術(shù)與應(yīng)用，2009，28 （3）：68－69.］

［9］YUE Gaili，WANG Dong，YANG Rui.Application of several edge detection operator in infrared images processing［J］.Journal of Xi’an University of Science and Technology，2012，32（4）：500－504 （in Chinese）. ［岳改麗，王棟，楊蕊.幾種邊緣檢測(cè)算子在紅外圖像處理方面應(yīng)用研究 ［J］.西安科技大學(xué)學(xué)報(bào)，2012，32 （4）：500－504.］

［10］ZHU Ying，JIANG Zetao.A Sub－pixel edge detection method based on Sobel operator［J］.Journal of Nanchang Institute of Aeronautical Technology （Natural Science），2005，19 （2）：100－102 （in Chinese）.［朱穎，江澤濤.基于Sobel算子的亞像素邊緣檢測(cè)方法 ［J］.南昌航空工業(yè)學(xué)院學(xué)報(bào) （自然科學(xué)版），2005，19 （2）：100－102.］

［11］DENG Caixia，MA Weifeng，YIN Yin.An edge detection approach of image fusion based on improved Sobel operator［C］／／4th International Congress on Image and Signal Pro－cessing，2011：1189－1193.

［12］SHANG Yaceng，CHEN Jing，TIAN Junwei.Sub－pixel edge detection algorithm based on Gauss fitting ［J］.Journal of Computer Applications，2011，31 （1）：179－181 （in Chinese）.［尚雅層，陳靜，田軍委.高斯擬合亞像素邊緣檢測(cè)算法 ［J］.計(jì)算機(jī)應(yīng)用，2011，31 （1）：179－181.］

［13］LAI Yueshen，CHEN Chen，TIAN Junwei，et al.The optimization of sub－pixel edge detection algorithm with gauss interpolation ［J］.Journal of Xi’an Technological University，2012，32 （10）：811－816 （in Chinese）. ［來(lái)躍深，陳琛，田軍委，等.高斯插值亞像素邊緣檢測(cè)算法的優(yōu)化 ［J］.西安工業(yè)大學(xué)學(xué)報(bào)，2012，32 （10）：811－816.］

［14］SHENG Zunbing，CUI Xianyu，GAO Guo’an.A universal algorithm for Subpixel edge detection ［J］.Journal of Shanghai Jiaotong University，2007，41 （6）：911－915 （in Chinese）.［盛遵冰，崔賢玉，高國(guó)安.通用亞像素邊緣檢測(cè)算法 ［J］.上海交通大學(xué)學(xué)報(bào)，2007，41 （6）：911－915.］

［15］GU Buyun，ZHOU Laishui，LI Tao.A new algorithm for feature point recognition and curve type determination of sectional profile ［J］.Mechanical Science and Technology for Aerospace Engineering，2007，26 （11）：1398－1402 （in Chinese）.［顧步云，周來(lái)水，李濤.一種新的截面輪廓特征點(diǎn)識(shí)別與分段曲線類型判別算法 ［J］.機(jī)械科學(xué)與技術(shù)，2007，26 （11）：1398－1402.］

［16］YOU Lihua，ZHOU Yang.A simple algorithm for geometric parameters and feature points detection ［C］／／International Conference on Computer Application and System Modeling，2010：409－413.

［17］SUN Jie，YUAN Yuehui，WANG Chuanyong.Comparison and analysis of algorithms for digital image processing in autofocusing criterion ［J］.ACTA Optica Sinica，2007，27 （1）：35－39 （in Chinese）.［孫杰，袁躍輝，王傳永.數(shù)字圖像處理自動(dòng)圖像聚焦算法的分析和比較 ［J］.光學(xué)學(xué)報(bào)，2007，27（1）：35－39.］