王燕燕 湖南機電職業(yè)技術(shù)學院電氣工程學院
魯五一 秦炳桂 中南大學信息科學與工程學院
基于數(shù)字圖像處理的貨車交叉桿彎曲度自動檢測
王燕燕 湖南機電職業(yè)技術(shù)學院電氣工程學院
魯五一 秦炳桂 中南大學信息科學與工程學院
交叉桿;彎曲度;圖像處理;自動檢測
貨車轉(zhuǎn)向架交叉桿是貨車車廂底部的一個固定機構(gòu),在行車過程中因機械碰撞而易發(fā)生彎曲、變形。因此交叉桿檢修質(zhì)量的高低直接影響到車輛的運行安全。交叉桿評判是否合格的重要指標是其幾何尺寸(包括交叉桿長度、端頭平面度和桿體彎曲度)。由于交叉桿的幾何尺寸非常大,超出了一般常規(guī)的測量范圍,并要求極高的準確度,同時需要測量三維空間的尺寸,這些因素造成了目前沒有辦法實現(xiàn)交叉桿的自動檢測。工業(yè)三維空間尺寸測量主要以全站儀、三坐標測量機等為主,這些設(shè)備結(jié)構(gòu)復雜,苛刻的測量條件限制,再加上昂貴的價格,使其未能在交叉桿測量領(lǐng)域進行大規(guī)模的推廣。同時人工測量方法需要多人共同協(xié)作才能完成,不僅費事費力,而且存在較大誤差。因此,鐵路貨運部門迫切需要研發(fā)出一種全新的貨車交叉桿幾何尺寸的自動檢測方法,本文主要研究貨車交叉桿彎曲度的自動檢測。
整個檢測系統(tǒng)主要由CCD工業(yè)相機、光源、工件測量臺、上位機(計算機圖像檢測軟件)、數(shù)據(jù)傳輸模塊、輸出設(shè)備等組成。本系統(tǒng)測量的交叉桿的型號為K2型號,彎曲度檢測其檢測標準大于20mm時修程為報廢,大于10mm時修程為調(diào)修,檢測范圍0~30mm,且在全長范圍內(nèi)進行,檢測精度為±1mm,重復精度為±1.5mm。
交叉桿通過傳送帶輸送至檢測臺,支撐架自動用卡子將交叉桿卡住并托起至預定位置。由上位機發(fā)送拍照指令, 4臺相機同時工作,拍攝照片,通過千兆網(wǎng)和網(wǎng)絡交換機把圖片信息傳輸?shù)缴衔粰C,經(jīng)過圖像濾波、背景差分、自適應二值化閾值算法和圖像的膨脹與腐蝕得到基準點的像素坐標,經(jīng)過坐標轉(zhuǎn)換以及標定的內(nèi)參矩陣得到交叉桿的彎曲度。最后提交數(shù)據(jù)處理報告,打印出相關(guān)數(shù)據(jù)。
2.1 圖像預處理
在鐵路貨車交叉桿檢修線上,環(huán)境十分惡劣,存在著機械振動、光線亮度變化、電磁波干擾等,要消除干擾噪聲的影響,同時突出或保持交叉桿圖像邊緣信息,在對圖像特征提取前需要進行預處理,考慮到工程的實際情況,本文選擇5*5的圓形模板加窗中值濾波器對交叉桿圖像進行處理。
2.2 圖像特征提取
攝像機在工業(yè)現(xiàn)場采集的圖像除了包含有交叉桿的圖像外,還夾雜有復雜的背景圖像。會給目標圖像的特征提取造成干擾。由于交叉桿本身的顏色是黑色,選擇與黑色對比度很強的白色為背景底色,在實際調(diào)試過程中發(fā)現(xiàn)交叉桿本身具有反光現(xiàn)象,背景與光源問題依然嚴重。于是,本文利用在短時間內(nèi)背景不會有很大變化的現(xiàn)實情況,利用背景差分的方法,去除背景。即先保存背景圖像,利用前景圖像與背景圖像相減,產(chǎn)生目標交叉桿的圖片的輪廓圖,然后選擇合適的閾值T,如果差值大于T,那么該點即為目標點,反之該點為背景點。采集到的背景圖如圖1(a)所示,實際圖像如圖1(b)所示,通過背景差分后得到的目標圖像如圖1(c)所示。經(jīng)過背景差分后的目標圖像需要進行二值化處理,使整個圖像呈現(xiàn)出明顯的黑白效果。
圖1 交叉桿進行背景差分前后的圖片
2.3 圖像的膨脹腐蝕
由于有些交叉桿會做一些記號,影響測量的精度,本文對標記區(qū)域通過ROI大致定位,對有噪點的圖片區(qū)域進行多次腐蝕,對丟失了信息的圖像進行膨脹,能夠較好地恢復交叉桿真實的桿體。
3.1測量過程
(1)事先通過標定,把標準桿的相關(guān)參數(shù)寫入系統(tǒng)。
(2)待測桿裝上檢修線,工作人員點擊獲取背景按鈕。背景圖像必須要在待測交叉桿沒有上升的情況下獲取,為了減小陽光、背景等偶然誤差每測一根交叉桿都需要獲取一次背景圖像。
(3)檢修線運行,交叉桿通過氣缸自動上升到待測位置。進行拍照,獲取所有的圖片數(shù)據(jù),并進行一系列的圖像處理。
(4)打印數(shù)據(jù)報表,判斷交叉桿是否合格。
3.2 測量算法與分析
通過前面對交叉桿圖像的處理,系統(tǒng)已經(jīng)得到交叉桿輪廓的經(jīng)過腐蝕膨脹的二值圖像,現(xiàn)在對圖像的輪廓進行提取與分析。每幅圖片的大小為2592*1944。根據(jù)標準桿的位置,大致定位每個端頭的ROI區(qū)域,如圖2所示,白色區(qū)域為ROI區(qū)域。這種方法可以減少交叉桿圖片的噪點和計算的區(qū)域,提高算法的速度。
圖2 交叉桿ROI區(qū)域
在現(xiàn)場環(huán)境中,基準點(交叉桿中心)與理論基準點會有偏差,并且交叉桿所在的平面與理論的水平面不能完全平行。經(jīng)過一系列的坐標變換,由于機械定位不準確導致的坐標誤差會被放大。同時由于相機的畸變,會導致彎曲度較大的交叉桿的修正產(chǎn)生較大誤差。本文不再沿用圖像坐標轉(zhuǎn)換為世界坐標的傳統(tǒng)思路,而是采用分塊修正查表的思想對圖像坐標進行修正。具體算法步驟如下:
(1)采用標準樣桿(經(jīng)過計量局認證過的完全沒有彎曲的交叉桿)進行標定。
(2)在氣缸上設(shè)定毫米為單位的標度,(-7.5mm到22.5mm),待測桿的標準端面位置在0mm處。
(3)在檢測臺放上標準樣桿,每次氣缸上升1.5mm(3到5個像素點,1.5mm為重復精度), 得到一組邊緣圖片數(shù)據(jù),記為集合。集合有如下定義,由公式1-1給出,表示標度。集合的數(shù)據(jù)包括:表示刻度值,的取值有-7.5, -5, -3.5 , ..., 21, 22.5,表示是第幾組刻度值,的取值為1, 2, ..., 20。后面的坐標值為交叉桿的100組像素坐標值,表示一組圖片的第個區(qū)域,表示這一組的平均縱坐標。(1-1)
(4)拍攝20副圖片,形成20*1.5mm的彎曲區(qū)域。為方便顯示,放大彎曲區(qū)域的面積,如圖3箭頭所示。每根樣桿圖像在-7.5mm到22.5mm之間的每個圖像區(qū)域形成了一個25像素點*1.5mm的數(shù)據(jù)表。
圖3 交叉桿分組區(qū)域
采用圖像坐標轉(zhuǎn)換的方法從測量現(xiàn)場選取的部分數(shù)據(jù)如表1所示,采用分塊修正查表的思想對圖像坐標進行修正的方法測量同樣的10根交叉桿,測量數(shù)據(jù)如表2所示,由表1和表2的數(shù)據(jù)可以看出,針對不同彎曲程度的交叉桿,利用改進后的測量交叉桿彎曲度算法,平均測量誤差由原來的1.3mm減小到0.5mm。對于彎曲度較大的交叉桿,測量誤差由原來的5.1mm減小到只有2.2 mm 。由此可知,采用改進后的測量算法,提高了測量結(jié)果的精確度。經(jīng)過大量現(xiàn)場數(shù)據(jù)表明該系統(tǒng)的最大測量誤差|δ|<3mm,與手工測量相比,提高了測量速度,減少了人力與物力。
表1 改進算法前彎曲度測量數(shù)據(jù)
表2 改進算法后彎曲度測量數(shù)據(jù)
本文以數(shù)字圖像處理的相關(guān)原理及算法為基礎(chǔ),通過非接觸式測量采集到貨車交叉桿的圖像,通過對圖像進行分析與處理,得到真實交叉桿的輪廓。根據(jù)標準桿對待測桿進行比較,結(jié)合實際情況以及對檢測結(jié)果分析,本文所介紹的檢測方法能夠減小彎曲度比較大的交叉桿的測量誤差,提高了檢測的精確度,滿足對測量系統(tǒng)的誤差要求。實現(xiàn)了測量的自動化。具有一定的應用和推廣價值。
[1] 陳雷.中國鐵路重載貨車關(guān)鍵技術(shù)和可靠性評價[J].鐵道車輛,2010,48(1):18-21.
[2] 鄧旭輝,王川.關(guān)于火車貨車轉(zhuǎn)向架檢修的優(yōu)化和提升[J].科技創(chuàng)新導報,2014,(29):84-84.
[3] 陳剛,胡禎.大型測量臺的大尺寸測量技術(shù)研究[J].中國計量,2014,(4):23-25.
[4] 王歡,楊杰.歐洲鐵路貨車轉(zhuǎn)向架發(fā)展綜述[J].機車車輛工藝,2012,(5):12-14.
[5] 鄭玉麗,陳衛(wèi)兵.圖像加窗中值濾波算法研究[J].微計算機應用,2011,32(9):9-14.
[6] 屈晶晶,辛云宏.連續(xù)幀間差分與背景差分相融合的運動目標檢測方法[J].光子學報.2014,43(7):710002-8.
[7] 胡進忠,余曉芬,劉媛媛.基于激光多邊法的坐標測量系統(tǒng)自標定研究[J].電子測量與儀器學報,2014,28(2):130-137
[8] 黃湛,徐杜,蔣永平.高精度圖像尺寸檢測鏡頭畸變校正方法與實現(xiàn)[J].電子科技,2013,26(8):126-129.
王燕燕(1984- ),女,山西臨汾人,講師,工程碩士,研究方向:智能控制及其應用。
魯五一(1957- ),男,湖南長沙人,教授,研究方向:智能檢測與控制。
秦炳桂(1990- ),男,碩士研究生,主要研究方向:數(shù)字圖像處理。
以數(shù)字圖像處理技術(shù)為基礎(chǔ),設(shè)計了一套運用機器視覺技術(shù)對鐵路貨車交叉桿的彎曲度進行自動測量的系統(tǒng)。將檢測臺上的交叉桿進行定位,拍攝照片,并將圖片信息傳輸?shù)缴衔粰C。對采集到的原始交叉桿圖像運用加窗中值濾波器,去除現(xiàn)場環(huán)境的噪聲。利用背景差分法去除工業(yè)現(xiàn)場背景對目標圖像的干擾。采用圖像處理ROI的思想,運用膨脹與腐蝕算法,得到交叉桿輪廓的二值圖像,考慮到現(xiàn)場環(huán)境中,機械定位不可能完全準確以及相機的畸變,采用分塊修正查表的思想對圖像坐標進行修正,求解出交叉桿彎曲度的值。實現(xiàn)了對交叉桿的自動化流水線在線檢測,取代傳統(tǒng)人工檢測,大大提升了工作效率和經(jīng)濟效益。