內(nèi)螺紋機(jī)器視覺檢測(cè)系統(tǒng)

王蘊(yùn)哲， 岳曉峰

(長(zhǎng)春工業(yè)大學(xué) 機(jī)電工程學(xué)院， 吉林 長(zhǎng)春 130012)

?

內(nèi)螺紋機(jī)器視覺檢測(cè)系統(tǒng)

王蘊(yùn)哲， 岳曉峰*

(長(zhǎng)春工業(yè)大學(xué) 機(jī)電工程學(xué)院， 吉林 長(zhǎng)春 130012)

利用CCD相機(jī)輔以高精度硬桿內(nèi)窺鏡采集內(nèi)螺紋圖像，利用攝像機(jī)標(biāo)定和圖像形態(tài)學(xué)中的腐蝕和膨脹算法做進(jìn)一步的圖像處理，最終抽取圖像骨架，完成螺紋螺距的檢測(cè)。

機(jī)器視覺； 內(nèi)螺紋； 圖像處理； 非接觸測(cè)量

0 引 言

內(nèi)螺紋是機(jī)械和汽車工業(yè)中最廣泛使用的零部件之一，起聯(lián)接、傳動(dòng)和緊固作用。工程中，為保證螺紋聯(lián)接的互換性和可靠性，對(duì)內(nèi)螺紋的加工精度要求很高，需要對(duì)內(nèi)螺紋的參數(shù)進(jìn)行精確檢測(cè)[1]。目前，我國(guó)制造業(yè)主要使用接觸式測(cè)量法對(duì)內(nèi)螺紋進(jìn)行檢測(cè)。接觸式測(cè)量法難以進(jìn)行批量檢測(cè)，且容易對(duì)被檢測(cè)工件產(chǎn)生摩擦損耗。隨著工業(yè)檢測(cè)技術(shù)的發(fā)展，非接觸測(cè)量方法在工業(yè)檢測(cè)中得到廣泛應(yīng)用。與接觸式測(cè)量法相比，非接觸測(cè)量法具有高效率、高精度、自動(dòng)化、無損傷等優(yōu)點(diǎn)[2]。近年來，隨著機(jī)器視覺技術(shù)的不斷發(fā)展，非接觸測(cè)量正逐步取代傳統(tǒng)的接觸測(cè)量法，在工業(yè)檢測(cè)中得到廣泛應(yīng)用。

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，模式識(shí)別、數(shù)字圖像處理、人工智能等學(xué)科的進(jìn)步推動(dòng)著工業(yè)生產(chǎn)朝著高效率、低成本的方向發(fā)展。機(jī)器視覺技術(shù)是伴隨著計(jì)算機(jī)技術(shù)的發(fā)展而產(chǎn)生的一門新興學(xué)科。它主要利用光電成像、計(jì)算機(jī)圖像處理和模式識(shí)別技術(shù)進(jìn)行檢測(cè)。機(jī)器視覺利用計(jì)算機(jī)模擬人眼的視覺功能，相對(duì)于傳統(tǒng)檢測(cè)方法而言具有檢測(cè)速度快、非接觸、精度高、抗干擾能力強(qiáng)等優(yōu)勢(shì)，在測(cè)量、定位、缺陷檢測(cè)等工程領(lǐng)域廣泛應(yīng)用[3]。區(qū)別于機(jī)械檢測(cè)方法的最大特點(diǎn)在于它能夠進(jìn)行在線檢測(cè)，即對(duì)生產(chǎn)線上的零件進(jìn)行同步非接觸檢測(cè)，同時(shí)輸出檢測(cè)結(jié)果。

文中在機(jī)器視覺的基礎(chǔ)上，采用工業(yè)用高精度硬桿內(nèi)窺鏡搭建實(shí)驗(yàn)平臺(tái)，提出了一種新型內(nèi)螺紋螺距檢測(cè)系統(tǒng)。

1 攝像機(jī)的標(biāo)定

1.1 小孔攝像機(jī)標(biāo)定原理

在機(jī)器視覺中，物體的位置、形狀等三維信息是從攝像機(jī)采集的二維圖像信息中得到的。攝像機(jī)標(biāo)定就是獲得攝像機(jī)內(nèi)部幾何和光學(xué)特性(內(nèi)部參數(shù))以及攝像機(jī)在世界坐標(biāo)系中的位置和方向(外部參數(shù))的過程[4]。

理想小孔攝像機(jī)成像模型如圖1所示。

圖1 理想小孔攝像機(jī)成像模型

設(shè)(xw,yw,zw)為三維世界坐標(biāo)系中一點(diǎn)P的三維坐標(biāo)，(x,y,z)是同一點(diǎn)在攝像機(jī)坐標(biāo)系中的三維坐標(biāo)。則攝像機(jī)坐標(biāo)系定義為OXY，圖像坐標(biāo)系定義為O′xy，(xu,yu)是理想小孔攝像機(jī)模型下P點(diǎn)的圖像坐標(biāo)，(xd,yd)是因攝像機(jī)鏡頭徑向畸變引起的偏離后的實(shí)際圖像坐標(biāo)。O點(diǎn)為攝像機(jī)的光學(xué)中心，有效焦距f是光學(xué)中心到圖像平面的距離[5]。

從三維空間坐標(biāo)(xw,yw,zw)到攝像機(jī)坐標(biāo)系中三維坐標(biāo)(x,y,z)的變換為：

式中：R----一個(gè)3×3的正交矩陣，從世界坐標(biāo)系到攝像機(jī)坐標(biāo)系的旋轉(zhuǎn)變換；

T----一個(gè)3×1的平移向量，從世界坐標(biāo)系到攝像機(jī)坐標(biāo)系的平移變換。

在理想小孔攝像機(jī)模型下，像面坐標(biāo)系O′xy到攝像機(jī)坐標(biāo)系OXYZ的變換關(guān)系為

式中：(Xu,Yu)----未考慮畸變影響的理想圖像坐標(biāo)。

實(shí)際圖像坐標(biāo)(Xd,Yd)應(yīng)為

式中：k----徑向畸變系數(shù)。

由Tsai兩步標(biāo)定法，攝像機(jī)的標(biāo)定過程就是確定旋轉(zhuǎn)矩陣R、平移矩陣T、焦距f和畸變系數(shù)k的值[6]。設(shè)

先在線性模型下求出R和T的值，由式(1)、(2)、(3)可得：

對(duì)每個(gè)標(biāo)定點(diǎn)，當(dāng)已知其三維坐標(biāo)及相應(yīng)的圖像坐標(biāo)時(shí)，就有一個(gè)如上的方程。通過取多個(gè)標(biāo)定點(diǎn)，按照最小二乘法求得總誤差最小的最優(yōu)解，可得R中各元素的值和Tx、Ty的值。

由式(4)進(jìn)一步推導(dǎo)可得：

求解以上線性方程組可以得到f和k的值，從而完成攝像機(jī)的標(biāo)定工作。

1.2 攝像機(jī)標(biāo)定結(jié)果及畸變校正

實(shí)驗(yàn)采用實(shí)心圓標(biāo)定板作為標(biāo)定圖像，取其中9個(gè)點(diǎn)作為標(biāo)定點(diǎn)，測(cè)量設(shè)備為INSIZE高精度工業(yè)硬管內(nèi)窺鏡，分辨率為640×480。采集到的帶有畸變的內(nèi)螺紋圖像如圖2所示。

圖2 帶有鏡頭畸變的內(nèi)螺紋圖像

采用文中算法得到的標(biāo)定結(jié)果為：

旋轉(zhuǎn)矩陣:

平移矩陣:

有效焦距:

f=4.57 mm

徑向畸變系數(shù):

k=-0.001 287

標(biāo)定精度:

M=0.037mm

標(biāo)定精度較高，滿足螺紋檢測(cè)要求。

利用標(biāo)定結(jié)果對(duì)圖2進(jìn)行畸變校正，得到恢復(fù)后的螺紋圖像，如圖3所示。

圖3 校正后的內(nèi)螺紋圖像

2 螺紋牙頂圖像的提取

為了測(cè)量?jī)?nèi)螺紋螺距，需要精確地提取出圖3中的螺紋牙頂圖像。由于螺紋表面紋理較復(fù)雜以及螺紋表面受到的光照條件不一致等因素的影響，直接對(duì)圖像采用傳統(tǒng)的邊緣檢測(cè)方法難以提取出理想的螺紋牙頂圖像。文中采用模板匹配算法能夠迅速準(zhǔn)確地定位螺紋牙頂圖像。

2.1 模板匹配算法原理

圖像的模板匹配即是根據(jù)已知的圖像模塊在另一幅圖像中尋找相應(yīng)模塊的過程[7]。傳統(tǒng)的模板匹配過程是選取一幅已知灰度圖像的部分區(qū)域作為模板，將模板圖像覆蓋在待搜索圖像區(qū)域，計(jì)算模板與模板覆蓋區(qū)域之間的灰度特征值相似度。搜索按照從上至下、從左至右的順序掃描模板大小的圖像范圍，直至搜尋到最佳的匹配位置[8]。

對(duì)于一幅待搜索圖像，記為

f(x,y)(x=0,1,…，m-1; y=0,1,…,n-1)

模板圖像記為

g(x,y)(x=0,1,…,p-1;y=0,1,…，q-1)

記f(x,y)上點(diǎn)(i,j)處的子圖為

fij(x,y)=f(x+i,y+j)

i=0,1,…，m-p-1; j=0,1,…,n-q-1

則根據(jù)上述定義，對(duì)于待搜索圖像f(x,y)在點(diǎn)(i,j)處的子圖fij(x,y)與模板圖像g(x,y)的灰度相關(guān)度歸一化公式為

其中，fij和g分別定義為模板和子圖的平均灰度矢量的算術(shù)平均值：

由相似度定義可知，ρ(i,j)的取值范圍為0,1，ρ(i,j)的值越大，則在點(diǎn)(i,j)處的子圖與模板的相似程度越高，當(dāng)ρ(i,j)=1時(shí)，子圖與模板完全相同。搜索全圖后，使ρ(i,j)取最大值的(i,j)即為匹配圖像位置。

2.2 模板匹配結(jié)果

通過觀察分析圖3中相鄰兩牙頂區(qū)域的圖像特征，發(fā)現(xiàn)受光照方式影響，牙頂圖像灰度差異較大，難以利用單模板匹配到兩個(gè)牙頂區(qū)域。因此，采用雙模板分別匹配上下兩牙頂?shù)姆绞竭_(dá)到目的。

提取的模板圖像如圖4所示。

圖4 牙頂區(qū)域模板圖像

利用模板匹配到的待測(cè)圖像的相鄰兩牙頂區(qū)域，匹配結(jié)果比較理想，如圖5所示。

圖5 牙頂圖像的匹配結(jié)果

3 牙頂圖像的圖像處理

圖5中匹配到的牙頂圖像受螺紋加工質(zhì)量及光照條件等因素的影響，存在較多干擾信息。為保證螺距測(cè)量結(jié)果的準(zhǔn)確性，對(duì)圖5仍需進(jìn)行相應(yīng)的圖像處理。

3.1 圖像的閉運(yùn)算處理

閉運(yùn)算[9]是圖像形態(tài)學(xué)中按照先膨脹后腐蝕的順序進(jìn)行的一種圖像處理方法，目的是在不明顯改變圖像中物體面積的前提下填充細(xì)小孔洞并平滑邊界。膨脹是圖像形態(tài)學(xué)中的一種基本運(yùn)算，其作用是擴(kuò)充二值化圖像中的邊界點(diǎn)，將與邊界相鄰的背景點(diǎn)合并到物體圖像中，使圖像邊界向外擴(kuò)張。腐蝕的作用則是消除物體邊界點(diǎn)，使邊界向內(nèi)部收縮[10]。

閉運(yùn)算的數(shù)學(xué)表達(dá)式為

式中：S----運(yùn)算后的圖像二值化矩陣；

X----原圖像二值化矩陣；

B----算子矩陣。

利用閉運(yùn)算處理圖5中的孔洞，實(shí)驗(yàn)結(jié)果如圖6所示。

圖6 牙頂圖像的數(shù)學(xué)形態(tài)學(xué)處理

可見牙頂圖像區(qū)域中的孔洞已被填充，邊緣也得到了平滑。

3.2 牙頂圖像骨架的提取

骨架的經(jīng)典定義是火燒模型(grass fire)：以相同火勢(shì)點(diǎn)燃一幅圖像的四周，燃燒速度一致，火勢(shì)由圖像四周向中心燃燒時(shí)相遇的線，即為圖像的骨架?？芍獔D像骨架中含有圖像中軸線的信息，通過提取兩幅牙頂圖像的骨架，可以獲得兩幅圖像的中軸線，計(jì)算兩條中軸線的距離即為螺距。

提取到的兩幅牙頂圖像的骨架如圖7所示。

圖7 牙頂圖像的骨架提取結(jié)果

4 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)中采用白光LED光源作為照明光源，照明方式為正向照明，對(duì)公稱直徑為12 mm的內(nèi)螺紋進(jìn)行了20次測(cè)量。采用工業(yè)內(nèi)螺紋測(cè)量?jī)x測(cè)量?jī)?nèi)螺紋的螺距，測(cè)量?jī)x的精度為0.01 mm，測(cè)得內(nèi)螺紋螺距為1.50 mm，將該值認(rèn)定為螺距的理論值。

實(shí)驗(yàn)中采用文中方法測(cè)得螺紋螺距平均值為(1.502 1±0.003 8 mm)，與真實(shí)值相比較，相對(duì)誤差為1.7%，實(shí)驗(yàn)測(cè)量精度能夠滿足工業(yè)測(cè)量中國(guó)家規(guī)定的精度要求。

由以上實(shí)驗(yàn)結(jié)果可以看出，采用視覺檢測(cè)方法對(duì)內(nèi)螺紋進(jìn)行螺距檢測(cè)的結(jié)果能夠滿足工業(yè)生產(chǎn)要求，結(jié)合數(shù)學(xué)形態(tài)學(xué)的圖像處理和模板匹配算法能夠迅速定位圖像中相鄰兩牙頂圖像，并提取牙頂圖像的中軸線信息，在測(cè)量方式上相對(duì)于傳統(tǒng)測(cè)量方法更加方便，易于自動(dòng)化檢測(cè)的實(shí)現(xiàn)。

5 結(jié) 語

針對(duì)內(nèi)螺紋螺距的非接觸測(cè)量問題提出了一種通過基于機(jī)器視覺的檢測(cè)方案。主要?jiǎng)?chuàng)新點(diǎn)在于將數(shù)學(xué)形態(tài)學(xué)圖像處理和骨架提取方法相結(jié)合，對(duì)內(nèi)螺紋牙頂區(qū)域圖像進(jìn)行提取，從而達(dá)到檢測(cè)的目的。同時(shí)，測(cè)量精度較高，具有較強(qiáng)的魯棒性。但是仍然存在著不足，如該方法缺少內(nèi)螺紋深度信息等，如何測(cè)量?jī)?nèi)螺紋其他幾何參數(shù)將是下一步研究的重點(diǎn)。

[1] 劉峰.螺紋檢測(cè)的機(jī)器視覺方法研究[D].天津：天津大學(xué)，2006.

[2] 姜籍翔.基于機(jī)器視覺的外螺紋檢測(cè)算法的研究[D].成都：電子科技大學(xué)，2014.

[3] 左建中，劉峰，張定昭.機(jī)器視覺技術(shù)在螺紋檢測(cè)中的應(yīng)用[J].機(jī)械設(shè)計(jì)與制造，2006(4):113-114.

[4] 羅智文，林建龍，于修洪.基于LabVIEW開發(fā)的攝像機(jī)標(biāo)定方法[J].北京工商大學(xué)學(xué)報(bào)，2010,28(2):66-70.

[5] 趙小松，張宏偉，張國(guó)雄，等.攝像機(jī)標(biāo)定技術(shù)的研究[J].機(jī)械工程學(xué)報(bào)，2002,38(3):149-151.

[6] 張艷珍，歐宗瑛.一種新的攝像機(jī)線性標(biāo)定方法[J].中國(guó)圖象圖形學(xué)報(bào)，2001,8(6A)：727-731.

[7] 羅三定，楊金平，李國(guó)富.改進(jìn)的模板匹配算法[J].計(jì)算機(jī)工程與應(yīng)用，2010,46(3):169-174.

[8] 羅鐘鉉，劉成明.灰度圖像匹配的快速算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005,17(5):966-970.

[9] 岳曉烽，任彥文,王樂,等.基于幾何特征的雨滴譜重疊色斑圖像分離算法[J]. 長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2012,33(6):696-699.

[10] 孫繼平，吳冰，劉曉陽.基于膨脹腐蝕運(yùn)算的神經(jīng)網(wǎng)絡(luò)圖像預(yù)處理方法及其應(yīng)用研究[J].計(jì)算機(jī)學(xué)報(bào)，2005,28(6):985-990.

Internalthread detection system based on machine vision

WANG Yunzhe, YUE Xiaofeng*

(School of Mechatronic Engineering, Changchun University of Technology, Changchun 130012， China)

With CCD camera and high precision hard rod endoscope, the internal thread images are sampled and processed by means of camera calibration and corrosion expansion in image morphology. Then the image skeleton features are extracted to realize the thread pitchmeasurement.

machine vision; internal thread; image processing; non-contact detection.

2017-02-12

吉林省發(fā)改委基金資助項(xiàng)目(2015Y065)

王蘊(yùn)哲(1989-)，男，漢族，遼寧凌海人，長(zhǎng)春工業(yè)大學(xué)碩士研究生，主要從事機(jī)器視覺及智能檢測(cè)方向研究,E-mail:904804227@qq.com.*通訊作者：岳曉峰(1971-)，男，漢族，吉林通化人，長(zhǎng)春工業(yè)大學(xué)教授,博士，主要從事機(jī)器視覺及智能檢測(cè)方向研究,E-mail:yuexiaofeng@ccut.edu.cn.

10.15923/j.cnki.cn22-1382/t.2017.2.16

TP 391

A

1674-1374(2017)02-0189-05