機(jī)器視覺技術(shù)在零件尺寸測(cè)量中的應(yīng)用

摘 要：本文闡述了機(jī)器視覺技術(shù)在零件尺寸檢測(cè)中的應(yīng)用情況，分析了機(jī)器視覺零件尺寸檢測(cè)系統(tǒng)的硬件組成，并詳細(xì)分析了機(jī)器視覺軟件部分的重要環(huán)節(jié)，包括中值化圖像預(yù)處理、圖像二值化處理、圖像邊緣檢測(cè)、圖像圓檢測(cè)、攝像機(jī)定標(biāo)及零件尺寸計(jì)算等方面，為有效提高機(jī)械視覺系統(tǒng)經(jīng)行零件檢測(cè)的精度及速度，擴(kuò)大視覺系統(tǒng)對(duì)微小及復(fù)雜零件的檢測(cè)范圍提供參考。

關(guān)鍵詞：機(jī)器視覺技術(shù)；尺寸檢測(cè)；精度；應(yīng)用

0引言

生產(chǎn)線上人工檢測(cè)產(chǎn)品尺寸的方法檢測(cè)效率低、準(zhǔn)確度低。人工尺寸檢測(cè)對(duì)微小零件或復(fù)雜零件檢測(cè)存在極大的局限性，人工尺寸檢驗(yàn)已經(jīng)不能滿足零部件的批量化生產(chǎn)。因此，機(jī)器視覺技術(shù)在零件尺寸檢測(cè)中得到廣泛應(yīng)用。機(jī)器視覺檢測(cè)系統(tǒng)通過采集零件圖像，計(jì)算得到精確的零件尺寸。常用于危險(xiǎn)場(chǎng)景感知及精確定量感知等方面，可實(shí)現(xiàn)在線檢測(cè)，檢測(cè)速度快、準(zhǔn)確度高。

1.系統(tǒng)組成

本次分析的機(jī)械視覺零件尺寸檢測(cè)系統(tǒng)硬件系及軟件兩部分組成，可用于檢測(cè)規(guī)則的小型圓環(huán)形零件尺寸，檢測(cè)精度高、速度快。

1.1 系統(tǒng)硬件組成

機(jī)器視覺零件尺寸檢測(cè)系統(tǒng)的硬件采用LED作為照明設(shè)備，光線亮度強(qiáng)、光線均勻、無頻閃，有利于攝像機(jī)獲取高品質(zhì)圖像； 機(jī)器視覺零件尺寸檢測(cè)系統(tǒng)采用CCD攝像機(jī)成像； 由圖像處理系統(tǒng)完成圖像邊緣提取和數(shù)據(jù)分析等工作。

1.2系統(tǒng)軟件分析

機(jī)器視覺系統(tǒng)CCD攝像機(jī)獲取的零件圖像會(huì)存在多種形式的噪聲干擾， 包括斑點(diǎn)噪聲及椒鹽噪聲。干擾噪聲的存在極大的影響圖像質(zhì)量，不利于后期零件尺寸的計(jì)算工作。因此在圖像進(jìn)行其他方面處理前，要對(duì)圖像進(jìn)行降噪處理，提高圖像質(zhì)量。機(jī)器視覺系統(tǒng)采用中值濾波進(jìn)行圖像預(yù)處理。圖像噪聲像素與相鄰像素差別明顯。這一特點(diǎn)是中值濾波消除噪聲干擾的基礎(chǔ)， 中值濾波屬于非線性的圖像濾波器技術(shù)，通過由采樣組成的觀察窗來判斷采樣信息的真實(shí)性，消除各種形式的圖像噪聲。

采用中值濾波進(jìn)行降噪處理時(shí)，將圖像上局部區(qū)域的像素劃分不同的灰度等級(jí)，并進(jìn)行排序， 當(dāng)前像素的灰度值取中間值。采用3×3大小的濾波模板在圖像區(qū)域多次滑動(dòng)，并根據(jù)根據(jù)不同像素進(jìn)行排序求中值，作為當(dāng)前像素的灰度值。圖1為圖像采用中值濾波降噪前后對(duì)比。圖片顯示這中方法發(fā)可有效的處理圖片上斑點(diǎn)噪聲及椒鹽噪聲。

1.2 圖像二值化

為了方便的提取圖像信息，提高圖像的識(shí)別率，機(jī)器視覺系統(tǒng)采用圖像二值化來處理圖像。二值化的圖像灰度值只有兩種0或255，呈黑白色圖像，圖像二值化首先是將圖像劃分為0～255共計(jì)256個(gè)亮度等級(jí)的灰度值。根據(jù)設(shè)定的閾值來判斷256個(gè)亮度等級(jí)的灰度圖像的灰度值是0或255。圖像上大于閾值的灰度值取255（白色），小于閾值的灰度值取將0（黑色）。閾值的選取要注意二值化處理后的圖像要反映原圖像的特征，圖像不能失真。像素閾值選取過高，圖片上黑色區(qū)域增多，會(huì)導(dǎo)致邊緣信息丟失。像素閾值選擇過低，圖像上白色區(qū)域會(huì)增多，會(huì)出現(xiàn)虛假邊緣信息。因此，像素閾值的選取至關(guān)重要。常用的選取方法有P參數(shù)法、雙峰法、迭代法及最大熵閾值法等，可根據(jù)不同的圖像特征選取適合的方法。本系統(tǒng)測(cè)試的零件為回轉(zhuǎn)類環(huán)形零件，背景為工作臺(tái)?；剞D(zhuǎn)類環(huán)形零件圖像規(guī)則簡(jiǎn)單，圖像灰度分布有規(guī)律， 在直方圖中背景與零件形成兩個(gè)峰值不同的波峰， 背景與零件形成的波峰之間存在一個(gè)波谷，將波谷對(duì)應(yīng)的灰度值作為閾值。小于T的區(qū)域灰度值取為0。大于T的區(qū)域灰度值取255。

1.3 圖像邊緣檢測(cè)

圖像邊緣區(qū)域圖像像素值存在階躍性變化，含有圖像信息及與圖像不相關(guān)的干擾信息。需要對(duì)圖像邊緣處干擾信息進(jìn)行處理。圖像邊緣檢測(cè)可剔除與圖像不相關(guān)的信息，將反映圖像特征的信息提前出來。有利于減少圖像數(shù)據(jù)信息量，加快后期圖像處理及零件尺寸計(jì)算的速度。目前常采用邊緣檢測(cè)算子對(duì)積分運(yùn)算來實(shí)現(xiàn)圖像邊緣檢測(cè)。常用的檢測(cè)算子有Sobel算子、Roberts算子、及Prewitt 算子等。在提取邊沿輪廓的過程中，要根據(jù)不同的零件尺寸特點(diǎn)選擇合適的算子，保證算子的檢測(cè)精度和速度是。Roberts算子（羅伯茨算子），運(yùn)算簡(jiǎn)單、數(shù)度快、效果較好。但對(duì)噪聲敏感。Sobel屬于離散一階導(dǎo)數(shù)邊緣檢測(cè)算子，可檢測(cè)水平邊緣也可檢測(cè)垂直邊緣。通過對(duì)圖像上所有像素點(diǎn)四周灰度域加權(quán)差累加，提取圖像邊緣上符合閾值范圍的像素點(diǎn)。Sobel算子對(duì)噪聲不敏感，抗干擾能力強(qiáng)， 但對(duì)零件主體與背景區(qū)分精度低；Prewitt利用像素點(diǎn)周圍鄰點(diǎn)的灰度值的局部差分求平均值，進(jìn)而得到灰度閾值， 保留閾值以上灰度的邊緣點(diǎn)，去掉小于閾值的偽邊緣點(diǎn)。這種算子是根據(jù)灰度值進(jìn)行邊緣點(diǎn)篩選，容易誤判， 對(duì)圖像灰度值大于閾值噪聲點(diǎn)及灰度度值小于閾值的邊緣點(diǎn)，容易篩選錯(cuò)誤。

1.4檢測(cè)圓心和半徑

平面坐標(biāo)系的圓包括半徑及圓心坐標(biāo)等參數(shù)，Hough變換可從圖像中識(shí)別圓曲線。Hough變換是一個(gè)以圓的圓心處X、Y坐標(biāo)及半徑為參數(shù)的三維空間。

Hough變換將原始圖像空間曲線轉(zhuǎn)變?yōu)閰?shù)空間的聚集點(diǎn)。根據(jù)其累積程度來實(shí)現(xiàn)圓形曲線檢測(cè)。采用Hough變換檢測(cè)圓精度高、對(duì)噪聲干擾不敏感。Hough變換檢測(cè)圓的方程為（xi-a）2 +（ yi -b）2 =r2，其中（a，b）為圓心坐標(biāo)值，r為圓的半徑。圖2為點(diǎn)x= [xi ， yi ]T ， p=[a，b， r]T的參數(shù)空間示意圖。圖像中單個(gè)圓對(duì)應(yīng)的半徑值固定，圓上點(diǎn)的集合組成r相同a、b不同的圓錐集合。

1.5 攝像機(jī)標(biāo)定及零件尺寸計(jì)算

機(jī)器視覺系統(tǒng)根據(jù)圖像計(jì)算被檢測(cè)零件的尺寸，要根據(jù)一定的比例換算關(guān)系。確定圖像二維坐標(biāo)系到實(shí)物三維坐標(biāo)系之間對(duì)應(yīng)關(guān)系是計(jì)算被測(cè)量零件尺寸的依據(jù)，確定坐標(biāo)系之間對(duì)應(yīng)關(guān)系時(shí)要保持測(cè)量條件不變。本次分析的機(jī)器視覺檢測(cè)系統(tǒng)采用標(biāo)準(zhǔn)參照測(cè)定法實(shí)現(xiàn)攝像機(jī)標(biāo)定。通過計(jì)算工作臺(tái)上的標(biāo)準(zhǔn)尺所占圖像中像素點(diǎn)個(gè)數(shù)，換算出尺寸計(jì)算的比例關(guān)系。標(biāo)定過程中采用求平均值的方法消除誤差。完成標(biāo)定后利用比關(guān)系例換算出零件實(shí)際尺寸大小，實(shí)現(xiàn)基于圖像的非接觸零件尺寸實(shí)時(shí)測(cè)量。

2.結(jié)果分析

機(jī)器視覺檢測(cè)系統(tǒng)成功應(yīng)用在小零件的非接觸實(shí)時(shí)測(cè)量中，結(jié)果顯示被檢測(cè)元件內(nèi)徑為19.14mm，外徑為29.13mm，檢測(cè)誤差小，測(cè)量精度，檢測(cè)時(shí)間大大縮短，極大的提高了檢測(cè)效率。

3.結(jié)論

本文分析了一種用于回轉(zhuǎn)類圓環(huán)形零件的機(jī)器視覺尺寸檢測(cè)系統(tǒng)，該系統(tǒng)測(cè)量精度滿足生產(chǎn)要求，對(duì)促進(jìn)零件的批量化生產(chǎn)，保證零件尺寸精度，提高企業(yè)生產(chǎn)效率有重要的意義。

參考文獻(xiàn)：

[1]汪田. 基于機(jī)器視覺的油泵殼體尺寸測(cè)量系統(tǒng)[D].浙江大學(xué)，2018.

[2]洪運(yùn). 基于計(jì)算機(jī)視覺的零件平面幾何尺寸測(cè)量方法的研究[D].東華大學(xué)，2017.

作者簡(jiǎn)介：

張小現(xiàn)（1986.07--）；性別：男，籍貫：湖南省衡陽人，學(xué)歷：本科，畢業(yè)于湖南理工學(xué)院；現(xiàn)有職稱：無；研究方向：自動(dòng)化工程與機(jī)器視覺。