高鐵白車身裝配質(zhì)量的機(jī)器視覺檢測(cè)方法*

侯天龍, 孫永奎, 馬 磊, 孫小通

(西南交通大學(xué) 電氣工程學(xué)院,四川 成都 610031)

0 引 言

高鐵白車身是高鐵列車之“骨”，是一個(gè)復(fù)雜的組合結(jié)構(gòu)件，由數(shù)百種零部件經(jīng)過(guò)且切削、焊接、鉚接等而成，其中焊接占85 %。焊接前裝配質(zhì)量的優(yōu)劣直接影響后續(xù)的焊接質(zhì)量，而焊接質(zhì)量對(duì)整車質(zhì)量起著決定性作用。

本文針對(duì)高鐵白車身的關(guān)鍵零部件[1～5]，提出了基于機(jī)器視覺[6]的高鐵白車身裝配質(zhì)量測(cè)量方法。設(shè)計(jì)了高鐵白車身裝配質(zhì)量檢測(cè)系統(tǒng)，將采集的圖像通過(guò)濾波算法進(jìn)行預(yù)處理，采用脊線跟蹤和Hession矩陣相結(jié)合的方式提取結(jié)構(gòu)光條紋中心線。通過(guò)系統(tǒng)的映射關(guān)系可實(shí)現(xiàn)中心線坐標(biāo)信息與三維尺寸的轉(zhuǎn)換，完成對(duì)裝配特征的尺寸檢測(cè)。

1 硬件結(jié)構(gòu)

本文設(shè)計(jì)的高鐵白車身裝配質(zhì)量檢測(cè)系統(tǒng)硬件系統(tǒng)如圖1所示。

圖1 系統(tǒng)的結(jié)構(gòu)

2 圖像處理算法

2.1 自適應(yīng)窗口的中值濾波

如圖2所示設(shè)濾波窗口的大小為W,窗口最大值為Wmax，Zmin表示窗口內(nèi)最小像素值，Zmax表示窗口內(nèi)最大像素值，Zxy表示像素坐標(biāo)系下(x,y)的像素值，Zmed表示窗口內(nèi)像素的中值。在中值濾波的基礎(chǔ)上[6]，設(shè)計(jì)了一個(gè)自適應(yīng)窗口的中值濾波算法，通過(guò)動(dòng)態(tài)的改變?yōu)V波器的窗口尺寸大小，提高對(duì)噪聲密度較大的圖像中的濾波效果。算法原理為：窗口尺寸為W的濾波器輸出為該窗口中的極大值或者極小值時(shí)，則該值為噪點(diǎn)，通過(guò)增加窗口尺寸再次濾波。若窗口尺寸已達(dá)到設(shè)定的最大值Wmax，采用幾何均值濾波對(duì)窗口內(nèi)的噪聲進(jìn)行濾波。

圖2 濾波算法示意

自適應(yīng)窗口的中值濾波的具體步驟如下：1)將采集到的圖像按最外側(cè)邊界值進(jìn)行最大窗口尺寸擴(kuò)充。2)用3×3的初始濾波窗口對(duì)圖像上的點(diǎn)進(jìn)行一次遍歷，判斷Zxy是否是噪聲點(diǎn)，如果滿足Zmin

圖3 兩種濾波算法對(duì)圖像濾波的效果比較

2.2 條紋中心提取及尺寸測(cè)量

圖像采集設(shè)備內(nèi)部參數(shù)標(biāo)定采用張正友標(biāo)定法得到相機(jī)的內(nèi)參數(shù)矩陣和畸變參數(shù)，光平面的標(biāo)定采用基于空間幾何約束的光平面標(biāo)定法[7]。光條紋[8]中心提取分為兩個(gè)步驟：1)采用脊線跟蹤算法對(duì)圖像中的光條紋特征識(shí)別；2)結(jié)合Hession矩陣算法實(shí)現(xiàn)光條紋中心亞像素的提取。

2.2.1 脊線跟蹤算法

脊線跟蹤算法是指根據(jù)光條紋上若干個(gè)中心點(diǎn)的梯度值推算出整個(gè)條紋的走向，并得到光條紋的細(xì)化圖像[9]。脊線跟蹤算法包括起始點(diǎn)選取、特征點(diǎn)脊線方向計(jì)算、特征點(diǎn)更新、脊線跟蹤終止4個(gè)步驟。

1)起始點(diǎn)選取:通過(guò)分割后不同區(qū)域的圖像方差，選擇方差最大圖像塊作為光條紋邊緣特征塊，選擇該特征塊內(nèi)灰度值最大點(diǎn)作為特征點(diǎn)，即該點(diǎn)跟蹤起始點(diǎn)。

2)特征點(diǎn)脊線方向計(jì)算。以當(dāng)前處理點(diǎn)為中心，選取跟蹤窗口寬度為(2W+1)，確保寬度小于光條紋寬度，根據(jù)式(1)[8]，求解條紋中心點(diǎn)的法線

(1)

式中fy(x,y)和fx(x,y)分別為f(x,y)在x方向和y方向的梯度值。脊線跟蹤有可能存在兩個(gè)方向，即θ=φ+π/2或者θ=φ-π/2，確保兩個(gè)方向同時(shí)被跟蹤。

3)特征點(diǎn)更新:對(duì)脊線上的特征點(diǎn)進(jìn)行判斷，如圖4所示，Pk-1是當(dāng)前點(diǎn)，可根據(jù)最大似然準(zhǔn)則得到當(dāng)前點(diǎn)的法線，沿法線前進(jìn)d個(gè)像素點(diǎn)后做光條紋的截面S，該截面上點(diǎn)的灰度值分布滿足一維高斯分布，在截面上選擇灰度最大值點(diǎn)作為下一個(gè)更新點(diǎn)Pk。

圖4 脊線跟蹤過(guò)程

4)脊線跟蹤終止:條件為以下三類：新跟蹤點(diǎn)已到達(dá)圖像邊緣；圖像中所有跟蹤點(diǎn)均已跟蹤過(guò)；更新的跟蹤點(diǎn)已經(jīng)到達(dá)圖像中的非條紋區(qū)域。

普京通過(guò)頒布并實(shí)施符合俄羅斯政治實(shí)際的自成體系的改革舉措使得俄羅斯政黨政治逐步擺脫葉利欽時(shí)期的蕪雜局面，日漸邁向有序、規(guī)范與穩(wěn)定。其梳理政黨格局、規(guī)范政黨秩序、大力推動(dòng)政黨體制改革、促使政黨發(fā)育等以維護(hù)國(guó)家穩(wěn)定、打造順暢高效的國(guó)家權(quán)力體系的種種變革，皆有效的推進(jìn)了俄羅斯政黨制度和高層權(quán)力運(yùn)行機(jī)制的完善。從這一層面來(lái)看，俄羅斯多黨制基礎(chǔ)真正意義上的奠定期正是普京治下政黨政治制度的變革發(fā)展期。

2.2.2 亞像素條紋中心線的提取

Hession矩陣算法充分利用了高斯卷積運(yùn)算可分離性及圖形領(lǐng)域內(nèi)高斯卷積模板公共窗口內(nèi)包含的冗余信息。首先需要對(duì)圖像進(jìn)行高斯濾波，像素點(diǎn)的值由其本身值和鄰域內(nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到，抑制圖像中正態(tài)分布的噪聲，得到更加平滑的圖像。

計(jì)算Hessian矩陣最大特征值對(duì)應(yīng)的特征向量，該特征向量對(duì)應(yīng)于光條紋的法線方向。在法線方向利用Taylor級(jí)數(shù)展開得到亞像素位置坐標(biāo)。對(duì)于二維圖像，其Hession矩陣可采用式(2)來(lái)表示[10]

(2)

設(shè)二維圖像f(x,y)與高斯核函數(shù)卷積后，得到偏導(dǎo)數(shù)gx,gy,gxx,gxy,gyy，則圖像f(x,y)任一點(diǎn)像素坐標(biāo)(x0,y0) 的二次Taylor級(jí)數(shù)展開為

(3)

Hessian矩陣最大特征值對(duì)應(yīng)的特征向量，即光條的法線方向用(nx,ny)表示，其中‖(nx,ny)‖=1，以點(diǎn)(x0,y0)為基準(zhǔn)點(diǎn)，則光條中心的亞像素坐標(biāo)為

(px,py)=(x0+tnx,y0+tny)

(4)

設(shè)置圖像中心判定條件：(tnx,tny)∈[-0.5,0.5] ×[-0.5,0.5]，即一階導(dǎo)數(shù)為零的點(diǎn)位于當(dāng)前像素內(nèi)，且(nx,ny)方向的二階導(dǎo)數(shù)大于指定的閾值，則該點(diǎn)(x0,y0)為光條的中心點(diǎn),(px,py)則為亞像素坐標(biāo)[11]。

3 實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)系統(tǒng)的相機(jī)分辨率為2 592×1 944,像元尺寸為2.2 μm×2.2 μm，焦距f為50 mm，拍攝距離為50 cm。通過(guò)標(biāo)定，橫向方向每個(gè)像素點(diǎn)映射的寬度尺寸為0.03 mm，縱向方向每個(gè)像素點(diǎn)映射的深度尺寸為0.04 mm。檢測(cè)結(jié)果如圖5所示，連接亞像素坐標(biāo)值后得到光條紋中心線。

圖5 結(jié)構(gòu)光條紋中心提取結(jié)果

將計(jì)算出的光條紋中心亞像素坐標(biāo)值繪制在像素坐標(biāo)系中如圖6(a)所示，其中A點(diǎn)坐標(biāo)為(350.9，279.7)，B點(diǎn)坐標(biāo)為(400.0,411.7)，C點(diǎn)坐標(biāo)為(473.0，415.7)，D點(diǎn)坐標(biāo)為(500.0，280.9)。通過(guò)光條紋中心線的亞像素坐標(biāo)值擬合得到圖6(b)所示的像素坐標(biāo)系下的條紋寬度和條紋深度信息。根據(jù)線結(jié)構(gòu)光的光平面方程和坐標(biāo)系之間的映射關(guān)系，將亞像素坐標(biāo)值解算為世界坐標(biāo)系中的三維坐標(biāo)，得到構(gòu)件的間隙寬度為2.78 mm,深度為5.76 mm。

圖6 結(jié)構(gòu)光條紋中心提取結(jié)果

實(shí)驗(yàn)將游標(biāo)卡尺(精度：0.02 mm)測(cè)量高鐵白車身構(gòu)件拼裝尺寸作為標(biāo)準(zhǔn)值，傳感器和游標(biāo)卡尺測(cè)量了不同寬度和深度，每次實(shí)驗(yàn)測(cè)試60組求其平均值，實(shí)驗(yàn)結(jié)果如表1所示。

表1 實(shí)驗(yàn)測(cè)量結(jié)果

文獻(xiàn)[12]中基于結(jié)構(gòu)光視覺的白車身間隙平均測(cè)量精度達(dá)到0.31 mm，面差平均測(cè)量精度為0.13 mm。由表1的測(cè)量結(jié)果可以得到，系統(tǒng)的檢測(cè)精度可達(dá)到0.05 mm，提高了在間隙和深度的測(cè)量精度。

4 結(jié) 論

本文通過(guò)機(jī)器視覺的方法實(shí)現(xiàn)裝配質(zhì)量的檢測(cè)。實(shí)驗(yàn)結(jié)果表明:本文方法準(zhǔn)確檢測(cè)了高鐵白車身零部件裝配間隙，其精度達(dá)到了0.05 mm。今后還需更進(jìn)一步對(duì)系統(tǒng)的適應(yīng)性和魯棒性進(jìn)行研究，實(shí)現(xiàn)更復(fù)雜、更精準(zhǔn)的測(cè)量。