基于機器視覺的鏈輪內(nèi)徑測量系統(tǒng)

葛敏杰，嚴時進，戴家興，董晨浩，張瞳

（紹興文理學院 機械與電氣工程學院，浙江紹興，312000)

0 前言

隨著現(xiàn)代化生產(chǎn)的高速發(fā)展，中國精密測試儀器行業(yè)實力已不容小覷，已經(jīng)初步建立了產(chǎn)品類別較為完整、具備相當制造規(guī)模與研發(fā)能力的工業(yè)系統(tǒng)[1]。而鏈輪作為機械設備的重要組成部分，是一種工業(yè)必需品，廣泛應用于化工、紡織等行業(yè)的機械傳動裝置。鏈輪的精度是影響一些工業(yè)產(chǎn)品好壞的決定性因素。所以，提高鏈輪內(nèi)徑的檢測精度對先進測量儀器發(fā)展進程有著十分重要的意義。

傳統(tǒng)的鏈輪內(nèi)徑測量采用游標卡尺測量法、內(nèi)徑千分尺測量法等，其中游標卡尺、內(nèi)徑千分尺以其輕便性，成本低等優(yōu)勢廣泛地在授課教學以及工業(yè)檢測中使用。但由于屬于接觸式測量，測量過程中容易對物體表面產(chǎn)生一定損傷，還存在著測量誤差大、測量器械使用門檻較高等缺陷。并且人工檢測存在效率低、可靠性差、易因工人疲勞而產(chǎn)生誤檢等弊端，難以滿足現(xiàn)在制造業(yè)強調(diào)的實時、快速、在線和非接觸檢測的特殊要求[2]。而隨著圖像處理水平的提高，機器視覺逐漸成為熱門的研究內(nèi)容，是取代傳統(tǒng)測量手段的理想方式之一。同時對于傳統(tǒng)的鏈輪內(nèi)徑圖像處理算法，因為有著較多的圖像噪聲等的干擾因素，其檢測精度已經(jīng)無法滿足當下工業(yè)生產(chǎn)要求，因此對鏈輪內(nèi)徑的視覺檢測的研究有著重要意義。

本文針對傳統(tǒng)檢測效率低以及傳統(tǒng)算法對鏈輪邊緣動態(tài)噪聲處理能力弱等不足，設計了一種基于機器視覺的鏈輪內(nèi)徑檢測系統(tǒng)。通過相機將拍攝到的鏈輪圖像轉(zhuǎn)化為數(shù)字信號，再通過圖像處理算法，過濾掉大部分噪聲，增強鏈輪內(nèi)徑圖像輪廓邊緣信息對比度，增加對鏈輪內(nèi)徑的測量精度。與傳統(tǒng)人工內(nèi)徑測量技術和傳統(tǒng)的鏈輪內(nèi)徑圖像增強檢測算法技術相比，該方法具有更高的精度與效率。

1 算法介紹

■ 1.1 雙邊濾波

現(xiàn)實中存在各種干擾，例如電源接入的電磁干擾、環(huán)境亮度不夠均勻等。這些干擾會使圖像采集產(chǎn)生不同形式的噪聲，例如，拍攝環(huán)境亮度較暗或相機長期工作溫度較高時，容易產(chǎn)生高斯噪聲；又例如，相機傳輸信道，解碼處理等過程容易產(chǎn)生椒鹽噪聲。對于本文所涉及的系統(tǒng)而言，電源接入的電磁干擾是最大的影響，因此在圖像采集過程中，鏈輪邊緣處像素值不明確，存在明顯的動態(tài)噪聲，使得后續(xù)的圖像處理以及內(nèi)徑計算精度受到不少影響。因此對噪聲的過濾是圖像預處理過程中非常重要的一環(huán)。而傳統(tǒng)的濾波算法效果一般，往往噪點對輸出圖像有較大影響，無法較好地保護圖像細節(jié)。例如，均值濾波使用模板內(nèi)所有像素的平均值代替模板中心像素灰度值[3]。顯而易見，若圖像存在噪聲，模板內(nèi)噪點數(shù)值會進入均值計算，輸出像素值會受到干擾；又例如，中值濾波計算模板內(nèi)所有像素中的中值，并用所計算出來的中值代替模板中心像素的灰度值[4]，該方法能夠簡單有效地過濾脈沖噪聲，但對于該系統(tǒng)拍攝的圖像，會導致圖像不連續(xù)，不能有效地保留鏈輪邊緣細節(jié)。

本系統(tǒng)采用濾波能力相對較好的雙邊濾波。雙邊濾波算法 (Bilateral Filters)于 1998 年由 C Tomasi和 R Manduchi提出[5]。雙邊濾波同時考慮了像素的歐式距離和像素范圍域的輻射差異[7]，即空域信息和灰度相似性，離模板中心的較遠的像素點賦予較小的權(quán)值，弱化噪聲影響。與過去用的傳統(tǒng)算法如維納濾波和高斯濾波對比，邊緣處理較好，不會過于模糊，對高頻細節(jié)的保護效果較好。雙邊濾波保護了圖像整體像素的細節(jié)，同時起到了對圖像的降噪平滑、保持邊緣的效果。

公式(1)和(2)給出了雙邊濾波的操作。Iq為輸入圖像，為濾波后的圖像：

參數(shù)σs定義了用于過濾像素的空間鄰域的大小，σr控制了相鄰像素由于亮度差異而下降的程度，對權(quán)重的總和進行標準化。

■ 1.2 小波變換

雙邊濾波算法較好地濾除了圖像噪聲，但濾波會使得圖像趨于平滑，對比度降低。而對鏈輪而言，圖像信息主題主要為邊緣信息，濾波后會使其不明確區(qū)域增加，因此需要進行對比度增強的處理。本系統(tǒng)采用增強效果較好的小波變換算法。

小波變換（wavelet transform,WT）由 J Morlet首先提出。小波變換是進行信號時頻分析和處理的理想工具。其在高頻像素處對時間進行細化，低頻處對頻率進行拆分，進而可聚焦到圖像模板內(nèi)任意像素集合內(nèi)的任意信號細節(jié)使得處理過后的臨域內(nèi)的像素值波動較小，趨于完整[6]。在增強過程中，其利用小波函數(shù)系表示或逼近原始信號，分離出高頻成分與低頻成分[7]。再通過對高頻成分設定閾值函數(shù)過濾噪聲，通過乘以不同增強系數(shù)的方法在不同的尺度上對不同頻率范圍內(nèi)圖像的細節(jié)分量進行增強。這樣就能夠在突出圖像細節(jié)特征的同時,有效抑制圖像噪聲的影響,使圖像輪廓更加突出[8]。

小波函數(shù)系用小波函數(shù)ψ(x)和尺度函數(shù)ψ(x)來表示，定義為[9]：

式中，j0為任意一個起始的尺度，cj0(k)為尺度系數(shù)，dj(k)為小波系數(shù)。

2 基于機器視覺的鏈輪內(nèi)徑測量系統(tǒng)設計

■ 2.1 硬件設計

在實際測量環(huán)境中，環(huán)境亮度、鏈輪的位置對于圖像采集有一定影響。環(huán)境亮度過低時，采集到的圖像噪聲較多，會增加后續(xù)的處理難度。因此硬件上添加了可調(diào)光源，由于較小的亮度影響可以軟件處理，所以亮度要求不高。在系統(tǒng)使用前，使用MVS觀察相機采集圖像，手動調(diào)節(jié)可調(diào)光源至觀察到明顯鏈輪輪廓。而鏈輪位置的不同會導致拍攝圖像的畸變，對系統(tǒng)檢測精度影響較大，因此需要在硬件上添加自動調(diào)節(jié)系統(tǒng)，以增加測量精度，減少人工擺正的環(huán)節(jié)，減小一定的時間成本。所以該系統(tǒng)需要完成鏈輪位置控制與內(nèi)徑測量兩功能。

硬件整體設計框圖如圖1所示。

圖1 硬件設計框圖

其中，作為位置控制的反饋環(huán)節(jié)與內(nèi)徑測量的輸入裝置，相機的選擇是整個系統(tǒng)的關鍵。相機使用MV -CE200-10UM，該相機為2000萬像素1″CMOS USB3 0工業(yè)面陣相機，其像元尺寸為2 4μm×2 4μm，分辨率為5472×3648，信噪比為41 5dB。該工業(yè)相機具有較高的傳輸能力、圖像穩(wěn)定能力和抗干擾能力等，圖像獲取和傳輸損失較少，以此保證內(nèi)徑測量精度。

相機捕獲圖像信息后，將數(shù)據(jù)傳入上位機，若已完成鏈輪位置控制，上位機進行后續(xù)的圖像處理。若未完成，則通過HC-05藍牙模塊與單片機進行通訊，傳輸鏈輪位置偏差數(shù)據(jù)。該藍牙模塊是基于Bluetooth Specification V2 0帶EDR藍牙協(xié)議的數(shù)傳模塊?？梢詫崿F(xiàn)10m距離通信。以此完成非接觸式測量的目標。

藍牙傳輸過程中，需要單片機獲取數(shù)據(jù)并在此之后，控制步進電機對鏈輪位置進行改變?？紤]單片機的使用效率以及經(jīng)濟性，本系統(tǒng)的單片機選擇STM32F103C8T6。它是基于ARM Cortex-M 內(nèi)核的32位的微控制器，工作頻率為72MHz，能有效滿足本系統(tǒng)要求。

■ 2.2 軟件設計

該設計由兩部分完成，一是鏈輪位置控制，二是鏈輪內(nèi)徑測量。

2.2.1 鏈輪位置控制

LabVIEW具有圖形化、多線程、程序編寫門檻低、設計效果美觀等特點。因此使用LabVIEW進行上位機設計。

圖2為LabVIEW前面板，選擇串口、波特率、停止位和數(shù)據(jù)位等信息后，點擊“啟動”，系統(tǒng)開始工作，進行鏈輪位置調(diào)節(jié)。當鏈輪位于相機正下方，進行內(nèi)徑測量，于“顯示窗口”中顯示當前時間、鏈輪序號和鏈輪內(nèi)徑數(shù)值，同時記錄于后臺表格。該程序在執(zhí)行一次后自動停止，等待下一鏈輪的放置以及啟動命令。點擊“關閉串口”可斷開與下位機的連接。點擊“清除窗口”可對“顯示窗口”的數(shù)據(jù)進行清除。

圖2 LabVIEW前面板

具體控制流程如圖3所示。

圖3 鏈輪位置控制流程圖

第一步，LabVIEW配置藍牙通訊參數(shù)，通過通用異步收發(fā)傳輸器（UART）與單片機建立聯(lián)系；

第二步，界面點擊啟動按鍵，通過USB3 Vision協(xié)議與相機通訊，獲取相機數(shù)據(jù)，并實時地記錄并覆蓋于本地；

第三步，由于該相機為黑白相機，像素值差異較大?？梢酝ㄟ^遍歷法尋找圓心，即對圖片先進行行搜索，尋找每一行中像素數(shù)值變化最明顯的兩個點，以像素為單位記錄兩點距離。再對距離數(shù)組進行搜索，尋找最大值，記錄最大值所在行值。再對列進行上述操作，尋找最大值所在列值，以此確定鏈輪圓心。該數(shù)據(jù)與圖像中心點進行比對，估計橫縱位置差距。若圓心與圖像中心點重合，則跳過后續(xù)步驟，進行直徑測量程序；

第四步，LabVIEW通過藍牙與STM32進行通訊，于后臺實時發(fā)送鏈輪與圖像中心點的橫縱差距；

第五步，STM32控制由兩個步進電機組成的十字滑臺模組緩慢移動，改變鏈輪位置。

通過不斷循環(huán)步驟二至五，最終達到鏈輪中心位于相機正下方。

圖4為LabVIEW前面板運行圖，此時藍牙通訊串口選擇COM3接口，波特率設置為9600，停止位為1，數(shù)據(jù)位為8，無校驗位。按下“啟動”按鍵后，對同一鏈輪進行測試，結(jié)果顯示于“顯示窗口”。

圖4 LabVIEW前面板運行圖

2.2.2 鏈輪內(nèi)徑測量

測量算法由圖像獲取、圖像去噪、圖像增強和直徑測量四部分組成。

圖5 測量程序流程框圖

圖像獲取：LabVIEW通過USB3 Vision協(xié)議，與相機進行通訊獲取圖像數(shù)據(jù)。

圖像去噪：本系統(tǒng)使用雙邊濾波，即使用特定模板對圖像進行卷積。根據(jù)公式（1），該模板中，臨近權(quán)值接近1，對卷積結(jié)果起較大作用；邊緣權(quán)值接近0，對結(jié)果起較小作用。因此對原始圖像低頻區(qū)域進行卷積，可以起到高斯模糊的作用，對原始圖像高頻區(qū)域進行卷積，可以減小邊緣像素值對結(jié)果的影響，從而可保護圖像的細節(jié)信息。所以相比與其他算法，使用雙邊濾波不僅有效抑制噪聲，同時有效保留圖像大部分細節(jié)，保證鏈輪邊緣不確定區(qū)域不會拉伸。

圖像增強：本系統(tǒng)進行Harr小波變換。對M*N大小的圖像，首先進行行分解，在第一行上取每一對的平均值，放前N/2處，再將每一對的第一個像素值與該平均值做差，放后N/2處。依次對原始圖像的每一行進行上述操作；再進行列分解，在第一列上取每一對的平均值，放在前M/2處，再將每一對的第一個像素值與該平均值做差，放后M/2處。依次對原始圖像的每一列進行上述操作。以此完成了Harr小波的一次分解。可以按照實際需要，圖像進行多次分解。分解后的圖像可以得到低頻與不同高頻分量，對其乘以不同增強系數(shù)。處理后再進行小波重構(gòu)得到增強后的圖像。

測量直徑：采用遍歷法，對鏈輪位置控制中獲取的最大值所對應的行值和列值進行平均，計算得直徑像素點數(shù)，乘以映射系數(shù)，求得實際直徑。其中映射系數(shù)跟相機高度有關，在硬件系統(tǒng)搭建后，對已知標稱n的鏈輪的直徑進行像素點計數(shù)，計數(shù)值為m。則映射系數(shù)為n/m。

■ 2.3 實驗結(jié)果與分析

本文對直徑標稱2 5cm鏈輪進行實驗。游標卡尺10次測量平均結(jié)果為24 980mm。使用傳統(tǒng)的多尺度細節(jié)增強作為對照，經(jīng)處理后獲得如圖6的圖像。

圖6(a)為采集到的鏈輪原圖。圖6(b)為原始圖像某邊緣的圖像信息，從中可以看出，鏈輪邊緣像素值不明確，存在較寬的不確定帶，在相機連續(xù)拍攝過程中，該不確定帶中動態(tài)噪聲明顯，因此對若直接進行檢測，檢測結(jié)果有較大波動，而該波動會導致測量的誤差。測量結(jié)果為25 056mm。圖6(c)為多尺度細節(jié)增強處理后的圖像，該圖像鏈輪邊緣像素值仍舊不夠明確，其測量結(jié)果為24 948mm；圖6(d)為本文提出的測量方法，通過肉眼觀察法，其對比度增強效果最好，判斷出的邊緣信息更加明確，其測量結(jié)果為24 987mm。由以上數(shù)據(jù)可得，本系統(tǒng)測量精度較人工以及其他算法效果較好。

圖6 實驗結(jié)果圖

3 總結(jié)與展望

本文設計的系統(tǒng)通過藍牙連接上位機與下位機，實現(xiàn)了非接觸式測量，既避免了物體表面不受損壞，又保障了使用者的安全。同時使用MV-CE200-10UM相機，以像素為單位進行鏈輪內(nèi)徑計算，相比于人工游標卡尺測量與傳統(tǒng)的鏈輪內(nèi)徑圖像增強檢測算法等方法，其測量精度較高，能夠達到工業(yè)5絲的精度要求。

但本文提及的算法計算量大，對于計算設備要求高，還無法實現(xiàn)硬件獨立工作。因此接下來的工作中需要進行以下優(yōu)化，在算法方面上，需要對計算進一步優(yōu)化，減小計算量，提高執(zhí)行速度。在硬件方面，需要提高鏈輪中心點瞄準速度與精度，通過引入PID等控制理論，提高控制精度，實現(xiàn)控制的穩(wěn)準快。