大型軸承測量中基于機器視覺的光筆測量系統

張豐收，吳國新，都興興，崔鳳奎

(1.河南科技大學 機電工程學院，河南 洛陽 471003；2. 上海高威科電氣技術有限公司，上海 200436)

國家標準規定，大于500 mm的尺寸稱為大尺寸[1]。隨著大型機械設備向著復雜化、精密化方向發展，大型軸承的應用越來越廣泛，其部件的加工精度直接影響產品的性能，我國軸承加工行業廣泛采用自動化程度較高的機床，產品質量和生產效率有很大的保證，但軸承直徑的測量主要處于半自動化與傳統的機械式測量階段，工作量大。如何采用高精度的在線測量系統來保證大型軸承部件的尺寸精度是目前我國大型機電設備加工制造等行業面臨的一個技術難題，也是國內未能很好解決的測量難題[2]。因此設計一種方便、高精度的大型軸承測量工具勢在必行[3]。

1 光筆測量系統結構簡介

機器視覺，顧名思義就是使用機器代替人眼做出測量和判斷。光筆測量系統正是基于機器視覺來完成光筆圖像的處理、發光點特征提取等操作，為大型軸承的直徑計算提供準確數據和實際依據。

在此提出的基于機器視覺的光筆測量系統主要由裝有標志性發光點的手持式測量筆，以CCD攝像機及配套圖像采集卡為核心的視覺測量系統和安裝有采用Visual C++開發的配套處理軟件的計算機組成，結構如圖1所示。具體測量流程為：工作人員手持光筆將測頭接觸待測軸承表面，測量時光筆向圖像采集卡發信，通過CCD攝像機攝取到光筆圖像，再經過開發的配套軟件進行圖像處理后得到待測點的三維坐標，最后進行數據處理得到待測軸承的直徑。

圖1 光筆測量系統組成

圓形發光標志點采用新型反光材料[4]制成，鑲嵌在由碳纖維材料制成的光筆筆身上。反光材料本身并不會發光，但能將光線按照原路反射回去形成一種回歸反射的現象，反射光亮度比其他漫反射標志點高出上千倍，更有利于特征提取階段的圖像處理。與傳統的高亮度發光二極管對比，反光材料可以人為加工成所需要的特定形狀，質量更容易控制，安裝也較方便。

系統采用型號為UM-100/UM-101的高分辨率CCD攝像機，其成本低，分辨率為752×528(CCIR)，最低照度為0.05 lux。圖像采集卡采用基于PCI總線的DH-CG300黑白圖像采集卡，具有使用靈活、功耗低等特點。

2 光筆圖像處理流程

光筆圖像處理關鍵流程如圖2所示。

圖2 光筆圖像處理關鍵流程

2.1 圖像預處理

圖像預處理包括線性變換法圖像增強和中值濾波去噪兩部分。

2.1.1 線性變換法

針對光筆自身特點，圓形發光標志點的四周為深色的碳纖維材料，對比性很強，根據光筆圖像的灰度直方圖分布情況對圖像進行線性變換，增大光筆發光標志點圖像的灰度值，使其與背景圖像的對比度增強。采用的算法公式為

g(x,y)=kf(x,y)+d，

(1)

y=kx+d(0≤y≤255)，

自從常愛蘭嫁給馱子后，周小羽發現自己的媽媽對自己越來越兇了，對馱子卻是越來越輕聲細語了。而之前對麻糍，她是母老虎。

(2)

式中：x為原始灰度值；y為變換后的灰度值；k為斜率；d為截距。當k>1時，圖像對比度和整體效果增強；當k=1且d>0時,圖像亮度增強，反之d<0時減弱；當0

(a)灰度原圖 (b)灰度直方圖 (c)變換后效果圖

2.1.2 中值濾波

中值濾波是一種非線性平滑技術，它將像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值。采用傳統的中值濾波算法進行圖像處理的效果如圖4a所示，發光標志點光斑圖像的邊緣特征信息保留不太完整，圖像復原效果不高。針對光筆圖像采用VC++改進的中值濾波算法[5]處理效果如圖4b所示，算法過程如下：

圖4 中值濾波去噪效果圖

(1)設初值F=xy/2，其中xy為圖像像素數。建立圖像的直方圖，確定中值xd及亮度不大于中值像素數sx；

(2)設直方圖最左列圖像亮度為L，像素數P[L]對每個像素L有P[L]=P[L]-1；

(3)窗口右移一列，對最右列亮度是L的每個像素L有P[L]=P[L]+1；如果L

(4)若sx>F則轉步驟(5)；循環sx=sx+P[xd]，xd=xd+1直至sx≥F，則轉步驟(6)；循環xd=xd-1，sx=sx-P[xd]，直至sx≤F；

(5)若窗口右側列非圖像的右邊界，則轉步驟(3)；若窗口最底行非圖像的下邊界，則轉步驟(2)。

2.2 光筆圖像分割處理

實際測量現場由于光線隨機變化，存在突發噪聲或者背景灰度變化較大的情況，采集到整幅光筆圖像進行分割時，如果采用單一的閾值處理每一個像素，可能會將目標區域和背景區域錯誤的劃分。因此，采用自適應閾值分割算法進行光筆圖像分割處理，即圖像中的每個像素對應的閾值可能不相同。首先將目標圖像分割為若干個子區域，將每個子區域看成是一副新的子圖像，計算出其對應的直方圖及閾值，然后組成一個矩陣進行插值計算，最終“自適應”地確定每個像素的閾值。其基本算法流程圖及處理后效果如圖5所示。

圖5 自適應算法流程圖及處理效果圖

2.3 圖像開閉運算處理

自適應閾值算法分割處理后,光筆圖像含有噪聲且邊緣不規則，經過反復測試，提出了開閉運算處理：(1)閉運算，先膨脹(使圖像放大)，后腐蝕(縮小圖像)進行圖像修復，填充發光點圖像的邊緣空間；(2)開運算，先腐蝕后膨脹消除圖像上細小的噪聲，使發光點圖像邊緣平滑。這樣能很好地消除圖像噪聲，使圖像分割處理后的光筆圖像更加光滑完美，后續特征提取等操作更加簡單方便。試驗效果如圖6所示。

圖6 閉運算、開運算處理效果圖

2.4 發光點圖像特征提取

首先，采用最小二乘法對圖像進行輪廓擬合提取，如圖7b所示，軟件設定光斑圖像及噪聲像素按序排列情況如圖7c所示；然后，采用輪廓線提取方法，獲取每個帶序號標記圖像的像素數目分布情況，根據目標圓的像素數目分布區間，設定像素閾值范圍，準確提取出目標圓，處理結果如圖7所示。

圖7 發光點特征提取

擬合出來的圓形光斑中心點坐標見表1。據此，通過軟件處理可得到待測點的三維空間坐標點云數據，然后采用三維重建可得到待測軸承的形狀和直徑大小。

表1 發光點中心坐標測量結果

3 試驗結果及分析

采用C-Track 780作為試驗對象，對直徑約3 200 mm的轉盤軸承進行測量。在三坐標測量機下計算平均結果為D=3 200.075 mm，在光筆測量系統下計算平均結果為D=3 201.633 mm，在加拿大Creaform雙CCD攝像頭光筆測量系統下測量的平均結果為D=3 200.114 mm。

誤差來源及分析：

(1)硬件部分，未考慮攝像機鏡頭的畸變誤差對圖像采集過程的影響；采用的單CCD攝像機測量精度和范圍有限，下一步可建立雙攝像機測量系統進行測量驗證；

(2)軟件部分，算法處理過程中有效數字的取舍誤差及算法開發的優越性問題造成目標處理不太到位。

4 結論

(1)給出了對大型軸承測量中光筆測量系統的圖像處理流程。提出針對光筆圖像的灰度分布進行線性變換的預處理方法，并采用改進的中值濾波算法對圖像進行濾波去噪處理，效果顯著。

(2)采用自適應閾值法對圖像進行分割處理，并針對處理后存在的噪聲和細小空間問題設計了閉運算和開運算的處理方法。提出了輪廓線提取和像素閾值提取法進行發光點像的輪廓提取，并驗證了該方法的準確性。

(3)試驗證明，開發的光筆圖像處理軟件能準確地進行光筆圖像去噪、特征參數提取等處理。雖然計算結果與三坐標測量機及國外已成熟的光筆測量系統還有差距，但為國內光筆測量系統的發展提供了理論和實際依據。