基于計算機視覺的軸套零件尺寸測量*

(東北電力大學(xué)機械學(xué)院，吉林 吉林 132012)

隨著科學(xué)技術(shù)和現(xiàn)代加工制造業(yè)的發(fā)展，迫切需要自動檢測技術(shù)實現(xiàn)產(chǎn)品的在線、實時和高精度的檢測。軸套等零件是機械行業(yè)中非常重要且應(yīng)用十分廣泛的部件,其生產(chǎn)批量大、精度要求高。以往的人工檢測往往勞動強度大、精確度低、效率低，并且容易疲勞，而通過計算機視覺系統(tǒng)對零件進行尺寸檢測，可以實現(xiàn)對零件的快速、非接觸、在線、高精度檢測。

1 視覺檢測系統(tǒng)工作原理

視覺檢測系統(tǒng)由硬件和軟件兩個部分組成。硬件系統(tǒng)由照明系統(tǒng)、CCD攝像機、光學(xué)顯微鏡、1 394數(shù)字接口卡、計算機等組成。系統(tǒng)工作原理：光源光線照射被測工件，經(jīng)光學(xué)顯微鏡放大后成像于CCD面陣上。CCD將圖像信號變?yōu)殡姾尚盘?通過數(shù)字接口卡存入計算機內(nèi)存。本系統(tǒng)采用高強度LED同軸光源背向照射工件，有利于采集清晰圖像輪廓，提高精度。檢測系統(tǒng)的軟件采用模塊化設(shè)計思想，以Windows為軟件處理平臺，采用Visual C++語言編制而成。主要流程如圖1所示。主要包括圖像采集、圖像預(yù)處理、圖像邊緣檢測、檢測后圖像處理、圖像測量、系統(tǒng)標(biāo)定、結(jié)果輸出等。

2 圖像處理

2.1 圖像預(yù)處理

圖像的預(yù)處理是希望能夠最大程度地降低噪聲對圖像的影響并且能夠準確地提取被檢測物體的特征參數(shù)。中值濾波是一種非線性的信號處理方法，在一定的條件下可以克服線性濾波如均值濾波等帶來的圖像細節(jié)模糊，對濾除脈沖干擾及圖像掃描噪聲最為有效。本系統(tǒng)采用邊緣保持濾波器。算法如下：對灰度圖像的每一個像素點[i,j]，取適當(dāng)大小的一個鄰域(如3×3鄰域)，分別計算的左上角鄰域[i,j]、左下角鄰域、右上角鄰域和右下角鄰域的灰度分布均勻度V， 然后取最小均勻?qū)?yīng)區(qū)域的均值作為該象素點的新灰度值[1]。其中灰度均勻度計算公式為

圖2a為原始采集圖像，圖2b為降噪后圖像。

2.2 圖像邊緣檢測

圖像的邊緣是圖像的最基本特征，圖像邊緣檢測是圖像處理的基本問題。所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。其廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間[1-2]。它是圖像分割的重要依據(jù)，是圖像檢測與測量的關(guān)鍵。

2.2.1 閾值分割

閾值分割的基本思想是找到一個門限閾值, 使其按這個閾值劃分目標(biāo)和背景的錯誤分割概率為最小[3]。閾值變換的變換函數(shù)表達式為：

式中：T表示閾值。為了正確劃分出目標(biāo)區(qū)域和背景，選擇合適的閾值非常重要。確定閾值的方法較多,常見的有灰度直方圖法、迭代法、最大類間方差法等。本文采用的方法是首先利用圖像的灰度直方圖進行分割,然后再在最小錯誤分割法的基礎(chǔ)上，利用迭代法求出圖像的最佳分割閾值。具體步驟如下：

(1)根據(jù)圖像灰度直方圖選擇一個閾值的初值T；

(2)利用閾值T將圖像分成R1和R2兩部分；

(3)計算區(qū)域R1和R2的均值μ1、μ2；

(4)求出新的閾值T=(μ1+μ2)/2；

(5)重復(fù)步驟(2)和(4)，直到均值μ1和μ2不再變化。

閾值分割后的二值圖像如圖3所示。

2.2.2 梯度法分割

圖像邊緣是一個矢量，具有幅值和方向。其幅值是梯度的幅值，其方向與梯度方向垂直。使用梯度算子作為邊緣度量的方法有很多[4]，但選擇最合適的梯度算子很困難。目前常用的邊緣檢測算子有Robert算子、Sobel 算子、Prewitt算子、Kirsch算子和Gause-Laplace算子[5]等。圖4中a、b、c、d、e分別為幾種梯度算子對圖像的邊緣檢測結(jié)果，圖中可以看出Robert出對于本零件有很好的檢測效果，Sobel 算子、Prewitt算子檢測圖像不夠連續(xù)，而Kirsch算子和Gause-Laplace算子檢測邊緣較粗，精度不高。

本文通過對閾值分割處理的圖像和梯度法分割圖像分析對比，可以看出，閾值分割法能獲取更精確的輪廓，所以作者采用閾值分割法對工件進行邊緣檢測提取，并對邊緣提取后圖像進行細化處理，得到單像素寬度的線條后圖像如圖4中f所示。

3 系統(tǒng)標(biāo)定

在機器視覺中對所獲得的圖像處理都是基于像素的，它雖然反應(yīng)零件尺寸的特性，但并未以實際尺寸值的形式體現(xiàn)出來，故在視覺檢測系統(tǒng)中，我們必須要對視覺系統(tǒng)進行標(biāo)定，必須找到真實尺寸值與像素值之間的一個比例關(guān)系，即標(biāo)定系數(shù)。為了保證標(biāo)定的準確性，需要在相同情況下進行測量。本系統(tǒng)通過標(biāo)準量塊進行攝像機標(biāo)定，標(biāo)定系數(shù)計算公式如下：

式中，l為標(biāo)準量塊的實際長度尺寸，n為量塊長度所占像素值。

4 實驗與測量

在實際生產(chǎn)中，為保證軸套與軸承等其他各接觸元件的配合性質(zhì)，在生產(chǎn)過程中必須嚴格控制各種尺寸，精度要求非常高。本文依據(jù)上述圖像處理的結(jié)果，檢測軸套的內(nèi)圓、外圓的圓度誤差、內(nèi)圓外圓的尺寸以及內(nèi)圓與外圓的同軸度。

4.1 圓度誤差檢測理論

圓度誤差是非常重要的形狀誤差之一，是機械零部件的一項重要參數(shù)，一般是用圓度儀等專用高精度儀器用接觸式測量方法進行測量的。但對一些易碎、易變形以及微小尺寸的工件測量起來非常不便。本系統(tǒng)利用圖像測量技術(shù)對圓度誤差進行測量的方法。

常用對圓度誤差評定的4種方法是：(1)最小二乘圓法；(2)最小外接圓法；(3)最大內(nèi)切圓法；(4)最小區(qū)域法。本系統(tǒng)采用最小二乘圓法[6-7]。

最小二乘圓是實際輪廓上各點到該圓的距離的平方和為最小的圓。以被測實際輪廓的最小二乘圓作為理想圓，其最小二乘圓圓心至輪廓的最遠點(Xmax，Ymax)距離與至輪廓最近點(Xmin，Ymin)距離之差即為圓度誤差，設(shè)輪廓邊緣點的坐標(biāo)為(Xi,Yi)(i=,2,3,…,n)，則最小二乘圓的圓心坐標(biāo)(X0，Y0)和半徑R分別為：

圓度誤差：

4.2 實驗測量

本文以一個人工測量為外徑為28.008 mm，內(nèi)徑為20.012 mm的軸套作為試驗對象，圖5是工件內(nèi)圓與外圓最小二乘擬合圓與其生成的二值化圖像對比圖。

根據(jù)最小二乘圓提取圓心坐標(biāo)，計算兩圓孔偏離程度δ：

式中：x1、x2、y1、y2分別為內(nèi)圓與外圓圓心坐標(biāo)。以最小二乘圓擬合直徑作為軸套內(nèi)圓外圓直徑，對同一個零件檢測4次結(jié)果如表一所示。

表1 數(shù)據(jù)測量

4.3 誤差分析

造成測量誤差的原因主要有：

(1)硬件設(shè)備誤差

光學(xué)系統(tǒng)的誤差主要是透鏡像差、感光像元排列誤差和透視誤差。成像系統(tǒng)的幾何畸變誤差是典型的系統(tǒng)誤差，它是多種誤差的組合，是影響光學(xué)測量精度的關(guān)鍵因素之一。

本系統(tǒng)采用德國Basler公司的A102f型面陣CCD來采集數(shù)字圖像。該CCD的像素數(shù)為1 392×1 040 mm2，成像面積為8.978×6.708 mm2，軸套直徑的尺寸不大于28.1×28.1 mm2，每個像素對應(yīng)到工件的面積最大不超過0.6×10-3mm2，每個像素長為6.45 μm。為提高測量精度，采集圖像時進行放大處理是必要的。

(2)軟件算法誤差

圖像處理過程中，通過閾值進行二值化處理過程中，閾值的選取本身存在誤差。利用最小二乘法對圓環(huán)進行擬合，算法本身即存在誤差。在系統(tǒng)標(biāo)定過程中也會引入測量誤差。

(3)噪聲誤差

噪聲是圖像在成像、數(shù)字化和傳輸?shù)冗^程中受到各種干擾形成的，它使圖像上像素點的灰度值不能正確反映該點光強值,降低了圖像質(zhì)量，噪聲主要是在采集圖像時產(chǎn)生的，有效利用相關(guān)濾波可減弱或抑制各種噪聲，本文作者采用中值濾波方法抑制后減弱了噪聲的影響，提高了測量的精度。

5 結(jié)語

本文構(gòu)建對軸套零件的測量系統(tǒng)，系統(tǒng)采用計算機視覺技術(shù)實現(xiàn)了軸套零件幾何參數(shù)的非接觸測量，并應(yīng)用本系統(tǒng)實現(xiàn)對軸套的內(nèi)外圓尺寸，內(nèi)外圓圓度誤差，同心度等參數(shù)的非接觸測量。實現(xiàn)了光、機、電與計算機技術(shù)的有機結(jié)合，并且具有測量速度快、精度高、可靠性好等特點。通過測量實驗得到的結(jié)果可以看出，圓度誤差在12 μm左右，直徑誤差在9 μm之內(nèi)，滿足生產(chǎn)檢測要求。該系統(tǒng)還可以推廣到對其它微小圓形零件的非接觸測量中。

[1]賈云得.機器視覺[M].北京: 科學(xué)出版社,2000.

[2]章毓晉著.圖像分割[M].北京:科學(xué)出版社,2001.

[3]何斌,馬天予,王運堅,等.Visual C++ 數(shù)字圖像處理[M].北京:人民郵電出版社,2001.

[4]Lindeberg T. Edge detection and ridge detection with automatic scale selection[C].Computer Vision and Pattern Recognition, Los A lamitors: IEEE, 1996: 465-470.

[5]劉慶民,王龍山,陳向偉,等.滾珠螺母的機器視覺檢測[J].吉林大學(xué)學(xué)報:工學(xué)版,2006,36(4):534-538.

[6]熊海林,陳香萍.圓度誤差的一種微機圖像測量法[J].航空計測技術(shù),1998,18(4):25-28.

[7]甘永立.形狀和位置誤差檢測[M].北京:國防工業(yè)出版社,1995.