基于視覺的接插件pin 針正位度檢測系統設計

凡良玉， 潘 豐

(江南大學 輕工過程先進控制教育部重點實驗室，江蘇 無錫214122)

隨著電子及信息技術的發展，汽車電子技術成為支撐現代汽車發展的基礎技術之一，其中車身控制器可以提高行車的舒適性和方便性，重要性日益突出［1］。車身控制器制造過程中對于接插件上pin針正位度的精確檢測是車身控制器質量檢測中的重要一環，接插件端子上pin 針的位置與標準模板差距較大，會造成短路、斷路等嚴重后果［2］。

傳統的pin 針正位度檢測方法主要依靠人工利用測量器材檢測，精度不高且效益低下。機器視覺檢測技術具有精度高、速度快、自動化水平高［3］的特點，可以很好地滿足車身控制器接插件上pin 針正位度的檢測要求。文中設計了基于機器視覺的車身控制器接插件pin 針正位度檢測系統，并根據產品接插件的分布特點設計了3 個相機分區(A、B、C區)檢測方式，簡化了伺服運動控制系統的設計。利用高速觸發工業相機對生產線上車身控制器的每個接插件分別進行圖像采集，通過一定的圖像處理技術檢測出pin 針坐標并計算其與標準模板坐標的歐氏距離判斷產品是否合格，記錄相關處理數據并通過西門子OPC 通信協調伺服運動系統驅動產品至相應的接插件檢測工位。

1 系統總體結構設計

1.1 檢測內容

需檢測的車身控制器接插件分布如圖1 所示。圖中標明待檢測的6 種接插件名稱，分別為A 區的接插件PWR2、B 區的接插件COC、MR2 以及C 區的接插件RBA1、PWR1 和MR1。其中RBA1 型接插件如圖2 所示，該型接插件共有52 個pin 針。

圖1 車身控制器接插件分布Fig.1 Distributions of the connectors in the body control module

檢測正位度的步驟:找到接插件兩邊定位插銷圓孔的圓心A 和B，以A 和B 的中點為原點，兩個圓心的連線為y 軸(方向向右)，x 軸垂直于y 軸，方向向下，建立右手坐標系O' 如圖2 所示。然后檢測接插件中每個pin 針的亮斑圖像得到亮斑質心的像素坐標并進行坐標系轉換到檢測坐標系O'，最后計算每個pin 針與標準模板坐標的歐氏距離判斷產品是否合格。

圖2 RBA1 型接插件Fig.2 RBA1 connector

其余類型接插件(PWR2、COC、MR2、PWR1 和MR1)的檢測內容類似，此處不再贅述。視覺檢測部分單個產品的重復性精度要求控制在0.06 mm 以內，檢測時間要求控制在15 s 以內。

1.2 系統總體結構設計

根據檢測要求，設計車身控制器接插件pin 針正位度檢測系統的總體結構如圖3 所示。檢測系統包括圖像采集單元、運動控制單元、伺服電機單元和上位機處理單元。圖像采集單元主要由圖3 中的工業相機、鏡頭、LED 光源和圖像采集卡等構成;上位機處理單元主要由圖3 中的工控機及相應的外設構成;運動控制單元主要由圖3 中的PLC、觸摸屏和電機控制器等構成;伺服電機及相應的設備構成伺服電機單元。相機通過以太網連接安裝在工控機PCI 插槽中的圖像采集卡，工控機和PLC 通過西門子OPC 通信連接，PLC、電機控制器和伺服電機通過profibus 總線模塊連接。工控機主要承擔檢測系統的流程控制、圖像分析、數據處理和通信，是檢測系統的核心部分。

為保證檢測精度，相機的檢測視野限定在一個接插件的區域，同時為簡化伺服運動控制系統的設計，考慮車身控制器接插件的分布特點設計了圖3所示的3 個相機分區(A、B、C 區)檢測方式。相機1檢測A 區域接插件PWR2，相機2 檢測B 區域接插件COC、MR2，相機3 檢測C 區域接插件RBA1、PWR1和MR1，分區如圖1 所示。

系統開啟后，運動控制單元驅動被測產品至A區域第一個接插件PWR2 檢測工位后觸發拍照信號，由圖像采集單元采集圖片送交上位機處理并記錄處理數據，同時顯示檢測結果并給出完成信號;之后運動控制單元驅動被測產品至下一個接插件檢測工位，即B 區域第1 個接插件COC 檢測工位;接下來依次檢測B 區域第2 個接插件MR2、C 區域第1個接插件RBA1 以及C 區域第2 個接插件PWR1，直到C 區域最后一個接插件MR1 檢測完成，此時伺服電機驅動托盤回到原點準備檢測下一個工件。系統檢測流程如圖4 所示。

圖3 視覺檢測系統硬件組成Fig.3 Hardware components of the visual detection system

圖4 系統檢測流程Fig.4 Flow chart of the system detection

1.3 系統核心硬件選型

1.3.1 工業相機 工業相機是機器視覺系統中的關鍵組件，本質是將光信號轉變成有序的電信號，根據感光元件分為CCD 相機和CMOS 相機，CMOS技術將傳感器陣列、信號處理電路、模/ 數轉換器以及全數字接口電路等集成在一起，提高了相機的集成度與設計的靈活性［4］，性價比較高，系統采用CMOS 相機。

考慮到現場數據通信方式、鏡頭接口、視野大小及檢測精度等要求，選用德國BASLAR 的acA2500-14gm 黑白工業相機，該相機支持POE 供電，主要參數如表1 所示。

表1 工業相機主要參數Tab.1 Main parameters of the industrial cameras

相機1、相機2 和相機3 的工作距離，即產品檢測面到相機鏡頭的垂直距離(WD)設計和相應的視野(FOV)如表2 所示。

表2 工業相機工作距離設計Tab.2 Working distance of the industrial cameras

由相機分辨率和檢測到的視野大小可以得到該視覺檢測系統的檢測精度為0.028 mm/ 像素，滿足單個產品檢測重復精度為0.06 mm 的要求。

1.3.2 鏡頭 光學鏡頭是機器視覺系統中屈光部件，作用與人眼晶狀體相同，是獲取高質量圖像的關鍵。鏡頭的選取依據現場需求和鏡頭主要參數:焦距、接口、景深、畸變以及視野范圍等。圖3 中相機1 檢測的PWR2 接插件pin 針較大，考慮到價格等因素選用日本TAMRON 的M118FM25 型的百萬像素工業定焦鏡頭，相比普通鏡頭，該鏡頭具有較高的分辨率。由式(1)計算出相機的近似焦距值

式中:f 為鏡頭焦距;w 為相機成像靶面寬度，選定的相機靶面寬度為5.70 mm;L 為相機工作距離，根據現場情況設為320 mm;W 為視野寬度，根據被檢測的接插件大小設為72 mm。計算得出近似焦距為25.3 mm，因此焦距定為25 mm。

相機2 與相機3 需要檢測的接插件擁有較小的pin 針，考慮到畸變對檢測精度的影響，選取意大利OPTO 的TC12080 型遠心鏡頭，其典型失真小于0.04%，工作距離為226.7 mm，視野72 mm ×54 mm。鏡頭的主要參數如表3，4 所示。

表3 M118FM25 主要參數Tab.3 Main parameters of M118FM25

表4 TC12080 主要參數Tab.4 Main parameters of TC12080

1.3.3 光源 適當的光源設計可以使圖像中目標信息與背景信息得到最佳分離，大大降低圖像處理的算法難度，提高系統的精度和可靠性［5］。經過嚴格的打光測試，同時考慮到設備成本，本系統中檢測A 區的相機1 選用CST 的P-COL-80-R 型紅色同軸光源，檢測B 區和C 區的相機2、相機3 選用SCHOTT 的CV-RLA-132X96-15R 型15° 角紅色環燈，光源的工作距離如表5 所示。

表5 光源工作距離Tab.5 Working distance of the illuminants

2 檢測系統視覺軟件設計

視覺軟件設計是接插件pin 針正位度檢測系統的核心部分，主要對由圖像采集單元采集到的圖片進行預處理和特征識別，提取出車身控制器上pin針亮斑的質心坐標，計算與標準模板坐標的歐氏距離判斷產品是否合格。

2.1 開發環境介紹

車身控制器pin 針正位度檢測系統中圖像處理算法的設計須保證精度、效率和可靠性。本系統選用美國Cognex 公司研發的VisionPro 視覺軟件開發包，VisionPro 集成定位、檢測、識別和通信等處理算法［6］，提供.NET 程序接口允許用戶采用面向對象的高級語言編程訪問。本系統采用VB.NET 編程語言在VisionPro 視覺軟件包的基礎上設計算法進行二次開發，開發環境選擇微軟Visual Studio 2010 集成開發環境，VisionPro 簡化了視覺系統與其他主控程序的融合處理，實現高性能視覺系統開發。

2.2 視覺檢測主要過程

視覺檢測主要過程:

1)對采集到的圖像進行校準與標定;

2)選取圖像上的不變特征用于產品粗定位，通過粗定位得到選取特征的坐標和角度并建立其與擬合圓搜索區域的坐標對應關系;

3)在上一步匹配到的特征的相對位置建立擬合圓的搜索區域擬合2 個插銷圓孔得到相應的圓心坐標，計算2 個圓心的中點坐標及圓心連線與水平方向的夾角，以該中點為原點，2 個圓心連線為縱軸(方向向右)建立右手坐標系O' 如圖2 所示;

4)對圖像進行膨脹處理;

5)采用Blob 算法查找搜索區域內的pin 針亮斑提取亮斑質心坐標，通過相應的坐標系轉換把得到的質心圖像坐標轉換到檢測坐標系O' 中，計算其與標準模板坐標的歐氏距離判斷產品是否合格。

2.3 圖像校準與標定

由于視覺系統屈光部件的非理想性，采集到的圖像常常具有某種程度的畸變，常見的有徑向畸變、偏心畸變和薄棱鏡畸變［7］。這些畸變都會導致圖像失真，并造成視覺測量誤差或識別錯誤。另外采集到的圖像坐標基于像素，往往需要建立圖像坐標與世界坐標的映射關系。

基于上述原因，處理圖像前需先對采集到的圖像進行校準與標定。采用VisionPro 視覺軟件包中的CogCalibCheckerBoardTool 工具進行校準與標定，標定板選用網格大小為1 mm ×1 mm 的棋盤格標定板。采用非線性校正模式，校正透視畸變、徑向畸變及平面線性畸變。由于選定的棋盤格沒有基準標記，標定原點由最靠近圖像中心處的特征點表示，部分棋盤格角點標定前后的坐標信息如表6 所示。

表6 部分棋盤格角點標定前后坐標Tab.6 Part of the checkerboard corners coordinates before and after calibration

該工具利用棋盤格信息和檢測到的角點坐標計算相應的目的矩形和彎曲參數，用于畸變圖像的校準與標定，圖5 是該工具得到的畸變參數和RMS誤差，RMS 誤差定義為

式中，N 是提取到的棋盤格角點個數;i 是角點編號;ei是第i 個角點的位置誤差，由角點i 未校準的位置減去校準點通過校準映射得到的位置。該值用來評價標定精度的等級，越小則標定效果越好。從圖5 中可以看出，RMS 誤差為0.229 8，標定效果良好。

圖5 標定結果Fig.5 Calibration results

2.4 產品粗定位

為降低來料位置的變動，對接插件兩邊插銷圓孔擬合圓的影響，采用產品粗定位方式。選取圖像上的不變特征用于產品粗定位，得到選取特征的坐標和角度，然后建立其與2 個插銷圓孔擬合圓搜索區域的位置對應關系。

VisionPro 中的CogPMAlignTool 函數用于提取用戶自定義的圖像特征，配合CogFixtureTool 函數的使用建立其與插銷圓孔擬合圓搜索區域的坐標對應關系。使用CogPMAlignTool 工具中的掩膜編輯器離線訓練圖像特征并保存，在線檢測時對采集到的圖像進行模板匹配得到特征位置信息，將匹配到的特征位置信息，傳遞給CogFixtureTool 函數實現自定義的圖像特征與插銷圓孔擬合圓搜索區域的位置對應關系。

圖6 是接插件COC 的自定義特征(部分)，圖中用斜線描繪的特征邊即自定義的圖像特征。需要說明的是為防止誤識別，自定義特征需是圖像中唯一的，且不具有旋轉對稱性。

“大搬快治”工作開展以來，各級黨委政府領導高度重視，省、市主要領導、分管領導25次對“大搬快治”工作作出批示。層層落實工作責任，通過及時召開各類動員會、部署會、推進會，白天干完晚上干，密集開展實地調研、督查指導，發現一個問題，當場解決一個問題，真正做到問題不過夜、工作不停歇，有力推動工作落實。如景寧畬族自治縣實行“督戰令”制度，縣委書記、縣長親自督導“大搬快治”工作；蓮都區落實“后進約談”機制，對工作不力的鄉鎮（街道）實行問責約談，有效保障了“大搬快治”的工作進度。

圖6 接插件COC 的自定義特征Fig.6 Custom feature of the connector COC

2.5 檢測坐標系的建立

2.5.1 圓的擬合 產品粗定位后，在匹配到的自定義圖像特征的對應位置，即插銷圓孔位置處擬合插銷圓孔。圓的擬合采用CogFindCircleTool 函數來實現， 將設定的圓的分段數量 M 賦值到CogFindCircleTool 卡尺數量參數，設置搜索圓環圓心坐標、檢測方向和投影長度。該工具的工作原理是在搜索圓環的每一個分段內沿檢測方向找到擁有最大對比度的點，采用最小二乘法擬合找到M 個點得到擬合圓。

圓的一般表達式:

式(4)中σi為檢測到的點(Xi，Yi)到擬合圓心距離的平方與擬合圓半徑平方的差:

分別對a，b，c 求偏導，令其為零解出參數a，b，c得到擬合圓［8］。為降低噪點對擬合的影響，設置對比度閾值及異常點(距離擬合圓心過大或過小的點)排除，濾去干擾噪點保證擬合的準確性。

2.5.2 坐標系轉換 擬合完成后根據2 個擬合圓的圓心建立檢測坐標系O'，具體建立過程1.1 節已有介紹，其中RBA1 接插件的檢測坐標系O' 如圖2所示。

2.6 節介紹的pin 針檢測利用CogBlobTool 函數實現，返回的pin 針坐標基于圖像坐標系，即圖7 中的坐標系O，原點位于圖像左上角;標準模板的坐標系是圖7 中的檢測坐標系O'，因此計算距離之前需對坐標系進行轉換。

圖7 圖像坐標系與檢測坐標系Fig.7 Image coordinate system and the detection coordinate system

從圖中可以看出，坐標系O'是坐標系O 經向下平移vo單位，向右平移ho單位，并順時針旋轉?角度得到的。P 點的圖像坐標P(vp，hp)和檢測坐標P(xp，yp)轉換關系:

如上所述，式中?為旋轉角度，vo和ho為兩坐標系原點偏移大小，利用式(5)實現圖像坐標系到檢測坐標系的轉換。

2.6 pin 針的檢測

如2.2 節所述，檢測pin 針前需對圖像做膨脹操作，用于處理pin 針因氧化導致的亮斑斷裂現象;選用CogIPOneImageTool 函數實現膨脹處理，函數的形態學調整參數設為膨脹，選用3 ×3 大小的方形結構元，結構元的原點設為結構元中心。

膨脹處理后選用CogBlobTool 工具在相對于坐標原點O'的pin 針區域設置blob 搜索區域，設置該工具的分段模式為硬閾值，blob 極性為白色，根據拍攝的圖片情況設置blob 閾值以及面積限制等參數用于過濾噪點。運行CogBlobTool 返回檢測到的blob圖像質心坐標，利用2.5.2 節介紹的坐標系轉換把圖像坐標轉換到檢測坐標系下的坐標，然后利用式(6)計算該pin 針的檢測坐標與相應標準模板坐標的歐式距離判斷pin 針位置是否合格:

式中:(xp，yp)為pin 針P 的檢測坐標值;(mp，np)為pin 針P 的標準模板坐標值;D 為二者的歐幾里得距離，其中標準模板坐標是該車身控制器接插件pin針坐標的產品設計值。

3 系統功能測試

為測試該視覺系統的性能和檢測精度，對檢測系統進行重復性精度測試，選取5 個車身控制器分別進行50 次重復性測試，并針對其中的同一個pin針進行數據分析用于校驗檢測數據的穩定性，測試得到的各個車身控制器的重復性精度如表7 所示。重復性精度由50 次檢測的最大值減去最小值得到，反應視覺系統的檢測穩定性。測試過程中需保證視覺測量系統的環境基本不變，所用的設備和方法必須保持一致，并檢測同一個車身控制器。

表7 5 個車身控制器的重復性精度Tab.7 Repeatability accuracy of 5 body control modules

同一個產品的多次測試表明，該pin 針的x 坐標和y 坐標的重復精度小于0.03 mm，檢測數據的穩定性高，滿足檢測要求。其中光源的穩定性以及伺服電機的位置誤差是同一pin 針多次測量值不同的主要因素。整個視覺檢測系統的運行時間穩定在15 s 以內，符合現場要求。系統可生成數據報表實現數據可追溯，開放可調參數保證不同型號產品的檢測兼容性，滿足實際應用要求。

4 結 語

通過合理的硬件選型和適當的圖像處理算法設計，本視覺檢測系統可以達到較高的檢測精度和檢測穩定性。根據車身控制器接插件的分布特點設計的分區檢測方式簡化了相應的伺服運動控制系統的設計。

目前，該視覺檢測系統已在某汽車電子公司生產車間中實際應用，能夠實現車身控制器快速、精確、穩定檢測。解放了人力，提高了生產效率，為客戶實現了預期的生產目標，對信息化提升傳統產業 具有一定意義。

［1］賴祺.車身控制器設計及功率芯片熱仿真方法研究［D］.哈爾濱:哈爾濱工業大學，2013.

［2］趙大興，彭煜，孫國棟，等.高精度視覺測量系統中檢測方法的研究［J］.制造業自動化，2014，36(5):25-27.

ZHAO Daxing，PENG Yu，SUN Guodong，et al. Research on the detection method in high-precision vision measurement system［J］.Manufacturing Automation，2014，36(5):25-27.(in Chinese)

［3］威洛斯，焦宗夏.基于VisionPro 的焊膏印刷機視覺定位系統［C］//第十二屆中國體視學與圖像分析學術年會論文集.北京:中國體視學學會，2008:533-539.

［4］王旭東，葉玉堂.CMOS 與CCD 圖像傳感器的比較研究和發展趨勢［J］.電子設計工程，2010，18 (11):178-181.

WANG Xudong，YE Yutang. Comparative study of CMOS and CCD image sensor and their development trends［J］. Electronic Design Engineering，2010，18(11):178-181.(in Chinese)

［5］張巧芬，高健.機器視覺中照明技術的研究進展［J］.照明工程學報，2011，22(2):31-37.

ZHANG Qiaofen，GAO Jian.Research progress of machine vision lighting［J］. China Illuminating Engineering Journal，2011，22(2):31-37.(in Chinese)

［6］陳偉華，馬瓊雄，陳月軍.基于VisionPro 的工業機器人視覺定位系統［J］.組合機床與自動化加工技術，2012(2):81-87.

CHEN Weihua，MA Qiongxiong，CHEN Yuejun.Location system for industrial robot vision using VisionPro［J］.Modular Machine Tool and Automatic Manufacturing Technique，2012(2):81-87.(in Chinese)

［7］朱錚濤，黎紹發.鏡頭畸變及其校正技術［J］.光學技術，2005，31(1):136-141.

ZHU Zhengtao，NI Shaofa.Distortion of lens and its correction techniques［J］. Optical Technique，2005，31(1):136-141. (in Chinese)

［8］秦義，付小寧，黃峰.激光光斑定位的多圓擬合算法的研究［J］.西安科技大學學報，2006，26(4):519-523.

QIN Yi，FU Xiaoning，HUANG Feng.Circles fitting algorithm research on laser beam location［J］.Journal of Xi＇an University of Science and Technology，2006，26(4):519-523.(in Chinese)