飛機復雜零件上大量小尺寸導孔的快速視覺檢測

飛機復雜零件上大量小尺寸導孔的快速視覺檢測

唐君萍張麗艷劉勝蘭葉南

南京航空航天大學,南京,210016

摘要：設計并實現了一套飛機復雜零件上大量小尺寸導孔的快速視覺檢測系統MBMS,對其中的關鍵技術作了深入研究和討論。采用將視覺檢測與多軸數控運動機構相結合的導孔檢測方式，提出了一種系統內外參數精確標定方法；詳細討論了檢測程序的生成方法，對檢測中導孔的檢測順序進行了規劃；針對飛機零件上導孔的成像特征，提出了一種高精度、高穩定性的圖像定位技術；最后通過導孔的實際成像與基于虛擬相機技術的理論成像對比分析來得出導孔加工精度的評價。該系統為復雜飛機零件上的大量小尺寸導孔提供了快速有效的數字化檢測手段。

關鍵詞：導孔檢測；視覺檢測；系統標定；檢測規劃；圖像處理

中圖分類號：V262.7；TP391.7

收稿日期：2014-12-11

作者簡介：唐君萍，男，1991年生。南京航空航天大學機電學院碩士研究生。研究方向為機器視覺檢測。張麗艷，女，1967年生。南京航空航天大學機電學院教授。劉勝蘭，女，1974年生。南京航空航天大學機電學院副教授。葉南，男，1982年生。南京航空航天大學機電學院講師。

QuickVisionInspectionforLargeNumberofSmallSizeGuideHolesonComplexAircraftParts

TangJunpingZhangLiyanLiuShenglanYeNan

NanjingUniversityofAeronauticsandAstronautics，Nanjing，210016

Abstract:A quick vision inspection system MBMS for the large number of small size guide holes on complex aircraft parts was designed and implemented. The key techniques concerned were studied and discussed in details. The system combined a visual sensor with a multi-axis CNC equipment. A method to calibrate the system’s internal and external parameters was proposed.The programming method to generate NC inspection program was discussed in detail, and the guide holes’ inspection order was optimally planned. An accurate and stable method was proposed to locate the guide hole in the image. Finally, the evaluation of the guide hole’s machining precision was achieved by comparing the real image with the underlying virtual image. The proposed method provides an approach to quick and accurate inspection of the large number of small size guide holes on complex aircraft parts.

Keywords:guideholeinspection;visioninspection;systemcalibration;inspectionprogramming;imageprocessing

0引言

導孔是飛機制造工程中最常見的結構特征之一,大量存在于框、肋、壁板、蒙皮等各類飛機零部件上，主要用于飛機零部件之間的裝配連接，包括鉚釘孔、螺栓過孔、銷孔等。飛機零部件上的導孔數目十分龐大，據統計，一架大型飛機的各類結構特征上，導孔的數量多達300萬以上，某些單個零件上就有幾千個導孔。導孔的加工質量是影響飛機壽命和飛行安全的重要因素，導孔存在幾何偏差等質量缺陷時，強迫裝配產生的裝配應力會對飛機安全構成極大隱患[1-2]

在新一代飛機研制中,對導孔的加工質量提出了新的更高要求[3]。在新的質量規范和公差要求下，采用高效精確的數控方法加工導孔已是勢在必行，然而目前我國航空制造企業中主要采用的通用量具和專用檢測模板的導孔檢測方法，屬于人工比對式檢測，缺乏量化檢測結果，對于一些復雜曲面零件上分布的導孔檢測誤差甚至會達到1mm量級,已經不再適應新一代飛機的研制生產要求。飛機零部件上導孔尺寸較小，且多分布于復雜自由曲面薄壁結構上，一般為φ2.5～4mm淺圓柱通孔,采用三坐標測量機對導孔進行檢測則存在以下幾方面難以克服的問題：①對于五軸數控機床加工的復雜零件小尺寸導孔，三坐標測量機往往不具有可達性；②由于孔徑小，即使采用超小測頭，也容易因實際的孔徑、孔位偏差而導致自動檢測過程中發生測頭與孔壁干涉；③對于即使可以用三坐標測量機進行檢測的情形，檢測效率也明顯低于數控制孔的效率，因此會形成制造效率瓶頸。

隨著視覺測量理論和技術的快速發展，以CCD(charge-coupleddevice)相機作為主要傳感器件的工業視覺測量越來越顯示出獨特的技術優勢和廣闊的發展空間。在三維空間分布的圓孔檢測方面,黃劼[4]設計制造了一套只針對半球殼零件上表面圓孔與基準孔之間的空間夾角的視覺檢測系統。然而，導孔在飛機零件上量大面廣,分布有大量導孔的零件結構形式各異、尺寸大小迥然不同，這使得已有的視覺檢測方法受視場、景深的限制而難以勝任。

針對飛機復雜零件大量小尺寸導孔檢測的快速性、現場性、定量性的需求特點，本文提出將視覺成像系統與多軸數控運動機構相結合的導孔檢測方法，該方法通過運動機構帶動視覺成像系統到達每個待測導孔的預設相對方位拍攝圖像，并根據導孔的實際成像與虛擬相機理論成像的對比分析快速得出其加工精度評價。不同于二維平面目標的視覺檢測問題，通過多軸數控運動對任意不同空間方位的大量導孔進行快速、精確視覺檢測，需要解決視覺成像系統與運動機構之間的位姿精確標定、檢測路徑和數控檢測程序的自動規劃與生成、精度評價方法等一系列問題。本文對此提出了一整套解決方法，形成了基于模型的導孔在線視覺檢測系統(MBMS),典型試驗件的初步檢測結果表明，本文方法的檢測精度與檢測效率能夠滿足目前導孔數字化加工和檢測的需要。

1系統原理及機構

MBMS系統結構如圖1所示,其中視覺檢測系統由視覺成像系統與計算機及系統軟件構成，視覺成像系統包括CCD圖像傳感器、鏡頭和光源等。將視覺成像系統安裝在多軸數控運動機構的運動末端，由運動機構帶動視覺成像系統至指定位置對每個導孔依次進行檢測。

圖1　MBMS系統結構示意圖

為方便闡述,本文以搖籃式五軸數控機床MikronUCP710為數控運動平臺進行求解說明。對于不同的數控運動機構，只需要將相關的結構參數替換即可。

MBMS系統的總體技術方案如圖2所示。在檢測每個孔時,運動機構將成像系統光軸移動至其與待測導孔的理論孔軸方向重合，并在合適的物距位置拍攝該導孔的圖像進行檢測。首先通過本文設計的標定塊對系統進行標定，解算出系統的內外參數，然后將待測零件安裝在工作臺上。根據待測零件的安裝位置信息和系統標定參數，計算出檢測每個孔時的數控檢測位置，并將所有孔的檢測順序進行優化，最終得到數控檢測程序。成像系統依次移動至每個導孔的預定位置后拍攝得到待測導孔的實際成像，本文采用OpenGL虛擬相機[5-6]得到待測導孔的理論成像，將待測導孔的實際成像與理論成像進行對比分析，從而得到檢測結果。

圖2　MBMS系統總體技術方案

2系統標定

將成像系統安裝在運動機構上去完成特定的任務,首先需要確定兩者間的位置關系。這個關系的求解可以歸于手眼標定[7-10]的問題。常用的手眼標定的基本思路是控制運動機構(通常是機器人手臂)至少在3個不同的位置觀察空間一個已知的標定參照物,最終轉化為方程組AX=XB的求解問題[8-9]。這一方法的數學求解過程十分繁瑣[11],并且需要已知相機內參數。為此，本文設計了可裝夾找正的標定參照物，通過運動機構自身的接觸式測頭測得運動末端相對于標定參照物的位置關系，并通過一次標定獲得相機內參數及相機相對于標定參照物的位置關系，最后直接計算獲得相機相對于運動末端的位置關系。

如圖 3所示，設Cr為標定參照物坐標系，Cc為相機坐標系，Cm為運動末端坐標系，Cmw為運動機構世界坐標系。由數控系統可以讀出Cmw與Cm的位置關系。則本文提出的標定方法基本步驟可以描述為：

(1)在運動機構工作臺上裝夾找正標定參照物，通過Cmw間接得到Cr與Cm的位置關系；

(2)移動相機從多個方位拍攝標定參照物得到標定圖像，由此標定出相機內參數以及Cc相對于Cr的位置關系；

(3)計算Cc、Cm間的位置關系。

圖3　標定流程示意圖

2.1確定標定參照物坐標系與運動末端坐標系的位置關系

圖4　標定參照物示意圖

2.2標定相機內參數及相機坐標與標定參照物坐標系的位置關系

本文采用圖4的標定參照物以Zhang[12]的標定方法為基礎進行相機內參數標定。該方法只需對平面標定參照物在不同角度拍攝一組圖像即可，簡單易行，且有較高的標定精度。為了覆蓋運動機構的整個運動空間，提高標定精度,本文從8個不同角度拍攝標定圖像。圖5所示為標定現場以及其中一幅標定圖像。標定參照物上圓孔的三維坐標可事先精確測得。標定參照物上圓孔采用了不對稱設計，方便標定過程中各控制點(孔心)的三維坐標與其圖像坐標的自動匹配，提高標定效率。

(a)標定現場圖

(b)標定圖像 圖5　標定現場圖以及拍攝的標定圖像

2.2.1成像模型

標定參照物上的各控制點在針孔模型下的成像可表示為

(1)

式中,s為比例系數;(xr,yr,zr)T為空間控制點X在標定參照物坐標系下的坐標;(u,v)T為X在圖像平面上的像點的像素坐標；R、T分別為從標定參照物坐標系到相機坐標系的旋轉變換矩陣和平移向量；A為相機的內參數矩陣；(u0,v0)T為圖像平面的主點坐標；α、β分別為圖像在u軸、v軸的焦距參數。

由于鏡頭畸變的影響,式(1)給出的理想成像模型往往不能準確地反映實際的成像幾何關系，使用合適的畸變矯正模型能在一定程度上減小鏡頭畸變的影響。本文采用的畸變模型為

式中,(x,y)為圖像平面上的像點在相機坐標系下的幾何坐標;k1、p1、p2為需要標定的畸變系數。

2.2.2標定相機內參數及相機相對于標定參照物的位置關系

在標定參照物坐標系下,標定參照物上孔心的物理坐標可以表示為X=(xr,yr,0)T,由式(1)可得

(2)

其中,r1、r2、r3分別為旋轉矩陣R的三個列向量。式(2)可以寫成:

由r1與r2相互正交可以得到2個約束方程：

而內參數矩陣A有5個未知量,因此當圖像數量n≥3時即可求解矩陣A。本文從8個不同方位拍攝了標定圖像。一旦求得A即可進一步求得每幅圖像拍攝時相機相對標定參照物坐標系的外部參數：

λ=1/‖A-1h1‖=1/‖A-1h2‖

至此得到了線性模型下的相機內外參數A、R和T,考慮相機鏡頭畸變,本文使用LM(Levenberg-Marquardt)算法[13]進行全局優化求解,最小化目標函數為

2.3解算相機與運動末端的位置關系

由2.1節給出的方法可以確定Cm與Cr間平移向量,記拍攝第i幅標定圖像時此值為Tm-ri,由2.2節中的方法可以得到拍攝第i幅標定圖像時相機相對于標定參照物的位置關系Ri、Ti。本節給出最終確定相機與運動末端間的位置關系Rc-m、Tc-m的方法,如圖6所示。對于搖籃式AC擺五軸數控機床MikronUCP710,在從不同方位拍攝標定圖像時，標定參照物隨工作臺轉動到了不同的方位,因此首先需要將轉動后的標定參照物坐標系Cri聯系到原始標定參照物坐標系Cr。這里用下標最后一位i區分拍攝標定圖像的不同時刻，如Cci表示拍攝第i幅標定圖像時的相機坐標系,Rri-r、Tri-r表示此時標定參照物坐標系Cri與初始Cr的位置關系。

圖6　相機與運動末端位置關系示意圖

2.3.1標定參照物坐標系在轉動前后的位置關系

圖7　搖籃式AC擺五軸數控運動機構的工作臺結構

讀取第i次拍攝時運動機構C、A軸的轉動量αi、βi,根據圖7所示的工作臺結構可以得出：

2.3.2計算相機與運動末端的位置關系

至此可以給出第i次拍攝時相機與運動末端的位置關系Rc-mi、Tc-mi:

對獲得的多個相機與運動末端的旋轉關系,本文以歐氏距離為度量標準進行平均[14]得到最終旋轉矩陣標定值Rc-m：

式中,SO(3)為李群三維旋轉群;‖·‖F為矩陣的Frobenius范數。

對多組平移關系直接求平均得到最終平移向量標定值：

3數控檢測程序的生成

為了將相機光軸移動至與待測導孔的孔軸重合,并在合適的物距位置拍攝圖像，需要根據系統標定結果和待測導孔理論方位進行相應的計算，得到運動機構每個軸的運動量。另外，一個飛機復雜零件上往往存在著大量導孔，對導孔的檢測順序進行規劃以盡可能縮短檢測中系統的運行路程,提高檢測效率。

3.1多軸運動解算

設待測導孔在零件設計坐標系下的孔心位置和軸向分別為Pd=(xd,yd,zd)T和Vd=(id,jd,kd)T。在工作臺上裝夾待檢測零件,通過接觸式測頭確定零件設計坐標系與運動機構世界坐標系的位置關系后，可以得到待測導孔在Cmw下的孔心位置Pmw=(xmw,ymw,zmw)T和軸向Vmw=(imw,jmw,kmw)T,設此時機床工作臺在初始位置，即A、C軸轉角都為0。

3.1.1機床A、C軸轉角的解算

由第2章得到Cc與Cm的位置關系Rc-m、Tc-m，相機光軸方向在Cm、Cmw下均表示為旋轉矩陣Rc-m的第三列rc-m3。為了簡化公式的表達形式,記VC=(a，b，c)T=-rc-m3(相機光軸與運動末端坐標系Z軸方向相反,取負方便計算),Vh=(l，m，n)T=Vmw。假設相機光軸方向與孔軸向相同時機床的C軸和A軸轉角分別為α、β,則存在:

即

(3)

求解式(3)中的未知量α、β時,存在3種情況：

(1)當l2+m2≥a2并且l、m不同時為0時，解為

(4)

由式(4)可見存在兩組解,如圖8所示,圖中用OmwXmwYmwZmw表示Cmw的原點和各坐標軸,用α1和β1、α2和β2表示對應的兩組解。本文采用的機床A軸轉角β限制為30°到-120°之間,因此首先選取滿足此限制條件的解，若兩個解都滿足限制條件則可選取任意一組解。

圖8　求解C、A軸轉角示意圖

(2)當l=m=a=0,即孔軸向與機床Z軸方向相同，并且相機光軸在平面YmwOmwZmw內,這時機床C軸的轉動將不改變孔軸方向,α可以為任意角度,本文取0，則解為

α=0

3.1.2X、Y、Z移動量的解算

檢測時相機光軸通過孔心,則孔心在相機坐標系下的坐標為Pc=[(0，0，zDis)T，其中zDis為拍攝物距。根據系統標定結果計算得到待測孔心在運動末端坐標系下的坐標Pm：

Pm=Rc-mPc+Tc-m

這時運動末端坐標系原點在運動機構世界坐標系下坐標即為機床X、Y、Z移動量：

至此得到檢測導孔所需的機床全部控制參數(X,Y,Z,α,β)。

3.2檢測順序規劃

對于存在大量導孔的飛機零件,對導孔的檢測路徑進行規劃可以在一定程度上縮短檢測過程的運行時間，提高檢測效率。本文將路徑規劃簡化為求解旅行商問題[15](travelingsalesmanproblem,TSP),這時問題中的城市節點集合為所有檢測位置的集合，路徑中兩個節點間的權值(即路徑長度)為運動平臺在這兩個節點間的運動時間。對于規劃后路徑中可能會存在的碰撞現象，可以通過在路徑中添加過渡點來避免，實驗中這種情況很少出現。

對于檢測位置Pi(Xi,Yi,Zi,αi,βi)和Pj(Xj,Yj,Zj,αj,βj),定義向量Tij為

Tij=

其中STX、STY、STZ分別為機床X、Y、Z軸的移動速度;SRC、SRA分別為機床C、A軸的轉動速度。則從檢測位置Pi運動到檢測位置Pj的時間tij為Tij的無窮范數：

tij=‖Tij‖∞

旅行商問題是典型的NP完全問題,最簡單的求解方法是枚舉法,解空間是大小為(n-1)!的集合,求解時間長。本文采用目前近似算法中精度最高的LKH算法[16-17]進行求解，其求解時間復雜度接近o(n2.2)。使用LKH算法得到一條環形路徑，本文將路徑中距離最大的邊刪除，選取該邊連接的一點作為檢測起點，另一點則作為終點。

得到零件上所有導孔的檢測位置以及檢測順序后，即可編制檢測用的數控程序。整個過程由研發的離線規劃軟件自動、高效地完成。

4數控系統與計算機軟件系統的同步

在檢測過程中,機床數控系統需要與計算機軟件系統進行同步以完成零件的檢測，即在機床移動至預定位置后，機床通知計算機軟件系統控制相機采集圖像，采集完圖像后機床重新啟動，移動至下一個檢測位置。由于一次檢測中的圖像采集時間可以事先測得，并且同一相機采集每幅圖像的時間基本保持不變(本文采用相機的采集時間不超過400ms),因此機床數控系統與計算機軟件系統間的同步可以簡化為單向同步。機床移動至指定位置后，通知計算機軟件系統采集圖像，并同時進入延時，在延時結束后移動至下一個位置；計算機軟件系統接收到通知信號后立即采集圖像，在機床處于等待的延時間隔內完成采集,同步流程如圖9所示。

圖9　系統同步流程

本文實驗所用機床(MikronUCP710)的數控系統為HeidenhainTNC426，集成了RS232串口通信接口，系統的Q參數功能提供的向串口輸出信息的指令可以很好地滿足本文同步的需求。另外，多數數控系統集成了串口通信[18-19],通信方式簡單，并且不需要額外的硬件設備，這使得本文提出的方法和系統具有高可移植性。

5檢測圖像處理及導孔質量評價

5.1圖像處理

獲得待測導孔的檢測圖像(如圖10上部分所示)后，需要對其進行處理計算得到導孔的圖像位置信息。由于每次檢測時相機光軸通過待測導孔理論孔心，因此待測導孔成像于圖像中心區域，所以只需要對圖像的中心區域(如圖10下部分所示)進行處理,以縮短圖像處理時間，提高檢測效率。

圖10　一整幅檢測圖像及需要處理的區域

經過灰度化、高斯濾波預處理后，本文按以下三步提取導孔圖像邊緣：

(1)由圖10可見，在采用環形光源的條件下實際拍攝獲得的導孔圖存在明顯的前景色與背景色，因此采用最大類間方差法(Otsu法[20])進行二值化，處理后的圖像如圖11a所示。

(2)尋找二值化后圖像中的輪廓邊緣并擬合橢圓，擬合的橢圓如圖11b所示。

(3)對灰度圖像采用Canny[21]的算法進行邊緣檢測(圖11c),得到更為精確的邊緣。由于零件表面存在紋理和劃痕等,邊緣圖像上往往還存在噪聲邊緣點,因此用第(2)步擬合的橢圓信息對像素邊緣進行篩選,篩選結果如圖11d所示,由圖可見仍然存在一些明顯的噪聲點，因此在對其進行畸變校正后,采用RANSAC思想[22]進行橢圓擬合得到待測導孔在圖像坐標下最終的表達式Er(圖11e)。

(a)二值化圖像 　(b)首次擬合橢圓 (c)Canny檢測邊緣

(d)篩選結果(e)橢圓提取結果 圖11　導孔圖像處理

上述方法在大量導孔圖像的提取與定位應用中表現出了良好的穩定性和精確性。

5.2基于虛擬成像的導孔質量評價

將標定得到的系統內參數和每個導孔預先規劃的相機拍攝位姿作為參數輸入到OpenGL虛擬成像模型中[5-6],對零件的三維數模模型進行虛擬成像得到待測導孔的無畸變理論成像(圖 12a),將其與畸變矯正后的實際成像(圖10)疊加(圖12b)。

(a)理論成像

(b)整幅圖像疊加 圖12　理論成像及其與實際成像疊加

不同于二維平面目標的視覺檢測問題，一些導孔輪廓邊緣的理論成像不是一個標準圓形。由零件的三維數模得到導孔的精確理論成像與導孔的實際成像對比能更準確地確定導孔的加工偏差，因此本文沒有采用由實際圖像邊緣直接計算導孔尺寸的傳統方法。

對理論成像進行橢圓提取得到待測導孔的理論成像的表達式Et,并與從實際成像中提取到的橢圓表達式Er進行對比分析，得到待測導孔的加工精度評價結果。本文從以下兩個方面來分析孔的加工精度(圖13)：①孔心位置偏差Δd=‖Or-Ot‖；②最大邊界誤差及其方向dmax、dir。

其中Or、Ot分別為理論成像和實際成像擬合的橢圓中心；計算dmax、dir時,首先計算過Ot的直線與兩個橢圓在同一個方向上的交點，而后計算兩個交點間的距離，直線掃描一周，取距離最大時的方向和距離。

圖13　加工精度分析

由于每次檢測時，相機相對待測導孔的拍攝方位均為預設已知，因此結合相機內參數可以計算得到此時圖像上每個像素對應的物理尺寸，在本文實驗條件下每個像素對應于0.025mm。

6實驗驗證

6.1實驗一

對一個平面零件上呈9×7陣列的63個2～4mm法向圓孔用MBMS系統進行檢測。該零件采用慢走絲線切割方法精加工，加工誤差不超過3μm,這一誤差水平相對于導孔制造要求而言基本可以忽略，本實驗將其作為標準實驗件。各孔的檢測統計數據如表 1所示。可見，忽略該零件的制造誤差，則MBMS系統對孔心位置偏差的2σ檢測不確定度為0.06pixel(0.0015mm),最大邊界誤差的2σ檢測不確定度為0.1pixel(0.0025mm)，孔位和最大邊界的平均偏差則分別為1.39pixel(0.035mm)和2.01pixel(0.05mm)。

表1　高精度實驗件的檢測統計結果

6.2實驗二

本實驗對圖14所示的實驗件進行了導孔檢測。該實驗件在平面、斜面和自由曲面上共分布了2～6mm的75個導孔，其中斜面和自由曲面上的孔絕大部分為非法向孔，均由鉆孔工藝制成。首先采用三坐標測量機(DEAMISTRAL070705)對導孔進行檢測，由于三坐標測量機的PH10M型測頭系統在兩個旋轉軸的分度為7.5°,因此在測量一些孔時探針不能從孔的軸向伸入，很容易形成干涉，并且對于自由曲面上的小尺寸導孔，很難將探針伸入導孔底部采集接觸點以算出導孔方位而不發生干涉，檢測一個空間任意方位的導孔需要大量時間，效率十分低下。

圖14　實驗2被測件

為了得到對比分析結果，本文花大量時間用三坐標測量機對實驗件上的75個導孔進行了檢測，基于檢測結果擬合了導孔的圓柱模型，并以此作為實驗件上導孔的三維模型。用重建的模型生成每個孔的理論成像圖像，并與實際成像對比分析，以此評價本文結果與三坐標測量結果之間的差異，統計數據如表2所示。

表2　 MBMS系統結果與三坐標測量結果之間的偏差統計

由表2可見,與根據三坐標測量結果重建的實物模型相比，本文研發的MBMS系統對孔心位置偏差的2σ不確定度為0.046mm(1.84pixel)，對最大邊界偏差的2σ不確定度度為0.047mm(1.86pixel),孔位和最大邊界的平均偏差則分別小于0.05mm和0.1mm。需要指出的是，由于該實驗件上的導孔由一道鉆孔工序加工制成，孔壁的制造質量較低，通過三坐標測量機有限的幾個測點重建的導孔圓柱模型本身就有一定的誤差，特別是由于測點分布不均勻等原因造成的在導孔孔軸方向的擬合誤差會導致在重建三維模型表面上導孔邊緣的較大偏移，這應該是表2中本文方法與三坐標重建模型之間具有較大的最大邊界誤差最大值的重要成因。本文系統對單個導孔的檢測時間在1.5s內，檢測圖14所示的實驗件上75個導孔共花費7.4min,其中大部分時間為運動機構在導孔間的運動時間，檢測效率遠遠高于三坐標測量機。

7結論

本文將視覺檢測系統與數控運動機構結合，構建了一套復雜飛機零件上大量小尺寸導孔的快速檢測系統MBMS,并用專門設計的標定塊和與之配套的標定算法對系統進行了標定；給出了導孔檢測位置的規劃計算方法，并用LKH算法對導孔的檢測順序進行了優化；針對在MBMS系統采集到的導孔圖像，設計了一套高精度、高穩定性的圖像處理方法；提出了通過導孔的實際成像與理論成像對比分析來得出其加工精度的評價方法。對典型實驗件進行了檢測驗證，結果表明具有較高的檢測精度和效率。

雖然本文方法僅對導孔進行了檢測，但不難看出只需要對系統作一定修改就可以拓展用于檢測其他結構特征，如邊、凸臺等；也可以通過控制相機從兩個不同方位拍攝同一個區域，構成雙目立體視覺系統來完成零件三維外形數據的采集等工作。需要指出的是，本文的檢測方法需要檢測零件的三維數模來獲得導孔的理論成像，因此不適用于沒有數模的零件測量。

參考文獻:

[1]畢運波,李永超,顧經偉,等.機器人自動化制孔系統[J].浙江大學學報(工學版),2014,48(8):1427-1433.

BiYunbo,LiYongchao,GuJinwei,etal.RoboticAutomaticDrillingSystem[J].JournalofZhejiangUniversity(EngineeringScience), 2014, 48(8): 1427-1433.

[2]卜泳,許國康,肖慶東.飛機結構件的自動化精密制孔技術[J].航空制造技術,2009(24):61-64.

BuYong,XuGuokang,XiaoQingdong.AutomaticPrecisionDrillingTechnologyofAircraftStructuralPart[J].AeronauticalManufacturingTechnology,2009(24):61-64.

[3]曲巍崴,董輝躍,柯映林.機器人輔助飛機裝配制孔中位姿精度補償技術[J].航空學報,2011,32(10):1951-1960.

QuWeiwei,DongHuiyue,KeYinglin.PoseAccuracyCompensationTechnologyinRobot-aidedAircraftAssemblyDrillingProcess[J].ActaAeronauticaetAstonauticaSinica, 2011, 32(10): 1951-1960.

[4]黃劼. 曲面孔位機器視覺測量系統研究[D].成都:四川大學,2004.

[5]唐麗玉,王熠中,陳崇成,等.視頻圖像中監控目標的空間定位方法[J].福州大學學報(自然科學版),2014,42(1):55-61.

TangLiyu,WangYizhong,ChenChongcheng,etal.EstimationofTargetPositionfromVideoImage[J].JournalofFuzhouUniversity(NaturalScienceEdition),2014,42(1):55-61.

[6]張祖勛,蘇國中,鄭順義,等.OpenGL成像機理及其與攝影測量方位元素的相關分析[J].武漢大學學報:信息科學版,2004,29(7):570-574.

ZhangZuxun,SuGuozhong,ZhengShunyi,etal.RelationOpenGLImagingProcesswithExteriorandInteriorParametersofPhotogrammetry[J].GeomaticsandInformationScienceofWuhanUniversity,2004,29(7):570-574.

[7]ShiuYC,AhmadS.CalibrationofWrist-mountedRoboticSensorsbySolvingHomogeneousTransformEquationsoftheFormAX=XB[J].IEEETransactionsonRoboticsandAutomation,1989,5(1):16-29.

[8]TsaiRY,LenzRK.ANewTechniqueforFullyAutonomousandEfficient3DRoboticsHand/EyeCalibration[J].IEEETransactionsonRoboticsandAutomation, 1989, 5(3): 345-358.

[9]HoraudR,DornaikaF.Hand-eyeCalibration[J].TheInternationalJournalofRoboticsResearch,1995,14(3):195-210.

[10]張云珠. 工業機器人手眼標定技術研究[D].哈爾濱：哈爾濱工程大學，2009.

[11]朱振友,徐愛杰,林濤,等.機器人視覺的 “手-眼” 關系快速標定算法[J].光學技術,2004,30(2):150-152.

ZhuZhenyou,XuAijie,LinTao,etal.High-speedCalibrationMethodfortheRelationshipoftheEyeIn-handofRobotVision[J].OpticalTechnique,2004,30(2):150-152.

[12]ZhangZhengyou.AFlexibleNewTechniqueforCameraCalibration[J].IEEETransactionsonPatternAnalysisandMachineIntelligence, 2000, 22(11): 1330-1334.

[13]MoréJJ.TheLevenberg-MarquardtAlgorithm:ImplementationandTheory[M].Heidelberg:SpringerBerlin,1978.

[14]MoakherM.MeansandAveragingintheGroupofRotations[J].SIAMJournalonMatrixAnalysisandApplications, 2002, 24(1): 1-16.

[15]ThomasHC,CharlesEL,RonaldLR,etal. 算法導論[M]. 殷建平, 徐云, 王剛, 等. 譯. 北京: 機械工業出版社, 2013.

[16]黃厚生. 求解旅行商問題的新方法研究[D]. 天津: 天津大學, 2005.

[17]HelsgaunK.AnEffectiveImplementationoftheLin-kernighanTravelingSalesmanHeuristic[J].EuropeanJournalofOperationalResearch, 2000, 126(1): 106-130.

[18]耿國卿.數控機床與計算機串口線路的連接與數據傳輸[J].機床與液壓,2012,40(14):112-116.

GengGuoqing.TheConnectionandDataTransmissionofSerialCommunicationforNCMachineToolandComputer[J].MachineTool&Hydraulics, 2012, 40(14): 112-116.

[19]王召鵬, 陳國金. 利用宏指令實現數控機床狀態采集方法的研究[J].現代制造工程,2007(11):134-136.

WangZhaopeng,ChenGuojin.ResearchonRealizingtheSatusCollectionofNumericalControlMachinebyMacroInstruction[J].ModernManufacturingEngineering,2007(11):134-136.

[20]OtsuN.AThresholdSelectionMethodfromGray-levelHistograms[J].IEEETransactiononSystem,ManandCybernetics,1979,9(1):62-66.

[21]CannyJ.AComputationalApproachtoEdgeDetection[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,1986(6):679-698.

[22]FischlerMA,BollesRC.RandomSampleConsensus:aParadigmforModelFittingwithApplicationstoImageAnalysisandAutomatedCartography[J].CommunicationsoftheACM,1981,24(6):381-395.

(編輯袁興玲)