基于機器視覺的分度夾具轉角誤差測量*

王宸龍，李蓓智，楊建國

(東華大學 機械工程學院，上海　201600)

?

基于機器視覺的分度夾具轉角誤差測量*

王宸龍，李蓓智，楊建國

(東華大學 機械工程學院，上海201600)

摘要：提出了一種利用機器視覺技術對分度夾具轉角定位誤差進行檢測的方法。用CCD 相機分別獲取分度夾具上同一條棱邊在各個工位上的圖像，并通過數字圖像處理技術計算該棱邊在不同工位之間所成的夾角，從而得出分度夾具轉角定位誤差和重復定位誤差的測量。該方法相比傳統檢測方法，其檢測方法更為簡單、高效，可以實現分度轉角誤差的快速檢測。

關鍵詞：分度夾具；誤差檢測；機器視覺；圖像處理；亞像素邊緣

0引言

撓性接頭是動力調諧陀螺儀的核心元件,其性能的好壞直接影響整個陀螺儀的精度和壽命[1]。由于撓性接頭的細頸孔在圓周上呈90°均布[2]，任意圓孔角度誤差不大于3′。在加工撓性接頭過程中，采用的是四工位分度夾具，其具有轉位迅速、主動尋位、彈性定位的優點。但受限于其機構特點，為其轉角誤差定位測量帶來了諸多不便。目前使用的方法是分別在夾具兩個相鄰面上安裝測頭，檢測夾具在轉位之后在垂直于各個面的位移，通過外接儀表讀取位移量，然后再根據一系列計算得出轉角定位誤差。該方法測量效率較低，計算過程復雜，同時又受到測量位置的影響。

本文提出了一種基于機器視覺的夾具轉角定位誤差的非接觸式測量方法。利用 CCD 相機獲取分度夾具同一條棱邊在各個工位的圖像，通過數字圖像處理技術，計算得出夾具的轉角定位誤差以及重復定位誤差。

1分度夾具轉位誤差測量方法概述

通過視覺測量設備分別拍攝分度夾具指定棱邊(圖1所示，以下簡稱參照棱邊)在各個工位的圖像，并對圖像進行預處理，提取其亞像素點，利用最小二乘算法進行擬合直線。由于視覺設備在整個獲取夾具參照棱邊圖像過程中，只是平動，并未進行旋轉，因此，相鄰工位上參照棱邊的擬合直線所成的夾角，即為夾具實際的轉位角度，與理論轉角值進行對比，得出夾具的轉角誤差。其相關計算流程如圖2所示。

圖1　分度夾具圖

圖2　圖像處理及其計算流程

2圖像處理技術

2.1圖像預處理

視覺測量圖像預處理主要包括彩色圖像灰度化和濾波去噪[3]。目前，灰度圖像處理己存在多種算法，并且因其只研究圖像的亮度信息，在很大程度上縮短了處理時間。所以，一般情況下，首先將采集的彩色圖像進行灰度化處理，轉化成灰度圖像[4]。由于要測量物體輪廓邊緣的幾何信息，所以圖像邊緣信息提取的好壞就顯得尤為關鍵。一般物體和背景具有較大的對比度，反映在圖像上就是物體和背景的灰度差別較大，圖像直方圖將呈現較為明顯的雙峰型[5]。因此系統采用閾值法即可較好的實現圖像分割。

2.2特征提取

在機器視覺檢測領域，物體特征提取大部分是指對定位精度要求關系最密切的零件邊緣的識別提取，即邊緣提取[6]。被檢測零件常有邊緣包括圓、圓弧、多邊形、直線、角點等，在灰度圖像中，邊緣是指周圍像素灰度值有階躍或屋頂變化的像素集合，反映了圖像灰度的不連續性[7]。圖像的輪廓具有幅度和方向兩個特性，沿輪廓方向的像素變化比較平緩，而垂直于輪廓方向的像素變化比較劇烈。實際圖像中的邊緣往往是多種目標邊緣的組合，所以在實際檢測中是存在一定難度的[8]。

經典的邊緣提取方法是考察圖像每個像素在某個鄰域內的灰度變化，利用邊緣鄰近一階或二階導數變化規律進行邊緣檢測,這種方法稱為邊緣檢測算子法[9]。常用的邊緣檢測算子有一階微分算子(Roberts、Sobel、Prewitt、Krish等)、二階微分算子(Laplacian、Marr-Hildret等)，這些算子都是通過模板或圖像卷積來實現提取，計算簡單,但常常會損失較多的邊緣信息，尤其是對含有噪聲的圖像邊緣檢測效果更差[10]。基于最優化算法的Canny邊緣檢測算子采用高斯濾波器對圖像進行平滑處理，再對平滑后的圖像計算其梯度的幅值和方向并進行非極大值抑制；最后檢測和連接邊緣，具有信噪比大和檢測精度高的優點，在檢測領域得到了較為廣泛的運用[11]。

3夾具轉角定位誤差檢測

3.1實驗設備及儀器

實驗測試的硬件平臺如圖3：Navitar2X遠心鏡頭，AVT F201B 200萬像素的相機，像元尺寸為4.4μm，LED光源。

圖3　實驗硬件平臺圖

3.2圖像獲取過程

該分度夾具總共四個工位，90°/工位，分別命名為A(0°)、B(90°)、C(180°)、D(270°)。分度夾具在初始工位A時，調整焦距，完成對焦，采集參照棱邊圖像；將夾具轉位至工位B，移動鏡頭尋找參照棱邊，完成對焦，并采集其圖像；同上，依次完成C、D工位分度及圖片采集。夾具共連續分度40次，共采集40張圖片。

3.3圖像處理過程

對采集到的圖像進行預處理之后，利用自適應Canny算子進行邊緣檢測，圖像中目標物體得到了粗定位，精確到了一個像素精度，但真實圖像的邊緣位置不一定位于整數像素出處[8]。實際上，圖像邊緣位于像素點的任何位置，因此整像素級別的檢測誤差最大可達到0.5個像素[9]。常見的亞像素定位算法主要有擬合法、插值法和矩法等。該測量系統選擇較為常用的擬合法，根據獲得的邊緣模型，通過擬合圖像的灰度等級來獲取亞像素邊緣的精確位置。把從A、B、C、D四個工位上提取的參照棱邊亞像素點輪廓，利用圖像合成技術合成到一張圖片中(圖4所示)。可知，任意兩條輪廓間的夾角即為此工位上夾具的實際轉位角度。

圖4　夾具各工位參照棱邊輪廓合成圖像

3.4檢測結果計算與分析

由上述合成的參照輪廓圖像，擬合直線特征，計算相鄰兩條邊夾角，從而得出夾具的實際轉角θ，與理論轉角進行對比，從而夾具轉角誤差：

Eθ=θ-θ0

(1)

經公式(1)計算，得出夾具轉角定位誤差，其測量結果如表1所示。

表1　分度夾具轉角定位誤差測量結果(單位：分)

實驗結果表明，使用本文測量方法和圖像處理技術，相較于傳統接觸測量方法，能夠更高效、高精度的測量分度夾具轉角定位誤差。

4結論

(1)利用機器視覺技術對分度夾具轉角誤差進行檢測，該測量方法較為簡單、高效。

(2)若夾具上方無棱邊特征的測量，可以選擇圓弧特征或制作直線特征，因此該方法對一般夾具轉位誤差測量都適用。

(3)易于模塊化集成。該檢測方法，主要是圖像處理算法以及程序編制，對于獲取的圖像通過圖像處理算法程序即可測得轉角定位誤差，無需人工進行記錄與分析計算。

[參考文獻]

[1] 劉春節，萬德安.一體式撓性接頭及其制造技術[J].宇航學報，2007，28(2):475-478.

[2] 劉春節.動力調諧陀螺儀一體式撓性支承[D].上海：同濟大學，2006.

[3] 楊建國，肖蓉，李蓓智，等.基于機器視覺的刀具磨損檢測技術[J].東華大學學報(自然科學版)，2012，38(5):505-508,518.

[4] 王沖沖.基于高精度計算機視覺的刀具磨損在位檢測[D].上海:東華大學，2014.

[5] 張舞杰，楊義祿，李迪，等.自動影像測量系統關鍵算法[J].光學精密工程，2007，15(2):294-301.

[6] 尚緒強.基于虛擬儀器和機器視覺的零件測量技術[D].濟南:山東大學，2008.

[7] 張艷群，孟凡榮.MATLAB在圖像邊緣檢測中的應用[J].計算機應用研究，2004(6):144-146.

[8] 夏瑞雪.影像在位測量關鍵技術研究[D].合肥:合肥工業大學，2012.

[9] 張美靜.亞像素邊緣檢測技術研究[D].沈陽:沈陽理工大學，2013.

[10] 徐小軍，邵英，郭尚芬.邊緣檢測算子及其在火焰圖像中的應用[J].微計算機信息，2008，24(2-3):313-314,279.

[11] 薛麗霞，李濤，王佐成.一種自適應的Canny邊緣檢測算法[J].計算機應用研究，2010，27(9):3588-3590.

(編輯趙蓉)

Angle Error Measurement of Square Indexing Fixture Based on Machine Vision

WANG Chen-long, LI Bei-zhi, YANG Jian-guo

(College of Mechanical Engineering, Donghua University, Shanghai 201600, China)

Abstract：We present a method of detecting the angle positioning error for indexing fixture by machine vision technology. Using a CCD camera, respectively for indexing fixture on the same edge image in each station, and through the digital image processing techniques to calculate the edge into the angle between in different location, calculated the degree angle to the fixture positioning error and repeated positioning error of measurement. This method is compared with the traditional detection method, it’s more simple and efficient, can realize rapid indexing angle error detection.

Key words：indexing fixture; error detection; machine vision; image processing; sub-pixel edge

文章編號：1001-2265(2016)05-0094-02

DOI:10.13462/j.cnki.mmtamt.2016.05.025

收稿日期：2015-07-03

*基金項目：國家863高技術研究發展計劃項目(2012AA041309)

作者簡介：王宸龍(1990—)，男，河南周口人，東華大學碩士研究生，研究方向為機器視覺檢測、圖像處理，(E-mail)327524623@qq.com。

中圖分類號：TH161;TG506

文獻標識碼：A