轉(zhuǎn)向架輪對(duì)參數(shù)的結(jié)構(gòu)光視覺測(cè)量方法與實(shí)現(xiàn)*

洪 磊 王保升 楊小蘭

(1. 南京工程學(xué)院汽車與軌道交通學(xué)院, 211167, 南京; 2. 南京工程學(xué)院智能制造裝備研究院, 211167，南京; 3. 南京工程學(xué)院機(jī)械工程學(xué)院, 211167, 南京//第一作者，講師)

輪對(duì)是軌道車輛重要的走行部件，輪對(duì)部件結(jié)構(gòu)參數(shù)的準(zhǔn)確測(cè)量對(duì)轉(zhuǎn)向架設(shè)計(jì)制造和特性性能分析都有著重要意義。在軌道車輛實(shí)際運(yùn)行過程中，由于可能存在軌道不平順、輪軌外形及其材質(zhì)匹配不恰當(dāng)和牽引力太大等多種原因，致使輪對(duì)各部分的磨損加快，影響了軌道車輛的正常運(yùn)行。因此及時(shí)準(zhǔn)確地掌握輪對(duì)結(jié)構(gòu)參數(shù)是相當(dāng)重要的。目前，我國對(duì)輪對(duì)結(jié)構(gòu)參數(shù)測(cè)量的主要手段是機(jī)械式測(cè)量。這種測(cè)量方法效率較低且測(cè)量較不精確。在非接觸式測(cè)量方法中，基于CCD(圖像控制器)攝像頭的立體視覺方法已經(jīng)取得一定的進(jìn)展，同時(shí)這類測(cè)量方法[1-5]具有非接觸、檢測(cè)速度快等優(yōu)點(diǎn)，但由于輪對(duì)表面光滑度高、反光強(qiáng)烈，存在輪對(duì)邊緣與背景融為一體的現(xiàn)象，使特征點(diǎn)提取及立體匹配較難實(shí)現(xiàn)，造成了測(cè)量誤差。為解決該問題，結(jié)構(gòu)光傳感器與CCD攝像機(jī)相結(jié)合的激光視覺技術(shù)成為新興的測(cè)量方法[6-9]。結(jié)構(gòu)光相較于背景灰度的明顯差異使邊緣點(diǎn)檢測(cè)精度得以提高，但對(duì)于輪徑等參數(shù)，需進(jìn)行多幅圖像采集和處理，再通過特征點(diǎn)擬合的方法才能實(shí)現(xiàn)，檢測(cè)運(yùn)算的數(shù)據(jù)量很大，降低了測(cè)量速度。

針對(duì)上述情況，本文設(shè)計(jì)了一種基于結(jié)構(gòu)光視覺的輪對(duì)半徑測(cè)量方法，該方法只需平移兩次激光器，采集三副圖像，在圖像處理方面首先通過中值濾波減小噪聲，然后運(yùn)用ROI(感興趣區(qū)域)提取減小運(yùn)算規(guī)模，再通過骨架細(xì)化和Hough變換法提取特征點(diǎn)并計(jì)算出最終參數(shù)結(jié)果。

1 測(cè)量原理

首先固定好激光器與攝像機(jī)的相對(duì)位置，布置線性激光器可垂直照射到輪對(duì)平面。輪對(duì)直徑參數(shù)測(cè)量原理如圖1所示。圖1 a)中，由初始位置P1的線性激光器照射輪對(duì)平面表面形成激光條紋1，且其與輪對(duì)外輪廓形成的邊緣特征點(diǎn)記為A1和B1，通過攝像機(jī)采集圖像在成像平面上得到像點(diǎn)a1和b1；沿垂直方向平移攝像機(jī)及激光器，分別在位置P2和P3形成激光條紋2和3，其輪對(duì)邊緣特征點(diǎn)分別為A2、B2和A3、B3，對(duì)應(yīng)的像點(diǎn)分別為a2、b2和a3、b3。兩次平移的距離分別為d1和d2。圖1 b)中，設(shè)各條激光條紋線的半長(zhǎng)度，即輪對(duì)半徑特征點(diǎn)距離為li(i為組序，i=1～3)，被測(cè)輪對(duì)半徑為Ri，輪對(duì)中心O與條紋線3的距離為s。

a) 輪對(duì)半徑邊緣特征點(diǎn)的三維重建

b) 輪對(duì)半徑計(jì)算

由圖1 b)，可列出如下方程組：

(1)

方程組中任意兩式組合聯(lián)立并消去s后，可得到Ri為：

(2)

由此可見，任意攝取2條激光條紋即可求出輪對(duì)半徑，分別記為R1、R2和R3，為使計(jì)算結(jié)果更接近真實(shí)值，可取上述3值的均值。

2 輪對(duì)結(jié)構(gòu)光圖像處理

由測(cè)量原理可知，輪對(duì)半徑測(cè)量的準(zhǔn)確性取決于激光條紋特征點(diǎn)測(cè)量的準(zhǔn)確性，這要求輪對(duì)結(jié)構(gòu)光圖像處理能夠準(zhǔn)確提取輪對(duì)半徑邊緣特征點(diǎn)。

采集到的輪對(duì)結(jié)構(gòu)光原始圖像大小為740×470像素，如圖2所示。特征點(diǎn)的識(shí)別過程需要首先把結(jié)構(gòu)光條紋從原始圖像中準(zhǔn)確提取出來，良好的圖像處理方法可以降低特征點(diǎn)提取的復(fù)雜度，提高提取結(jié)果的準(zhǔn)確性。圖像處理的關(guān)鍵步驟主要有中值濾波、閾值分割、ROI提取以及條紋中心線提取等。

圖2 輪對(duì)結(jié)構(gòu)光原始圖像

2.1 中值濾波

在原始圖像采集、量化和傳輸過程中產(chǎn)生了大量噪聲，這些噪聲的產(chǎn)生具有隨機(jī)性，可認(rèn)為是高斯白噪聲。為此，對(duì)原始圖像進(jìn)行中值濾波，為兼顧圖像處理質(zhì)量和效率，實(shí)驗(yàn)采用5×5的濾波窗口，該窗口沿圖像順次掃描，使得與周邊像素灰度差較大的像素接近周邊像素值，從而在較大程度上消除噪聲[10]，此過程中并不改變圖像光條紋的形態(tài)特征。

2.2 ROI提取與二值化

針對(duì)ROI進(jìn)行操作，可以降低數(shù)據(jù)的規(guī)模以及提高運(yùn)算效率，與此同時(shí)亦可以減少非ROI對(duì)目標(biāo)處理帶來的干擾。由于激光條紋是橫向分布的，根據(jù)像素行的累積求和，圍繞激光條紋附近的像素總和是最大的。根據(jù)這一特性，本文提出ROI提取算法如下：

(1)對(duì)原圖像在水平和垂直方向以一定間隔取樣，并對(duì)取樣各像素點(diǎn)進(jìn)行灰度值累加，將取樣結(jié)果的均值M作為背景灰度值。由下式可得M為：

(3)

其中，W和H分別為圖像的寬度和高度，令int為取整函數(shù)，則N1=int(H/10)，N2=int(W/10)。I(x,y)為灰度值。

由于激光條紋比背景灰度高，預(yù)估兩者的灰度差值為M0，取M+M0作為閾值，截取ROI如下：

(4)

在提取ROI之后，利用條紋與背景的灰度差，通過選擇合適的閾值進(jìn)行二值化處理，試驗(yàn)采用最大類間方差法[11]，以最大限度地減小誤差并保留條紋區(qū)域。經(jīng)過ROI提取及二值化處理后的輪對(duì)圖像如圖3所示。

圖3 ROI及二值化

2.3 輪對(duì)特征點(diǎn)提取

經(jīng)過上述圖像處理僅能得到結(jié)構(gòu)光條紋的所在區(qū)域。通常而言，條紋寬度一般遠(yuǎn)大于1個(gè)像素，這樣會(huì)影響測(cè)量的精度，因此在實(shí)際應(yīng)用中，必須獲取結(jié)構(gòu)光條紋的中心，以反映其最精確的檢測(cè)位置。試驗(yàn)中采用骨架細(xì)化法來細(xì)化光條紋區(qū)域。骨架細(xì)化法是一種將形態(tài)學(xué)應(yīng)用于結(jié)構(gòu)光條紋中心提取的方法[12]，骨架保留了光條紋的拓?fù)浣Y(jié)構(gòu)，反映了它的基本幾何形態(tài)，因此可以表征條紋中心直線的基本特性。

提取到結(jié)構(gòu)光條紋中心之后，需進(jìn)一步檢測(cè)中心線。試驗(yàn)中采用Hough變換法[13]提取直線，檢測(cè)得到了直線兩端點(diǎn)即為輪對(duì)半徑邊緣特征點(diǎn)。為準(zhǔn)確計(jì)算特征點(diǎn)形成的條紋長(zhǎng)度，將圖像恢復(fù)到原始大小再提取特征點(diǎn)圖像坐標(biāo)。

3 輪對(duì)參數(shù)檢測(cè)試驗(yàn)

試驗(yàn)所采用的輪對(duì)結(jié)構(gòu)光視覺檢測(cè)系統(tǒng)由結(jié)構(gòu)光視覺傳感器、圖像采集卡和主控計(jì)算機(jī)等構(gòu)成。其中，結(jié)構(gòu)光視覺傳感器由1/3inXC-ES50CE CCD工業(yè)攝像機(jī)和波長(zhǎng)635 nm的MTO-laser一字線性激光器組成。激光器與攝像機(jī)通過支架固定安裝，攝像機(jī)配置8 mm Computar鏡頭，并通過大恒DH CG410圖像采集卡將采集到的圖像數(shù)字化后供主控計(jì)算機(jī)處理。被測(cè)對(duì)象為1臺(tái)縮小的龐巴迪動(dòng)車轉(zhuǎn)向架輪對(duì)模型，輪徑標(biāo)準(zhǔn)尺寸Rr為200 mm。結(jié)構(gòu)光視覺檢測(cè)系統(tǒng)如圖4所示。

圖4 輪對(duì)結(jié)構(gòu)光視覺檢測(cè)系統(tǒng)

基于結(jié)構(gòu)光視覺測(cè)量的基本原理，得到輪對(duì)參數(shù)測(cè)量試驗(yàn)的步驟如圖5所示。

圖5 輪對(duì)參數(shù)測(cè)量試驗(yàn)步驟

3.1 結(jié)構(gòu)光視覺傳感器的標(biāo)定

首先對(duì)結(jié)構(gòu)光視覺傳感器進(jìn)行精確標(biāo)定，獲取攝像機(jī)內(nèi)參數(shù)及結(jié)構(gòu)光平面參數(shù)，詳細(xì)算法參見文獻(xiàn)[14]和[15]；由標(biāo)定得到的攝像機(jī)內(nèi)參數(shù)矩陣K、光平面方程π(a,b,c,1)分別為：

其中，a=7.491 e-0.054,b=0.015 6,c=-0.003 7;x、y、z為自變量。

3.2 輪對(duì)結(jié)構(gòu)光圖像處理與三維重建

利用視覺傳感器采集輪對(duì)的結(jié)構(gòu)光圖像并進(jìn)行圖像處理。首先通過圖像特征檢測(cè)獲取(a1,b1)、(a2,b2)、(a3,b3)三組像點(diǎn)的像素坐標(biāo)，再通過三維重建獲取特征點(diǎn)的攝像機(jī)坐標(biāo)。設(shè)某特征點(diǎn)圖像坐標(biāo)為Pp(u,v,1)T，則其攝像機(jī)坐標(biāo)Pq(xc,yc,zc,1)T可由式(5)計(jì)算得到。

Pq=[K-1Pp/(au+bv+c) 1]T

(5)

試驗(yàn)中激光器兩次平移的距離分別為d1=47.0 mm,d2=60.0 mm。經(jīng)過圖像處理和計(jì)算得到的輪對(duì)特征點(diǎn)數(shù)據(jù)如表1所示。根據(jù)表1數(shù)據(jù)計(jì)算得到的輪對(duì)半徑平均值為：Ravg=(R1+R2+R3)/3=200.029 3;計(jì)算得到的Ravg與Rr的誤差僅為0.029 3 mm。

表1 輪對(duì)半徑特征點(diǎn)提取數(shù)據(jù)及輪對(duì)半徑計(jì)算匯總

由于輪對(duì)運(yùn)用后的圓周并不理想，有很大的隨機(jī)性。因此為實(shí)現(xiàn)均勻檢測(cè)，控制輪對(duì)旋轉(zhuǎn)1周，每旋轉(zhuǎn)15°測(cè)試1組數(shù)據(jù)，共24組，每組實(shí)驗(yàn)測(cè)得對(duì)應(yīng)的l1～l3，并計(jì)算得出該組輪對(duì)半徑均值Ravg，實(shí)驗(yàn)結(jié)果如圖6所示。由圖6可知，大多數(shù)測(cè)量組數(shù)據(jù)在標(biāo)準(zhǔn)數(shù)據(jù)的±0.05 mm范圍內(nèi)波動(dòng)，表明檢測(cè)誤差較小，而第5組和第20組兩組測(cè)量數(shù)據(jù)結(jié)果明顯較小，說明這兩組數(shù)據(jù)對(duì)應(yīng)的輪對(duì)圓周部分具有較大的磨損，需進(jìn)行進(jìn)一步處理。上述實(shí)驗(yàn)表明，本文采用的測(cè)量方法對(duì)實(shí)際輪對(duì)參數(shù)的檢測(cè)具有一定的參考意義。

a) l1

b) l2

c) l3

d) 輪對(duì)半徑

4 結(jié)語

本文針對(duì)當(dāng)前輪對(duì)半徑參數(shù)測(cè)量過程復(fù)雜、運(yùn)算量大的缺點(diǎn)，設(shè)計(jì)了一種基于結(jié)構(gòu)光視覺傳感器的輪對(duì)半徑參數(shù)非接觸式檢測(cè)方法，并且闡述了該方法的測(cè)量原理、視覺檢測(cè)算法和試驗(yàn)步驟。視覺檢測(cè)的圖像處理部分包括中值濾波、閾值分割和光條紋中心線提取。通過該方法可以得到輪對(duì)邊緣特征點(diǎn)的圖像坐標(biāo)，進(jìn)而通過特征點(diǎn)三維坐標(biāo)映射完成輪對(duì)半徑參數(shù)計(jì)算。該方法僅需兩次平移視覺傳感器采集三幅輪對(duì)結(jié)構(gòu)光圖像即可。試驗(yàn)表明，該方法設(shè)計(jì)合理簡(jiǎn)便、測(cè)量運(yùn)算量小、精度較高，能滿足工業(yè)現(xiàn)場(chǎng)的實(shí)際需求。