劉凱,陳緒兵,毛金城,2,周瑞豐
(1.武漢工程大學 機電工程學院,武漢 430205;2.湖北堅豐科技股份有限公司,湖北 孝感 432900)
轉(zhuǎn)軸是電動機的重要部件,支承各種轉(zhuǎn)動零件,傳遞轉(zhuǎn)矩,輸出機械功率,軸承安裝部位(軸承位)更是轉(zhuǎn)軸的關(guān)鍵位置,其安裝精度直接影響電動機的運行狀態(tài),會引起電動機振動及噪聲過大等問題。國內(nèi)軸類零件的測量基本處于使用游標卡尺、千分尺、氣動量儀等工具進行手動檢測階段,不僅勞動強度大,作業(yè)效率低,而且容易發(fā)生錯檢或漏檢,檢測結(jié)果受技術(shù)人員的技術(shù)水平和精神狀態(tài)的影響,無法保證檢測結(jié)果的精確性和可靠性[1]。
相較于傳統(tǒng)的測量技術(shù),基于圖像處理和機器視覺的檢測技術(shù)采用非接觸式測量方式,可以避免給轉(zhuǎn)軸帶來額外的損傷,具有一定的適用性,而且可以實現(xiàn)其他測量方法無法實現(xiàn)的測量。另外,其具有檢測速度快,檢測精度高,柔性高,自動化程度高等特點,是現(xiàn)代制造領域不可或缺的測量技術(shù)。因此,針對電動機轉(zhuǎn)軸軸承位外徑尺寸的測量,提出了一種基于機器視覺技術(shù)的高精度測量方法,對圖像進行邊緣定位,通過最小二乘直線擬合得到邊緣直線,精確計算出轉(zhuǎn)軸軸承位的外徑尺寸。
提出一種基于CCD傳感器的轉(zhuǎn)軸軸承位外徑尺寸的圖像對比測量方法。使用2個面陣CCD分別采集某已知外徑的合格標準軸左右邊緣圖像,然后保持相機和V形槽底座固定不動,在相同條件下分別采集待測軸左右邊緣圖像,通過圖像處理與分析得出各邊緣直線方程,分別計算出標準軸與待測軸左、右邊緣的間距,最后計算待測軸與標準軸外徑之間的差值,以此間接獲得待測軸的外徑尺寸。
測量系統(tǒng)若使用單相機采集整個軸承位對象直接進行處理和分析,則需要的鏡頭視場相對較大;而使用雙目視覺分別采集標準軸與待測軸的邊緣圖像,則可使用小視場鏡頭。而在相機分辨率不變的情況下,使用小視場鏡頭可以提高系統(tǒng)的像素精度。
由于電動機轉(zhuǎn)軸是不透明的金屬材料,為有利于后續(xù)的圖像處理,特采用背光獲得高對比度的圖像[2]。使用平行光源背光照射于轉(zhuǎn)軸上,使轉(zhuǎn)軸盡量處于照明均勻的可控背景中,通過光學系統(tǒng),在面陣CCD的光敏面上成像。通過圖像采集卡將待測軸的圖像轉(zhuǎn)換成數(shù)字圖像,計算機對采集到的圖像進行處理,提取出預期的特征和數(shù)據(jù),然后對零件尺寸進行快速、精確的計算。檢測系統(tǒng)的原理和系統(tǒng)裝置示意圖分別如圖1、圖2所示,系統(tǒng)采用的CCD攝像機分辨率為1 624 pixel×1 224 pixel,像元尺寸為4.4 μm。

圖1 系統(tǒng)檢測原理

1—平行光板;2—V形槽;3—轉(zhuǎn)軸零件;4—CCD相機;5—計算機
某型轉(zhuǎn)軸實物如圖3所示,軸承位的整體形態(tài)如圖4所示。為了能夠更好地檢測零件尺寸,需要對采集到的待測零件數(shù)字圖像進行一系列的處理,從而獲取預期的內(nèi)容。

圖3 轉(zhuǎn)軸實物圖

圖4 軸承位整體形態(tài)圖
如圖5所示,圖像預處理的過程為:將采集到的彩色數(shù)字圖像轉(zhuǎn)換為灰度圖像,去除非必要的顏色信息,保留梯度信息,以縮小存儲空間并大幅提高運算速度;圖像平滑處理,消除圖像中的噪聲;邊緣檢測,提取轉(zhuǎn)軸的邊緣輪廓,便于后續(xù)的邊緣直線擬合。

圖5 圖像預處理流程
在圖像的采集和傳輸過程中,不可避免會受到各種噪聲的干擾,降低了圖像質(zhì)量,導致檢測過程中產(chǎn)生分析和測量誤差。為減小分析誤差,提高檢測精度,有必要平滑圖像以去除圖像中的噪聲[3]。數(shù)字圖像中常見的噪聲包括椒鹽噪聲、高斯噪聲等。可以在空間域或頻率域中根據(jù)圖像中噪聲的不同特性采用不同的濾波方法消除。空間域中的圖像平滑可以使用線性濾波器和非線性濾波器;在頻域中,噪聲頻譜主要在高頻段,可以使用各種形式的低通濾波器抑制高頻分量,去除噪聲。使用適當?shù)臑V波方法去除噪聲是檢測過程的重要部分。
數(shù)字圖像的平滑通常在空間域進行,均值和中值濾波器是2種常用于空間域的平滑處理技術(shù)[4]。前者也稱為平滑線性濾波,是典型的線性濾波,其思想是用像素鄰域內(nèi)各像素的灰度平均值代替該像素原來的灰度值,處理速度快,但會出現(xiàn)一定程度的模糊,模糊程度與所用模板的大小有關(guān);后者是一種最簡單的非線性濾波,將每一個像素點的灰度值設置為鄰域中所有像素灰度值的中值,中值濾波在一定條件下能夠克服線性濾波造成的邊緣模糊等缺點。因此,采用5×5模板的中值濾波對原圖像進行平滑,原圖像與中值濾波圖像如圖6所示。
圖像的邊緣信息是重要的圖像特征,是圖像中局部亮度變化最明顯的部分,包含大量的有用信息。因此,在軸類零件的測量中,零件邊緣特征的提取至關(guān)重要。
要提取邊緣輪廓,需要先在濾波后的圖像中提取檢測對象,將背景分離。采用最大類間方差(Otsu)法[5]對中值濾波圖像中的前景與背景進行分割,最大類間方差法是一種自適應的閾值確定方法,選取能使類間方差達到最大的圖像灰度值,2個區(qū)域的方差越大說明構(gòu)成圖像的2個部分差別越大,以此分割出前景區(qū)域和背景區(qū)域,此時的灰度值即為圖像分割的最佳閾值。得到的二值化圖像如圖7所示。

圖7 待測軸的二值圖像
采用DoG(Difference of Gaussian)邊緣提取對二值圖像進行處理。DoG是計算機視覺和圖像處理的一種常用高通濾波器,通過增強高頻信號過濾掉低頻信號,常用于檢測圖像中的線條特征[6]。DoG邊緣檢測通過使用不同參數(shù)的高斯函數(shù)與圖像f(x,y)進行卷積計算,首先使用核為σ1的Gauss函數(shù)與圖像作卷積
F1(x,y)=Gσ1(x,y)*f(x,y),
(1)
(2)
再將圖像與另一個核為σ2的高斯函數(shù)作卷積
F2(x,y)=Gσ2(x,y)*f(x,y)。
(3)
DoG就是2個不同高斯平滑圖像之差,即
F1(x,y)-F2(x,y)=(Gσ1(x,y)-
Gσ2(x,y))*f(x,y)=DoG*f(x,y),
(4)
DoG=Gσ1(x,y)-Gσ2(x,y)。
(5)
采用σ1=0.3,σ2=5的參數(shù)進行計算,得到如圖8所示的邊緣圖像,圖8a中邊緣輪廓右邊為軸體,圖8b中邊緣輪廓左邊為軸體。

圖8 待測軸的邊緣圖像
經(jīng)過圖像預處理,分別獲得了某標準軸的左右邊緣圖像Sl,Sr和待測軸的左右邊緣圖像Tl和Tr,在得到的邊緣圖像上提取邊緣點的像素坐標(xi,yi),對圖像中的坐標進行擬合得到目標的連續(xù)函數(shù),從而確定描述物體的各個參數(shù)值,進而對目標進行亞像素定位。采用最小二乘法原理擬合圖像邊緣離散點,實現(xiàn)亞像素精度定位[7]。擬合出邊緣直線的表達式后,就可以計算標準軸和待測軸左右邊緣直線之間的距離,然后分別得到左右邊緣直線之間距離的差值,將2個差值求和,即可得出待測軸與標準軸外徑的差值,從而計算出待測軸的外徑尺寸。
設直線的表達式為
y=kx+b。
(6)
根據(jù)最小二乘原理,需要使擬合直線與邊緣點距離最近,即令
(7)

ySl=-11.359x+1 342.077,
(8)
ySr=-11.648x+3 090.728。
(9)
待測軸左、右邊緣直線方程yTl,yTr分別為
yTl=-11.708x+1 338.512,
(10)
yTr=-11.539x+3 085.766。
(11)
根據(jù)直線方程,取待測軸左邊緣直線上的N個點,根據(jù)點到直線的距離公式,即點T0(x0,y0)到另一條直線Ax+By+C=0的間距公式為
(12)
根據(jù)(12)式計算出待測軸左邊緣直線上點到標準軸左邊緣直線距離的N個結(jié)果,再求平均值得到待測軸與標準軸左邊緣直線之間的距離,即待測軸與標準軸左邊緣間距dl=2.651 pixel,同理可以計算出待測軸與標準軸右邊緣間距dr=-1.701 pixel,則外徑最終間距為dt=dl+dr=0.95 pixel。
為計算出直徑的實際值,需要對相機進行標定[8]。選擇已知尺寸的量塊作為標準件,在與實際測量相同的條件下拍攝量塊圖像,并計算其在圖像像素坐標系中的像素值。量塊的實際尺寸與其像素尺寸的比值即相機的標定系數(shù)。經(jīng)過測量得到標定系數(shù)k=6.412 μm/pixel,根據(jù)軸徑總間距的像素尺寸,可以計算出待測軸與標準值外徑尺寸的實際差距,即差距的像素尺寸為dt,則差距的實際尺寸為d=dt×k=6.091 μm。
標準軸外徑實際尺寸為8 mm,計算得到待測軸外徑實際尺寸R≈8.006 mm,與使用氣動量儀測得待測軸直徑8.006 mm基本吻合,表明視覺識別精度滿足零件測量精度要求。
基于軸類零件的檢測原理,通過DoG算子對零件圖像的邊緣進行提取,并采用最小二乘法對邊緣進行擬合,通過對標準軸和待測軸兩邊緣直線的距離進行計算,最后計算出待測軸與標準軸外徑的差值,間接測量出待測軸的外徑尺寸。試驗結(jié)果表明,該方法能夠?qū)﹄妱訖C轉(zhuǎn)軸軸承位外徑進行較高精度的測量。