基于機(jī)器視覺的精密鉆孔法向檢測算法研究

張友朋　茅健

摘要：目前在自動化檢測領(lǐng)域，機(jī)器視覺檢測技術(shù)開始廣泛地應(yīng)用，這種技術(shù)的特征表現(xiàn)為高精度、非接觸、適用性強(qiáng)，操作方便。在智能制造需求的促進(jìn)作用下，很多工業(yè)生產(chǎn)中開始應(yīng)用到機(jī)器視覺技術(shù)。本文對精密鉆孔法向檢測進(jìn)行研究，根據(jù)檢測要求而選擇合適的檢測方法。首選用Canny邊緣檢測算法，但是在實際的應(yīng)用中這種算子會引入很多非目標(biāo)輪廓線，而對法向檢測產(chǎn)生不良影響。為應(yīng)對這種缺陷而結(jié)合了小波圖像分割算法，且據(jù)此建立起改進(jìn)的Canny邊緣檢測算法。根據(jù)實證分析結(jié)果表明，在精密鉆孔法向檢測過程中，這種改進(jìn)算法可很好地滿足應(yīng)用要求。

關(guān)鍵詞：圖像分割;Canny邊緣檢測算法;機(jī)器視覺

【Abstract】Atpresent，inthefieldofautomatedinspection，machinevisioninspectiontechnologyhasbeguntobewidelyused.Thecharacteristicsofthistechnologyarehighprecision，non-contact，strongapplicability，andconvenientoperation.Drivenbythedemandforintelligentmanufacturing，machinevisiontechnologyhasbeguntobeappliedinmanyindustrialproductions.Inthispaper，theprecisiondrillingnormaldetectionisstudied，andtheappropriatedetectionmethodisselectedaccordingtothedetectionrequirements.TheCannyedgedetectionalgorithmisthefirstchoice，butinpracticalapplicationsthisoperatorwillintroducemanynon-targetcontours，whichwillhaveanadverseeffectonnormaldetection.Inordertodealwiththisdefect，thewaveletimagesegmentationalgorithmiscombined，andanimprovedCannyedgedetectionalgorithmisestablishedaccordingly.Accordingtotheempiricalanalysisresults，thisimprovedalgorithmcanmeettheapplicationrequirementswellintheprocessofprecisiondrillingnormaldetection.

【Keywords】imagesegmentation;Cannyedgedetectionalgorithm;machinevision

作者簡介：張友朋（1996-），男，碩士研究生，主要研究方向：視覺檢測;茅健（1972-），男，博士，教授，主要研究方向：精密檢測與裝備自動化。

0引言

機(jī)器視覺檢測技術(shù)的核心在于圖像處理及算法部分，傳感器等硬件作為整個框架中的基礎(chǔ)性設(shè)備，隨著制造業(yè)水平的不斷提升，測量水平也應(yīng)與其保持同步，為了適應(yīng)更高標(biāo)準(zhǔn)的精度要求，可以通過改進(jìn)算法部分來獲得更優(yōu)化的測量精度，而不需要升級整個硬件框架，這也使其具有了很好的適應(yīng)能力和較高的性價比而不會被淘汰[1]。隨著“工業(yè)4.0”的進(jìn)一步實施以及國內(nèi)對于高速智能工業(yè)信息化發(fā)展的關(guān)注與重視，研究進(jìn)一步提高了視覺檢測的效率和精度，對于促進(jìn)高速智能工業(yè)視覺檢測的關(guān)鍵技術(shù)理論基礎(chǔ)探索和技術(shù)創(chuàng)新及有效滿足當(dāng)前國內(nèi)高速智能裝備制造業(yè)視覺檢測市場的迫切應(yīng)用需求皆具有十分重要的研究意義。

Canny算子[2]中含有最優(yōu)化思想，其特征表現(xiàn)為檢測精度和信噪比高，因而在當(dāng)下眾多的機(jī)器檢測領(lǐng)域得到廣泛應(yīng)用[3]。Canny算子是改進(jìn)邊緣檢測方法而形成的，在邊緣檢測方面有明顯的優(yōu)勢，當(dāng)檢測時需依據(jù)特定準(zhǔn)則進(jìn)行邊緣提取。通常情況下，圖像分割被認(rèn)為是任何嘗試自動分析或解釋圖像的第一階段，彌補(bǔ)了低級圖像處理和高級圖像處理間的差距，低/中級圖像處理算法研究均旨在達(dá)到使輸入圖像更易于由高級圖像處理算法來進(jìn)行加工變換的目的。小波圖像分割方法可有效地滿足圖像分割要求[4]。該算法是一種數(shù)學(xué)圖像分析工具，自2002年以來已得到了大范圍的使用，有著良好的圖像局部化性質(zhì)解析功能[5]。小波變換算法的特征表現(xiàn)為可以在各尺度下，對信號和圖像特異性進(jìn)行分析，因此在二進(jìn)圖像投影處理和直方圖分析等許多方面都取得了可觀成果[6]。圖像分割尺寸一般是基于相應(yīng)的直方圖控制。在分割操作時確定出粗略的直方圖投影后的直方圖系數(shù)，在發(fā)現(xiàn)分割結(jié)果不滿足要求情況下，則可通過二進(jìn)小波直方圖系數(shù)不斷的細(xì)化，一直到滿足要求為止。處理所得結(jié)果主要受到圖像分割尺寸因素的影響[7]。

本文在進(jìn)行圖像分割處理時，應(yīng)用了小波圖像分割算法，通過將目標(biāo)圖像劃分為一定量獨立區(qū)域，由此發(fā)現(xiàn)該種分割能夠很好地避免Canny檢測算法在處理時引入非目標(biāo)輪廓線與點的問題，符合本次課題研究的應(yīng)用要求。因而將其和Canny邊緣檢測算法結(jié)合起來，實現(xiàn)了Canny檢測算法優(yōu)化。對此擬展開研究論述如下。

1Canny邊緣檢測算法檢測精密鉆孔法向

邊緣檢測區(qū)域是反映圖像上數(shù)據(jù)灰度變化的主要檢測區(qū)域，數(shù)據(jù)灰度變化的常規(guī)數(shù)學(xué)檢測手段就是可以采用邊緣檢測微分的算子。對比分析發(fā)現(xiàn)對受高斯噪聲影響的邊緣檢測而言，Canny微分算子有明顯的優(yōu)勢，可很好滿足邊緣檢測要求[8]。Canny邊緣檢測算法可以分為以下5個步驟：

（1）通過高斯濾波器進(jìn)行一定平滑去噪預(yù)處理。

（2）計算確定出覆蓋的全部像素點的梯度信息。

（3）利用非極大值抑制方法處理，將引入的雜散響應(yīng)去除掉。

（4）通過雙閾值方法確定出所需邊緣。

（5）對孤立的弱邊緣去除，實現(xiàn)檢測目標(biāo)。

綜上可知，在進(jìn)行實驗研究時，選擇精密鉆孔為對象，鉆孔樣例見圖1。

對圖1的鉆孔通過Canny邊緣檢測算法進(jìn)行檢測分析時，很容易帶來許多非目標(biāo)點與線，而影響了檢測結(jié)果，具體情況如圖2所示。為避免這種問題，本次研究中對Canny邊緣檢測算法進(jìn)行適當(dāng)?shù)膬?yōu)化改進(jìn)，在其中融合了小波變換圖像分割算法。

2算法融合

小波變換的二進(jìn)圖像分割過程中主要進(jìn)行一定形式的小波變換。過程中，先要對起始圖像的直方圖系數(shù)進(jìn)行相關(guān)分解處理，并轉(zhuǎn)換為各尺度二進(jìn)小波直方圖系數(shù)，接著依據(jù)相應(yīng)設(shè)定的閾值分割規(guī)則和小波系數(shù)進(jìn)行對比，而確定出滿足要求的分割門限，最后由直方圖利用給定的閾值分割門限標(biāo)識出整個圖像所需要分割的區(qū)域[9]。這里對此將給出闡釋分述如下。

2.1圖像直方圖分辨率分析原理

2.3小波變換圖像分割Canny邊緣檢測算法

基于前文分析論述的2種算法的優(yōu)缺點和適用性可知，為更好地滿足圖像檢測要求，本文則將二者相結(jié)合，提出基于小波變換圖像分割的Canny邊緣檢測算法。該算法可以看作為對Canny邊緣檢測算法進(jìn)行優(yōu)化而形成的，并同時具有這2種算法的優(yōu)勢，如在時頻域的圖像局部化分析性能良好，而且也可很好地滿足實時性和邊緣檢測性能要求。在實際應(yīng)用過程中，該算法先會通過小波變換圖像分割算法對目標(biāo)圖像做適當(dāng)?shù)姆指钐幚恚_定出圖像各區(qū)域的性質(zhì)，獲得已處理圖像。接著對已處理圖片通過Canny邊緣檢測算法進(jìn)行檢測分析，算法的設(shè)計處理流程如圖3所示。

3實驗與分析

3.1實驗?zāi)康募皩嶒瀸ο?/p>

檢測小波變換圖像分割Canny邊緣檢測算法能否去掉非目標(biāo)輪廓線和邊緣噪點，并且可以應(yīng)用到精密鉆孔法向檢測中。本文實驗對象為精密鉆孔，見圖4。

3.2實驗平臺搭建

基于機(jī)器視覺的精密鉆孔檢測系統(tǒng)的結(jié)構(gòu)示意如圖5所示。由圖5可知，在線檢測系統(tǒng)由一臺面陣CCD工業(yè)相機(jī)、照明裝置、計算機(jī)等組成，精密鉆孔法向檢測系統(tǒng)基于機(jī)器視覺技術(shù)，利用目標(biāo)檢測框架進(jìn)行精密鉆孔法向檢測。視覺檢測系統(tǒng)的參考視像見圖6。

3.3系統(tǒng)軟件設(shè)計

本文基于OpenGL虛擬成像系統(tǒng)進(jìn)行設(shè)計，在應(yīng)用過程中就可以在顯示屏上繪制出三維場景的二維圖像，因而有明顯的優(yōu)勢。在進(jìn)行投影時可選擇不同的模型，主要包括透視、正交投影模型等，每種模型都有各自的適用性，可靈活地進(jìn)行選擇。在經(jīng)過對比分析后可知，第一種模型和視覺檢測中的相機(jī)成像模型基本上一致，在處理時關(guān)聯(lián)起OpenGL參數(shù)和采集的圖像內(nèi)外參數(shù)，就可以在此系統(tǒng)中進(jìn)行相機(jī)成像的模擬研究。本文在采集目標(biāo)零件上導(dǎo)孔的成像時，根據(jù)應(yīng)用要求來選擇透視投影模型。

3.4鉆孔質(zhì)量評價

將獲得的導(dǎo)孔理論圖像與實際成像疊加效果，得到待測導(dǎo)孔的加工精度評價結(jié)果，使用理論與實際的孔心位置偏差進(jìn)行對比得到公式為：

3.5實驗結(jié)果分析

研究中，先通過對比優(yōu)化前和優(yōu)化后的圖片，優(yōu)化后的圖片如圖7所示，對比可知，優(yōu)化后的Canny邊緣檢測算法即可有效地除去相關(guān)干擾的輪廓線和點。研究得到的檢測圖片如圖8所示。

基于此，再對比精密鉆孔的真實值和視覺檢測值，選擇20個值，精密鉆孔法向的真實值由三坐標(biāo)檢測儀測得，精密鉆孔的真實值和視覺檢測值見表1。分析對比后可知，該視覺檢測算法平均誤差小于0.08mm，滿足檢測要求。

4結(jié)束語

本文對機(jī)器檢測問題進(jìn)行研究。論述了Canny邊緣檢測算法的特征和應(yīng)用局限性，對此原因分析后引入了小波變換分割算法，通過Canny邊緣檢測算法來檢測精密鉆孔存在的問題，得到優(yōu)化解。提出的新算法可以成功應(yīng)用在精密鉆孔法向檢測上。

參考文獻(xiàn)

[1]高晟麗.基于機(jī)器視覺的工件檢測技術(shù)研究[D].鄭州：解放軍信息工程大學(xué)，2006.

[2]CANNYA.Computationalapproachtoedgedetection[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，1986，8（6）：679-698.

[3]張斌，賀賽先.基于Canny算子的邊緣提取改善方法[J].紅外技術(shù)，2006，28（3）：165-169.

[4]趙建偉，王朋，劉重慶.基于小波變換的分水嶺圖像分割方法[J].光子學(xué)報，2003，32（5）：601-604.

[5]范虹，張程程，侯存存，等.結(jié)合雙樹復(fù)小波變換和改進(jìn)密度峰值快速搜索聚類的乳腺M(fèi)R圖像分割[J].電子學(xué)報，2019，47（10）：2149-2157.

[6]同武勤，凌永順，黃超超，等.數(shù)學(xué)形態(tài)學(xué)和小波變換的紅外圖像處理方法[J].光學(xué)精密工程，2007，15（1）：138-144.

[7]蔡振江，王渝，張娟.基于離散平穩(wěn)小波變換和FCM的紋理圖像分割[J].計算機(jī)工程，2005，31（15）：142-143，150.

[8]林卉，趙長勝，舒寧.基于Canny算子的邊緣檢測及評價[J].黑龍江工程學(xué)院學(xué)報，2003，17（2）：3-6，16.

[9]雷良育，周曉軍，潘明清.基于機(jī)器視覺的軸承內(nèi)外徑尺寸檢測系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報，2005，36（3）：131-134.