基于機器視覺的多圓弧對稱零件測量方法研究

楊 林,鄢紅章,晏 濤,王中任,肖光潤

(1.湖北中煙工業有限責任公司襄陽卷煙廠,湖北 襄陽,441000；2.湖北文理學院機械工程學院,湖北 襄陽,441053)

1 引 言

在現代制造業中,許多機械零件具有多圓弧特征,如銑刀、齒輪、法蘭、球籠聯軸器內套等。這些零件上的圓弧特性加工精度直接影響著零件的功能能否實現,且對后續裝配產品的性能亦有著重要影響。因此,對該類機械零件的尺寸測量是機械產品零部件檢測中一項非常重要的內容[1]。目前,在實際生產中,對這類零件的測量主要使用千分尺、卡規、專用量塊等傳統接觸式測量方法,大多存在測量精度不穩定、容易損傷零件和效率低等缺點。

而基于機器視覺的尺寸測量技術是在計算機視覺研究基礎上發展起來的一種非接觸式測量技術,具有測量精度高、速度快、成本低等優點。近些年來,隨著計算機硬件和圖像處理技術的飛速發展,視覺測量在實際生產中已得到了廣泛的應用[2-3]。

本文以具有多圓弧對稱特性的球籠聯軸器內套作為主要研究對象,基于機器視覺的測量原理,利用CCD像機、雙遠心鏡頭、可調LED光源、計算機等構建一套圖像采集系統,并主要使用Halcon軟件開發設計高效的一鍵式測量軟件,最終可實現對球籠聯軸器內套快速、穩定和較高精度的尺寸測量。同時,本文所設計的測量方法對其他具有多圓弧特性的零件檢測亦具有重要借鑒意義。

2 視覺測量系統搭建

2.1 視覺測量系統硬件設計

球籠聯軸器內套是球籠式萬向聯軸器的重要部件,其外形結構復雜(如圖1所示),表面具有多段圓弧對稱特性,且加工精度要求高,檢測項目多(如表1所示)。視覺測量系統的硬件設計要求是當零件在測量區域內任意擺放時,系統都能快速、準確地完成表1中所有規定項目的測量。

表1 測量項目與標準要求Tab.1 Measure items and standard requirements

圖1 球籠聯軸器內套Fig.1 The inner sleeve of a ball-cage coupling

基于機器視覺的尺寸測量基本流程為:首先通過相機采集到被測零件的圖像,然后對捕捉到的圖像進行預處理,提取亞像素邊緣輪廓,并通過精確的圓形檢測算法對待測圓弧進行正確的擬合,同時根據用戶需求或其他預設條件,計算出最終檢測結果[1]。

本文為球籠聯軸器內套搭建的視覺測量系統硬件組成如圖2所示,主要包括計算機、CCD像機、雙遠心鏡頭、環形光源、背光源、載物臺等。

圖2 視覺測量系統硬件組成Fig.2 Hardware composition of vision measurement system

圖2中顯示的視覺測量系統的每一組成單元,都要根據零件的具體特性及實際測量需求,進行合理選取,確保從源頭提高測量精度[4]。針對球籠聯軸器內套,本文所設計測量系統采用一體式測量臺架,該臺架集成了鏡頭、相機、光源及載物玻璃面板,且載物玻璃面板水平可調,以保證測量零件相對于鏡頭盡可能的水平放置。

同時,為了糾正傳統鏡頭的視差,獲得更好的成像效果和成像精度,本測量系統采用國產燦銳XF-5MDT0.06X40型雙遠心鏡頭。它與普通鏡頭相比有著較多優勢:具有更大的光通量；遠心度小,無透視誤差；分辨率高,光學畸變率小于0.04 %；在一定的物距范圍內,圖像的放大倍率不會隨物距的變化而變化[5]。

此外,光源的合理設計也是視覺測量系統中的一大關鍵。好的光源設計可以使目標信息與背景信息得到最佳分離,大大降低后續圖像處理算法分割、識別的難度,同時還能提高系統的定位、測量精度,使測量系統的可靠性和綜合性能得到提升[6]。本文經過多次測試,最終采用雙遠心鏡頭下方安裝的環形光源及載物臺上安裝的平行背光源相配合的照明設計,可得到銳利的圖像邊緣,提高系統的穩定性和精度。

2.2 視覺測量系統軟件設計

為保證測量系統能夠高效、準確地工作,在搭建出優良硬件系統的基礎上,還需設計相應的軟件系統。本文借助Halcon圖像算法庫,開發了一套一鍵式測量軟件,其用戶操作界面如圖3所示。

圖3 測量系統軟件用戶操作界面Fig.3 User interface of measuring system software

結合硬件系統,本文設計軟件系統的基本思路為:1)首先對測量系統進行標定。由于采用圖像處理算法得到的工件尺寸參數是以像素為單位的,為了求得實際尺寸,需要使用相機標定的方法進行尺寸轉換。目前相機的標定方法和標定模型已經很成熟,本文選用相機的線性模型,采用張正友標定法[7]對相機進行標定,標定結果為calib=0.0058 mm/pix。標定完成后,后續測量過程不再另行標定。2)采集待測零件圖像,對圖像進行預處理,再對圖像進行亞像素邊緣輪廓提取和擬合,最后通過特定算法求得零件所需測量的參數。

綜上,本文所設計視覺測量系統的硬件及軟件結構框圖如圖4所示。

圖4 視覺測量系統軟硬件結構框圖Fig.4 Hardware and software structure diagramof vision measurement system

3 視覺測量系統關鍵算法

3.1 亞像素邊緣檢測

圖像的邊緣實質上是圖像像素點的灰度值發生顯著變化的地方,這些點給出了圖像輪廓的位置[8]。經典的邊緣檢測算法提取的圖像輪廓通常為像素級,而對于某些測量精度要求較高的零件,像素級精度不能滿足測量需求。理論上可以通過提升硬件分辨率水平來提高系統的測量精度,但是這會導致硬件成本成倍的增加。因此越來越多的研究者們考慮采用亞像素細分技術來提高測量系統的測量精度[9]。亞像素是將像素這個圖像基本單位再進一步細分,是比像素還小的單位。一般情況下,利用多項式擬合邊緣點的亞像素位置能夠更精確地描述零件的輪廓,從而提高測量系統的檢測精度。

為實現外球籠零件的亞像素輪廓提取,本文直接利用了Halcon軟件中的edges_sub_pix(BinImage,Edges,′canny′,3,20,40)算子。該算子可廣泛應用于工業檢測領域的亞像素輪廓提取,其原理是首先使用經典的Canny[10]邊緣檢測算法提取像素級邊緣,然后利用像素級邊緣通過定位精度高的二次曲線擬合得到亞像素級邊緣。Canny邊緣檢測算法是John F.Canny于1986年開發的一種經典的邊緣檢測算法,關于其論述已相當多,故本文重點討論通過二次曲線擬合亞像素邊緣的過程。

根據中心極限定理,邊緣的灰度值變化大體服從高斯分布[11]。由于二次曲線是高斯曲線的高次逼近,考慮到計算的效率,故可使用二次曲線來代替高斯曲線。二次曲線頂點坐標值對應于目標圖像亞像素精度的邊緣位置,像素邊緣與亞像素邊緣對應位置如圖5所示。

圖5 像素邊緣與亞像素邊緣對應位置Fig.5 The pixel edge corresponds to the sub-pixel edge

由方形孔徑的采樣定理可知,像素的輸出值是像素感光面上各部分光強綜合作用的結果,且任意一個圖像像素的灰度值可以表示為:

(1)

其中,f(i,j)為像素輸出值;g(x,y)為連續圖像的光強分布。

設二次曲線方程為:

y=ax2+bx+c

(2)

則由式(1)可知,每個像素的灰度值為:

(3)

首先找到像素級邊緣幅度的局部最大值,令其序號為0,此點的灰度值用f0表示。與之相鄰的兩個差分點的序號分別表示為-1和1,且相應的灰度值分別用f-1和f1表示。則可求得:

(4)

同理可依次求得:

(5)

(6)

結合式(4)、(5)、(6),可求出a、b、c的表達式分別為:

(7)

(8)

(9)

(10)

3.2 最小二乘法擬合圓

通過亞像素邊緣檢測算法提取到內待測零件的亞像素邊緣后,首先利用segment_contours_xld()算子對輪廓進行分割,再用算子count_obj()將分割區域劃分成單獨的連通域,然后選用適當的方法對連通域進行輪廓擬合。由于球籠聯軸器內套為多圓弧對稱零件,故選用fit_circle_contour_xld()算子所帶的最小二乘算法對圓弧的亞像素特征信息進行擬合。

用最小二乘法對待測圓形邊界輪廓進行逼近是視覺測量中進行圓形圖像檢測的一種常用方法。其通過最小化誤差的平方和找到一組亞像素輪廓點的最佳函數匹配,可實現亞像素級別的輪廓精確擬合定位。即便是圖像中圓形目標受光照強度不均等因素影響出現了邊緣缺失的情況,也不會影響圓心的定位和半徑的檢測。利用最小二乘法擬合圓的算法原理大致如下:

(1)首先假定參數(x0,y0),r分別表示待擬合圓的圓心坐標及半徑,則擬合圓的曲線可表示為:

f(x,y)=(x-x0)2+(y-y0)2-r2=0

(11)

(2)若經邊緣提取到的輪廓數據點集坐標記為(xi,yi),(i=1,2,…,n),則樣本點(xi,yi)到圓心的距離(如圖6所示)為:

圖6 點到圓心的距離Fig.6 Distance between point and the center of circle

(12)

(3)對于圖像所有的圓形邊緣點,優化殘差可表示為:

(13)

根據最小二乘原理,當Q最小時,求得的參數(x0,y0),r即為最佳擬合圓的參數,其擬合過程如圖7所示。

圖7 最小二乘法擬合圓Fig.7 Fits the circle by the least square method

3.3 多弧線對擬合圓

通過最小二乘法擬合圓,可以直接得到6個半徑為R15.16 mm的外溝道圓心及相對應的圓弧數據點集。此外,6個外溝道圓的內切圓直徑,即Ф 73.8外溝道,也是檢測項目之一。而Halcon圖像算法庫中并沒有直接求取多段對稱圓弧內切圓的算子,于是本文基于Halcon設計了求取多段對稱圓弧內切圓的自定義算子fit_cc_min_fin(),其基本原理如下:

(1)設零件共有2N個對稱圓弧,首先提取兩個對稱的圓弧輪廓數據點集,分別記為:(xk,yk),(k=1,2,…,n),(xm,ym),(m=1,2,…,n)。循環遍歷兩個點集,求出每對點的像素距離:

(14)

(2)對求取的像素距離進行排序并取出最小距離Lmin及兩個相應的坐標點。

(3)對其他(N-1)對圓弧的輪廓數據點集做同樣的操作,則各對圓弧之間距離的最小值之和的平均數即為內切圓的半徑。同時,可用最小二乘法通過2N個使L最小的像素點擬合內切圓。內切圓半徑計算公式為:

(15)

圖8顯示了球籠聯軸器內套輪廓圖像經最小二乘法擬合和多弧線對擬合內切圓后的結果。

圖8 擬合后的輪廓圖像Fig.8 The contour image after fitting

4 測量系統性能評估

本文從兩個方面對測量系統的性能進行評估:針對標準件的穩定性測量精度評估以及針對球籠聯軸器尺寸的重復測量精度評估。

穩定性評估實驗是驗證測量系統保持計量特性隨時間恒定的能力,是保證精確測量的基礎。本文首先選取經資深檢驗員多次檢驗合格的球籠聯軸器內套一件作為標準樣件,每隔2 h進行一次測量,共測量6次,測量時保證所有因素(待測零件位置、光源強度、周圍環境、測量系統位置等)均不發生變化,為了便于比較,對6個R15.6曲率半徑及外溝道六等分角度值不做記錄,測量結果見表2。

由表2測量數據可知,測量結果的標準偏差很小,由此可以看出系統測量穩定可靠。測量系統的最大誤差為0.0037 mm,達到了亞像素級精度。

表2 穩定性評估測量結果Tab.2 Measurement results of stability assessment

同時,為了評定系統的重復測量精度,選用另一合格樣件,每次測量時任意改變球籠聯軸器內套的擺放位置、角度,共測量6次,測量結果見表3。

表3 重復精度測量結果Tab.3 Measurement results of repeated accuracy

由表3可知,當零件任意擺放時,重復測量的標準偏差大于穩定測量,但仍然很小,表明系統穩定、可靠。該測量系統測得,Ф 73.8外溝道直徑最大值為73.7398 mm,最小值為73.7312 mm,測量誤差為0.0086 mm。其他測量項目的重復測量誤差均小于0.009 mm,故系統測量精度可達0.01 mm,滿足測量精度要求。此外,通過現場實驗發現該系統測量效率遠高于人工測量。

5 結 語

(1)本文提出了一種基于機器視覺的多圓弧對稱零件尺寸測量方法,設計了一套一鍵式零件測量系統,改變了傳統的球籠聯軸器內套測量方式。該系統滿足零件測量過程中對快速性、穩定性及精確性的測量要求。

(2)本文分析了工業檢測上常用的Halcon邊緣檢測算子亞像素邊緣輪廓擬合原理,并對最小二乘法圓擬合算法進行了闡述。

(3)本文提出了多圓弧擬合內切圓的算法,并以此為基礎利用Halcon軟件設計了擬合內切圓的自定義測量算子,該算子通用性良好,可以用于多種具有多圓弧對稱零件的視覺測量。