基于機器視覺的刀具幾何參數測量儀

張博文，沈小龍，韓震宇

（四川大學機械工程學院，四川 成都 610000）

制造業一直是中國的“飯碗”之一，尤其全球進入疫情以來，中國制造在全球的地位更加穩固，有世界工廠之稱。制造業中很多行業都離不開立銑刀，因此對立銑刀的需求巨大；另一方面制造業的需求旺盛，中國制造也在向高品質方向發展，對產品質量提出要求，立銑刀的合格與否就與產品質量密切相關。

近年來，關于立銑刀尺寸檢測和缺陷檢測的研究，研究人員不斷提出新方法：楊國葳[1]提出基于深度學習的立銑刀磨損狀態識別，該方法利用卷積神經網絡檢測前刀面和后刀面等部位的磨損；王俊鳳[2]搭建了測量平臺，利用LED 燈和遠心鏡頭，在機器視覺的基礎上利用混沌灰狼算法和亞像素邊緣提取算法提取立銑刀的邊緣輪廓，實現了對立銑刀直徑和刀尖跳動的測量；西安工業大學張苗苗[3]搭建了機器視覺測量平臺，對用Zernike 矩對輪廓邊緣進行亞像素檢測，利用改進的算法實現了對銑刀前角、后角、刀尖的測量；西南交通大學趙銳[4]、陳思遠等在接觸式測量的基礎上提出了在五軸磨床上利用探頭測量立銑刀的螺旋角，通過建立螺旋線模型和測量路徑生成算法來確定探測點和運動矢量，達到了較高的測量精度。

以上研究可以分為2 類：基于機器視覺的非接觸式測量和基于三坐標測量機原理的接觸式測量，接觸式測量能更穩定、更高精度地獲取被測物體的三維信息，但是存在速度慢、成本昂貴、對硬件要求比較高、設備復雜等問題；基于機器視覺的非接觸式測量具有速度快、測量物體種類多、不會損傷工件表面精度等優點。本文采用基于機器視覺的非接觸式測量方法，對立銑刀的直徑、端面、周刃進行尺寸測量和尺寸缺陷檢測。

1 在線檢測平臺

1.1 立銑刀

立銑刀外形如圖1 所示，待檢測的刀具在刃數、直徑、刃長等有差異。被測刀具直徑為1～16 mm，多數是三刃立銑刀和四刃立銑刀。

圖1 立銑刀外形

本文檢測的內容是刀尖半徑跳動、刀尖高度跳動、端面尺寸與缺陷。

1.2 平臺硬件組成

根據檢測需求和檢測精度要求，前期搭建了測量平臺。一共需要2 個相機，分別是直徑相機和端面相機。對于直徑測量精度是2 μm，為提高測量精度，保證較好的成像質量，成像系統采用平行光源+遠心鏡頭的組合，計算后選用4 842×3 632 分辨率的相機；端面相機選用160 萬像素的相機，使用普通定焦鏡頭+環形光源的組合來保證端面的成像質量。整個測量平臺還包括運動系統、軟件系統、人機交互系統、保護傳感器等。

2 立銑刀檢測系統設計

立銑刀測量平臺的原理是基于三坐標測量機[5]，將傳統的探頭位置采集方法與現代的圖像信息處理技術相結合，以相機中心為模擬探頭，將相機采集的圖像信息作為探測數據集的非接觸式測量。

立銑刀視覺檢測設備工作時，需精確、及時地獲取機械運動子系統的位移信息，再通過圖像處理得到相關測量點在圖像采集子系統中的位置，最后經由數據處理得到目標點在機械運動子系統中的測量結果。融合了三坐標測量機的移動探測手段和刀具影像測量儀的圖像處理方法，是集機械運動模塊、圖像采集模塊于一體的綜合性系統。

2.1 相機標定

在圖像測量過程中，為確定空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系，必須建立相機成像的幾何模型，這些幾何模型參數就是相機參數。在大多數條件下這些參數必須通過實驗與計算才能得到，這個求解參數的過程就稱之為相機標定[6]。

相機標定基本原理是依據針孔成像模型，目的就是從世界坐標系轉化為相機坐標系，通過變換把相機坐標系轉化為圖像坐標系，最終標定結果是一個投影矩陣。在世界坐標系下取一點P（X，Y，Z），圖像坐標系（μ，v），則有：

用M表示相機內參矩陣，N表示相機外參矩陣。則聯立上式即可求出世界坐標系與圖像像素坐標系的關系：

通過求解可以求出相機的內參矩陣和畸變。畸變一般可以分為徑向畸變、切向畸變。

2.2 直徑測量

整體設備如圖2 所示，對于直徑的測量精度是2 μm，待測立銑刀直徑最大為16 mm，本測量設備利用三坐標測量機原理，首先需要建立相機中心和夾具中心的相對位置關系。具體做法為：在夾具上裝夾標準棒，標準棒直徑已知，設備啟動，夾具向左移動，直到在相機視野內出現標準棒輪廓，通過標定關系可以得到相機中心點到標準棒輪廓的水平距離，這個距離再加上標準棒的半徑就是相機中心和夾具中心的相對距離D。通過光柵尺記錄下此時的夾具位置記為A點，由于運動精度關系，很難做到每一次測量都使得夾具中心準確停在A點，但是此后每一次測量都可以通過相對距離D和光柵尺讀數得到相機中心到夾具中心的相對位置[7]。

圖2 整體設備三維圖

立銑刀通過機械臂裝夾到夾具上，夾具移動到相機視野范圍內。對于立銑刀，外輪廓半徑分為刀尖半徑和輪廓線半徑（螺旋線刀刃半徑）。刀尖半徑是刀尖外表面離刀具軸線垂直距離最遠的點與軸線的垂直距離。以下是設備選定平行光源與相機拍攝的標準棒外輪廓圖像和灰度分布圖。合格外輪廓圖像的輪廓過渡帶窄，灰度梯度分布明顯，如圖3 所示。

圖3 外輪廓灰度分布

外輪廓圖像結構簡單，干擾較少，對外輪廓圖像直接進行基于OTSU 閾值的二值化、Canny 邊緣檢測后可得到輪廓圖像結果。計算出相機中心點到刀尖點的水平距離，再由相對距離D減去該水平距離就得到了刀尖半徑。

2.3 端面測量

2.3.1 端面測量流程

端面測量流程如圖4 所示。

圖4 端面測量流程

2.3.2 圖像分割

圖像分割指的是根據灰度、顏色、紋理和形狀等特征把圖像劃分成若干互不交疊的區域，并使這些特征在同一區域內呈現出相似性，而在不同區域間呈現出明顯的差異性。本案例選用迭代閾值分割。

對于迭代閾值分割算法，通過迭代法來求出分割的最佳閾值，從算法原理上來看，具有一定的自適應性，這種方法適用于物體與背景有較大的區分，即其直方圖有相當清楚的波谷；該方法只適用于直方圖有明顯波谷的情況，而對于目前采集的圖像進行直方圖分析，結果圖5 所示。從圖中可以看到出現明顯波峰波谷，因此可以采用此方法進行閾值選取。

圖5 直方圖分析結果

自適應閾值圖像分割中的大津法計算簡單快速，不受圖像亮度和對比度的影響。大津法是一種全局閾值分割方法，它的優點在于完全以在一幅圖像的直方圖上執行為基礎，而直方圖是很容易得到的一維陣列。大津法的優點在于可以快速有效地找到類間分割閾值，而對于本案例圖像，背景和前景閾值有明顯區別，分割目標單一，因此也可以選用大津法。同一幅圖像用迭代法和大津法分割的效果如圖6 所示。

圖6 不同閾值分割算法效果圖

2.3.3 計算角度

測量長刃和水平方向的夾角，這里不能取最長刃最小外接矩形，如圖7 所示。

圖7 最小外接矩形效果圖

長刃的最小外接矩形不是恰好包裹住長刃輪廓的，而是包裹住該輪廓的面積最小的矩形。長刃矩形的角度并不能反映刀具的實際角度。通過觀察可以得到，短刃的最小外接矩形恰好是包裹住短刃輪廓的，因此以短刃的角度作為旋轉角度。旋轉前后的圖像對比如圖8 所示。

圖8 旋轉前后的圖像對比

在旋轉之后把圖像中的目標圖像截取出來，效果如圖9 所示。

圖9 截取目標物體效果圖

對此圖像進行尺寸測量，再進行圖像預處理操作、輪廓提取。這里只提取最外層輪廓，最外層輪廓才是長刃的輪廓，因為圖像噪聲或者長刃本身有缺陷的原因，最外層輪廓內部可能還會有一些輪廓，這些輪廓是干擾，應當盡力排除。然后對輪廓內部像素進行填充，輪廓內部像素點都被填充為255，從上至下遍歷這個二維矩陣，對于每一行的255 像素點進行計數，記為N，根據相機標定關系，由每一行的白色像素點個數N得到每一行實際物理長度。再對輪廓邊緣像素點進行直線擬合，計算每個像素點到直線距離，以此方法來判斷輪廓缺陷。

3 結論

本文基于機器視覺方法，主要研究了立銑刀尺寸測量中的關鍵問題，包括相機標定、基于三坐標測量機的測量原理、高精度直徑測量等。利用機器視覺和圖像處理技術，解決傳統立銑刀尺寸測量速度慢、精度低、測量過程煩瑣等問題，利用流水線的思想，為企業無人化工廠的實現提供了一定的解決方案。