基于機器視覺纜索聚乙烯表面直徑在線測量設計

王婷婷，尹輝俊，尹波

（廣西科技大學a.機械與汽車工程學院；b.創新創業學院，廣西柳州 545006）

0 引言

纜索聚乙烯（Polyethylene，簡稱PE）表面的直徑大小是評價纜索在生產線中PE表面包裹均勻度的重要標準，如果直徑過大就會浪費外層PE，造成資源的浪費，而直徑過小會影響纜索的使用壽命。纜索作為懸架橋和斜拉橋的主要承重結構，其直徑不標準必然會對懸架橋和斜拉橋安全產生極大的影響。

目前，纜索PE表面直徑測量主要是靠人工目測。由于纜索在生產過程中是一直行走的，人工檢測無法在生產過程中對纜索進行接觸測量，只能等纜索生產完成后對纜索PE表面進行接觸測量。人工目測精度不高，檢測標準不統一[1-2]。在國內針對機器視覺的測量中，鄧斌攸等[3]利用兩級成像對家具板件尺寸進行檢測，測量精度為±0.05 mm，但是硬件設備成本高，且精度較低。李晉鑫等[4]利用最小二乘法擬合直線對內絲接頭尺寸進行測量，測量精度為±0.01 mm，但局限性較大，對長度較長的零件測量精度較低。文中通過對提取邊緣進行分段之后，再進行直線擬合，進一步提高了測量的精確度。實驗結果表明，測量精度較高，穩定性較強，可以達到工廠要求的測量標準。

1 纜索PE表面缺陷在線檢測系統

硬件系統和軟件系統兩個部分組成了纜索PE表面直徑檢測實驗平臺。硬件部分主要包括了計算機、大恒工業相機、光學鏡頭、環形LED工業光源及警報模塊組成。當系統啟動時，工業相機采集生產線上纜索PE表面圖像。其次，軟件系統對圖片進行形態學處理、感興趣（ROI）區域提取、外輪廓線提取，計算出纜索PE表面的直徑大小。如果檢測到纜索PE表面直徑大小不在規定范圍之內，計算機對警報模塊進行控制，發出響聲，同時存儲好纜索PE表面直徑值。實驗平臺結構如圖1所示。圖2是在實驗室條件下搭建的實驗平臺。

圖1 實驗平臺圖

圖2 纜索PE表面直徑在線測量試驗臺

軟件系統是基于圖像處理軟件Halcon和C#聯合開發，其核心部分算法如圖3所示。

圖3 核心算法圖

2 相機標定

相機標定是機器視覺測量檢測的重要基礎。計算出鏡頭的畸變，那么就可以將有畸變的圖像轉換為正常狀態的圖像，利用Halcon中的gen_radial_distortion算子生成鏡像畸變映射圖，消除圖片由于畸變產生的扭曲，以便于后續的測量。世界坐標系（X1，Y1，Z1）即為標定板所在的坐標系、相機坐標系（X2，Y2，Z2）、圖像坐標系（X,Y）是相機成像的3種成像模型，為了得到攝像機的內部和外部參數，利用Halcon中的CameraParameters算子和CameraPose算子。然后通過gen_caltab算子生成標定板，標定板如圖4所示，其中黑色圓點行數和列數均為7，黑色原點的半徑為0.9375 mm，圓點的中心間距為3.75 mm。標定板的數據是物理尺寸和像素間的轉換至關重要的部分。

圖4 標定板圖

3 圖像濾波

由于本實驗用的是大恒工業相機，采集到的是黑白圖片，所以不需要對圖像進行灰度化處理。但在纜索生產線上，因環境因素的影響而產生的噪點會影響圖像特征的提取，增加圖像算法復雜度，因此需要對圖像進行濾波處理。常用的濾波有均值濾波[5]、中值濾波[6]、導向濾波[7]。

利用Halcon 中的guided_filter (Image, Image,ImageGuided, 3, 20)算子。輸入圖像Image設為I，通過引導圖像Image 設為H，經過濾波后得到的輸出圖像為ImageGuided設為O，則有

式中：i和j分別為像素下標；Wij為和引導圖像H相關的濾波核。

導向濾波假設了輸入圖像和引導圖像H在濾波窗口ωi存在局部線性關系，根據以下公式計算位置i濾波后的灰度Oi＇值：

圖像經過3種濾波處理的效果如圖5～圖8所示，可以看到導向濾波不僅模糊掉了不需要的細節部分，也很好地保留了圖像的邊緣信息。

圖5 原始圖像

圖6 中值濾波

圖7 均值濾波

圖8 導向濾波

4 感興趣區域（ROI）提取

常見的閾值分割有自動全局閾值分割和局部閾值分割，經過實驗對比，Halcon中的var_threshold基于局部動態的閾值分割方法在本實驗條件下效果更好。此分割方法是根據局部的標準差和均值，分割圖像中鄰域像素滿足條件的區域，在不均勻、嘈雜或不均勻照明的圖片上將纜索區域提取出來。

5 直徑檢測

5.1 邊緣檢測

常見的邊緣檢測有Roberts算子[8]、Soble算子[9]、Canny算子[10]。因為纜索邊緣灰度值比較陡峭，所以使用Roberts算子對邊緣進行檢測，同時Roberts邊緣定位比較準確。

G（x,y）為Robert交叉算子，用梯度函數的Robert絕對值來近似以便簡化計算，則有：

利用Soble算子、Canny算子、Roberts算子處理邊緣效果如圖9～圖11所示。

圖9 Soble算子效果圖

圖10 Canny算子效果圖

圖11 Robert算子效果圖

5.2 邊緣分段

首先利用skeleton 算子對Robert算子提取出的邊緣進行骨架提取，其次利用gen_contours_skeleton_xld 算子將骨架的輪廓提取出來，然后利用segment_contours_xld 算子，select_contours_xld 算子和union_adjacent_contours_xld將輪廓的亞像素提取出來。效果如圖12所示。

圖12 邊緣亞像素

如圖13所示，檢測出來的邊緣局部差別較為明顯，因此需要將提取出來的邊緣進行等分。利用get_contour_xld(SelectedContours1, Row, Col)得到輪廓的像素點集合，然后將得到的這些點等分成10個集合，通過gen_contour_polygon_xld把等分好的點集合連接在一起就將輪廓線分成了10段。像素點集合數據如圖13所示，輪廓十等分效果如圖14所示。5.3 直線的擬合將得到的十等分的輪廓按照1～10的順序，利用fit_line_contour_xld中的加權最小二乘法，最小二乘法原理[11-12]如圖15所示。

圖13 集合數據圖

圖14 輪廓線十等分圖

如圖15所示，平面存在n個點，f（x1，y1）、f（x2，y2）、…、f（xn，yn），將圖上的n個點擬合成一條直線，設這條直線的方程為

圖15 最小二乘法圖

直線的擬合就是計算出該方程中的系數a和b。

根據以下公式，通過求Y方向的差值平方和最小，計算出a和b：

即要求R最小：

式中，r為點到直線的y方向的距離。

加權最小二乘法[13]就是在原來模型的基礎上進行加權，使之成為一個新的不存在異方差性的模型。通常權值可以取為：

式中，τ為人為設定的閾值。

直線擬合之后的效果如圖16所示。

圖16 直線擬合效果圖

然后利用Halcon中的distance_sl算子計算出兩條線之間的最小和最大距離，求最小、最大距離的平均值。最后對十等分的輪廓線距離求平均值，得到最終的纜索直徑。

6 纜索PE表面直徑線檢測實驗

如圖17所示，軟件系統基于VS2019平臺，使用Halcon開發圖像處理算法，使用C#的winform技術編寫軟件界面。軟件界面分為顯示窗口、直徑檢測、數據保存、關閉系統4個模塊。當檢測到纜索表面直徑時，會自動記錄纜索直徑并將數據保存在指定文件夾內。當纜索PE表面直徑沒有在規定的范圍內時，警報器會響起，通知工作人員。

圖18是纜索生產線圖。通過實驗對比可知，視覺測量和人工測量的最大偏差數據為0.02 mm，檢測偏差較小。與李晉鑫等[4]直接利用最小二乘法擬合直線相比，平均精度提升了0.02 mm，同時本實驗法更加適合較大工件的測量。平均每張圖片的檢測時間為215 ms。綜上所述，基于機器視覺的纜索PE表面直徑無接觸測量可以達到工廠的要求。

圖18 纜索生產線圖

7 結語

本文利用機器視覺設計了纜索PE表面直徑測量系統，利用大恒工業相機獲得纜索PE表面圖像,對圖像進行濾波處理，其次利用Roberts算子找到纜索PE表面邊緣。然后將邊緣進行十等分，最后通過加權最小二乘法對十等分的邊緣按照順序進行直線擬合，由此計算出纜索的直徑。實際檢測效率高，測量精度較高，可以避免人工檢測過程中各種因素對測量精度的干擾，進一步提高檢測的自動化程度。但由于生產線中干擾因素的影響，后續還需要提高測量的精度，對算法進行進一步優化，同時提高測量速度與精度，提高在線測量效率。

表1 檢測結果對比圖cm