基于機(jī)器視覺的車燈燈座尺寸檢測系統(tǒng)設(shè)計

曾文治，王疆瑛，蔡晉輝

（1.中國計量大學(xué) 材料與化學(xué)學(xué)院，浙江 杭州 310018；2.中國計量大學(xué) 計量測試工程學(xué)院，浙江 杭州 310018）

車燈燈座是汽車大燈、內(nèi)照明燈、尾燈等汽車燈具中的重要零件組成部分，是固定燈位置和使燈觸點(diǎn)與電源相連接的器件，其尺寸問題影響汽車車燈的裝配、導(dǎo)通以及照明。

隨著汽車行業(yè)的迅猛發(fā)展，對燈座的加工精度要求隨之提高，而目前大多數(shù)企業(yè)采用的都是人工檢測方法，這種受人的主觀因素的檢驗方法很難保證產(chǎn)品的質(zhì)量，速度也慢，無法與自動化的機(jī)器相比較。機(jī)器視覺自動檢測不僅提高了產(chǎn)品的檢測精度和速度，而且避免了人工檢測帶來的偏差和誤差[1]。文獻(xiàn)[2]通過機(jī)器視覺技術(shù)設(shè)計了一套檢測塑料表面的檢測系統(tǒng)；文獻(xiàn)[3]通過機(jī)器視覺和有限元的方法對局部的應(yīng)變進(jìn)行了測量，評估了有限元方法的結(jié)果；文獻(xiàn)[4]也通過機(jī)器視覺技術(shù)開發(fā)了一種直徑測量模型，對軸直徑進(jìn)行了在線測量。本文通過了解國內(nèi)外機(jī)器視覺檢測技術(shù)的研究現(xiàn)狀，以車燈燈座的尺寸測量為對象，設(shè)計了一套視覺檢測系統(tǒng)，對車燈燈座進(jìn)行在線實(shí)時檢測。

1 系統(tǒng)結(jié)構(gòu)設(shè)計與檢測需求

1.1 系統(tǒng)結(jié)構(gòu)

本視覺檢測系統(tǒng)是在超聲波焊接機(jī)的基礎(chǔ)上設(shè)計的，其完整結(jié)構(gòu)實(shí)物圖和結(jié)構(gòu)簡圖如圖1所示，通過測試焊頭下壓位置，將模具固定在焊頭正下方即可，通過員工每次按壓啟動按鈕壓接產(chǎn)品后，相機(jī)收到傳感器觸發(fā)拍照完成取圖，整個流程僅需2 s～3 s。

圖1 視覺系統(tǒng)實(shí)物圖和結(jié)構(gòu)簡圖

1.2 檢測需求

待測產(chǎn)品的實(shí)際大小為30 mm×10 mm，通過下文選用的500萬像素工業(yè)相機(jī)和精度公式：

可以算出單像素精度為0.015 mm，本產(chǎn)品的檢測需求部位如圖2所示，產(chǎn)品合格范圍為4.9 mm～5.1 mm，完全滿足需求方的檢測需求。

圖2 待測產(chǎn)品檢測需求尺寸

2 硬件設(shè)計與選型

本文根據(jù)該車燈燈座的尺寸和結(jié)構(gòu)圖設(shè)計了一套滿足該視覺系統(tǒng)成像的硬件。相機(jī)選自邁德威視旗下的MV-GE502M-T型號工業(yè)相機(jī)，鏡頭選自海康威視的型號為MVL-HV1050M-6MP的工業(yè)變焦鏡頭，光源選自上海匯林圖像科技有限公司的型號為HL-LWD-50的光源，通過硬件方面的選型后，對產(chǎn)品進(jìn)行打光得到的效果圖如圖3所示。

圖3 光源打光圖

3 算法實(shí)現(xiàn)設(shè)計

本文通過機(jī)器視覺技術(shù)的算法完成圖像的獲取、采集、分析處理，并得出結(jié)果，從而將結(jié)果輸入給下位機(jī)完成操作。

3.1 算法整體框架

本系統(tǒng)采用模塊化設(shè)計，主要功能包括圖像采集模塊、算法處理模塊、通訊控制模塊和輔助模塊[5]。通過對圖像采集，框選感興趣區(qū)域（Region Of Interest, ROI），邊緣檢測，直線檢測，間距檢測等處理，將結(jié)果返回用戶界面。

3.2 算法實(shí)現(xiàn)原理

相機(jī)收到傳感器的信號觸發(fā)拍照后，因為被測工件是放在已經(jīng)做好的工裝模具內(nèi)，所以很容易框選到ROI。通過對ROI的特征提取，可以適當(dāng)進(jìn)行一些預(yù)處理，包括圖像濾波和二值化。再通過改進(jìn)的Canny算提取產(chǎn)品圖像邊緣，使用直線段檢測（Line Segment Detector, LSD）算法拿到ROI內(nèi)的直線，算出其平均距離為多少個像素點(diǎn)。最后用像素點(diǎn)與實(shí)際距離的轉(zhuǎn)換得到測量實(shí)際目標(biāo)的尺寸，通過給定的目標(biāo)尺寸區(qū)間與所測量的目標(biāo)尺寸比較，尺寸合格，打點(diǎn)機(jī)打點(diǎn)標(biāo)記合格產(chǎn)品，尺寸不合格，報警燈閃爍并蜂鳴。燈座檢測算法流程圖如圖4所示。

圖4 檢測算法流程

3.3 基于改進(jìn)的Canny算子邊緣提取算法

使用本文中提到的兩種直線檢測算法之前，需要對物體進(jìn)行邊緣檢測，下面介紹本文提出的改進(jìn)Canny算子邊緣檢測算法。

3.3.1 算法流程

（1）首先用非線性雙邊濾波代替高斯濾波。雙邊濾波如式（2）所示，式中，i、j分別是當(dāng)前被卷積像素的坐標(biāo)點(diǎn)，k、l是領(lǐng)域像素的坐標(biāo)點(diǎn)。

加權(quán)系數(shù)ω由空間臨近高斯函數(shù)和像素值相似度高斯函數(shù)決定，如式（3）—式（5）所示。

所以雙邊濾波是在高斯濾波的基礎(chǔ)上，根據(jù)各個點(diǎn)到中心點(diǎn)的空間鄰近度計算各個權(quán)值，然后進(jìn)行優(yōu)化從而達(dá)到更好的保存圖像邊緣信息的效果。

（2） 選用Sobel算子模板計算梯度幅度和方向。在計算梯度幅值時可以選用Soble算子、Prewitt算子、Roberts算子模板等，本文利用3×3的Sobel算子進(jìn)行計算，如式（6）—式（9）所示。

從而得到圖像的梯度幅值和方向，如式（10）、式（11）所示。

（3）改進(jìn)非極大值抑制。雖然Sobel算子得到的邊緣比較粗大明亮，但是其梯度仍然是很模糊的[9]。所以本文在增加原有梯度方向的方法上再對梯度方向進(jìn)一步劃分，增加22.5°、67.5°，并通過歐式距離式（12）計算增加的梯度方向最近的像素點(diǎn)把它們歸為一個梯度方向，式中D是像素點(diǎn)p到像素點(diǎn)q的歐式距離[10]。

（4）用Otsu算法替代雙閾值邊緣二值化的高低閾值。Otsu大津法是在判別最小二乘法的基礎(chǔ)上推導(dǎo)出來的，是一種對圖像分割處理的自動選擇閾值的方法[10-11]，Otsu方法可以將圖像按照灰度分為前景和背景兩部分，然后通過遍歷圖像內(nèi)的像素點(diǎn)，計算方差并不斷比較，獲得最大類間方差和最優(yōu)的閾值。

3.3.2 與傳統(tǒng)Canny算子的流程和效果對比

與傳統(tǒng)Canny算子的流程對比圖如圖5所示。

圖5 兩種邊緣提取算法流程圖對比

通過兩種算法所得到的圖片如圖6所示。

圖6 兩種邊緣提取算法效果對比

從圖6(a)可以直觀地看出，傳統(tǒng)的Canny邊緣提取算法的邊緣比較粗糙且噪聲較多，而圖6(b)中改進(jìn)后的Canny算法檢測的邊緣明顯比較細(xì)化，毛刺也相對較少，而且能比較好地抑制噪聲，而從客觀的評價指標(biāo)來看，均方誤差（Mean Square Error, MSE）[12]和峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）[13]是評價圖像質(zhì)量的很好指標(biāo)。

圖像的均方誤差計算公式為

式（13）、式（14）中，M、N分別為圖像的長寬像素點(diǎn)個數(shù)，f(i,j)和g(i,j)分別為去噪后的圖像和原圖像在(i,j)處的灰度值，由上面兩個式子可知，MSE越小，PSNR就越大，其圖像質(zhì)量效果就越高。兩種算法的客觀評價如表1所示。

表1 兩種算法的客觀評價因子

通過表1可知，改進(jìn)過后的Canny算法比傳統(tǒng)的Canny算法的MES降低了54%，PSNR提高了36%。可以看出本文的改進(jìn)Canny算法更優(yōu)于傳統(tǒng)的Canny算法，對后續(xù)的直線檢測算法也起著極大作用。

3.4 基于改進(jìn)的Canny算子的實(shí)現(xiàn)檢測算法

3.4.1 基于改進(jìn)Canny算子的LSD直線檢測算法

LSD是一種線段檢測算法[14]，該算法能在短時間內(nèi)獲得較高精度的直線段檢測結(jié)果。LSD直線檢測算法原理主要由三部分組成：

（1）生成直線支持區(qū)域。計算每個像素點(diǎn)的梯度生成對應(yīng)的梯度場，將閾值內(nèi)具有相同梯度的像素連成直線支持區(qū)域。

（2）直線支持區(qū)域的矩形擬合。每個直線支持區(qū)域都能觀察到它的最小外接矩形，矩形的主軸表示矩形的主軸方向，外接矩形表示直線信息。

（3）直線確認(rèn)。判斷是否為直線需要在直線支持域中驗證其是否能作為直線被提取，通過直線錯誤報警數(shù)QNFA公式定義為

ε為判定閾值，如果QNFA＜ε，判定該直線支持域為一條直線，由于原算法中判定閾值取1效果比較好，所以本文也取1。

將改進(jìn)的Canny算子放入LSD直線檢測算法中，實(shí)現(xiàn)改進(jìn)Canny算子的LSD直線檢測算法。

3.4.2 與Hough_Line直線檢測對比

圖7是基于改進(jìn)Canny算法的LSD直線檢測算法與Hough_Line直線檢測算法的對比圖。

圖7 兩種改進(jìn)的直線檢測算法的對比

從圖7(a)可以直觀看出，改進(jìn)的Hough_Line直線檢測算法找出的直線干擾線比較多，邊緣密集處容易產(chǎn)生錯誤檢測且部分直線未找到，且在相同配置計算機(jī)上的運(yùn)行速度較改進(jìn)的LSD直線檢測算法慢，而圖7(b)中改進(jìn)的LSD算法能清晰地找到每條直線，因為產(chǎn)品對直線的連續(xù)性要求不高，所以改進(jìn)的LSD算法雖然線段連續(xù)性不高但是能滿足實(shí)際的應(yīng)用場景。

3.4.3 后續(xù)檢測流程

在拿到ROI區(qū)域的直線后，可以計算出這兩條直線的平均直線距離，計算出來的是像素點(diǎn)的個數(shù)，在通過基本的相機(jī)標(biāo)定后，以棋盤格的實(shí)際每格尺寸代表的像素點(diǎn)個數(shù)計算出平均每個像素點(diǎn)的實(shí)際尺寸為0.018 158 mm/pixel，設(shè)定好像素與實(shí)際距離的標(biāo)準(zhǔn)值后，檢測的即為產(chǎn)品實(shí)際尺寸。通過實(shí)驗室高精度尺寸測量儀測量出標(biāo)準(zhǔn)的產(chǎn)品尺寸為4.9 mm～5.1 mm，軟件檢測得到的尺寸與之對比得到檢測結(jié)果為OK或者NG，減少了人工目檢的高耗時、高誤差。

4 實(shí)際應(yīng)用效果

使用本文的檢測系統(tǒng)進(jìn)行車燈產(chǎn)品檢測，通過1 000個燈座產(chǎn)品測試，其中次品100個，人工檢測誤檢數(shù)為80個，檢測速度3個/分，準(zhǔn)確率為92%，本文中燈座檢測系統(tǒng)測量同樣的產(chǎn)品，檢測中誤檢數(shù)為10個，速度為6個/分，檢測準(zhǔn)確率達(dá)99%，表2是本檢測系統(tǒng)與人工檢測的對比。

表2 燈座檢測系統(tǒng)與人工檢測對比

從表中可以看出，本文燈座檢測系統(tǒng)的檢測速度是人工檢測的速度一倍，準(zhǔn)確率較人工檢測提升了7%，達(dá)到了99%，滿足了工業(yè)生產(chǎn)檢測需求，檢測中軟件界面如圖8所示。

圖8 軟件檢測界面

5 結(jié)論

本文通過分析車燈產(chǎn)品的檢測需求、硬件選型和軟件算法設(shè)計，設(shè)計了一套視覺檢測系統(tǒng)用于車燈產(chǎn)品測試。提出了一種改進(jìn)的Canny算法來提取產(chǎn)品圖像邊緣，運(yùn)用于Hough直線檢測算法和LSD算法，通過對比檢測效果選取適合本產(chǎn)品直線檢測算法。改進(jìn)算法的視覺檢測系統(tǒng)應(yīng)用于車燈產(chǎn)品的在線測試，檢測準(zhǔn)確率提升到99%，檢測速度比人工高一倍，實(shí)現(xiàn)了車燈產(chǎn)品檢測的自動化，有效提高了檢測精度和效率。