基于機(jī)器視覺的凸輪輪廓識(shí)別研究

安愛琴,馬玉峰,張謙

（河南科技學(xué)院,河南新鄉(xiāng)453003）

基于機(jī)器視覺的凸輪輪廓識(shí)別研究

安愛琴,馬玉峰,張謙

（河南科技學(xué)院,河南新鄉(xiāng)453003）

研究了如何采用機(jī)器視覺手段實(shí)現(xiàn)凸輪輪廓識(shí)別.通過(guò)對(duì)載物臺(tái)上凸輪圖像信息的采集,利用Matlab軟件編程實(shí)現(xiàn)對(duì)樣本圖像的差分、二值化、濾波、輪廓提取等處理,獲得凸輪輪廓特征點(diǎn)的關(guān)鍵參數(shù).然后利用Matlab編程,對(duì)輪廓特征點(diǎn)參數(shù)進(jìn)行三階擬合和殘差分析,完成凸輪輪廓的識(shí)別.通過(guò)殘差分析,結(jié)果表明：采用機(jī)器視覺實(shí)現(xiàn)的凸輪輪廓識(shí)別在95%置信度上擬合方程具有可靠性、準(zhǔn)確性.這將在凸輪輪廓快速識(shí)別、反求設(shè)計(jì)、特種加工等領(lǐng)域具有廣闊的應(yīng)用前景.

機(jī)器視覺；凸輪；輪廓識(shí)別；殘差分析

凸輪是半自動(dòng)化和自動(dòng)化機(jī)械結(jié)構(gòu)中不可或缺的重要組成部分,科技水平的不斷提高標(biāo)志著機(jī)械裝置的精度要越來(lái)越高,因此在實(shí)際生產(chǎn)加工及人工測(cè)量過(guò)程中,其輪廓識(shí)別及精度不僅直接影響機(jī)械裝置的運(yùn)動(dòng)性能、壽命,而且對(duì)減少能源消耗和環(huán)境污染產(chǎn)生重大影響.采用傳統(tǒng)的人工測(cè)量計(jì)算的方法進(jìn)行輪廓識(shí)別,其識(shí)別速度和精度對(duì)操作者依賴性較大,且勞動(dòng)強(qiáng)度大、效率低,產(chǎn)品質(zhì)量無(wú)法得到有效保證,最終還可能會(huì)產(chǎn)生大量的人為錯(cuò)誤,很難滿足高容量、高效率、高精度產(chǎn)品的測(cè)試要求[1-3].因此,文中嘗試采用機(jī)器視覺手段實(shí)現(xiàn)凸輪的輪廓識(shí)別.

目前機(jī)器視覺手段進(jìn)行零部件識(shí)別,在工業(yè)領(lǐng)域應(yīng)用十分廣泛,其凸出特點(diǎn)是識(shí)別過(guò)程采取非接觸、無(wú)損傷、高效率、低成本[4-5],這一特點(diǎn)正好迎合了目前制造業(yè)發(fā)展的需求,并且很好的彌補(bǔ)了傳統(tǒng)識(shí)別手段帶來(lái)的弊端和不足.

1 圖像采集系統(tǒng)構(gòu)成及圖像采集

1.1 圖像采集系統(tǒng)構(gòu)成

檢測(cè)系統(tǒng)主要由載物臺(tái)、CCD攝像機(jī)、計(jì)算機(jī)、圖像采集卡和照明裝置等組成,見圖1.

圖1 圖像采集系統(tǒng)示意Fig.1 Schematic diagram of image acquisition system

通過(guò)CCD攝像機(jī)采集載物臺(tái)上凸輪圖像信息,借助圖像采集卡將圖像信息存儲(chǔ)到計(jì)算機(jī)中,通過(guò)后期編程進(jìn)行圖像處理,獲取凸輪的關(guān)鍵參數(shù)[6-7].在檢測(cè)系統(tǒng)中,照明裝置采用LED燈、CCD攝像機(jī)選用Canon EOS 600D數(shù)碼攝錄一體機(jī),解像度5 184×3 456像素.計(jì)算機(jī)配置為英特爾第三代酷睿i5-3230M雙核、4G內(nèi)存,參數(shù)見表1.

表1 計(jì)算機(jī)參數(shù)Tab.1 Computer parameter

1.2 圖像采集過(guò)程

在圖像采集前,首先調(diào)整CCD攝像機(jī)的參數(shù)和LED燈的位置,保證載物臺(tái)上凸輪圖像的清晰度,然后保持不變；在凸輪圖像信息獲取前,先拍攝載物臺(tái)的圖像,以備后期進(jìn)行圖像差分處理；前期工作準(zhǔn)備好后,既可以進(jìn)行凸輪圖像采集.采集結(jié)束后,通過(guò)圖像采集卡將樣本圖像轉(zhuǎn)存至計(jì)算機(jī)內(nèi),以備后續(xù)進(jìn)行圖像處理和特征量識(shí)別.

2 凸輪樣本圖像處理

采用Matlab軟件編程完成圖像處理,主要進(jìn)行圖像的差分、二值化、濾波、輪廓提取等處理[8-10].

2.1 差分處理

采集的原始圖像中除了凸輪外,可能還有其他背景信息,為了能夠準(zhǔn)確的識(shí)別凸輪和背景,需要將樣本圖像中的冗余信息去除.

在Matlab中調(diào)用imsubtract（）函數(shù)進(jìn)行差分處理[8-12],處理程序?yàn)椋篈1=imread（'D：/m/beijing.jpg'）；%背景圖像

A2=imread（'D：/m/yangben.jpg'）；%樣本圖像

A3=imsubtract（A2,A1）；%進(jìn)行差分

figure,imshow（A3）.%顯示差分后圖像

差分處理結(jié)果如圖2所示.

圖2 差分處理Fig.2 Differential treatment

2.2 二值化處理

二值化處理是為了將差分后的凸輪和背景圖像分割為兩個(gè)不同的區(qū)域,這就需要有一個(gè)合理的閾值進(jìn)行分割.在Matlab中可調(diào)用graythresh（）函數(shù)搜素圖像中的最佳分割閾值,然后利用此閾值進(jìn)行圖像的二值化處理,進(jìn)行差分處理[8-12],處理程序?yàn)椋?/p>

threshold=graythresh（A3）；

threshold=0.33；%最佳閾值

A4=im2bw（A3,threshold）；%二值化

figure,imshow（A4）.

二值化處理結(jié)果如圖3所示.

圖3 二值化處理Fig.3 Binarization treatment

2.3 濾波處理

圖像經(jīng)二值化處理后還殘留一些干擾噪音,這將直接影響凸輪輪廓識(shí)別精度.濾波處理就是消除噪音,采用15×15的濾波窗口進(jìn)行濾波處理,在Matlab中用medfilt2（）函數(shù)完成濾波處理[8-12],處理程序?yàn)椋?/p>

A5=medfilt2（A4,[15 15]）.

濾波處理后的結(jié)果如圖4所示.

圖4 中值濾波Fig.4 Filting treatment

2.4 輪廓提取

凸輪輪廓識(shí)別主要是進(jìn)行輪廓曲線上特征點(diǎn)的位置提取,利用曲線擬合的思路實(shí)現(xiàn)其輪廓識(shí)別.在此提取的特征點(diǎn)就是位于凸輪邊緣的一些列點(diǎn),通過(guò)對(duì)圖像中的每個(gè)像素點(diǎn)考察它的某種鄰域內(nèi)各點(diǎn)灰度值的變化,利用該點(diǎn)的鄰近點(diǎn)的一階或二階方向?qū)?shù)變化規(guī)律,來(lái)實(shí)現(xiàn)輪廓提取.利用Matlab中的edge（）函數(shù)可完成輪廓提取[8,12],處理程序?yàn)椋?/p>

A6=edge（A5,'canny'）；%canny算子

輪廓提取后的結(jié)果如圖5所示.

圖5 輪廓提取Fig.5 Contour extraction

3 凸輪輪廓識(shí)別

文中研究的凸輪為對(duì)心直動(dòng)滾子推桿盤型凸輪,其輪廓曲線的一般由四段曲線組成,即推程、遠(yuǎn)休止、回程和近休止,因此在輪廓識(shí)別過(guò)程中也分四段進(jìn)行凸輪輪廓的識(shí)別和擬合.

3.1 輪廓點(diǎn)數(shù)據(jù)采集

首先利用輪廓提取獲得的基圓輪廓搜索到基圓圓心坐標(biāo)（2 630,1 498）,該坐標(biāo)值是以圖像左上角點(diǎn)為坐標(biāo)原點(diǎn),以水平向右為x軸正方向,以垂直向下為y軸正方向,并且該坐標(biāo)值為像素坐標(biāo)值.過(guò)基圓圓心做鉛垂線,與凸輪輪廓交點(diǎn)做為推桿推程的起始點(diǎn),記為A點(diǎn).以A點(diǎn)作為凸輪輪廓特征點(diǎn)位置提取的開始點(diǎn),利用各特征點(diǎn)像素值和鄰近點(diǎn)像素值的連通性,獲取一些列特征點(diǎn)位置坐標(biāo)值,完成輪廓點(diǎn)數(shù)據(jù)采集.

3.2 圖像標(biāo)定

通過(guò)輪廓點(diǎn)數(shù)據(jù)采集,獲得了以像素為單位的位置坐標(biāo)值,后續(xù)進(jìn)行輪廓擬合和殘差分析時(shí)還需將像素坐標(biāo)值轉(zhuǎn)化為實(shí)際坐標(biāo)值,這就是進(jìn)行圖像標(biāo)定.

選取原始圖像中標(biāo)尺上5 cm和10 cm為測(cè)試距離,通過(guò)多次測(cè)量求平均值的方法,完成圖像的標(biāo)定,測(cè)試數(shù)據(jù)見表2.

表2 以標(biāo)尺上5 cm、10 cm圖像測(cè)量像素距離Tab.2 Measuring the pixel distance with the 5 cm and 10 cm images on the scal

通過(guò)測(cè)試標(biāo)尺上圖像的像素點(diǎn),假設(shè)刻度尺上5 cm、10 cm兩端點(diǎn)的像素坐標(biāo)分別為Y1和Y2,刻度尺的長(zhǎng)度L/cm,則坐標(biāo)轉(zhuǎn)換系數(shù)α（1/m-1）計(jì)算公式為

利用式（1）和表2的數(shù)據(jù),可計(jì)算出5 cm和10 cm圖像坐標(biāo)轉(zhuǎn)換系數(shù)α1=76.496和α2=76.502,通過(guò)保留一位小數(shù)取α=76.5進(jìn)行圖像標(biāo)定.

3.3 輪廓曲線擬合及殘差分析

凸輪輪廓曲線擬合程序?yàn)椋?/p>

利用輪廓點(diǎn)數(shù)據(jù)和圖像標(biāo)定,在Matlab中編程實(shí)現(xiàn)輪廓擬合和殘差分析,擬合和分析結(jié)果見圖6.

圖6 曲線擬合及殘差分析Fig.6 Curve fitting and residual analysis

由圖6可知,在推程階段凸輪輪廓曲線和方程擬合曲線殘差值為（-0.7,1.5）；在遠(yuǎn)休止階段凸輪輪廓曲線和方程擬合曲線殘差值為（-1,1）；在回程階段凸輪輪廓曲線和方程擬合曲線殘差值為（-0.9,0.4）；在近休止階段凸輪輪廓曲線和方程擬合曲線殘差值為（-0.4,0.22）.殘差分析見表3.

表3 殘差分析Tab.3 Residual analysis

由表3可知,凸輪輪廓各段曲線擬合殘差值服從正態(tài)分布,并且殘差最大值是（-0.7,1.5）,這說(shuō)明擬合曲線方程可以95%置信度上判斷擬合方程具有可靠性.并且從殘差分析圖6中可知,殘差值較大點(diǎn)都發(fā)生在曲線起點(diǎn)和終點(diǎn),通過(guò)特殊點(diǎn)數(shù)據(jù)修正可以減少殘差值,從而提高曲線擬合方程的可靠度.

4 小結(jié)

文中采用視覺檢測(cè)方法實(shí)現(xiàn)了凸輪輪廓的識(shí)別研究,主要通過(guò)搭建凸輪輪廓識(shí)別系統(tǒng),用Matlab軟件編程實(shí)現(xiàn)了凸輪樣本圖像處理過(guò)程中函數(shù)選取和參數(shù)優(yōu)化；分析凸輪輪廓的曲線組成,確定輪廓軌跡的特征點(diǎn),實(shí)現(xiàn)凸輪輪廓軌跡數(shù)據(jù)提??；利用Matlab軟件編程實(shí)現(xiàn)凸輪輪廓曲線的三階擬合和殘差分析.殘差最大值是（-0.7,1.5）,說(shuō)明擬合曲線方程在95%置信度上判斷擬合方程具有可靠性.

總之,該檢測(cè)方法實(shí)現(xiàn)了凸輪輪廓曲線的快速識(shí)別,并且通過(guò)殘差分析證明該識(shí)別方法的可靠性.該檢測(cè)方法的研究對(duì)凸輪的數(shù)字化快速?gòu)?fù)制加工提供基礎(chǔ),對(duì)凸輪輪廓加工軌跡方程的確定提供了理論依據(jù).該檢測(cè)方法還可以推廣應(yīng)用到特種、復(fù)雜零件的輪廓識(shí)別研究、反求設(shè)計(jì)和特種加工中,從而提高特種零件輪廓識(shí)別速度、縮短其設(shè)計(jì)周期、提高其加工效率.

[1]吳新杰,王苗苗,黃國(guó)興.基于粒子濾波和機(jī)器視覺的圓形零件尺寸測(cè)量[J].機(jī)械設(shè)計(jì)與制造,2012（11）：49-51.

[2]王曉翠,張玉連,麻恒闊.基于圖像處理的零件尺寸測(cè)量系統(tǒng)的研究[J].航空精密制造技術(shù),2007,43（6）：27-30.

[3]賀雅琴,李琳.基于計(jì)算機(jī)視覺的零件尺寸檢測(cè)的研究[J].煤礦機(jī)械,2010,31（6）：102-104.

[4]祁曉玲,趙霞霞,靳伍銀.基于機(jī)器視覺的軸類零件幾何尺寸測(cè)量[J].組合機(jī)床與自動(dòng)化加工技術(shù).2013（1）：65-67,73.

[5]王玉槐,王琦暉,張慧熙,等.薄片工業(yè)件特征在線視覺檢測(cè)系統(tǒng)研究[J].機(jī)床與液壓,2013,41（7）：97-100.

[6]關(guān)琳琳,孫媛.圖像邊緣檢測(cè)方法比較研究[J].現(xiàn)代電子技術(shù),2008,31（22）：96-98.

[7]陳虹吉.基于圖像處理的機(jī)械零件尺寸檢測(cè)軟件設(shè)計(jì)[D].成都：電子科技大學(xué),2013.

[8]周開利,鄧春暉.Matlab基礎(chǔ)及其應(yīng)用教程[M].北京：北京大學(xué)出版社,2007.

[9]劉兆妍,馬翠紅,劉兆妮.基于機(jī)器視覺的機(jī)械零件測(cè)量技術(shù)[J].機(jī)械設(shè)計(jì)與制造,2005（7）：144-146.

[10]王戰(zhàn)中,張俊,劉超穎,等.Matlab在圓柱形工件圖像處理中的應(yīng)用[J].機(jī)械設(shè)計(jì)與制造,2012（11）：83-85.

[11]歐陽(yáng)平.基于計(jì)算機(jī)視覺的圓孔零件檢測(cè)系統(tǒng)的設(shè)計(jì)[D].成都：電子科技大學(xué),2013.

[12]何希平,張瓊?cè)A.基于MATLAB的圖像處理與分析[J].重慶工商大學(xué)學(xué)報(bào)：自然科學(xué)版,2003,20（2）：22-26.

（責(zé)任編輯：盧奇）

Identification of the cam profile based on machine vision

AN Aiqin,MA Yufeng,ZHANG Qian
（Henan Institute of Science and Technology,Xinxiang 453003,China）

The recognition of the cam profiles were studied by the means of machine vision.The detection-images were collected,the Matlab was used to propose a series of treatments including difference,binarization,filtering,contour extraction,using.The key parameters of the cam profile were obtained.Then using the Matlab,the third-order fit and residual analysis were achieved,the identification of the cam profile were completed.By residual analysis,the results showed that using machine vision to achieve recognition of the cam profile fitting equation were reliable and accurate at the 95%confidence level.The study would have broad application prospects,in quickly identify the cam profile, reverse domain design,special processing.

machine vision;cam;profile recognition;outline recognition;residual analysis

TP391.76

A

1008-7516（2016）01-0062-06

10.3969/j.issn.1008-7516.2016.01.014

2015-12-01

河南科技學(xué)院機(jī)電學(xué)院青年基金項(xiàng)目;河南科技學(xué)院大學(xué)生創(chuàng)新項(xiàng)目(2015CX025)

安愛琴(1976―),女,山西霍州人,碩士,講師.主要從事機(jī)器視覺檢測(cè)技術(shù)研究.