基于機(jī)器視覺的自由曲面輪廓度檢測系統(tǒng)

年 雷，麥云飛

(上海理工大學(xué) 機(jī)械工程學(xué)院，上海 200093)

?

基于機(jī)器視覺的自由曲面輪廓度檢測系統(tǒng)

年 雷，麥云飛

(上海理工大學(xué) 機(jī)械工程學(xué)院，上海 200093)

針對自由曲面輪廓度較難準(zhǔn)確測量和評定的問題，開發(fā)了一種完整的非接觸式曲面輪廓度在線檢測系統(tǒng)。系統(tǒng)采用機(jī)器視覺對采集到的零件端面圖像邊緣特征進(jìn)行識別和處理，將提取出的邊緣特征與標(biāo)準(zhǔn)輪廓模板進(jìn)行匹配。匹配過程中采用分段迭代匹配的思想，提高算法效率和匹配速度。該視覺檢測系統(tǒng)已應(yīng)用于沖壓流水線上工件端面的面輪廓度檢測。實(shí)際應(yīng)行表明，檢測系統(tǒng)的檢測精度為1 μm，檢測時間少于3 s，可滿足工業(yè)檢測對檢測精度和實(shí)時性的要求。

輪廓度誤差；機(jī)器視覺；圖像匹配；分段迭代

NIAN Lei, MAI Yunfei

(School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

應(yīng)用計算機(jī)視覺技術(shù)，設(shè)計了應(yīng)用于流水線上零件端面輪廓度測量的自動檢測系統(tǒng)，實(shí)現(xiàn)了在線自動快速檢測[1]。

1 輪廓檢測系統(tǒng)組成

檢測系統(tǒng)的硬件組成如圖1所示，包括：工控機(jī)、圖像采集、機(jī)械運(yùn)動控制部分等。其中，工控機(jī)上運(yùn)行圖像采集系統(tǒng)的軟件部分，配置為2.0 GHz主頻、512 MB內(nèi)存、Windows操作系統(tǒng)；圖像采集部分包括3 840×2 760的工業(yè)CCD攝像機(jī)、13 mm鏡頭、LED環(huán)形光源；機(jī)械運(yùn)動控制部分包括用于定位的零件夾緊裝置和模擬流水線上傳送零件的傳送帶。運(yùn)動控制模塊采用可編程控制器，工控機(jī)與可編程控制器通訊，控制傳送帶運(yùn)行：當(dāng)零件到達(dá)圖像采集區(qū)域時，可編程控制器暫停傳送帶運(yùn)行以便進(jìn)行圖像采集和匹配；當(dāng)匹配完成后，傳送帶繼續(xù)運(yùn)動，進(jìn)行下一次圖像采集。系統(tǒng)進(jìn)行圖像采集時，照明系統(tǒng)使被測物的重要特征與背景圖像特征之間產(chǎn)生最大的對比度，從而易于特征區(qū)分[2]。再通過圖像采集系統(tǒng)將零件端面圖像采集下來輸出模擬或數(shù)字信號到計算機(jī)的圖像處理軟件，然后使用相應(yīng)的處理算法得到所需的測量數(shù)據(jù)。

圖1 檢測系統(tǒng)硬件組成

零件端面輪廓度檢測系統(tǒng)的軟件部分設(shè)計是基于Windows操作系統(tǒng)，采用Visual C++和OpenCV語言編制而成。包括參數(shù)設(shè)置、圖像采集、圖像邊緣檢測與提取、圖像匹配與計算、結(jié)果顯示與保存5部分。在參數(shù)設(shè)置環(huán)節(jié)包括對圖像采集參數(shù)和照明系統(tǒng)參數(shù)進(jìn)行設(shè)置。圖像采集參數(shù)設(shè)置包括圖像采集卡設(shè)置、相機(jī)工作模式設(shè)置、觸發(fā)設(shè)置。照明系統(tǒng)參數(shù)設(shè)置包括曝光時間設(shè)置、亮度調(diào)節(jié)等。圖像采集環(huán)節(jié)使圖像中的目標(biāo)信息和背景信息得到最佳分離，降低圖像處理算法、識別難度，提高測量精度[3]。圖像邊緣檢測和提取環(huán)節(jié)經(jīng)過濾波、邊緣增強(qiáng)、閥值分割等算法后可實(shí)現(xiàn)亞像素級的邊緣檢測。圖像匹配與計算環(huán)節(jié)將采集到的零件邊緣與模板邊緣在位姿調(diào)整后進(jìn)行匹配分析。匹配完成后，輸出特征點(diǎn)偏移報表，以便質(zhì)量控制人員對制造工藝進(jìn)行分析和改進(jìn)。

2 輪廓度自動檢測算法

本文介紹的視覺檢測系統(tǒng)主要應(yīng)用于流水線上車門沖壓件的輪廓度檢測。流水線上輪廓度檢測不同于一般的檢測。要求在滿足檢測精度的前提下配合生產(chǎn)線上其他工序正常工作。因此，對視覺檢測系統(tǒng)的穩(wěn)定性、檢測速度和精度都有一定的要求[4]。本文在分析流水線上零件輪廓度檢測特點(diǎn)的基礎(chǔ)上，提出基于模板匹配算法檢測零件端面的輪廓度誤差。

2.1 模板圖像邊緣提取

標(biāo)準(zhǔn)輪廓作為圖像匹配的模板，是輪廓度測量和評定中的標(biāo)準(zhǔn)量，它的精度直接決定測量結(jié)果的準(zhǔn)確性。建立標(biāo)準(zhǔn)輪廓模型的效率和可操作性直接決定這種測量方法能否廣泛應(yīng)用于實(shí)際在線測量中。目前，工程人員進(jìn)行零件設(shè)計時廣泛使用計算機(jī)輔助(Computer Aided Design, CAD)，零件的幾何形狀和尺寸、公差及相對位置關(guān)系均存儲在文件信息中，這些文件中的數(shù)據(jù)可以存儲成數(shù)據(jù)接口文件供其他系統(tǒng)使用。本視覺檢測系統(tǒng)可直接讀取AutoCAD的DWG格式文件。輸入到檢測系統(tǒng)的匹配模板是標(biāo)準(zhǔn)的二維圖紙，即已是灰階圖，只需對其進(jìn)行二值化處理即可得到模板圖像的邊緣圖。提取出來的模板邊緣圖像標(biāo)記為T，如圖2所示。

圖2 模板邊緣T

2.2 相機(jī)圖像邊緣提取

圖像邊緣檢測的主要任務(wù)是尋找端面圖像的邊緣區(qū)域，從而確定端面的幾何形狀。真實(shí)的圖像是離散且包含噪聲的[5]。綜合比較各種邊緣檢測算法，結(jié)合研究對象的實(shí)際情況，本文采用Sobel算子對灰度圖像進(jìn)行邊緣檢測。Sobel 算子是一個主要用作邊緣檢測的離散微分算子(Discrete Differentiation Operator)，是常用的一種邊緣檢測算法，該算法在抑制噪聲的同時，具有效率高且實(shí)現(xiàn)簡單等優(yōu)點(diǎn)[6]。進(jìn)行邊緣檢測時，需要先用高斯濾波器對圖像進(jìn)行平滑處理。處理后的圖像每個像素點(diǎn)的值都是由其自身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到的。

濾波后的圖像經(jīng)過計算圖像各點(diǎn)鄰域梯度幅值來增強(qiáng)圖像邊緣，增強(qiáng)算法可使圖像灰度點(diǎn)鄰域內(nèi)強(qiáng)度值有顯著變化的邊緣點(diǎn)凸顯出來。經(jīng)過增強(qiáng)的圖像邊緣區(qū)域內(nèi)像素點(diǎn)的度值變化迅速，即梯度值比較大，易于進(jìn)行邊緣檢測[7]。

邊緣檢測后得到的是一個二值圖像。圖3(a)是相機(jī)采集到的零件端面的圖像，圖3 (b)是邊緣檢測后提取出的二值邊緣圖像，標(biāo)記為S。

本文的研究對象是自由曲面的輪廓度誤差，對測量精度的要求較高。邊緣檢測的精確性是影響視覺檢測系統(tǒng)測量精度的主要因素之一[8]。本系統(tǒng)經(jīng)濾波、邊緣增強(qiáng)、閥值分割等算法后可得到清晰并具有明顯邊緣特征的圖像。

3 圖像匹配過程

本文的圖像匹配算法是用兩幅圖像進(jìn)行匹配，其中待匹配的是提取出的圖像邊緣S，另外一幅是標(biāo)準(zhǔn)CAD圖紙?zhí)崛〕龅钠ヅ淠０暹吘塗。將模板邊緣圖作為圖像匹配算法的一個輸入，依據(jù)標(biāo)準(zhǔn)圖紙的信息來識別零件圖像的測量元素。由于被測輪廓是在測量坐標(biāo)系(Measurement Coordinate System, MCS)中獲取的，模板輪廓是在設(shè)計坐標(biāo)系(Design Coordinate System, DCS)中創(chuàng)建的，其之間存在位置和方向偏差。因此要經(jīng)過縮放、旋轉(zhuǎn)、平移等步驟使兩幅圖像位于同一坐標(biāo)系下才能進(jìn)行比較，匹配算法具體過程如下：(1)取出相機(jī)圖像輪廓S與模板圖像輪廓T；(2)縮放相機(jī)圖像使輪廓的大小與模板的輪廓的比例一樣；(3)通過平移、旋轉(zhuǎn)調(diào)整使S和T有相同的位置取向；(4)求出模板輪廓T和相機(jī)圖片輪廓S的變換矩陣H；(5)對模板圖像輪廓T分段，標(biāo)定特征點(diǎn)，段間長度以5～10個像素點(diǎn)為宜；(6)匹配時，匹配路徑按照動態(tài)規(guī)劃尋找最優(yōu)解。為提高匹配速度，只在匹配點(diǎn)對應(yīng)位置一定范圍的圓域內(nèi)進(jìn)行匹配。匹配完成后，返回最佳匹配；(7)根據(jù)圖像的分辨率、關(guān)鍵點(diǎn)坐標(biāo)等計算特征點(diǎn)的偏移，輸出報表。

圖4是匹配過程圖，圖中標(biāo)記為特征點(diǎn)位置。所謂特征點(diǎn)，是指便于計算機(jī)識別、具有特殊含義的點(diǎn)，如圓的圓心、離重心、曲線的重心等。為兼顧識別精度與算法速度，曲率變化較大的位置應(yīng)標(biāo)定更多的特征點(diǎn)，且特征點(diǎn)不宜設(shè)置過多。本匹配算法中設(shè)置了28個特征點(diǎn)，即P0～P27。

圖4 匹配過程

4 實(shí)驗(yàn)結(jié)果與優(yōu)化

由于夾具位置以及拍攝過程中相機(jī)和工作臺抖動，要實(shí)現(xiàn)待測圖與模板圖在空間上實(shí)現(xiàn)完全對齊是不可能的[9]。因此在編寫程序時，允許零件圖像10%的變形量。由此便可在保證精度的同時，提高算法的運(yùn)行速度。通過在程序中設(shè)定閥值，來判斷匹配是否成功：若偏移值大于公差范圍，則判定零件不合格。表1是匹配完成后系統(tǒng)輸出的報表，列出了各特征點(diǎn)的偏移值大小和匹配結(jié)果。

表1 特征點(diǎn)偏移值 /mm

續(xù)表1

編號偏移值結(jié)果編號偏移值結(jié)果P9-0.0482OKP23-0.0321OKP100OKP24-0.0601OKP110.1729OKP250OKP120.091OKP260.1023OKP13-0.0273OKP270OK

本視覺檢測系統(tǒng)在實(shí)際應(yīng)用中取得了良好的效果，零件的平均檢測時間為2.76 s，可滿足工業(yè)檢測對算法實(shí)時性的要求。

5 結(jié)束語

文中針對零件端面輪廓度誤差的檢測要求，開發(fā)了一種適用于自由曲面的機(jī)器視覺檢測系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了零件端面輪廓度誤差100%在線高精度非接觸實(shí)時檢測，提高了流水線上零件檢測的效率和自動化水平，具有良好的應(yīng)用前景。目前，使用機(jī)器視覺技術(shù)代替人眼進(jìn)行檢測、測量等工作，已廣泛應(yīng)用于生產(chǎn)、研究中[10]。該技術(shù)大幅提高了產(chǎn)品質(zhì)量和可靠性，同時在一些不適合人工作業(yè)的危險工作環(huán)境，機(jī)器視覺可代替人眼工作。

[1] 陳典紅,李海明,單越康.基于機(jī)器視覺的公差檢測系統(tǒng)算法研究與應(yīng)用——自適應(yīng)邊緣檢測與修正Hough變換[J].計算機(jī)工程與應(yīng)用,2007,43(7):236-239.

[2] 朱寶偉.機(jī)器視覺中的光源照明設(shè)計[J].電子科技,2013,26(3):80-82.

[3] 楊密,李平,盧春霞,等.逐次逼近法評定自由曲線的輪廓度誤差[J].西安工業(yè)大學(xué)學(xué)報,2006,26(1):33-35.

[4] 顏發(fā)根,劉建群,陳新,等.機(jī)器視覺及其在制造業(yè)中的應(yīng)用[J].機(jī)械制造,2004,42(11):28-30.

[5] Carsten Steger，Markus Ulrich,Christian Wiedemann.機(jī)器視覺算法與應(yīng)用[M].楊少榮,吳迪靖,譯.北京:清華大學(xué)出版社,2008.

[6] Sonka Milan,Hlavac Vaclav,Boyle Roger. Image processing,analysis,and machine vision[M].北京:人民郵電出版社,2003.

[7] 賈云德.機(jī)器視覺[M].北京:科學(xué)出版社,2000.

[8] Canny J F. A computational approach to edge detection [J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986,8(6):679-689.

[9] 楊慶華,陳亮,荀一,等.基于機(jī)器視覺的PCB裸板缺陷自動檢測方法[J].中國機(jī)械工程,2012,23(22):2661-2666.

[10] Robert Bogue. Robotic vision boosts automotive industry quality and productivity [J].Industrial Robot,2013(40):415-419.

A Profile Tolerance Measurement System Based on Machine Vision

In view of the problem that free surface profile is difficult to measure and evaluate accurately, a complete on-line detecting system for free surface profile is developed. The system identifies and processes the edge features of the grabbed images by the machine-vision method, and the edge features are matched with the template elements. In the process of matching, the idea of piecewise iterative matching is introduced to improve the efficiency and speed of the algorithm. The visual inspection system has been applied to the surface profile detection of cross-section measurements in the fully automated assembly line. Results show that the accuracy of the system reaches 1μm with a detection time of less than 3 s, which satisfies the requirements of detection accuracy and on-line real-time detection.

profile tolerance; machine vision; image matching; piecewise iterative

2016- 01- 02

年雷(1991-)，男，碩士研究生。研究方向：精密測試及自動化控制。麥云飛(1962-)，男，副教授，碩士生導(dǎo)師。研究方向：機(jī)電一體化等。

10.16180/j.cnki.issn1007-7820.2016.10.030

TP274

A

1007-7820(2016)10-104-03