面向機(jī)油泵零件關(guān)鍵尺寸的機(jī)器視覺測(cè)量*

楊建西，林海波

(臺(tái)州職業(yè)技術(shù)學(xué)院 機(jī)電工程學(xué)院，浙江 臺(tái)州 318000)

0 引言

機(jī)油泵是柴油機(jī)燃油系統(tǒng)中潤滑系的重要組成部分，為潤滑系提供足夠壓力和流量的機(jī)油，對(duì)柴油機(jī)的整機(jī)性能產(chǎn)生較大影響，特別是柴油機(jī)的使用壽命和節(jié)能效果[1-3]。轉(zhuǎn)子式機(jī)油泵具有結(jié)構(gòu)緊湊，工作可靠，供油均勻、效率高，成本低廉的優(yōu)點(diǎn)，在中小功率內(nèi)燃機(jī)上已獲得普遍應(yīng)用[4-6]。

機(jī)油泵運(yùn)轉(zhuǎn)時(shí)，因相關(guān)部件存在間隙，會(huì)產(chǎn)生較為劇烈的振動(dòng)和噪聲[7]。以轉(zhuǎn)子式機(jī)油泵為例，外轉(zhuǎn)子與殼體之間、內(nèi)、外轉(zhuǎn)子間、內(nèi)轉(zhuǎn)子與驅(qū)動(dòng)部件間均存在間隙等，這些部位的間隙，即影響機(jī)油泵的容積效率，可能造成泄漏，同時(shí)在運(yùn)轉(zhuǎn)過程中，會(huì)產(chǎn)生不同程度的碰撞，從而產(chǎn)生較大的振動(dòng)和噪聲。所以，通過精密的制造、檢測(cè)與裝配，合理控制部件間的配合間隙，對(duì)于降低發(fā)動(dòng)機(jī)的整體噪聲和提高其性能至關(guān)重要。在實(shí)際工程設(shè)計(jì)與制造中，對(duì)轉(zhuǎn)子型線的設(shè)計(jì)、制造和檢測(cè)精度要求很高，但目前部分檢測(cè)，靠人工檢測(cè)不能滿足檢測(cè)要求?；跈C(jī)器視覺的圖像檢測(cè)技術(shù)，以其固有的高精度、非接觸式無損檢測(cè)、自動(dòng)化等特點(diǎn)，促使了機(jī)器視覺技術(shù)廣泛地應(yīng)用于生產(chǎn)的日常檢測(cè)當(dāng)中[8-9]。

由于圖像邊緣檢測(cè)方法具有高精度和高效性，因而基于圖像邊緣檢測(cè)進(jìn)行機(jī)械零件檢測(cè)的方法受到越來越多國內(nèi)外研究者的關(guān)注。圖像邊緣檢測(cè)算子、方法種類很多，例如邊緣檢測(cè)的經(jīng)典算子[10-12]：Roberts、Kirsch、Log、Canny和 Prewitt 等算子，這些算子算法在針對(duì)含噪圖像，邊緣提取時(shí)，常常會(huì)使圖像失真，可能得到模糊的細(xì)節(jié)或邊緣，甚至?xí)G失掉邊緣信息，同時(shí)也存在噪聲加強(qiáng)等現(xiàn)象，邊緣檢測(cè)效果并不理想，難以滿足工業(yè)生產(chǎn)上的需求。王珂等[13]在希爾伯特變換中引入高斯核函數(shù)，減少由于圖像噪聲對(duì)邊緣檢測(cè)效果所產(chǎn)生的影響。劉志偉等[14]通過使用視覺顯著性檢測(cè)算法與mean-shift分割算法的結(jié)合，實(shí)現(xiàn)了對(duì)顯著性目標(biāo)的分割。張琳梅等[15]將蟻群優(yōu)化算法引入到紅外圖像邊緣檢測(cè)中，通過蟻群優(yōu)化算法對(duì)弱邊緣信息進(jìn)行加強(qiáng)，提高了邊緣檢測(cè)準(zhǔn)確性。徐超等[16]提出了一種基于視覺注意機(jī)制的粒子窗檢測(cè)方法，實(shí)現(xiàn)快速、準(zhǔn)確檢測(cè)的同時(shí)，減少計(jì)算量。但這些邊緣算法和檢測(cè)方法在檢測(cè)的效率和準(zhǔn)確性等方面還不太令人滿意。因此，利用工業(yè)CCD視覺測(cè)量系統(tǒng)和圖像處理軟件，探索對(duì)薄零件的幾何量進(jìn)行非接觸、高精度、自動(dòng)測(cè)量，并從拍攝的背光數(shù)字圖像中提取出零件輪廓信息，建立一種新的應(yīng)用于高精度薄機(jī)械零件的測(cè)量方法。

1 測(cè)量方案

1.1 測(cè)量項(xiàng)目的確定

通過對(duì)機(jī)油泵零部件的關(guān)鍵零部件結(jié)構(gòu)與機(jī)構(gòu)件運(yùn)動(dòng)進(jìn)行分析，需要對(duì)轉(zhuǎn)子(見圖1)的曲線和制造誤差等進(jìn)行控制，進(jìn)而實(shí)現(xiàn)機(jī)械性能和流體運(yùn)動(dòng)學(xué)性能的要求。

圖1 被測(cè)機(jī)油泵轉(zhuǎn)子

通過對(duì)轉(zhuǎn)子及支撐軸間的配合及運(yùn)動(dòng)精度分析，確定關(guān)鍵尺寸測(cè)量主要集中在對(duì)中心距、圓度、廓形、尺寸精度這些平面內(nèi)的幾何量測(cè)量，比如圓柱度、平面度。因此，最終確定檢測(cè)項(xiàng)目包括：內(nèi)外轉(zhuǎn)子型線，軸孔的尺寸精度、圓度、中心距等，但不能有厚度方向的幾何測(cè)量。

1.2 測(cè)量裝置

針對(duì)機(jī)油泵內(nèi)外轉(zhuǎn)子生產(chǎn)實(shí)際技術(shù)存在的問題，搭建基于機(jī)器視覺測(cè)量技術(shù)的測(cè)量系統(tǒng)如圖2所示。系統(tǒng)由硬件部分和軟件部分組成，根據(jù)測(cè)量的視場(chǎng)和精度要求，選擇如下設(shè)備，建立硬件系統(tǒng)，負(fù)責(zé)整個(gè)視覺測(cè)量系統(tǒng)的圖像采集工作。軟件部分主要是通過對(duì)采集到的圖像進(jìn)行預(yù)處理、邊緣提取等方法來完成圖像處理和圖像測(cè)量。

圖2 測(cè)量系統(tǒng)整體結(jié)構(gòu)示意圖

如圖2，通過豎直導(dǎo)軌滑塊上下移動(dòng)，調(diào)節(jié)鏡頭與被測(cè)物、光源間的距離。這樣避免了人工移動(dòng)相機(jī)鏡頭帶來的誤差。采用背光源照射方式，利用控制系統(tǒng)，根據(jù)照明環(huán)境要求，進(jìn)行參數(shù)調(diào)節(jié)，實(shí)現(xiàn)圖像和背景最佳分離。

1.3 測(cè)量步驟

以LED作為照明光源，采用AVT Cameras的Stingray 系列可變焦一體化光學(xué)透鏡CCD工業(yè)攝像機(jī)，用來接收光電傳感器的外部觸發(fā)，擔(dān)負(fù)著圖像采集的任務(wù)，進(jìn)而提取出零件信息。同時(shí)，在對(duì)圖像進(jìn)行正式處理前進(jìn)行圖像的預(yù)處理，以期達(dá)到提升圖像質(zhì)量，如圖3所示。由于數(shù)字圖像對(duì)圖像進(jìn)行采集、傳輸、量化、還原后得到的，在采集、傳輸?shù)冗^程可能受到一定程度的破壞和各式噪聲污染，需要在早期弱化、消除此類干擾，以達(dá)到增強(qiáng)圖像目的。然后利用雙線性內(nèi)插值算法獲取4個(gè)最鄰近目標(biāo)像素的像素值，乘以權(quán)重系數(shù)，再進(jìn)行像素細(xì)分，利用邊緣檢測(cè)查找邊緣及附近像素并進(jìn)行處理?；诙囗?xiàng)式擬合，確定以亞像素為單位的零件邊緣數(shù)據(jù)。

圖3 圖像處理過程

2 圖像處理

圖像在空間坐標(biāo)和亮度上經(jīng)過數(shù)字化后，可視作一個(gè)實(shí)數(shù)矩陣，將圖像進(jìn)行處理，轉(zhuǎn)換為對(duì)矩陣的各種運(yùn)算，實(shí)現(xiàn)了對(duì)圖像進(jìn)行精確檢測(cè)和測(cè)量，本質(zhì)上是精確定位圖像邊緣。

由于考慮利用微分算子進(jìn)行邊緣檢測(cè)存在“提升噪聲”缺陷，采用曲面擬合[17-18]思路，用曲面的梯度代替點(diǎn)的梯度，減少噪聲影響，從而實(shí)現(xiàn)邊緣檢測(cè)。上述方法中，函數(shù)的選擇非常重要，在實(shí)際工程運(yùn)用中，通常采用低價(jià)多項(xiàng)式。

令圖像面積元Δs由4個(gè)相鄰像素f(x,y+1)、f(x+1,y+1)、f(x,y)、f(x+1,y)。以一次平面進(jìn)行擬合時(shí)，用一次平面g(x,y)=ax+by+c去逼近圖像面積元Δs上4個(gè)相鄰像素，即g(x,y)去逼近f(x,y)。已知f(x,y)與g(x,y)之間的均方誤差ε:

(1)

即:

(2)

求一次函數(shù)系數(shù)a，b，c，為達(dá)到最佳吻合，應(yīng)使均方誤差最小，令：

(3)

可解得一次函數(shù)系數(shù)a、b、c。

上述式中，a，b分別是兩列、行的平均值的差分，此處的差分建立在平滑基礎(chǔ)上，其過程是求平均后再求差分，因而對(duì)噪聲有抑制作用。此平面是對(duì)已知2×2鄰域內(nèi)的圖像灰度級(jí)的最好近似，即檢測(cè)出的邊緣盡可能在實(shí)際邊緣中心。

但在實(shí)際應(yīng)用時(shí)，一次曲面不能滿足精度要求，因此采用二次曲面擬合，令圖像面積元Δs由如圖4所示九個(gè)相鄰像素組成：

圖4 二次曲面擬合用九鄰域參數(shù)

用二次曲面g(x,y)=ax2+bxy+cy2+dx+ey+g去逼近圖像面積元Δs上9個(gè)相鄰像素，即用g(x,y)去逼近f(x,y)。f(x,y)與g(x,y)之間的均方誤差：

(4)

現(xiàn)在求一次函數(shù)系數(shù)a,b,c,e,f,g，令：

可解得a,b,c,e,f,g。

根據(jù)中心極限定理，經(jīng)光學(xué)成像后的物方空間灰度劇變的邊緣，其灰度變化符合高斯分布，曲線頂點(diǎn)為邊緣的精確位置。由于二次曲線是高斯曲線的高次逼近，以其來近似高斯曲線，誤差小，計(jì)算效率高[19]。因此，對(duì)窗口內(nèi)的階躍邊緣梯度，獲得二次曲面的極值點(diǎn)，該點(diǎn)為亞像素邊緣。

3 數(shù)據(jù)分析

3.1 零件特征提取

邊界提取的結(jié)果是圖像輪廓邊界上一系列點(diǎn)的集合，具有亞像素級(jí)配準(zhǔn)精度的圖像邊緣，輪廓點(diǎn)定義為pi=(ri，ci)，i=1,...n。某一輪廓由多種不同類型幾何元素組成，將輪廓進(jìn)行分割，實(shí)質(zhì)上就是找到輪廓有序點(diǎn)的子集，pij=(rj，cj)，j=1,...m，m

圖5、圖6為某機(jī)油泵中間體的背光數(shù)字圖像。其亞像素邊緣輪廓如圖7、圖8所示。為了測(cè)量機(jī)油泵外轉(zhuǎn)子的精度，需要將其分段。本文采用Ramer算法實(shí)現(xiàn)分段。

圖5 機(jī)油泵外轉(zhuǎn)子背光 數(shù)字圖像 圖6 機(jī)油泵內(nèi)轉(zhuǎn)子背光 數(shù)字圖像

圖7 機(jī)油泵外轉(zhuǎn)子亞像素輪廓

圖8 機(jī)油泵內(nèi)轉(zhuǎn)子亞像素輪廓

Ramer算法是將曲線用一系列點(diǎn)近似表示，并減少數(shù)據(jù)點(diǎn)數(shù)量的一種算法。對(duì)輪廓可以使用遞歸的方式，迭代其間的每一個(gè)點(diǎn),遍歷所得全部線段到各對(duì)應(yīng)的輪廓段的最大距離小于某一指定的閥值,即要求這個(gè)距離超過閾值，則以這個(gè)點(diǎn)作為新的起點(diǎn)/止點(diǎn)。圖9所示為截取的部分輪廓，從宏觀上看，是由一段連續(xù)的圓弧和一段直線的組合，微觀上是系列點(diǎn)的集合[21]。如直線AB所示，輪廓上的點(diǎn)到直線AB的距離顯然過大，如圖9a所示。采用在曲線中間插入點(diǎn)，對(duì)其進(jìn)行密化，直至曲線上的點(diǎn)到直線距離符合預(yù)先設(shè)定閾值。在對(duì)非圓曲線擬合過程中，如果圓弧擬合允許誤差比與兩直線的最大誤差小，則這兩直線列為合并處理對(duì)象。

(a) 首尾相連 (b) 插入中間點(diǎn)

(c) 數(shù)據(jù)密化 (d) 二次密化 圖9 Ramer算法細(xì)分亞像素邊緣

3.2 誤差分析

圖5～圖8為機(jī)油泵內(nèi)外轉(zhuǎn)子數(shù)字圖像提取的輪廓，輪廓基本上為圓弧段組成，制造精度要求為公差在+0.02mm～+0.04mm。如采用傳統(tǒng)人工方法進(jìn)行測(cè)量，需要測(cè)量、計(jì)算中心孔的孔徑圓度誤差，還要采用多組量具，利用間接法進(jìn)行測(cè)量中心距，生產(chǎn)效率和精度低。由圖5可知，外轉(zhuǎn)子內(nèi)輪廓為16段圓弧的組合，其中，圓弧的制造其精度和孔中心距精度，直接影響泵的工作效率、振動(dòng)及壽命等，嚴(yán)重影響泵整機(jī)性能。為了驗(yàn)證文中方法的實(shí)用性和精確性，在上述實(shí)驗(yàn)環(huán)境下進(jìn)行實(shí)驗(yàn)驗(yàn)證，以對(duì)機(jī)油泵的外轉(zhuǎn)子為目標(biāo)進(jìn)行提取，然后對(duì)試驗(yàn)結(jié)果進(jìn)行分析。表1為對(duì)外轉(zhuǎn)子內(nèi)輪廓測(cè)量所得的中心距數(shù)據(jù)，采用最小二乘法，擬合完成中心距測(cè)量。通過分析測(cè)量數(shù)據(jù)，可知該機(jī)油泵中間體的尺寸偏差均在公差范圍內(nèi)，可以用于機(jī)油泵工業(yè)生產(chǎn)中。

表1 機(jī)油泵外轉(zhuǎn)子內(nèi)輪廓測(cè)量數(shù)據(jù)

圖6所示的機(jī)油泵內(nèi)轉(zhuǎn)子數(shù)字圖像提取的輪廓，需要保證基準(zhǔn)孔的圓度公差和中心距，采用最小二乘法圓擬合，測(cè)量中心距及半徑，測(cè)量結(jié)果如表2所示，可以看出，機(jī)油泵內(nèi)轉(zhuǎn)子滿足精度要求。

表2 機(jī)油泵內(nèi)轉(zhuǎn)子測(cè)量數(shù)據(jù)

4 結(jié)論

研究通過非接觸、高精度的視覺系統(tǒng)和圖像處理軟件，實(shí)現(xiàn)對(duì)薄類零件幾何量的自動(dòng)化的測(cè)量。利用曲面擬合來確定亞像素邊緣可減小噪聲對(duì)邊緣的影響，提高了邊緣的定位精度，有效地應(yīng)用在機(jī)油泵關(guān)鍵零件的中心距、圓度等幾何量的中高精度(IT5～I(xiàn)T7)測(cè)量。檢測(cè)時(shí)間從人工檢測(cè)的30min減少到2min，該方法具有高檢測(cè)準(zhǔn)確精度和檢測(cè)效率。方法的特點(diǎn)總結(jié)如下：

(1)基于機(jī)器視覺的顯微檢測(cè)，系統(tǒng)自動(dòng)獲取圖像、提取亞像素邊緣、提供檢測(cè)數(shù)據(jù)，極大提高效率，減少人工操作誤差；

(2)計(jì)算背光數(shù)字圖像局部二次曲面的極值點(diǎn)，確定亞像素邊緣位置，降低噪聲的影響；

(3)本方法高效應(yīng)用于中小機(jī)械零件的中心距、圓度等幾何量的中高精度(IT5～I(xiàn)T7)測(cè)量，但不能用于測(cè)量厚度方向的幾何量，比如圓柱度、平面度。