基于改進Hough變換的剎車蹄塊片安裝孔定位檢測法

黃永華 林振衡 宋駱林

摘 要：針對剎車蹄塊片質(zhì)量無損檢測系統(tǒng)中參考點建立需求，提出在復雜輪廓邊緣中安裝孔定位檢測方法。該方法首先對剎車蹄塊片側(cè)面圖像進行多方向Canny邊緣提取，采用帶辨向梯度Hough變換改進算法，實現(xiàn)對候選圓的粗定位;然后對候選圓邊緣區(qū)域進行提取，采用最小平方誤差擬合法進行候選圓精確定位和測量;最后依據(jù)圓完整度信息實現(xiàn)對安裝孔的識別篩選。實驗表明：該方法能夠較準確地識別出安裝孔，與其真實邊緣之間誤差小，取得良好的檢測效果。

關(guān)鍵詞：安裝孔;定位;梯度;Hough變換

中圖分類號：TP391.4

文獻標識碼： A

剎車蹄塊是摩托車、電動車鼓剎制動系統(tǒng)的重要組成部件，應用機器視覺技術(shù)開展剎車蹄塊片外觀缺陷檢測和尺寸測量，實現(xiàn)剎車蹄塊片質(zhì)量無損檢測自動化，減輕質(zhì)檢人員的工作強度，提高出廠檢驗效率，具有重要的意義。剎車蹄塊由兩個蹄塊片組成，每個蹄塊片內(nèi)又均含有兩個用于安裝彈簧鉤的圓形安裝孔，兩蹄塊片相對，經(jīng)彈簧拉緊形成完整蹄塊。安裝孔是剎車蹄塊片結(jié)構(gòu)外形的重要特征，其是剎車蹄塊片鋁鑄件上的兩個圓形通孔，可為檢測系統(tǒng)建立參考點、流水線上剎車蹄塊片姿態(tài)定位、測量和缺陷定位起到重要的參考作用，因此開展剎車蹄塊片內(nèi)圓孔檢測具有重要的意義。目前圓檢測法大體可分為非Hough變換法[1]和Hough變換法兩大類，Hough變換是圓檢測的有效工具。經(jīng)典Hough變換在三維參數(shù)空間內(nèi)映射投票，所需內(nèi)存、計算量大。目前已經(jīng)提出各種改進方法：陳珂等人以線段為投票主體進行概率Hough變換[2-3];Akihiko T等人采用隨機抽取邊緣點的方式進行圓檢測[4-6];周封等人利用圓半徑、圓心邊界曲線形狀等幾何信息減少Hough 變換映射維數(shù)，減少無效累積[7-9]; Yuan B D等人通過功率直方圖的峰值來檢測候選圓[10]。針對剎車蹄塊片的檢測需求，本文提出在復雜輪廓邊緣中，一種基于帶辨向梯度Hough變換的安裝孔定位檢測法。

1 剎車蹄塊片側(cè)面圖像采集

在剎車蹄塊片流水線上設置外觀缺陷檢測和尺寸測量采集系統(tǒng)，將蹄塊片有序、依次送入檢測工位。為便于后續(xù)處理工作，選擇與剎車蹄塊片顏色對比度反差較大的黑色啞光傳送帶，同時為避免局部反光現(xiàn)象的產(chǎn)生，選擇光照均勻度較好的球積分光源，調(diào)節(jié)合適的光照度、工業(yè)相機曝光度，對焦后獲取目標圖像。剎車蹄塊片的鋁合金鑄件外形近似半圓弧狀，其側(cè)面外觀凹凸不平且具有多種輪廓形狀。獲取圖像輪廓邊緣的對比、清晰度直接關(guān)系到后續(xù)檢測的難度和效果，在校調(diào)各設備參數(shù)后，取得圖像如圖1所示。

2 剎車蹄塊片側(cè)面圖像預處理

2.1 脈沖狀噪聲抑制

2.2 剎車蹄塊片輪廓邊緣提取

邊緣是圖像灰度級顯著變化的區(qū)域，是圖像的重要特征[11]。黑色啞光傳送帶與剎車蹄塊片之間的邊界，剎車蹄塊鋁合金鑄件內(nèi)凹凸不平輪廓區(qū)域，在球積分光源的照射下，形成較好的灰度對比度。Canny算法在邊緣檢測時具有較好的準確性、連續(xù)性和單邊緣特性，其主要由梯度模值計算、非最大值抑制、進行邊緣點連接的滯后閾值處理等主要步驟組成[12]。傳統(tǒng)的Canny算法中僅使用噪聲抑制能力較好的垂直、水平方向Sobel算子進行邊緣梯度檢測，如圖3（a） （b）所示。但剎車蹄塊片的摩擦皮、鋁合金鑄件內(nèi)輪廓、安裝孔等多為圓弧狀邊緣，考慮到各向同性、多方向邊緣檢測需求，本文在檢測時增加了45度、-45度兩個對角線方向檢測算子，如圖3（c）（d）所示，以提高多方向邊緣檢測能力，減少Canny算法邊緣提取的不連續(xù)現(xiàn)象。

7 結(jié)論

本文依據(jù)灰度梯度等多方面信息，提出采用帶

辨向梯度Hough變換的改進算法實現(xiàn)候選圓粗定位和基于候選圓邊緣區(qū)域提取和精確定位的兩步定位法，再依據(jù)圓完整度進行安裝孔識別篩選。實驗表明：該方法在復雜輪廓邊緣下能較好地實現(xiàn)剎車蹄塊片安裝孔定位檢測，定位圓心較為準確與實際邊緣誤差小，具有較好的應用價值。

參考文獻：

[1]CHEN T C， CHUNG K L. An efficient randomized for detecting circle[J].Computer Vision and Image Understanding，2001，83（2）：172-191.

[2]CHEN K，WU J P. One dimensional voting scheme for circle and arc detection[J]. Journal of the Optical Society of America，A，2014，31（12）：2593-2602.

[3]陳珂，吳建平，李金祥，等. 一維概率Hough變換的實時魯棒多圓檢測方法[J].計算機輔助設計與圖形學學報，2015，27（10）： 1832-1841.

[4]AKIHIKO T， ATSUSHI I. The randomized Hough transform based method for great circle detection on sphere[J].Pattern Recognition Letters，2007，28（10）：1186-1192.

[5]CHIU S H， LIAW J J， LIN K H. A fast randomized hough transform for circle/circular arc recognition[J].International Journal of Pattern Recognition and Artificial Intelligence，2010，24（3）：457-474.

[6]陳樹越，李建森，黃萍，等. 基于采樣約束的隨機Hough變換圓檢測算法[J].計算機工程，2017，43（10）：259-263.

[7]毛順兵. Hough變換和輪廓匹配相結(jié)合的瞳孔精確檢測算法[J].計算機應用，2016，36（5）：1415-1420.

[8]葉峰，陳燦杰，賴乙宗，等. 基于有序Hough變換的快速圓檢測算法[J].光學精密工程，2014，22（4）：1105-1111.

[9]陳小艷，王強，李柏林. 改進的Hough變換檢測圓方法[J].計算機系統(tǒng)應用，2015，24（8）：197-201.

[10]YUAN B D， LIU M. Power histogram for circle detection on images[J]. Pattern Recognition，2015，48（10）：3268-3280.

[11]張紅霞，王燦，劉鑫，等. 圖像邊緣檢測算法研究新進展[J]. 2018，54（14）： 11-18.

[12]尼克松. 特征提取與圖像處理[M].北京：電子工業(yè)出版社，2010.

[13]蔡佳，黃攀峰，張彬. 基于梯度的區(qū)域生長和距離直方圖的快速圓檢測方法[J].光學學報，2015，3（3）：0315001：1-10.

[14]WANG Y F， CHEN G X. Application of gradient based hough transform to the detection of corrosion pits in optical images[J].Applied Surface Science.2016，366：9-18.

[15]YU H C，WANG T. Vision based technique for circle detection and measurement using lookup table and bitwise center accumulator[J]. Journal of the Optical Society of America，A，2017，34（3）：415-423.

（責任編輯：于慧梅）