李九靈，原振方，彭 煜

（湖北工業(yè)大學(xué)機(jī)械工程學(xué)院，湖北 武漢430068）

電子接插件是電氣設(shè)備中實(shí)現(xiàn)電路通斷的關(guān)鍵部件，其工作的穩(wěn)定性直接影響整個(gè)設(shè)備的運(yùn)行［1］。隨著電子設(shè)備的小型化、精密化以及可靠性要求提高，接插件高精度檢測(cè)的難度進(jìn)一步增加。目前，電子接插件檢測(cè)普遍采用機(jī)器視覺(jué)技術(shù)對(duì)其進(jìn)行高精度自動(dòng)化在線檢測(cè)，這在一定程度保證了接插件的出產(chǎn)質(zhì)量，但傳統(tǒng)的整段檢測(cè)方法無(wú)法達(dá)到部分高精密航空電子儀器中對(duì)接插件精度標(biāo)準(zhǔn)［2］。本文提出對(duì)接插件進(jìn)行分段采集圖像，采用改進(jìn)Harris算子精確提取圖像中特征點(diǎn)來(lái)完成整圖拼接，提高了圖像分辨率，生成高質(zhì)量的全景圖像，測(cè)量精度與單幅圖像相比顯著提高，從而提高了接插件的檢測(cè)精度，保證了接插件產(chǎn)品的質(zhì)量。

1 接插件檢測(cè)系統(tǒng)組成

電子接插件視覺(jué)測(cè)量系統(tǒng)如圖1所示。整個(gè)檢測(cè)系統(tǒng)分為三大模塊:以CCD相機(jī)、弧形光源、圖像采集等為主的采集模塊；由精密滑臺(tái)、驅(qū)動(dòng)器、精密導(dǎo)軌、傳感器、剔除機(jī)構(gòu)等組成的運(yùn)動(dòng)模塊；PLC、計(jì)算機(jī)及軟件等構(gòu)成的控制處理模塊。

接插件在檢測(cè)滑臺(tái)上由氣動(dòng)裝置吸附，PLC通過(guò)驅(qū)動(dòng)器控制精密滑臺(tái)水平移動(dòng)，觸動(dòng)位置傳感器將信號(hào)傳遞給CCD相機(jī)，與此同時(shí)，通過(guò)精密滑臺(tái)的間歇運(yùn)動(dòng)完成CCD相機(jī)對(duì)電子接插件圖像的分段采集。然后，對(duì)所采的局部圖像進(jìn)行特征提取，軟件系統(tǒng)利用Harris角點(diǎn)測(cè)量算法提取分段圖像中的角點(diǎn)，計(jì)算每對(duì)角點(diǎn)的關(guān)系系數(shù)，獲得角點(diǎn)的相似程度，并將相似程度進(jìn)行歸一化融合，歸納出關(guān)于2個(gè)點(diǎn)集間的每對(duì)角點(diǎn)的相似度表，運(yùn)用漸入漸出控制方法對(duì)所采集圖像進(jìn)行拼接，得到高質(zhì)量的全景圖像。最后，對(duì)全景圖像進(jìn)行檢測(cè)與測(cè)量，計(jì)算機(jī)將處理結(jié)果傳遞給PLC，實(shí)現(xiàn)剔除機(jī)構(gòu)對(duì)不合格接插件產(chǎn)品的自動(dòng)剔除。

圖1 接插件視覺(jué)測(cè)量系統(tǒng)

2 Harris角點(diǎn)特征的圖像拼接

2.1 常用的角點(diǎn)檢測(cè)算法的比較

圖像拼接精度是檢測(cè)精度的保證。Harris腳點(diǎn)特征的拼接圖像可實(shí)現(xiàn)高精度檢測(cè)，基于特征點(diǎn)的圖像拼接算法中，Harris角點(diǎn)檢測(cè)算法因其穩(wěn)定性、魯棒性和可靠性得到了廣泛的應(yīng)用［3］。SUSAN角點(diǎn)檢測(cè)算法和Moravec角點(diǎn)檢測(cè)算法是較為常用的角點(diǎn)檢測(cè)算法。SUSAN選用圓形模板，將位于圓形窗口模板中心等待檢測(cè)的像素點(diǎn)稱為核心點(diǎn)，直接利用圖像灰度信息的檢測(cè)算法，不需要進(jìn)行求導(dǎo)和梯度運(yùn)算，具有很強(qiáng)的抗干擾能力［4］，其缺點(diǎn)是穩(wěn)定性差，閾值的選取直接影響到檢測(cè)的準(zhǔn)確性。Moravec算法采用傳統(tǒng)的提取興趣點(diǎn)算法，通過(guò)計(jì)算垂直線、水平線、對(duì)角線、反對(duì)角線4個(gè)方向上的灰度方差來(lái)實(shí)現(xiàn)對(duì)角點(diǎn)的檢測(cè)，但其缺點(diǎn)是定位精準(zhǔn)不高、抗噪能力較低。經(jīng)典的Harris角點(diǎn)檢測(cè)算法在定位精度、參數(shù)設(shè)置及高斯窗口控制上存在不足，改進(jìn)的Harris角點(diǎn)檢測(cè)算法避免了角點(diǎn)集簇現(xiàn)象，并利用雙閾值解決了單閾值設(shè)定的局限性［5］。

2.2 改進(jìn)Harris角點(diǎn)檢測(cè)算法的實(shí)現(xiàn)

2.2.1 經(jīng)典Harris角點(diǎn)檢測(cè)算法 特征點(diǎn)提取算法是一種基于圖像局部自相關(guān)的函數(shù)分析法，反映了局部曲率［6］

式 中: w（x，y）為 窗 口 函 數(shù)；［I（x＋u），（y＋v）－I（x，y）］2是衡量圖像灰度的梯度值u；

描述了整個(gè)圖像在這一點(diǎn)的形狀；Ix，Iy為圖像在x，y方向的梯度值，而一幅圖像所對(duì)應(yīng)的一個(gè)特征點(diǎn)的函數(shù)

2.2.2 特征點(diǎn)的提取與匹配 基于Harris角點(diǎn)檢測(cè)算法的圖像拼接流包括四個(gè)部分［7］:特征提取點(diǎn)→特征點(diǎn)匹配→變換參數(shù)估計(jì)→圖像融合。角點(diǎn)匹配采用相似測(cè)度NCC對(duì)特征點(diǎn)進(jìn)行匹配，即通過(guò)角點(diǎn)領(lǐng)域像素灰度值的相似性進(jìn)行匹配［8］。由于角點(diǎn)的提取完全依賴閾值的設(shè)定，因此采用自適應(yīng)閾值的方法，根據(jù)每幅拼接圖像的特點(diǎn)，自動(dòng)選擇最佳閾值，提高角點(diǎn)選取的精度。為此，引用Hu鉅結(jié)合點(diǎn)特征實(shí)現(xiàn)角點(diǎn)匹配，二維（N×M）數(shù)字圖像W（i，j）的二維矩的定義為

其中，a＋b≤n（n為階次）。由于Hu的唯一定性［9］，一幅圖像具有一定的面積，而且在任何情況下最少也會(huì)保持分段連續(xù)，因此任何有規(guī)則的矩都會(huì)存在，所求矩集 ｛mab｝ 唯一描述圖像包含的信息，因此它可以保證圖像在旋轉(zhuǎn)的條件下也具有相同的矩向量，同時(shí)采用選取大于閾值的特征點(diǎn)對(duì)作為配準(zhǔn)點(diǎn)對(duì)的選擇，并用約束配對(duì)算法取篩選配準(zhǔn)點(diǎn)對(duì)，提高精確度。

令A(yù)、B 分別為配對(duì)圖像中兩特征點(diǎn):A′（x1′，y1′），B′（x2′，y2′），其拼接圖像中對(duì)應(yīng)點(diǎn)為 A′、B′:A′B′。當(dāng)A與A′以及B與B′是兩對(duì)對(duì)應(yīng)點(diǎn)時(shí)，則滿足相關(guān)函數(shù)關(guān)系:

反之，這兩對(duì)不合。

2.2.3 變換模型參數(shù)估計(jì) 在選取最優(yōu)匹配點(diǎn)后，算出矩陣各參數(shù)，參數(shù)投影變換模型齊次坐標(biāo)

計(jì)算出每個(gè)觀測(cè)點(diǎn)和兩配點(diǎn)之間的模長(zhǎng)，選擇其中的最小值，計(jì)算其變換參數(shù)（i＝0，1，2…7）的偏導(dǎo)數(shù)，所得關(guān)系結(jié)果滿足

2.2.4 圖像的融合 圖像拼接痕跡消除的核心是圖像融合。兩拼接圖像的重疊區(qū)域一般存在較大差異，全景圖像的拼接處會(huì)存在拼接縫隙，這里采用平均的融合方法，進(jìn)行圖像的平滑過(guò)渡［10］。N1與N2表示待拼接的兩幅圖，N表示融合后的圖像，存在關(guān)系式

式中，w1、w2表示待拼接重疊區(qū)域像素的權(quán)值，滿足w1＋w2＝1，w1＞0，w2＜1，w1無(wú)限趨近于0，w2無(wú)限趨近于1，因此實(shí)現(xiàn)N1到N2的平滑過(guò)渡，消除圖像拼接中的縫隙。

3 圖像拼接的實(shí)現(xiàn)與分析

實(shí)驗(yàn)所用相機(jī)為德國(guó)Allied Vision Technologies公司生產(chǎn)的Pike F-505B/C工業(yè)數(shù)字?jǐn)z像機(jī)，采用Sony Super HAD CCD傳感器，可獲得高清晰圖像，操作系統(tǒng)為WindowsXP系統(tǒng)，編程軟件Visual C＋＋。

圖2為本次拼接實(shí)驗(yàn)的拼接樣圖，微型電子接插件d-type rec型針腳間距不等。

圖2 拼接樣圖

圖3 為兩幅圖經(jīng)過(guò)改進(jìn)角點(diǎn)檢測(cè)算法所檢測(cè)到的接插件全景圖像，圖4為單幅全景圖。

圖3 拼接完成后的全景圖

圖4 單幅全景圖

d-type rec型微型電子接插件是一款較為常用的電子配件，其體積小，精密度高，常常用于高端儀器設(shè)備。pin寬度、pin間距及pin上下尺寸距離為針腳主要檢測(cè)部位，表1為廠商提供的針腳檢測(cè)要求參數(shù)。

表1 針腳檢測(cè)要求參數(shù)

將上述分段拼接圖像與單幅采集圖像導(dǎo)入基于Visual C＋＋開(kāi)發(fā)的軟件測(cè)量系統(tǒng)進(jìn)行檢測(cè)，對(duì)針腳寬度、間距、上下尺寸距離進(jìn)行高精度測(cè)量，檢測(cè)區(qū)域如圖5所示。圖5中，端口第一排的針腳從左至右編為1—10號(hào)，第二排的針腳從左至右編為11—20號(hào)。分別對(duì)分段檢測(cè)拼接圖與單幅采集圖進(jìn)行檢測(cè)，通過(guò)測(cè)量軟件的檢測(cè)計(jì)算，其檢測(cè)如圖6所示。

圖5 測(cè)量系統(tǒng)針腳檢測(cè)示意圖

圖6 針腳檢測(cè)結(jié)果

圖6 a、6c中所需測(cè)量的腳針數(shù)量都為19根（第一排10根，第二排9根），在測(cè)量軟件中，第二排11號(hào)與19號(hào)已彎折的，都被準(zhǔn)確發(fā)現(xiàn)，兩圖中11、19號(hào)都沒(méi)出現(xiàn)相對(duì)應(yīng)的測(cè)量數(shù)據(jù)點(diǎn)，說(shuō)明這兩針點(diǎn)存在問(wèn)題，不滿足質(zhì)量參數(shù)要求。兩線之間為公差允許波動(dòng)范圍，除11、19號(hào)外，其余各腳針滿足參數(shù)要求。

圖6b中，第一排指針共有9個(gè)測(cè)量間距，從左至右，編號(hào)為1—9，第二排從左至右，編號(hào)為10—17。10號(hào)與17號(hào)二針出現(xiàn)彎折，不合質(zhì)量要求。10與17號(hào)沒(méi)有測(cè)量數(shù)據(jù)點(diǎn)，說(shuō)明不符合公差誤差要求，其余各測(cè)量間距都在公差波動(dòng)范圍內(nèi)，符合參數(shù)要求。

分段拼接圖像以及單幅采集圖在測(cè)量軟件中的測(cè)量數(shù)據(jù)都能滿足檢測(cè)的要求，但分段拼接圖像檢測(cè)精度更高，分段pin各數(shù)據(jù)點(diǎn)的精度到了0.001mm，明顯高于單幅pin，這說(shuō)明分段檢測(cè)采集的圖像通過(guò)改進(jìn)算法拼接之后得到的全景圖，在相應(yīng)測(cè)量軟件的檢測(cè)中能達(dá)到更高的精度。

4 結(jié)論

分段檢測(cè)將原本只需一次采集的完整圖像分為多段采集，得到了更清晰的局部圖像，提高了圖像的檢測(cè)精度。圖像采集的過(guò)程會(huì)存在誤差，分次多段采集帶來(lái)了累積誤差，改進(jìn)Harris角點(diǎn)檢測(cè)算法避免了閾值的人為選定，消除了累積誤差帶來(lái)的影響，提高了拼接精度。通過(guò)測(cè)量軟件的檢測(cè)分析，與單幅采集圖像相比，其測(cè)量精度得到提高。

［1］ 張明畏，金福群.提高接插件可靠性的途徑［J］.機(jī)電元件，1993，13:4-6.

［2］ 唐 杰，孫 堅(jiān)，鐘紹俊，等.基于DM6437的接插件產(chǎn)品在線檢測(cè)系統(tǒng)的研究［J］.儀表技術(shù)與傳感器，2013（03）:91-95.

［3］ 仇國(guó)慶，馮漢青，蔣天躍，等.一種改進(jìn)的 Harris角點(diǎn)圖像拼接算法［J］.計(jì)算機(jī)科學(xué)，2012，39（11）:264-297

［4］ Stephen M.Smithj.Michael Brady.SuSAN—A new approach to low level image processing［J］.International Joumal of Computer Vision，1997，23（01）:45-78.

［5］ 葉增爐.Harris角點(diǎn)檢測(cè)算法的實(shí)現(xiàn)及應(yīng)用效果分析［J］.淮南師范學(xué)院學(xué)報(bào)，2011，13（05）:25-26.

［6］ 孫 樺，孫濟(jì)州，譚 磊.一種有效的全景圖拼合預(yù)處理算法［J］.光電子·激光，2007，18（06）:746-749.

［7］ 李鵬程，曾毓敏，張 夢(mèng).基于改進(jìn)Harris的圖像拼接算法［J］.南京師范大學(xué)學(xué)報(bào)（工程技術(shù)版），2014，14（01）:70-75.

［8］ 朱 聰.基于相似像素點(diǎn)的Harris角點(diǎn)檢測(cè)改進(jìn)算法［J］.大眾科技，2014，16（175）:28-31.

［9］ 張 琪，屈 嚴(yán)，董志芳.改進(jìn)的統(tǒng)一Hu矩圖像目標(biāo)識(shí)別中的應(yīng)用［J］.電子器件，2012，35（06）:679-682.

［10］趙向陽(yáng)，杜利民.一種全自動(dòng)穩(wěn)健的圖像融合算法［J］.中國(guó)圖像圖形學(xué)報(bào)，2004，9（04）:417-422.