許楨英，徐家祥，黃建斌，劉家旺，王 勻

（江蘇大學 機械工程學院，鎮(zhèn)江 212013）

0 引言

高密度電連接器組件是航空航天、航海、軍工、工業(yè)、精密機械、信息乃至家用電器等眾多領域的控制與驅動系統(tǒng)中的重要基礎元器件，其技術性能的高低直接影響和制約了這些行業(yè)的發(fā)展水平。十二五期間航空、海工、信息行業(yè)對高端機電組件技術水平的要求越來越高，電連接器的尺寸檢測必須達到100%達標。

目前大多數電連接器制造企業(yè)都采用人工檢測或簡單工具測量的方法，需要耗費大量的人力和時間，且檢測精度容易受到人員差異的影響，很難保證高質量的產品。

機器視覺就是利用機器代替人眼做測量和判斷[1]。視覺測量技術不但速度快、非接觸、易于自動化，而且精度高[2]。本文將視覺測量技術應用在電連接器殼體零件的孔徑測量中，提高了檢測的效率，對促進行業(yè)的發(fā)展具有十分積極的意義。

1 HALCON機器視覺軟件

HALCON是德國MVtec公司開發(fā)的一套完善的標準的機器視覺算法包，擁有應用廣泛的機器視覺集成開發(fā)環(huán)境。它節(jié)約了產品成本，縮短了軟件開發(fā)周期。在歐洲以及日本的工業(yè)界已經是公認具有最佳效能的Machine Vision軟件[3]，是一套image processing library，由一千多個各自獨立的函數、以及底層的數據管理核心構成。其中包含了各類濾波，色彩以及幾何，數學轉換，形態(tài)學計算分析，校正，分類辨識，形狀搜尋等等基本的幾何以及影像計算功能，而且HALCON為大量的圖像獲取設備提供接口，保證了硬件的獨立性。它為百余種工業(yè)相機和圖像采集卡提供接口，包括GenlCam，GigE和IIDC1394。因此只要用得到圖像處理的地方，就可以用HALCON強大的計算分析能力來完成工作。

2 電連接器殼體零件孔徑測量

本文通過搭建視覺測量平臺，用工業(yè)相機采集標定圖像和工件圖像，通過HALCON軟件進行攝像機標定和零件的孔徑測量，所用到的算法包括：閾值分割、亞像素邊緣提取、輪廓線圓分割、擬合圓。

2.1 基于HALCON軟件的攝像機標定

選用的標定板為圓心點陣標定板，大小為36mm×36mm，厚度為2mm，標定板精度為1μm，標定板示意如圖1所示。該標定板周圍的黑色矩形邊框使得標定對象的中心容易被提取，矩形邊界框角落的方向使得標定板的方向唯一。標定的具體過程如下：攝像機拍攝標定圖像，對圖像進行閾值分割，將標定板的內部區(qū)域與背景分離，利用Canny濾波器提取標定板各圓形標志的邊緣，通過線性最小化代數誤差擬合橢圓，提取出橢圓的最小外界四邊形，確定標志點以及各標志點與圖像中投影之間的關系。本文使用HALCON軟件提供的標定助手進行攝像機內外參的標定，首先加載標定板描述文件，標定板的厚度是2mm，單個像元的寬和高是1.67μm，焦距設置一個初始默認值，加載標定圖像，設置不同的參考位姿，得到相應的標定結果，生產標定代碼，利用算子矯正位姿，排除相機沒有嚴格垂直安裝對后續(xù)尺寸測量帶來的干擾。代碼：Set_origin_Pose（PoseNewOrigin，0,0.02，PoseNewOrigi,1）。通過標定獲得的攝像機內參數的值為interCamera=[0.0119984,49.4911,1.66935e-006,1.67e-006,1.83197,1373.87,3664,2748]，獲得的外參數Pose=[0.00446928,0.00336343,0.128611,359.904,359.978,266.9 94]，投影誤差Error=0.126866，標定精度達到微米級，誤差±1.5μm。

圖1 圓心標定板示意圖

2.2 殼體零件圖像獲取及區(qū)域特征提取

為了減少電連接器殼體零件金屬材質的反光以及獲取高對比度的零件輪廓圖，在使用背光源的方式下進行圖像的拍攝采集，采集后讀取到的圖像如圖1所示。為了獲取所需要的零件特征，必須將背景和零件分離開來，提取出感興趣區(qū)域。圖像閾值化分割是一種簡單且實用的圖像分割方法[4]。通過設定不同的特征閾值，把圖像像素點分為若干類。設原始圖像為f(x,y)，分割后圖像為g(x,y)，按一定的準則在f(x,y)找到閾值T，將圖像分割為兩部分，分割后的圖像表達式如下：

其中，值為1的部分表示我們需要測量的目標區(qū)域，值為0的部分表示背景。

本文圖像分割用于從采集的圖像中把需要測量的區(qū)域分割處理，使用算子fast_threshold （Image，Region，200，255，20）對殼體零件圖像進行快速閾值分割，閾值由Region的灰度值范圍確定，然后使用算子connection（Region，ConnectedRegions）對分割后的區(qū)域進行區(qū)域連通，利用面積的特征約束篩選出所需測量的各個圓孔區(qū)域，本文選擇了UPP3728-10、UPP2020-06、UPP3728-08f三種型號的殼體零件進行實驗分別用(a)、(b)、(c)表示，處理后的圖如圖2所示。

圖2 殼體零件閾值分割后獲取的區(qū)域示意圖

2.3 殼體零件輪廓的邊緣提取

圖像的邊緣是指圖像局部區(qū)域亮度變化顯著的部分，該區(qū)域的灰度剖面一般可以看作是一個階躍，既從一個灰度值在很小的緩沖區(qū)域內急劇變化到另一個灰度相差較大的灰度值。邊緣檢測就是使用數學方法提取圖像像元中具有亮度值（灰度）空間方向梯度大的邊、線特征的過程。梯度能很好的反映圖像的邊緣位置。梯度用表示：

實現圖像的邊緣檢測，就是要用離散化梯度逼近函數根據二維灰度矩陣梯度向量來尋找圖像灰度矩陣的灰度躍變位置，然后在圖像中將這些位置的點連起來就構成了所謂的圖像邊緣。本文通過邊緣檢測將分割好的殼體零件圖像的邊緣提取出來，為后續(xù)的測量做準備。在HALCON中我們可以不同的算子來實現精確地檢測圖像的邊緣。

本文使用算子edges_sub_pix（ImageReduced,，Edges，'canny'，1.5，10，40）進行邊緣檢測，canny算子使用滯后閾值分割，包含兩個閾值——高閾值和低閾值。邊緣幅度比高閾值大的那些點作為安全邊緣點被接受。邊緣幅度比低閾值小的那些點被立刻剔除。邊緣幅度在高閾值和低閾值之間的那些點只有在與安全邊緣點相連時，才作為邊緣點被接受。canny算子改進實現亞像素邊緣檢測通過在梯度方向上檢測二階方向導數的過零點：

其中，Lx,Ly,…,Lyyy表示用高斯核平滑原始圖像得到的尺度空間。

通過edges_sub_pix算子可對殼體零件圖像區(qū)域進行亞像素邊緣提取，直接返回由像素點組成的邊緣Edges，具有亞像素精度[5]。再通過算子segment_contours_xld（Edges，ContoursSplit，'lines_circles'，5，2，2）將輪廓進行分割，該算子將分割后的輪廓設置其全局輪廓屬性cont_approx確定分割輪廓的類型，屬性為-1的輪廓近似為線段，屬性為0的輪廓近似為橢圓弧，屬性為1的輪廓近似為圓弧，輪廓分割后得到的圖像如圖3所示。

圖3 殼體零件輪廓邊緣示意圖

2.4 殼體零件孔徑的測量

在得到了輪廓分割后的圖像后，對每段輪廓進行計數，并進行篩選。使用算子get_contour_global_attrib_xld（ObjectSelected，'cont_approx'，Attrib）獲取每段輪廓的屬性，如果Attrib=1，則該輪廓段屬于圓弧段，對圓弧輪廓進行圓擬合，使用fit_circle_contour_xld （ObjectSelected，'algebraic'，-1，0，0，3，2，Row，Column，Radius，StartPhi，EndPhi，PointOrder）獲得圓心的坐標和圓的半徑。

利用標定結果得到的單位像素尺寸求得孔徑的實際尺寸。本文利用HALCON軟件平臺對電連接器殼體零件的孔徑進行了測量，并將軟件測得的尺寸與鎮(zhèn)江市計量所萬能顯微鏡測出的尺寸進行了比較，計算出了測量誤差。實驗結果表明用機器視覺測量的方法更方便快捷且誤差在公差允許范圍之內。測量結果如表1所示，其中a代表萬能顯微鏡測得值，x代表視覺測量測得值。

表1 UPP3728-10測量結果比較單位/mm

表2 UPP2020-06測量結果比較單位/mm

表2 （續(xù)）

表3 UPP3728-08f測量結果比較單位/mm

若以萬能工具顯微鏡的測量結果作為標準量，UPP3728-10型號零件測量結果平均誤差為0.00058mm，UPP2020-06型號零件測量結果平均誤差為0.01196mm，UPP3728-08f型號零件測量結果平均誤差為0.01693mm，總體視覺測量值平均誤差在公差0.05mm之內，滿足公差允許范圍，UPP3728-08f型號零件由于加工工藝，孔徑邊緣存在毛刺，在提取邊緣的過程中造成像素誤差。整個測量過程運行良好，測量時間1.2s，速度較快，能夠實現電連接器殼體零件孔徑的快速精密測量。

3 結束語

將機器視覺測量技術應用到電連接器殼體零件的孔徑測量中，通過HALCON軟件將采集到的工件圖像進行處理測出了零件的孔徑，測量精度均在規(guī)定的公差范圍內。該方法具有非接觸的優(yōu)點，檢測速度快、精度高，對提高產品的生產效率起到了重要作用。

[1] 朱曉麗.關于機器視覺及其應用問題的探討[J].中國教育技術裝備,2010,(9)：89-89.

[2] 宋錦萍,職占江.圖像分割方法研究[J].現代電子技術,2006,29(6)：59-61,64.

[3] 閆霞,牛建強.基于HALCON軟件的攝像機標定[J].數字技術與應用,2010,(11)：112-113,115.

[4] 陳亮,丁國輝,郭雷.基于直方圖互確認的圖像閾值化分割[J].紅外與毫米波學報,2011,30(1)：80-84.

[5] 陳藝峰.Halcon在工件二維尺寸檢測上的應用[J].機電技術,2011,34(4)：12-13,17.