孫保燕，張?bào)@濤，程 昂

(桂林電子科技大學(xué)a.建筑與交通工程學(xué)院;b.機(jī)電工程學(xué)院，廣西桂林 541004)

基于機(jī)器視覺的輪胎擠出部件外形尺寸在線測(cè)量方法

孫保燕a，張?bào)@濤b，程 昂b

(桂林電子科技大學(xué)a.建筑與交通工程學(xué)院;b.機(jī)電工程學(xué)院，廣西桂林 541004)

為研究橡膠輪胎擠出部件外形尺寸的非接觸在線測(cè)量方法，引入機(jī)器視覺技術(shù)。首先對(duì)CCD采集的圖像數(shù)據(jù)進(jìn)行濾波降噪，利用改進(jìn)的Canny邊緣檢測(cè)算法進(jìn)行圖像邊緣粗定位，并在單像素邊緣的基礎(chǔ)上采用多項(xiàng)式插值方法對(duì)目標(biāo)邊緣進(jìn)行精確的亞像素細(xì)分，最后對(duì)邊緣數(shù)據(jù)進(jìn)行擬合，結(jié)合系統(tǒng)標(biāo)定值，計(jì)算出擠出部件的外形尺寸。將此方法應(yīng)用到橡膠輪胎擠出部件外形尺寸的檢測(cè)中，結(jié)果表明:該方法具有良好的實(shí)時(shí)性、精確性，能夠滿足連續(xù)生產(chǎn)擠出部件外形尺寸工業(yè)檢測(cè)的要求。

機(jī)器視覺;擠出部件;邊緣檢測(cè);亞像素

0 引言

隨著我國(guó)汽車行業(yè)的高速發(fā)展，人們對(duì)輪胎品質(zhì)的要求，尤其是輪胎安全性能的要求不斷提高。橡膠輪胎生產(chǎn)過程中擠出部件的外形尺寸精度對(duì)其成品質(zhì)量有重要影響。在橡膠輪胎擠出部件的生產(chǎn)過程中，機(jī)頭的口型規(guī)格控制著擠出部件的形狀，擠出機(jī)螺桿的轉(zhuǎn)動(dòng)速度和供膠量決定著擠出部件外形尺寸的穩(wěn)定性［1］。所以實(shí)時(shí)精確測(cè)量擠出部件的外形尺寸，確定其加工誤差，是調(diào)節(jié)擠出機(jī)螺桿轉(zhuǎn)動(dòng)速度的重要依據(jù)。目前采用的測(cè)量方法是在擠出機(jī)附近設(shè)置單位長(zhǎng)度質(zhì)量秤，其工作原理為:通過稱取單位長(zhǎng)度的質(zhì)量初步確定擠出部件外形尺寸，并輔以人工利用卷尺進(jìn)行測(cè)量［2］。這種測(cè)量方法對(duì)人工的依賴性強(qiáng)、勞動(dòng)強(qiáng)度大、效率低，還可能產(chǎn)生很多人為誤差，直接影響橡膠擠出部件成品的精度，進(jìn)而影響到輪胎成品質(zhì)量。另外，采用自動(dòng)化程度較高的多對(duì)線激光傳感器實(shí)時(shí)測(cè)量擠出部件厚度與寬度可以滿足尺寸精度要求，但激光傳感器對(duì)工作環(huán)境要求嚴(yán)格，溫度過高或膠煙均影響其測(cè)量精度［3］。

機(jī)器視覺技術(shù)是將數(shù)字圖像處理和圖像分析、圖像識(shí)別結(jié)合起來，利用機(jī)器代替人眼進(jìn)行測(cè)量和判斷，具有測(cè)量精度高、速度快、非接觸、實(shí)時(shí)性好等特點(diǎn)，現(xiàn)已廣泛應(yīng)用到工業(yè)生產(chǎn)的各個(gè)領(lǐng)域［4］。研究高效的輪胎擠出部件在線測(cè)量方法具有重要的意義?；跈C(jī)器視覺技術(shù)，結(jié)合改進(jìn)的Canny邊緣算法和亞像素定位算法，本文提出一種在線測(cè)量輪胎擠出部件外形尺寸的方法，實(shí)現(xiàn)了擠出部件外形尺寸的非接觸快速精確測(cè)量。

1 在線測(cè)量平臺(tái)的構(gòu)建

擠出部件外形尺寸包括冠寬W1、肩寬W2、左肩厚H1和右肩厚H2，其斷面形狀如圖1所示。

圖1 擠出部件外形尺寸示意圖Fig.1 Schematic diagram of extrusion parts size

根據(jù)擠出部件規(guī)格的不同，局部形狀會(huì)有所差別。為了得到輪胎擠出部件的圖像數(shù)據(jù)，以及方便后續(xù)的圖像處理，構(gòu)建了如圖2所示的測(cè)量平臺(tái)，包括CCD攝像機(jī)、燈箱和計(jì)算機(jī)。其中，CCD攝像機(jī)分別從擠出部件的頂部和兩個(gè)側(cè)面同時(shí)采集圖像數(shù)據(jù);光源為2個(gè)LED燈箱，分別位于擠出部件的兩個(gè)側(cè)面，對(duì)擠出部件進(jìn)行垂直補(bǔ)光以改善后續(xù)圖像灰度化處理之后灰度值比較集中的問題;計(jì)算機(jī)上安裝有相應(yīng)圖像處理軟件。軟件在VS2010編譯環(huán)境下，基于OpenCV(開源計(jì)算機(jī)視覺函數(shù)庫(kù))自主開發(fā)，主要包含測(cè)量算法和擠出部件外形尺寸計(jì)算，整個(gè)軟件測(cè)量算法流程如圖3所示。

圖2 在線測(cè)量平臺(tái)Fig.2 On-linemeasurement platform

圖3 算法流程圖Fig.3 Flow chart of algorithm

2 測(cè)量算法

2.1 圖像預(yù)處理

從攝像機(jī)獲得的原始圖像如圖4a所示。圖像在轉(zhuǎn)變和傳輸?shù)倪^程中產(chǎn)生噪聲是不可避免的，所以在圖像特征提取之前，需要對(duì)灰度圖像進(jìn)行濾波降噪處理。經(jīng)多次實(shí)驗(yàn)分析，采用高斯濾波可以有效消除出現(xiàn)的噪聲。高斯濾波的基本思路是:對(duì)連續(xù)高斯函數(shù)進(jìn)行離散化，并以離散點(diǎn)上的高斯核函數(shù)值為權(quán)值，對(duì)采集到的灰度圖像的每一個(gè)像素點(diǎn)作一定范圍鄰域內(nèi)的加權(quán)平均，以達(dá)到有效消除噪聲的目的［5］。離散的(2k+1)×(2k +1)維高斯核矩陣T的計(jì)算公式為

式中:k確定核矩陣的維數(shù);σ為方差。根據(jù)高斯分布的特點(diǎn)，兩者滿足

在綜合考慮濾波精度、計(jì)算量等因素的基礎(chǔ)上，取k=2，則σ=1.25，計(jì)算得到核矩陣T為

依據(jù)核矩陣T，通過調(diào)用OpenCV中Gaussian-Blur()函數(shù)實(shí)現(xiàn)高斯濾波，效果對(duì)比如圖4所示。

2.2 像素級(jí)定位精度的邊緣檢測(cè)

圖像的邊緣檢測(cè)技術(shù)已經(jīng)比較成熟，通?？梢圆捎肦oberts、Prewitt、Sobel、Laplacian等算子求灰度的一階梯度最大值或二階導(dǎo)數(shù)零交點(diǎn)來檢測(cè)圖像的邊緣信息。這些算子都是基于局域模板，通過計(jì)算離散圖像的一階有限差分來近似梯度，優(yōu)點(diǎn)是計(jì)算量小，但檢測(cè)到的邊緣較寬、定位精度低［6］。John Canny于1986年提出的Canny算子是一種含有最優(yōu)化思想的算子，它具有較大的信噪比和較高的檢測(cè)精度［7］。Canny邊緣檢測(cè)步驟如下:①使用高斯平滑濾波器對(duì)原圖像進(jìn)行卷積降噪;②對(duì)降噪后的圖像求梯度幅值和方向;③對(duì)梯度圖像進(jìn)行非極大值抑制，排除非邊緣像素;④使用滯后閾值確定圖像的最終邊緣。應(yīng)用Canny算法時(shí)，步驟④需要確定高、低閾值來檢測(cè)和連接邊緣，而閾值的選擇對(duì)檢測(cè)到的邊緣精度起著重要作用。如果先通過實(shí)驗(yàn)設(shè)置固定值，由于在線測(cè)量環(huán)境下，現(xiàn)場(chǎng)光照、振動(dòng)或者擠出部件規(guī)格的更換，對(duì)于不同的圖像來說，邊緣檢測(cè)和定位的精度存在很大差異。尋找一種由圖像自身灰度信息自動(dòng)確定高、低閾值的方法，可增加本在線測(cè)量系統(tǒng)的自適應(yīng)性，由此在Canny算法的基礎(chǔ)上引入O’tsu算法。

圖4 濾波前后對(duì)比圖Fig.4 Images of filtering results comparison

O’stu算法，即最大類間方差法［8］。該方法是全局閾值自動(dòng)選擇的最佳方法，根據(jù)圖像的灰度信息，將圖像分成目標(biāo)與背景，當(dāng)兩者之間類間方差取得最大值的時(shí)候，目標(biāo)與背景相關(guān)程度最低，取此時(shí)的灰度值為閾值能夠分割出最強(qiáng)的邊緣。具體實(shí)現(xiàn)過程如下:

令{0，1，2，…，L－1}表示一幅圖像f(x，y)中的L個(gè)不同的灰度級(jí)，假設(shè)選擇一個(gè)閾值k，0＜k＜L－1，并將輸入圖像閾值化為兩類C1={0～k}和C2={k+1～L－1}，依次計(jì)算兩類的概率ω1和ω2，類內(nèi)的均值μ1和μ2以及整體圖像的均值μ，兩類間的方差計(jì)算公式為

對(duì)于k=0，1，2，…，L－1，上式取得最大值時(shí)的k值，即求maxσ2(k)時(shí)的k*，并將其作為Canny算法中的高閾值，由最佳比例2/1求得低閾值。在OpenCV中通過調(diào)用Canny()函數(shù)實(shí)現(xiàn)邊緣檢測(cè)，其對(duì)比結(jié)果如圖5所示，此時(shí)的邊緣為單像素。

2.3 邊緣的亞像素定位

為進(jìn)一步提高擠出部件外形尺寸的測(cè)量精度，本文在Canny邊緣檢測(cè)之后引入亞像素邊緣定位。通用的亞像素算法有很多，其中多項(xiàng)式插值法較為實(shí)用，其原理為首先將圖像的邊緣定位到整像素級(jí)，然后在梯度圖像的水平和垂直方向上作多項(xiàng)式插值，精確定位邊緣位置，該算法準(zhǔn)確性較好，且計(jì)算量?。?］。綜合考慮測(cè)量系統(tǒng)對(duì)在線快速測(cè)量的性能要求和圖像邊緣集中在水平方向(y方向)的特殊性，本文選用多項(xiàng)式插值法，具體為:首先對(duì)整像素級(jí)邊緣中的各點(diǎn)，僅在梯度圖像的水平方向上取3點(diǎn)，令其梯度幅值分別為R－1(i，j－1)、R0(i，j)、R1(i，j+1);然后，根據(jù)多項(xiàng)式插值函數(shù)φ(x)，以j－1、j、j+1為插值基點(diǎn)，R－1、R0、R1為函數(shù)值，令其導(dǎo)數(shù)為零，經(jīng)推導(dǎo)可得出該點(diǎn)亞像素坐標(biāo)(xe，ye)。多項(xiàng)式插值函數(shù)

圖5 邊緣分割圖像Fig.5 Images of edge segmentation

式中:xi為插值點(diǎn);yi為離散的函數(shù)值。

式(6)應(yīng)滿足R0＞R－1及R0＞R1，否則，該點(diǎn)不是邊緣點(diǎn)。在Canny邊緣檢測(cè)的過程中，已經(jīng)剔除梯度方向的非邊緣點(diǎn)，從而保證式(6)成立。擠出部件俯視圖亞像素邊緣定位之后的圖像如圖6所示。圖中P1、P2、P3、P4分別為亞像素細(xì)分邊緣上的4點(diǎn)，其坐標(biāo)值對(duì)比結(jié)果如表1所示。

圖6 俯視圖亞像素邊緣Fig.6 Sub-pixel edge detection of planform

表1 坐標(biāo)值對(duì)比結(jié)果Table 1 Comparison of coordinate values

2.4 直線擬合

經(jīng)過邊緣的亞像素定位后得到的結(jié)果是幾組離散的邊緣點(diǎn)集，不便于求取輪胎擠出部件的外形尺寸，因而在求取尺寸數(shù)據(jù)之前需要將這幾組離散的點(diǎn)集分別擬合出需要的邊界線，測(cè)量出邊界線之間的距離，經(jīng)過換算得出其外形尺寸。在眾多的曲線擬合方法中，最小二乘法是最常用的一種，其基本原理是:尋找一曲線y=P(x)，通過最小化每個(gè)離散點(diǎn)(xi，yi)到曲線的距離平方和來求解曲線方程［10］。

設(shè)E表示一條邊界線點(diǎn)的集合，點(diǎn)(xi，yi)是其中的任意一點(diǎn)，直線擬合過程如下:

設(shè)直線的方程為

則每個(gè)點(diǎn)到直線的殘差值為

殘差的平方和函數(shù)可表示為

由最小二乘法的原理，應(yīng)取a和b使F(a，b)有極小值，故a和b應(yīng)滿足條件:

依次代入集合E中的點(diǎn)，解出a和b，得到擬合的直線方程y(x)。

以本文采集的俯視圖為實(shí)驗(yàn)對(duì)象，按照上述方法得出的4條直線方程如表2所示。4條邊界線擬合直線的斜率都比較小，在圖6中近似為水平線，與實(shí)際邊界線比較符合。

表2 擬合直線方程Table 2 Imitative straight line equation

3 擠出部件的外形尺寸計(jì)算

3.1 系統(tǒng)標(biāo)定

文中所獲坐標(biāo)是基于像素單位，在尺寸計(jì)算前需要構(gòu)建當(dāng)前測(cè)量環(huán)境下實(shí)際物理尺寸(mm)與像素格(pixel)之間的比例關(guān)系，即像素當(dāng)量 S (mm/pixel)。本文選用已知標(biāo)準(zhǔn)件為對(duì)象，在相同測(cè)量環(huán)境下應(yīng)用本文邊緣檢測(cè)方法獲得標(biāo)準(zhǔn)件在圖像坐標(biāo)系中長(zhǎng)度方向的像素?cái)?shù)，記作P，標(biāo)準(zhǔn)件的實(shí)際長(zhǎng)度記作L，則像素當(dāng)量為

為減小系統(tǒng)誤差的影響，可通過多次標(biāo)定求平均值來提高標(biāo)定精度。另外，在變更擠出部件規(guī)格或測(cè)量環(huán)境時(shí)需要重新標(biāo)定系統(tǒng)。本實(shí)驗(yàn)選用60 mm的標(biāo)準(zhǔn)件為對(duì)象，通過計(jì)算得到標(biāo)定值: 0.533 358 mm/pixel。

3.2 尺寸計(jì)算

擠出部件外形尺寸主要是兩邊界線間的距離，根據(jù)擬合直線求出像素點(diǎn)對(duì)之間的y坐標(biāo)差值，再將其與標(biāo)定的像素當(dāng)量相乘即得到擠出部件的實(shí)際物理尺寸。

以冠寬W1尺寸計(jì)算為例，如圖7所示。設(shè)其下邊界擬合直線方程為y1=a1x+b1，上邊界線為y2=a2x+b2，計(jì)算上下邊界線x=xi處對(duì)應(yīng)點(diǎn)的y1i、y2i坐標(biāo)，則冠寬的像素?cái)?shù)為Wi=|y1i－y2i|。為減小誤差，在邊界線上取多對(duì)點(diǎn)求平均值作為冠寬像素?cái)?shù)，則冠寬為W1=×S。

圖7 外形尺寸計(jì)算示意圖Fig.7 Sketch of dimension calculation

在實(shí)驗(yàn)室測(cè)量環(huán)境下，選取10.00R20規(guī)格的橡膠輪胎擠出部件為實(shí)驗(yàn)對(duì)象，根據(jù)上述計(jì)算方法，各取20對(duì)點(diǎn)求平均值，依次計(jì)算擠出部件冠寬W1、肩寬W2、左肩厚H1和右肩厚H2，測(cè)量結(jié)果與實(shí)際尺寸對(duì)比如表3所示，其中實(shí)際尺寸值由游標(biāo)卡尺測(cè)量所得。

表3 實(shí)驗(yàn)結(jié)果與實(shí)際尺寸比較Table 3 Comparison of experimental results and actual sizemm

通過數(shù)據(jù)比較發(fā)現(xiàn)，左、右肩厚的絕對(duì)誤差相比冠寬和肩寬較大，主要是因?yàn)橄到y(tǒng)標(biāo)定時(shí)以冠寬和肩寬的底面為基準(zhǔn)，像素格標(biāo)定在厚度方向存在誤差，可通過后期修正來進(jìn)一步改善。輪胎擠出部件總體外形尺寸用本文測(cè)量方法相對(duì)誤差均小于2%，在誤差允許范圍之內(nèi)，達(dá)到了系統(tǒng)設(shè)計(jì)的要求。

4 結(jié)論

(1)基于機(jī)器視覺技術(shù)構(gòu)建了輪胎擠出部件在線測(cè)量平臺(tái)，研究了Canny邊緣算法和亞像素定位算法在其邊緣檢測(cè)中的應(yīng)用。實(shí)驗(yàn)證明，本算法在輪胎擠出部件外形尺寸測(cè)量中準(zhǔn)確、有效。

(2)結(jié)合10.00R20規(guī)格的輪胎擠出部件，給出了其外形尺寸的計(jì)算方法，并將測(cè)量結(jié)果與實(shí)際尺寸作對(duì)比分析，結(jié)果表明:測(cè)量誤差較小，滿足測(cè)量精度要求。

［1］黃發(fā)國(guó)，黃慧生，潘家芳，等．橡膠擠出機(jī)擠出性能指標(biāo)體系的研究［J］．橡塑技術(shù)與裝備，2013，39(11):1－4．

［2］張占興，李繼順．淺析擠出胎面斷面輪廓厚度檢測(cè)［J］．橡塑技術(shù)與裝備，2014，40(17):33－36．

［3］易玉華，張海，盧巍，等．激光在線測(cè)量連續(xù)擠出胎面斷面尺寸［J］．輪胎工業(yè)，2004，24(6):363－368．

［4］杜廣朝，魏雪峰，邵明?。谙袼鼗蛩惴ǖ膱D像顯著區(qū)域檢測(cè)研究［J］．激光與紅外，2013，43(6):694－697．

［5］王丹．基于各向異性高斯濾波的圖像邊緣檢測(cè)方法［D］．西安:西安電子科技大學(xué)，2010．

［6］Health M，Sarkar S，Sanocki T，etal．Comparison of edge detectors:A methodology and initial study［J］．Computer Vision and Image Understanding，1998，69(1):38－54．

［7］許宏科，秦嚴(yán)嚴(yán)，陳會(huì)茹．一種基于改進(jìn)Canny的邊緣檢測(cè)算法［J］．紅外技術(shù)，2014，36(3):210－214．

［8］吳一全，潘喆．2維最大類間平均離差閾值選取快速遞推算法［J］．中國(guó)圖象圖形學(xué)報(bào)，2009，14(3):471－476．

［9］陳靜，尚雅層，田軍委．快速多項(xiàng)式擬合亞像素邊緣檢測(cè)算法的研究［J］．應(yīng)用光學(xué)，2011，32(1):91－95．

［10］李蓓蕾．多次自適應(yīng)最小二乘曲線擬合方法及其應(yīng)用［D］．荊州:長(zhǎng)江大學(xué)，2014．

On-linemeasurement for extrusion parts size based on machine vision

SUN Bao-yana，ZHANG Jing-taoa，CHENG Angb
(a.College of Architecture and Traffic Engineering;b．College of Mechanical Electrical and Engineering，Guilin University of Electronic Technology，Guilin 541004，China)

In order to study the non-contact on-linemeasuringmethod of the rubber tire extrudering external dimensions，machine vision technology was introduced．Firstly，the image data acquired by the CCD is filtered．Then，the edge of the image is refined by the improved Canny edge detection algorithm，and the sub-pixel is subdivided by the polynomial interpolation method on the basis of the single pixel edge．Finally，the least squaremethod is used to fit the edge data，and the external dimension of the extruded part is calculated according to the system calibration value．Thismethod is applied to the measurement of the outer dimensions of the rubber tire extrusion parts．The results show that themethod has good real-time performance and accuracy，and can meet the requirements of industrial inspection for continuous production of extruded parts．

machine vision;extrusion parts;edge detection;sub-pixel

TP391.4;TH122

:A

2015－09－07

廣西“漓江學(xué)者”專項(xiàng)經(jīng)費(fèi)項(xiàng)目;廣西科學(xué)研究與技術(shù)開發(fā)計(jì)劃項(xiàng)目 (桂科攻1412206－14);桂林電子科技大學(xué)研究生教育創(chuàng)新計(jì)劃項(xiàng)目 (YJCXS201510)

孫保燕 (1962—)，男，教授級(jí)高工，研究方向:數(shù)字圖像處理、建筑智能檢測(cè)、先進(jìn)制造、古建筑保護(hù)，sunbaoyan@126.com。

孫保燕，張?bào)@濤，程昂．基于機(jī)器視覺的輪胎擠出部件外形尺寸在線測(cè)量方法 ［J］．桂林理工大學(xué)學(xué)報(bào)，2016，36(4):838－843．

1674－9057(2016)04－0838－06

10.3969/j．issn.1674－9057.2016.04.032