熊 峰，王桂棠，陳建強，陳永彬，陳志盛，吳佳毅

0 引言

基于機器視覺的平面工件自動化檢測系統(tǒng)，其便捷之處在于使用工業(yè)相機代替人眼，以圖像處理算法代替手工測量，極大縮短檢測時間及減少人為誤差[1]。但是，對于較大尺寸的平面工件，需要減小相機的拍照采集視場以保證檢測精度，同時通過精密數(shù)字運動控制使相機沿檢測圖元的輪廓運動并采用局部圖像，然后結(jié)合運動坐標和圖像拼接得到工件的高精度圖像。依據(jù)檢測需求，測量圖元對象以及尺寸項目的選擇等需要預(yù)先進行規(guī)劃設(shè)置。對于需要檢測眾多尺寸的復(fù)雜形狀工件，當(dāng)測量點數(shù)較多時，依靠手工操作就顯得相當(dāng)復(fù)雜繁瑣、費時費力[2]。

DXF文件包含了工件的詳細圖形和尺寸信息。目前有研究者提出了利用解析DXF文件來獲取輸入工件信息的方法[3-4]，但均未實現(xiàn)整體檢測規(guī)劃。本文研發(fā)了一種綜合了DXF文件解析、圖像重構(gòu)、自動定位等技術(shù)的智能規(guī)劃方法，大大提高了基于機器視覺的較大尺寸復(fù)雜工件的智能檢測系統(tǒng)的工作效率和智能化水平。

1 圖像重構(gòu)

1.1 DXF文件解析器設(shè)計

DXF是一種CAD圖形交換文件，它以帶標記數(shù)據(jù)的形式表示AutoCAD圖形文件中包含的信息[4]，非常適合用來提取檢測零件的形位信息[5]。

帶標記數(shù)據(jù)是指文件中的每個數(shù)據(jù)元素前面都帶有一個“組碼”——表示特定數(shù)據(jù)對象的含義。對于待測件的圖像重構(gòu)，只需要關(guān)心圖像實體，而一般圖像實體信息全部包含在DXF文件的ENTITIES段中，將這些信息按構(gòu)成元素劃分為以下幾類組碼，如表1所列。

表1 ENTITES段組碼解析表Tab.1 ENTITIESBlock Code Parsing Table

由于每類數(shù)據(jù)都由固定排列的組碼表示，可以利用正則表達式遍歷提取的方法來獲取所需解析內(nèi)容，再將解析內(nèi)容存入對應(yīng)結(jié)構(gòu)體中，即得到了每個圖像實體的形位數(shù)據(jù)。DXF解析器運行流程如圖1所示。

圖1 DXF文件解析流程Fig.1 DXFFile-pasring Flow

1.2 重構(gòu)

為了使機器視覺檢測系統(tǒng)檢測操作的交互過程方便直觀，需要將檢測對象圖像重構(gòu)并顯示出來?？紤]到算法統(tǒng)一性，需要將解析數(shù)據(jù)進行歸并：將直線歸入多段優(yōu)化線，將圓、圓弧歸入橢圓，將直徑標注歸入半徑標注，最后得到5種數(shù)據(jù)類型。

本文應(yīng)用Qt作為軟件開發(fā)平臺，其圖形界面開發(fā)工具應(yīng)用非常廣泛，操作簡便，內(nèi)部庫已經(jīng)實現(xiàn)了很多交互方法。本文通過繼承Qt庫中的現(xiàn)有圖元類QGraphics Item來得到基本繪圖方法，再以這5種數(shù)據(jù)類型分別進行派生，實現(xiàn)各自的屬性，最后得到對應(yīng)圖元類，派生關(guān)系如表2[4]。

通過圖元類頭文件定義了圖形的各種屬性（起點、終點、類型等）和必要方法（選中、繪制等）。

例如DXF Polyline Item圖元類的定義如下：

class DXFPolyline繼承自QGraphicsItem

{

共有：

構(gòu)造函數(shù)1 #導(dǎo)入多段線數(shù)據(jù)

構(gòu)造函數(shù)2 #導(dǎo)入單段線數(shù)據(jù)

類型函數(shù) #返回圖元類型

表2 圖元類派生對照表Tab.2 Image Primitive Class Deriving Table

使能可處理函數(shù) #控制選中是否有效

控制點列表 #多段線的控制點坐標

保護：

圖元邊框 #控制鼠標選擇熱點區(qū)

繪制函數(shù) #實現(xiàn)圖元繪制工作

私有：

線段類型 #指示是否閉合

控制點坐標列表

};

圖2 輪廓重構(gòu)（上：零件照片，下：圖像）Fig.2 Outline Restructure(UP:Photo,DOWN:Image)

由于重構(gòu)圖像的數(shù)據(jù)來自DXF文件，當(dāng)界面顯示比例為1像素代表1毫米時，顯示形位尺寸與真實形位尺寸信息相同，則通過在重構(gòu)圖像上設(shè)置檢測采樣點，就可以直接得到實際的采樣坐標。圖2為輪廓重構(gòu)實例。

2 檢測路徑規(guī)劃方案

2.1 檢測流程設(shè)計

在執(zhí)行檢測前，需要先確定檢測對象圖元，然后設(shè)定檢測項目，最后設(shè)置采樣坐標。本文設(shè)計了智能交互的方式來完成這些步驟。

重構(gòu)圖像中的所有圖元都有可選屬性，可將其解析數(shù)據(jù)作為圖元類成員，構(gòu)建回調(diào)函數(shù)實現(xiàn)鼠標選中時返回對應(yīng)成員數(shù)據(jù)，再根據(jù)指定的檢測項目調(diào)用相應(yīng)算法就能生成一條完整檢測指令，整體流程如圖3。

2.2 交互算法

為實現(xiàn)算法的統(tǒng)一性，將檢測項目劃分為8種基本類型：線長、直線度、半徑、圓度、角度、點點距、點線距和線線距，檢測對象與這8種檢測項目也有一一對應(yīng)關(guān)系，通過分析概括如表3。

表3 檢測對象與檢測項目關(guān)系Tab.3 Measure Object and Item Map

每個圖元類中都設(shè)置了類型標識，在每次交互選擇時，根據(jù)類型標識判斷對象類型后，與關(guān)系表中的檢測項目綁定，實現(xiàn)智能候選菜單，其算法流程圖如圖4。

圖4 交互算法流程Fig.4 Interaction Algorithm Flow

2.3 自動定位算法

由前文分析知，實際采樣坐標可以由圖像上的定位點得到，自動定位算法所做的工作就是生成圖像定位點。同樣，對應(yīng)2種形位圖元有2種生成子算法，算法定義如下，其中g(shù)enNodeList(*)方法根據(jù)傳入的圖元屬性來對其圖像邊緣進行分割然后由optimze(&)方法對分割點列表進行二次篩選處理，以下是算法定義：

class RoutePlanner

{

共有：

構(gòu)造函數(shù) #傳入采樣間距值

多段線圖元的采樣點計算函數(shù) #返回節(jié)點列表

橢圓圖元的采樣點計算函數(shù) #返回節(jié)點列表

節(jié)點過濾排序函數(shù) #優(yōu)化并生成運動路徑

私有：

節(jié)點列表

};

算法中的節(jié)點間距，是指相鄰采樣點之間的距離，對于視覺檢測定位，其節(jié)點間距就是相機視野直徑，這樣保證了采樣的完整性。（說明：當(dāng)零件尺寸較大時，需要移動相機拍攝多幅局部照片，只有移動距離≤視場半徑時才能覆蓋到完整對象。

在設(shè)定好節(jié)點間距后，將選擇的圖元指針傳入，由genNodeList(*)方法即可得到圖元上的采樣點，主要原理為邊緣分割，分割數(shù)N由公式(1)、(2)確定：

其中L表示線長、S表示節(jié)點間距、R表示圓半徑、A表示圓弧角，得到分割數(shù)N后，再通過公式(3)、(4)就可得到定位點坐標：

以上公式中i∈[1,N]。公式(3)求出直線上的定位點坐標，其中(X0,Y0)代表直線起點；公式(4)求出圓弧上定位點坐標，a代表圓弧起始角。

然而并不是所有的檢測項目都需要所有定位點[6-14]，比如求線長只需要兩個端點、求半徑只需要3點定圓等，那么還需要調(diào)用路徑優(yōu)化函數(shù)op?timze(&)去除多余點，優(yōu)化列表見表4。

表4 采樣點優(yōu)化列表Tab.4 Sampling Node Optimization List

點線距、點點距、線線距為以上的多項組合。

之后，再去除重復(fù)點，就得到了優(yōu)化后的實際采樣坐標，算法流程如圖5。

圖5 自動定位算法流程Fig.5 Auto-Positioning Algorithm Flow

3 測試驗證

最后將以上設(shè)計思路進行編程實現(xiàn)，以驗證實際效果。首先，選取零件圖紙文件，例如“厚度儀安裝板.dxf”載入解析器，得到結(jié)果如圖6所示。

圖6 DXF重構(gòu)Fig.6 DXFRestructure

然后分別測試4種測量項目的自動規(guī)劃算法，得到結(jié)果如圖7～10。

以上所有采樣點若通過手工輸入，至少需要21次操作，并且容易出錯。使用本文算法自動生成規(guī)劃方案，只需要4次交互，高效且可靠，節(jié)省時間75%，達到了設(shè)計目標。

4 總結(jié)

圖7 直線度測量采樣點生成Fig.7 Straightness Measuring Node Generation

圖8 點點距測量采樣點生成Fig.8 Point to Point Measuring Node Generation

圖9 兩線夾角測量采樣點生成Fig.9 Two Lines'Included Angle Measuring Node Generation

圖10 線線距測量采樣點生成Fig.10 Lines'Distance Measuring Node Generation

基于圖像交互的機器視覺尺寸檢測系統(tǒng)智能規(guī)劃算法，能有效提高現(xiàn)有檢測系統(tǒng)的整體效率。形狀越復(fù)雜、檢測參數(shù)越多的零件，縮短的規(guī)劃時間越多（在圖元總數(shù)不變情況下，隨檢測點數(shù)目線性增加）。

本算法不僅僅能運用于平面尺寸檢測系統(tǒng)，也很容易拓展到涉及二維定位的其他系統(tǒng)上，如加工制造；適應(yīng)性較強，與其他算法搭配也能應(yīng)用于三維空間定位系統(tǒng)。

參考文獻：

［1］劉霞.工業(yè)零件形狀尺寸的機器視覺檢測系統(tǒng)的研究［D］.哈爾濱：哈爾濱理工大學(xué)，2009.

［2］張燕，王貴成，張占勝.機器視覺定位平臺的研究與應(yīng)［J］.機電產(chǎn)品開發(fā)與創(chuàng)新，2012，25（5）：30-31.

［3］梁艷青.基于DXF文件的數(shù)控自動編程系統(tǒng)的設(shè)計與實現(xiàn)［D］.沈陽：中國科學(xué)院沈陽計算技術(shù)研究所，2015.

［4］付泰，王桂棠，程書豪，等.基于機器視覺的復(fù)雜平面零件尺寸精密檢測［J］.機電工程技術(shù)，2016，45（08）：7-9.

［5］呂欣澤.基于DXF文件的激光雕刻系統(tǒng)的設(shè)計與實現(xiàn)［D］.天津：天津師范大學(xué)，2010.

［6］馬凱，楊澤林，呂靜.基于DXF文件的CAD/CAM刀具路徑優(yōu)化與生成［J］.機床與液壓，2011，39（10）：40-42.

［7］鄧小峰.基于機器視覺的零件識別和測量系統(tǒng)研究［D］.南京：南京航空航天大學(xué)，2014.

［8］葉鵬，高興宇.基于機器視覺的工業(yè)零件通用檢測平臺［J］.桂林電子科技大學(xué)學(xué)報，2016，36（3）：227-230.

［9］盧婷婷.基于DXF文件的水切割機床軌跡優(yōu)化及仿真加工的研究與實現(xiàn)［D］.南京：南京航空航天大學(xué)，2010.

［10］姚宜斌，孔建.基于DXF文件的圖件轉(zhuǎn)換方法研究及程序?qū)崿F(xiàn)［J］.大地測量與地球動力學(xué)，2011，31（1）：118-122.

［11］但永平，張蕾，張國濤，等.基于VC++的DXF數(shù)據(jù)文件接口程序設(shè)計［J］.電子設(shè)計工程，2012，20（23）：70-74.

［12］陳大川，許小東，陳永彬，等.基于機器視覺的鉸鏈精密檢驗系統(tǒng) ［J］.機電工程技術(shù)，2015（3）：64-67.

［13］董富強.基于機器視覺的零件輪廓尺寸精密測量系統(tǒng)研究［D］.天津：天津科技大學(xué)，2014.

［14］馬建偉，趙朋可.基于機器視覺和OPC的多軸運動控制實驗平臺設(shè)計［J］.工業(yè)儀表與自動化裝置，2013（6）：35-38.