馮 淼，周傳德，孟明輝

(重慶科技學(xué)院 機(jī)械與動(dòng)力工程學(xué)院，重慶 401331)

0 引 言

鋁合金零件具有輕而堅(jiān)韌、耐腐蝕等優(yōu)點(diǎn)，在國(guó)防、航天、電力等行業(yè)廣泛應(yīng)用[1]。目前，鋁合金零件的人工檢測(cè)和二次元檢測(cè)的方法，難以滿足市場(chǎng)高質(zhì)量和高精度的要求，且檢測(cè)速度較慢。機(jī)器視覺檢測(cè)具有非接觸、檢測(cè)效率高、精度高和在線檢測(cè)的優(yōu)勢(shì)[2]，在國(guó)內(nèi)外已得到了廣泛應(yīng)用[3-5]。鋁合金零件的表面相對(duì)光亮，反射較強(qiáng)，采集表面清晰輪廓難，且針對(duì)尺寸較大的零件難以檢測(cè)或者檢測(cè)精度低，暫時(shí)還沒有通過視覺系統(tǒng)對(duì)鋁合金零件進(jìn)行自動(dòng)檢測(cè)的相關(guān)研究。

本文利用機(jī)器視覺與數(shù)字圖像處理相結(jié)合的方法[6]，針對(duì)表面鋁合金零件表面高反光的難題，提出解決尺寸較大零件檢測(cè)精度低的具體方案，并完成零件表面加工誤差在線自動(dòng)檢測(cè)的任務(wù)。

1 檢測(cè)系統(tǒng)組成

鋁合金零件的幾何形狀如圖1所示。

圖1 待測(cè)零件實(shí)物圖。①—凹臺(tái)或圓孔；②—零件平面

鋁合金零件的加工通常有零件表面幾何形狀誤差、定位誤差、尺寸誤差。由圖1可以看出：由于鋁合金零件表面的高反光，凹臺(tái)或圓孔(如圖1中①所示)與零件平面(如圖1中②所示)之間的邊緣輪廓線不易于準(zhǔn)確識(shí)別提取，因此設(shè)計(jì)合理的圖像采集系統(tǒng)顯得尤為重要。

1.1 檢測(cè)系統(tǒng)硬件構(gòu)成

檢測(cè)系統(tǒng)硬件主要由計(jì)算機(jī)、CCD(charge-coupled device)相機(jī)、鏡頭、平行光源和兩軸運(yùn)動(dòng)控制平臺(tái)等部分組成，如圖2所示。

圖2 機(jī)器視覺檢測(cè)系統(tǒng)

檢測(cè)系統(tǒng)重要構(gòu)件：

(1)鏡頭—工業(yè)遠(yuǎn)心鏡頭。遠(yuǎn)心鏡頭有著高分辨率、低畸變且圖像放大倍率不隨物距變化等優(yōu)勢(shì)，避免了圖像的透視變形，從而采集高精度鋁合金零件表面圖像，解決對(duì)精確測(cè)量帶來的影響；

(2)光源—同軸平行光源。在零件上方打平行光解決了凹臺(tái)帶來的陰影干擾，同軸平行光源結(jié)構(gòu)類似暗箱避免了環(huán)境光線的干擾，解決了鋁合金零件高反光問題，獲取清晰平面幾何特征邊緣輪廓；

(3)載物臺(tái)—兩軸運(yùn)動(dòng)平臺(tái)。帶動(dòng)被測(cè)件運(yùn)動(dòng)，采集多幅高精度局部圖像并拼接合成，突破檢測(cè)尺寸大小局限問題。

鋁合金零件檢測(cè)時(shí)，兩軸運(yùn)動(dòng)平臺(tái)帶動(dòng)被測(cè)件運(yùn)動(dòng)，使鋁合金零件表面依次在相機(jī)上成像，采集多幅局部圖像并在計(jì)算機(jī)上進(jìn)行拼接合成，獲得完整鋁合金零件表面待測(cè)圖像，由計(jì)算機(jī)進(jìn)行后續(xù)的檢測(cè)處理。

1.2 檢測(cè)系統(tǒng)軟件構(gòu)成

檢測(cè)系統(tǒng)軟件組成主要由標(biāo)定模塊、圖像采集模塊、運(yùn)動(dòng)合成模塊、檢測(cè)模塊幾部分構(gòu)成。經(jīng)預(yù)處理、邊緣輪廓提取一系列處理后，提取零件圖像特征；利用模板匹配算法對(duì)提取的圖像特征與標(biāo)準(zhǔn)零件CAD圖進(jìn)行比對(duì)、判識(shí)、誤差分析。

2 自動(dòng)檢測(cè)流程

鋁合金自動(dòng)檢測(cè)流程如圖3所示。

圖3 自動(dòng)檢測(cè)流程

在零件檢測(cè)過程中，如何獲取足夠大鋁合金零件圖像、提取高精度輪廓、與標(biāo)準(zhǔn)CAD圖匹配判識(shí)是要解決的主要問題。

2.1 基于運(yùn)動(dòng)合成的圖像采集

在圖像采集前，首先調(diào)整光源強(qiáng)度保證采集圖片的清晰度，再進(jìn)行系統(tǒng)標(biāo)定，標(biāo)定完成后保持光源強(qiáng)度與相機(jī)位置不變；然后通過CCD相機(jī)和被測(cè)零件相對(duì)位置的變化，采集多幅局部高精度圖像并拼接合成；最終得到完整的高精度零件表面圖像。運(yùn)動(dòng)合成的關(guān)鍵是精確地系統(tǒng)標(biāo)定和圖像拼接合成技術(shù)，即建立運(yùn)動(dòng)坐標(biāo)系與相機(jī)坐標(biāo)系轉(zhuǎn)換關(guān)系，通過運(yùn)動(dòng)前后零件在相機(jī)坐標(biāo)系中坐標(biāo)的變化完成圖像拼接合成操作。

2.1.1 系統(tǒng)的標(biāo)定

一個(gè)點(diǎn)從世界坐標(biāo)系到攝像機(jī)坐標(biāo)系的變換屬于剛性變換，也就是平移和旋轉(zhuǎn)組成。故世界坐標(biāo)系點(diǎn)Pw=(xw,yw,zw)T與攝像機(jī)坐標(biāo)系點(diǎn)Pc=(xc,yc,zc)T的關(guān)系為：

Pc=RPw+T

(1)

式中：Pc—相機(jī)坐標(biāo)系；Pw—世界坐標(biāo)系；T—平移向量，T=(tx,ty,tz)T；R—旋轉(zhuǎn)矩陣,R=(α,β,γ)。

R由旋轉(zhuǎn)角度確定，分別是繞相機(jī)坐標(biāo)系Z軸旋轉(zhuǎn)角度γ，繞Y軸旋轉(zhuǎn)角度β，繞X軸旋轉(zhuǎn)角度α。R、T中的6個(gè)參數(shù)(α,β,γ,tx,ty,tz)與相機(jī)無關(guān)，被稱為攝像機(jī)的外參數(shù)，它們決定了攝像機(jī)坐標(biāo)系與世界坐標(biāo)系之間的相對(duì)位置關(guān)系。

本研究利用棋盤格標(biāo)定板，將標(biāo)定板直接放在運(yùn)動(dòng)平臺(tái)上即檢測(cè)平面上，那么該標(biāo)定板的外參就等同于檢測(cè)平面的位姿。將攝像機(jī)進(jìn)行標(biāo)定并且得到攝像機(jī)與檢測(cè)平面的位姿關(guān)系，就可以使用該平面上的單幅圖像進(jìn)行精確測(cè)量。調(diào)節(jié)光源強(qiáng)度并控制運(yùn)動(dòng)平臺(tái)帶動(dòng)標(biāo)定板沿X軸運(yùn)動(dòng)一定距離，通過運(yùn)動(dòng)前后相機(jī)的坐標(biāo)，從而計(jì)算出運(yùn)動(dòng)平臺(tái)和相機(jī)之間的運(yùn)動(dòng)比例尺。

2.1.2 圖像的運(yùn)動(dòng)合成

調(diào)節(jié)光源強(qiáng)度，拍下零件左上角第一張圖，根據(jù)標(biāo)定所得比例尺(記作R)和固定的相機(jī)視野范圍2 592×1 944(像素)，移動(dòng)運(yùn)動(dòng)平臺(tái)向負(fù)X方向移動(dòng)2 592/R(像素)，然后向正Y方向移動(dòng)2 592/R×sinα(像素)用以補(bǔ)償Y方向誤差，原理如圖4所示。

圖4 運(yùn)動(dòng)原理圖(Xw,Yw)—世界坐標(biāo)系；(Xc,Yc)—相機(jī)坐標(biāo)系；為了便于顯示，α值有所放大

同理直到拍完第一排。同理，當(dāng)拍完第一排最后一張后，移動(dòng)平臺(tái)向正Y方向移動(dòng)1 944/R(像素)，同時(shí)向正X方向移動(dòng)1 944 sinα/R(像素)用以補(bǔ)償X方向誤差。后面拍攝原理以此類推，相機(jī)相對(duì)零件以“S型”路徑依次拍攝局部圖，直到拍攝全部完成。

在獲取每張圖片時(shí)，同時(shí)記錄圖片當(dāng)前的左上角頂點(diǎn)在相機(jī)坐標(biāo)系下的坐標(biāo)，以每張局部圖的記錄坐標(biāo)為參考，在相機(jī)坐標(biāo)系下進(jìn)行圖像拼接，經(jīng)過反復(fù)試驗(yàn)，最終合成誤差在1個(gè)像素(0.02 mm)內(nèi)，即普通光學(xué)顯微鏡精度。運(yùn)動(dòng)合成過程圖如圖5所示。

圖5 運(yùn)動(dòng)合成過程圖

2.2 亞像素輪廓提取

為達(dá)到質(zhì)量精度要求更高的生產(chǎn)需求，筆者采用提取亞像素輪廓[7]，提高檢測(cè)精度。Canny算法具有良好的信噪比[8]，對(duì)單一邊緣具有唯一響應(yīng)，特別是其中的高低域值的自適應(yīng)選取，使得在邊緣檢測(cè)的正確率上得到很大的優(yōu)化，因此邊緣提取的精度也會(huì)得到相應(yīng)提高。雙線性插值法相比最鄰近插值法和雙立方插值法具有較快的執(zhí)行速度和較高的插值精度[9]。本研究利用Canny算子得到的像素級(jí)邊緣輪廓線，通過雙線性插值算法得到亞像素精度邊緣輪廓線，從而提高了對(duì)鋁合金零件輪廓提取的精度，邊緣輪廓線圖如圖6所示。

圖6 邊緣輪廓線圖

2.3 模板匹配

模板匹配主要是研究某一特定對(duì)象位于圖像中的位置，從而識(shí)別對(duì)象。模板一般是從圖像原點(diǎn)開始，沿著圖像中的所有點(diǎn)移動(dòng)模板，并計(jì)算每個(gè)位置的相似度量[10]。當(dāng)圖像尺寸較大，信息量較多時(shí)，圖像處理所需要的時(shí)間很長(zhǎng)。為提高檢測(cè)效率，首先采用標(biāo)準(zhǔn)CAD圖與提取的零件亞像素邊緣輪廓進(jìn)行比對(duì)、判識(shí)，其次通過幾何坐標(biāo)變換能對(duì)圖像實(shí)現(xiàn)空間平移、縮放和旋轉(zhuǎn)操作完成模板定位，最終進(jìn)行圖像的匹配，實(shí)現(xiàn)基于圖像幾何變換的定位，模板匹配過程圖如圖7所示。

圖7 模板匹配過程圖

2.4 檢測(cè)方法

本研究在模板匹配基礎(chǔ)上，采用速度快，可靠性高的基于幾何形狀的金字塔分層模板匹配算法，對(duì)零件進(jìn)行由外到內(nèi)的幾何特征尺寸檢測(cè)，對(duì)每個(gè)特征進(jìn)行亞像素定位，找出這一特征區(qū)域的邊緣，完成邊緣之間長(zhǎng)度的測(cè)量，對(duì)提取的圓孔采用隨機(jī)Hough變換的改進(jìn)算法，對(duì)圓心和半徑進(jìn)行檢測(cè)識(shí)別，實(shí)現(xiàn)由粗到精的匹配策略以提高匹配速度[11]。本研究選取的待測(cè)鋁合金零件圖如圖1所示，在該圖中包含了零件中最常見的矩形、圓孔等幾何圖形。

待測(cè)零件參數(shù)示意圖如圖8所示。

圖8 待測(cè)零件參數(shù)示意圖

為便于后續(xù)描述，筆者對(duì)零件中每個(gè)待測(cè)尺寸特征加上數(shù)字或字母標(biāo)注，如圖8(a，b)所示。為提高系統(tǒng)整體檢測(cè)效率，本研究首先進(jìn)行角度尺寸誤差的測(cè)量，再完成長(zhǎng)度尺寸誤差的測(cè)量。為提高系統(tǒng)長(zhǎng)度尺寸檢測(cè)效率，首先進(jìn)行最外層矩形尺寸的誤差判斷，即圖8(b)中A、B尺寸編號(hào)的測(cè)量，若誤差大于設(shè)定值則直接判斷為缺陷零件；當(dāng)誤差在允許的范圍內(nèi)則進(jìn)行下一層圓孔和凹臺(tái)的定位誤差、尺寸誤差的測(cè)量判別，即圖8(b)中1至11尺寸編號(hào)的測(cè)量判別。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 模板匹配的可靠性

利用相似度值衡量匹配精度，其值介于0～1.0之間。當(dāng)相似度為1.0時(shí)，采集圖像與模板完全匹配；當(dāng)分?jǐn)?shù)為0.0時(shí)，采集圖像與模板完全不匹配。

對(duì)10個(gè)標(biāo)準(zhǔn)散熱片鋁合金零件模板匹配的測(cè)試結(jié)果如表1所示。

表1 模板匹配定位結(jié)果

3.2 系統(tǒng)檢測(cè)分析

3.2.1 角度尺寸檢測(cè)

本研究以散熱片零件為檢測(cè)對(duì)象，首先對(duì)零件進(jìn)行角度誤差檢測(cè)，以測(cè)量零件4個(gè)直角為例進(jìn)行檢測(cè)。模板匹配后得出相應(yīng)4個(gè)頂點(diǎn)(如圖8(a))的坐標(biāo)，檢測(cè)結(jié)果如表2所示。

表2 頂點(diǎn)坐標(biāo)檢測(cè)結(jié)果

通過頂點(diǎn)坐標(biāo)得出角度檢測(cè)結(jié)果如表3所示。

表3 角度尺寸檢測(cè)結(jié)果

3.2.2 長(zhǎng)度尺寸檢測(cè)

若角度尺寸檢測(cè)合格，則用該方法進(jìn)行長(zhǎng)度尺寸誤差自動(dòng)檢測(cè)，零件的設(shè)計(jì)尺寸如圖8(b)所示，結(jié)果如表4所示。

表4 零件尺寸檢測(cè)結(jié)果

檢測(cè)結(jié)果表明：各幾何特征尺寸誤差在允許公差范圍內(nèi)，是合格產(chǎn)品。測(cè)量精度達(dá)到了0.1 μm，前期圖像合成精度高于0.02 mm，綜合得到最終系統(tǒng)檢測(cè)精度高于0.02 mm。選取幾種現(xiàn)有鋁合金零件檢測(cè)方法與本文檢測(cè)方法進(jìn)行對(duì)比。本文選取的對(duì)比方法有耿磊等人[12]提出的獲取零件上表面的邊緣方法和厚度轉(zhuǎn)換模型檢測(cè)方法、賀雅琴等人[13]提出的圓形零部件直徑測(cè)量算法，對(duì)比結(jié)果如表5所示。

表5 不同檢測(cè)方法精度對(duì)比結(jié)果

對(duì)比結(jié)果發(fā)現(xiàn)：本文檢測(cè)方法與其他兩種具有代表性的零件檢測(cè)方法相比具有更大的檢測(cè)范圍與更高的檢測(cè)精度。

4 結(jié)束語

幾何特征的加工誤差檢測(cè)是保證產(chǎn)品質(zhì)量的關(guān)鍵，本文基于機(jī)器視覺，針對(duì)鋁合金平面幾何特征誤差檢測(cè)方法的關(guān)鍵技術(shù)進(jìn)行了研究，具體如下：

(1)針對(duì)鋁合金零件表面高反光的問題，采用同軸平行光源，并與遠(yuǎn)心鏡頭配合，保證了采集到的圖像清晰、穩(wěn)定；

(2)為保證檢測(cè)精度并可檢測(cè)足夠大尺寸零件，采用光學(xué)系統(tǒng)和兩軸運(yùn)動(dòng)平臺(tái)的配合，在運(yùn)動(dòng)中采集局部鋁合金零件表面高精度輪廓合成完整圖像的方式，解決了零件檢測(cè)受到尺寸大小限制的問題，擴(kuò)展了其應(yīng)用范圍；

(3)針對(duì)鋁合金零件表面氧化等其它因素的干擾，提高在線檢測(cè)的可靠性，降低檢測(cè)時(shí)間，利用Canny算子，并結(jié)合雙線性插值方法提取了鋁合金零件亞像素級(jí)邊緣，與標(biāo)準(zhǔn)鋁合金零件CAD圖進(jìn)行了匹配、判識(shí)，減少了檢測(cè)時(shí)間，提高了檢測(cè)的準(zhǔn)確度。

實(shí)驗(yàn)結(jié)果表明：該鋁合金零件表面加工誤差檢測(cè)方法檢測(cè)精度高于0.02 mm，可以實(shí)現(xiàn)鋁合金零件表面加工誤差的非接觸、高精度、高效率的自動(dòng)檢測(cè)。

參考文獻(xiàn)(References):

初中學(xué)生健康生活意識(shí)的培養(yǎng)需要教師能夠從教材內(nèi)容中進(jìn)行挖掘，并能夠采取有效的教學(xué)手段對(duì)學(xué)生進(jìn)行引導(dǎo)，進(jìn)而有效地培養(yǎng)學(xué)生健康生活意識(shí)的養(yǎng)成。

[1] 韋 韡,蔣 鵬,唐永夫，等.鋁合金筋類零件鍛造缺陷分析[J].鍛壓技術(shù),2012,37(4):18-21.

[2] DWORKMI S B, NYE T J. Image processing for machine vision measurement of hot formed parts[J].MaterialsProcessingTechnology,2006,174(1-3):1-6.

[3] 陳向偉,肖 冰,高 強(qiáng).基于機(jī)器視覺的電容器鋁殼端面缺陷檢測(cè)[J].工藝與檢測(cè),2013(12):122-125.

[4] 高 潮,任 可,郭永彩.基于機(jī)器視覺的裂紋缺陷檢測(cè)技術(shù)[J].航空精密制造技術(shù),2013,43(5):23-25.

[5] 付 泰，王桂棠，程書豪.基于機(jī)器視覺的復(fù)雜平面零件尺寸精密檢測(cè)[J].機(jī)電工程技術(shù)，2016，45(8)：7-9，84.

[6] 張勇斌.基于機(jī)器視覺的三維灰度重構(gòu)技術(shù)[J].光學(xué)與光電技術(shù),2008,6(1):62-64.

[7] 章海濤,程維明.一種基于圖像處理的亞像素測(cè)量方法[J].上海大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，11(5)：485-489.

[8] 張玲艷.基于Canny理論的自適應(yīng)邊緣檢測(cè)方法研究[D].西安:西北大學(xué)信息科學(xué)與技術(shù)學(xué)院,2009.

[10] 雷 蕾,李言俊,張 科.圖像目標(biāo)質(zhì)心快速搜索算法[J].紅外技術(shù),2007,29(9):548-551.

[11] 蘇呂潔.一種變化環(huán)境下的景象匹配方法[D].武漢:華中科技大學(xué)機(jī)械科學(xué)與工程學(xué)院,2010.

[12] 耿 磊,葉 琨,肖志濤，等.上下邊緣區(qū)分的平面鈑金零件尺寸測(cè)量方法[J].紅外與激光工程，2016，45(6)：196-202.

[13] 賀雅琴,李 琳.基于機(jī)器視覺的零件尺寸檢測(cè)的研究[J].煤礦機(jī)械，2010，31(6):102-104.