蘇 波,宋照肅

(河南理工大學(xué)電氣工程與自動化學(xué)院，河南 焦作 454000)

0 引言

在工業(yè)生產(chǎn)過程中，要求手機(jī)邊框關(guān)鍵位置的檢測具有一定的精度和速度。傳統(tǒng)檢測方法的精度和速度都有一定的局限性，已經(jīng)很難滿足現(xiàn)代化工業(yè)的要求。手機(jī)機(jī)身輪廓定位檢測的難點就是圓弧的查找以及與直線邊緣的銜接。采用現(xiàn)代機(jī)器視覺檢測技術(shù)，通過圖像處理來完成工業(yè)測量檢測，具有非接觸、柔性好、精度高、速度快、自動化和智能化水平高等優(yōu)點，可以很好地滿足現(xiàn)代化工業(yè)生產(chǎn)的要求，確保產(chǎn)品的質(zhì)量[1-2]。

本文利用機(jī)器視覺軟件halcon搭建的檢測系統(tǒng)，通過圖像預(yù)處理、擬合參數(shù)等步驟，得到手機(jī)邊框的輪廓。

1 成像模型中參數(shù)的確定

成像模型中，參數(shù)的確定是通過標(biāo)定過程實現(xiàn)的。在精密測量領(lǐng)域，標(biāo)定環(huán)節(jié)是實現(xiàn)和保證精度的關(guān)鍵[3]。對于視覺測量而言，被測對象除通過分析二維圖像特征坐標(biāo)得到的光學(xué)成像外，還涉及圖像傳輸、圖像處理、結(jié)構(gòu)設(shè)計、系統(tǒng)組建等多個環(huán)節(jié)，使精度控制和標(biāo)定問題更加突出。

此局部標(biāo)定可消除引入激光BOX的誤差，構(gòu)建CCD圖像坐標(biāo)系與激光打標(biāo)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系。局部標(biāo)定的原理是:利用激光打標(biāo)圖檔，在3M紙上相應(yīng)成型薄膜(in modling film,IMF)輪廓線位置周圍打出圓的陣列，同時打出六個比較大的Mark點。Mark點分別分布在打標(biāo)圖檔的上、中、下三個部分，每個部分各兩個。打標(biāo)圖檔中，所有圓的坐標(biāo)都是已知的。打標(biāo)好的3M紙在CCD下，分別保存IMF在三個位置的圖像。標(biāo)定過程中，利用Mark點把圖像旋轉(zhuǎn)正，對圓的陣列區(qū)域進(jìn)行切分。每四個圓切分成一個小區(qū)域，然后在小區(qū)域內(nèi)進(jìn)行標(biāo)定，并計算出小區(qū)域內(nèi)CCD

圖像坐標(biāo)系與激光打標(biāo)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系，俗稱轉(zhuǎn)換矩陣。對于小區(qū)域內(nèi)圖像坐標(biāo)系下的坐標(biāo)，可以利用對應(yīng)的小區(qū)域轉(zhuǎn)換矩陣，計算出在激光打標(biāo)坐標(biāo)系內(nèi)的相對坐標(biāo)。

2 檢測系統(tǒng)構(gòu)成及規(guī)格參數(shù)

2.1 系統(tǒng)構(gòu)成

機(jī)器視覺的檢測系統(tǒng)主要通過工業(yè)面陣相機(jī)采集圖像，工業(yè)相機(jī)進(jìn)行標(biāo)定；利用機(jī)器視覺軟件halcon處理相機(jī)采集到的圖像，并通過典型邊緣檢測方法找出手機(jī)邊框的各個直邊；通過邊緣擬合方法，找到手機(jī)邊框的輪廓。

檢測系統(tǒng)流程如圖1所示。

圖1 檢測系統(tǒng)流程圖

2.2 規(guī)格參數(shù)

硬件主要由工業(yè)面陣相機(jī)、光學(xué)鏡頭、可調(diào)節(jié)光源、運動控制平臺等組成，圖像處理模塊主要由Halcon和VC++編程軟件組成。系統(tǒng)硬件和軟件參數(shù)如表1所示。

表1 系統(tǒng)硬件和軟件參數(shù)

采用工業(yè)面陣相機(jī)、光學(xué)鏡頭、計算機(jī)以及機(jī)器視覺軟件halcon等部件，搭建一個簡易的機(jī)器視覺檢測系統(tǒng)。該檢測系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2 檢測系統(tǒng)結(jié)構(gòu)圖

3 圖像處理

視覺測量中的圖像處理大都包括預(yù)處理和精密處理兩個環(huán)節(jié)。預(yù)處理是在保證算法穩(wěn)定性的前提下實現(xiàn)特征的概略定位分析，消除對特征提取敏感的噪聲數(shù)據(jù)和冗余信息，為后續(xù)的精密處理作準(zhǔn)備。常用的預(yù)處理方法主要包括圖像濾波、特征增強(qiáng)、區(qū)域分割和邊緣檢測等[4-7]。將手機(jī)邊框分上、中、下三部分，每部分獨立定位輪廓，再利用三部分各自的基準(zhǔn)點進(jìn)行拼接，以形成一個完整的閉合輪廓[8-9]。

3.1 拉普拉斯高斯算子

由于拉普拉斯(Laplacian)算子對噪聲特別敏感，為了減少噪聲的影響，Marr與Hildreth將高斯函數(shù)與Laplacian算子相結(jié)合，提出了拉普拉斯高斯(Laplacian of Gaussian，LoG)算子。其基本思想是先用高斯函數(shù)進(jìn)行平滑處理，再用Laplacin算子進(jìn)行邊緣檢測。

采用LoG算子，對手機(jī)邊框的邊緣進(jìn)行平滑和檢測：先找到各個邊以及圓弧，再利用基準(zhǔn)點的坐標(biāo)信息形成閉合輪廓。

對于圖像f(x,y)，首先用高斯函數(shù)G(x,y)與圖像作卷積平滑噪聲，表示為：

g(x,y)=G(x,y)×f(x,y)

(1)

對平滑后的圖像g(x,y)求二階導(dǎo)數(shù)。由線性系統(tǒng)中卷積和導(dǎo)數(shù)的可交性得到：

(2)

(3)

根據(jù)式(3)可知，參數(shù)σ越大，平滑程度越顯著，對噪聲的抑制效果越好。在實際應(yīng)用中，根據(jù)噪聲和邊緣定位要求來選取參數(shù)。

3.2 邊框模板的建立

邊緣查找有找點模式和定位模式兩種，分別適用于建模和模板匹配。定位模式的優(yōu)點是在進(jìn)行圓弧查找的過程中，即使部分少量的點沒有找到，仍然可以很好地擬合出圓弧；但該模式的精度不及找點模式。

將手機(jī)邊框分成上、中、下三部分，對每一部分分別建立模板，再根據(jù)各自的基準(zhǔn)點擬合成一個完整的輪廓。

(1)上半部分：利用LoG找邊算法，分別找出左側(cè)邊緣、右側(cè)邊緣、上側(cè)邊緣。

①找邊算法在建模界面上開放了相關(guān)參數(shù)，比如取點方向、取點方式、閾值、平滑系數(shù)、找邊寬度，方便調(diào)整參數(shù)抓取更真實的邊界。

②根據(jù)找到的左邊緣和上邊緣端點，依次生成生成卡尺找點工具；調(diào)整左圓弧參數(shù)找出圓弧邊界點，把一系列的點擬合出來并生成左圓弧。如果找點模式生成的左圓弧邊界很好，可以以此左圓弧創(chuàng)建左圓弧定位模板，設(shè)置左側(cè)基準(zhǔn)點，跟隨定位模式下的幾何定位中心，為定位模式作準(zhǔn)備。

③根據(jù)找到上邊緣和右邊緣的端點，依次生成卡尺找點工具，調(diào)整右圓弧參數(shù)找出圓弧邊界點，把一系列的點擬合并生成右圓弧。如果找點模式生成的右圓弧邊界很好，可以以此右圓弧創(chuàng)建右圓弧定位模板，設(shè)置右側(cè)基準(zhǔn)點，跟隨定位模式下的幾何定位中心，為定位模式作準(zhǔn)備。

④對左邊緣、左圓弧、上邊緣、右圓弧、右邊緣進(jìn)行擬合，生成上半部分輪廓。

(2)中間部分：利用2D找邊算法分別找出左側(cè)邊緣、右側(cè)邊緣。

①找邊算法在建模界面上進(jìn)行了相關(guān)參數(shù)開放，比如取點方向、取點方式、閾值、平滑系數(shù)、找邊寬度，方便調(diào)整參數(shù)抓取更真實的邊界。

②根據(jù)找到的左右兩側(cè)直線，生成中間部分的兩段輪廓。

(3)下半部分輪廓查找步驟與上半部分相同，在此不作贅述。

3.3 最小二乘模板匹配法

最小二乘模板匹配法具有精度高、穩(wěn)定性和靈活性強(qiáng)等優(yōu)點，是目前應(yīng)用廣泛的高精度模板匹配方法[10-11]。利用最小二乘模板匹配方法實現(xiàn)特征邊緣提取，由于被測特征模式在測量前已知，根據(jù)被測特征的預(yù)定模式，通過數(shù)學(xué)分析的方法生成一個理想的小塊邊緣模板。將此模板與測量圖像進(jìn)行匹配，精確提取特征的邊緣位置，進(jìn)而利用解析方法求解被提取特征的特征點。

設(shè)f(x,y)為給定模板的灰度、g(x,y)為測量圖像匹配窗口的灰度。由于模板與測量圖像的匹配子圖間存在放射變換，有:

(4)

式中:(xf,yf)為給定模板上的點；(xg,yg)為測量圖像中的對應(yīng)點。

匹配過程就是解算出變換參數(shù)(a0,a1,a2,b0,b1,b2)。由于待提取邊緣點在給定模板上的精確坐標(biāo)已知，在獲得精確變換參數(shù)的情況下，即可得到測量圖像中待提取邊緣點的精確位置。g(xg,yg)在a0=0、a1=1、a2=0、b0=0、b1=b2=1處展開成泰勒級數(shù)，結(jié)合式(4)，有:

(5)

式中:(da0,da1,da2,db0,db1,db2)為變換參數(shù)(a0,a1,a2,b0,b1,b2)的改正數(shù)。

由式(5)可知,對應(yīng)點的灰度差為:

(6)

依據(jù)最小二乘法準(zhǔn)則可知，方均誤差最小，因此有:

(7)

式中:求和符號是對窗口內(nèi)的所有像素點求和。

(8)

由式(7)可推出下列矩陣方程：

(9)

式中：Δ=g(xf,yf)-f(xf,yf)。

求解此矩陣方程，即可獲得變換參數(shù)的改正數(shù)(da0,da1,da2,db0,db1,db2)。

最小二乘法是一個迭代的過程。將第一步的粗提取結(jié)果作為變換參數(shù)的迭代值，根據(jù)矩陣方程求解變換參數(shù)的改正數(shù)，進(jìn)而用改正后的參數(shù)對測量圖像中的點進(jìn)行重采樣。計算模板與匹配子圖的相關(guān)系數(shù)；若相關(guān)系數(shù)大于預(yù)定閾值，則迭代結(jié)束計算出最優(yōu)匹配位置和相應(yīng)的誤差；否則，重復(fù)迭代過程。應(yīng)用最小二乘模板匹配法，通常將測量圖像中的待匹配子圖像旋轉(zhuǎn)成水平影像，采用一維搜索實現(xiàn)匹配。

4 重復(fù)性試驗和穩(wěn)定性試驗

4.1 重復(fù)性試驗

為了確定邊緣檢測系統(tǒng)的重復(fù)測量精度，采用傳統(tǒng)的檢測方法對大量物料進(jìn)行邊緣檢測，以查看各個直邊和圓弧并且測量其誤差。該系統(tǒng)要求誤差在0.01 mm以內(nèi)。對10片物料分別進(jìn)行邊緣檢測，并測得誤差。

根據(jù)式(9)，對數(shù)據(jù)進(jìn)行平均誤差的計算。

(10)

式中：xi為第i次測量的數(shù)據(jù)；u(x)為平均誤差。

由以上結(jié)果得出本系統(tǒng)的平均誤差為0.002 9 mm。

4.2 穩(wěn)定性試驗

該系統(tǒng)要求物料邊緣的檢測誤差必須在0.001 mm以內(nèi)。對10片物料分別進(jìn)行邊緣檢測，再將其放在檢測系統(tǒng)的測量位置進(jìn)行100次測量，利用圖像處理技術(shù)獲取其像素值。檢測結(jié)果表明，該系統(tǒng)檢測基本無誤，具有一定的可行性。

5 結(jié)束語

通過對物料邊緣的視覺檢測簡易系統(tǒng)的分析，利用COMS相機(jī)對物料進(jìn)行實時圖像采集，并進(jìn)行圖像增強(qiáng)、圖像分割、圖像細(xì)化等一系列預(yù)處理操作。運用計算機(jī)視覺halcon軟件庫中的編寫代碼程序?qū)κ謾C(jī)機(jī)身輪廓分段定位檢測，從而獲取輪廓的直線邊和圓弧處的位置像素值；再利用基準(zhǔn)點對圖像進(jìn)行拼接，形成一個完整的閉合輪廓。在圖像處理界面上建立手機(jī)邊框的模板，再利用最小二乘模板匹配方法進(jìn)行模板匹配。同時，對重復(fù)性和穩(wěn)定性進(jìn)行了試驗分析。試驗結(jié)果表明，該測量系統(tǒng)的精度可達(dá)0.001 mm，平均誤差達(dá)到0.002 9 mm，滿足測量要求。該系統(tǒng)具有一定的可靠性。