趙棋唯，李永橋，謝松樂

（1.西南科技大學(xué)城市學(xué)院，四川 綿陽 621010；2.西南科技大學(xué)制造科學(xué)與工程學(xué)院，四川 綿陽 621010）

1 引言

薄板零部件廣泛應(yīng)用在工業(yè)領(lǐng)域，如汽車、電子電器、儀器儀表等，其中一些薄板的表面分布有孔形、孔尺寸及分布位置變化的孔，現(xiàn)有測量方式對其幾何參數(shù)的測量多以接觸式離線測量為主，其測量效率低，無法滿足生產(chǎn)對效率、自動化程度等方面的要求[1-2]。

機器視覺技術(shù)以其能實現(xiàn)多目標在線非接觸測量的優(yōu)點，在機械零部件幾何參數(shù)測量領(lǐng)域得到了持續(xù)的研究與應(yīng)用[3-5]。文獻[6]提出了大跨距孔組位置度誤差在線檢測方法，以Lab Windows/CVI 為平臺，建立孔組位置誤差模型，通過圖像特征提取、坐標位置變換等步驟，對某型玉米收獲機械底盤機架發(fā)動機的安裝孔組進行了試驗，結(jié)果表明，測量精度和效率均優(yōu)于傳統(tǒng)測量方式。文獻[7]對飛機蒙皮孔的加工精度視覺檢測進行了研究，對圖像進行增強、粗邊緣定位、空間矩亞像素邊緣位置提取等處理，最后通過最小二乘法得到孔擬合圓的圓度，測量結(jié)果與蒙皮孔的標準尺寸對比，驗證了設(shè)計的視覺測量系統(tǒng)能準確測量蒙皮孔的幾何參數(shù)。文獻[8]提出了一種非規(guī)則孔的視覺檢測方法，利用Canny 算子獲取孔邊緣，模板匹配進行非規(guī)則孔的定位，對孔邊緣擬合，提取圓孔中心，檢測精度達到0.2mm，滿足大部分非規(guī)則孔的檢測精度要求。

利用機器視覺技術(shù)對分布在板件表面的孔實時測量方法的研究取得了很多成果，但主要集中在對一定孔形的幾何參數(shù)進行測量，對分布在同個板件表面上不同形狀孔的幾何參數(shù)測量的研究較少，因此，以待鉚接薄板表面分布的多孔形孔組為測量對象，以機器視覺技術(shù)為基礎(chǔ)，在Matlab 平臺上通過閾值分割、ROI 提取、孔形識別、參數(shù)提取等處理實現(xiàn)孔組中心、直徑及邊長幾何參數(shù)的在線非接觸測量。

2 鉚接薄板孔組幾何參數(shù)視覺測量方法

2.1 視覺測量系統(tǒng)搭建及標定

以單目視覺技術(shù)為基礎(chǔ)搭建薄板鉚接孔組幾何參數(shù)視覺測量系統(tǒng)，其主要組成部分有工業(yè)相機、鏡頭、圖像采集卡、光源等，

各組成部分的位置，如圖1 所示。其中相機光軸垂直于薄板放置表面，光源照明方式為前向照明，板件下方安裝有背景板，用以突出目標孔特征，主要設(shè)備性能參數(shù)：（1）相機及圖像采集卡：華谷動力WP-GT500 型500 萬像素工業(yè)相機及其集成的圖像采集卡；（2）鏡頭：ZLKC 的VM04012-MPC 焦距（4～12）mm 鏡頭。

圖1 測量系統(tǒng)組成Fig.1 Component of Measurement System

系統(tǒng)標定的主要目的是消除相機及鏡頭產(chǎn)生的畸變、獲得相機像素分辨率與物理世界尺寸之間的關(guān)系[9]，利用式（1）圖像坐標系和世界坐標系之間的轉(zhuǎn)換關(guān)系對系統(tǒng)進行標定，標定后相機焦點垂直到薄板之間的距離Z0為798.010mm，焦距f=12.762mm，利用式（2）及式（3）計算可得單個像素所代表的世界坐標系下X，Y 方向的空間距離Sx，Sy。

式中：dx、dy—一個像素的x，y 方向物理尺寸；Dx、Dy—相機光軸在世界坐標系中的坐標；u0、v0—像平面坐標系原點在圖像坐標系中的坐標；δxr，δyr—在X，Y 方向上的徑向畸變量。經(jīng)標定計算得Sx=0.1410mm 和Sx=0.1375mm。

2.2 薄板孔組圖像處理算法

圖像處理的主要目的是獲取薄板鉚接孔圖像的目標區(qū)域。對獲取的薄板鉚接孔圖像進行灰度化處理，如圖2（a）所示?？走吘壌嬖诨叶戎递^亮的像素點，為消除其對后續(xù)圖像分割后孔邊緣的影響，需對孔邊緣灰度值較亮的像素點進行抑制，提高目標孔區(qū)域的提取精度，采用3×3 最小統(tǒng)計排序濾波的方法，消除邊緣灰度值較高像素對目標孔區(qū)域提取產(chǎn)生的干擾，即對模板內(nèi)的像

素灰度值進行最小值計算，將結(jié)果作為中心像素的灰度值，如式（4）所示。處理結(jié)果，如圖2（b）所示。

式中：G（i，j）—處理后模板中心的像素灰度值；f（s，t）—模板S 內(nèi)的所有像素的灰度值。

灰度化處理后的薄板鉚接孔組圖像灰度分布規(guī)律，如圖3所示。直方圖分布符合“兩峰一谷”的特點，可采用單閾值分割方法進行目標孔和背景的分離，得到二值圖像，采用Ostu 閾值分割方法分割目標孔區(qū)域與背景[10]，如式（5）所示。分割結(jié)果，如圖2（d）所示。

其中，均值u0和u1為目標區(qū)域C0和背景區(qū)域C1兩部分的灰度平均值，w0和w1分別為像素分到C0或C1兩部分的累積概率，σ2（k）為類間方差，其值越大，則表明C0和C1兩部分的可分性越好，當k 值從灰度級0 到L-1 變化時利用式（5）計算相應(yīng)的σ2（k），取k*為 σ2（k*）= maxσ2（k）時的灰度級為分割閾值，如值0≤k≤L-1k*值有多個，則取其平均值為分割閾值。

圖2 圖像分割結(jié)果Fig.2 Result of Image Segmentation

圖3 圖像灰度分布規(guī)律Fig.3 Image Grayscale Distribution

原圖及增強后的圖像通過Otsu 單閾值分割得到二值圖，分析圖2 分割后的薄板鉚接孔圖像，可知圖像中存在團塊干擾（圖中紅圈標注），原圖像閾值分割后的圖2（c）相比于增強后閾值分割后的圖2（d）中存在的團塊干擾對正方形孔邊緣干擾較大，正方形的孔邊緣存在較多的毛刺，由此可得，增強后的原圖像閾值分割效果好于原圖像分割結(jié)果。分割后的增強圖像中團塊區(qū)域的面積小于目標孔區(qū)域的面積，因此可以利用形態(tài)學(xué)方法進行團塊干擾的去除處理[11]，完成ROI 的提取。

為消除正方形孔邊緣存在的團塊干擾及保證目標孔區(qū)域的完整性，采用形態(tài)學(xué)開運算濾除團塊干擾，如式（6）所示。處理結(jié)果，如圖4 所示。

式中：A—開運算圖像；B—進行形態(tài)學(xué)運算的結(jié)構(gòu)元素，這里B的結(jié)構(gòu)元素為半徑長為4 個像素的圓盤形；AΘB—利用結(jié)構(gòu)元素B 對圖像A 形態(tài)學(xué)腐蝕；（AΘB）⊕B—對腐蝕后的圖像形態(tài)學(xué)膨脹。

圖4 ROI 提取結(jié)果Fig.4 Result of ROI Extraction

由圖4 可得，形態(tài)學(xué)開運算圖2（d），其圖像上存在的團塊噪聲及正方形孔邊緣的毛刺得到了很好的去除且很好的保證了目標孔的完整性。

2.3 中心提取方法

傳統(tǒng)的中心提取算法有幾何法、Hough 變換、質(zhì)心法等，幾何法和Hough 變換均以邊緣檢測為基礎(chǔ)，對于不同形狀目標孔中心的提取需要結(jié)合孔的幾何特征提出不同的計算方法，質(zhì)心法提取目標孔中心，可以同時完成不同孔形中心坐標的提取[12]。測量薄板鉚接孔需同時提取圓孔及正方形孔的中心坐標，所以，采用質(zhì)心法提取目標孔的中心坐標，設(shè)目標孔區(qū)域大小為M×N，區(qū)域灰度值為W（i，j），如像素位于目標孔內(nèi)，W（i，j）的值為1，若位于背景區(qū)域中，W（i，j）值為0，中心坐標W（i，j）由式（7）可得，中心坐標提取結(jié)果，如圖5 所示（標記“*”為目標孔中心所在位置）：

圖5 中心提取結(jié)果Fig.5 Result of Center Extraction

2.4 孔形識別及尺寸計算方法

孔形識別是利用模式識別方法實現(xiàn)孔類型的判斷，用以指導(dǎo)孔尺寸參數(shù)的測量，識別對象為薄板鉚接孔，其幾何形狀主要有圓形、正方形，幾何特征規(guī)整且明顯，可以根據(jù)其幾何特征判別孔的類型，完成識別任務(wù)。假設(shè)目標孔個數(shù)為n，利用式（8）計算孔形的圓形度，用以孔形識別。

式中：i=1，2，…，n，Si—每個目標孔i 的面積（目標區(qū)域像素個數(shù)）；Ci—每個目標孔的周長（目標孔邊緣像素個數(shù)）；ei—目標孔的圓形度，ei接近1 時，孔形為圓形，ei約為 π/4 時，孔形為正方形，孔形分類條件，如式（9）所示。

利用Canny 邊緣檢測算子檢測得目標孔區(qū)域的邊緣，如圖6所示。對Otsu 分割后的圖像和Canny 邊緣提取后的圖像分別進行標記并計算各目標孔的面積和周長，通過式（8）計算每個目標孔的圓形度，識別目標孔形狀，識別結(jié)果，如圖7 所示。第二行為利用圓形度識別分類后的結(jié)果（為顯示清楚，將目標孔區(qū)域顏色進行了轉(zhuǎn)換），分類結(jié)果表明，孔形識別率達到了100%。

圖6 邊緣檢測Fig.6 Edge Detection

圖7 孔形識別結(jié)果Fig.7 Result of Holes Recognition

孔形尺寸的測量主要包括對圓形孔的半徑、正方形孔邊長的測量，以目標孔面積為基礎(chǔ)，通過目標孔面積與直徑或邊長之間的關(guān)系完成尺寸的測量，孔形識別孔的類型后，分別用式（10），式（11）計算圓形孔直徑ai，正方形孔邊長bi。

3 算法驗證及分析

通過已標定的搭建的測量系統(tǒng)獲取表面分布有直徑4mm圓孔和10mm 邊長正方形孔的待鉚接薄板圖像，如圖1 所示。以Matlab 為圖像處理算法及幾何參數(shù)計算方法的實現(xiàn)平臺，進行算法驗證，圖像閾值分割結(jié)果，如圖2（d）所示。ROI 提取結(jié)果，如圖4 所示。中心提取結(jié)果，如圖5 所示?？仔巫R別結(jié)果，如圖7 所示。幾何參數(shù)測量結(jié)果，如表1、表2 所示。

測量過程的誤差來源主要有視覺系統(tǒng)搭建誤差、圖像獲取畸變誤差及圖像處理過程產(chǎn)生的誤差，其中視覺系統(tǒng)搭建誤差、圖像獲取畸變誤差已經(jīng)系統(tǒng)的標定進行了修正。圖像處理造成的誤差影響中心坐標在x，y 方向上的精度，對于中心坐標點的誤差需考慮x，y 方向的偏移量，如式（12）所示。

如表1 和表2 中誤差分析結(jié)果，對于圓形孔和正方形孔中心的提取精度最大達到了0.077mm，平均精度0.144mm，達到了中心提取精度（0.1～0.25）mm 的要求，圓形孔直徑及正方形孔邊長的測量精度最大達到了0.092mm，平均精度0.132mm，基本達到了尺寸測量精度（0.1～0.20）mm 的要求。

表1 中心提取結(jié)果Tab.1 Result of Center Extraction

表2 尺寸測量結(jié)果Tab.2 Measurement Results of Size

4 結(jié)論

以搭建的視覺測量系統(tǒng)對薄板鉚接孔幾何參數(shù)的視覺測量進行了研究，利用3×3 最小統(tǒng)計排序濾波對圖像目標孔邊緣進行增強，采用Otsu 閾值分割方法對增強后的圖像二值化處理，并以半徑為4 個像素的圓盤形結(jié)構(gòu)元素對圖像形態(tài)學(xué)開運算，消除孔邊緣存在的毛刺及團塊干擾，通過質(zhì)心法完成目標孔中心坐標的提取，在此基礎(chǔ)上，利用圓形孔和正方形孔圓形度幾何特征，完成孔形類別的識別并實現(xiàn)孔尺寸的測量，最后分析了測量結(jié)果的誤差來源及分布，結(jié)果表明，提出的薄板鉚接孔分類幾何參數(shù)測量方法能夠滿足應(yīng)用要求，但對于精度要求更高或孔形不規(guī)則的工況下，仍需進一步研究。