俞洋，金彬，沈威君

(江蘇理工學(xué)院 電氣信息工程學(xué)院，常州 213001)

在傳統(tǒng)的生產(chǎn)工藝中，電池包插針的尺寸檢測(cè)大多使用激光三維測(cè)量的方法，該方法在測(cè)量過(guò)程中會(huì)產(chǎn)生大量的點(diǎn)云數(shù)據(jù)，存在處理速度較慢的問(wèn)題.為了提高電池包插針尺寸檢測(cè)的執(zhí)行效率和準(zhǔn)確度，本文對(duì)傳統(tǒng)三維檢測(cè)算法進(jìn)行了改進(jìn)，設(shè)計(jì)了一種將三維數(shù)據(jù)與二維圖像相結(jié)合的電池包插針尺寸檢測(cè)方法，并通過(guò)搭建實(shí)際系統(tǒng)進(jìn)行了驗(yàn)證.改進(jìn)的檢測(cè)方法通過(guò)點(diǎn)云數(shù)據(jù)處理、數(shù)據(jù)降維、二維圖像處理等流程，提高了檢測(cè)速度并使檢測(cè)結(jié)果更加精準(zhǔn).本文采用三角法[1-4]主動(dòng)式非接觸光學(xué)檢測(cè)，其測(cè)量原理如圖1所示.測(cè)量系統(tǒng)通過(guò)發(fā)射器發(fā)出激光線照射在被測(cè)物體上，一部分由于漫反射產(chǎn)生的反射光線會(huì)到達(dá)成像系統(tǒng)，最后通過(guò)匯聚作用在光敏元件上形成對(duì)應(yīng)的像點(diǎn).由于入射光線與反射光線形成了相似三角形，可以通過(guò)相似三角形的求解獲得物體的實(shí)際位置[5].

圖1 激光三角法測(cè)量原理圖Fig.1 Principle diagram of laser triangulation

1 點(diǎn)云數(shù)據(jù)處理

三維激光測(cè)距的原始數(shù)據(jù)為大量的點(diǎn)云數(shù)據(jù)，為了取得好的測(cè)量效果，需要首先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行處理，獲得可靠的點(diǎn)云數(shù)據(jù).

1.1 優(yōu)化內(nèi)存管理

在傳統(tǒng)測(cè)量中，即使是小到硬幣大小的產(chǎn)品通過(guò)線激光掃描，也會(huì)產(chǎn)生幾十萬(wàn)甚至幾百萬(wàn)個(gè)點(diǎn)云數(shù)據(jù)[6]，海量的數(shù)據(jù)需要在執(zhí)行I/O操作時(shí)，反復(fù)將磁盤文件放入數(shù)據(jù)緩存區(qū)，嚴(yán)重影響數(shù)據(jù)的讀取運(yùn)行速度.本文通過(guò)創(chuàng)建文件映射內(nèi)核對(duì)象，并以指針形式對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行操作，優(yōu)化了內(nèi)存數(shù)據(jù)管理機(jī)制.分別用如上的傳統(tǒng)方式與優(yōu)化的Windows內(nèi)存管理機(jī)制讀取1000萬(wàn)個(gè)點(diǎn)云數(shù)據(jù)，通過(guò)對(duì)表1所示的10組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行比較可知，采用優(yōu)化內(nèi)存管理機(jī)制后，點(diǎn)云數(shù)據(jù)的讀取速度有了顯著提升.

表1 點(diǎn)云數(shù)據(jù)讀取速度比較Tab.1 Comparison of reading speed of point cloud data

1.2 點(diǎn)云數(shù)據(jù)去噪

所獲取到的點(diǎn)云數(shù)據(jù)通常會(huì)有噪聲干擾.噪聲主要來(lái)自于環(huán)境干擾、操作員操作不當(dāng)、機(jī)械設(shè)備安裝不良、線激光自身局限性、被測(cè)物體表面性質(zhì)變化等各類因素.

圖2為三種濾波方法對(duì)原始數(shù)據(jù)的處理效果.由于電池包插針尺寸檢測(cè)精度要求極高，通過(guò)比較分析可知，拉普拉斯濾波和均值偏移算法會(huì)影響到結(jié)果的精度[7-10]，因此本文采用雙邊濾波對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行去噪處理.

圖2 原始數(shù)據(jù)和濾波處理效果圖Fig.2 Original data and filter processing effect picture

1.3 點(diǎn)云數(shù)據(jù)空洞修補(bǔ)

由于遮擋、測(cè)量設(shè)備的限制、待測(cè)對(duì)象自身形狀的特點(diǎn)等因素的影響，采集的點(diǎn)云數(shù)據(jù)中經(jīng)常包含各種無(wú)法測(cè)量的區(qū)域，即存在大量的空洞.本文設(shè)計(jì)的空洞修補(bǔ)流程如圖3所示.

圖3 空洞修補(bǔ)流程圖Fig.3 Flow chart of cavity repair

首先，通過(guò)區(qū)域分割法或K-近鄰點(diǎn)角度識(shí)別法檢測(cè)是否有空洞；其次，檢測(cè)到空洞后，對(duì)空洞進(jìn)行分類，如果空洞是非封閉空洞，需要對(duì)空洞進(jìn)行封閉處理；然后，對(duì)空洞邊界進(jìn)行優(yōu)化處理，生成基于曲率的徑向基函數(shù)的隱式曲面方程；再通過(guò)所建立的曲面基于曲率去截面曲線，然后通過(guò)線的交點(diǎn)求得填充點(diǎn)；最后，對(duì)填充點(diǎn)進(jìn)行三角剖分，并進(jìn)行優(yōu)化處理，完成空洞的修補(bǔ).

1.4 點(diǎn)云數(shù)據(jù)精簡(jiǎn)

線激光掃描儀掃描被測(cè)物體會(huì)獲取物體海量點(diǎn)云數(shù)據(jù)，這些點(diǎn)云數(shù)據(jù)龐大且密集，嚴(yán)重制約了后期檢測(cè)效率的提高.實(shí)際上后期處理時(shí)大部分?jǐn)?shù)據(jù)是無(wú)意義的，只有少部分代表性的數(shù)據(jù)需要進(jìn)行運(yùn)算求解.因此在數(shù)據(jù)運(yùn)算前，可使用基于曲率的精簡(jiǎn)法對(duì)海量點(diǎn)云數(shù)據(jù)進(jìn)行特征點(diǎn)云區(qū)域的選取、冗余點(diǎn)的刪除等精簡(jiǎn)處理.

2 高維數(shù)據(jù)降維

在點(diǎn)云數(shù)據(jù)處理的基礎(chǔ)上，數(shù)據(jù)降維算法可以將三維的點(diǎn)云數(shù)據(jù)降維成低階維度的數(shù)據(jù)，從而進(jìn)一步有效的減少計(jì)算量，提高后續(xù)檢測(cè)算法的運(yùn)行效率.而低維數(shù)據(jù)對(duì)高維點(diǎn)云數(shù)據(jù)的還原度，則決定了后續(xù)檢測(cè)算法的處理精度.

本文采用基于主成分分析算法(Principal Components Analysis，PCA)的方法進(jìn)行灰度截取，將點(diǎn)云數(shù)據(jù)中的高度信息轉(zhuǎn)換成灰度信息，即將三維點(diǎn)云數(shù)據(jù)壓縮成二維灰度圖像，從而在后期的插針尺寸檢測(cè)中可以用灰度值代表高度值進(jìn)行插針定位，在精簡(jiǎn)數(shù)據(jù)的同時(shí)便于尺寸運(yùn)算.

PCA降維算法的基本原理是設(shè)計(jì)一列與原始數(shù)據(jù)向量線性組合的主成分，所設(shè)計(jì)的主成分組建成為高維數(shù)據(jù)結(jié)構(gòu)網(wǎng)絡(luò)的一組正交基[11-12]，互不干擾且不包含雜質(zhì)信息.構(gòu)建主成分向量的主要思路如下：將原始高維數(shù)據(jù)空間中一對(duì)相互垂直的向量設(shè)置為第一個(gè)與第二個(gè)主成分，其方向依據(jù)數(shù)據(jù)映射方差決定，方差大的為主成分方向.按照前一個(gè)主成分與后一個(gè)主成分空間垂直的順序形成所有主成分，方向的選擇同樣也依據(jù)方差決定.通過(guò)方差權(quán)重閾值的更改可以進(jìn)行主成分?jǐn)?shù)量的選擇，從而達(dá)到數(shù)據(jù)降維的目的.PCA降維算法可以形象的用如圖4所示的圖形進(jìn)行幾何解釋，其中X1、X2代表原始特征，F(xiàn)1、F2代表新特征，通過(guò)觀察可知降維后的數(shù)據(jù)集中在第一維.

圖4 PCA降維算法Fig.4 PCA dimension reduction algorithm

灰度截取的方式是將降維后的高度信息轉(zhuǎn)換為灰階值，灰度圖像在二維圖像處理時(shí)可以更高效地定位出感興趣的區(qū)域.具體轉(zhuǎn)換公式如下：

(1)

公式(1)利用最大高度值做除數(shù)，目的是為了使灰階值均勻排布以及灰度圖像在視覺(jué)方面更清晰.

具體降維處理流程如下：

步驟1.輸入高維數(shù)據(jù)矩陣D={x1,x2,x3,…,xn}，降維目標(biāo)維數(shù)d；

步驟2.利用公式

(2)

對(duì)數(shù)據(jù)集做中心化運(yùn)算，用X代表此時(shí)的中心化矩陣；

步驟3.計(jì)算中心化矩陣與其轉(zhuǎn)置矩陣的積XXT；

步驟4.求解步驟3結(jié)果矩陣中的特征值與特征向量；

步驟5.從步驟4結(jié)果中選擇低維空間維數(shù)d個(gè)特征值，利用其相應(yīng)的特征向量W={w1,w2,w3,…,wn}作為高維和低維空間的關(guān)聯(lián)矩陣；

步驟6.最終輸出低維數(shù)據(jù)Y=W×X.

3 二維圖像預(yù)處理

以上對(duì)點(diǎn)云數(shù)據(jù)的處理并不能完全消除噪聲和空洞的影響，所以二維圖像仍然需要進(jìn)行圖像預(yù)處理.二維圖像的預(yù)處理流程如圖5所示.

圖5 二維圖像預(yù)處理流程圖Fig.5 2D image preprocessing flow chart

首先，利用任意的二維圖形在被測(cè)圖像中規(guī)劃出待處理的區(qū)域，這個(gè)區(qū)域被稱之為ROI(Region Of Interest，感興趣區(qū)域).ROI的選取使目標(biāo)區(qū)域縮小，只需要對(duì)縮小目標(biāo)區(qū)域進(jìn)行重點(diǎn)處理，可以提高圖像處理的速度和檢驗(yàn)精度.其次，針對(duì)環(huán)境、相機(jī)等引入的噪聲，通過(guò)高斯濾波和中值濾波對(duì)二維圖像進(jìn)行噪聲濾除，從而進(jìn)一步提高后期圖像處理的精度.最后，由于線激光在掃描電池包插針時(shí)，或多或少地存在低谷陰影面積，通過(guò)二值形態(tài)學(xué)和灰度形態(tài)學(xué)對(duì)圖像進(jìn)行操作，達(dá)到填充邊界、濾除無(wú)效目標(biāo)的效果.

圖6(a)為點(diǎn)云數(shù)據(jù)采集時(shí)受到空洞數(shù)據(jù)影響的圖像.從圖中可以看出在插針的前段和末端受到的影響較為嚴(yán)重，主要原因是插針為直立的尖頭形狀，激光掃描儀在插針正上方時(shí)不可避免的存在掃描死角.圖6(b)為受到高頻噪聲影響的圖像.

(a)典型空洞圖像 (b) 典型噪聲圖像圖6 受到噪聲和空洞影響圖像Fig.6 Images affected by noise and voids

圖7為通過(guò)圖像預(yù)處理后的效果圖.從中可以看出通過(guò)點(diǎn)云數(shù)據(jù)預(yù)處理和圖像預(yù)處理相結(jié)合的方法，可以大幅降低了噪聲并修補(bǔ)填充了空洞.

圖7 預(yù)處理后的圖像Fig.7 Preprocessed image

4 插針輪廓檢測(cè)與尺寸檢測(cè)

4.1 插針輪廓檢測(cè)

通過(guò)二維圖像預(yù)處理去除噪聲影響并得到ROI，但是ROI并不全是插針信息，仍然帶有背景像素.因此，需要通過(guò)Blob分析將前景圖像與背景圖像相分割開來(lái)，其主要過(guò)程分為閾值分割、圖像二值化以及連通域提取[13-15].

閾值分割主要用來(lái)區(qū)分插針與背景，通過(guò)基于圖像的灰度值直方圖的方法，可以有效地將圖像的前景與背景圖像分割開來(lái).

圖像二值化主要用來(lái)分隔開目標(biāo)圖像與背景圖像，通過(guò)設(shè)置像素點(diǎn)的灰度值為0或255的方法，實(shí)現(xiàn)前景圖像與背景圖像的分割，從而大大減少圖像數(shù)據(jù)，提高了圖像處理的效率.

連通域是指圖像中由相同像素值且位置相鄰的前景像素點(diǎn)組成的區(qū)域.由于本文所研究的電池包插針圖像中包含多個(gè)插針區(qū)域，在進(jìn)行區(qū)域運(yùn)算前，需要進(jìn)行像素點(diǎn)連通區(qū)域的組合與標(biāo)記，從而獲取并分隔開各個(gè)插針區(qū)域.

4.2 插針尺寸檢測(cè)

本文提出的插針尺寸檢測(cè)方法通過(guò)降維算法將三維數(shù)據(jù)映射為二維灰度圖像，再通過(guò)運(yùn)用二維圖像處理技術(shù)，識(shí)別圖像中的插針針尖區(qū)域以及確定基準(zhǔn)面，最后映射到高度數(shù)據(jù)中獲取準(zhǔn)確數(shù)值，從而實(shí)現(xiàn)對(duì)插針尺寸的檢測(cè).檢測(cè)方法的流程圖如圖8所示.

圖8 本文提出的改進(jìn)檢測(cè)方法流程圖Fig.8 Flow chart of improved detection method

由于確定灰度值最高的點(diǎn)時(shí)容易導(dǎo)致數(shù)據(jù)的誤判，而且數(shù)據(jù)遺漏的情況也經(jīng)常出現(xiàn)，所以在識(shí)別定位插針針尖區(qū)域以及確定基準(zhǔn)面時(shí)，設(shè)計(jì)了如下方法進(jìn)行判斷，流程如圖9所示.首先，通過(guò)剔除高亮點(diǎn)的方式將尖銳噪聲去除；其次，由于如果對(duì)區(qū)域內(nèi)所有值進(jìn)行空洞判斷，會(huì)導(dǎo)致處理時(shí)間大大加長(zhǎng)，所以我們選取理想針尖位置的數(shù)據(jù)進(jìn)行空洞判斷.如果空洞干擾超過(guò)一定范圍，就需要利用點(diǎn)云空洞插補(bǔ)算法重新對(duì)該區(qū)域進(jìn)行填充，從而保證數(shù)據(jù)的可靠性.

圖9 針尖及基準(zhǔn)面確定算法流程圖Fig.9 Algorithm flow chart of needle tip and datumplane determination

5 尺寸檢測(cè)方法的實(shí)現(xiàn)與驗(yàn)證

5.1 實(shí)驗(yàn)系統(tǒng)的硬件搭建

如圖10所示，本實(shí)驗(yàn)利用基恩士公司的LJV-7060線激光掃描相機(jī)在已搭建的機(jī)械平臺(tái)上對(duì)電池包進(jìn)行掃描.實(shí)驗(yàn)用的標(biāo)準(zhǔn)電池包插針的尺寸長(zhǎng)度標(biāo)準(zhǔn)為13.180±0.6mm，由蘇州泰科電子有限公司提供.

圖10 電池包插針尺寸檢測(cè)硬件系統(tǒng)示意圖Fig.10 Schematic diagram of hardware system for batterypack pin size detection

5.2 實(shí)驗(yàn)系統(tǒng)的軟件設(shè)計(jì)

本文通過(guò)MATLAB仿真實(shí)設(shè)計(jì)降維算法，并利用Halcon軟件開發(fā)二維圖像檢測(cè)算法，最后通過(guò)Labwindows/CVI軟件開發(fā)平臺(tái)開發(fā)了基于線激光傳感器的3D影像檢測(cè)系統(tǒng)軟件，軟件交互界面如圖11所示.

圖11 軟件主界面Fig.11 Software main interface

該軟件交互界面以用戶登錄權(quán)限、參數(shù)配置、數(shù)據(jù)采集、圖像處理、數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)管理等為核心功能模塊，配合PLC通信交互、伺服運(yùn)動(dòng)控制實(shí)現(xiàn)對(duì)產(chǎn)品尺寸高速、高精度測(cè)量，并呈現(xiàn)在交互界面上供管理人員操作使用.

5.3 實(shí)驗(yàn)結(jié)果驗(yàn)證

5.3.1 精度驗(yàn)證實(shí)驗(yàn)

本實(shí)驗(yàn)分別采用傳統(tǒng)三維測(cè)量方法與本文改進(jìn)方法進(jìn)行了分組實(shí)驗(yàn)，檢測(cè)提供的10組標(biāo)準(zhǔn)電池包，實(shí)驗(yàn)數(shù)據(jù)的測(cè)量誤差及方差如表2所示.

表2 測(cè)量精度對(duì)比表Tab.2 Comparison table of measurement accuracy

從表2實(shí)驗(yàn)數(shù)據(jù)可以看出，傳統(tǒng)方法測(cè)量誤差均值為0.013 mm且方差均值為0.00037 mm2，而本文的改進(jìn)方法測(cè)量誤差均值達(dá)到0.003 mm且方差均值為更低的0.00005 mm2.從中可以看出改進(jìn)的三維與二維相結(jié)合的插針尺寸檢測(cè)算法實(shí)現(xiàn)的精度達(dá)到±0.01mm的要求，對(duì)比傳統(tǒng)方法，在檢測(cè)精度上有了明顯提升且數(shù)據(jù)更具穩(wěn)定性.

5.3.2 運(yùn)行效率驗(yàn)證實(shí)驗(yàn)

本實(shí)驗(yàn)使用傳統(tǒng)方法與改進(jìn)方法進(jìn)行了分組實(shí)驗(yàn)(同組實(shí)驗(yàn)材料相同)，得到的實(shí)驗(yàn)結(jié)果如表3所示.

表3 測(cè)量效率對(duì)比表Tab.3 Comparison table of measurement efficiency

從實(shí)驗(yàn)數(shù)據(jù)可以看出，改進(jìn)方法在運(yùn)行效率比傳統(tǒng)方法有了明顯改善，在這10組實(shí)驗(yàn)中傳統(tǒng)方法的運(yùn)行效率的平均值為2179 ms，而改進(jìn)方法為1268 ms，改進(jìn)方法比傳統(tǒng)方法節(jié)省時(shí)間1 s左右.因此，改進(jìn)方法在保證檢測(cè)精度的前提下，有效地提高了檢測(cè)效率.

5.3.3 漏殺率驗(yàn)證實(shí)驗(yàn)

漏殺即錯(cuò)將不良品判定為良品.本實(shí)驗(yàn)對(duì)200個(gè)不良品電池包在樣機(jī)上進(jìn)行了反復(fù)驗(yàn)證，檢測(cè)結(jié)果如表4所示.

表4 漏殺率統(tǒng)計(jì)表Tab.4 Statistics of missed killing rate

由表4可以看出，本文提出的三維與二維相結(jié)合的插針尺寸算法的檢測(cè)準(zhǔn)確率高于99%，漏殺率低于1%，說(shuō)明該檢測(cè)方法在檢測(cè)結(jié)果上是可靠的，可以滿足工業(yè)要求.

6 結(jié)束語(yǔ)

本文針對(duì)電池包插針尺寸檢測(cè)存在的問(wèn)題，對(duì)傳統(tǒng)三維檢測(cè)方法進(jìn)行改進(jìn)，提出了三維數(shù)據(jù)與二維圖像相結(jié)合的插針尺寸檢測(cè)方法，將三維相機(jī)采集到的三維數(shù)據(jù)降維成二維圖像，并對(duì)二維圖像進(jìn)行處理，映射到三維圖像中獲取精準(zhǔn)數(shù)據(jù)進(jìn)行測(cè)量.實(shí)驗(yàn)結(jié)果表明，改進(jìn)的電池包插針尺寸檢測(cè)方法具有較高的檢測(cè)速度和可靠的檢測(cè)精度，解決了傳統(tǒng)三維尺寸檢測(cè)方法速度慢的問(wèn)題，并在檢測(cè)精度上有所提高.