張博文，沈小龍，韓震宇

（四川大學(xué)機(jī)械工程學(xué)院，四川 成都 610000）

制造業(yè)一直是中國(guó)的“飯碗”之一，尤其全球進(jìn)入疫情以來(lái)，中國(guó)制造在全球的地位更加穩(wěn)固，有世界工廠之稱。制造業(yè)中很多行業(yè)都離不開(kāi)立銑刀，因此對(duì)立銑刀的需求巨大；另一方面制造業(yè)的需求旺盛，中國(guó)制造也在向高品質(zhì)方向發(fā)展，對(duì)產(chǎn)品質(zhì)量提出要求，立銑刀的合格與否就與產(chǎn)品質(zhì)量密切相關(guān)。

近年來(lái)，關(guān)于立銑刀尺寸檢測(cè)和缺陷檢測(cè)的研究，研究人員不斷提出新方法：楊國(guó)葳[1]提出基于深度學(xué)習(xí)的立銑刀磨損狀態(tài)識(shí)別，該方法利用卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)前刀面和后刀面等部位的磨損；王俊鳳[2]搭建了測(cè)量平臺(tái)，利用LED 燈和遠(yuǎn)心鏡頭，在機(jī)器視覺(jué)的基礎(chǔ)上利用混沌灰狼算法和亞像素邊緣提取算法提取立銑刀的邊緣輪廓，實(shí)現(xiàn)了對(duì)立銑刀直徑和刀尖跳動(dòng)的測(cè)量；西安工業(yè)大學(xué)張苗苗[3]搭建了機(jī)器視覺(jué)測(cè)量平臺(tái)，對(duì)用Zernike 矩對(duì)輪廓邊緣進(jìn)行亞像素檢測(cè)，利用改進(jìn)的算法實(shí)現(xiàn)了對(duì)銑刀前角、后角、刀尖的測(cè)量；西南交通大學(xué)趙銳[4]、陳思遠(yuǎn)等在接觸式測(cè)量的基礎(chǔ)上提出了在五軸磨床上利用探頭測(cè)量立銑刀的螺旋角，通過(guò)建立螺旋線模型和測(cè)量路徑生成算法來(lái)確定探測(cè)點(diǎn)和運(yùn)動(dòng)矢量，達(dá)到了較高的測(cè)量精度。

以上研究可以分為2 類：基于機(jī)器視覺(jué)的非接觸式測(cè)量和基于三坐標(biāo)測(cè)量機(jī)原理的接觸式測(cè)量，接觸式測(cè)量能更穩(wěn)定、更高精度地獲取被測(cè)物體的三維信息，但是存在速度慢、成本昂貴、對(duì)硬件要求比較高、設(shè)備復(fù)雜等問(wèn)題；基于機(jī)器視覺(jué)的非接觸式測(cè)量具有速度快、測(cè)量物體種類多、不會(huì)損傷工件表面精度等優(yōu)點(diǎn)。本文采用基于機(jī)器視覺(jué)的非接觸式測(cè)量方法，對(duì)立銑刀的直徑、端面、周刃進(jìn)行尺寸測(cè)量和尺寸缺陷檢測(cè)。

1 在線檢測(cè)平臺(tái)

1.1 立銑刀

立銑刀外形如圖1 所示，待檢測(cè)的刀具在刃數(shù)、直徑、刃長(zhǎng)等有差異。被測(cè)刀具直徑為1～16 mm，多數(shù)是三刃立銑刀和四刃立銑刀。

圖1 立銑刀外形

本文檢測(cè)的內(nèi)容是刀尖半徑跳動(dòng)、刀尖高度跳動(dòng)、端面尺寸與缺陷。

1.2 平臺(tái)硬件組成

根據(jù)檢測(cè)需求和檢測(cè)精度要求，前期搭建了測(cè)量平臺(tái)。一共需要2 個(gè)相機(jī)，分別是直徑相機(jī)和端面相機(jī)。對(duì)于直徑測(cè)量精度是2 μm，為提高測(cè)量精度，保證較好的成像質(zhì)量，成像系統(tǒng)采用平行光源+遠(yuǎn)心鏡頭的組合，計(jì)算后選用4 842×3 632 分辨率的相機(jī)；端面相機(jī)選用160 萬(wàn)像素的相機(jī)，使用普通定焦鏡頭+環(huán)形光源的組合來(lái)保證端面的成像質(zhì)量。整個(gè)測(cè)量平臺(tái)還包括運(yùn)動(dòng)系統(tǒng)、軟件系統(tǒng)、人機(jī)交互系統(tǒng)、保護(hù)傳感器等。

2 立銑刀檢測(cè)系統(tǒng)設(shè)計(jì)

立銑刀測(cè)量平臺(tái)的原理是基于三坐標(biāo)測(cè)量機(jī)[5]，將傳統(tǒng)的探頭位置采集方法與現(xiàn)代的圖像信息處理技術(shù)相結(jié)合，以相機(jī)中心為模擬探頭，將相機(jī)采集的圖像信息作為探測(cè)數(shù)據(jù)集的非接觸式測(cè)量。

立銑刀視覺(jué)檢測(cè)設(shè)備工作時(shí)，需精確、及時(shí)地獲取機(jī)械運(yùn)動(dòng)子系統(tǒng)的位移信息，再通過(guò)圖像處理得到相關(guān)測(cè)量點(diǎn)在圖像采集子系統(tǒng)中的位置，最后經(jīng)由數(shù)據(jù)處理得到目標(biāo)點(diǎn)在機(jī)械運(yùn)動(dòng)子系統(tǒng)中的測(cè)量結(jié)果。融合了三坐標(biāo)測(cè)量機(jī)的移動(dòng)探測(cè)手段和刀具影像測(cè)量?jī)x的圖像處理方法，是集機(jī)械運(yùn)動(dòng)模塊、圖像采集模塊于一體的綜合性系統(tǒng)。

2.1 相機(jī)標(biāo)定

在圖像測(cè)量過(guò)程中，為確定空間物體表面某點(diǎn)的三維幾何位置與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系，必須建立相機(jī)成像的幾何模型，這些幾何模型參數(shù)就是相機(jī)參數(shù)。在大多數(shù)條件下這些參數(shù)必須通過(guò)實(shí)驗(yàn)與計(jì)算才能得到，這個(gè)求解參數(shù)的過(guò)程就稱之為相機(jī)標(biāo)定[6]。

相機(jī)標(biāo)定基本原理是依據(jù)針孔成像模型，目的就是從世界坐標(biāo)系轉(zhuǎn)化為相機(jī)坐標(biāo)系，通過(guò)變換把相機(jī)坐標(biāo)系轉(zhuǎn)化為圖像坐標(biāo)系，最終標(biāo)定結(jié)果是一個(gè)投影矩陣。在世界坐標(biāo)系下取一點(diǎn)P（X，Y，Z），圖像坐標(biāo)系（μ，v），則有：

用M表示相機(jī)內(nèi)參矩陣，N表示相機(jī)外參矩陣。則聯(lián)立上式即可求出世界坐標(biāo)系與圖像像素坐標(biāo)系的關(guān)系：

通過(guò)求解可以求出相機(jī)的內(nèi)參矩陣和畸變?；円话憧梢苑譃閺较蚧?、切向畸變。

2.2 直徑測(cè)量

整體設(shè)備如圖2 所示，對(duì)于直徑的測(cè)量精度是2 μm，待測(cè)立銑刀直徑最大為16 mm，本測(cè)量設(shè)備利用三坐標(biāo)測(cè)量機(jī)原理，首先需要建立相機(jī)中心和夾具中心的相對(duì)位置關(guān)系。具體做法為：在夾具上裝夾標(biāo)準(zhǔn)棒，標(biāo)準(zhǔn)棒直徑已知，設(shè)備啟動(dòng)，夾具向左移動(dòng)，直到在相機(jī)視野內(nèi)出現(xiàn)標(biāo)準(zhǔn)棒輪廓，通過(guò)標(biāo)定關(guān)系可以得到相機(jī)中心點(diǎn)到標(biāo)準(zhǔn)棒輪廓的水平距離，這個(gè)距離再加上標(biāo)準(zhǔn)棒的半徑就是相機(jī)中心和夾具中心的相對(duì)距離D。通過(guò)光柵尺記錄下此時(shí)的夾具位置記為A點(diǎn)，由于運(yùn)動(dòng)精度關(guān)系，很難做到每一次測(cè)量都使得夾具中心準(zhǔn)確停在A點(diǎn)，但是此后每一次測(cè)量都可以通過(guò)相對(duì)距離D和光柵尺讀數(shù)得到相機(jī)中心到夾具中心的相對(duì)位置[7]。

圖2 整體設(shè)備三維圖

立銑刀通過(guò)機(jī)械臂裝夾到夾具上，夾具移動(dòng)到相機(jī)視野范圍內(nèi)。對(duì)于立銑刀，外輪廓半徑分為刀尖半徑和輪廓線半徑（螺旋線刀刃半徑）。刀尖半徑是刀尖外表面離刀具軸線垂直距離最遠(yuǎn)的點(diǎn)與軸線的垂直距離。以下是設(shè)備選定平行光源與相機(jī)拍攝的標(biāo)準(zhǔn)棒外輪廓圖像和灰度分布圖。合格外輪廓圖像的輪廓過(guò)渡帶窄，灰度梯度分布明顯，如圖3 所示。

圖3 外輪廓灰度分布

外輪廓圖像結(jié)構(gòu)簡(jiǎn)單，干擾較少，對(duì)外輪廓圖像直接進(jìn)行基于OTSU 閾值的二值化、Canny 邊緣檢測(cè)后可得到輪廓圖像結(jié)果。計(jì)算出相機(jī)中心點(diǎn)到刀尖點(diǎn)的水平距離，再由相對(duì)距離D減去該水平距離就得到了刀尖半徑。

2.3 端面測(cè)量

2.3.1 端面測(cè)量流程

端面測(cè)量流程如圖4 所示。

圖4 端面測(cè)量流程

2.3.2 圖像分割

圖像分割指的是根據(jù)灰度、顏色、紋理和形狀等特征把圖像劃分成若干互不交疊的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性。本案例選用迭代閾值分割。

對(duì)于迭代閾值分割算法，通過(guò)迭代法來(lái)求出分割的最佳閾值，從算法原理上來(lái)看，具有一定的自適應(yīng)性，這種方法適用于物體與背景有較大的區(qū)分，即其直方圖有相當(dāng)清楚的波谷；該方法只適用于直方圖有明顯波谷的情況，而對(duì)于目前采集的圖像進(jìn)行直方圖分析，結(jié)果圖5 所示。從圖中可以看到出現(xiàn)明顯波峰波谷，因此可以采用此方法進(jìn)行閾值選取。

圖5 直方圖分析結(jié)果

自適應(yīng)閾值圖像分割中的大津法計(jì)算簡(jiǎn)單快速，不受圖像亮度和對(duì)比度的影響。大津法是一種全局閾值分割方法，它的優(yōu)點(diǎn)在于完全以在一幅圖像的直方圖上執(zhí)行為基礎(chǔ)，而直方圖是很容易得到的一維陣列。大津法的優(yōu)點(diǎn)在于可以快速有效地找到類間分割閾值，而對(duì)于本案例圖像，背景和前景閾值有明顯區(qū)別，分割目標(biāo)單一，因此也可以選用大津法。同一幅圖像用迭代法和大津法分割的效果如圖6 所示。

圖6 不同閾值分割算法效果圖

2.3.3 計(jì)算角度

測(cè)量長(zhǎng)刃和水平方向的夾角，這里不能取最長(zhǎng)刃最小外接矩形，如圖7 所示。

圖7 最小外接矩形效果圖

長(zhǎng)刃的最小外接矩形不是恰好包裹住長(zhǎng)刃輪廓的，而是包裹住該輪廓的面積最小的矩形。長(zhǎng)刃矩形的角度并不能反映刀具的實(shí)際角度。通過(guò)觀察可以得到，短刃的最小外接矩形恰好是包裹住短刃輪廓的，因此以短刃的角度作為旋轉(zhuǎn)角度。旋轉(zhuǎn)前后的圖像對(duì)比如圖8 所示。

圖8 旋轉(zhuǎn)前后的圖像對(duì)比

在旋轉(zhuǎn)之后把圖像中的目標(biāo)圖像截取出來(lái)，效果如圖9 所示。

圖9 截取目標(biāo)物體效果圖

對(duì)此圖像進(jìn)行尺寸測(cè)量，再進(jìn)行圖像預(yù)處理操作、輪廓提取。這里只提取最外層輪廓，最外層輪廓才是長(zhǎng)刃的輪廓，因?yàn)閳D像噪聲或者長(zhǎng)刃本身有缺陷的原因，最外層輪廓內(nèi)部可能還會(huì)有一些輪廓，這些輪廓是干擾，應(yīng)當(dāng)盡力排除。然后對(duì)輪廓內(nèi)部像素進(jìn)行填充，輪廓內(nèi)部像素點(diǎn)都被填充為255，從上至下遍歷這個(gè)二維矩陣，對(duì)于每一行的255 像素點(diǎn)進(jìn)行計(jì)數(shù)，記為N，根據(jù)相機(jī)標(biāo)定關(guān)系，由每一行的白色像素點(diǎn)個(gè)數(shù)N得到每一行實(shí)際物理長(zhǎng)度。再對(duì)輪廓邊緣像素點(diǎn)進(jìn)行直線擬合，計(jì)算每個(gè)像素點(diǎn)到直線距離，以此方法來(lái)判斷輪廓缺陷。

3 結(jié)論

本文基于機(jī)器視覺(jué)方法，主要研究了立銑刀尺寸測(cè)量中的關(guān)鍵問(wèn)題，包括相機(jī)標(biāo)定、基于三坐標(biāo)測(cè)量機(jī)的測(cè)量原理、高精度直徑測(cè)量等。利用機(jī)器視覺(jué)和圖像處理技術(shù)，解決傳統(tǒng)立銑刀尺寸測(cè)量速度慢、精度低、測(cè)量過(guò)程煩瑣等問(wèn)題，利用流水線的思想，為企業(yè)無(wú)人化工廠的實(shí)現(xiàn)提供了一定的解決方案。