（机械电子工程专业论文）应用机器视觉系统检测机械加工尺寸偏差的研究.pdf

中义摘要 应用机器视觉系统检测机械加工尺寸偏差的研究 研究生：常春国 导师：史金飞教授 学校：尔南人学 中文摘要 机器视觉技术发展十分迅速，并且在机器人等研究领域得到广泛的应用，但利用机器视觉系统 检测机械加上一i ：件的尺寸偏差的研究还不多见，这土要是因为图像的灰度信息不能直接反应t 件尺 寸信息。本文研究了机器视觉检测系统的标定和图像处理技术，在实验小组设计的检测系统平台上 进行实验，完成了工件图像采集与处理、：i ：件尺寸偏差视觉检测及检测数据在不同操作系统计算机 之间的传输。 在分析了项目研究内容和目标的基础上，介绍了机器视觉检测系统的结构及详细的软硬件设计 过程。结合本系统的实验条件和对检测精度的要求，设计了滤波算法、亚像素边缘自动检测算法和 减小图像畸变影响的算法首先，针对中值滤波后的图像存在的短线段形式的噪声，设计了二次滤 波算法；其次，在经典边缘检测算子提取到的： 件像素级边缘基础上，利用边缘像素的相邻像素灰 度确定亚像素边缘；再次，通过对亚像素边缘的数学处理，使畸变对检测结果的影响减小到本实验 可以接受的水平；最后，研究了图像处理系统与工件控制系统之间的通信，实现了工件尺寸的检测 信息在w i n d o w s 与l i n u x 系统之间的传输。 在本实验平台的基础上，进行了大量的实验，研究了边缘检测的砸像素算法，分析了亚像素边 缘点的变化规律，实现了对系统的标定及工件尺寸检测实验。通过对实验结果的分析比较，建立了 系统检测工件尺寸的数学模型。对该数学模型的实验验证，表明了检测结果误差不超过1 0 | l m ，达到 了实验的预期目标，证明了利用机器视觉系统检测机械加工尺寸偏差的可行性。 关键词：机器视觉检测；尺寸偏差；图像处理；信息传输。 a b s t r a c t a s t u d yo fm e a s u r e m e n t o nt h ed i m e n s i o nd e v i a t i o n w i t hm a c h i n ev i s i o ns y s t e m b yc h a n gc h u n g u o s u p e r v i s e db yp r o f e s s o rs h ij i n f e i s o u t h e a s tu n i v e r s i t y a b s t r a c t m a c h i n ev i s i o ns y s t e mi sr a p i d l yd e v e l o p e da n db r o a d l yu s e di nt h ef i e l d so fr o b o t sa n ds oo n h o w e v e r ， t h e r ea r ef e wp u b l i s h e dp a p e r sa b o u tt h ep r o b l e mo fm e a s u r i n gt h ed i m e n s i o no fp r e c i s ew o r k p i c c ew i t h m a c h i n ev i s i o ns y s t e m , s i n c ei n f o r m a t i o n sf r o mt h ep h o t o g r a p ha r e n tr e l a t e dd i r e r f l yt ot h ed i m e n s i o n a c a l i b r a t i o nm e t h o do fm a c h i n ev i s i o nm e a s u r i n gs y s t e ma n dt h em e t h o d so fi m a g ep r o c e s s i n ga r ed i s c u s s e d i n t h i sp a p e r t h r o u g he x p e r i m e n t sb a s e do nm a c h i n ev i s i o ns y s t e m ，t h ei m a g ec o l l e c t i n ga n dp r o c e s s i n g 撒a c c o m p l i s h e d , a n dm e a s u r e m e n to ft h ed i m e n s i o n sd e v i a t i o na sw e l la st r a n s p o r t a t i o no ft h er e s u l t s b e t w e e nc o m p u t e r si sa c h i e v e d t h es t r u c t u r eo fm a c h i n ev i s i o nm e a s u r i n gs y s t e ma n dt h ee x p e r i m e n tp l a t f o r ma r ep r o v i d e dd e t a i l e d l yo n t h eb a s i so fa n a l y z i n gt h eo b j e c t i v e sa n dr e s e a r c hc o n t e n t so ft h ep r o j e c t a c c o r d i n gt ot h ec o n d i t i o n so f e x p e r i m e n t sa n dt h ed e m a n d so fm e a s u r e m e n tp r e c i s i o ni nt h es y s t e m ，t h ea r i t h m e t i co ff i l t e r i n g ，s u b p i x e l e d g ed e t e c t i o na n dr e d u c i n gt h e e f f e c t so fl e n s a b e r r a t i o na r e r e a l i z e d f i r s t l y ，t h e s e c o n df i l t e r i n g a r i t h m e t i ci sp e r f o r m e dt oe l i m i n a t et h er e m n a n t sn o i s e sl i k es h o r tc u r v ei nt h ei m a g e s ，w h i c hh a v eb e e n p r o c e s s e db yt h em e t h o r do fm e d i a nf i l t e r s e c o n d l y ，t h ep i x e le d g e so fw o r k p i e c e sc a nb ed e t e c t e dv i a c l a s s i c a la r i t h m e t i c ，a n dt h es u b p i x e le d g e s nb ea s c e r t a i n e dt h r o u g ht h eg r a yg r a d i e n tv a l u e so ft h e p e r i p h e r a lp i x e l s t h i r d l y ，t h r o u g ht h ep r o c e s s i n go fs u b p i x e le d g e s ，t h ee f f e c t so fa b e r r a t i o na r er e d u c e d a n dt h er e s u l t so ft h em e a s u r e m e n tc a nb ea c c e p t e d f i n a l l y ，p r o g r a m so fc o m m u n i c a t i o na l ed e s i g n e d b e t w e e nt h e i m a g ep r o c e s s i n gs y s t e ma n dt h e c o n t r o ls y s t e m ，t h e r e f o r e ，t h ei n f o r m a t i o no ft h e m e a s u r e m e n tc a nb et r a n s p o r t e db e t w e e nw i n d o w sa n dl i n u x a f t e rd o i n gq u a n t i t i e so fe x p e r i m e n t so nt h ee x p e r i m e n tp l a t f o r m ，s u b p i x e la r i t h m e t i ca n dt h er e g u l a r i t i e s o ft h es u b p i x e le d g e sa r es t u d i e d ，t h e n ，c a l i b r a t i o no ft h es y s t e ma sw e l la se x p e r i m e n t so ft h ed i m e n s i o n s m e a s u r e m e n ti s p r o p o s e d a f t e ra n a l y z i n g a n d c o m p a r i n gt h e r e s u l t so ft h ee x p e r i m e n t s ，am o d e l m e a s u r i n gt h ed i m e n s i o n so fw o r k p i e c e si sm a d e a c c o r d i n g t ot h ee x p e r i m e n t ，t h ee r r o r sb e t w e e nt h e m e a s u r e dv a l u e sa n dt h et r u ev a l u e sa r el e s st h a n1 0 z m ，a n di t ss t a b i l i t yt o g e t h e rw i t ht h ep r e c i s i o ni s p e r f e c t ，s ot h ep r o s p e c t i v eo b j e c t i v e sa r ef u l f i l l e d r e s u l t si n v e s t i g a t e da sa b o v es h o wt h a tt h ep o s s i b i l i t yo f m e a s u r i n gt h ed i m e n s i o nd e v i a t i o nw i t hm a c h i n ev i s i o ns y s t e mi sa v a i l a b l e k e yw o r d s ：m a c h i n ev i s i o nm e a s u r i n g ；d i m e n s i o n sd e v i a t i o n ；i m a g ep r o c e s s i n g ；i n f o r m a t i o nt r a n s p o r t i n g i i 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用 过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明 并表示了谢意。 研究生签名： 期：趔卜儿l 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内 容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可 以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研 究生院办理。 研究生签名：姐导师签名：衄日期：型丝 第一章绪论 1 1 课题研究的背景 第一章绪论 在机械加i ：领域，i ：什的质量止受剑越来越多的关注，也是决定企业产品能否在竞争中取得优 势的关键。随着科学技术的发展，质量的含义也在不断发展中，国家标准( g b t 6 5 8 3 ) 将质量定义 为“产品，过程或服务满足规定或 f 在要求的特征和特性总和”，国际标准化组织( i s o9 0 0 0 ) 则 将质量定义为“一组f i l i | 有特性满足要求的程度”【。 ，l i l ；t t ：的质鼙包括多方面的内容，其中最基本的是其尺寸的加：精度。要保证t = 件的加j ：质量， 需要适时对。r ：件进行检测，进而对其进行质鼙控制。：件尺寸检测的精度是对其质量进行判断的一 个方面，也是对其进行质量控制的基础和关键。保证质量控制是“质量管理的一部分，致力于满足 质量要求”。其目标是使产品、体系或过程达剑规定的质量要求，是预防不合格发生的重要手段和 措施【2 1 。 零件的加一r ：质量是生产机械加j 中很重要的环肖，当前机械加1 ：质量的控制人都是以抽样检测 和统计过程控制( s p c ，s t a t i s t i c a lp r o c e s sc o n t r 0 1 ) 为基础。在生产过程中，产品的质量特征值的波 动是不可避免的，它是由5 m 1 e ，即人、机器、材料、方法、测量利环境等基本冈素的波动综合影 响所致。传统的质量控制依赖于检验最终产品并筛选出不符合规范的产品，它是当不合格品产生以 后的事后检验，不能在过程当中检测，很多情况- 卜这种检测方法是不实用的。在企业的质量控制中， 可应h js p c 对质鼙数据进行统计、分析，从而区分出生产过程中产品质量的正常波动与异常波动， 以便对过程的异常及时提出预警，提醒管理人员采取措施消除异常，恢复过程的稳定性，从而提高 产品的质量l 孔。 传统的抽样检测和以s p c 为基础的质量检验和控制方法存在以下问题： ( 1 ) 采用抽样检测，从局部推论总体，存在着b a y e s 判据中两类风险：弃真和取伪。 ( 2 ) s p c 是利h 已经加r t 完成的零件进行检测，只能做到“事后把关”，防止不合格品的影响 扩大；并且，s p c 以样本数据为基础，样本数愈大，统计分析结果愈接近总体，因此，s p c 方法对 单件、小批量生产，特别是科研产品很难取得预期的效果1 2 j 。 ( 3 ) s p c 对生产进行工序质量控制时，可能会出现两类错误。第一类错误：把处于统计控制 状态下的生产工序误判为处于非统计控制状态；第二类错误：把处于非统计控制状态f 的生产工序 误判为处于统计控制状态。一般情况下，要同时避免两类错误是不可能的。 ( 4 ) 这两种方法都是以抽样检测为基础，不可能实现逐件检测，尤其是火批量生产中，更不可 能实现1 0 0 检测。从质量管理方面来看，近几年来，有关企业单位在研究6 0 管理，即要求不合格 品率达剑0 0 0 1 p p m ( p a r t sp e rm i l l i o n ，百万分之一) ，实际是要求市场供应的产品为“零缺陷”产品。 由于以上四点原冈，生产实践需要一种新的在线监测方法，要能检测零件的尺寸精度和形位精 度，对加j i ：的零什实现快速、逐件检测，并将不合格品消除在加： 过程中，或及时剔除出不合格品， 避免流入应用生产中构成生产事故隐患。 1 2 课题研究的意义 现代一r ：业自动化生产中，涉及到各种各样的检奄、测量和零件识别戍用。例如汽下零配件尺寸 检壳、电子装配线的元件自动定位等，这类应用的共同特点是连续大批颦生产、对外观质昔的要求 爿 常高。这种带有高度重复性和智能性的r 作，过去是靠人，l ：检测来完成。人j i ：执行这些l ：序，在 给1 ：厂增加巨人的人一i ：成本和管理成本的同时，仍然不能保证1 0 0 的检验合格率( 即“零缺陷”) 。 东南人学颂i j 学位论义 0 1 的缺陷的存在，对企业往市场上的竞争也是极为不利的。有些时候，如微小尺寸的精确快速测 量、形状匹配、颜色辨识等，用人眼根本无法连续稳定地进行。现代制造强调实时、住线、非接触 检测，确保对制造过程实现全面控制，提高生产效率和产品的合格率，这是许多传统检测手段无法 提供的；现代产品的制造精度人人提高，要求相应高精度的检测方法1 4 l 。 检测技术是现代制造业的基础技术之一，是保证产品质昔的关键。相对丁人i ：检测所f i - i l 有的主 观性、易疲劳、速度慢、成本高、强度人等缺点，机器视觉检测具有非接触、速度快、精度合适、 现场抗干扰能力强等突出的优点，使有可能实现逐什检测：还有在线、实时性好，获得的数据便丁 计算机处理等优势。利川机器视觉米监测机械加l ：质量过剧，并对检测数据按质量控制要求进行实 时处理，则可实现机械加i ：质量过样的动态控制。能很好地满足现代制造业的需求，在实际中显示 出j - 阔的应刚前景。机器视觉检测技术已逐渐府刚到j ：业领域，研究开发计算机视觉检测系统受到 了j 泛重视。 随着柔性制造系统( f m s ) 和计算机集成制造系统( c i m s ) 的发展，生产过程中人的干预过程逐渐 减少，主要靠计算机控制加j f ：过程，质量若不能白动化检测，有故障也不能自动排除，生产就无稳 定性可言，也就不能形成生产力。机器视觉极适川于人批鼍生产过程中的测量、检杏和辨识。线阵 c c d 在连续、扫描在线测量中的应川非常具有优势，如面积测苗，不仅得剑的结果准确，而且实时、 快捷：再如，零件装配完整性、装配尺寸精度、零件加。：精度、位置与角度测量、零件识别、特性 与字符识别等。因此本项目的研究，对机械制造。i ：业的发展具有重要的影响。 本项目采刚机器视觉系统进行检测，因为其具有如- 卜优点： ( 1 ) 非接触：作为一个精确的测量仪器，机器视觉系统往往都是通过非接触传感器对被测对象 进行测量的。因为测量不需要接触，所以对被测对象没有磨损和危险。 ( 2 ) 检测快：视觉检测的整个过程，图像采集、图像处理及数据分析等都是由计算机完成，大 大提高了检测的速度。 ( 3 ) 连续性：机器视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为 造成的操作变化，多个系统可以设定单独运行。 ( 4 ) 经济性：随着计算机处理器价格的降低，机器视觉系统的经济性逐渐显现出来。另外机器 视觉系统普遍的操作和维持费用都比较低。 ( 5 ) 灵活性：机器视觉系统能够进行各种不同的测量，比光学和机器传感器具有更好的适应性。 他们使自动机器具有了多样性，灵活性和可重组性。当需要改变生产过程时，对机器视觉系统来说 “工具更换”仅仅是更新软件，而非升级昂贵的硬件。当生产线重组之后，机器视觉系统往往可以 被保留下来而继续使用。 综合利j j 机器视觉、图像识别和质量控制等技术，对机械加工质量( 包括尺寸精度、形位精度 等) 进行非接触的在线、实时识别和控制，实现逐件检测的目标，使不合格零件在生产过程中得剑 及时纠正，或从生产线上剔除出来，使不流入最终产品，这对提高我国机电产品、汽车等制造业水 平具有极为重要的意义。 1 3 机器视觉检测现状及发展动态 i 3 1 机器视觉检测研究现状 机器视觉是一个崭新且发展十分迅速的研究领域，在零件几何性质检测方面，现有的视觉检测 对象基本上都是尺寸精度、形位精度的测量，如集成电路安装定位、分立器件结构检测，精度要求 并不高，一般只要达剑0 i m 数苗级即可；而在机械零件几何尺寸测量方面1 5 1 1 6 l l t l ，绝对精度有达到 0 0 1 m m 数量级虽有报道，但它是在检测环境稳定，且处丁静j ：状态的条件下检测小尺寸一j ：件取得的， 一般适用于计量中心等。而在机械加：中，环境背景复杂，且存在噪声、振动、灰尘等干扰冈素的 情况卜，如何实现机器视觉对机械加一j ：尺寸的在线检测，这方面的研究还处丁起步阶段。 2 随着i ：业化和制造业水平的提高，对儿何餐测耸的精度要求也不断提高。例如，普通机械加l ：精 度由2 0 世纪4 0 年代后的0 1 m m 数革级提高剑2 l 世纪的0 0 0 1 m m 数鼙级，相麻的几何量测量精度也有了3 个数鼙级的提高。冈此，机器视觉庶川于l ：业现场必须具有微米级测鼍精度。但是，由- 丁数字图像中 存在畸变、散射、光晕、逆变、鼙化效应等方面的问题，机器视觉检测技术i 于儿何量测量的精度 与传统的精密测苗精度相比还有一定筹距1 8 i 。 提高测封精度，可以从软、硬件多方面考虑。增加成像系统的分辨率，可以提高测苗精度，但 成本会成倍地增加。采h 面阵c c d 完成人面积图像的高分辨率采集，器1 i ，l ：价格十分昂贵，仅面阵c c d 就需数万元其至更多，且扩展性不好f 9 】1 1 0 l 。采川高精度图像识别算法也是提高测鹫精度的方法。目 前，目标零f t ：像素级边缘检测和定位技术的麻川越米越j 泛【l l l 。同时，国内外学者研究出了很多 像素定位方法，如矩方法、插值法和数字相关法等。文献【1 2 】中提山的最小二二乘线性同i 门和空 间矩弧像素定位算法对直线边缘检测均可达剑像素级精度，并得到满意的结果，最小二乘线性同 归像素定位精度约为0 1 像素，空间矩弧像素定位精度约为0 0 1 像素；文献【1 3 1 提出的基于边缘导 向的直边图像弧像素定位方法首先川c a n n y 算子求出图像的边缘区域，然后确定小邻域内直线段的 解析表达式，求出其在局部区域内的中点精确位置。同时，利用局部直线段的角度方向，剔除一些 偏差较大的点。晟后，用最小二乘法对所求的点进行拟合，得到像素的直线边缘该方法的直线 边缘定位精度可以达到0 0 1 像素的级别；文献【1 4 】川基于空间矩弧像素定位算法检测发动机气门 杆圆轴，对直径为1 2 6 m m ，圆轴所测长度8 c m 的气门杆圆轴部分进行检测，检测精度达到了0 0 0 1 n u n 。 采川普通机器视觉对机械零件加一【：过程进行在线监测，综合应刚数字图像处理、模式识别和质 量控制等技术，对机械零件的尺寸精度、形位精度进行非接触的在线识别和控制，达到逐件检测的 目标，把不合格零件在生产过程中剔除出来，这在机械制造质量控制领域是一个新的课题。 目前，国际上视觉系统的应用方兴朱艾，国内，机器视觉系统也进入应用的快速发展期，主要 的视觉系统采用进口。因此，应当加强机器视觉检测系统的研究。 1 3 2 机器视觉的发展动态 机器视觉的研究、发展和应用还远没有达到成熟的稃度。机器视觉从诞生到今天才只有短短的 三十多年时间，在机器视觉中承担“大脑”作用的图像分析处理、图像理解和模式识别理论和技术 基础还非常不完善。甚至，机器视觉的图像获取系统也存在许多局限。比如高速图像采集实现困难、 价格过高，图像分辨率、灵敏度等不高，敏感元件的制造困难，视觉系统的体积较大，自适应的图 像获取无法实现等。 下面从这两个方面介绍机器视觉的最新发展情况：图像获取技术及图像处理理论。 图像获取技术的发展迅猛，c c d 、c m o s 等同体器件已经变成成熟应j h j 的技术。线阵图像敏感 器件，像元尺寸不断减小，阵列像元数量不断增加，像元电荷传输速率得到极大提高。在机器视觉 中，高速器件应用的场合在不断拓展。高速面阵图像器件性能也在快速提高。如h x 1 6 8 0 0 e 面阵 c c d 器件，有效面积为3 6 8 8 n u n x 3 6 8 8 r a m ，最人分辨率达4 0 9 6 x 4 0 9 6 ，最小像素尺寸为9l am x 9 l zm 。 作为图像获取装置的组成部分，嵌入式系统、d s p 对图像获取起着图像采集与时序控制的作用。 大量的：l ：业图像处理系统中采用嵌入式系统或d s p ，也有部分系统采j 【 ；j 工业p c 机作为主控机器，完 成图像采集、处理和识别，并完成控制的功能。 数字图像处理是机器视觉中的关键。它是指将图像信号转换成数字信号并利j ；j 计算机对其进行 处理的过程。数字图像处理作为一门学科人约形成于2 0 世纪6 0 年代初期。经过儿十年的发展，图 像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困 难，因人类本身对自己的视觉过程还了解其少，冈此计算机视觉是一个有待人们进一步探索的新领 域。 数字图像处理包括图像的增强、图像的平滑、边缘锐化、边缘检测等等，它们在不同的研究目 标和应h j 中会采取不同的方法，也在不断出现新的研究成果。本项目主要研究的是j ：件的边缘检测 3 东南人学硕i ：学位论文 技术，在灰度图像中，经典的边缘检测利定位算法的精度多为像素级，随着机器视觉在各个领域戍 川的不断深入，精度要求不断提高，像素级的边缘定位技术已经难以满足实际的要求。近些年来，像 素边缘检测和定侍技术的应川越来越j 泛，像素测量技术作为数字图像处理技术个新的研究方 向，在发展过样中已形成了一些基本的方法 从2 0 世纪7 0 年代起就有不少专家提出了一些有效的弧像素边缘定位的方法，如h u e c k e lh j 拟 合参数方稃的方法达剑弧像素定位l l 别，a j t a b a t a b a i 首先提山朋灰度矩的思想米定位边缘剑弧像素 【1 6 1 ，a h u e r t a s 川高斯拉普拉斯模板合成边缘局部表面模型的方法构造了弧像素检测算子【1 7 j ，e p l y v e r s 提出空间矩弧像素算子【l 刚，k j e n s e n 采川1 f 线性插值的方法达剑弧像素检测精度i l 引。儿何方 法是利刚图像中某一目标的儿何特征得剑像素精度的测量数据，一般是利刚图像中一些规则形状 的目标，如圆、三角形、正方形等形状。内插法则是在离散采样点之间产生一系列灰度值，然后搜索 亚像素精度的特征位置。另外，还有i 又：域特征弧像素法和基于矩估计的弧像素法等。 机器视觉发展剑今天已经是一门由计算机科学、信号处理、人! l ：智能、模式识别、人：r ：神经网 络等多学科综合而成的交叉学科，机器视觉系统是将不同层次图像技术的有机结合，并应h j 基础科 学的原理，结合在图像应川中积累的技术经验而发展起米的系统。 1 3 3 机器视觉检测面临的问题 目前，学者们在图像处理方面已经研究出大量的技术和算法，并且在各个领域，包括视觉测量 领域得剑了广泛的应用。不过，机器视觉技术仍处丁二十分不成熟的阶段。利用机器视觉检测i ：件尺 寸偏差，其包含的内容比较广泛，本文仅就利用机器视觉系统检测：l 件尺寸偏差的可行性进行分析 与研究。 对于人类视觉来说，识别和理解周嗣场景是一件非常容易的事，但对于机器来说，却是一件很 困难的事。对于本机器视觉测量系统来说，检测过程受到以下几个困难的影响。 1 ) 检测精度高。目前机器视觉在机器人对i t 件的定位上应用比较广泛，精度要求一般是在毫米 级，而本系统应_ l j 于磨n r 件的尺寸检测，对检测结果的误差要求是不超过1 帆m ，精度要求很高， 这对系统的软硬件提出了高的要求。 2 ) 图像处理影响原始信息。利用图像处理方法处理t 件图像的过程中，必然会对图像中工件的 原始灰度信息产生影响，从而影响尺寸检测中对边缘的精确定位。 3 ) 环境冈素影响。场景中的诸多因素，包括照明、物体形状、表面颜色、摄像机以及空间关系 变化都会对生成的图像有影响，冈此，当任何一个因素发生变化时，都会对图像产生影响。 针对以上问题，本课题组的实验是在实验室中比较理想的环境下完成的，尽可能降低环境冈素 对检测精度的影响。图像处理过程中，尽量保持其原始数据信息，并采用像素等技术提高检测精 度，使实验达到项目的预期目标。 1 4 论文的主要内容与结构 本文以机器视觉检测t 件尺寸偏差实验为背景，主要完成了系统检测平台软硬件设计、工件图 像采集与处理、t 件边缘提取与分析、1 ：件尺寸检测及误差分析，最后建立了检测模型，并完成了 实验数据保存与传输的程序设计。全文结构如下： 第一章，主要介绍课题研究的背景、意义以及机器视觉在零件精度检测方面的研究现状和发展 动态。 第二章，对项目进行需求分析的基础上，介绍了机器视觉检测系统的目标和要求；并详细介绍 了机器视觉检测系统的结构和软硬件设计流挫，为j l ：件尺寸检测实验提供了平台。 - 第三章，详细介绍了i ：件的图像处理流程、系统标定和i ：件尺寸检测方法最后建立了检测模 型，并对其进行了误差分析。实验表明，本实验方法对本系统建立的检测模型，在实验室环境卜对 4 第一章绪论 i ：件的尺寸检测达到了实验的预期目标，检测误差不超过1 0l ai n 。 第四章，介绍控制信息在不同操作系统( w i n d o w s 与l i n u x ) 计算机之间的传输，并比较了串口 与以太网通信的优缺点。 第无章，总结本文所作的j i ：作和内容，对本系统的改进和进一步研究提出建议，并对今后的研 究作了初步的展望。 5 东南人学硕f ：学位论文 2 1 需求分析 第二章机器视觉检测系统设计 本课题组提出h j 机器视觉实现产品的尺寸检测，尤其是对人批量、高精度、形状复杂产品的尺 寸检测。本课题主要研究尺寸范同在3 0 - 5 0 m m 的i ：件，由于1 l 乎通磨床的磨削加。【：一般在5 7 级加i ： 精度，该尺寸范同i ：1 ，i ：的公差要求为1 1 2 5um 。据此，提出本课题的第一个研究目标：实验室条件 下对该尺寸范围i ：件尺寸偏筹的检测，误差不超过1 0um 。 针对实际情况和本课题的目标，本视觉检测系统必须满足以下几点要求： 1 ) 测蛙范嗣人 通过文献检索，发现报道的高精度视觉检测的i ：件尺寸比较小，主要是针对l o m m 内的一 件进 行检测的，而本课题的检测对象土要是针对尺寸为3 0 - - 5 0 m m 的i ：件。作为该课题的初始研究，考虑 首先在实验室的理想环境。f ，检测尺寸精度已知的标准鹫块，以便于进行精度检验。 2 ) 检测精度高 检测偏著不超过1 0 l ai n 是本课题最人的难点。虽然高精度视觉检测已有文献记载，也有精度达 到0 0 0 1 m m 的报道，但其检测的j ：件尺寸小于l o m m 。本课题组在检测尺寸和检测精度上同时提出 了较高的要求。 3 ) 检测速度快 视觉系统采集： 件的速度很快，这就对本课题检测程序的速度提出了高的要求，包括图像处理 速度和检测信息的传输。 4 ) 适应性强、柔性好 本视觉检测系统主要针对的还是较小尺寸： 件的检测，尤其是后期要能适应工厂环境下工件的 现场检测，这就对系统的灵活性提出了高的要求。检测系统要能方便的转移t 作地点，同时也要能 快速、稳定地定位。系统各部件，尤其是相机和光源要能灵活地移动，以适应t 件尺寸和位置的变 化。另外，本系统使用的设备比较昂贵，为了节约资金和提高效益，除了能实现高精度的尺寸检测 之外，通过更换部分器件，还需要能完成后续课题的研究，比如工件表面形貌特征、动态特征等。 2 2 系统总体方案 2 2 1 检测系统模块构成 根据以上需求分析及目标要求，本课题研究的机器视觉系统主要分为三个模块：图像采集、图 像分析与处理、工件尺寸检测与控制，如图2 1 所示。 图像滤波 拟 系统杯定 呷 计 入 0 2 l 上 执 1 入 尺j 检测 行 算 边缘检测 j ： 机v 件 v j 器 图像聚集卡b 0 边 件 边缘细分b缘信息传输b 图像采集 图像分析处理检测与控制 图2 - 1 机器视觉系统模块构成 6 笙= 三童塑! 登丛堂堡型墨堕垡! 图像采集模块负责将对象的可视化幽像和特征转换为能被计算机处理的一系列数据。摄像机将 ：i ：- f - i ：的图像信息转化成电信号，通过图像采集 保存剑计算机中，由丁机器视觉系统强调速度和精 度，冈此，图像采集系统需要及时、准确地提供清晰幽像。 图像处理模块是l ：什尺寸检测的前期准备，本模块的处理对后期的：什检测极其重要。由丁- 图 像受噪声影响，首先需要对图像进行滤波处理，如中值滤波等。滤波后的图像可利川c a n n y 算子、 s o b e l 算子等经典的边缘检测算法提取其边缘。由丁本系统对精度要求很高，而经典边缘检测算子提 取的是像素级边缘，误筹超过实验所能接受的群度。为了提高精度，在得到像素级边缘的基础上， 需要对边缘像素点进行细分，即得剑弧像素级边缘。得剑弧像素级边缘点后，就可以拟合山i ：什的 皿像素边缘，进而可求得两弧像素边缘之间的距离。 检测与控制模块是本系统的核心。本模块先对摄像机进行标定，求取像素当量，即计算出相机 中每个c c d 像素所对应的实际尺寸。由图像处理模块拟合出的r ：- f l ：弧像素边缘，从而计算出两边缘 间的像素数，用该像素数除1 ：件的实际尺寸即可求得像素当餐。再利用该像素当昔和待测i ：件两 像素边缘间的像素数求待测j 什的尺寸。最后，将检测信息传输给控制系统，控制系统在本文不予 讨论。 2 2 2 系统检测理论分析 摄像机成象模型如图2 - 2 ，其可简化为图2 3 所示的针孑l 成像模型。透视投影是最常h j 的成像模 型，可以用针孔成像模型米近似表示。透视投影成像模型的特点是所有来自场景的光线均通过一个 投影中心，它对应于透镜的中心。经过投影中心且垂直于图像平面( 成像平面) 的直线称为投影轴 或光轴。图中x o y 是透镜平面，x o y 是成像平面，即c c d 平面；p q 是物体，p q 是所成的像， h 为物距，为像距，为焦距。 f、 一 r 步 么阿 0 。o 、(j v 气” u 7 y 图2 - 2 摄像机成像模型 p j 。 l 一一- l ， 。 匕 盯) a 2 ， 彬错 乞7 q ，r f l 二i 、 ， - 一 f n 图2 3 针孔成像模型 图2 - 3 中，a o p q a o p 。q ，于是得 7 东南人学硕l ：学位论文 p q l l p q l ， 由透镜成像原理可知：! + ! 。了i ，代入上式得 y ， l ，。1 f i 一上 当f = “时，v f ，冈此，有的文献中在描述小孔成像模型时，直接制厂表示像距。 当系统参数【i i i l 定不变时，尸q i p q 的比值就不变。石。口。y 。平面即c c d 平面是由m x n 个像素 构成，也就是说，每个像素代表的实际空间尺寸不变。通过检测p q 。的尺寸，就能够反映出阳的 尺寸。要检测一i ：件的实际尺寸，只要先标定山该系统环境下像素的尺寸当量，并计算出p q 的像素 数，则工件的实际尺寸：像素的尺寸当量x _ e f t ：幽像的像素数。 2 3 工件尺寸检测步骤 为了应用视觉系统检测t 件尺寸，首先要对系统进行定标，即计算出该系统中相机的每个c c d 单元( 即像素) 所对应的物理空间的实际尺寸，即像素当量。该数值与相机系统相关，相机的焦距、 工件的精深等都对其有影响。对某一定标好的系统，如相机焦距改变，或：l 件景深发生变化，则已 有定标将失效，需要对系统重新定标。远心镜头可以在一定程度上减小这两个因素的影响，同时也 可以避免图像畸变对检测结果的影响。 下面介绍本系统检测：t = 件尺寸方法的步骤： 1 ) 系统校正 本实验检测： 件尺寸的精度要求是微米级，因此选用的标定块的精度等级必须比实验的目标精 度至少高一个数量级。 将：件放置于水平工作台上，工作台是高精度的平板。为了提高检测精度，减小后期图像处理 的难度，可以选择单一的黑色背景，并尽量清除背景中的灰尘等细小杂物。黑色的背景与标准块对 比鲜明，能很好地反衬出标准块，又能减小反光对检测的影响。标准块尽量位于相机的正下方，并 保持其边缘与c c d 像元品阵平行，以减小图像畸变对检测结果的影响。 2 ) 图像处理 对采集的图像，首先要进行滤波等预处理，以减小噪声等对检测结果的影响。对标准块的图像 进行处理的目的是检测其边缘。学者f i j 已经研究出很多经典的边缘检测算子，能够很好地检测图像 的边缘信息，但这些算法只是检测剑像素级的边缘，即边缘占有一个像素的宽度，而理论上的边缘 是没有宽度的直线。对于本实验的精度要求，像素级边缘的误差并不满足的要求，因此，必须采用 亚像素技术，对像素进行细分，将边缘定位到像素级精度，如0 1 像素，甚至0 0 1 像素级精度或 更高精度。图像处理过程中，还要考虑采h j 数学方法从微观上分析图像边缘的特点，降低环境因素 等对图像边缘的影响。 3 ) 计算c c i 像素的尺寸当量 c c i 像素的尺寸当量指c c d 数字图像中一个像素所对应物理空间的实际长度。图像信息在计 算机中是以矩阵形式保存的，每个像素点对应图像上一点。在检测出标准块两边缘的基础上，可计 算出两边缘问的像素数，具体的方法将在f 文详细介绍。为了减小误差，可以多次检测同一标准块， 然后求其平均值和方差。将以上所得像素数除定标块的标准尺寸，即可得剑像素的尺寸当量。 4 ) 检测i ：件尺寸 计算机出像素尺寸当量的后，就可以川该系统对r = 件进行检测了。在获取i ：件图像后，用类似 8 釜= 三至生! 塑型鲎笪型丕篓垡生 检测定标块的图像处理方法检测一l ：t l ：边缘，将得剑的西边缘间的像素数乘像素的尺寸当鼙，即可得 ：j - , f l - 的实际尺寸。 以上是检测i ：件尺寸的基本思想，图像畸变等未考虑的因素将在检测模型校正中完成。 2 4 系统详细设计 2 4 1 系统结构示意图 一般而言，二维图像测量系统主要是由被测物体、照明系统、：i ：业相机、图像采集矗及计算机 等组成，如图2 4 。 图2 - 4 机器视觉系统结构示意图 图2 4 表示的是系统的硬件结构示意图。光学系统主要指相机镜头，利j j 凸透镜成像原理。图 像采集系统c c d 数码相机将被测物体的边缘位置信息或尺寸信息的光学信号变为电信号，图像的所 有信息，包括位置和灰度信息都以矩阵形式保存起来，经图像采集卡输入计算机进行处理。 本系统的图像采集与处理程序、工件边缘检测及尺寸计算程序等都是在计算机中进行的，软件 程序部分将在下文介绍。 2 4 2 检测系统硬件平台设计 2 4 2 1 检测系统平台 图2 5 是本系统检测平台的示意图。其各部件名称如下：1 ：相机；2 ：相机同定板；3 ：悬臂架： 4 ：竖直支架；5 ：底板；6 磁性底座；7 ：平板；8 ：v 型块；9 ：工件；1 0 ：光源及其固定架；1 1 1 3 ： 光源支架。以上各部件，除相机、平板、v 型块、磁性底座是外购- f q ：乡 i - ，其他都是本课题组设计并 加工的。 本系统是按照实验需要设计的，其优点是体积小、重量轻、灵活性强、自由度大。自由度火是 本系统最人的优点，各部件能实现多个方向的平动或转动，以适应外部环境的改变，使一l ：件待测部 位都能保持在相机的视场范周内。支架底部州定有三个磁性底座，其磁性通断由开关控制，磁性底 座的开关打开时，能稳州地吸附在高精度的平板上。这种支架结构便于安装、携带，可以按照需要 任意挪动位置，定位方便。三个磁性底座的磁力可以吸附起大约九十公斤的物体，完全可以承受相 机悬臂形成的弯矩。 下面简单介绍- 卜各部件的功能及自由度情况。相机安装在其同定板上，固定板开有不同位置的 相机定位孔，可以选择不同的定位孔改变相机的安装位置。相机同定板与悬臂架是通过间隙配合连 接的，可在悬臂架上实现绕x 轴大约1 2 矿的旋转，当1 - f l ：不在相机的正下方时，就需要旋转相机， 使相机正对i ：件。悬臂架可沿竖直支架上的滑槽在y 方向上卜滑动，方便调：肖相机的高度，两滑槽 的平行度和粗糙度要求都较高，以尽量减小系统误差。三个磁性底座葛三角形分布，通过螺钉州定 9 东南人学硕i ：学位论义 住底板上，磁性底座的使川是本系统平台的一人特点和优点。小形的待测1 ：件可直接放置在底板上 检测，若i ：什较人，可将底板反向安装，l ：什便可以放置住平板上；对丁圆轴类l ：件，放置在v 型 块上检测。本系统的检测平台安放在高精度的平板上，平板经过了研磨l ：艺，精度很高，其水平度 也经过了严格的检测，为检测提供了很女j ：的外部条件。 图2 - 5 检测平台示意图 光源支架的灵活性也是本系统突出的优点。本系统的光源由四个条形l e d 光源组成，它们在其 i 占i 定架上能绕x 轴或z 轴旋转实现人约9 0 0 的旋转。吲定架能在光源支架1 1 上实现沿z 轴向的平 动，支架1 1 能在支架1 2 上沿x 轴向平动，支架1 3 能在竖直支架上沿y 轴向平动。受系统尺寸的 限制，光源在x 和z 轴向的平动裕量较小，而y 轴向的滑动裕量较人。这样的光源支架结构自由度 大、灵活性强，便于调节，满足本系统对光线的高要求。 平台整体基本采用4 5 钢，以保证系统强度、刚度，在满足使用要求的前提下，尽量减轻支架体 积和重量。各构件加工完成进行淬火处理，以防止生锈。竖直支架上的两滑动槽精度较高，不仅要 有高的位置度，还有保证平行度，而且滑动槽较氏，给机械加一j ：带来了一定的困难。光源支架的材 料是硬质铝，满足了使用上的强度和刚度，同时也避免形成过火的弯矩，保证了光源的稳定，在实 验过程中不会振动。 检测前需要对系统进行调节，首先要尽量保证平板的水平，以减小系统误差对检测结果的影响； 使相机止对待测i ：件，同时要使i ：件待测部位尽量位于视场中央，以减小图像畸变对检测结果的影 响：调订待测i