（机械电子工程专业论文）基于机器视觉的硬盘驱动架尾孔的检测研究.pdf

摘委 摘要 计算机视觉作为一种先进的自动检测技术之一，具有非接触性、实时性、灵 活性、精确性等优点，随着汁算机水平、成像设备带4 造工艺水平的提高和图像处 理技术的不断发展，计算机视觉检测技术将在生产实践中得到更为广泛的应用和 发展。 本文以硬盘驱动架的上下尾孔为对象，对摄像机标定、边缘检测和圆孔测量 直径的视觉方法等关键技术进行了深入的研究，实现了利用计算机视觉检测技术 对小孔的高精度测量。 在计算机视觉检测系统中，除了摄像机等硬件以外，光源和镜头是影响图像 质量最为关键的硬件设备。在本系统中，选用l 叻光源和畸变小的镜头作为视觉 检测系统的照明光源和成像镜头，为精密测量提供了高质量的图像。 针对本测量系统的特点，本文提出了一种简单且具有较高精度的标定方法。 在标定过程中，以标准工件为标准参照物，采用曲线拟合算法求该参照物小孔直 径。标定结果与h e x s i 曲t 软件包中的标定结果进行了对比实验，结果令人满意。 在边缘处理方法中，本文比较了经典边缘检测算子与c a n n y 算法的性能， c a n n y 边缘检测算子在边缘定位精度和抗噪声能力上都优于前者。所以在本测量 系统中采用了c a n n y 边缘检测算子。本文同时也对亚像素边缘检测的方法做了一 些研究。 本文基于对视觉检测圆的研究，提出了两种检测算法，一种是改进的h o u 曲 变换检测圆算法，该算法大大提高了计算的速度和计算结果的精度。另外一种方 法是基于圆周上8 点拟合算法。 针对测量系统的特点，本文分析了影响测量精度的因素。并根据客户的要求， 对提出的两种圆检测算法进行了重复精度和相关性实验。实验结果表明，这两种 算法是有效可行的，完全能满足检测精度要求。但是基于圆周8 点拟合算法的重 复精度与相关性都比改进的h o u 曲变换算法要高。所以，本视觉系统最终采用了 基于圆周8 点拟合算法，并在0 p e n c v 图像处理库的基础上，利用了v c + + 开发了 套硬盘驱动架上下尾孔的视觉检测系统。 关键词： 计算机视觉检测；c a n n y 算子；摄像机标定；h 。u g h 变换：圆检测 a b s t r a c t a so n eo ft h e a d v a l l c e da u t o m a t e di n s p e c t i o nt e c l l l l o l o g y ， c o m p u t c r v l s l o n ( c v ) h a sm a n y m e r i t ss u c ha sn o n - t o u c h ，r e a l - t i m e ，n e x i b i l i 移a n dh j g ha c c u r a c y w i t h i n c r e a s i n go fc o m p u t e rt e c h n o l o g y ，t 1 1 et e c l l l l i q u e o fi m a g i n ge q u i p m e n tf a b r i c a t i n g a n d d e v e l o p m e n t o fi m a g ep r o c e s s i n gt e c h n o l o g y ，c o m p u 缸 v i s u a l i n s p e c t i o n t e c h n o l o g yw i l lb ew i d c l y u s c da n dd e v e l 叩e di np r a c t i c a l 时 i no u rr e s e a r c hp r o j e c t ，w et a k em et a i l - h o l ei nt h eh 捌一d i s kd v i n gs h e l v e sa s a no b i e c t l o t so fw o r k sh a v eb e e nd o n ct o 曲a lw i 血k e yt e c h l l o l o g ys u c ha sc a m e r a c a l i b r a t i o n ，e d g ed e t e c t i o n a n dm e t l l o d so f v i s i o nm 朗s l 】r e m e mf o rd i 啪c t e ro f h o l ea s w e l l f i n a l l yh 谵hp r e c i s em e a s u r 锄e m o ft h es m a l lh o l ei sa c h i e v e du s i n gc o m p u c e r v i s u a li n s p e c t i o n l i g h ts o t l r c e sa l l dl e n s e sp l a ya i li m p o r t a n t r 0 1 eo nt h eq u a l 时o f i m a g ej u 5 tl i k e c a m e r a si nt h ec o m p u t e rv i s u a li n s p e c t i o n 印p l i c a t i o n s ，t h el e dl i g h ts o u r c ea n d l e n s e sw 姒ll i m ed i s 幻r t i o na r e l e c t e da sl i g h ts o u f e e sa n dl e n s 。fi m a g i n gf o r l n s p e c t i o ns y s t e m ，w h i c hp r o “d eh i g hq u a l i t yi m a g e sd u r i n gp r e c i s ei n s p e c t i o n a s i m p l ea l l dh i 曲p r e c i s em e 血o do f c a l i b r a t i o ni sg i v e na i l l l i n ga tm ec h a m c t e r o ft h ei n s p e c t i o ns y s t e mi nt h ep a p e r as t a n d a r dh o l ei sr e g a r d e da sr e f b r e n c e ，a 1 1 d d i 锄e t e ro f t h eh o l em i m a g e j sc a l c u l a t e db yt 1 1 ec u r v e6 t t j n ga l g o r i m m t h er e s u no f m ec a l i b r a t i o nc o m l ) a r e dw i t hm e h e x s i g h t s o f 研a r ei sv e r ys a t i s 丘e d i nt h ee d g ed e t e c t i o np a r t ，t h ep e d - o m l a n c eb e t w e e nc l a s s i c a le d g ea l g o r i ma n d c 踟m ya l g o r i t l m i s c o m p a r e d c a i l n ya l g o r i t h m i sb e t t e r ( l a nc l a s s i c a l e d g e d e t e c t i o na l g o r i t h n lmm e w a y o fm e p r e c i s i o no fe d g el o c a t i n ga 1 1 da l l t i n o i s e s om e c a r m ya l g o r i t h m i su s e d 访m ep 印e r m e a n w h i l et h es t | _ b - p i x e l e d g ed e t e c t i o n i s s t u d i e di nm e p a p e r ， t w om e m o d sf o ri n s p e c t i i 培t h ec i r c l ea r eg i v e no nt t l eb a s i so f s t i l d yo fv i s u a i i n s p e c t i o ni nt h ep a p e r o n em e t l l o di su s e dt od e t e c tc i r c l eb y a j li m p r o v e da l g o r i t t h a tj sf a s t e ra 1 1 dm o r e p r e c i s et 1 1 a no l do n e a n o t h e rm e h o di su s e dt od e t e c tc i r c l eb y i c i r c l en t t i n gu s i n ge i g h t p o i n t so n t h ec i l l e t h er 龆s o n sf o ri n f 】u e n c eo nm e a s u i 啪e n t p r e c i s j o na r e 锄a l y z e d i no r d e rf o v a l i d a t em ef c a s i b i l i t yo fa l g o “t m ，t h er e p c t i t i o n a c c 啪c ya n dc o r r e l a t i o nw e r e t e s t e di nt e r m so f r e q u i r e m e n co ft h ec l i e n t t h ee x p 谢m e n t ss h o w l a tm er e s u i t s w e r ec o m p l e t e l y e l i g i b l e e s p e c i a l l y ，t h en m n gm e t h o di s b e t t e rt t mm eh o u 曲 t r a n s f o 彻m e l o di nt h e r 印e t i t i o na c c u r a c ya n dc o n e l a t i o n f i n a l l y ，t h ev i s i o n s y s t e m i sd w e l o p e d u s i n gv i s u a lc + + a n d ( 】p e n c v l i b r 射yf o ri n s p e c t i n gt a i l _ h o l ei n t h eh a i d - d i s kd d v i n gs h e l v e sa n d 山e n t t i n gr n e t h o di sa p p l i e d k e y w o r d ：c o m p u t c r v i s u a li n s p e c t i o n ；c a i l l l ya l g o r i t h m ；c 锄e mc a l i b m t i o n ；h o u 曲 t m n s f o 加；c j r c l ei n s p e c t i o n 绪论 第一章绪论 l t1 机器视觉检测的研究意义和研究现状 机器视觉检测技术是一种以现代光学为基础，融光电子学、计算机图像学、 信息处理等科学技术为一体的现代检测技术。随着计算机技术和光电技术的发 展，机器视觉检测技术得到了飞速的发展和广泛的应用。机器视觉检测技术的非 接触性、实时性、灵活性和精确性是传统检测方法无法比拟的”l 。 【非接触性 实现对检测物体非接触检测，由于它的非接触，使得不会对被检测物产生损 伤，从而保证了检测的可靠性。 2 实时性 由于机器视觉采用了先进的硬件设施和有效的图像处理算法，在处理检测对 象时，速度非常快，往往对一个产品的检测时间能达到几百毫秒。 3 灵活性 图像处理方法有很多，图像的存储也非常的方便，机器视觉实时检测系统可 以根据环境进行配置，有效的达到用户的要求。同时视觉系统能与p l c 、网络进 行通讯，可以实现检测的远程操作，大大提高了检测的灵活性。 4 精确性机器视觉技术能对检测物实现高精度的检测。 通常产品的检测是由入的肉眼完成，由于这种检测手段受操作者的疲劳强 度、责任心和经验等因素的影响，检测结果很难达到1 0 0 的在线检测，然而这 种非1 0 0 的检测在一些特定的应用场合是不容发生的，如航空和医药领域中， 产品中只要出现一个缺陷将会产生严重的后果。因此，传统的检测手段很难提高 产品的整体质量，而且由于人眼检测的效率也比较低，也就很难提高工作效率。 而机器视觉检测技术能实现产品的在线1 0 0 检测，从而保证了产品出厂的质量 和提高工作效率以及降低生产成本。所以机器视觉检测技术对于提高产品质量、 降低生产成本有着重要意义。 对于机器视觉检测技术的研究，日本、德国、美国、加拿大等发达国家早在 j 一东工业大学石贞士学位论殳 上个世纪六十年代后期就已经开始，到八十年代初开始得到广泛的应用。而国内 的研究从上世纪九十年代才开始得到重视。随着机器视觉检测技术的日趋成熟， 已经在工业、农业以及其它行业得到广泛的应用。 1 机器视觉检测技术在工业的应用 在电子工业中，机器视觉检测技术得到了较早的应用，主要在印刷线路板 ( p c b ) 和集成芯片( i c ) 的检测。大规模集成电路的发展，i c 的复杂度大大提高， 若采用传统的检测方法非常困难和费时，而且效率十分低下。视觉检测以其非接 触性、实时性、灵活性、精确性等特点为p c b 和i c 的自动检测任务提供了高性 价比的检测方案。y e 和d a n i e l s s o n 【3 】研制了p c b 典型缺陷自动视觉检测系统， p e r k i n s 【4 和k a u f a n n 5 】研制了用于检测装配在p c b 上元件的视觉检测系统。k i m 和c h o 等( 6 】研制了对p c b 上焊点的实时在线检查和分类视觉系统。国内的很多高 校也在这方面做了很多的研究，如天津大学精密测量技术国家重点实验室，在这 方面取得了一定的成果。 在工业制造中，机器视觉广泛应用到对产品的形状、尺寸、外表进行检测。 d a v i e s l 7 l 对圆形物体进行检测。段发阶、张洪涛等i 用机器视觉技术和自动控制 技术对电子网板( 彩电显像管的重要部件) 实现高精度和全自动的二维几何尺寸 检测。m a n b i r 等人应用一个统计分类方法来测量金属表面的粗糙度 。本文的视 觉检测系统是对圆孔的检测。 2 机器视觉检测技术在农业的应用 机器视觉检测技术已广泛应用到农业领域，农产品或农作物在其生产及加工 过程中，需要对产品的品质进行检测和分类。在国内，机器视觉检测技术在农业 也得到了飞速的发展。王丰元和周一鸣等 1 嘴研制了一套对玉米种子的检测视觉 系统。张书慧和陈晓光通过建立图像数据采集与分析系统，实现对农副产品准确 的分类“j 。在国外机器视觉应用到农业比我们国内要早，早在1 9 8 5 年，w 0 1 f e 和s a n d l e r 利用数字图像分析和模式识别技术研究了一套根据西红柿形状、颜色 等特征对西红柿进行分类的视觉系统“】。w e n 和t a o 研制成功了高速的机器视觉 水果分级系统| _ 【3 】。 3 机器视觉检测技术在其他行业中的应用 机器视觉检测技术还广泛应用于交通、食品、木材、包装等行业中。北京大 2 绪论 恒图像视觉有限公司研制的d h t c 2 0 0 0 闯红灯车辆自动抓拍系统，实现对路口的 闯红灯车辆进行实时监控，并记录违章时间、路口等信息。于铂、郑丽敏、任发 政等利用图像处理技术对猪肉等级估算，实现了基于机器视觉技术的快速无损检 测。w i l l i a mek i n gi v 等研制的工业机器视觉系统通过对木材纹理的判别 实现对传送带上木材自动分检。孙辉、赵宏提出了一种基于机器视觉的药品包装 盒上有关印刷缺陷的自动检测系统| 】“l 。 1 2 小孔检测的特点 随着机械制造业、半导体业不断的发展，对小尺寸圆形、圆柱形工件提出精 密或超精密的加工要求，也对其检测精度提出了更高的要求。对于小尺寸而言， 根据现行国家标准划分，基本尺寸小于3 姗称为小尺寸，但严格讲小尺寸的界限， 至今没有统一而明确的规定。由于工件尺寸小的原因，这给测量带来了不少的困 难，特别是孔类零件的测量要比轴类零件测量困难得多。这是因为测量器具活动 空间受限制、不易定位、操作调整不便以及测量速度慢等因素。对于小尺寸零件 的测量，有以下几个的特点： 1 定位误差 由于被测工件很小，有时难以选择设计基准或工艺基准作为测量基准，以致 在测量过程中，造成测量的定位误差。比如某些小轴，直径仅0 8 唧，那么测量 时就很难用仪器的顶尖来定位，也很难使用仪器上的v 型槽。对于这样的小轴， 往往不得不改用别的粗糙面定位，或者将小轴套入轴套孔中进行定位。这样一来， 由于小轴和定位面的问隙较大，定位不精确，带来较大的定位误差。 2 测量力引起的误差较大 用接触法进行测量时，为了克服测量仪器内部的摩擦力和回程误差，排除测 端、被测件及定位面之间的油膜和污垢的影响，常要求有一定大小的测量力，以 保证测量示值的稳定性和可靠性。但测量力会引起被测件的接触变形。特别是尺 寸测量，因为测球的测端和被测面之间的接触面积很小，即使很小的测量力也会 带来很大的压强，以致在工件表面引起较大的压陷，这样势必会影响测量的精度。 如使用塞规检验小孔时，由于塞规很小，单单凭借其自身的重量滑入小孔是不可 能的。检验时不仅必须加力，还要旋转塞规，因此在测量中，由于接触力的作用， 广东t 业大学硕士学位论文 使得在接触面积很小的地方产生了很大的压强，这样有可能使止端进入不合格的 孔中，造成误检。由此可见，测量力对小尺寸测量影响特别大。为了减少测量力 对测量结果的影响，应对测量力引起的误差进行必要的修正，或者采用非接触测 量方法。 3 温度引起的测量误差 对于小尺寸零件，由于量值小，故由于热变形产生的温度误差较小。并且由 于导热快，被测件和测量仪器及基准件的稳定很容易达到平衡，故由温度引起的 测量误差比中尺寸和大尺寸测量时要小得多。 1 3 小孔检测方法的综述 在现有测量孑l 径的方法中，根据测量方式可以分为接触式测量和非接触式测 量。 ( 一) 接触式测量方法 1 光学灵敏杠杆测量 光学灵敏杠杆是大型工具显微镜的附件。用这些附件测量小孔，瞄准定位精 度高。 2 气动孔径测量仪测量 气动孔径测量仪是用单测头测量孑l 径，且与量块进行比较的一种量仪。采用 气动原理来瞄准和读数，这种仪器的优点是测量精度高。但测量前需要等温处理， 调整和测量的时间比较长，容易受温度的影响。 3 弹簧内径干分表测量 这是一种常用的简单方法。一般被测孔径范围为3 6 唧，误差较大。 4 电接触法测孔 电接触法测孔，是利用测头与孔壁接触的瞬时使电路通电，进行瞄准测量的 方法。 ( 二) 非接触式测量 1 光学影像法 该方法是最基本的非接触测量方法。用仪器目镜分划板上的刻线对被测孔的 影像进行瞄准，即对被测轮廓的两边进行瞄准，并由仪器的测量装置读出读数， 4 绪论 两次读数之差就是被测孔径值。 2 激光衍射法 当光遇到细丝和小圆孔等障碍物时，会产生衍射现象，据此可用激光衍射测 量微孔孔径。 3 像点瞄准法 这种方法测量精度高，使用方便，可以测微小的孑l 。但是，这种方法受端面 的毛刺的影响大，并且它只能测量通孔，其应用受到一定的限制i ” 。 传统的接触式测量法，其测量误差除了与仪器误差之外，还与瞄准、定位误 差有关，而且由于测头与被测件的接触，会造成零件变形，带来定的误差；另 外，由于被测件的大小不一，需要配备多种尺寸规格的标准量块，给测量带来困 难，又很难保证高精度，更谈不上高速度，自动测量的实现比较困难。在测量微 小零件时，矛盾更为突出。因此，本文针对小孔检测的要求与特点，采用机器视 觉检测技术，实现小孔的高精度、高效率测量。 1 4 本文研究的背景、意义及主要研究内容 本研究课题是广东工业大学机电学院与深圳视觉龙科技有限公司合作进行 的科研项目。该项目是采用视觉测量技术测量硬盘驱动架上下尾孔的直径。 该项目是采用视觉测量技术测量硬盘驱动架上指片和下指片尾孔的直径，如 图1 1 所示，其尾孔的大小为0 。1 0 8 4 0 0 0 0 4 i n c h ，重复精度达到1 2 微米， 与光学投影仪( s m a r t s c o p e ) 的相关性 8 0 ，与三坐标测量机( c 删) 的相关性 8 5 。 广东工业人学硕士学位论文 图卜1 硬盘驱动架 f i g 1 1h a r d d i s kd r i v i n gs h e l v e s 与传统测量方法相比，视觉测量技术有着独特的优越性。首先从成本考虑， 由于传统的测量方法的速度慢，效率低而且投入的人力资源也多，所以成本高。 其次，视觉测量是非接触测量，不会引入测头接触力带来的测量误差，而且对于 小尺寸测量来说，相应测头的制造比较困难，这样使得视觉测量方法测量精度高 而且操作方便。第三，视觉测量技术有效地扩展了人类自身的视觉能力，它利用 光电成像技术对所得的光学图像进行处理，通过选择合适的镜头，可以对不同尺 i r 大小的零件进行测量，极大地扩大了测量范围。第四，视觉测量技术利用了计 算机及各种软件功能进行图像处理，有效地避免了人眼读数等因素造成的误差， 减少了重复性测量的误差和仪器本身形成的误差，有利于提高精度。最后，由于 测量系统本身的特性，测量过程自动化程度提高，提高了检测的效率。 本文将利用机器视觉检测技术对硬盘驱动架的上下尾孑l 的直径进行高精度 测量。在这测量系统中，本文对摄像机标定、边缘检测和圆孔测量直径的视觉方 法等关键技术进行了深入的研究，在这方面取得了一定的成绩。 绪论 针对本测量系统的特点，为了便于操作，同时保证标定的精度，本文提出了 种简易的标定方法，该方法的前提是采用小畸变的镜头。在标定过程中，不考 虑畸变的影响，所需标定的参数为一个像素的物理实际尺寸，标定参照物为标准 的被测工件，图像像点的定位采用拟合算法。标定结果与h e x s i g h t 软件包中的 标定方法进行了对比实验，结果令人满意。 在边缘处理方法中，本文比较了常用边缘检测算法与c a n n y 算法的性能，从 实验中发现，c a n n y 边缘检测算子在边缘定位精度和抗噪声能力上都优于前者， 所以，本文采用的是c a n n y 边缘检测算子。同时也对亚像素边缘检测的方法做了 研究。 基于 1 0 u g h 变换检测圆的研究，提出了一种新的h o u g h 变换检测圆算法， 大大提高了计算的速度和计算结果的精度。同时也提出一种基于圆周上八点拟合 算法，研究和分析了这两种算法测量的结果，测试了它们的重复精度，并与c m m 和s m a r t s c o p e 分别做了相关性实验，其重复精度和相关性都能达到客户的要求。 其中本文提出的基于圆周8 点拟合算法的重复精度要比改进的h o u g h 算法高，而 且相关性同样也比改进的h o u g h 算法要高。所以，在本视觉系统中，最终采用了 基于圆周8 点拟合算法。 广东工业大学硕士学位硷文 第二章视觉测量系统的设计及系统的标定 典型的p c 式视觉系统一般由计算机、光源部分、镜头、c c d 摄像机、图像 采集卡以及图像处理软件组成。在本章中，将探讨机器视觉测量系统的硬件和软 件方面的选用，同时，根据本测量系统的特点，本文提出了一种简单且具有较高 精度的标定方法。 2 1 机器视觉测量系统的设计 2 1 1 系统硬件的选用 硬件的选用，主要是一个成像系统，即前端的物体通过传感器和采集设备把 信息传送到末端的计算机。下面重点讨论机器视觉系统硬件部分的选用。 ( 一) 计算机 主频p e n t i u m 1 7 g h z 内存2 5 6 m ( 二) 光源系统的选用 光源系统是成像系统的一个关键部分，因为光源光强的均匀性，光强波动幅 度等，会直接影响着图像采集的质量，从而影响整个系统的测量精度。根据光源 的照射方式不同，可以分为前照、背照、分光照等多种。在本项目中采用了背 光源背照方式，因为背照方式可以提高图像对比度，更好地获取图像的质量。 ( 三) 镜头的选用 选用镜头主要根据镜头的几个主要参数来确定。一般情况下，主要考虑镜头 的成像面、焦距、视场、工作距离、视野和景深等参数。一般来讲，焦距越小， 视角越大，最小工作距离越短，视野越大。对于镜头的选用，工作距离越近越好， 镜头的畸变越小越好，视野越大越好。在视觉测量应用中，应尽量选择镜头畸变 小的镜头。在该项目选用c o m p u t a rm 5 0 1 8 一m p 和t e c m 5 5 型号的镜头。其中一款是 用j 二做实验对比之用。 ( 四) c c d 摄像机的选用 第二章视觉删量系统的设计及系统的标定 c c d ( 电荷耦合器件) 是由具有光电效应的半导体器件组成的一个面阵单t 庀。 通过c c d 图像传感器采集图像，把目标的三维图像采集为二维图像，通过光信 号转换成电信号，即所谓的模拟信号，再由图像采集幸把电信号转化成数字信号， 供计算机处理。 c c d 根据图像颜色来分有单色c c d 和彩色c c d 。单色c c d 输出图像是单色的， 彩色c c d 输出图像是彩色的。 c c d 根据传感器格式来分，可以分为线阵和面阵两种。线阵c c d 每次只能得 到一条线上的光学信息，其分辨率高。面阵c c d 由排成方阵的感光像元组成，可 直接得到二维图像，一般应用于成像速度要求不高，一次成像的场合。 在本项目中，选用d a l s ac a d 4 1 0 2 4 a 型号c c d ，其分辨率为1 0 2 4 1 0 2 4 ， 像素尺寸为：1 2 u m x l 2 u m 。 ( 血) 图像采集卡的选用 在成像系统中，由前端的c c d 采集的模拟信号转换成数字信号，便于计算机 分析和处理。模拟信号转换成数字信号的过程中，需要图像采集卡来完成这种转 换。图像采集卡通常需要占用p c 机总线的一个插槽，并带有外接c c d 摄像头的 接口。图像采集卡对c c d 输出的景物的视频信号进行实时的采集，经a d 转换后 将数字图像存放在图像存储单元的一个或多个信道中，通过计算机指令，将某一 帧图像静止在图像存储信道中，即采集了一帧图像，送入计算机等待处理。 根据项目具体的要求，需要选择适合的采集卡。例如采用静态图像采集卡还 是动态图像采集卡，是选择彩色卡还是黑白卡等等。本系统中采用的深圳视觉龙 生产的v d 8 7 8 静态视频采集卡。 广东工业大学硕十学位论文 图2 1 视觉测量系统硬件部分 f i g 2 1s y s t e mo fv i s i o nm e a s u r e m e n t h a r d w a r ep a r t 为了提高工作的效率，除了对图像处理算法做了改进，以减少处理的时间之 外，也对系统的工作方式做了改进，即采用了双通道双摄像头实现异步测量的工 作方式，一个摄像头测量硬盘驱动架上指片的小孔，另外一个则测量硬盘驱动架 下指片的小孔，如图2 一l 所示。该测量系统中，只要两个摄像头的镜头的位置不 变，就不需要重新进行标定，但如果使用时间较长，也需要定期地重做标定以确 保其测量结果的准确性和可靠性。 2 1 2 系统软件设计 该测量系统的软件部分包括应用软件和系统软件。应用软件与被测对象直接 相关，贯穿整个测量过程。应用软件是根据系统的功能和技术要求来编写的，它 包括系统的标定、边缘检测、h o u g h 变换和圆拟合算法以及系统界面| l 目等，如图 22 所示。系统软件是计算机实现应用软件运行的软件，它包括操作系统、编程 语言等。 系统开发的系统软件平台为w i n d o w sx p ，m i e r o s o f tv i s u a lc + + 6 o 以及 第二章视觉测量系统的设计及系统的标定 o p e n c v 。其中o p e n c v 是由i n t e l 丌发的一个开源的计算机视觉函数库，支持d i b 、 j p g 等格式。 图2 2 视觉测量系统的主界面 f i g 2 2m a i nin t e r f a c eo ft h es y s t e mo fv i s i o nm e a s u r e m e n t 2 2 视觉系统的标定 计算机视觉的主要任务是利用计算机技术实现对三维景物的描述、识别和理 解，摄像机所获取的三维物体的二维图像是以像素为单位的，如何确定物体的三 维空间坐标和二维图像的对应关系是摄像机标定工作中所要解决的基本问题。空 间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像 机成像的几何模型决定的。这些几何模型参数就是摄像机参数，参数的获得过程 就是摄像机标定。 摄像机标定是视觉测量中的一项最基本，也是最重要的工作之一。摄像机标 定也就是对摄像机内外参数求解的过程，摄像机内部参数指的是成像的基本参 数，如有效焦距、主点、尺度因子、径向、切向镜头畸变以及其它系统误差参数； 摄像机外部参数指的是摄像机相对于外部世界坐标系的方位，主要是一些坐标转 广东工业大学硕士学位论文 换参数。 2 2 1 常用标定方法 目前常用的标定方法可以分为传统的摄像机标定方法和摄像机自标定方法。 传统的摄像机标定是在一定的摄像机模型下，基于特定的实验条件，如形状、尺 寸已知的标定物，经过对其进行图像处理，利用一系列数学变换和计算方法，求 取摄像机模型的内部参数和外部参数。根据求解方法不同，可以分以下几类方法： 第类为直接非线性求解法该方法首先是建立标定点的空间三维坐标与图像 啦标的投影关系，然后用迭代算法对非线性方程组求解。该方法的优点是可以覆 盖所有的相差变形，即可选定任意的系统误差模型，其不足之处是稳定性差。第 二类方法是线性求解法删，其中直接线性变换法( d l t ) 是一种典型的线性求解方 法，该方法是基于针孑l 模型的标定。第三类方法是分步法，t s a i 首先提出两步法 l ，该方法第一步解线性方程，得到部分外部参数的精确解，第二步再将其余 外部参数与畸变修正系数进行迭代求解，这种方法很好的将迭代方法与非线性迭 代优化方法结合，能达到较高的标定精度。其不足之处是未对切向畸变进行标定， 且标定过程和计算相对复杂。w e n g 在t s a i 标定的基础上，提出了更为全面的标 定和误差修正模型【2 1 1 ，但该方法精度的提高是以增加运算量为代价的。 另外一种标定方法是摄像机的自标定方法。该方法不依赖于标定参照，仅利 用摄像机在运动过程中周围环境的图像与图像之间的对应关系对摄像机进行标 定。它包括基于主动视觉的摄像机自标定技术口“、利用本质矩阵和基本矩阵的 自标定技术弘”、利用多幅图像之间的直线对应关系的摄像机自标定以及利用灭 点( v a n i s h i n gp o i n t ) 和通过弱透视投影或平行透视投影进行摄像机标定。自标 定方法非常灵活，但是其标定过程复杂，不宜用于实时性要求较高的场合，并且 其最大的不足是精度不够高。 一般情况下，当应用场合要求的精度很高而且摄像机的参数不经常变化时， 传统标定方法为首选。而自标定方式主要应用于精度要求不高的场合，如通讯、 虚拟现实等。本文是针对机械零件的检测，检测的精度要求高，检测系统的摄像 机与零件的相对位鹭一般保持不变，所以摄像机标定方法应当选择传统的标定方 法。 第二章视觉测量系统的设计及系统的标定 在很多的机器视觉应用场合，采用的是二步标定方法，求取镜头的畸变系数， 然后用这个畸变系数对图像进行几何校正，然后再求解一个像素的物理尺寸。由 l ：本系统采用的是畸变比较小的镜头，所以对于成像模型，可以近似看成是针孔 模型，利用该模型进行标定。下面具体介绍本文的标定方法。 2 2 2 本文的标定方法 本文针对具体检测应用，选择了畸变小的光学镜头。当镜头畸变小时，成像 模型近似为一个针孔成像模型。根据针孔模型，本文采用了标准的检测对象作为 标定参照物，不需要标定摄像机内外参数，只需要标定出摄像机的物面分辨率， 这样标定的过程简单，而且对于测量系统来说，保证了标定的精度和稳定性。为 了验证该标定方法的可行性和有效性，与视觉软件包h e x s i g h t 中的标定算法进 行了实验对比。 2 2 2 1 成像模型 在该系统中，本文采用的是畸变小的光学镜头。所以成像模型可以看似针孑l 模型。针孔模型假设物体表面的反射光都经过一个针孔而投影在像平面上，即满 足光的直线传播的条件。针孔模型主要由光心、成像面和光轴组成，图2 3 是针 孔模型原理的示意图，其中的焦距等于光心到像面的距离，物距等于光心到物面 的距离。实际摄像系统通常由透镜或者透镜组组合而成，其中的物距、像距和焦 距满足式( 2 一1 ) 的高斯成像公式： ：三+ 三( 2 一1 ) 正“v 其中 为焦距，“为物距，v 为像距。但是透镜成像与针孔成像 两者的焦距不是一样的概念，在针孔成像中焦距等于像距，而在透镜成像中，焦 距并不等于像距。但两者的成像关系是一致的，即都满足像点是物点与光心的连 线与图像平面的交点。因此，可以用针孔模型作为摄像机成像模型。 广东工业犬学硕士学位论文 像面物面 ，吵l y 淞 i 光轴 图2 3 针孔成像模型 f i g 2 3t h em o d e lo fp i n h o l ei m a g i n g 2 2 2 2 标定方法的设计 本文标定的目的是计算一个像素的实际物理尺寸，即通过针孔成像模型，由 已知的标定参照物实际的形状和尺寸，然后求出被测物体在c c d 图像所占的像 素个数，则可计算出一个像素的实际物理尺寸。 在选择标定参照物时，很多文献中提出了使用定制的标准网格平面或者标准 网格立方体作为标定参照物。其优点是标定参照物精度高，其物体上的特征点容 易精确提取，算法易于实现。它的不足之处在于，对于某一视觉测量系统来说， 其标定精度的稳定性差。这是因为，在标定时，难以保证标定时的标定参照物的 物距与被测工件时的物距相等。例如，在某些场合，标定块和被测工件不是同一一 类物体，所以需要其他辅助工件加以调整以使它们的高度相等。本文的被测工件 是硬盘驱动架，这也就很难保证硬盘驱动架和定制的标准网格平面或者网格立方 体在同一工作台上能得到同样的物距，需要额外在某一个工件下垫上垫片，使得 它们接近在同一水平高度上，但成像时的物距还是很难保证是相等的，这样使得 标定值出现误差。所以本文提出了另外一种标定方法，即采用的标定参照物是标 准的测量工件。这样不必考虑设计垫片的问题，这种方法相对来说能保证更高的 标定精度。 本文选择标准的硬盘驱动架作为标定参照物。该参照物中的小孔的尺寸是通 过精密仪器测量所得，如三坐标测量机。然后以这个工件作为标准的参照物，计 算像素的实际物理尺寸。这种标定方法简单、易操作、精度高等特点，适用检测 1 4 第二章视觉测量系统的设计及系统的标定 对象相对稳定，不经常更换的视觉测量系统。 2 2 2 3 标定算法具体实现 本文标定算法的目的是求解出一个像素的实际物理尺寸，一般包括两个方向 的尺寸，即水平方向上的尺寸和垂直方向上的尺寸。 本文的标定算法原理：首先在灰度图像中，手动形式在水平真径方向上选取 一个r o i ( r e g i o no fi n t e r e s t ) ：然后对选定的r o i 图像进行边缘检测，提取边 缘点的信息，然后对这些边缘点进行圆弧拟合( 拟合算法请参照本文第四章中的 基于圆周八点的拟合算法) ，求取圆弧的半径r 一，该半径的值是以像素为单位， 如图2 4 所示，曲线为拟合结果的圆弧，图2 5 的曲线是水平方向上左右两侧边 缘的拟合结果的放大图；最后计算参照物小孔的真实半径尺。( 由厂方提供标准 数据) 与计算得到的标准半径矗一，之间的比值，这个比值就是所求的水平标定值 七， 如式( 2 2 ) 。上面介绍的是在水平方向七。的求解： 后。：坠( 2 2 ) 5 r ， ( a ) 在水平方向区域拟合结果 ( b ) 在垂直方向区域拟合结果 图2 4 在水平和垂直方向选定区域 f i g 2 4r o ii nt h eh o r i z o n t a la n dv e r t i c a l 广东工业大学硕士学位论文 ( a ) 水平方向左边缘拟合结果放大图( b ) 水平方向右边缘拟合结果放大图 图25 边缘拟合的放大图 f i g 2 5a m p l i f i e di m a g eo fe d g ef i t t i n g 同理可求得在垂直方向的t 。的值。为了求解最后的标定值丘，本文采用 i ：生鱼。 2 2 2 2 4 标定实验分析 为了验证本文标定算法的有效性，将与视觉软件h e x s i g h t 进行对比。在分 析实验之前，先介绍一下h e x s i g h t 视觉软件。该软件是美国a d e p t 公司的一一款 高性能机器视觉软件开发包，h e x s i g h t 软件在理想情况下，能做到1 4 0 亚像素 精度。本实验是在同一条件进行的，光源照射采用背照方式，调整摄像机，获取 清晰的图像，当调整完以后，保持其位置不变，然后在同一台计算机上分别运行 本文的标定程序和h e x s i g h t 软件。本标定实验只对硬盘驱动架尾孔的上指片进 行标定，其实验结果如表2 1 所示，单位：i n c h 。 表2 一l 实验结果 t a b 。2 一lr e s u l to fe x p e r i m e n t 第二章视觉测量系统的殴计厦系统的标定 从表2 一l 中可以看出，本文采用的标定算法处理的标定结果与h e x s i g h t 算 法的结果的差值占= 0 0 0 0 0 0 2 8 ，如果保留相同的有效数字，则结果相同。在最后 章实验分析中，实验中的标定数据是经过四舍五入处理的，只保留了5 位有效 数字。由此可见，本文采用的标定算法是有效的。 广东工业大学t 学硕士学位论文 第三章边缘检测算法的研究 图像的大部分信息都存在于图像的边缘中，主要表现为图像局部特征的不连 续性，是图像中灰度变化比较剧烈的地方。通常我们根据信号发生奇异变化的特 点来划分边缘的类型，一般有两种类型：一种为阶跃状，另一种为屋顶状。阶跃 边缘中边缘两边的灰度值有明显的变化；而屋顶状边缘中边缘位于灰度增加与减 ! j 的交界处。在数学上，可以利用灰度的导数来描述边缘点的变化，对阶跃边缘 和屋顶状边缘分别求其一阶、二阶导数。对于阶跃边缘点，其灰度变化曲线的一 阶导数在该点达到极大值；而二阶导数在该点与零相交。对于屋顶状边缘点处， 其灰度变化曲线的一阶导数在该点与零交叉，二阶导数在该点达到极值。如图 3 1 所示。 ( a ) 八忸 ( b )( c ) 阶跃边缘 ly f k x ，砷 八八一 ( e )( f )( g ) 屋顶边缘 图3 一l 边缘类型示意图 f i g 3 一lt h es k e t c hm a po fe d g et y p e 1 8 第三章边缘检测算法的研冗 图像的边缘是图像最基本的特征，边缘主要存在于目标与目标、目标与背景、 区域与区域之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要 基础，也是视觉测量中最为关键的一步。视觉测量中边缘检测不仅要提取表征图 像目标特征的边界，还要保证待识别目标的基本结构信息，以便后续的亚像素定 位的处理。 3 1 传统的边缘检测算法 边缘有方向和幅度两个特性，沿边缘走向的灰度变化平缓，而垂直边缘走向 的灰度变化剧烈。阶跃边缘像素点对应于一阶微分幅值大的点，也对应于二阶微 分的零交叉点。微分法就是利用梯度最大值或二阶导数过零点提取边缘点的算 法，由于在数字图像中，图像的信号不是连续的，很难用连续性的微分法求解和 判断边缘点，所以采用近似的差分算法来代替连续图像中的微分运算。基于图像 的差分算子寻找图像的边缘及位置，对噪声敏感，且边缘的确定是通过对这些算 子的输出取阈值进行的，在算法的去噪性能与定位精度之间存在着一定的矛盾。 边缘的锐化程度由图像灰度的梯度决定。梯度是一个向量，用v 厂表示。 w ：( 墨，娑) ( 3 1 ) 嬲妙 梯度的大小和方向由式( 3 2 ) 和( 3 3 ) 得到： 再再 ( 3 2 ) 护：协n t ( 粤呈宴) ( 3 3 ) j 斟 a x 传统的边缘检测算法如s o b e l 算子、p r e w itt 算子、l 即1 a c e 算子等是根掘 像素的灰度方向和强度的变化特性判断是否为边缘点。 1 ，s o b e l 、p r e w i t t 边缘检测算子 它们分别是由两个卷积核形成的算子，能产生较好的边缘检测效果。在这一 过程中，这两种算法一般会带来伪边缘，而且定位的精度不高。s o b e l 算子的数 学表达如下： 1 9 垒i ( 厂“一l ，一1 ) + 2 厂( f 一1 ，) + 厂( i l ，+ 1 ) ) 一( 厂( f + l ，l ，一1 ) + 2 ( f + 1 ，) + ( f + l - ，+ 1 ) ) v 倒汁厂= 雕一 。厂= j 1 j 1 j 1 ，厂= f ；：i ， v 2 ( f ，i ，) = 2 ，( f ) + 2 ，( f ，) 0 1卜1 f 二 矧 l o 1 o j1 1 l