（机械制造及其自动化专业论文）基于机器视觉的机械零件尺寸识别研究.pdf

山东大学硕士学位论文 摘要 基于机器视觉的检测技术以其快速，精确、柔性高等特点在国外得到了深入 研究和广泛应用，在国内也越来越受到重视。本文以机械：自u y - 零件中圆形特征的 直径测量为研究对象，深入研究了机械加工零件中的圆形特征直径的机器视觉检 测技术。 。 本文分析了机器视觉系统的组成，研究了各个硬件的性能参数和选择方法。 根据课题的需要选择了合适的硬件，搭建了机器视觉系统并给出了系统软件的结 构及其工作流程。 由于环境的影响以及成像系统的自身限制，所获取的图像会存在一定的噪声 和畸变。本文在对图像滤波、图像增强和边缘检测方法进行研究和试验的基础上， 使用中值滤波和s o b c l 边缘检测算子来对机械加工零件进行预处理，取得了良好效 果。通过研究相机小孔成像模型和相机标定方法，利用i n t c lo p e n c v 库函数对相 机进行了标定，使用标定得到的相机内参数对图像的畸变进行了校正，效果显著。 本文在对h o u g h 变换做了深入研究，对随机h o u g h 变换进行了改进，并使用 这一经过改进的方法对图像中的圆形特征进行了识别，得到了图像中圆形特征的 像素级精度参数。亚像素边缘定位技术是提高图像测量精度的常用方法。本文研 究了圆形边缘空间矩亚像素定位技术和最小二乘法圆形拟合亚像素边缘定位技 术，进而提出了在空间矩亚像素定位基础上的圆形拟合亚像素算法，在获得亚像 素精度的同时得到圆形特征的参数。本文给出了一种简单，高效的系统标定方法 实现了测量尺寸的单位从像素到毫米的转换。 在v c + + 6 0 软件开发平台上编制了本系统的图像处理软件，实现了上述的各 种算法。为了验证各种算法的性能和效果，本文对系统进行了实验，分析了实验 数据。实验结果表明，视觉测量系统对直径的检测达到了预期目标。 关键词：机器视觉；图像处理；h o u g h 变换；亚像素定位 山东大学青年基金资助项耳( 3 1 3 6 0 0 5 3 1 8 7 0 3 7 ) 山东大学硕士学位论文 a b s t r a c t t h em e a s u r e m e n tb a s e do nm a c h i n ev i s i o ni sc h a r a c t e r i s t i cw i t hr a p i d ， h i g hp r e c i s i o na n df l e x i b i l i t y i th a sb e e ns t u d i e da n da p p l i e dw i d e l ya t h o m ea n da b r o a & t h et h e s i sa i m e dt om e a s u r et h ed i m e n s i o no ft h eci r c u l a r f e a t u r e si nm a c h i n ep a r t s i nt h i sp a p e r ，t h em a c h i n ev i s i o nt e c h n o l o g y i ss t u d i e df o rc i r c u l a rf e a t u r e sd e t e c t i o na n di t sd i a m e t e r t h ep e r f o r m a n c ep a r a m e t e r so ft h em a c h i n ev i s i o nh a r 曲a r ea r ea n a l y z e & a l lt h ep a r t so ft h em a c h i n ev i s i o ns y s t e m ，i n c l u d i n gt h ec a m e r a , t h ei e n s ， t h ei l l u m i n a t i o na n dt h ef r 锄eg r a b b e r a r ec h o s ea n da s s e m b l e d t h ef l o w c h a r to ft h es o f t w a r ef o rt h em a c h i n ev i s i o ns y s t e mi sg i v e m t h e r ea r ei n e v i t a b l ea b e r r a t i o n ，n o i s ea n db l u ri nt h ei m a g e st h a ta r e a c q u i r e db yt h ec a m e r ab e c a u s eo ft h en o n - i d e a ll e n sa n dc 勰e r mt h ei m a g e e n h a n c e m e n t ，i m a g ef i l t e r i n ga n de d g ed e t e c t i o nw e r es t u d i e da n da p p l i e d a ni m a g ep r e p r o c e s s i n gm e t h o dw a sr a i s e d t h es o b e lo p e r a t o ra n dt h em e d i u m f i l t e r i n gw e r eu s e di nt h em a c h i n ep a r t si m a g ep r o c e s s i n g t h ec a m e r a c a l i b r a t i o nb a s e do nt h ep i n h o l ec u m e r am o d e li sc o m p l e t e dw i t ht h eh e l p o ft h eo p e n c 、，l i b r a r y u s i n gt h ec a m e r ai n t r i n s i cp a r a m e t e r t h ei m a g e r e c t i f i c a t i o nt r a n s f o r m st h ei m a g et oc o m p e n s a t el e n sd i s t o r t i o n t h eh o u 曲t r a n s f o r m ( 盯) i ss t u d i e da n dt h er a n d o mh o t i g ht r a n s f o r m ( r h t ) i s p r o v e d t h ep r o v e dm e t h o d o fr h ti su s e dt oc i r c u l a rf e a t u r e i d e n t i f i c a t i o ni nt h ei m a g e t h ep i x e lp r e c i s i o np a r a m e t e r so ft h ec i r c u l a r f e a t u r ea r ec a l c u l a t e db yt h ep r o v e dr h t s u b - p i x e le d g el o c a t i o n t e c h n o l o g yi sak e ym e t h o df o ri m p r o v i n gm e a s u r e m e n tp r e c i s i o no fi m a g e a n dd e c r e a s i n gt h ec o s to ft h eh a r d w a r e s p a t i a lm o m e n ts u b - p i x e le d g e l o c a t i o nt e c h n o l o g ya n dl e a s t 。s q u a r e sa p p r o x i m a t i o ns u b 。p i x e l e d g e l o c a t i o nf o rt h ee d g eo fc i r c l ea r es t u d i e di nt h i sp a p e r t h em e t h o dt o l o c a t et h ee d g ei ns u b - p i x e la n dc a l c u l a t et h ec i r c l e ，p a r a m e t e r si nt h i s 山东大学硕士学位论文 p a p e ri st h a tu s i n gl e a s t 。s q u a r e sa p p r o x i m a t i o no nt h eb a s eo ft h es u b 。p i x e l e d g ep o i n t s l o c a t e db yt h e s p a t i a l m o m e n ts u b - p i x e le d g el o c a t i o n t e c h n o l o g y s y s t e mc a l i b r a t i o ni sn e e d e db e f o r et h ed i m e n s i o no ft h eo b j e c t i sm e a s u r e d a ne f f e c t i v em e t h o do fs y s t e mc a l i b r a t i o ni sg i v e n t h es o f t w a r ei sd e v e l o p e du s i n gt h ev i s u a lc + 十6 0f o ri n s p e c t i n gt h e d i m e n s i o no ft h ec i r c l ep a t t e r ni nm a c h i n ep a r t s i no r d e rt ov a l i d a t ea 1 1 a l g o r i t h m sa b o v e t h ee x p e r i m e n t sa r ep e r f o r m e & t h ee x p e r i m e n ts h o w st h a t t h es y s t e mm e e t st h en e e d so ft h i st h e s i s k e y w o r d s ：m a c h i n ev i s i o n ；i m a g ep r o c e s s i n g ；h o u g ht r a n s f o r m ；s u b p i x e l d e t e c t i o n 1 1 1 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名；鉴丑煎 e t期：趔! ：! ! 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：肇曼煎导师签名：丝垒日期：么丝：至d 山东大学硕士学位论文 第1 章绪论 1 1 机器视觉 人类在漫长的生产实践中，发明创造了许多机器来辅助或代替人类完成生产 实践活动。人们一直在努力使机器能模仿人类的功能来感知外部世界，从而能更 有效地帮助人们来减轻劳动强度。 人类对外部世界的感知主要是通过视觉、触觉、听觉和嗅觉等感觉器官来完 成，但其中约8 0 的信息是由视觉获取的【“。视觉对于人类和许多高级动物来说是 一种极为重要的能力。因此，要使机器能够更好的为人类服务，给机器赋予视觉 功能是非常必要的。随着科技的进步，计算机已经可以模仿人类大脑的部分活动， 相机也能像人类的眼睛一样捕捉外部的世界。一门研究如何让机器拥有类似人类 视觉功能一样的科学也应运而生了，这就是机器视觉。 机器视觉是研究用相机和计算机来模仿人的眼睛和大脑完成对目标的识别、 跟踪和测量等任务的科学。通俗地说，就是用机器代替人眼来做测量和判断。它 的工作过程大致为：首先，使用相机将被摄取目标转换成图像信号，传送给专用 的图像处理系统，图像系统对这些图像中包含的信息进行处理和计算；然后计算 机根据处理的结果做出判断或决策；最后将控制信号传送给执行机构。机器视觉 的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比， 机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。 作为一门新生的科学，机器视觉显示出了强大的生命力。人们从2 0 世纪5 0 年代开始研究二维图像的统计模式识别，6 0 年代r o b e r t s 开始进行三维机器视觉的 研究，7 0 年代中期，m r r 人工智能实验室正式开设机器视觉课程，8 0 年代初 期开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌 现。伴随着计算机技术的不断提高和图像处理与传输技术的日益成熟，机器视觉 在生产实践中的应用也加快了步伐。现在机器视觉已经广泛地用于工业、农业、 军事、航空、医学等领域中。同时，机器视觉在理论研究上也取得了很大的发展， 现在机器视觉涉及了多门学科，包括：光学、机械、图像处理、计算机图形学、 模式识别、人工智能、人工神经网络等。 山东大学硕士学位论文 1 2 机器视觉检测 随着制造业的不断发展，先进制造技术的研究和应用越来越广泛。先进制造 技术以及自动化制造系统和先进生产模式的推广应用都要求先进的检测手段与之 相适应。 将机器视觉应用到制造业的检测领域中，用机器视觉系统确定产品相对于一 组标准要求的偏差的过程通常称为机器视觉检测闼。它特指机器视觉在工业检测方 面的应用，是机器视觉应用和研究领域中的一个重要分支。 机器视觉检测与传统的人工检测相比效率更高，检测结果更加准确可靠。由 于机器视觉检测不会受到操作者的疲劳度、责任心和经验等因素的影响，在一些 不适合人工作业的危险场合，人工视觉难以满足要求的场合和带有高度重复性、 智能性并且靠人的眼睛无法连续稳定地进行产品检测的场合，机器视觉可以发挥 它自身的优势来高效、高质量的完成检测任务。 机器视觉是适合现代制造技术发展的一种检测方式。首先，机器视觉可以实 现非接触在线检测，完成对生产线上的零件进行1 0 0 的检测，满足自动化制造系 统中的工序间检测和过程检测的要求；其次，机器视觉检测是通过计算机或者数 字信号处理器中的程序对图像信息进行处理而得到的测量结果，因此机器视觉检 测具有一定的智能和柔性，适于现代企业的柔性生产方式；再次，只要选用足够 高精度的镜头和图像传感器，机器视觉检测技术可以达到较高的检测精度；最后， 机器视觉易于实现信息的集成和管理，为实现计算机集成制造技术提供必要的支 持。 机器视觉检测是与先进制造工艺与现代制造生产模式相适应的智能化、自动 化、柔性的检测手段。在国外已经将机器视觉系统广泛地用于工况监视、成品检 验和质量控制等领域。在中国，这种应用也在逐渐被认知，对于机器视觉的需求 将越来越广泛。 1 3 机器视觉检测的发展现状 1 3 1 机器视觉检测的市场现状 日本、德国和美国等发达国家早在上世纪六十年代就开始了对于机器视觉的 2 山东大学硕士学位论文 应用研究。到上世纪九十年代，随着光电子技术和计算机技术的发展，机器视觉 已获得了广泛的应用，其市场潜力十分巨大。有资料嗍表明：在1 9 8 4 年，西欧的 工业视觉系统的销售总额达到5 8 9 万美元，到1 9 8 9 年达到近4 3 2 0 万美元。而在 美国，1 9 8 4 年的视觉系统销售总额达到6 0 0 0 万美元，到1 9 9 4 年近1 2 亿美元。在 日本，2 0 0 0 年机器视觉市场为3 0 0 4 0 0 亿日元。1 9 9 9 - - 2 0 0 4 年北美的机器视觉 市场规模从1 6 8 亿美元增长到1 9 亿美元( 年增长率为1 2 4 ) 。从上述数据可以 看出机器视觉技术发展速度快、市场大。 国内的机器视觉发展较发达国家晚，但其市场潜力不可忽视。目前从事机器 视觉研究、销售和应用的公司数量越来越多。这些公司中以销售机器视觉产品和 对机器视觉系统进行集成的占大多数，仅有少数企业从事机器视觉产品硬件的制 造和软件开发平台的研究。国内企业现在使用的机器视觉系统大多是从国外或中 国台湾引进的成套设备中配套的机器视觉系统。这些设备的引进，相应地带动了 国内机器视觉的发展，加上现在很多的外资企业开展的本地化的采购计划，国内 目前从事机器视觉系统集成的公司也逐渐活跃起来。中国制造业在迅猛发展，与 制造活动密切相关的机器视觉技术正逐步被商家认可和接受，机器视觉检测也显 示出广阔的市场。相信中国的机器视觉市场将会更加广阔，竞争也将更加激烈。 1 3 2 机器视觉检测的研究现状 在国外机器视觉检测从上世纪八十年代初开始已经得到了广泛的研究，国内 的机器视觉检测研究从上世纪九十年代才逐步开始。当前，随着机器视觉检测系 统应用的增加，对机器视觉的研究也越来越多。一些研究机构或企业开发了机器 视觉系统软件的开发平台或者函数库，提供一些常用的算法和工具。但是，机器 视觉是- - i - j 交叉性强的学科，因此在研究和应用中一套视觉系统一般只针对某一 种检测任务来进行研究和开发，没有一套机器视觉系统是对任何检测工程来说是 通用的。 根据机器视觉的应用领域不同，对机器视觉检测的研究可以分为不同的种类， 不同的学者对分类也有不同的见解。文献 4 】将工业中应用的机器视觉质量控制系 统分为四个类别：尺寸质量、表面质量、装配结构和操作质量。舆水大和习将机器 视觉的应用领域分为四类：产品检查、机器人、产品分类和其他应用。本文将制 山东大学硕士学位论文 造业领域中的机器视觉检测大体分为三种情况：尺寸测量、表面质量检测、目标 分类与识别。以下是对这三类应用的概括： 1 尺寸测量 尺寸测量是机器视觉研究和应用的重要应用领域，也是一个比较早开始的研 究的方向。机器视觉应用于尺寸测量工程中时，从视觉系统的硬件( 光源、图像 传感器等) 的选用到软件算法的设计中的每一个环节都对最终的性能产生影响。 需要根据工程的自身特点选择合适的硬件。 文献【6 】研究电盘尺寸的检测，采用两个7 5 6 5 8 1 象素的c c d 传感器分别采 集电盘两个侧面的图像，通过轮廓跟踪、直线分割、和亚象素定位获得工件的尺 寸。系统精度达到正负o 3 毫米，每个工件检测花费的时间约o 3 秒。 文献【刀研究了基于计算机视觉的活塞环闭口间隙测量系统。采用7 9 5x 5 9 5 象 素数的c c d 传感器，根据活塞环本身几何参数的特点推导出了活塞环各个参数之 间的关系。使用了对图像边缘的亚像素定位技术对3 0 0 微米的开口进行测量，测 量系统的测量精度为4 7 微米。 文献【8 】研究的机器视觉在线测量系统测量范围从十几_ e n 3 0 毫米工件的外轮 廓，经过实验在同一状态下长时间测量同一工件误差达n + 3 微米。 2 表面质量检测 机器视觉检测技术已经广泛应用到工业产品的表面检测中，主要检测的内容 包括毛刺、划痕、磨损等。但对复杂曲面的视觉检测仍有一定的困难，一方面， 工件表面的反射方向复杂、存在阴影等因素影响着图像的质量，另一方面相机的 镜头方向和距离工件的位置的控制也是影响检测精度的因素。 文献 9 】进行的基于点特征的混合三维配准及瓷砖表面质量分级技术研究，采 用形态学图像处理技术与混合三维神经网络，研制出基于机器视觉的瓷砖缺陷检 测与质量分级系统。根据检测到的瓷砖的斑点、裂纹、尺寸等按照相关质量标准 对瓷砖进行分级。 文献【1 0 】设计了机器视觉刀具状态监测系统。在监测系统中使用一个c c d 相 机在刀具退刀的过程中摄取刀具图像。图像经过有效的预处理后转换为灰度图像 输入到神经网络中，然后由细胞神经网络对刀具图像进行相应的图像处理，并与 预先存储的刀具正常图像进行比较，判断是否产生磨损，实现刀具状态的监测。 4 山东大学硕士学位论文 3 目标分类与识别 目标分类与识别一直是研究的热点，物体识别的基本方法是建立物体模型， 使用各种匹配算法从真实的图像中识别出物体最相似的目标h 1 。 根据物体识别任务所在的空间，物体识别可以分为二维特征识别和三维特征 的识别。二维识别用在识别远距离的物体或者在场景中稳定的位置的物体。三维 识别通过物体的灰度图或2 5 维图获取实际场景中的信息来识别物体的三维结构 特征。信件分拣、指纹识别、人脸识别、车牌识别等都是此方面典型的应用。 1 4 课题的背景和意义 在机械制造过程中，圆形工件以及带有圆形特征的工件，例如：圆柱、圆孔、 圆球等，是机械加工零件具有的基本特征之一。因此，圆形特征的检测也就成为 工业产品检测中的一项重要任务。 在目前生产实践中，根据普通的工件精度要求，圆形特征的直径测量一般使 用直尺、游标卡尺和千分尺等测量工具。这些测量手段的检测精度和效率比较低， 而且其准确率往往与操作者的经验和工作态度有关。这样的检测方法是不适合一 些现代化生产制造场合的高效的在线l o o 检测要求的。对于精密零件的检测，目 前虽可以使用三坐标测量机和激光测量仪来测量，但这些测量仪器成本高、效率 也较低。 鉴于现在机器视觉在产品测量中应用的现状，本课题针对机器视觉在机械加 工零件尺寸检测中的应用进行研究。课题的目标是利用机器视觉在工业检测中的 优势对工业产品中基本的圆形特征进行检测。本课题的目标是研究开发一种基于 机器视觉的柔性好、效率高的圆形工件及工件上的圆形特征的检测系统。这个系 统可以自动的识别工件中的圆形特征并测量出圆的参数。 本文的研究对提高我国机器视觉检测系统的开发应用水平，提高工业检测的 质量和效率以及突破国外公司对我国机器视觉市场的技术垄断都具有现实意义， 所研究的机器视觉系统具有一定的经济价值。 1 5 课题的主要内容 本文在查阅大量国内外文献的基础上设计并搭建一套基于机器视觉的机械加 山东大学硕士学位论文 工零件尺寸识别系统。从理论上对机器视觉尺寸检测进行研究，设计适合课题要 求、与硬件设备配套使用的视觉检测程序。本课题具体的工作内容包括： 1 对机器视觉硬件系统分析与集成。 分析系统的组成和硬件的参数以及性能，这些硬件包括：镜头、光源、相机、 图像采集卡。选择相关适合本文任务的硬件设备，搭建一套基于个人计算机的机 器视觉测量平台。 2 对图像处理及边缘检测方法进行研究。 对常用的图像滤波和边缘检算法进行研究。通过试验比较它们对机械加工零 件图像的处理效果，找到适合机械加工零件图像的预处理方法。 3 对圆和直线的提取进行研究。 研究直线和圆形特征的h o u g h 变换检测，对直线和圆形的随机h o u g h 变换进 行改进，并使用改进的h o u g h 变换对图像中的圆形特征和直线特征进行初步定位。 4 研究相机的模型和相机标定算法。 根据带畸变的针孔相机成像模型，对本文搭建的机器视觉的相机进行标定。 利用标定获得的内参数校正采集到的图像的畸变，提高测量效果。 5 研究图像边缘的亚像素定位方法和圆形参数提取的方法。 研究空间矩亚像素算法和最小二乘法拟合亚像素算法。分析空间矩亚像素算 法检测圆形边缘的可行性。提出基于空间矩亚像素定位基础上的最t b - - 乘法圆形 拟合参数提取的方法，提高测量精度。 6 研究系统的标定方法。 由于使用相机模型来从图像中推导得到零件测量尺寸这一方法的精度受到相 机标定精度的限制而不能实现精确的测量，因此在机器视觉工程中通常使用像素 和物理尺寸的比值来将以像素为单位的尺寸转换为以毫米为单位的尺寸，这被称 为机器视觉系统的标定。通过研究给出本文中机器视觉系统的系统标定方法。 7 编制软件程序实现图像的采集、图像处理、特征提取、亚像素定位和参数 计算等功能。 8 基于搭建的系统进行试验。用三坐标测量机对零件的测量结果进行系统标 定，利用本文的机器视觉系统对零件进行测量，对系统的性能进行分析。 6 山东大学硕士学位论文 第2 章机械零件尺寸检测系统 2 1 引言 典型的机器视觉系统从组成结构来分，可分为个人计算机( p c ) 式机器视觉 系统和嵌入式机器视觉系统叫i 。嵌入式视觉系统也称为智能相机，具有易学、易 用、易维护、易安装等特点。嵌入式视觉系统使用厂家提供的软件开发工具和函 数来编制需要的机器视觉系统程序，通过相机中嵌入的处理系统来执行程序判别 被检测目标的特征，并输出处理结果。使用嵌入式机器视觉系统可在短期内构建 机器视觉系统。但是这类系统成本较高，提供的函数也有限；基于p c 的机器视觉 系统相对来讲尺寸较大、结构复杂，开发周期也比较长，但是可以使用通用的软 件程序编制平台( 例如：m i c r o s o f t v i s u a ls t u d i o ) 来编制功函数和系统的软件程序。 因此，基于p c 的机器视觉系统的软件算法更加灵活，能完成功能复杂和智能化程 度高的任务。本文基于p c 式机器视觉系统进行研究。 2 2 机器视觉系统的基本结构 典型的p c 式机器视觉系统一般由图像采集、图像分析处理、结果输出与执行 几个部分组成。其中，图像采集部分的硬件主要包括：光源、镜头、相机、图像 采集卡。图像采集部分的任务是将目标物体的特征信息进行光学成像，然后通过 图像传感器将光信号转换为电信号传递给计算机的图像数据采集卡；图像分析处 理部分由基于个人计算机平台上的图像处理分析软件实现；处理结果的输出可以 利用计算机的通信接口也可以通过附加的硬件i o 设备来实现。机器视觉系统的硬 件组成结构如图2 - 1 所示。 m 行 相 机 机 图 c = 令 构 像 计 采 算 集 机 光 镜卡 源 头 图2 _ l 器视觉系统的硬件组成结构 山东 学陋士学位论文 2 3 系统硬件 本文通过对一系列硬件资料珏嘲的分析总结后，根据各 个硬件的参数厦其选用原则选择了一套适台本空研究需要 硬件，包括冲l ；【机、光源、镜头和图像粟集卡。并使用这些硬 件搭建r 机器视觉系统( 如图2 2 所示) 。 2 3 1 相机 2 3 1 1 工业相机 工业相机是专门用于工业领域的，为适合工程应用要求 而设计制造的。工业相机与普通数码相机有咀下区别： 1 工业相机的快门时间非常短，可以抓拍快速运动的物 体t 例如，可以拍摄一个酒杯被打碎的过程，记录破碎后的 目2 2 系统硬件 碎片的运动轨迹： 2 工业相机的图像传感嚣是逐行扫描的，而一般相机的图像传感器是隔行扫 描的，甚至是隔3 行扫描的。 3 工业相机输出的是没有经过处理的图像数据其光谱范围也较宽，比较适 台进行高质量的图像处理算法的机器视觉工程应用。一般的数码相机拍摄的图像 光谱范围只适合人眼视觉，并且经过了图像数据的压缩操作，降低了图像质量。 本文使用工业相机米措建机器视觉系统，在本文中所提到的“相机”都是指 “工业相机”。 2 + 3 1 2 相机的分类 相机的选择要根据系统的要求综台考虑镜头和图像采集卡的情况来选择相机 的参数。通常相机根据其参数的不同进行分娄，下面是常用的分类方法： 根据相机采集图像色彩不同，可咀分为黑白相机和彩色相机。彩色相机适用 于需要提取场景中的颜色信息进行检测和识别的场台，黑自相机只能生成灰度图 像。相对于相同精度的彩色相机来讲黑白相机价格低、数据量小、速度快、也能 够体现场景中的亮度信息。 根据信号传输方式的不同相机分为模拟信号相机和数字信号相机，模拟信号 山东大学硕士学位论文 相机成本低，在成像质量、速度、分辨率方面不如数字相机性能好。 根据图像传感器的不同相机可以分为c c d 相机和c m o s 相机。其中，c c d 是目前比较成熟的成像器件，已经广泛的被应用于各种成像和光学探测领域中， c c d 相机也成为图像传感器的主流产品。 对于c c d 相机来说，按照传感器的像素几何排列不同可分为线阵和面阵两种。 面阵相机的像素几何排列是二维平面，一般为矩形；线阵相机的像素按一维直线 排列。面阵相机一次可以采集到一定视野范围内的全部图像信息：线阵相机一次 只能观察物体的一个条状部分，摄像头和物体必须有相对运动来完成扫描，把每 次采集的图像进行拼接得到图像。线阵相机的成像质量不如面阵相机，但是线阵 相机分辨率高，速度快，对于运动物体的连续检测( 例如：连续运动的纸张) 有 着自身的优势。 相机的选择除了考虑选择黑白，彩色、数字，模拟、面阵，线阵、精度、速度外， 还要考虑的因素有：相机与图像采集卡之间的数据输出接口、相机与镜头之问的 联接接口等。数据输出接口主要有视频制式模拟信号、c a m e r a l i n k 、l v d s 、 i e e e l 3 9 4 、u s b 等。在系统的硬件选择时要注意相机和图像采集卡之间的接口的 类型，尽量选用相同接口，如果接口不同要考虑相机和图像采集卡之间的接口转 换问题；根据相机和镜头间的联接支座的螺纹的不同可以分为c 接口和c s 接口。 2 3 1 3 相机的选用 根据本文的要求结合今后研究工作的进一步开展，选用了u n i q 公司的 u p 一8 0 0 型黑白面阵c c d 数字相机( 如图2 3 所示) ，其主要参数如表2 一l 所示。 图2 - 3u n i qu p - 8 0 0 工业相机 u p 一8 0 0 是一款分辨率为1 0 2 4 x 7 7 6 的数字工业相机，它使用了逐行扫描隔行 传输的技术。具有外部异步采集功能，能够很容易的抓拍高速运动物体的图像。 9 山东大学硕士学位论文 其c c d 为方形像素，更适合用于处理、测量和分析方面的应用。u p 8 0 0 可以应用 在高速机器视觉、自动检测、运动采集分析以及很多其它科学和工业领域内。这 款相机和许多市场上常用的图像采集卡都能够配套使用。 表2 - 1u p 8 0 0 相机参数 性能指标 参数 c c d 图像传感器 1 3 ”逐行扫描，隔行传输 c c d 传感器芯片尺寸 5 8 0 n u nx 4 9 2 r a m 有效像素 1 0 2 4x 7 7 6 单位像素尺寸4 6 5 9 mx 4 6 5 9 m 帧速 4 5 f p s ( 2 x 2b i n n i n g5 1 0 x 3 8 89 0 f p s ) 数字视频输出 1 0 b i tr s 6 4 4 ，i v d s 电子快门 1 4 5 1 1 7 1 0 0 0 秒 镜头接口c 接口 外形尺寸 5 0 m mx 4 0 m mx8 3 r a m 2 3 2 光源 照明的主要目的是通过一定方式把光源发出的光投射到被测物体上，突出被 测特征的对比度，使采集到的图像质量得到改善从而满足机器视觉软件对图像处 理与分析的要求。照明方式的选择主要考虑被测物体的特性、工作距离、视场大 小等因素。当前还没有任何一种照明方式可以适用于所有的机器视觉工程中，要 针对每一个机器视觉工程选择合适的照明系统。表2 2 是常用照明方式的特点、应 用场合及其原理。 机器视觉工程中使用的光源除了要适合被测 量目标的特性以外，还要求光能稳定。光源的分类 方法也很多，目前没有一种统一的分类方法。通常 根据发光器件的不同将光源分为：l e d 、氙灯、石 英灯、高频荧光灯等。其中，l e d 光源效率高、体 积小、发热少、功耗低、发光稳定、寿命长，通过 不同的组合方式可以制造成环形、条形、矩形等不 同形状的光源来满足不同工程的需要。因此，l e d图2 4 环形l e d 光源 光源以其优异的特性在机器视觉工程中得到了广 泛的应用。 本文在使用掠射，背光、环形灯对机械加工零件进行了大量试验的基础上， 山东大学硕士学位论文 照明方案选用了环形灯照明。光源使用红色l e d ( 如图2 4 所示) 。 表2 - 2 常用照明方式与光源 方原理优点缺点使用光源用途 式 苴 由一个或多个点光源亮度高、灵阴影和反光纤光导、检测平面和纹 向组成。可使用透镜或活、可用多光光l e d 、自炽灯理表面 照是反射镜对光进行汇源或合适的 t 明聚或发散处理。成像系统获 得好的均匀 度 掠光线接近1 8 0 度对物显现表面结热点和极光纤光导、识别物体的缺 体进行照明构。增强物体度阴影 l e d 、白炽陷、不透明物 射 拓扑结构灯、线光源等体的表面检测 漫均匀漫射光反光小、照明体积大、难荧光灯大面积、反光 射均匀于包装 的物体检测 光 环 光源与镜头同轴，排可直接安装工作距离l e d 、荧光有纹理表面的 形 列呈环状在镜头上、距短、可能形灯、光纤光导测量控制 灯 离合适时照成环形反 明均匀光 同与光轴同轴的漫射非常均匀、几体积大、效同轴光纤光反光物体的测 轴光，物体反射的光线乎无阴影、反率低、工作 导、l e d 量控制 漫通过分光镜进入镜头光小 距离短、强 射 度低 背背面照射用来生成不边缘特别突观察不到荧光灯、光纤边缘检测、目 光透明物体的阴影或观 出 表面细节光导、l e d标试样、不透 察透明物体内部明物体识别等 黑 光线从透明物体垂直细节对比度边缘对比荧光灯、光线玻璃和塑料制 背于镜头边缘进入 高、表面划 度低、仅适 光导、l e d 、 品检测 景痕、破裂、气用于透明激光 泡、特别清晰物体 结 光线以一定结构投影小范围高强可能引起激光三维测量 构 到物体上，如线、点、度可以得到过感 光圆、方格等深度信息 n 山东大学硕士学位论文 2 3 3 镜头 镜头选择要根据相机的传感器尺寸、支座接口形式以及被测量的零件尺寸等 进行综合考虑。镜头的成像应能够完全覆盖镜头的传感器表面；镜头和相机的联 接接口形式应该尽量相同；镜头的视场和景深应该满足被测量的零件的尺寸要求。 下面是镜头几个主要参数的解释： 视场：视场就是整个系统能够观察的物体的尺寸范围，也就是与图像传感器 上所成图像对应的场景的大小。 工作距离：工作距离就是物距，即：物体到镜头的距离。 分辨率：分辨率描述的是光学系统能够分辨的最小物体的距离一般用成对的 黑白相间线来标定镜头的分辨率，即：每毫米多少线对( 1 p m m ) 。 景深：沿光轴方向上物体的尺寸或运动在一定范围内所成的图像是清晰的， 也就是说，这个范围称为景深。 光圈：光学系统中光线经过折射、反射等最后到达像面，在这个传输过程中， 并不是所有进入系统的光线最后都能通过，而是有一部分被阻挡。为了能够调节 透过的光强度，一般镜头中部设置了光圈，也就是一个多叶片的机械装置组成的 直径可变的圆孔，调整时这个孔的直径可以连续变化，从而改变镜头的有效孔径。 镜头光圈的大小一般用f 数来表示。 f 数：假定光学系统的有效孔径是d ，焦距是f ，那么，f - - f d 。这个参数描述 了光学系统的采光能力。有效孔径越大，能收集到和通过的光线越多，而焦距越 短，这些光线能到达像面的可能性越大。 本文选用了性价比较高的c o m p u t a r 公司的 m 2 5 1 4 - m p 百万像素固定焦距镜头( 如图2 5 所示) ，其主要 性能参数见表2 3 所示。该镜头采用c 型接口与可以相机配 套使用。成像尺寸满足相机的c c d 传感器尺寸要求。另外， 该镜头分辨率较高，适合高精度的尺寸检测。手动的光圈和 焦距调节可以满足本课题的要求。 图2 - 5 镜头 山东大学硕士学位论文 表2 3m 2 5 1 4 - m p 镜头参数 性能指标参数 焦距2 5 r a m f 数 1 ：1 4 图像最大尺寸 8 8 r a m x 6 6 m m 光圈 f 1 4 - f 1 6 c 工作范围 焦点0 3 m 。i n f 光圈手动 控制方式 焦点手动 分辨率超过1 0 0 线x 日m m 镜头接口c 接口 2 3 4 图像采集卡 图像信号的传输是大数据量快速传输。当图像采集卡的信号输入速率较高时， 如果使用个人计算机，图像采集卡通常采用的p c i 接口的理论带宽峰值为 1 3 2 m b s 。在实际使用中，p c i 接口的平均传输速率为5 0 9 0 m b s ，有可能在传 输瞬间不能满足高传输率的要求。因此，这一任务通常使用图像采集卡来完成。 图像采集卡是一块可插入计算机或脱离计算机独立使用的板卡，图像采集卡将数 字信号经过处理送入计算机，是图像采集部分和图像处理部分的接口。为了避免 与其他p c i 设备产生冲突时丢失数据，一般在图像采集卡上应有数据缓存。一些 图像采集卡还提供数字i o 的功能。 图像采集卡的技术参数主要有以下几个： 图像传输格式：图像采集卡需要支持系统中相机所采用的输出信号格式。其 中，l v d s 、c a m e r a l i n k 和千兆以太网等几种图像传输形式在机器视觉工程中应用 较为广泛。 图像格式：图像格式也被称为像素格式，分为灰度和彩色两种。灰度图像在 通常情况下，图像灰度等级可分为2 5 6 级，即以8 位表示。在对图像灰度有更精 确要求时，可使用l o 位、1 2 位、1 6 位等来表示图像的灰度；彩色图像：可由r g b ( 或者y u v ) 3 种色彩组合而成。 分辨率：采集卡能支持的最大点阵反映了其分辨率的性能。单行最大点数和 单帧最大行数也可反映采集卡的分辨率性能。 采样频率：反映采集卡处理图像的速度和能力的参数。在进行高度图像采集 时，需要注意采集卡的采样频率是否满足要求。 山东大学硕士学位论文 本文使用的图像采集卡为n i 公司的i m a q1 4 2 2 图像采卡( 如图2 - 6 所示) ， 其主要性能参数见表2 - 4 。 图2 - 6 i m a q1 4 2 2 图像采集卡 表2 - 4i m a q l 4 2 2 参数 性能指标参数 内存 3 2 m 传输格式 【d s 像素精度8 ，1 0 ，1 2 ，1 4 ，1 6 b i t 时钟频率5 0 0 i d - l z 至4 0 m h z 总线接口 p c i m 公司的i m a q 1 4 2 2l v d s 图像采集卡是一款非常灵活的，对工业现场应用 和科学研究都适合的图像采集卡。这一图像采集卡不仅可以与多个厂家生产的多 种型号的相机配套使用，也提多种编程软件的驱动接口和一些基础的图像处理函 数以适合各不同用户的需求。i m a q 1 4 2 2 图像采集卡能够支持的软件开发平台有： l a b e w 、ia b w i n d o w s ，c v i ，v i s u a lc 卜+ 、v i s u a lb a s i c 以及b o r l a n dc 抖等。 2 4 系统软件 机器视觉系统要实现预定的功能离不开相应的计算机软件，图像处理软件要 实现图像数据的采集，并且进一步通过特定的算法对采集的数字图像进行分析、 处理，最终将结果显示或根据需要传送给执行机构的控制部分。系统软件的设计 1 4 山东大学硕士学位论文 在整个系统的设计中占有重要的地位，是提升机器视觉系统性能的重要保障。软 件系统的设计应合理高效和简洁，以保证整个检测系统运作的稳定和可靠。 本文使用v i s u a lc + + 6 0 作为程序的开发平台。选用这一开发工具的主要原因 在于：c + + 语言具有灵活性强，可以方便的实现自己的算法，便于软件功能的扩 展： c + + 编程语言可以方便的操作内存，可以提高程序的运行速度，适合图像处 理；v i s u a lc + + 拥有众多使用者和爱好者，方便研究学习和交流。 本文的软件包括三个部分：软件界面模块、图像采集模块、图像处理与分析 模块。 2 4 1 软件界面模块 圈2 7 软件运行界面 本文的软件的界面是基于v i s u a lc + + 的m f c 对话框的程序。程序的各种函数 和功能通过菜单操作来实现，采集或者打开的图像和处理结果在同一界面显示， 结构简清晰( 如图2 7 所示) 。 2 4 2 图像的采集模块 2 4 2 i 数字图像的形成 外界光线经过成像系统形成的图像分布在图像传感器的成像面像素点上，图 山东大学硕士学位论文 像传感器再根据每一个像素点上光信号的亮度生成相应的电信号，然后对电信号 进行采样和量化，最终产生一个对应每一个像素的位置数值和一个代表明亮程度 的值。这些与位置和亮度有关的数值就组成了一幅数字图像的图像数据信息。整 个过程如图2 - 8 所示。 光 数 学 图采 场成 像样 字 景像 传 - 和 图 系 感量 像 统 器 化 信 息 图2 - 8 数字图像的形成 由于本文的机器视觉系统采用黑白相机采集图像，所以经过上述过程生成的 图像是灰度图像，因此在本文中所指的“图像”指的均是灰度数字图像。 灰度图像是一个表示亮度值的二维数组，其参数主要有分辨率和像素深度： 分辨率指图像的行数和列数的乘积。如果图像由所列、n 行组成那它的分辨率 就是m n ，也就是说图像沿着水平坐标有f l i t 个像素，沿着竖直坐标有n 个像素。 像素深度是指存储每个像素亮度数值所用的存储空间的位数。如果象素的深 度为厅，那么图像的亮度就可以用2 4 个不同的数值来表示。 2 4 2 2 图像的采集 本文使用的图像采集硬件中n i 公司的i m a q l 4 2 2 图像采集卡支持u n i q 公司 的u p s 0 0 相机。利用i m a q 提供的驱动程序动态链接库便可以控制相机的动作， 打开相机接口 l 打开线程 i 单帧采集图像 j 处理用户函数 l l l关闭线程和相机接口 图2 - 9 图像采集流程图 1 6 山东大学硕士学位论文 进而进行图像采集操作。根据本文的需要，使用相机的单帧采集工作方式，具体 的程序流程如图2 - 9 所示。 2 4 2 3 图像的转换 经过相机和图像采集卡