（电路与系统专业论文）基于ccd的轮毂安装孔形位参数测量.pdf

基于c 的轮毂安装孔形位参数测量 摘要 高档轿车的生产技术已成为一个国家科技发展水平的重要标志，而铝合金轮 毂作为一种直接关系到车辆高速行驶安全性和舒适性的关键零件，欧美市场对其 形位公差和尺寸精度要求越来越高，国内生产的铝合金轮毂，必须配备有相应的 自动化参数检测设备，才能实现出口。 本文所提及的高精度轮毅检测仪器，能够一次性测量获得跳动、动平衡、轮 毂安装孔分布等参数。其中着重介绍高精度轮毂检测仪器上的轮毅安装孔分布参 数检测功能。该功能主要利用自动识别技术，获得轮毂曲面各个螺栓孔分布的形 位参数。 本论文首先介绍了轮毂检测设备的国内外现状；接着介绍了自动识别技术发 展和现状；然后提出了一种将自动识别技术用于测量轮毂安装孔参数的实现方 法，详细介绍了参数提取过程的各个步骤和仿真过程。在本文的后半部分，介绍 了用m f c 库和v c 开发环境，以及m f c 实现螺栓孔参数识别程序的功能模块， 最后给出了测试结果。 关键字：高精度轮毂检测仪器轮毂螺栓孔形位参数图像处理v c 开发环境 基于c c d 的轮毂安装孔形位参数测量 a b s t r a c t t h es a l o o nc a l m a n u f a c t u r et e c h n o l o g yh a sb e c o m e sas y m b o lo fa c o u n t r y ss c i e n c e m a dt e c h n o l o g yd e v e l o p m e n tl e v e l a sa k e ya c c e s s o r yo f c a r s ，t h ea l n i c ow h e e lh u bi s i m p o r t a n tt ot h es a f e t ya n dc o m f o r tp e r f o r m a n c e t h eo v e r s e a sm a r k e ti sb e c o m e m o r ea n dm o r es 仃i c ti nt h ew h e e lh u b sm a n u f a c t u r ep r e c i s i o n o n l yw e l lt e s t e d w h e e lh u b sc o u l db ee x p o r t e d t h eh i g hp r e c i s i o nw h e e lh u bt e s ts y s t e m , w h i c hi sm e n t i o n e di nt h ea r t i c l e ，c a n g e ts e v e r a lp a r a m e t e r so f h u b a to n e t i m e ，s u c ha ss u r f a c er t m o u t , t h ed s 柚j n i cb a l a n c e , i n s t a l l i n gh o l e s s i z ep a r a m e t e r t h ei n s t a l l i n gh o l e s s i z ep a r a m e t e rt e s tm o d u l ei s d e s c r i b e di nd e t a i l s w eg e tt h ei n s t a l l i n gh o l e s d i a m e t e r sa n dp o s i t i o n su s i n ga u t o i m a g er e c o g n i t i o nt e c h n o l o g y a tt h eb e g i n n i n g 。t h ew h e e lh u bt e s tm a c h i n ed e v e l o p m e n ts i t u a t i o ni sp r e s e n t e d f o l l o w i n gi s t h ea u t o i m a g er e c o g n i t i o nt e c h n o l o g y , a n di t sd e v e l o p m e n t sa n d s i t u a t i o n s t h e nw ed e s c r i b ei nd e t a i la b o u th o wt og e tt h eh u bi n s t a l l i n gh 0 1 鹤 p a r a m e t e ru s i n ga u t oi m a g er e c o g n i t i o nt e c h n o l o g y a tl a s t ，p a r to ft h es o f t w a r e f u n c t i o n a lm o d u l eo f t h em e a s u r es y s t e mi si n 订o d u c e d , w i t ht h et e s tr e s u l t sa n de r r o r a n a l y s i s k e yw o r d s ：h i g hp r e c i s i o nw h e e lh u bt e s ts y s t e m ，i n s t a l l i n gh o l e s s i z ep a r a m e t e r , i m a g ep r o c e s s i n g 。v i s u a lc + + 6 0 基于c c i ) 的轮毂安装孔形位参数测量 第一章绪论 1 1轮毂检测设备的国内外现状 高档轿车的生产技术已成为一个国家科技发展水平的重要标志，铝合金轮毂 作为一种直接关系到车辆高速行驶安全性和舒适性的关键零件，其优点有：安全 性，铝合金轮毂的热导系数比其他材料的轮毂大三倍，散热效果好对，从而增强 了制动效能；舒适性，铝合金轮毅一般都采用扁平轮胎，缓冲和吸振性能优于普 通轮胎；节能，相对钢质轮毂而言，铝合金轮毂质量轻，制造精度高，在高速行 驶的时候变形小、惯性阻力小，从而减少了油槲1 1 。由于铝合金轮缎的以上优点， 越来越多的轿车使用铝合金轮缎。 铝合金轮毂有上百个参数，其中重要的参数有：动平衡、端面跳动、径向跳 动、定位孔形位参数、节圆直径等等。在国内，大部分参数的测量，是依靠手工 方法测量获得：比如测量轮毂端径向的跳动有专门的跳动表，测量轮毂的节圆直 径有专用的p c d 测量盘和p c d 量规。依靠传统的手工测量手段，效率低下，而 且测量精度相当低，往往不能满足大规模生产的需要。随着轮毂生产量的不断扩 大，迫切需要一种高效、快速、精确的测量方法，能够一次性自动获取多个轮毂 参数。 目前国内市场上也有一些功能比较单一的自动化测量仪器，比如动平衡仪 器，跳动测量仪器等等。其中动平衡仪器相对比较成熟，使用也比较广泛；也有 跳动测量仪器和相关的研究成果1 2 1 ，但跳动测量仪器在国内市场上刚刚兴起没有 普及；国内还有极少数的多功能轮毅测量仪器及这方面的研究成果【3 1 ，比如跳动 测量、动平衡、直径测量等二合一或多合一的仪器；有些功能更全的仪器则还处 于研究开发阶段。 美国、日本、德国是排名前三的汽车生产国，这三个国家汽车年产量已经达 到千万辆，铝合金轮毂使用率达到5 0 以上 4 1 。随着中国经济的发展和各种其他 因素的综合发生，原来在美、德、日等发达国家生产的轿车铝合金轮毂大量转移 到中国来生产，而欧美等发达国家，已经由轮毅生产转向了高精度高价值的轮缎 检测仪器生产上来，但是这些仪器价格极其昂贵，国内一般厂商无法承受。 基于c c i ) 的轮毂安装孔形位参数测量 1 2 轮毂检测设备的发展趋势与应用前景 目前，经济发达国家已进入后工业经济时代，加工工业正向发展中国家转移。 汽车又是批量规模经济效益显著的产品，是经济全球化、市场一体化，最具 代表性的产品。铝合金轮毂正是大批量生产的典型产品之一。随着铝合金轮毂产 量的不断增长，各个厂商间的竞争焦点将会从单纯的产量上转移到成本、质量上 来，高质量的产品，必须要由高精度的检测仪器来检测，这也注定了高精度的轮 毂检测仪器，在国内发展会有以下几个趋势： 1 、功能多元化一体化。国内外市场上多功能合一的检测设备正在日益增 多，其中许多功能还处在实验阶段，没有真正推广。多功能的设备， 不仅可以降低设备成本，而且可以一次性测量大量参数，极大提高了 效率。 2 、 测量结果精度高。由于欧美国家对轮毂的精度要求极高，因此精度问 题一直是各个厂商竞争的一个亮点，只有配备了相当精度的检测设 备，才能生产出高精度要求的产品。 3 、 检测高效率。今后轮毂产量会逐年增加，对于部分参数，可以实行抽 查，而对于有些轮毂技术参数，必须逐个检测，必须提供一种高效的 检测方法，才能检测大量的轮毂。 4 、 在线即时测量。这里的在线即时测量，指的是边生产边测量，测量不 合格的产品，往往需要返回加工。如果能实现边加工边测量的检测加 工一体设备，将极大地提高生产效率。 中国汽车工业协会预测，到2 0 1 0 年，中国汽车年产量将达到1 0 0 0 万辆，跻 身世界前三位，轮毂铝合金化程度将达到5 0 。而国际市场在铝合金轮毂需求 方面，已经到达数亿只，并且还在不断增加。目前我国一些大型的铝合金轮毂生 产企业已经成为奔驰、通用等国际著名汽车生产企业的铝合金轮毂配套厂家，年 产总量超过1 0 0 0 只以上。浙江省是全国铝合金轮毂生产的主要基地，据了解， 浙江省拥有1 5 家铝合金轮毅生产企业，总产量也达到1 0 0 0 万只以上。随着铝合 金轮毂数量的增加，其质量问题将会越来越受到重视，质量将会成为竞争的目标， 高质量的产品必须要由高精度的检测设备来保证。 2 基于c c d 的轮毂安装孔形位参数测量 1 3轮毂螺栓孔形位参数的检测 铝合金轮毂是利用在轮毂外侧数控加工4 - 1 0 个螺栓孔来固定安装在汽车上 的，如图1 1 所示，图像中心孔附近数个圆孔就是螺栓孔。轮毂外侧的螺栓孔数 目与排列方式、辐条的形状与数目是轮毅设计百花争艳的关键所在。 田1 铝合盒轮毂安装l 苎域 表征铝合金轮毂螺栓孔的技术参数，除了螺栓孔个数和螺栓孔直径这两个技 术参数之外，还有一个重要的技术参数称作节圆直径p c d ( p i t c hc i r c l e d i a m e t e r ) ，它是所有螺栓孔的圆心拟合出来的圆的直径大小。只有符合上述三 个参数的，才有可能安装到同一个汽车轴上来。本文中，为了表示方便，本文将 这些参数统称为螺栓孔形位参数或者安装孔形位参数。 由于轮毂螺栓孔形状个数随不同轮毂差异很大，很难使用接触式的自动化测 量方法测量，通常的检测，都是利用读数工具手工测量。这种测量方法误差大、 效率低，对于不同的型号，需要配备不同规格的测量工具。 通常安装孔形位参数，是由测量螺栓孔直径的工具和专用的孔距( p c d ) 量 具手工测量测量分别得到的。如图1 2 所示，手工测量方法有着难以避免的弊端： 效率低，误差大，还可能由于人为原因造成错误读数。 基于o 的轮毂安装孔形位参数测量 围1 2 铝轮觳p o d 参数检测工具 本文所讨论的轮毂安装孔形位参数获得方法，是基于自动识别技术的一种测 量方法，它利用光电转换器件和采集卡获得数字化图像数据，然后利用k l a t l a b 软件对图像进行处理、分析，提取有效参数。安装孔形位参数识别模块，是高精 度轮毂检测仪器的一个功能模块。高精度轮毂检测仪器能够一次性测量端面、径 向跳动、动平衡量等等多个参数。 自动光学识别技术是近几十年来发展起来的一种新型的非接触式测量技术， 它借助于图像处理算法和计算机强大的计算功能，具有高效、高精度、智能这些 特点，这种技术被广泛应用于工业检测的各个场合。有在高精度测量方面的应用， 比如航空发动机叶片叶缘图像检测方面的研究 5 1 ，也有在物体性质识别方面的应 用，如水果分类检测系统t 6 l ，以及同样应用于汽车制造业的汽车传动轴固定节自 动识别系统等等川。 m a t l a b 是由美国m a t h w o r k s 公司推出的用于数值计算和图形处理计算系统 环境，除了具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处 理，可视化建模仿真和实时控制等功能。m a t l a b 提供了一个相当强大的工程仿真 环境和丰富的图形处理命令嗍，许多自动识别方面的工作都是在m a t l a b 环境下 进行实验仿真的，比如在金相分析中的应用1 9 】。 基于c d 的轮毂形位参数测量系统，其任务和工作主要有以下几点： 1 、设计测量方案，考虑并设计图像采集方式。 2 、利用图像自动识别技术研究形位参数提取的方法和过程。 3 、对实验误差分析并提出改进措施。 本文的开始部分对自动识别技术中的一些方法和算法作了大致的概述；然后 对轮毂螺栓孔形位参数测量方法和进行了实验和仿真；接着的部分说明了用v c 实现的程序结构和功能模块以及部分截图；文章最后对实验的误差和不足之处作 了分析。 4 基于c c d 的轮毅安装孔形位参数测量 1 4 小结 在本章中，我们首先介绍了汽车轮毂制造行业和测量行业的现状，说明了铝 合金轮毂检测设备的重要作用。在第二小节详细描述了将来轮毂制造行业对轮毂 测量设备的发展要求及趋势。在最后部分，介绍了铝合金轮毅的螺栓孔形位参数 以及节圆直径的概念，介绍了传统的测量方法；并提出了基于自动识别技术的自 动化测量方法。 5 基于c c d 的轮毂安装孔形位参数测量 2 1概述 第二章图像自动识别技术概述 随着工业产品尺寸的精度的变高，对工业产品测量的精度要求也越来越高。 在有些场合，传统的测量手段难以满足要求，而作为非接触式测量的光学测量方 法有着传统测量手段无法比拟的优势。 自动识别是近几年发展起来的一种新技术，它依赖于图像处理、光学、图形、 模式识别等技术，这种技术具有高精度、非接触、高效率等特点。自动识别技术 被广泛应用于电子、自动化、机械制造、半导体、生物医学、文件处理、工业检 测、机器人视觉、货物检测、邮政、金融、公安等行业。在工业领域方面，图象 处理技术的主要应用有以下几个方面：工业产品的无损探伤，表面和外观的自动 检查和识别，装配和生产线的自动化，弹性力学照片的应力分析，流体力学图片 的阻力和升力分析，其中最值得注意的是“计算机视觉”，采用摄影和输入二维 图像的机器人，可以确定物体的位置、方向、属性以及其他状态等，它不但可以 完成普通的材料搬运，产品集装，装配，生产过程自动监控，还可以在人不宜进 入的环境里进行喷漆、焊接、自动检测等等i 姗。 虽然自动识别技术应用领域千差万别，但其一般应用基本上可以分成图像采 集、图像处理、图像识别、图像理解这几个范畴【l i 】。 图像采集；利用c c d 或者c m o s 光电转换器件将光学信息变成电信息，进 一步转换成数字信息，便于计算机进行处理，然后通过计算机的图像采集卡输入 到计算机。图像采集是第一道环节，也是相当重要的一道环节，采集的图像质量 好坏，直接影响到后期处理的精度和准确度。 图像处理：采集到的图像，由于环境噪声的存在和采集环境的非理想性，使 得图像上的有用信息受到了很大的干扰，因此在进行识别之前，必须对采集到的 图像进行处理，以消除干扰，增强有用信息。 图像识别：图像识别是在图像处理的基础上，选择需要提取的特征，并对某 些参数进行测量，再提取这些特征；最后根据测量结果作分类。为了更好地识别 图像，还要对整个图像作结构上的分析，对图像进行描述，以便对图像的主要信 6 基于c c d 的轮毂安装孔形位参数测量 息得到一个解释和理解。 图像理解：图像理解是一个总称。上述图像处理及图像识别的最终目的，就 在于对图像作描述和解释。 在实际应用中，图像处理、图像识别、图像理解是相辅相成的，它们的范畴 也有交错的地方。比如图像的分割，在有些应用场合可以理解为图像预处理，在 另一些应用场合则可以理解为是图像识别的范畴。上述几个步骤所涉及到的知识 面和范围相当广泛，其实现方法也多种多样，下面各个小节中，就对本文所用到 的一些方法做一些说明和描述，以及其他一些方法用来进行做参照对比。 2 2 图像采集 由于计算机处理的信息必须是数字信号，而得到的照片、图像或者景物等信 息都是连续信号，为此必须将连续信号进行抽样和量化，即进行数字化处理。这 个过程由图像测量系统完成。 一个完整的图像测量系统主要由：c c d 摄像头，图像采集卡，照明系统和工 作台组成。 电荷耦合器件c c d 是由贝尔实验室提出来的一种m o s 结构的新型半导体器 件，目前已得到广泛的应用。c c d 摄像机体积小、重量轻、灵敏度高、寿命长、 低功耗、动态范围大，在图像识别方面呈现出高分辨率、高准确度、高可靠性等 突出特点。c c d 测量技术可以满足测量速度快、精度高、非接触、以及动态的自 动测量要求【1 3 j 。 图像采集卡是c c d 摄像机和计算机之间的接口，它将c c d 摄像机输出的数字 信号转换为清晰、精确的图像像素信息，传递给计算机。一般的图像采集卡和计 算机通信使用p c i 协议，计算机通过软件驱动从采集卡获得数据。 合理的照明系统和平整的工作台，能使成像较清晰，能够有效扩展被测物体 与背景间的光线亮暗度，使得图像的细节明显容易区分。柯拉照明方式可以使物 体平面界限清晰，亮度均匀，但是柯拉照明方式比较复杂【1 4 1 。 图像采集过程如下：c c d 摄像机对被测物体进行光学成像，影响在c c d 的光 敏元上形成光学图像，c c d 器件把光敏的光信息转换成电荷量信息，用一定的时 钟脉冲对c c d 进行驱动，在c c d 输出端的信号经过图像采集卡量化后，转换成数 7 基于c c d 的轮毂安装孔形位参数测量 字图像送入计算机，以文件形式保存。 由于受到制造工艺的限制，c c d 的分辨率不能做到很大，一般工业级的是 2 k * 2 k 像素大小。对于一些测量面积大，而且精度要求高的应用场合，无法用单 个面阵c c d 测量得到。采用面阵c c d 对大尺寸轴径进行高精度的拼接非接触测 量，可以克服单片面阵c c d 测量范围小的缺点，又可以解决了用线阵c c d 拼接 测量时测量带太窄又不能扩展情况下所带来的问题【。 2 3 图像处理 图像处理的内容很广，它涉及到的操作也相当多。首先要对获得的图像信息 进行预处理以滤去干扰、噪声，作几何、彩色校正；图像增强，增强有用信息； 图像复原，把已经退化了的图像加以重建或恢复；图像变换，以便人、机分析。 并且为了从图像中找到需要识别的东西，还得对图像进行分割，也就是进行定位 和分离，以分出不同的东西。 2 3 1 颜色空间转换 图像线性变换有比如彩色校正、几何校正等等。通常图像是以r g b 表示的， 而进行处理的图像往往需要转换到亮度图像，即用灰度值表示的图像。这个转换 就是颜色空间的转换。 按照颜色空间的分类有混合型颜色空间如r g b 、非线性亮度，色度颜色空间 如y u v 、强度饱和度色调颜色空间三种【1 6 1 。通常使用图像的亮度信息的时候， 一般使用y 1 色彩空间。从r g b 到y 1 色彩空间转换的公式如下：y = 0 2 9 9 r + 0 5 8 7 ( ；+ 0 1 1 4 b ，u = - 0 1 4 7 1 一0 2 8 9 6 + 0 4 3 6 b ，v = 0 6 1 5 r 一0 5 1 5 g 一0 1 0 0 b 。其中的y 代表的就是我们所要的亮度信息，为了便于计算机存储和表 示，计算得到的y 还需要量化成2 5 6 等级的灰度。 2 3 2 几何校正 由于成像系统本身具有非线性或摄像时视角不同，在图像生成的过程中，都 会使生成的图像产生几何失真”7 】。系统失真是固定的可以预测的，而非系统失 8 基于c c 的轮毂安装孔形位参数测量 真是随机的，是由拍摄的时候决定的。由于摄像头镜头原因造成的失真也称作摄 像头非线性畸变，它是图像几何失真的主要畸变来源。 为了提高图像检测、模式匹配等定量分析的准确性，必须对这一类畸变进行 修正。摄像头非线性畸变校正方法，从原理上可以分为基于控制对象的方法和基 于模式的方法两大类。0 8 导致摄像头非线性畸变的因素很多，有些场合可以将这些因素综合考虑，用 一个等效模型去近似。例如就有研究将摄像头的径向畸变用球面畸变来近似等效 【嘲。这种模型认为，物体发出的光线是投射到一个球面上，然后再将这个球面 上的物体平面化到一个屏幕上，就是摄像头的径向畸变模型了。 2 3 3 图像滤波 任何一幅未经处理的原始图像，都存在一定程度的噪声干扰。噪声恶化了图 像的质量，使图像模糊，甚至淹没特征，给分析带来困难。消除图像噪声的工作 叫做平滑或者滤波。 由于噪声源众多，噪声种类复杂，所以平滑方法也多种多样。根据噪声的不 同特点，通常用的方法有：噪声消除法、领域平均法、中值滤波、梯度倒数加权、 选择式掩模平滑。 领域平均法，顾名思义，就是选取一个点的领域，然后对这个领域的像素值 做平均，以这个平均值代替当前的像素值。使用领域平均法，能够有效抑制噪声， 但是在一定程度上它会引起模糊现象。因为领域平均法类似低通滤波器，能够消 除高频噪声，但是也会模糊高频的边界。 中值滤波是一种对干扰脉冲和点状噪声有良好抑制作用，而对图像边缘能较 好保持的非线性图像增强技术。在一维形式下，中值滤波器是一个含有奇数个像 素的滑动窗口，经过排序后，将中间的值作为滤波器的输出。类似的一维中值滤 波器很容易被推广到二维。 中值滤波有很多重要特性：对离散的阶跃信号、斜升信号不产生影响；对信 号谱不产生大的影响；能够保留图像细节。图2 1 是对一维信号进行窗口大小为 三点的中值滤波，可以看出阶跃斜升信号不受影响，而窄边的脉冲会被滤波。同 样二维的中值滤波也有类似特性。 9 基于c c d 的轮毅安装孔形位参数测量 2 3 4 边缘检测 叫圳 u 刖u 刖 u l j i i i iu u l i i i l i l i l u l i i l i i i l l i i i u l l 山u 山山l u 血札山眦 图像边缘对图像识别和计算机分析十分有用。边缘能勾画出目标物体，使观 察者一目了然；边缘蕴含了丰富的内在信息( 如方向、阶跃性质、形状等) ，是 图像识别中抽取图像特征的重要属性。边缘提取首先检测图像局部特征的不连续 性，然后再将这些不连续的边缘像素连成完备的边界。 目前，提取边缘常用算法有边缘算子法、曲面拟合法、模板匹配法、门限法 等等。 曲面拟合法的基本思路是用一个平面或曲面区逼近一个图像面积元，然后用 这个平面或曲面的梯度代替点的梯度，从而实现边缘检测。相比边缘检测算子， 曲面拟合法能较好地抑制噪声的干扰。但是它的计算量稍大。 模板是为了检测某些图像区域特征而设计的阵列。比如点模板、线模板、边 缘模板等等，利用模板可以很好地检测出图像边界，并且能够有效抑制噪声，但 是计算量比较大，算法实现的复杂度也比较高。如s u s a n 模板和改进的s u s a n 模板【2 0 1 。 类似一维信号，微分算子用来计算曲线变化的大小。在图像处理中，边缘算 子就是提取图像变化大小的一种算子。通常图像处理中所用的算子有一阶微分算 子和二阶算子。比如k i t s c h 算子、p r e i w i t t 算子、r o b e r t s 算子、s o b c l 算子、 l a p l a e i a n - g a u s s 算子等等【2 1 】。其中l a p l a c i a n - g a u s s 算予是二阶算予，其余的算 子都是一阶算子，将这些算子的模板和图像做卷积操作，结果得到的图像就是梯 i o 似 蛳 磅 协 舫 弭 基于c c d 的轮毂安装孔形位参数测量 度图像。图2 2 到图2 5 是各种算子的模板图。 k i t s c h 算子是8 个3 x 3 的模板，利用这8 个模板在原图上做卷积分别可以 计算上、下、左、右、左上、左下、右上、右下8 个方向的梯度，然后比较这8 个方向的梯度，取最大值作为这一点的梯度大小。k i r s c h 算子是这几种算子中比 较复杂的一种，因为它需要计算8 次并做比较，而且它有很好的方向性，可以分 辨8 方向的梯度。 圈圈圈圜 ( a ) o ( b ) 4 5 。( c ) 9 0 。“) 1 3 5 。 圈圈圈圈 ( e ) 1 8 0 ( d 2 2 5 。( g ) 2 7 0 ( h ) 3 1 5 6 图2 2k l r s c h 算子的模板 p r e w i t t 算子是2 个3 3 的模板，利用这2 个模板在原图上做卷积分别可以 计算从上到下或者从左到右的梯度，然后比较这2 个方向的梯度，取最大值作为 这一点的梯度大小。p r e w i t t 算子是这几种算子中相对中等的一种，它的计算量中 等，对噪声的加强作用也是中等。 圈 图2 3 p r e w i l t 算子模板 r o b e r t s 算子是这个几种算子里面最简单的一种，它是一个2 2 的模板，计 算量稍小。它先分别取两个对角线像素值差的平方和( 实际是做差值) ，最大的 值作为最后梯度的输出， 田目圈田 图2 ar o b e 瞻算子的模板 s o b e l 算子原理和p r e w i t t 算子一样，只是模板里和中心相邻近的像素占的权 值比较高。 基于c c d 的轮毂安装孔形位参数测量 i i ol i 一2 o2 i i ol 围2 5s o b e l 算子的模板 通常边缘定位是精确到像素级别的，在某些定位精度比较高的场合，对边界 定位的精度要求高于一个像素，这种情况就要使用亚像素了。目前常用的亚像素 边缘定位算法主要有l y v e r s 提出的空间矩算子法【2 2 】和i c j e n s e n 等提出的非线性 插值方法【埘。 基于二次曲线拟合的图像亚边缘定位算法，在实验仿真环境下能够达到o 1 4 个像素的精度 2 4 1 。 利用改进的s o b e l 模板先对图像的梯度进行检测，在求出灰度梯度变化的基 础上，利用二次插值方法，对理论边界进行插值拟合计算。该方法理论上能够达 到1 8 5 3 3 的像素级别渊。 根据灰度矩算子在目标成像前后的矩不变特性，出了运用一维灰度矩亚像素 边缘定位，其实验仿真条件下的理论精度可以达到1 1 0 0 2 6 1 。而利用t a b a t a b a i 等人提出的前三阶灰度矩建立了亚像素边缘检测算法的完备数学模型，可以得到 比传统c a n n y 算子更高的定位精度，其实验定位精度达到十分之一像素闭。 基于h t 的显微视觉亚像素定位算法，对仿真图像进行亚像素级别的定位， 其定位精度可达到o 0 1 像素。 h e x s i g h t 视觉软件包是美国a d e p t 公司( n a s d a q 上市企业) 的一款高性 能的机器视觉软件开发包。h e x s i g h t 公司也是世界上第一家做到1 4 0 亚像素的 视觉软件公司口研。 由以上总结得出，利用合适的亚像素算法，其实际应用的精度，应该可以达 到0 1 个像素级别。 2 3 5 图像分割 在某些应用场合，我们需要把数字图像划分成互不相交的区域。区域是像素 的连通集。连通的正式定义如下：在一个连通集中的任意两个像素之间，存在 条完全由这个集合的元素构成的连通路径【2 9 】。 图像分割可以采用三种不同的原理来实现。在利用区域的方法时，把各像素 1 2 基于c c d 的轮毂安装孔形位参数测量 划归到各个物体或区域中。在边界方法中，只需要确定存在于区域间的边界。在 边缘方法中，则先确定边缘像素并把它们连接在一起以构成所需的边界。 阙值分割技术是一种比较简单的图像分割技术，它的主要思想是图像中的物 体和背景往往具有不同的灰度值，只要选取一个合适的中间灰度值，就可以把背 景和物体分离开来。改进的方法还有自适应阙值、最佳阈值选择等等。 阈值分割方法是将图像划分为内部点集和外部点集来实现分割。与此相反， 边界方法利用边界具有高梯度的性质直接把边界找出来。通常它将图像做梯度运 算计算出梯度图像，然后跟踪边界直到构成一个封闭区域。比如基于光栅扫描的 边界跟踪方法。 分裂合并算法是一种比较高级的区域分割方法。它是基于这样一个思想：假 设某个分割存在，并且有一个算法可以改进这个假设，直到一种合理的分割得以 实现。 2 4 图像识别 图像识别是提取图像特征和参数的过程，然后根据提取的特征和参数对图像 作分类。按照应用场合的不同，可以分为图像尺寸测量、形状分析、纹理特征分 析、图像形状特征分析、时间序列特征分析等等。 尺寸测量是一种常用的识别应用。在数字图像中，我们可以选取像素量表示 空间尺度，可以从灰度级计算光量度。然后实际的长度和面积可以通过乘以像素 间隔或一个像素的面积加以适当地校准。比较常用的描述物体特性的尺寸度量 有：边长和面积、平均和综合密度、长度和宽度等等。 这些参数的测量，都是在提取图像特征的基础上，运用一定的数学公式和数 学原理进行计算。如测量多边形的面积，需要在图像上找出构成多边形的边，即 从图像上找出直线，然后找出各个顶点，直到各个顶点之后，就可以利用多边形 面积计算公式计算得出以像素为单位的面积，最后通过一定比例的换算，就可以 转换到实际长度。 2 5小结 本章开头对自动识别技术的概念作了简单的概括，并说明它在工业检测方面 基于c c d 的轮毂安装孔形位参数测量 的巨大作用，并列举了它在工业检测方面的一些具体应用。然后分别介绍了自动 识别技术的几个范畴：图像处理、图像识别、图像理解。在每个范畴中，都列举 了一些常用的图像方面的算法，这些算法或者它们的改进算法都会在后面的小节 中被用到。 1 4 基于c c d 的轮毂安装孔形位参数测量 第三章轮毂螺栓孔形位参数检测 3 1安装孔参数提取过程概述 轮毅安装孔参数的提取过程，大致遵循图像自动识别的通用步骤，但是由于 自动识别技术的专用性和应用广泛性，它在不同的应用场合中，其处理步骤和处 理过程都是不一样的。根据轮毅安装孔曲面的特点，本文将这个识别过程分为以 下步骤进行。 为了能将现实世界中的连续图像采集到计算机中进行处理，首先需要进行的 是图像采集这个步骤。 采集到的图像，受到噪声和环境因索的影响，需要使用图像滤波、增强、恢 复等图像预处理操作，尽可能恢复图像中的有用信息，去除图像的噪声和干扰。 预处理后的图像，含有一个或多个螺栓孔，为了简化操作，需要使用分割算 法将各个螺栓孔图像分割开来，分别进行处理。 分割后的图像，需要进行参数的提取，在提取参数之前，还需要进行第二次 预处理，进一步去除图像中的噪声和干扰。 利用梯度算法，提取图像的边缘信息，以定位真正的螺栓孔边界。 从螺栓孔边界上随机采样几个点，并对这些点进行边界亚像素化，以求得更 加精确的边界定位。 图像采集系统采集的图像，带有一定的光学误差，需要通过标定手段，定量 表示各个误差的大小，然后利用标定的结果，对边缘上的点进行补偿。 利用螺栓孔边缘上的点，使用二乘法拟合各个螺栓孔的直径、圆心等参数。 利用各个螺栓孔的圆心位置，拟合出p c d 参数。 3 2 图像采集 一个完整的图像采集系统，包括照明、工作台、摄像头、图像采集卡等。而 摄像头又由镜头和c c d 或c m o s 光电转换摄像头组成。下面表格列出了图像采 集系统对图像成像质量的影响。 基于c c d 的轮毂安装孔形位参数测量 表格3 1 成像质量影响因素 图像质量的参数 影响图像质量的因素 分辨力( r e s o l u t i o n ) ，指能分清楚物体的能 镜头、摄像机、图像采集卡、显示器 力，单位l p m m ( l i n ep a i r s m i l i m e t e r ) 对比度( c o n l r a s t ) 镜头、照明光源、摄像机 景深( d e p t ho ff i e l d ) ，指镜头当物体在对 镜头 焦清晰范围内。维持一定品质的能力 失真( d s t o r t i o n ) ，也叫畸变镜头 投影误差镜头 光学镜头一般称为摄像镜头或摄影镜头，简称镜头，t 其功能就是光学成像。 镜头是机器视觉系统中的重要组件，对成像质量有着关键性的作用，它对成像质 量的几个最主要指标都有影响，包括：分辨率、变形率、对比度、景深及各种像 差。 镜头是影响成像质量的一个关键因素，对于一个好的视觉系统来讲，配备好 高质量的镜头是十分必要的。 f a 镜头( 工业镜头) 是专门针对工业视觉检测设计的，它可以有效地对图 像的球差、慧差、像散、场曲、色差、畸变等各种光学成像误差进行校正，并且 在光学分辨力、景深、对比度等方面都比c c t v 镜头要高，这些方面对于机器 视觉系统的设计都是至关重要的1 3 0 。 c c d 或c m o s 摄像头粗分为线阵、面阵等等。用线阵扫描的分辨率比采用 面阵c c d 高得多，现在t i m 级的尺寸测量用线阵c c d 实现没什么难度。面阵 c c d 由于象素整体数量多，工艺稳定性控制更复杂，因此目前其动态范围还不 是很高。但是对于线阵c c d ，还需要配备相应的扫描驱动部分，因此对于实际 实现难度会加大。在条件符合的情况下，可以尽可能选择面阵c c d 或c m o s 。 图像采集卡，负责将c c d 或c m o s 阵列上的电荷信息转换成数字信号，送 入计算机。 镜头、摄像头、采集卡所产生的误差是系统的主要误差，这种误差是在图像 输入的过程中产生的。误差可分为光学误差、机械误差、电学误差【3 l 】。 对于工业应用场合的高质量采集系统，机械误差和电学误差基本上可以忽 略，而光学误差，可以通过标定技术来减小它的影响。 1 6 基于c l d 的轮毂安装孔形位参数测量 照明方式的选择，对成像质量起着关键作用，好的照明方式，应该可以使物 体平面界限清晰，对比度大，亮度均匀。为了取得良好的照明效果，并适当提高 被测图像的对比度，从而提高图像处理中边缘提取的精度，可以采用背光l e d 光源平行照明，这样有利于提取被测物体的有效轮廓，提高图像测量的精度阉。 采集方式和环境如下，需要采集轮毂图像( 图3 1 a ) 和标定图像( 图3 i b ) 。 戚像面 图3 1轮毂图像采集环境 由于条件所限，本实验中所采集的图像数据，其照明系统是利用白炽灯透过 自纸背光获得的，摄像头使用普通的数码相机代替。成像后，图像中安装孔是高 亮的，而轮毂其他地方是偏暗的，而且整个图像含有大量的噪声和不均匀区域。 如图3 2 所示。 3 3 图像预处理 图3 2轮毂安装孔表面图像 采集到的图像，不仅含有随机空间噪声，还有大量的环境噪声，因此一般需 要使用图像预处理技术，对图像进行初步的处理，以获得更加真实有效的数据。 可以连续采集多幅图像，然后对图像的灰度值作平均，可以有效去除大量的空间 1 7 基于c c d 的轮毂安装孔形位参数测量 随机噪声。 从轮缎安装孔表面图像中可以看出，由于表面的不平和光照的不理想，造成 了光线反射的不一致，并且图像含有大量的环境噪声。而且轮毂安装孔图像数据 像素比较大，对于实验采集的图像数据，就有3 2 6 4 2 4 4 8 个像素，如果用2 5 6 级的灰度去表示，有7 9 9 0 2 7 2 字节大小。如果要对每个像素进行处理，需要进行 将近千万次的循环，如果处理流程复杂，将会占用大量的时间。因此如果直接从 这个图上计算各个安装孔的边缘，难度会很高，即使实现了，计算量也会相当大。 因此在预处理阶段使用了一个小技巧：将采集到的图形进行缩小，对缩小的图像 进行处理，找出有效区域( 各个安装孔) ，再在原图像上找出有效区域，对这个 有效区域进行高精度的处理 因此在预处理阶段，主要对轮毅曲面图像进行的操作有：灰度转换、增强有 用信息、对退化的信息进行复原、并对图像二值化等。为以后的步骤做好准备， 以减少运算时间，降低难度。 3 3 1 灰度转换 灰度图便于各种算法的处理，如果采集系统采集到的是r g b 图像，还需要 将2 4 位彩色位图转换成2 5 6 色的灰度图，也就是将从r g b 颜色空间转换到y 1 色彩系统，然后保留y u v 色彩空间的y 成分就是灰度图了。用m a t l a b 仿真或 者c 语言都可以很容易实现灰度转换的过程。 说明一下轮毂安装孔表面图的中心圆孔色彩变化原因，从圆心开始向外，从 白色一 灰色一 白色一 黑色，里面的白色是背光灯通过白纸产生的，灰色是圆 孔的内壁，内壁是倾斜的，所以看上去比较厚，灰色外层的一层白色，是圆孔的 上边缘反射光线所导致。我们所需要测量的，是白纸和圆孔下边缘边界的交点， 也就是最里面白色圆心和灰色同心圆的交界处。可以参考图3 3 轮毂剖面图。 1 8 基于c c d 的轮毂安装孔形位参数测量 安装孔 中心圆孑l安装孔 3 3 2 图像压缩 圈3 轮毂安装孔剖面图 对图片进行压缩，能够减少数据量，提高后面算法的运行速度，节省内存使 用量。而且在压缩的同时，噪声和大量的有效数据相平均，将会被忽略，因此压 缩图像还可以减少噪声的影响甚至完全去除噪声带来的影响。 根据图像的大小，对图像进行3 2 x 3 2 或者6 4 x 6 4 的压缩。如果采用3 2 x 3 2 区域的压缩，压缩后的图像大小约为1 0 2 x 7 6 。采用这3 2 3 2 主要有两个原因； 第一，可以将原图像数据量缩小1 0 0 0 倍，方便后面的处理，而且可以有效地去 除噪声；第二，在去除噪声的同时，可以在压缩的图像上清除地找出安装孔( 小 安装孔在原图像上大约为2 0 0 2 0 0 个像素) ，压缩后的安装孔大小为6 x 6 区域。 压缩的具体方法是取区域平均亮度值，即将3 2 3 2 区域的亮度相加，然后做平 均，这样可以保留整个区域的亮度特征，压缩后的图片如图3 4 。 1 9 基于c c d 的轮毂安装孔形位参数测量 3 3 , 3 图像二值化 图3 4压缩后的轮毂安装f l 表面灰度图 压缩后的图像，大部分的像素是黑的或者自的，各个部分的主要特征更加明 显了，安装孔基本上是白色的，背光部分基本都是黑色的，只有中间过渡部分才 呈现灰色。选取一个中间阈值，可以将图像二值化，可以将安装孔和黑色背景分 开，安装孔呈现白色，背景是黑色，而边界过渡信息丢失，如下图3 5 。 图3 5压缩后的轮毂安装孔表面二值图 可以看出，经过一系列处理之后，得了到压缩过的二值图像，在这个图像上 各个小孔清晰明确，没有含有其他环境噪声。即使原始获得的图像成像比较差， 含有大面积的环境噪声，但是经过这一系列处理之后，噪声的影响消除了，可以 明显区分安装孔和背景。下面只要提供一种算法，能将各个白色区域相互分离开 2 0 基于c c d 的轮毂安装孔形位参数测量 来，接下来就可以分离各个安装孔了。 3 4 图像分割实现 如果能在压缩的图片上找出各个安装孔，然后再乘上缩小的倍数，就可以在 原图上分离各个安装孔。本文使用了一种基于光栅扫描的区域增长法，可以分离 二值图像上的各个非连通区域。因此使用这种方法，可以分离压缩图像上的各个 安装孔，然后再换算到原图像上来，就可以在原图上分离各个安装孔。 压缩后的二值图像上有若干个安装孔，需要利用一种安装孔识别技术，将各 个安装孔分离处理，记录各个安装孔在图像中的位置。常用的物体识别方法，是 通过查找物体边缘实现的，比如边界跟踪法、分裂合并法、区域增长法等等。 这里使用了一种快速有效的改进方法，使用了光栅扫描方法【3 3 】和区域分裂合 并方法的改进方法，能够快速有效地查找图片上的各个连通区域( 一般认为一个 连通区域是一个物体) 。 3 4 1 轮毂图像安装孔分割算法概述 光栅扫描进行分裂合并的图像分割方法原理描述如下：图像中的物体是一个 连通区域，这个连通区域由很多线段组成，找出图中所有线段，并判断哪些线段 共同构成一个连通区域，就可以找出所有的连通区域。 算法说明如下：按从上到下顺序逐行扫描二值图像，并且认为图像是由横线 段组成的。设p 为连通区域的参数单元集，p i 为其中一个参数单元，每个参数单 元p i 都有一个参数r ，r 始终记录了正在扫描行以及前一行中所有属于p i 区域 的线段。 算法步骤如下： ( 1 ) 初始化p 的参数单元集，设置为空。 ( 2 ) 从上到下逐行扫描二值图像，每次找到一个线段m ，进入第三步。若 扫描结束，则完成。 ( 3 ) 查找参数单元集中的每个参数单元p i 的参数区域r ，若r 1 和r 所记 录的线段相邻并且垂直投影重叠，则r n 和区域p i 连通。若存在多个 这样的p i ，则进入( 4 ) ，若只有一个这样的p i ，进入( 5 ) ，若找不到 2 1 基于c c d 的轮毂安装孔形位参数测量 这样的p i ，则进入( 6 ) 。 ( 4 ) 线段m 将多个区域连通成为一个区域，合并这些区域生成一个新的区 域p j ：合并所有区域的参数r ，将1 1 1 加入参数r 进行更新；更新西 的其他参数。 ( 5 ) 线段1 1 1 属于区域p i ，将1 1 1 归入p i ，将1 1 1 加入p i 的参数r 进行更新， 更新p j 的其他参数。 ( 6 ) 线段r n 是一个新的区域的开始，生成新区域p j 并初始化，将1 i 1 加入 参数r ，对r 进行初始化。 ( 7 ) 回到步骤( 2 ) 。 以图3 6 为例子说明查找过程： 012 孑4567、89 田3 6连通区域搜索示意图 首先扫描第a 行，没有发现白线。 扫描b 行，发现2 3 列是白线，由于开始没有已经记录的区域信息，因此 这条白线是一个新的区域的开始，将这个区域叫做a r e a l ，并将这条白线作为区 霹眵碜a。 喜f 孽曩 爰孽 基于c c d 的轮毂安装孔形位参数测量 域的最后一行记录下来，并且更新a r e a l 的必要信息。 扫描c 行，发现1 - - 4 列是白线，它和b 行是相邻的，并且和b 行的那条白 线交错。因此认为这条白线属于a r e a l ，更新a r e a l 的区域大小，并将这条自线 作为区域的最后一行记录下来。 依次如上扫描到e 行，a r e a l 区域查找完成了，这个时候完成