基于机器视觉的圆环形零件形位尺寸自动测量.docx

工业控制计算机2010 年第 23 卷第 7 期 1基于机器视觉的圆环形零件形位尺寸自动测量measurement of circular ring parts form and position size base on machine vision刘科文周平付斌斌（浙江理工大学信息电子学院，浙江 杭州 310018）摘 要采用机器视觉技术实现对圆环形零件内外径和同心度的非接触式测量。 使用 200 万像素 usb 数字摄像机获得零件图 像，对图像采用双峰法寻找到合适的阈值将图像二值化，运用轮廓跟踪法找到零件的边缘，对边缘数据采用最小二乘法拟 合求出零件的内外径和同心度。 对 12cm 外径的零件进行实验，绝对误差小于一个像素，与人工测量值对比，最大误差不 超过 003mm。 研究结果表明：在机器视觉测量中，摄像机的像素越大、被测物体尺寸越小，则测量精度越高，所以采用高分 辨率的摄像机可以实现对高精度的微小零件测量。关键词：零件测量，机器视觉，数字图像处理，最小二乘法abstractin this paper,technology of machine vision is used to measure circular ring parts inside and outside diameter and concentricitythe picture of parts is got by 2 millionpixel usb digital cameraduring processing,firstly,using bimodal method to find appropriate threshold to get binary imagesecondly,using contourtracing method to find edge of the parts;thirdly,us- ing the edge data to get the parts inside and outside diameter and concentricity through leastsquares methodexperiment of 1 2cm diameter parts,absolute error is less than one pixelthe largest error is less than 003mm compared with the manual measurementsthe results show that:in the machine vision measurement,the higher the cameras pixel level is and the smaller size of the measured object is,the higher the measurements accuracyso high level pixel camera can be used to measure highprecision small partskeywords:parts measurement,machine vision,digital image process,leastsquares method内外径和同心度是圆环形零件的重要参数， 在生产中需要 对其实时检测以保证其质量。 运用机器视觉技术对其进行测量， 具有非接触、实时、在线、精度高等特点，可以对圆环形零件进行 准确快速的测量。 近些年，机器视觉技术在工业检测中有许多应 用，例如薄片零件的边缘检测和工具磨损的检测等。 在文献1 中，以圆销式齿形链板为研究对象，提出了结合图像处理技术和 最小二乘支持向量回归的小零件精密测量方法。 机器视觉在工 业中的应用， 也是实现计算机自动分析测量结果并反馈到制造 系统的一条捷径， 将机器视觉技术和虚拟仪器技术结合在一起 组成一个机械零件测量系统， 并且将测量系统综合应用 lab- view 和它的企业链接、信号处理等工具包，将被测目标零件的 图像和数据直接融合到企业的信息流之中。 在一些人类无法工 作的环境下，也可以用机器视觉技术代替人的工作 ， 文 献3提 出的对高温锻件的尺寸测量，在那种高温的环境下，人类是无法 工作的，而采用机器视觉可以实现对高温锻件的快速、非接触的 测量。1 系统的工作原理2 图像处理21 去噪图 1 系统硬件工作图图 2 系统软件组成整个系统分为硬件部分和软件部分。 系统的硬件工作图如 图 1 所示。 硬件部分主要由成像环境和计算机组成，成像环境由 usb 数字摄像机、光源和灯箱组成。 光源采用均匀的背光源，放 在灯箱的底部，光源上面放一块透光性好的白色玻璃片，测量的 时候零件就放在这玻璃片上面。 摄像机放置在灯箱的顶部，垂直 于玻璃片。 软件部分主要是数字图像处理技术，由摄像机得到的 零件图片，对其进行二值化处理、边缘检测、摄像机标定和参数 计算。 软件部分组成如图 2 所示。由于图像是由光信号转变为电信号， 在图像的转变和传输 中不可避免地存在噪声， 所以在图像预处理过程中需要对噪声 进行滤除。 图像中的噪声大多是不规则分布的一小点一小点的， 运用中值滤波法能较好的去除掉这些噪声点。 中值滤波是一种 非线性滤波方法，它在去除图像噪声的图时，能够较好地保持图 像轮廓的清晰。 设 g（x，y）表示原始图像在（x，y）处的灰度值，选 用 nn 矩形窗口（一般 n 的值为 3 或 5），g（x，y）表 示 滤 波 后 的图像在（x，y）处的灰度值，则中值滤波的输出可以表达为：2基于机器视觉的圆环形零件形位尺寸自动测量g（x，y）medg（xn，ym）；（1n） 2n，m（n1） 2（1）其中 med邀 妖表示对窗口求中值。 由于本系统的成像是在灯 箱中产生的，具有较好的成像环境，因此噪声也较少 ，通过后面 选取合适的阈值将图像二值化后，噪声对图像的影响非常小，通 过实验验证，对图像不经过滤波处理，对后面的测量精度也不会 有影响，而且可以缩短处理时间，提高效率。22 图像二值化图像分割方法依照分割时所依据的图像特性不同， 大致可 分为阈值方法、边界分割方法和区域提取方法三大类。 而阈值法 是一种简单有效的图像分割方法， 此方法是用一个或几个阈值 将图像的灰度级分为几个级别， 同属于一个级别的像素点认为 是同一个物体。 在此系统中，零件图像是在灯箱中采用背光源成 像的，所以只有一个目标与背景，而且目标与背景的灰度分布都 比较均匀，顾可以选用某一阈值 th，把图像的像素分成大于 th 的像素群（背景）和小于 th 的像素群（目标）两部分。 设 f(x,y)表 示对图像二值化的输出，即：1 f（x，y）th处理，再运用一次边缘轮廓跟踪法找到图像的内圆的边缘。 采用 此种方法寻找边缘的好处是对图像扫描一次就能够找到外圆和 内圆的边缘像素点， 而且避开了运用算子检查法寻找边缘所需 的大量的计算。 寻找外圆边缘和内圆边缘的流程图如图 4 所示。 寻找边缘的轮廓跟踪法是对图像按照从左到右， 从上到下的顺序搜索，找到第一个目标边界点。 以这个边界点为起点，对 该点 8 邻域像素进行搜索，找到下一个边界点，依次类推，找到 所有的边界点。 由于边界是连续的，所以每一个边界点都可以用 这个边界点对前一个边界点所张的角度来表示。 此方法的跟踪 准则是： 从第一个边界点开始， 定义初始的搜索方向为沿左上 方；如果左上方的点为目标点，则为边界点， 否则搜索方向顺时针 旋转 45，这样一直找到第一个目 标点为止。 然后把这个目标点作 为新的边界点， 在当前搜索方向 的基础上逆时针旋转 90，继续用同 样 的 方法搜索下一个目标点 ，f（x，y）0 f（x，y）th（2）直到返回最初找到的第一个目标此处图像二值化将目标点的灰度值置为 0， 背景点的灰度值置为 1。 阈值 th 的计算方法一般有双峰法、p参数法、均匀性 度量法、类间最大距离法和最大熵法等。 如图 3 所示，在灯箱成 像环境下所得到的图像的直方图具有明显的双峰， 所以采用双 峰法能容易得出阈值 th。点为止。 边缘轮廓跟踪法的示意 图如图 5 所示。 寻找到的零件边 缘像素点如图 6 所示。图 5 边缘轮廓跟踪法的示意图23 边沿轮廓的提取图 3 零件图片二值化图 6 零件图像边缘点3 圆环形零件几何尺寸的测量31 内外径测量对上述所得到的外圆边缘的像素点和内圆边缘像素点分别 记为 poutside（xi，yi）和 pinside（xk，yk），其中 i1，2， ，m；k 1，2， ，n，m 为外圆边缘像素的个数 ，n 为内圆边缘像素的个 数。 得到边缘像素点后，采用最小二乘法拟合出圆的半径和圆心 坐标。 具体的算法描述如下：图像的边缘检测技术比较成熟， 目前图像边缘提取的算法 有很多， 常用的有边缘算子检测法、 轮廓跟踪法和数学形态法 等。 本文的零件图像边缘清晰简单，只要找到内外径的两个圆即对于给定的离散测量点集（xi，yi）（i1，2，m），这里指外 圆边缘像素点集或内圆边缘像素点集。 设理想圆的圆心为 q0（x0，y0），半径为 r，则测量点距圆的代数距离方程为：可。 采用的方法是用边缘轮廓跟踪法先找到外圆边缘，然后将外圆以外的所有背景区域填充成目标的值， 然后对图像进行反色 22l 姨（xx0 ） （yy0 ）r（3）其中（x，y）（xi，yi）i1，2，m。 由于式（3）中有根号不便于求解，所以需要对其进行变形，将式（3）变换为軃l 1 （xx ）2 （yy ）2 r2 ）（4）2r00其中（x，y）（xi，yi）i1，2，m。tt式（4）可简化为：lf（x）au ub uc，22 2其中，a 1 ，u 軃x 軃，b 軃b1 軃，c x0 y0 r。 因此我们可以推2ryb22r导出：22b1 b2 4ac1（5）x b1（6）02ay b2（7）02a2r b c （8）图 4 寻找边缘流程图姨 4a2a工业控制计算机2010 年第 23 卷第 7 期函数 f（x）表示点 p（x，y）到二次曲线 f（x）0 的代数距离， 对得到的边界点进行曲线拟合，运用式（6）、（7）和（8）可以得到 圆心坐标和半径。32 同心度测量由上面部分得到的外圆圆 心坐标和内圆圆心坐标分别为 p1（xo，yo）和 p2（xi，yi）。 这里同心度只有计算两个圆心坐标的 距离即可，得到的结果越小越好，如两个圆心都在同一个点上 ， 则结果为 0，说明两个圆完全同心。 同心度的计算公式如下：3转换总存在一定的误差，这个误差是影响测量精度的最主要、最 直接的误差。2）硬件系统误差。 系统光照不均匀，被测零件的厚度在图像 边缘留下阴影造成的图像边缘提取误差； 摄像机成像平面与被 测零件表面不能完成平行产生不平行测量误差； 在光信号转变 为电信号时，镜头畸变所引起图像非线性失真误差。3）软件算法的误差。 在测量算法中，零件的圆心是通过提取 零件边缘点，由最小二乘法拟合而得，这种算法本身存在一定误 22t 姨（x0 xi ） （y0 yi ）4 系统摄像机标定（9）差。 而且通过最小二乘法拟合得到外圆和内圆的圆心坐标通常 是小数，而在图像上画圆的时候需要对其取整数，这会造成圆心在机器视觉中对所获得的图像处理都是基于像素的， 要想 得到零件的实际尺寸，所以要对摄像机进行标定，使像素值和实 际尺寸联系起来。 所以要测量零件的实际尺寸，只要先标定出该 系统环境下像素与实际尺寸之间的比例关系， 并且计算出物体 在由摄像机所获得的数字图像中所占的像素数， 就可以得到零 件的实际尺寸。 即：零件的实际尺寸零件图像所占得像素数 实际尺寸和像素值的比例系数。 在本文实验中，把标准尺放在测 量系统的灯箱中， 获得图像， 再计算标准尺中某一长度的像素 值，计算出像素值和实际尺寸的比例关系。 例如，100mm 的标准 尺中有 1000 个像素点，我们可以得出每个像素代表的实际尺寸 是 01mm。5 测量结果与分析图 7 实验结果图实验采用 amd 双核 15ghz 的 cpu 和 2g 内存， 操作系 统为 windows7 的计算机，摄像头采用 200 万像素的 usb 数字 摄像头，用 c 语言编程实现。 对两个不同尺寸的零件测量的结 果如图 7 所示， 红色的圆是通过寻找到的边界数据用最小二乘 法拟合出来的，中间的小叉是两个圆的圆心，可以看到同心度为 零，两个圆心在同一个点上。对两个不同尺寸的零件 a 和 b 的人 工测量的数据和图像测量的数据如表 1 所示。表 1 人工测量值与图像测量值比较定位具有一定的误差。6 结束语研究采用机器视觉技术实现对圆环形零件内外径和同心度 的非接触式测量。 使用 200 万像素的 usb 数字摄像头对两种不 同尺寸的圆环形零件进行测量实验，与人工测量值对比 （注：人 工测量值指人工使用游标卡尺工具测量的值， 同时需要说明的 是，人工测量值也并非是绝对的精确值 ），绝对误差小于一个像 素， 对两种外径为 12cm 之间的零件测量， 最大误差不超过 003mm。因为摄像机设备的分辨率越高、被测物体的尺寸越小，则测 量精度越高。 所以如果采用更高分辨率的摄像机则可以进一步 提高测量精度。 但改变硬件的代价是比较大的，我们可以从算法 上提高精度，如将检测的边缘从像素级别提高到亚像素级别，提 高测量精度，这也是我们今后工作研究的内容。参考文献1张秀芝，王龙山，于忠党基于最小二乘支持向量回归的小零件精密 测量技术j农业机械学