基于影像测量技术的机床主动寻位系统设计

基于影像测量技术的机床主动寻位系统设计

1基于影像测量的大型回转体工件定位快速安装模式较大的薄薄零件和复杂的形状转换元件在国防、航空、航空航天等高科技领域所占比例很大。这类零件的母线往往是一条复杂曲线,安装时缺乏可靠的定位基准,且材料易碎,刚性弱。目前大多采用专用夹具,或者熟练工人借助百分表、千分表等常规量具进行人工调整实现定位。这种方法在线调整时间长、效率低下,而且有时可能会因定位精度不高而使工件报废。所以找到一种方便、快捷的方法来解决此类大型工件的精确定位问题就显得尤为重要,成为减轻工件安装定位的工作量和难度、保证加工出合格产品的重要环节。随着计算机视觉技术的发展,影像测量法因其具有高精度、高效率、实时性和非接触等优点逐渐被广泛应用。本文提出并实现了一种利用影像测量技术进行大型回转体工件精确定位的快速安装模式。这一模式包括两方面的内容:一是利用视觉影像测量装置快速获取工件上用于定位的轮廓边缘图像;二是根据这些信息精确求解出工件在机床上的实际状态。实验结果表明,该方法在保证测量速度的前提下可达到较高的测量精度。2工件主动寻位工件在机床上或者夹具中的定位可描述为在工件坐标系与机床坐标系之间建立关联的过程。对于任意放置在机床工作台上的大型工件,其主动寻位问题指的是,如何根据测量获取的工件表面信息,快速准确地求解出工件在机床上的实际位置与姿态。这一问题等效于实时求解出工件加工坐标系与设计坐标系之间的真实关系。通常,工件加工坐标系和设计坐标系之间的关系可用齐次变换矩阵T3D表示,其表达式为:式中:α、β、γ—工件加工坐标系围绕设计坐标系X、Y、Z轴的旋转角度;Tx、Ty、Tz—工件加工坐标系原点相对于设计坐标系原点的平移量。从式(1)可看出,只要求得α、β、γ、Tx、Ty、Tz等六个参数,T3D便可唯一确定,即得到寻位问题的解。于是,工件主动寻位问题的数学模型可描述为:搜寻一个三维转换矩阵T3D,使得目标函数式(2)具有最小值。式中:Pi=[xi′,yi′,zi′,1]′—实际测量点的坐标;Pi=[xi,yi,zi,1]—该点对应的CAD模型中的坐标,它是理论曲面上距离实际测量点距离最近的点。3工件位置检测测量系统,如图1所示,工作台上安装一数控回转台,转台上放置一个刻划有一系列同心圆的圆盘,供安放工件时参考,不致使得工件对转台偏心太大。工件以端平面为支承面被粗略地安放在转台中心。采用照度均匀的柯拉照明方式并对被测工件进行平行光照射。在工件精确定位之前,用1024×1024的CCD摄像机和黑白图像采集卡对工件内轮廓边缘进行图像采集和处理。为了实现大范围测量,进一步降低单纯靠提高CCD摄像机性能而导致价格过高的成本,数控回转台带动工件旋转以获得工件圆周上的多幅图像。信息处理系统进行图像拼接和边缘提取,并根据相关算法计算出边缘像素点相应的几何位置信息,从而求得工件相对于机床的相对空间位置。操作人员可根据这些信息对工件进行有针对性地位置调整,从而实现了大型工件的快速精确定位,如图1所示。4检测工艺内部轮廓边缘的正确位置4.1图像边缘检测经典Sobel算子只有检测图像f(x,y)水平和垂直两个方向的3×3邻域模板,而实际图像边缘的方向可能会有八个。因此,实际边缘检测时通过对算法改进,采用了扩展Sobel算子分别与被检测图像中的3×3邻域进行卷积,取模板卷积结果中的最大值作为梯度幅度值,得到灰度边缘图。如图2所示,描述了扩展后的八个Sobel模板算子。4.2工件轮廓上的边缘检测根据光学成像特性,边缘灰度值的变化近似服从高斯分布,如图3所示。(a)图像边缘处的灰度值(b)边缘灰度值的差分(c)高斯曲线拟合法取高斯曲线的表达式为:式中:μ—均值;σ—标准差。为便于求解,对方程(3)两边取对数,得:式(4)可看成形如y=Ax2+Bx+C的二次曲线。于是,可利用取对数后的值拟合出抛物线,其顶点坐标即为工件轮廓上的实际边缘点。具体过程如下:(1)用扩展Sobel算子边缘检测算法找到图像边缘点(Xi,Yi),沿灰度梯度方向R(Xi,Yi)取相邻的两个点(Xi-1,Yi-1)、(Xi+1,Yi+1)。(2)根据方形孔径采样定理,每个像素点输出的灰度值为:(3)计算三个像素点对应的灰度值。为简化表达,分别用f0、f-1、f1表示。于是有:由式(5)可得A、B、C的表达式为:因此,抛物线顶点的横坐标值为:(4)将(7)式中的像素灰度差分值用对数值代替,这样就得到亚像素边缘提取的公式为:5正确计算工艺中心位置5.1工件坐标系ow为了描述工件在工作台上的实际位置,首先对三个参考坐标系加以说明。如图4所示,局部坐标系Op(Xp,Yp,Zp)指的是CCD成像过程中描述工件轮廓边缘像素点的坐标系统。机床参考坐标系Om(Xm,Ym,Zm)指的是数控回转台安装,带动工件转动时所参考的坐标系,通过它可反映CCD成像系统在机床上的安放位置。工件坐标系Ow(Xw,Yw,Zw)是指对工件设计时所参考的坐标系,通过它可将已获得的工件内轮廓边缘上不同位置处的多幅图像统一到同一坐标系下。从图4所示的矢量关系可得到工件轮廓边缘上任意一个像素点Pi(xi,yi,zi)在机床参考坐标系的位置矢量方程:式中:在机床参考坐标系和CCD局部坐标系中的位置矢量;[mTp]′、[mTw]′—CCD局部坐标系,工件坐标系到机床参考坐标系的变换矩阵。根据圆具有旋转不变性,所以当数控转台带动工件转动时,它的圆心保持不变。于是:5.2工件内形面轮廓的初始残差解决方案为了精确求出工件在工作台上的实际位置,可根据最小二乘原理(残差平方和最小原理)用圆来逼近工件内形面轮廓,得到内轮廓的圆心坐标即可。拟合方法如下:设理想圆的标准方程为:式中:(x,y)—理想圆上任意一点的坐标;(a,b)—圆心坐标;R—半径。假设检测到工件内形面轮廓的实际边缘为C,那么其上任意一点Pi(xi,yi)的残差为:遍历边缘点的集合C,可以得到实际点Pi(xi,yi)引起的残差平方和函数为:根据最小二乘法原理,应使:经推导整理后,可得到:由公式(17)可以解出被测工件圆心坐标(a,b)。根据最小二乘原理推导出的工件中心检测方法虽然形式复杂,但是仅仅对边界点循环一次就可以计算出各参数,计算速度很快,满足在线检测、实时定位的实际需要。6工件局部轮廓的检测与标定为了验证本文所提出方法的有效性,课题研究中利用PeiselerAWU1250回转台和PixelinkPL-A741拍照系统进行了某大型工件内轮廓的检测,并开发了相应的图像处理软件。如图5所示,为工件局部轮廓的原始图象和处理后的图象边缘。如表1所示,为亚像素细分前后图象边缘数据的对比结果。由上述数据可以看出,采用亚像素细分算法进一步定位后得到的边缘曲线更加光滑,精确度得到了提高。然后对相关数据进行标定和坐标转换,利用最小二乘拟合法得到工件内轮廓的中心位置,并通过调整机构进行自动找正,直至将工件偏心调整到规定范围内(<0.05mm)。如表2所示,为工件偏心找正的实验记录。7工件亚像素边缘检测算子的建立针对某些大型回转类工件安装时精度和效率低等问题,提出了一种