微小接插件高精度分段檢測中圖像拼接方法

李九靈，原振方，彭 煜

（湖北工業大學機械工程學院，湖北 武漢430068）

電子接插件是電氣設備中實現電路通斷的關鍵部件，其工作的穩定性直接影響整個設備的運行［1］。隨著電子設備的小型化、精密化以及可靠性要求提高，接插件高精度檢測的難度進一步增加。目前，電子接插件檢測普遍采用機器視覺技術對其進行高精度自動化在線檢測，這在一定程度保證了接插件的出產質量，但傳統的整段檢測方法無法達到部分高精密航空電子儀器中對接插件精度標準［2］。本文提出對接插件進行分段采集圖像，采用改進Harris算子精確提取圖像中特征點來完成整圖拼接，提高了圖像分辨率，生成高質量的全景圖像，測量精度與單幅圖像相比顯著提高，從而提高了接插件的檢測精度，保證了接插件產品的質量。

1 接插件檢測系統組成

電子接插件視覺測量系統如圖1所示。整個檢測系統分為三大模塊:以CCD相機、弧形光源、圖像采集等為主的采集模塊；由精密滑臺、驅動器、精密導軌、傳感器、剔除機構等組成的運動模塊；PLC、計算機及軟件等構成的控制處理模塊。

接插件在檢測滑臺上由氣動裝置吸附，PLC通過驅動器控制精密滑臺水平移動，觸動位置傳感器將信號傳遞給CCD相機，與此同時，通過精密滑臺的間歇運動完成CCD相機對電子接插件圖像的分段采集。然后，對所采的局部圖像進行特征提取，軟件系統利用Harris角點測量算法提取分段圖像中的角點，計算每對角點的關系系數，獲得角點的相似程度，并將相似程度進行歸一化融合，歸納出關于2個點集間的每對角點的相似度表，運用漸入漸出控制方法對所采集圖像進行拼接，得到高質量的全景圖像。最后，對全景圖像進行檢測與測量，計算機將處理結果傳遞給PLC，實現剔除機構對不合格接插件產品的自動剔除。

圖1 接插件視覺測量系統

2 Harris角點特征的圖像拼接

2.1 常用的角點檢測算法的比較

圖像拼接精度是檢測精度的保證。Harris腳點特征的拼接圖像可實現高精度檢測，基于特征點的圖像拼接算法中，Harris角點檢測算法因其穩定性、魯棒性和可靠性得到了廣泛的應用［3］。SUSAN角點檢測算法和Moravec角點檢測算法是較為常用的角點檢測算法。SUSAN選用圓形模板，將位于圓形窗口模板中心等待檢測的像素點稱為核心點，直接利用圖像灰度信息的檢測算法，不需要進行求導和梯度運算，具有很強的抗干擾能力［4］，其缺點是穩定性差，閾值的選取直接影響到檢測的準確性。Moravec算法采用傳統的提取興趣點算法，通過計算垂直線、水平線、對角線、反對角線4個方向上的灰度方差來實現對角點的檢測，但其缺點是定位精準不高、抗噪能力較低。經典的Harris角點檢測算法在定位精度、參數設置及高斯窗口控制上存在不足，改進的Harris角點檢測算法避免了角點集簇現象，并利用雙閾值解決了單閾值設定的局限性［5］。

2.2 改進Harris角點檢測算法的實現

2.2.1 經典Harris角點檢測算法 特征點提取算法是一種基于圖像局部自相關的函數分析法，反映了局部曲率［6］

式 中: w（x，y）為 窗 口 函 數；［I（x＋u），（y＋v）－I（x，y）］2是衡量圖像灰度的梯度值u；

描述了整個圖像在這一點的形狀；Ix，Iy為圖像在x，y方向的梯度值，而一幅圖像所對應的一個特征點的函數

2.2.2 特征點的提取與匹配 基于Harris角點檢測算法的圖像拼接流包括四個部分［7］:特征提取點→特征點匹配→變換參數估計→圖像融合。角點匹配采用相似測度NCC對特征點進行匹配，即通過角點領域像素灰度值的相似性進行匹配［8］。由于角點的提取完全依賴閾值的設定，因此采用自適應閾值的方法，根據每幅拼接圖像的特點，自動選擇最佳閾值，提高角點選取的精度。為此，引用Hu鉅結合點特征實現角點匹配，二維（N×M）數字圖像W（i，j）的二維矩的定義為

其中，a＋b≤n（n為階次）。由于Hu的唯一定性［9］，一幅圖像具有一定的面積，而且在任何情況下最少也會保持分段連續，因此任何有規則的矩都會存在，所求矩集 ｛mab｝ 唯一描述圖像包含的信息，因此它可以保證圖像在旋轉的條件下也具有相同的矩向量，同時采用選取大于閾值的特征點對作為配準點對的選擇，并用約束配對算法取篩選配準點對，提高精確度。

令A、B 分別為配對圖像中兩特征點:A′（x1′，y1′），B′（x2′，y2′），其拼接圖像中對應點為 A′、B′:A′B′。當A與A′以及B與B′是兩對對應點時，則滿足相關函數關系:

反之，這兩對不合。

2.2.3 變換模型參數估計 在選取最優匹配點后，算出矩陣各參數，參數投影變換模型齊次坐標

計算出每個觀測點和兩配點之間的模長，選擇其中的最小值，計算其變換參數（i＝0，1，2…7）的偏導數，所得關系結果滿足

2.2.4 圖像的融合 圖像拼接痕跡消除的核心是圖像融合。兩拼接圖像的重疊區域一般存在較大差異，全景圖像的拼接處會存在拼接縫隙，這里采用平均的融合方法，進行圖像的平滑過渡［10］。N1與N2表示待拼接的兩幅圖，N表示融合后的圖像，存在關系式

式中，w1、w2表示待拼接重疊區域像素的權值，滿足w1＋w2＝1，w1＞0，w2＜1，w1無限趨近于0，w2無限趨近于1，因此實現N1到N2的平滑過渡，消除圖像拼接中的縫隙。

3 圖像拼接的實現與分析

實驗所用相機為德國Allied Vision Technologies公司生產的Pike F-505B/C工業數字攝像機，采用Sony Super HAD CCD傳感器，可獲得高清晰圖像，操作系統為WindowsXP系統，編程軟件Visual C＋＋。

圖2為本次拼接實驗的拼接樣圖，微型電子接插件d-type rec型針腳間距不等。

圖2 拼接樣圖

圖3 為兩幅圖經過改進角點檢測算法所檢測到的接插件全景圖像，圖4為單幅全景圖。

圖3 拼接完成后的全景圖

圖4 單幅全景圖

d-type rec型微型電子接插件是一款較為常用的電子配件，其體積小，精密度高，常常用于高端儀器設備。pin寬度、pin間距及pin上下尺寸距離為針腳主要檢測部位，表1為廠商提供的針腳檢測要求參數。

表1 針腳檢測要求參數

將上述分段拼接圖像與單幅采集圖像導入基于Visual C＋＋開發的軟件測量系統進行檢測，對針腳寬度、間距、上下尺寸距離進行高精度測量，檢測區域如圖5所示。圖5中，端口第一排的針腳從左至右編為1—10號，第二排的針腳從左至右編為11—20號。分別對分段檢測拼接圖與單幅采集圖進行檢測，通過測量軟件的檢測計算，其檢測如圖6所示。

圖5 測量系統針腳檢測示意圖

圖6 針腳檢測結果

圖6 a、6c中所需測量的腳針數量都為19根（第一排10根，第二排9根），在測量軟件中，第二排11號與19號已彎折的，都被準確發現，兩圖中11、19號都沒出現相對應的測量數據點，說明這兩針點存在問題，不滿足質量參數要求。兩線之間為公差允許波動范圍，除11、19號外，其余各腳針滿足參數要求。

圖6b中，第一排指針共有9個測量間距，從左至右，編號為1—9，第二排從左至右，編號為10—17。10號與17號二針出現彎折，不合質量要求。10與17號沒有測量數據點，說明不符合公差誤差要求，其余各測量間距都在公差波動范圍內，符合參數要求。

分段拼接圖像以及單幅采集圖在測量軟件中的測量數據都能滿足檢測的要求，但分段拼接圖像檢測精度更高，分段pin各數據點的精度到了0.001mm，明顯高于單幅pin，這說明分段檢測采集的圖像通過改進算法拼接之后得到的全景圖，在相應測量軟件的檢測中能達到更高的精度。

4 結論

分段檢測將原本只需一次采集的完整圖像分為多段采集，得到了更清晰的局部圖像，提高了圖像的檢測精度。圖像采集的過程會存在誤差，分次多段采集帶來了累積誤差，改進Harris角點檢測算法避免了閾值的人為選定，消除了累積誤差帶來的影響，提高了拼接精度。通過測量軟件的檢測分析，與單幅采集圖像相比，其測量精度得到提高。

［1］ 張明畏，金福群.提高接插件可靠性的途徑［J］.機電元件，1993，13:4-6.

［2］ 唐 杰，孫 堅，鐘紹俊，等.基于DM6437的接插件產品在線檢測系統的研究［J］.儀表技術與傳感器，2013（03）:91-95.

［3］ 仇國慶，馮漢青，蔣天躍，等.一種改進的 Harris角點圖像拼接算法［J］.計算機科學，2012，39（11）:264-297

［4］ Stephen M.Smithj.Michael Brady.SuSAN—A new approach to low level image processing［J］.International Joumal of Computer Vision，1997，23（01）:45-78.

［5］ 葉增爐.Harris角點檢測算法的實現及應用效果分析［J］.淮南師范學院學報，2011，13（05）:25-26.

［6］ 孫 樺，孫濟州，譚 磊.一種有效的全景圖拼合預處理算法［J］.光電子·激光，2007，18（06）:746-749.

［7］ 李鵬程，曾毓敏，張 夢.基于改進Harris的圖像拼接算法［J］.南京師范大學學報（工程技術版），2014，14（01）:70-75.

［8］ 朱 聰.基于相似像素點的Harris角點檢測改進算法［J］.大眾科技，2014，16（175）:28-31.

［9］ 張 琪，屈 嚴，董志芳.改進的統一Hu矩圖像目標識別中的應用［J］.電子器件，2012，35（06）:679-682.

［10］趙向陽，杜利民.一種全自動穩健的圖像融合算法［J］.中國圖像圖形學報，2004，9（04）:417-422.