基于機器視覺的導電滑環(huán)表面微槽位置檢測系統(tǒng)研發(fā)

董芳凱 鄭智貞 袁少飛 李 浩 石亦琨

(①中北大學機械與動力工程學院，山西 太原 030051；②首都航天機械公司，北京 100076)

導電滑環(huán)屬于高科技產(chǎn)品，是實現(xiàn)兩個相對轉動機構的圖像、數(shù)據(jù)信號及動力傳遞的精密輸電裝置。一直以來被應用于尖端軍事領域，是各種精密轉臺、離心機和慣導設備的關鍵器件[1-2]。其加工精度直接影響到設備的性能和使用壽命，因此實現(xiàn)導電滑環(huán)工件的高效率高速度加工具有重要的意義。

如圖1所示，導電滑環(huán)的主體部分是由環(huán)體銅環(huán)和樹脂絕緣體相間分布組成，其上的銅環(huán)微槽是工件注塑完成后使用車削的方法加工完成的[3]。本課題通過機器視覺的手段，檢測出每一圈銅環(huán)的左右兩邊緣，并且準確確定每圈銅環(huán)的中線位置，然后在每條銅環(huán)的中間位置加工一個微槽，其目的是配合與另一零件進行使用。所示零件中的銅環(huán)寬度范圍是1.5～6.1 mm，檢測結果精度需達到0.01 mm。該工件的測量任務量大，精度要求高，且銅環(huán)寬度小。傳統(tǒng)的加工方法采用工人目測的方式來確定每個環(huán)槽下刀位置，其加工精度與效率完全依賴于工人的視力與熟練程度。采用傳統(tǒng)加工方法，難以滿足精度要求。對于簡單重復性工作，計算機有速度快、效率高的工作特點，機器視覺測量技術解決了這一難點。提高工作效率的同時，也能保證加工精度，排除了人工測量過程中不確定因素對測量結果的影響。

1 系統(tǒng)搭建及圖像采集

本系統(tǒng)將典型的機器視覺與工件加工機床相結合，見圖2，采用專用夾具確保工件在機床平臺上的精確定位，從而采集到質量較高的圖像信息(見圖3)，以便為工件圖像的輪廓提取和精確檢測提供必要保障。根據(jù)所測工件特點(對導電滑環(huán)表面特征進行提取)，選用DALSA公司生產(chǎn)的 Piranha2 P2-2x-08K40黑白線陣工業(yè)相機，結合線陣相機的拍攝方式為線掃描，選擇前向照明方式，光源為上海宏覺光電科技有限公司生產(chǎn)的高亮度線掃描光源HJ-L-100。

2 圖像的處理與分析

2.1 圖像預處理

圖像采集之后首先需要經(jīng)過預處理階段，預處理的目的是為了使得圖像的特征更加明顯，以便后續(xù)的每條銅環(huán)的邊緣提取、銅環(huán)環(huán)槽位置確定以及每條銅環(huán)環(huán)槽距離計算等操作。預處理包括降噪處理，閾值分割等。

圖像在采集過程中由電信號向數(shù)字信號轉換時帶有各種噪聲，需要對圖像進行降噪處理。中值濾波是一種常用的降噪處理方法。本文采用自適應中值濾波對圖像進行處理，改進后的中值濾波消除了依賴于濾波窗口的大小的缺點(窗口太大會使邊緣模糊，太小則降噪效果不好)[4]。設Si,j表示中心像素點(i,j)在濾波時所對應的窗口(窗口的最小值為Wmin，最大值為Wmax)。令：zmin為Si,j窗口圖像灰度最小值；zmax為Si,j窗口圖像灰度最大值；zmed為Si,j窗口圖像灰度中值；zi,j為圖像像素點(i,j)的灰度。自適應中值濾波器算法工作在兩個層次，可定義為A層和B層。具體算法如下：

A層：ZA1=zmed-zmin，ZA2=zmax-zmed，如果ZA1>0，ZA2>0，則轉到B層。否則，增大窗口尺寸。如果窗口尺寸小于Wmax，則重復A層，否則輸出zi,j。

B層：ZB2=zi,j-zmin，ZB2=zmax-zi,j，如果ZB1>0，且ZB2>0，則輸出zi,j，否則輸出zmed。

為了得到圖像中感興趣的目標信息，必須對濾波后的圖像進行圖像分割，分割后的區(qū)域可以作為后續(xù)特征提取的目標對像。圖像分割方法有多種，本文采用閾值分割中的最大類間方差法對圖像進行分割。該方法的核心思想是選定的分割閾值應使目標區(qū)域的平均灰度與背景區(qū)域的平均灰度之間的差別最大。對濾波后的圖像進行圖像分割的圖見圖4。

由于工件表面難以避免存在灰塵和異物，因此閾值分割后的圖像有干擾檢測的噪點存在。對此可以使用形態(tài)學操作對圖像進行處理。基本的形態(tài)學由腐蝕和膨脹兩種組成，兩種操作結合集合論的開補運算可以構造出許多豐富的操作，如開運算和閉運算。開運算可以消除比基本單元小的白色細節(jié)，閉運算可以消除比基本單元小的黑色細節(jié)[5]。形態(tài)學處理后的圖片如圖5所示。

2.2 圖像輪廓邊緣檢測

邊緣是圖像的最基本特征，邊緣檢測的目的是為了標識數(shù)字圖像中亮度變化明顯的點。經(jīng)典的邊緣檢測算子可以快速檢測出圖像中目標的輪廓，但由于其只能定位到像素精度，不能滿足高精度圖像邊緣的檢測。因此本文采用經(jīng)典算子對圖像邊緣進行像素定位，然后利用亞像素定位對圖像邊緣進行細化。這里采用的亞像素算法為灰度矩算法。

Canny算子是經(jīng)典邊緣檢測算子之一。由于在邊緣檢測中抑制噪聲和邊緣精確定位是無法同時滿足的，而Canny算子在力圖抗噪聲干擾和精確定位之間尋求最佳折中方案。根據(jù)預處理所得的圖像做如下處理，以實現(xiàn)Canny算子邊緣檢測[6]。

(1)用高斯濾波器平滑圖像。

設高斯函數(shù)為H(x,y)：

(1)

G(x,y)=f(x,y)·H(x,y)

(2)

其中f(x,y)是圖像數(shù)據(jù)。

(2)用一階偏導的有限差分來計算梯度的幅值和方向。

利用一階差分卷積模板：

φx(x,y)=G(x,y)·H1(x,y)

(3)

φy(x,y)=G(x,y)·H2(x,y)

(4)

得到幅值φ:

(5)

方向θφ：

(6)

(3)對梯度幅值進行非極大值抑制。

(4)用雙閾值算法檢測和鏈接邊緣。

為了更加準確提取邊緣的輪廓，在Canny算子定位像素級精度后，采用灰度矩法進行邊緣亞像素定位。灰度矩亞像素邊緣檢測方法是指根據(jù)灰度矩不變原理來對圖像進行邊緣檢測，即假設實際圖像中的邊緣分布與理想階躍邊緣模型的灰度矩是保持一致(物體在成像前后能夠保持其矩特性不變)，來確定實際圖像中邊緣的位置[7]。導電滑環(huán)圖像輪廓檢測結果見圖6。

2.3 圖像微槽位置的確定

本文研究的目的是準確確定導電滑環(huán)上環(huán)槽位置，因此每條銅環(huán)的中線是圖像提取的特征。由于圖像的邊緣檢測提取到的是離散的像素點，這并不利于確定每條銅環(huán)的微槽的位置，因此在確定每條銅環(huán)微槽位置之前，先將檢測的銅環(huán)邊緣輪廓擬合成直線，然后將每條銅環(huán)的左右輪廓擬合成的直線坐標平均，就可以得到銅環(huán)微槽的位置，其計算公式如下：

(7)

(8)

如圖7所示，圖中粗白線為銅環(huán)邊緣輪廓的擬合直線，細灰白線為銅環(huán)表面微槽的位置。

2.4 視覺系統(tǒng)標定與銅環(huán)微槽位置測量

為了確定導電滑環(huán)表面的微槽位置，這就需要將圖像上銅環(huán)微槽到基準的距離轉化為實際距離。系統(tǒng)標定可以確定像素距離與實際距離的關系。本文采用張正友標定法得出相機內外參數(shù)，通過相機的內參——像素當量值可以計算出每條微槽的位置。其計算公式如下：

D=d·δ

(9)

式中:D為導電滑環(huán)微槽的實際距離值；d為導電滑環(huán)微槽的像素距離值；δ為像素當量值。檢測系統(tǒng)的界面見圖8。

3 數(shù)控加工的實現(xiàn)

微槽位置測定后可以通過編寫加工程序的程序模板，在程序模板上設置參數(shù)輸入入口，然后圖像處理得到的參數(shù)輸入到程序模板內，實現(xiàn)導電滑環(huán)工件的數(shù)控加工。經(jīng)仿真驗證，若程序合格則可直接利用生成的程序加工工件；若程序不合格，需要人工介入，重新檢測滑環(huán)微槽位置，生成加工程序。工件測量加工流程見圖9，生成數(shù)控加工代程序見圖10。

4 實驗驗證與分析

為了驗證檢測系統(tǒng)的準確性和檢測結果的可靠性，首先選用符合標準的導電滑環(huán)采用上述所設計的檢測系統(tǒng)進行銅環(huán)微槽位置檢測(如圖11所示)，將檢測到的環(huán)槽位置通過測量軟件輸出。然后利用光學測量儀對所加工的環(huán)槽進行檢驗。檢測結果見表1。

由表1可知，該視覺測量系統(tǒng)的誤差為：

表1 視覺測量值與光學測量儀值 mm

試驗結果的極差為：max|si-pi|=0.009 4 mm。其中si為視覺測量微槽值，pi為光學測量儀微槽值。視覺檢測到的銅環(huán)微槽位置相對于光學測量儀值存在小范圍波動，但誤差在±0.01 mm的范圍內，符合本文研究的機器視覺測量系統(tǒng)的要求。

5 結語

本文所設計的系統(tǒng)可以替代生產(chǎn)現(xiàn)場的航天導電滑環(huán)微槽位置的人工檢測和加工，檢測結果滿足±0.01 mm的生產(chǎn)要求。工件加工過程中避免了人工因素干擾，結合相應的自動化裝置可以明顯提高零件的生產(chǎn)效率。該方案可以用于工件的大批量生產(chǎn)，具有速度快、精度高等優(yōu)點。

[1]周小全,王智勇.精密導電滑環(huán)主要檢測參數(shù)的分析[J].計測技術,2007(S1):72-73.

[2]薛萍,陳少兵,劉麗.電滑環(huán)中的導電環(huán)和電刷[J].光纖與電纜及其應用技術,2012(1):11-13，25.

[3]耿星,郭東明,金洙吉,等.精密導電滑環(huán)表面微槽車削性能[J].宇航材料工藝,2015(4):108-113.

[4]斯蒂格,尤里奇,威德曼.機器視覺算法與應用[M].楊少榮,等譯.北京:清華大學出版社,2008:218-245.

[5]馮俊萍,趙轉萍,徐濤.基于數(shù)學形態(tài)學的圖像邊緣檢測技術[J].航空計算技術,2004(3):53-56.

[6]張帆,彭中偉,蒙水金.基于自適應閾值的改進Canny邊緣檢測方法[J].計算機應用,2012,32(8):2296-2298.

[7]張永宏，胡德金，張凱，等.基于灰度矩的CCD圖像亞像素邊緣檢測算法研究[J].光學技術,2004，30(6):693-698.