基于機(jī)器視覺的電動(dòng)機(jī)轉(zhuǎn)軸軸承安裝部位外徑對(duì)比測(cè)量

劉凱，陳緒兵，毛金城,2，周瑞豐

(1.武漢工程大學(xué) 機(jī)電工程學(xué)院，武漢 430205；2.湖北堅(jiān)豐科技股份有限公司，湖北 孝感 432900)

轉(zhuǎn)軸是電動(dòng)機(jī)的重要部件，支承各種轉(zhuǎn)動(dòng)零件，傳遞轉(zhuǎn)矩，輸出機(jī)械功率，軸承安裝部位(軸承位)更是轉(zhuǎn)軸的關(guān)鍵位置，其安裝精度直接影響電動(dòng)機(jī)的運(yùn)行狀態(tài)，會(huì)引起電動(dòng)機(jī)振動(dòng)及噪聲過大等問題。國內(nèi)軸類零件的測(cè)量基本處于使用游標(biāo)卡尺、千分尺、氣動(dòng)量儀等工具進(jìn)行手動(dòng)檢測(cè)階段，不僅勞動(dòng)強(qiáng)度大，作業(yè)效率低，而且容易發(fā)生錯(cuò)檢或漏檢，檢測(cè)結(jié)果受技術(shù)人員的技術(shù)水平和精神狀態(tài)的影響，無法保證檢測(cè)結(jié)果的精確性和可靠性[1]。

相較于傳統(tǒng)的測(cè)量技術(shù)，基于圖像處理和機(jī)器視覺的檢測(cè)技術(shù)采用非接觸式測(cè)量方式，可以避免給轉(zhuǎn)軸帶來額外的損傷，具有一定的適用性，而且可以實(shí)現(xiàn)其他測(cè)量方法無法實(shí)現(xiàn)的測(cè)量。另外，其具有檢測(cè)速度快，檢測(cè)精度高，柔性高，自動(dòng)化程度高等特點(diǎn)，是現(xiàn)代制造領(lǐng)域不可或缺的測(cè)量技術(shù)。因此，針對(duì)電動(dòng)機(jī)轉(zhuǎn)軸軸承位外徑尺寸的測(cè)量，提出了一種基于機(jī)器視覺技術(shù)的高精度測(cè)量方法，對(duì)圖像進(jìn)行邊緣定位，通過最小二乘直線擬合得到邊緣直線，精確計(jì)算出轉(zhuǎn)軸軸承位的外徑尺寸。

1 檢測(cè)系統(tǒng)原理

提出一種基于CCD傳感器的轉(zhuǎn)軸軸承位外徑尺寸的圖像對(duì)比測(cè)量方法。使用2個(gè)面陣CCD分別采集某已知外徑的合格標(biāo)準(zhǔn)軸左右邊緣圖像，然后保持相機(jī)和V形槽底座固定不動(dòng)，在相同條件下分別采集待測(cè)軸左右邊緣圖像，通過圖像處理與分析得出各邊緣直線方程，分別計(jì)算出標(biāo)準(zhǔn)軸與待測(cè)軸左、右邊緣的間距，最后計(jì)算待測(cè)軸與標(biāo)準(zhǔn)軸外徑之間的差值，以此間接獲得待測(cè)軸的外徑尺寸。

測(cè)量系統(tǒng)若使用單相機(jī)采集整個(gè)軸承位對(duì)象直接進(jìn)行處理和分析，則需要的鏡頭視場(chǎng)相對(duì)較大；而使用雙目視覺分別采集標(biāo)準(zhǔn)軸與待測(cè)軸的邊緣圖像，則可使用小視場(chǎng)鏡頭。而在相機(jī)分辨率不變的情況下，使用小視場(chǎng)鏡頭可以提高系統(tǒng)的像素精度。

由于電動(dòng)機(jī)轉(zhuǎn)軸是不透明的金屬材料，為有利于后續(xù)的圖像處理，特采用背光獲得高對(duì)比度的圖像[2]。使用平行光源背光照射于轉(zhuǎn)軸上，使轉(zhuǎn)軸盡量處于照明均勻的可控背景中，通過光學(xué)系統(tǒng)，在面陣CCD的光敏面上成像。通過圖像采集卡將待測(cè)軸的圖像轉(zhuǎn)換成數(shù)字圖像，計(jì)算機(jī)對(duì)采集到的圖像進(jìn)行處理，提取出預(yù)期的特征和數(shù)據(jù)，然后對(duì)零件尺寸進(jìn)行快速、精確的計(jì)算。檢測(cè)系統(tǒng)的原理和系統(tǒng)裝置示意圖分別如圖1、圖2所示，系統(tǒng)采用的CCD攝像機(jī)分辨率為1 624 pixel×1 224 pixel，像元尺寸為4.4 μm。

圖1 系統(tǒng)檢測(cè)原理

1—平行光板；2—V形槽；3—轉(zhuǎn)軸零件；4—CCD相機(jī)；5—計(jì)算機(jī)

2 圖像預(yù)處理

某型轉(zhuǎn)軸實(shí)物如圖3所示，軸承位的整體形態(tài)如圖4所示。為了能夠更好地檢測(cè)零件尺寸，需要對(duì)采集到的待測(cè)零件數(shù)字圖像進(jìn)行一系列的處理，從而獲取預(yù)期的內(nèi)容。

圖3 轉(zhuǎn)軸實(shí)物圖

圖4 軸承位整體形態(tài)圖

如圖5所示，圖像預(yù)處理的過程為：將采集到的彩色數(shù)字圖像轉(zhuǎn)換為灰度圖像，去除非必要的顏色信息，保留梯度信息，以縮小存儲(chǔ)空間并大幅提高運(yùn)算速度；圖像平滑處理，消除圖像中的噪聲；邊緣檢測(cè)，提取轉(zhuǎn)軸的邊緣輪廓，便于后續(xù)的邊緣直線擬合。

圖5 圖像預(yù)處理流程

2.1 圖像平滑

在圖像的采集和傳輸過程中，不可避免會(huì)受到各種噪聲的干擾，降低了圖像質(zhì)量，導(dǎo)致檢測(cè)過程中產(chǎn)生分析和測(cè)量誤差。為減小分析誤差，提高檢測(cè)精度，有必要平滑圖像以去除圖像中的噪聲[3]。數(shù)字圖像中常見的噪聲包括椒鹽噪聲、高斯噪聲等。可以在空間域或頻率域中根據(jù)圖像中噪聲的不同特性采用不同的濾波方法消除。空間域中的圖像平滑可以使用線性濾波器和非線性濾波器；在頻域中，噪聲頻譜主要在高頻段，可以使用各種形式的低通濾波器抑制高頻分量，去除噪聲。使用適當(dāng)?shù)臑V波方法去除噪聲是檢測(cè)過程的重要部分。

數(shù)字圖像的平滑通常在空間域進(jìn)行，均值和中值濾波器是2種常用于空間域的平滑處理技術(shù)[4]。前者也稱為平滑線性濾波，是典型的線性濾波，其思想是用像素鄰域內(nèi)各像素的灰度平均值代替該像素原來的灰度值，處理速度快，但會(huì)出現(xiàn)一定程度的模糊，模糊程度與所用模板的大小有關(guān);后者是一種最簡(jiǎn)單的非線性濾波，將每一個(gè)像素點(diǎn)的灰度值設(shè)置為鄰域中所有像素灰度值的中值，中值濾波在一定條件下能夠克服線性濾波造成的邊緣模糊等缺點(diǎn)。因此，采用5×5模板的中值濾波對(duì)原圖像進(jìn)行平滑，原圖像與中值濾波圖像如圖6所示。

2.2 邊緣檢測(cè)

圖像的邊緣信息是重要的圖像特征，是圖像中局部亮度變化最明顯的部分，包含大量的有用信息。因此，在軸類零件的測(cè)量中，零件邊緣特征的提取至關(guān)重要。

要提取邊緣輪廓，需要先在濾波后的圖像中提取檢測(cè)對(duì)象，將背景分離。采用最大類間方差(Otsu)法[5]對(duì)中值濾波圖像中的前景與背景進(jìn)行分割，最大類間方差法是一種自適應(yīng)的閾值確定方法，選取能使類間方差達(dá)到最大的圖像灰度值，2個(gè)區(qū)域的方差越大說明構(gòu)成圖像的2個(gè)部分差別越大，以此分割出前景區(qū)域和背景區(qū)域，此時(shí)的灰度值即為圖像分割的最佳閾值。得到的二值化圖像如圖7所示。

圖7 待測(cè)軸的二值圖像

采用DoG(Difference of Gaussian)邊緣提取對(duì)二值圖像進(jìn)行處理。DoG是計(jì)算機(jī)視覺和圖像處理的一種常用高通濾波器，通過增強(qiáng)高頻信號(hào)過濾掉低頻信號(hào)，常用于檢測(cè)圖像中的線條特征[6]。DoG邊緣檢測(cè)通過使用不同參數(shù)的高斯函數(shù)與圖像f(x,y)進(jìn)行卷積計(jì)算，首先使用核為σ1的Gauss函數(shù)與圖像作卷積

F1(x,y)=Gσ1(x,y)*f(x,y)，

(1)

(2)

再將圖像與另一個(gè)核為σ2的高斯函數(shù)作卷積

F2(x,y)=Gσ2(x,y)*f(x,y)。

(3)

DoG就是2個(gè)不同高斯平滑圖像之差，即

F1(x,y)-F2(x,y)=(Gσ1(x,y)-

Gσ2(x,y))*f(x,y)=DoG*f(x,y)，

(4)

DoG=Gσ1(x,y)-Gσ2(x,y)。

(5)

采用σ1=0.3，σ2=5的參數(shù)進(jìn)行計(jì)算，得到如圖8所示的邊緣圖像，圖8a中邊緣輪廓右邊為軸體，圖8b中邊緣輪廓左邊為軸體。

圖8 待測(cè)軸的邊緣圖像

3 外徑尺寸計(jì)算

經(jīng)過圖像預(yù)處理，分別獲得了某標(biāo)準(zhǔn)軸的左右邊緣圖像Sl，Sr和待測(cè)軸的左右邊緣圖像Tl和Tr，在得到的邊緣圖像上提取邊緣點(diǎn)的像素坐標(biāo)(xi,yi)，對(duì)圖像中的坐標(biāo)進(jìn)行擬合得到目標(biāo)的連續(xù)函數(shù)，從而確定描述物體的各個(gè)參數(shù)值，進(jìn)而對(duì)目標(biāo)進(jìn)行亞像素定位。采用最小二乘法原理擬合圖像邊緣離散點(diǎn)，實(shí)現(xiàn)亞像素精度定位[7]。擬合出邊緣直線的表達(dá)式后，就可以計(jì)算標(biāo)準(zhǔn)軸和待測(cè)軸左右邊緣直線之間的距離，然后分別得到左右邊緣直線之間距離的差值，將2個(gè)差值求和，即可得出待測(cè)軸與標(biāo)準(zhǔn)軸外徑的差值，從而計(jì)算出待測(cè)軸的外徑尺寸。

設(shè)直線的表達(dá)式為

y=kx+b。

(6)

根據(jù)最小二乘原理，需要使擬合直線與邊緣點(diǎn)距離最近，即令

(7)

ySl=-11.359x+1 342.077，

(8)

ySr=-11.648x+3 090.728。

(9)

待測(cè)軸左、右邊緣直線方程yTl，yTr分別為

yTl=-11.708x+1 338.512，

(10)

yTr=-11.539x+3 085.766。

(11)

根據(jù)直線方程，取待測(cè)軸左邊緣直線上的N個(gè)點(diǎn)，根據(jù)點(diǎn)到直線的距離公式，即點(diǎn)T0(x0,y0)到另一條直線Ax+By+C=0的間距公式為

(12)

根據(jù)(12)式計(jì)算出待測(cè)軸左邊緣直線上點(diǎn)到標(biāo)準(zhǔn)軸左邊緣直線距離的N個(gè)結(jié)果，再求平均值得到待測(cè)軸與標(biāo)準(zhǔn)軸左邊緣直線之間的距離，即待測(cè)軸與標(biāo)準(zhǔn)軸左邊緣間距dl=2.651 pixel，同理可以計(jì)算出待測(cè)軸與標(biāo)準(zhǔn)軸右邊緣間距dr=-1.701 pixel，則外徑最終間距為dt=dl+dr=0.95 pixel。

為計(jì)算出直徑的實(shí)際值，需要對(duì)相機(jī)進(jìn)行標(biāo)定[8]。選擇已知尺寸的量塊作為標(biāo)準(zhǔn)件，在與實(shí)際測(cè)量相同的條件下拍攝量塊圖像，并計(jì)算其在圖像像素坐標(biāo)系中的像素值。量塊的實(shí)際尺寸與其像素尺寸的比值即相機(jī)的標(biāo)定系數(shù)。經(jīng)過測(cè)量得到標(biāo)定系數(shù)k=6.412 μm/pixel，根據(jù)軸徑總間距的像素尺寸，可以計(jì)算出待測(cè)軸與標(biāo)準(zhǔn)值外徑尺寸的實(shí)際差距，即差距的像素尺寸為dt，則差距的實(shí)際尺寸為d=dt×k=6.091 μm。

標(biāo)準(zhǔn)軸外徑實(shí)際尺寸為8 mm，計(jì)算得到待測(cè)軸外徑實(shí)際尺寸R≈8.006 mm，與使用氣動(dòng)量儀測(cè)得待測(cè)軸直徑8.006 mm基本吻合，表明視覺識(shí)別精度滿足零件測(cè)量精度要求。

4 結(jié)束語

基于軸類零件的檢測(cè)原理，通過DoG算子對(duì)零件圖像的邊緣進(jìn)行提取，并采用最小二乘法對(duì)邊緣進(jìn)行擬合，通過對(duì)標(biāo)準(zhǔn)軸和待測(cè)軸兩邊緣直線的距離進(jìn)行計(jì)算，最后計(jì)算出待測(cè)軸與標(biāo)準(zhǔn)軸外徑的差值，間接測(cè)量出待測(cè)軸的外徑尺寸。試驗(yàn)結(jié)果表明，該方法能夠?qū)﹄妱?dòng)機(jī)轉(zhuǎn)軸軸承位外徑進(jìn)行較高精度的測(cè)量。