基于機器視覺的電動機轉軸軸承安裝部位外徑對比測量

劉凱，陳緒兵，毛金城,2，周瑞豐

(1.武漢工程大學 機電工程學院，武漢 430205；2.湖北堅豐科技股份有限公司，湖北 孝感 432900)

轉軸是電動機的重要部件，支承各種轉動零件，傳遞轉矩，輸出機械功率，軸承安裝部位(軸承位)更是轉軸的關鍵位置，其安裝精度直接影響電動機的運行狀態，會引起電動機振動及噪聲過大等問題。國內軸類零件的測量基本處于使用游標卡尺、千分尺、氣動量儀等工具進行手動檢測階段，不僅勞動強度大，作業效率低，而且容易發生錯檢或漏檢，檢測結果受技術人員的技術水平和精神狀態的影響，無法保證檢測結果的精確性和可靠性[1]。

相較于傳統的測量技術，基于圖像處理和機器視覺的檢測技術采用非接觸式測量方式，可以避免給轉軸帶來額外的損傷，具有一定的適用性，而且可以實現其他測量方法無法實現的測量。另外，其具有檢測速度快，檢測精度高，柔性高，自動化程度高等特點，是現代制造領域不可或缺的測量技術。因此，針對電動機轉軸軸承位外徑尺寸的測量，提出了一種基于機器視覺技術的高精度測量方法，對圖像進行邊緣定位，通過最小二乘直線擬合得到邊緣直線，精確計算出轉軸軸承位的外徑尺寸。

1 檢測系統原理

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

測量系統若使用單相機采集整個軸承位對象直接進行處理和分析，則需要的鏡頭視場相對較大；而使用雙目視覺分別采集標準軸與待測軸的邊緣圖像，則可使用小視場鏡頭。而在相機分辨率不變的情況下，使用小視場鏡頭可以提高系統的像素精度。

由于電動機轉軸是不透明的金屬材料，為有利于后續的圖像處理，特采用背光獲得高對比度的圖像[2]。使用平行光源背光照射于轉軸上，使轉軸盡量處于照明均勻的可控背景中，通過光學系統，在面陣CCD的光敏面上成像。通過圖像采集卡將待測軸的圖像轉換成數字圖像，計算機對采集到的圖像進行處理，提取出預期的特征和數據，然后對零件尺寸進行快速、精確的計算。檢測系統的原理和系統裝置示意圖分別如圖1、圖2所示，系統采用的CCD攝像機分辨率為1 624 pixel×1 224 pixel，像元尺寸為4.4 μm。

圖1 系統檢測原理

1—平行光板；2—V形槽；3—轉軸零件；4—CCD相機；5—計算機

2 圖像預處理

某型轉軸實物如圖3所示，軸承位的整體形態如圖4所示。為了能夠更好地檢測零件尺寸，需要對采集到的待測零件數字圖像進行一系列的處理，從而獲取預期的內容。

圖3 轉軸實物圖

圖4 軸承位整體形態圖

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

圖5 圖像預處理流程

2.1 圖像平滑

在圖像的采集和傳輸過程中，不可避免會受到各種噪聲的干擾，降低了圖像質量，導致檢測過程中產生分析和測量誤差。為減小分析誤差，提高檢測精度，有必要平滑圖像以去除圖像中的噪聲[3]。數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。使用適當的濾波方法去除噪聲是檢測過程的重要部分。

數字圖像的平滑通常在空間域進行，均值和中值濾波器是2種常用于空間域的平滑處理技術[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，但會出現一定程度的模糊，模糊程度與所用模板的大小有關;后者是一種最簡單的非線性濾波，將每一個像素點的灰度值設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。因此，采用5×5模板的中值濾波對原圖像進行平滑，原圖像與中值濾波圖像如圖6所示。

2.2 邊緣檢測

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，在軸類零件的測量中，零件邊緣特征的提取至關重要。

要提取邊緣輪廓，需要先在濾波后的圖像中提取檢測對象，將背景分離。采用最大類間方差(Otsu)法[5]對中值濾波圖像中的前景與背景進行分割，最大類間方差法是一種自適應的閾值確定方法，選取能使類間方差達到最大的圖像灰度值，2個區域的方差越大說明構成圖像的2個部分差別越大，以此分割出前景區域和背景區域，此時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 待測軸的二值圖像

采用DoG(Difference of Gaussian)邊緣提取對二值圖像進行處理。DoG是計算機視覺和圖像處理的一種常用高通濾波器，通過增強高頻信號過濾掉低頻信號，常用于檢測圖像中的線條特征[6]。DoG邊緣檢測通過使用不同參數的高斯函數與圖像f(x,y)進行卷積計算，首先使用核為σ1的Gauss函數與圖像作卷積

F1(x,y)=Gσ1(x,y)*f(x,y)，

(1)

(2)

再將圖像與另一個核為σ2的高斯函數作卷積

F2(x,y)=Gσ2(x,y)*f(x,y)。

(3)

DoG就是2個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的參數進行計算，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 待測軸的邊緣圖像

3 外徑尺寸計算

經過圖像預處理，分別獲得了某標準軸的左右邊緣圖像Sl，Sr和待測軸的左右邊緣圖像Tl和Tr，在得到的邊緣圖像上提取邊緣點的像素坐標(xi,yi)，對圖像中的坐標進行擬合得到目標的連續函數，從而確定描述物體的各個參數值，進而對目標進行亞像素定位。采用最小二乘法原理擬合圖像邊緣離散點，實現亞像素精度定位[7]。擬合出邊緣直線的表達式后，就可以計算標準軸和待測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個差值求和，即可得出待測軸與標準軸外徑的差值，從而計算出待測軸的外徑尺寸。

設直線的表達式為

y=kx+b。

(6)

根據最小二乘原理，需要使擬合直線與邊緣點距離最近，即令

(7)

ySl=-11.359x+1 342.077，

(8)

ySr=-11.648x+3 090.728。

(9)

待測軸左、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)

根據直線方程，取待測軸左邊緣直線上的N個點，根據點到直線的距離公式，即點T0(x0,y0)到另一條直線Ax+By+C=0的間距公式為

(12)

根據(12)式計算出待測軸左邊緣直線上點到標準軸左邊緣直線距離的N個結果，再求平均值得到待測軸與標準軸左邊緣直線之間的距離，即待測軸與標準軸左邊緣間距dl=2.651 pixel，同理可以計算出待測軸與標準軸右邊緣間距dr=-1.701 pixel，則外徑最終間距為dt=dl+dr=0.95 pixel。

為計算出直徑的實際值，需要對相機進行標定[8]。選擇已知尺寸的量塊作為標準件，在與實際測量相同的條件下拍攝量塊圖像，并計算其在圖像像素坐標系中的像素值。量塊的實際尺寸與其像素尺寸的比值即相機的標定系數。經過測量得到標定系數k=6.412 μm/pixel，根據軸徑總間距的像素尺寸，可以計算出待測軸與標準值外徑尺寸的實際差距，即差距的像素尺寸為dt，則差距的實際尺寸為d=dt×k=6.091 μm。

標準軸外徑實際尺寸為8 mm，計算得到待測軸外徑實際尺寸R≈8.006 mm，與使用氣動量儀測得待測軸直徑8.006 mm基本吻合，表明視覺識別精度滿足零件測量精度要求。

4 結束語

基于軸類零件的檢測原理，通過DoG算子對零件圖像的邊緣進行提取，并采用最小二乘法對邊緣進行擬合，通過對標準軸和待測軸兩邊緣直線的距離進行計算，最后計算出待測軸與標準軸外徑的差值，間接測量出待測軸的外徑尺寸。試驗結果表明，該方法能夠對電動機轉軸軸承位外徑進行較高精度的測量。