付振振，李蓓智，楊建國，周亞勤

（東華大學(xué)機械工程學(xué)院，上海 201600）

撓性接頭細頸測量及圖像處理方法研究

付振振，李蓓智，楊建國，周亞勤

（東華大學(xué)機械工程學(xué)院，上海 201600）

對于撓性接頭細頸不宜接觸測量和測量效率低下的問題，提出一種基于圓弧邊界識別的視覺測量方法。對原始圖像濾波、二值化及邊界跟蹤后，通過所提出圓弧鏈碼識別規(guī)則,提取形成細頸的非整圓輪廓，準確計算細頸最小厚度的方位。為減少細頸表面紋理、光照不均的影響，在分析測量原理誤差的基礎(chǔ)上，對細頸最小厚度處兩端延伸區(qū)域進行連續(xù)一維測量，剔除粗差值后取均值作為實際測量結(jié)果。測試結(jié)果表明：提出的細頸測量及圖像處理方法可使細頸重復(fù)測量準確度＜0.7μm，滿足細頸加工的測量要求。

圖像處理；細頸測量;邊界跟蹤；圓弧鏈碼；識別規(guī)則

0 引 言

工業(yè)生產(chǎn)現(xiàn)場測量微小零部件尺寸，是一個比較棘手的問題，幾何特征尺寸為0.01～1 mm的微小型結(jié)構(gòu)件的精密檢測技術(shù)是國內(nèi)外研究的熱點[1]。如慣性導(dǎo)航系統(tǒng)中的整體式雙平衡撓性接頭，其用于實現(xiàn)慣性導(dǎo)航系統(tǒng)空間位姿的細頸是由兩個微小孔間接形成的，細頸厚度是兩個小孔間的最小厚度，其精度要求一般為30～40μm。目前，撓性接頭生產(chǎn)過程中廣泛采用離線測量方法，測量效率低、廢品率高，使撓性接頭加工和裝配準確度受到很大制約[2]。杜躍軍等[3-4]通過研制測量裝置實現(xiàn)接觸式測量，然而接觸測量會使細頸由于測量力而發(fā)生變形造成測量結(jié)果不可靠。視覺測量設(shè)備和圖像處理技術(shù)正在成為解決這類測量問題的新方案和發(fā)展趨勢。視覺檢測是非接觸式測量的一個重要分支，該技術(shù)自起步發(fā)展至今，隨著其功能的完善，廣泛應(yīng)用于工業(yè)檢測中[5-7]。文獻[2]用圖像處理的方法測量細頸，但其并未涉及在細頸最小厚度位置的測量。受視覺測量設(shè)備限制，一般情況下，零件圖像較之視野更大，干擾信息更多，不能同時獲取兩小孔的完整輪廓。利用圓的中心對稱和旋轉(zhuǎn)不變性，張顯全等[8-9]推導(dǎo)出圓的鏈碼性質(zhì)來識別圖像中的圓，而對于圓弧的識別則不能很好應(yīng)用。針對這些問題，本文提出基于鏈碼的圓弧識別規(guī)則來提取小孔輪廓，主動識別細頸最小厚度方位進行細頸厚度的有效計算。

1 細頸圖像測量方法概述

如圖1所示，通過視覺測量系統(tǒng)拍攝撓性接頭細頸部位的圖像。細頸圖像自動處理的目的在于，通過小孔部分輪廓數(shù)據(jù)可獲取實際被測孔的有效信息，如半徑與圓心，從而直接或間接計算細頸的厚度。間接測量是通過兩圓心間距減去兩圓半徑得到的尺寸，但由于小孔加工表面粗糙度、輪廓度誤差，以及不均勻的光照等相關(guān)因素，造成由擬合得到圓的半徑和圓心的誤差累積到測量結(jié)果之中，使得測量結(jié)果不可靠，而且如果細頸處有缺陷，這種方法是無法檢測出的。

故本文選擇對細頸直接測量：先用鏈碼跟蹤技術(shù)獲取圖像中所有輪廓，再根據(jù)圓弧鏈碼的識別規(guī)則提取兩孔的輪廓，對其擬合即可得到兩孔圓心。通過得到的兩圓心定位細頸的最小厚度方位，并選擇在最小厚度位置兩側(cè)一段區(qū)間內(nèi)（見圖1)，對原始圖像連續(xù)進行亞像素精度的一維邊緣提取和計算細頸厚度。在這個區(qū)間內(nèi)認為兩小孔弧形輪廓近似為兩條平行直線段，將這一組值去除粗差數(shù)據(jù)后的平均值作為最終的測量結(jié)果。相關(guān)計算流程如圖2所示。

2 細頸圖像處理方法

2.1 圖像濾波及二值化

需先對原始零件圖像進行濾波，本文使用中值濾波器對圖像濾波以減弱噪聲的干擾。為了下一步使用鏈碼跟蹤技術(shù)獲取物體的邊界，需要先對圖像二值化，由于閾值分割后的圖像物體輪廓會出現(xiàn)較多裂縫、不連續(xù)，不利于直接邊界跟蹤，需通過形態(tài)學(xué)濾波器閉運算、開運算填補縫隙、去除雜粒。

圖1 小孔及其細頸的灰度圖

圖2 細頸圖像處理算法流程圖

2.2 邊界跟蹤

鏈碼技術(shù)把二維圖像的存儲和處理變?yōu)橐痪S鏈上的問題，不丟失信息的同時可以較大程度地縮減數(shù)據(jù)存儲空間,提高圖像處理速度，如圖3編碼形式，若當前邊界點為P0，下一個邊界點便是P1～P8中的一個。

圖3 8鄰域位置編碼

文獻[10]提出每次只需搜索5個方向即可找到下一邊界點，其搜索準則為：設(shè)搜索的當前點P（x，y)在上一邊界點C的8鄰域內(nèi)的位置編碼為n，則從當前點（x，y)的8鄰域內(nèi)的編碼為n的位置，順時針方向移動2個像素的位置就是下一邊界點的起始搜索位置。若不是邊界點,則從搜索的起始點開始按照逆時針方向順次搜索,共搜索5次便可以找到下一個邊界點。

圖4為提取的輪廓圖，為了下一步提取小孔的圓弧輪廓，需將連在一起的邊界打斷，圖4（a)中與矩形相交的點即為新的輪廓起點或終點。

2.3 圓弧邊界識別準則的定義

由于本文的應(yīng)用場合不能獲取兩個完整的圓，而由鏈碼跟蹤獲取的輪廓信息（見圖4（a))不僅含有小孔還含有周圍零件的一些直線、曲線輪廓等。本文通過構(gòu)建圓弧鏈碼的識別規(guī)則，排除非圓輪廓，提取兩個小孔的輪廓。

圖4 輪廓圖像

基于圖3所示的位置編碼形式，構(gòu)建圓弧鏈碼的識別準則如下:

準則1：一段圓弧鏈碼中位置編碼的變化代表圓弧曲線方向的變化，圓弧的鏈碼中相鄰編碼的變化通常只有兩種，即從Pi到Pi+1或Pi到Pi-1和從Pi到Pi的變化（當i=8時，Pi+1=P1，下同)，而且這兩種變化的個數(shù)近似相等，即為整個圓弧鏈碼長度的一半。因此可排除一些不屬于圓弧的輪廓。

設(shè)某鏈碼為

定義S1和S0分別表示上述兩種變化的個數(shù)，其計算方法如圖5所示。

因為對于圓弧鏈碼S0和S1幾乎各占總數(shù)的一半，故代表圓弧的鏈碼要滿足下式：

閾值Th1取值越大表示允許提取圓弧的缺陷越多，相應(yīng)也會增加誤判的幾率，一般可取為0.05～0.15，應(yīng)根據(jù)具體應(yīng)用場合設(shè)定。

準則2：定義Cd（Pi)為一段鏈碼中位置編碼為Pi的坐標值。對于一段鏈碼定義其數(shù)組下標為坐標x，xi為某一點編碼為Pi的坐標值，編碼Pi的坐標值定義為所有編碼為Pi的坐標值的平均值。即Pi的坐標為

圖5 S0、S1計算流程

式中Z為某段鏈碼中Pi的個數(shù)。

以表1所示的具有34個位置編碼的一段鏈碼為例，Cd（Pi)的計算過程與結(jié)果如下：

在一段圓弧鏈碼中，將位置編碼的坐標值單調(diào)排序，其所對應(yīng)的位置編碼順序一定是相鄰的并且繞著8鄰域旋轉(zhuǎn)的順序。如果鏈碼中坐標出現(xiàn)Cd（Pi)、Cd（Pi+2)而沒有Cd（Pi+1)，即鏈碼中出現(xiàn)斷碼的情況不會是圓弧。或者當鏈碼坐標中出現(xiàn)Cd（Pi)＞Cd（Pi+1)＜Cd（Pi+2)，即按著坐標單調(diào)排序后編碼的排序不是相鄰且繞著8鄰域的情況也不是圓弧。

準則3：對于整圓來說，除去起始位置的編碼，其余7個位置編碼按繞著8鄰域旋轉(zhuǎn)的編碼排序，其相鄰坐標值之間的間距是近似相等的，而且這個間距即對應(yīng)1/8圓。而對于圓弧鏈碼來說，位置編碼的坐標值在整個區(qū)間上是全局分布的，即不會出現(xiàn)兩個編碼的坐標值極為接近，相鄰編碼坐標值之間最小間距Lm的數(shù)學(xué)表達為

鏈碼代表圓弧的基本條件為

根據(jù)鏈碼坐標特點，設(shè)閾值為

式中num為某圓弧鏈碼中位置編碼的種類數(shù)。

以圖4（a)中A、B、C、D 4段鏈碼為例，分別計算其Dr和編碼坐標（如表2所示)以測試上述性質(zhì)。

鏈碼D的Dr值過大不滿足準則1，C、D出現(xiàn)斷碼不滿足準則2，注意B中P8和P1是相接的。鏈碼C、D的Lm＜Th2，不滿足準則3。

表1 一段鏈碼的34個數(shù)組值

表2 測試結(jié)果

測試說明上述性質(zhì)能很好地排除干擾提取圓弧。提取圓弧的步驟，應(yīng)先通過準則1排除大部分干擾輪廓；利用準則2和準則3，排除掉某些直線和復(fù)雜曲線最終可獲取兩圓弧輪廓，準則2中求取位置編碼的坐標時應(yīng)對編碼個數(shù)設(shè)定下限以避免局部邊界方向突變產(chǎn)生的影響。

在獲取兩圓弧輪廓后，即可將兩輪廓分別擬合為圓，兩圓的圓心連線即為下一步測量細頸厚度的位置線。

2.4 一維邊緣提取及細頸厚度計算

邊緣是圖像最基本的特征，Canny于1986年提出了基于最優(yōu)化算法的邊緣檢測算子[11]，具有很好的信噪比和檢測準確度，因此被廣泛應(yīng)用。Canny發(fā)現(xiàn)最理想的邊緣濾波器能非常好地用高斯濾波器的一階導(dǎo)數(shù)來近似：

為不受平滑處理的影響并獲取理想化的梯度邊緣，濾波器輸出必須乘以圖6（a)為沿細頸某處在連心線方向獲取的灰度值剖面。使用高斯濾波器的一階導(dǎo)數(shù)，對得到的新的灰度曲線濾波，即做卷積運算得到邊緣梯度曲線如圖6（b)所示。峰值向上表示邊緣由黑到白過渡，向下則表示邊緣由白向黑過渡，紅色標識表示細頸兩側(cè)邊緣位置。使用爬山法搜索兩邊山峰向上和向下且峰值較大的峰，為避免陷入局部最優(yōu)解，認為連續(xù)兩次上升時才可判定當前為上升。下一步即可分別對兩個峰取若干點進行高斯曲線擬合[12]，找到峰值點對應(yīng)的亞像素位置，計算兩亞像素位置之間的距離即為細頸此處的厚度。

圖6 一維邊緣提取

在最小厚度位置兩側(cè)一段區(qū)間內(nèi)，連續(xù)進行亞像素準確度的一維邊緣提取和計算，即可得到一組細頸厚度值，由于視覺測量系統(tǒng)中噪聲、光的影響無法控制，可通過3σ原則剔除其中含有粗差的值后取平均作為最終的測量結(jié)果。

3 測量方法原理誤差分析

假設(shè)兩小孔輪廓為理想圓，其半徑為R，細頸厚度為d，如圖7所示。

本文采用圖7（b)陰影部分在連心線方向長度的平均值作為d的測量值。

設(shè)α=angle/2，則測量方法原理誤差：

圖7 測量位置示意

δ隨著α增大而增加。為了控制原理誤差，測量區(qū)間大小可由該誤差的大小決定。例如一般要求原理誤差小于尺寸公差10%～15%，對于本文即是讓δ＜R×10-4，此時angle應(yīng)小于1.98°，在該區(qū)域內(nèi)可以近似認為兩段圓弧是兩條平行的直線段，即在該區(qū)域內(nèi)，進行連續(xù)的一維邊緣檢測。

4 實驗結(jié)果與分析

實驗測試的硬件平臺，包括Navitar2X遠心鏡頭和AVT F201B 200萬像素的相機，像元尺寸為4.4μm。

可任選撓性接頭進行測量與分析，并驗證本文測量方法及其測量準確度的可行性。由于撓性接頭尺寸未知，無法完成準確度實驗，此處僅考察測量的精密度。在同一測量環(huán)境下，分別拍攝4個方位上的撓性接頭細頸圖像，每根細頸拍攝n張圖像，自動測量細頸尺寸，n組細頸尺寸的極差為重復(fù)測量誤差。受保密限制，表3給出了報廢撓性接頭的相關(guān)測量數(shù)據(jù)，測量結(jié)果顯示其重復(fù)測量誤差＜0.7 μm。本文算法使用C#語言開發(fā)，測試PC機CPU主頻為2.2GHz，每張圖像的處理時間在0.6～0.8s內(nèi)。

實驗結(jié)果表明，使用本文測量方法和圖像處理技術(shù)，相較于接觸測量方法，能夠更高效、自動、高準確度地測量撓性接頭細頸尺寸。相較于文獻[2]，本文算法能自主尋找到小孔的圓心，在細頸最小厚度處進行測量，測量結(jié)果更為可靠。

5 結(jié)束語

本文針對撓性接頭細頸的高準確度測量需求，提出一種基于圖像處理的自動化測量方法。該方法是通過構(gòu)造圓弧鏈碼識別規(guī)則準確提取到零件圖像中小孔的圓弧輪廓，在此基礎(chǔ)上確定測量位置直接測量細頸的最小尺寸，在普通的工業(yè)鏡頭和相機等組合的設(shè)備下實現(xiàn)測量，重復(fù)性實驗結(jié)果表明應(yīng)用本文所述圖像處理方法進行測量穩(wěn)定性高、處理速度快，重復(fù)性誤差＜0.7μm。另外，本文提到的關(guān)于圓弧鏈碼的性質(zhì)，可以推廣應(yīng)用到其他需要提取圓弧的場合。

表3 系統(tǒng)測量重復(fù)性試驗數(shù)據(jù)

[1]姜黎，吳偉仁，張之敬，等.微小型結(jié)構(gòu)件顯微圖像邊緣的自動識別[J].光學(xué)精密工程，2013，21（1)：224-232.

[2]趙淵博，趙慧潔.撓性接頭薄筋厚度在線測量圖像分割方法研究[J].光學(xué)精密工程，2005，1（13)：153-157.

[3]杜躍軍，周安石，閆志強.撓性接頭細頸尺寸在線測量技術(shù)的研究[J].中國慣性技術(shù)學(xué)報，1994，2（1)：39-44.

[4]樊星.撓性接頭細頸厚度測量裝置的研制[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2006.

[5]裘祖榮，陳浩玉，胡文川，等.嵌入式線結(jié)構(gòu)光角度視覺檢測及誤差補償[J].光學(xué)精密工程，2013，21（10)：2480-2487.

[6]Hamedon Z，Mori K，Abe Y.In-situ measurement of three-dimensional deformation behaviour of sheet and tools during stamping using borescope[J].Journal of Materials Processing Technology，2014，214（4)：945-950.

[7]華才健，蹇紅梅，張燕.基于機器視覺的火花塞間隙檢測技術(shù)[J].中國測試，2014（5)：108-110.

[8]張顯全，王繼軍，蔣聯(lián)源.基于Freeman鏈碼的圓識別方法[J].計算機工程，2007，33（15)：196-198,

[9]王成.一種基于鏈碼的圓形目標識別方法[J].信息與電腦：理論版，2013（1)：113-114.

[10]王福生，齊國清.二值圖像中目標物體輪廓的邊界跟蹤算法[J].大連海事大學(xué)學(xué)報，2006，32（1)：62-64.

[11]Canny J.A computational approach to edge detection[J]. Pattern Analysis and Machine Intelligence，IEEE Transactions，1986（6)：679-698.

[12]尚雅層，陳靜，田軍委.高斯擬合亞像素邊緣檢測算法[J].計算機應(yīng)用，2011，31（1)：179-181.

Research on measurement and method of image processing for the thin neck of flexible joint

FU Zhenzhen，LI Beizhi，YANG Jianguo，ZHOU Yaqin
（College of Mechanical Engineering，Donghua University，Shanghai 201600，China）

A method of visual measurement based on arc boundary recognition was proposed to implement non-contact and inefficient measurement on the thin neck of flexible joint.After the original image was processed by filtering，binarization and boundary tracking，the criterion for arc chain code recognition was used to identify the incomplete round arc boundaries that constituted the thin neck so as to position accurately the thinnest part of the thin neck.To eliminate the measurementerror caused by rugged surfacesand uneven illumination，the sequentialonedimension measurement was applied to the areas extending from the two ends with the minimum thickness of the thin neck.The mean value removed of gross errors was regarded as the final measurement results.According to the measurement results，the repeated measuring accuracy of the measuring and image processing methods is less than 0.7 μm，which can satisfy the demand for measuring processed thin necks.

image processing；measurement on thin neck；boundary tracking;arc chain code；recognition criterion

A

：1674-5124（2015）10-0022-05

10.11857/j.issn.1674-5124.2015.10.005

2015-01-07；

：2015-03-12

國家863計劃項目（2012AA041309)

付振振（1989-)，男，河南商丘市人，碩士研究生，專業(yè)方向為機器視覺與檢測。