韓佳霖　閆娟　龔金濤　等

摘要：研究基于機(jī)器視覺的對刀方法。構(gòu)建由CCD模擬攝像機(jī)和視頻采集卡組成的圖像采集和處理系統(tǒng)，利用labview控制平臺實(shí)現(xiàn)對加工點(diǎn)的獲取，進(jìn)而實(shí)現(xiàn)自動對刀。

關(guān)鍵詞：

機(jī)器視覺；對刀；CCD攝像機(jī)

中圖分類號：TB

文獻(xiàn)標(biāo)識碼：A

文章編號：16723198（2015）17019802

0引言

隨著時代的發(fā)展進(jìn)步機(jī)械加工已逐步轉(zhuǎn)入自動化科技化，在機(jī)械加工中，產(chǎn)品的加工質(zhì)量和生產(chǎn)效率直接受刀具安裝的精度和效率的影響，因此探索一種合適的刀具對刀方法，可以有效的提高加工精度和節(jié)省對刀時間，使生產(chǎn)更快捷。

目前，工廠對刀技術(shù)中手動對刀占主導(dǎo)地位，而手動對刀主要是人為進(jìn)行，會對工件加工的精確度產(chǎn)生影響，也會對機(jī)床或人員產(chǎn)生傷害。此外零件的加工中，刀對零件加工時間大約只占總時間的55%，刀具的裝夾和對刀等輔助時間卻占45%。一般而言，在一個平面上的向一個運(yùn)動方向上找到零件的加工起點(diǎn)較為簡單，只要有簡單的加工基準(zhǔn)點(diǎn)就可以較快地完成對刀。而在一個平面上的向兩個運(yùn)動方向上找到零件的加工起點(diǎn)就比較麻煩，需要緩慢細(xì)致的調(diào)整刀刃的兩個運(yùn)動方向上的位置；由于刀對零件的起始加工點(diǎn)的位置不易檢測，實(shí)際生活中的方法是進(jìn)行試觸加工，再根據(jù)加工偏差來調(diào)整刀具，這種過程一般需要重復(fù)多次才能完成對刀?？梢姕p少加工輔助時間是能夠極大提高工業(yè)生產(chǎn)加工效率的必要辦法。

本文對利用機(jī)器視覺技術(shù)對對刀的方法進(jìn)行了初步研究，利用視覺對刀來代替手工對刀，通過Labview控制平臺進(jìn)行對刀控制，利用CCD攝像機(jī)提高對刀加工的精確性、效率性。將運(yùn)動控制與機(jī)器視覺相結(jié)合，基于圖像采集、處理，確定零件的中心坐標(biāo)并將像素坐標(biāo)轉(zhuǎn)換為機(jī)械坐標(biāo)從而實(shí)現(xiàn)機(jī)器視覺對刀。

1總體設(shè)計方案

1.1硬件平臺

系統(tǒng)的硬件平臺主要由：三軸運(yùn)動平臺、CCD攝像機(jī)、圖像采集卡、PC機(jī)和運(yùn)動控制卡等組成，其結(jié)構(gòu)如圖1系統(tǒng)結(jié)構(gòu)圖所示。

圖1系統(tǒng)結(jié)構(gòu)圖

1.2系統(tǒng)工作原理

在系統(tǒng)中，加工零件受到光源照射，CCD攝像機(jī)將獲取的零件的圖像信息轉(zhuǎn)化為模擬電信息，輸送至圖像采集卡。圖像采集卡將接收到的模擬電信息轉(zhuǎn)變成數(shù)字圖像信息輸送到計算機(jī)。再由GalilToos控制系統(tǒng)的程序編寫將計算機(jī)中的Labview控制平臺和運(yùn)動控制卡聯(lián)系起來，實(shí)現(xiàn)零件的對刀與加工。系統(tǒng)原理如圖2所示。

圖2工作原理圖

2圖像獲取后的預(yù)處理

2.1灰度化

為方便處理，以及減小計算機(jī)的運(yùn)算壓力，在對獲取到圖像進(jìn)行處理之前，先將計算機(jī)從CCD照相機(jī)得到的24位的圖像轉(zhuǎn)化為8位的灰度圖。最常用的灰度轉(zhuǎn)換公式如式（1）所示，灰度值F為：

F=0.30R+0.59G+0.11B

（1）

（1）式中：R、G、B分別表示每個像素中綠、藍(lán)、紅三分量的值。由于實(shí)驗(yàn)使用的是CCD黑白攝像機(jī)，需要轉(zhuǎn)換圖像為黑白圖像，我們只需提取R分量的值即可。在24位黑白圖像中，R=B=G。

2.2平滑濾波

本文中的實(shí)驗(yàn)工件為白色石蠟，為使石蠟和背景在拍攝過程中能有較明顯的劃分，便于圖像中工件信息的采集，我們用一張黑色的卡紙覆蓋在在運(yùn)動控制平臺上。在這些準(zhǔn)備工作都完成后，得到的圖像表現(xiàn)為色差區(qū)別大的圖像，但在石蠟邊緣處存在一部分椒鹽噪聲。查找相關(guān)資料我們找出了對抗椒鹽噪聲最好的方法就是中值濾波法，在嘗試過多種方法后，還是中值濾波法效果最明顯。

3邊緣檢測

邊緣檢測是圖像處理和計算機(jī)對刀中的基本問題，邊緣檢測的目的是找出圖像中亮度變化較大的點(diǎn)。圖像亮度變化較大的一些點(diǎn)通常能反映出圖像的重要信息，實(shí)質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線。

3.1圓形檢測

首先利用濾波對圖像進(jìn)行平滑處理，在3×3的范圍窗內(nèi)，給定像素T與沿曲線的切線方向上的兩個像素進(jìn)行相比，假如T的斜度的最大值比這兩個像素的斜度最大值都大。則保留原值。否則令p=0。最后用雙閾值算法檢測和連接邊緣。凡大于高閾值的則是邊緣，凡小于低閾值的一定不是邊緣，只要高低閾值數(shù)值設(shè)置合理就可準(zhǔn)確找出輪廓。

圓柱或圓孔形零件的對刀點(diǎn)，即圓心位置。根據(jù)輪廊查找結(jié)果，確定表示圓形的序列，假設(shè)坐標(biāo)為（x，y），設(shè)圓的半徑為R圓心坐標(biāo)為（a，b）。如果沒有誤差，則根據(jù)圓的方程：（X1-a）2+（Y1-b）2=R2，

（X2-a）2+（Y2-b）2=R2，

（X3-a）2+（Y3-b）2=R2，可得圓心坐標(biāo)。

3.2矩形檢測

矩形零件的對刀點(diǎn)，即矩形零件的頂點(diǎn)。矩形零件對刀點(diǎn)的確定可以依據(jù)Harris邊緣檢測算法檢測出矩形零件的具體位置信息，確定矩形的四個頂點(diǎn)，選擇最合適的對刀點(diǎn)。Harris角點(diǎn)檢側(cè)算法是一種基于特征信號的點(diǎn)提取算法其原理是利用微積分的原理，在工件上取一微元，以一個像素為其中心在不同的方向上進(jìn)行移動，我們可以用一個表達(dá)式表示出其變化。

假設(shè)以（X，Y）為中心在水平方向上移動了u，在豎直方向上移動了v，則其灰度值的△量表達(dá)式為：

其中，灰度值△量的函數(shù)我們定義為E（x，y），Wx，y是微元的函數(shù)，一般定義Wx，y=e（-x2-y2）/2，灰度函數(shù)為I，將無窮小項(xiàng)省略之后得：

其中A=（Ix）2wx，y，B=（Iy）2wx，y，C=（Ix，Iy）2wx，y

將Ex，y化為二次型有：

Ex，y=[uv]M

uv

M為實(shí)對稱矩陣：

M=wx，y

I2IxIy

IxIyI2y

圖像I的Y方向的斜度用Iy表示，圖像I的X方向的斜度用Ix表示。從M中可以得出，一階曲率就是M矩陣的特征值，當(dāng)兩個這兩個值都很高的時候，就可認(rèn)為這個點(diǎn)是工件的角點(diǎn)。

在上述內(nèi)容的基礎(chǔ)上，定義出響應(yīng)函數(shù)CRF：

CRF=det（M）-k·trace2（M）

其中det（M）為矩陣M的行列式；trace（M）為矩陣M的跡；k為常數(shù)，一般取0.04。CRF的局部極大值所在點(diǎn)即為角點(diǎn)。在檢測進(jìn)行時，當(dāng)檢測微元在工件內(nèi)表面和工件輪廓以外移動時，微元內(nèi)的灰度值并不會發(fā)生改變，如圖3a所示；當(dāng)微元移動到直線上時，灰度值在直線上的量是一樣的，不會發(fā)生改變，但是直線左右的灰度值出現(xiàn)了變化，如圖3b所示；當(dāng)微元移動到工件圖像的角點(diǎn)上時，灰度值會出現(xiàn)多方向的急劇變化，如圖3c所示。Harris角點(diǎn)識別算法就是微元內(nèi)灰度值是否是多方向、急劇變化來確定出工件的輪廓特征和位置信息。

圖3三個區(qū)域的檢測

4標(biāo)定

在機(jī)器視覺中，建立相機(jī)成像的幾何模型可以確定物體關(guān)鍵幾何位置與其圖像中的對應(yīng)點(diǎn)的相互關(guān)系，這種比例上的關(guān)系稱為相機(jī)參數(shù)。標(biāo)定即通過實(shí)際測量與計算得到這些參數(shù)的過程。

攝像機(jī)標(biāo)定和系統(tǒng)標(biāo)定是常用的兩種標(biāo)定方法。攝像機(jī)標(biāo)定一般應(yīng)用于機(jī)器人視覺、車輛導(dǎo)航等領(lǐng)域。但使用此標(biāo)定方法精度不高，在本實(shí)驗(yàn)中采用系統(tǒng)標(biāo)定。系統(tǒng)標(biāo)定中，通過實(shí)驗(yàn)得到圖像尺寸和物體實(shí)際尺寸之間的轉(zhuǎn)換系數(shù)，將以像素為單位數(shù)據(jù)乘上轉(zhuǎn)換系數(shù)從而轉(zhuǎn)換為空間中以毫米為單位的尺寸。在商業(yè)用的機(jī)器視覺開發(fā)平臺中應(yīng)用較多。

本實(shí)驗(yàn)以攝像頭與物體距離H固定、且已知攝像頭獲取的圖像中點(diǎn)機(jī)床坐標(biāo)（X，Y）為前提，對物體加工點(diǎn)機(jī)床坐標(biāo)進(jìn)行確定。在距離為H時，可測定工件實(shí)際尺寸與圖像比例為1/K pix/mm，即K mm/pix。此數(shù)值表示，每一個像素單位，實(shí)際尺寸為Kmm。

在像素坐標(biāo)系中，假設(shè)攝像頭獲取的圖像中點(diǎn)像素坐標(biāo)為原點(diǎn)。通過邊緣檢測，可知加工點(diǎn)像素坐標(biāo)為（x，y），則其機(jī)床坐標(biāo)為（X+Kx，Y+Ky）。在此基礎(chǔ)上，可實(shí)現(xiàn)視覺對刀。

5結(jié)語

本文在不改變機(jī)床基本結(jié)構(gòu)的情況下，針對傳統(tǒng)對刀方法中存在的缺點(diǎn)和不足，提出基于機(jī)器視覺的對刀方法。

通過對工業(yè)攝像機(jī)采集到的工件圖像進(jìn)行處理、分析。確定工件坐標(biāo)系和機(jī)床坐標(biāo)系的相對位置，獲取工件對刀點(diǎn)。使對刀點(diǎn)與刀位點(diǎn)重合即可完成對刀操作。該方法能夠較準(zhǔn)確、快速地獲取對刀點(diǎn)優(yōu)化工作環(huán)境，解決了手動對刀中效率低下、精度不高的問題。使車削加工的自動化得以實(shí)現(xiàn)。

參考文獻(xiàn)

[1]馮恩娟，康敏，傅秀清等.機(jī)器視覺的電解車削對刀間隙檢測[J].現(xiàn)代制造工程，2010，（4）：155156.

[2]蘇恒強(qiáng)，馮雪，于合龍等.基于Harris角點(diǎn)檢測的位移測量算法[J].實(shí)驗(yàn)力學(xué)，2012，27（1）：4553.

[3]C.GHarris， M.J.Stephens.A combined corner and edge detector[C].Proceedings Fourth Alvey Vision Conference. Manchester，U.K，1988：147151.

[4]魏學(xué)光.基于機(jī)器視覺的數(shù)控機(jī)床自動對刀技術(shù)研究[D].北京：北方工業(yè)大學(xué)，2014：2930.

[5]趙立濤，王婥，劉渝.基于機(jī)器視覺技術(shù)的電腦輔助對刀系統(tǒng)研究[J].林業(yè)實(shí)用技術(shù)，2013，（1）：5960.