丁曙光,張正劉
(合肥工業(yè)大學(xué) 機(jī)械與汽車工程學(xué)院,合肥 230009)
?
基于機(jī)器視覺的柴油機(jī)曲軸軸線彎曲檢測(cè)
丁曙光,張正劉
(合肥工業(yè)大學(xué) 機(jī)械與汽車工程學(xué)院,合肥 230009)
針對(duì)傳統(tǒng)的柴油機(jī)曲軸彎曲檢測(cè)方法效率低下、檢測(cè)精度低的特點(diǎn),提出一種基于機(jī)器視覺的非接觸測(cè)量方法。其主要方法是旋轉(zhuǎn)曲軸,拍攝曲軸各軸頸在不同角度位置的圖像,對(duì)每幅圖像進(jìn)行中值濾波、二值化、邊緣檢測(cè)、亞像素處理,獲取亞像素邊緣,然后利用最小二乘圓法對(duì)曲軸的每個(gè)像素列截面進(jìn)行擬合,求出各截面中心坐標(biāo),最后,再利用最小二乘法擬合直線,計(jì)算軸線直線度大小,進(jìn)而判斷柴油機(jī)曲軸彎曲狀況。實(shí)驗(yàn)表明該檢測(cè)系統(tǒng)不僅檢測(cè)精度高,檢測(cè)速度也非??臁?/p>
機(jī)器視覺,柴油機(jī)曲軸,邊緣檢測(cè),最小二乘法
柴油機(jī)曲軸是柴油機(jī)的一個(gè)重要零件,當(dāng)其彎曲變形超過一定值時(shí),將會(huì)出現(xiàn)柴油機(jī)震動(dòng)加大,甚至機(jī)件斷裂的現(xiàn)象,從而影響柴油機(jī)的正常運(yùn)行狀態(tài)。因此,柴油機(jī)曲軸軸線的彎曲程度檢測(cè)至關(guān)重要。
傳統(tǒng)的檢測(cè)方法是采用指示器法對(duì)其進(jìn)行檢測(cè),但該方法不僅不能實(shí)時(shí)指導(dǎo)生產(chǎn),而且,檢測(cè)不精確,檢測(cè)效率也非常低[1-2]。針對(duì)以上的缺點(diǎn),本文提出一種基于機(jī)器視覺的柴油機(jī)曲軸軸線彎曲檢測(cè)方法,并搭建了一套視覺檢測(cè)系統(tǒng)。其檢測(cè)的方法為:利用CCD相機(jī)采集柴油機(jī)曲軸圖像,對(duì)采集的圖像進(jìn)行濾波、二值化及邊緣檢測(cè)處理,提取柴油機(jī)曲軸的邊緣輪廓。然后對(duì)系統(tǒng)進(jìn)行標(biāo)定,將像素單位轉(zhuǎn)換為實(shí)際單位,再通過最小二乘法進(jìn)行像素列截面的圓擬合和軸線的直線擬合,得到曲軸的彎曲程度,最后,給出評(píng)定結(jié)果[3-5]。本系統(tǒng)在結(jié)構(gòu)可以分為硬件結(jié)構(gòu)和圖像處理軟件兩部分。
首先在本文,我們要求檢測(cè)系統(tǒng)的檢測(cè)精度為0.01mm,視場(chǎng)范圍大小為6mm×4mm,檢測(cè)速度為10件/s。
機(jī)器視覺技術(shù)是利用光電成像系統(tǒng)采集被控目標(biāo)的圖像,而后經(jīng)過計(jì)算機(jī)或?qū)S玫膱D像處理模塊進(jìn)行根據(jù)圖像的像素、顏色、亮度等信息,來進(jìn)行尺寸、形狀、顏色的判斷[6-8],因而其檢測(cè)系統(tǒng)中包括工業(yè)相機(jī),圖像采集卡,計(jì)算機(jī)等,本文的視覺檢測(cè)系統(tǒng)總體結(jié)構(gòu)如圖1。
圖1 視覺檢測(cè)系統(tǒng)總體結(jié)構(gòu)
在硬件選型方面,本文的視場(chǎng)范圍要求為6mm×4mm,考慮到每次的機(jī)械定位誤差,選擇使用意大利Opto-engineering公司生產(chǎn)的TC2364型號(hào)的工業(yè)相機(jī)鏡頭,該鏡頭的視場(chǎng)范圍為8.8mm×6.6mm。相機(jī)方面,此次檢測(cè)精度要求為0.01mm,考慮本文軟件部分使用1/2亞像素精度,相機(jī)的分辨率應(yīng)至少為:
(8.8÷0.01÷2)×(6.6÷0.01÷2)=145200
基于此,本文選擇使用的相機(jī)為STC-E43A相機(jī),其分辨率為30萬,相機(jī)幀數(shù)為30,滿足檢測(cè)速度為10件/s的要求。該檢測(cè)系統(tǒng)的檢測(cè)精度為:
8.8÷640÷2=0.006875mm
光源選擇使用LED光源,照明方式為背光照明。
系統(tǒng)的軟件算法設(shè)計(jì)是整個(gè)系統(tǒng)的核心。按照?qǐng)D像處理的順序,其主要包括濾波、二值化、亞像素邊緣檢測(cè)、標(biāo)定和曲軸彎曲程度檢測(cè)五個(gè)環(huán)節(jié),系統(tǒng)的軟件設(shè)計(jì)流程圖如圖2所示。
圖2 軟件設(shè)計(jì)流程圖
2.1 濾波
在攝取圖像時(shí),CCD傳感器的工作情況受CCD傳感器的材料、內(nèi)部設(shè)備電路、環(huán)境條件等因素的影響,從而引入了各種噪聲。噪聲的引入不僅降低了圖像的質(zhì)量效果,還給后續(xù)的圖像處理工作帶來極大的麻煩。由于絕大多數(shù)噪聲是高頻信號(hào),而邊緣在實(shí)質(zhì)上也屬于高頻信號(hào),去除噪聲的同時(shí)也必然會(huì)導(dǎo)致圖像邊緣的模糊,從而導(dǎo)致邊緣提取不準(zhǔn)確[9]。
本文采用中值濾波器進(jìn)行濾波。中值濾波器,取模板中像素點(diǎn)的中間值像素值替代目標(biāo)點(diǎn)原先的像素值。假設(shè)一幅灰度圖像的二維矩陣f(i,j),經(jīng)過中值濾波之后,得到的圖像矩陣為g(x,y),則:
其中,x,y=0,1,2…N-1,s是以為(x,y)中心的像素點(diǎn)的集合。圖3是中值濾波前后效果對(duì)比圖。
圖3 中值濾波
2.2 二值化
對(duì)圖像進(jìn)行中值濾波后,圖像的噪聲被消除,接下來再進(jìn)行圖像二值化。二值化的目的是將目標(biāo)物體與背景相分離[10]。假設(shè)圖像的二維矩陣為f(x,y),設(shè)定的灰度閾值為T,二值化處理的具體步驟為:若圖像的像素點(diǎn)處的灰度值大于T,則用255代替原來的灰度值,反之,則用0代替原來的灰度值。則其處理公式為:
二值化的作用是使目標(biāo)物體與背景區(qū)分開來,使圖像呈現(xiàn)黑白分明的效果。圖4是圖像二值化前后的對(duì)比。
圖4 圖片二值化效果圖
2.3 亞像素邊緣檢測(cè)
文的亞像素邊緣檢測(cè)分為兩個(gè)步驟:邊緣檢測(cè)和基于雙線性插值的亞像素算法。由于柴油機(jī)曲軸與黑色背景的顏色分明,加之本文采用背光照明方式,拍攝出來的圖像,除去柴油機(jī)主軸部分,其他部分灰度值接近于0?;诖?本文采用一種新的算法(相鄰行灰度差異判定法),該方法采用逐行相減,判斷其值是否大于設(shè)定閾值,若大于則確定該點(diǎn)為邊緣點(diǎn),不再運(yùn)算,其原理示意圖如圖5所示。
圖5 灰度差異判定法原理示意圖
假設(shè)有一圖像f(x,y),i為遞增變量,k為灰度閾值,在這里將k設(shè)置為200。那么可根據(jù)如下公式求取上邊緣:
g=f(x+i+1,y)-f(x+i,y)
若g>200,則點(diǎn)(x,y)為上邊緣像素點(diǎn),停止計(jì)算,若g g=f(x+i,y)-f(x+i+1,y) 若g>200,則點(diǎn)(x,y)為下邊緣像素,停止計(jì)算,若g 圖6 灰度值差異法邊緣圖 接下來,進(jìn)行基于雙線性插值得亞像素算法。雙線性插值算法是指對(duì)于一個(gè)目的像素,設(shè)置坐標(biāo),通過反向變換得到的浮點(diǎn)坐標(biāo)為(i+u,j+v) (其中i、j均為浮點(diǎn)坐標(biāo)的整數(shù)部分,u、v為浮點(diǎn)坐標(biāo)的小數(shù)部分,是取值[0,1) 值[0,1)區(qū)間的浮點(diǎn)數(shù)),則這個(gè)像素的值f(i+u,j+v)可由原圖像中坐標(biāo)為(i,j),(i+1,j),(i,j+1), (i+1,j+1)所對(duì)應(yīng)的四個(gè)像素的值決定[11-12],即: f(i+u,j+v)=(1-u)(1-v)f(i,j)+uvf(i+1,j+1)+ (1-u)vf(i,j+1)+u(1-v)f(i+1,j) 在本文,選擇使用雙線性插值法對(duì)圖像進(jìn)行4倍放大(圖像的行和列各放大兩倍),從而得到亞像素邊緣。 2.4 系統(tǒng)標(biāo)定 在數(shù)字圖像處理中,獲得的是圖像像素值,為了測(cè)量柴油機(jī)曲軸的彎曲狀況,需要對(duì)系統(tǒng)行標(biāo)定。即求出實(shí)際樣本長(zhǎng)度與像素?cái)?shù)的比值(即像素當(dāng)量),具體公式為: 由于本文測(cè)量的為柴油機(jī)曲軸軸線的彎曲程度,進(jìn)行點(diǎn)距標(biāo)定即可,首先要選擇校準(zhǔn)模板,本文選擇水平和垂直方向(x軸和y軸方向)交叉放置的兩直尺圖像作為校準(zhǔn)模板。為了保證結(jié)果的準(zhǔn)確性,采用三次標(biāo)定求平均值的方法。三次標(biāo)定的結(jié)果如表1所示。 表1 標(biāo)定結(jié)果 因而平均值為83,則像素當(dāng)量為0.1205。 2.5 曲軸彎曲程度檢測(cè) 本文采用最小二乘法對(duì)柴油機(jī)曲軸軸線的彎曲程度進(jìn)行評(píng)價(jià),其主要有兩個(gè)步驟: (1) 各像素列橫截面的最小二乘圓法擬合 本文在每個(gè)軸頸處,都拍攝了180張圖像,每拍攝一次旋轉(zhuǎn)2。。計(jì)算每張圖像的各上邊緣像素點(diǎn)到回轉(zhuǎn)中心(回轉(zhuǎn)中心位于圖像矩陣的277行)的距離值ri,將每個(gè)距離值ri和其對(duì)應(yīng)的轉(zhuǎn)角θi作為一個(gè)點(diǎn)的坐標(biāo),這樣,將180張圖像集合起來,在同一個(gè)截面處,就會(huì)得到180個(gè)點(diǎn)。利用最小二乘圓法分別對(duì)每個(gè)截面進(jìn)行擬合,可以得到每個(gè)截面圓的半徑R和圓心坐標(biāo)(a,b)公式為: (2)各截面圓心的最小二乘法直線擬合 上文可以求出每個(gè)截面的圓心坐標(biāo),接下來利用最小二乘法對(duì)這些點(diǎn)進(jìn)行擬合。最小二乘法擬合直線的原理如下: 假設(shè)有一系列點(diǎn)(xi,yi),設(shè)擬合的直線方程為y=p+qx,由最小二乘法誤差平方和最小理論,可得如下的正規(guī)方程[13]: 由上式可得擬合系數(shù)的表達(dá)式為: 然后分別計(jì)算各截面圓心坐標(biāo)到擬合直線的距離,設(shè)直線兩側(cè)的點(diǎn)到直線的最大距離分別為L(zhǎng)1和L2,則柴油機(jī)曲軸軸線的直線度為:L1+ L2。 由于本文檢測(cè)的柴油機(jī)尺寸較大,故而選擇分段采集圖像,首先取其中一根曲軸,利用尾椎將其固定,調(diào)整相機(jī)的位置,然后進(jìn)行對(duì)焦,每旋轉(zhuǎn)2°,攝像一次,旋轉(zhuǎn)一周,在每一個(gè)主軸頸處,共拍攝180張圖像,將180張圖像分別通過上述的中值濾波、二值化和亞像素邊緣算法處理,可以得到180張亞像素邊緣圖像,再通過最小二乘法進(jìn)行每個(gè)像素列截面的圓曲線擬合,得到各截面圓心,最后再利用得到這些圓心坐標(biāo),進(jìn)行直線擬合,求出每個(gè)圓心像素點(diǎn)到擬合直線的距離,得到如圖六的采樣點(diǎn)誤差圖。 由圖可知,圖像直線上側(cè)的點(diǎn)到直線的最大距離為0.0273mm,直線下側(cè)的點(diǎn)到直線的最大距離為0.0174mm,柴油機(jī)曲軸軸線的直線度為:0.0273+0.0174=0.0447mm。 圖7 采樣點(diǎn)誤 接下來利用指示器法對(duì)柴油機(jī)曲軸軸線的彎曲程度進(jìn)行檢測(cè),將曲軸安置于平行于 導(dǎo)軌的兩同軸尖之間,將固定與同一測(cè)量架的兩指示器分別放置于被測(cè)零件鉛錘軸線截面的上下兩側(cè),移動(dòng)測(cè)量架,兩儀表值分別為Ma、Mb,計(jì)算其差值,并轉(zhuǎn)動(dòng)被測(cè)零件,在若干面上進(jìn)行以上重復(fù)步驟,統(tǒng)計(jì)差值最大值和最小值,取最大值和最小值的一半作為軸線直線度,實(shí)驗(yàn)原理如圖8所示。 圖8 指示器法 表2是利用指示器法測(cè)量所得的數(shù)據(jù)表。從表中可以看出,差值的最大值為0.093mm,最小值為0.004mm,因而軸線的直線度誤差為0.0445mm。由上文可知,視覺檢測(cè)系統(tǒng)測(cè)量的軸線直線度誤差為0.0447mm,故而視覺檢測(cè)系統(tǒng)的測(cè)量誤差為0.45%。由此可見,該視覺檢測(cè)系統(tǒng)的檢測(cè)精度很高。此外,該系統(tǒng)檢測(cè)零件的速度也非???,每秒鐘可以檢測(cè)30件柴油機(jī)曲軸,因而其完全可以滿足工業(yè)生產(chǎn)的需要。 表2 測(cè)量數(shù)據(jù) 本文設(shè)計(jì)了一套基于機(jī)器視覺的柴油機(jī)曲軸彎曲檢測(cè)系統(tǒng)。依據(jù)曲軸檢測(cè)精度的要求,對(duì)該檢測(cè)系統(tǒng)進(jìn)行硬件設(shè)計(jì)和選型;并針對(duì)曲軸的特點(diǎn),設(shè)計(jì)了適合 曲軸的基于灰度差異的邊緣檢測(cè)算法,同時(shí)考慮到提高檢測(cè)精度,在軟件部分設(shè)計(jì)了1/2亞像素算法,最后,利用最小二乘法對(duì)所得到的數(shù)據(jù)進(jìn)行處理,得到曲軸中心線的直線度。該檢測(cè)系統(tǒng)不僅檢測(cè)精度高,可以達(dá)到0.006875mm,檢測(cè)速度也非???,每秒鐘可以完成30件曲軸的檢測(cè),同時(shí),該系統(tǒng)可移植性強(qiáng),非常適合軸類零件的尺寸檢測(cè)。 [1] 高如新,楊曉雪.基于機(jī)器視覺的車輛保險(xiǎn)盒在線檢測(cè)研究[J].計(jì)算機(jī)測(cè)量與控制,2015,23(10):3277-3280. [2] 毛曉波,陳鐵軍.基于人類視覺特性的機(jī)器視覺系統(tǒng)[J].儀器儀表學(xué)報(bào),2010,31(4):832-837. [3] 肖玉強(qiáng).基于數(shù)字?jǐn)z影測(cè)量的大尺寸精密測(cè)試技術(shù)研究:[D].西安:西安電子科技大學(xué),2010. [4] Bingfang Cao,Yongfang Xie,Weihua Gui, et al. Integrated prediction model of bauxite concentrate grade based on distributed machine vision [J]. Minerals Engineering, 2013, 53: 31-38. [5] 朱明,曾其勇,洪濤,等.基于機(jī)器視覺技術(shù)的奶粉罐內(nèi)壁缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[J].制造業(yè)與自動(dòng)化,2012,34(12):37-41. [6] 李強(qiáng),閆歡,閆洪波,等.自動(dòng)化視覺檢測(cè)在對(duì)數(shù)螺旋錐齒輪中的應(yīng)用[J].組合機(jī)床與自動(dòng)化加工技術(shù),2015(4):94-97. [7] 李博,林彩麟,譚振豪.基于機(jī)器視覺的電能表加封螺孔自動(dòng)校正系統(tǒng)[J].制造業(yè)與自動(dòng)化,2014,36(7):63-64,76-77. [8] 郝飛,陸云.零件尺寸機(jī)器視覺測(cè)量中的測(cè)量比[J].機(jī)床與液壓,2012,40(22):109-112. [9] 王耀南,吳成中,張輝等,等.醫(yī)藥輸液視覺檢測(cè)機(jī)器人關(guān)鍵技術(shù)綜述[J].機(jī)械工程學(xué)報(bào),2013,49(7):130-140. [10] 陳龍,侯普華,王進(jìn),等.軸承表面缺陷類型識(shí)別算法[J].計(jì)算機(jī)應(yīng)用研究,2015,32(5):1549-1553. [11] 唐湘娜,王耀南. 鐵軌表面缺陷的視覺檢測(cè)與識(shí)別算法[J].計(jì)算機(jī)工程, 2013, 39(3): 25-30. [12] 王明景,吉峰,白瑞林.經(jīng)編機(jī)布匹瑕疵的在線視覺檢測(cè)[J]. 計(jì)算機(jī)工程與應(yīng)用, 2015, 51(9): 185-190.[13] 張曉琳,毛建旭,龔權(quán)華,等.軟袋組合蓋質(zhì)量視覺檢測(cè)系統(tǒng)研究[J]. 計(jì)算機(jī)工程與應(yīng)用,2015,51(2):236-240. (編輯 李秀敏) Diesel Engine Crankshaft Axis Bending Detection Based on Machine Vision DING Shu-guang ,ZHANG Zheng-liu (School of Machinery and Automobile Engineering,Hefei University of Technology, Hefei 230009,China) Due to the characteristics of the low efficiency and low detection precision of the traditional bending detection method for diesel engine crankshaft, a non-contact measurement method based on machine vision has been put foward. Its main principle is that through the rotation of the crankshaft, a picture of the crankshaft in different position has been taken,which will be under the procession of the intake of image median filtering, binarization, edge detection, subpixel, and obtain subpixel edge.Then using least square circle method fit each pixel column section of crankshaft, and getting each section center coordinates. Finally, using the least squares fit a straight line,and calculating the size of straightness of the crankshaft to judge the degree of the bending of the diesel engine crankshaft.The experiment shows that the detection system is not only high precision,but also detection speed is very fast. machine vision;diesel engine crankshaft;edge detection;the least square method 1001-2265(2016)10-0000-00 10.13462/j.cnki.mmtamt.2016.10.000 2015-12-21; 2016-01-19 丁曙光(1962—),安徽黟縣人,合肥工業(yè)大學(xué)副教授,研究方向?yàn)闄C(jī)電設(shè)備研究與設(shè)計(jì),檢測(cè)技術(shù),微機(jī)應(yīng)用技術(shù),(E-mail) TH133;TG506 A 組合機(jī)床與自動(dòng)化加工技術(shù)2016年10期3 實(shí)驗(yàn)及結(jié)果分析
4 結(jié)束語