侯天龍, 孫永奎, 馬 磊, 孫小通

(西南交通大學 電氣工程學院,四川 成都 610031)

0 引 言

高鐵白車身是高鐵列車之“骨”，是一個復雜的組合結(jié)構(gòu)件，由數(shù)百種零部件經(jīng)過且切削、焊接、鉚接等而成，其中焊接占85 %。焊接前裝配質(zhì)量的優(yōu)劣直接影響后續(xù)的焊接質(zhì)量，而焊接質(zhì)量對整車質(zhì)量起著決定性作用。

本文針對高鐵白車身的關鍵零部件[1～5]，提出了基于機器視覺[6]的高鐵白車身裝配質(zhì)量測量方法。設計了高鐵白車身裝配質(zhì)量檢測系統(tǒng)，將采集的圖像通過濾波算法進行預處理，采用脊線跟蹤和Hession矩陣相結(jié)合的方式提取結(jié)構(gòu)光條紋中心線。通過系統(tǒng)的映射關系可實現(xiàn)中心線坐標信息與三維尺寸的轉(zhuǎn)換，完成對裝配特征的尺寸檢測。

1 硬件結(jié)構(gòu)

本文設計的高鐵白車身裝配質(zhì)量檢測系統(tǒng)硬件系統(tǒng)如圖1所示。

圖1 系統(tǒng)的結(jié)構(gòu)

2 圖像處理算法

2.1 自適應窗口的中值濾波

如圖2所示設濾波窗口的大小為W,窗口最大值為Wmax，Zmin表示窗口內(nèi)最小像素值，Zmax表示窗口內(nèi)最大像素值，Zxy表示像素坐標系下(x,y)的像素值，Zmed表示窗口內(nèi)像素的中值。在中值濾波的基礎上[6]，設計了一個自適應窗口的中值濾波算法，通過動態(tài)的改變?yōu)V波器的窗口尺寸大小，提高對噪聲密度較大的圖像中的濾波效果。算法原理為：窗口尺寸為W的濾波器輸出為該窗口中的極大值或者極小值時，則該值為噪點，通過增加窗口尺寸再次濾波。若窗口尺寸已達到設定的最大值Wmax，采用幾何均值濾波對窗口內(nèi)的噪聲進行濾波。

圖2 濾波算法示意

自適應窗口的中值濾波的具體步驟如下：1)將采集到的圖像按最外側(cè)邊界值進行最大窗口尺寸擴充。2)用3×3的初始濾波窗口對圖像上的點進行一次遍歷，判斷Zxy是否是噪聲點，如果滿足Zmin

圖3 兩種濾波算法對圖像濾波的效果比較

2.2 條紋中心提取及尺寸測量

圖像采集設備內(nèi)部參數(shù)標定采用張正友標定法得到相機的內(nèi)參數(shù)矩陣和畸變參數(shù)，光平面的標定采用基于空間幾何約束的光平面標定法[7]。光條紋[8]中心提取分為兩個步驟：1)采用脊線跟蹤算法對圖像中的光條紋特征識別；2)結(jié)合Hession矩陣算法實現(xiàn)光條紋中心亞像素的提取。

2.2.1 脊線跟蹤算法

脊線跟蹤算法是指根據(jù)光條紋上若干個中心點的梯度值推算出整個條紋的走向，并得到光條紋的細化圖像[9]。脊線跟蹤算法包括起始點選取、特征點脊線方向計算、特征點更新、脊線跟蹤終止4個步驟。

1)起始點選取:通過分割后不同區(qū)域的圖像方差，選擇方差最大圖像塊作為光條紋邊緣特征塊，選擇該特征塊內(nèi)灰度值最大點作為特征點，即該點跟蹤起始點。

2)特征點脊線方向計算。以當前處理點為中心，選取跟蹤窗口寬度為(2W+1)，確保寬度小于光條紋寬度，根據(jù)式(1)[8]，求解條紋中心點的法線

(1)

式中fy(x,y)和fx(x,y)分別為f(x,y)在x方向和y方向的梯度值。脊線跟蹤有可能存在兩個方向，即θ=φ+π/2或者θ=φ-π/2，確保兩個方向同時被跟蹤。

3)特征點更新:對脊線上的特征點進行判斷，如圖4所示，Pk-1是當前點，可根據(jù)最大似然準則得到當前點的法線，沿法線前進d個像素點后做光條紋的截面S，該截面上點的灰度值分布滿足一維高斯分布，在截面上選擇灰度最大值點作為下一個更新點Pk。

圖4 脊線跟蹤過程

4)脊線跟蹤終止:條件為以下三類：新跟蹤點已到達圖像邊緣；圖像中所有跟蹤點均已跟蹤過；更新的跟蹤點已經(jīng)到達圖像中的非條紋區(qū)域。

普京通過頒布并實施符合俄羅斯政治實際的自成體系的改革舉措使得俄羅斯政黨政治逐步擺脫葉利欽時期的蕪雜局面，日漸邁向有序、規(guī)范與穩(wěn)定。其梳理政黨格局、規(guī)范政黨秩序、大力推動政黨體制改革、促使政黨發(fā)育等以維護國家穩(wěn)定、打造順暢高效的國家權(quán)力體系的種種變革，皆有效的推進了俄羅斯政黨制度和高層權(quán)力運行機制的完善。從這一層面來看，俄羅斯多黨制基礎真正意義上的奠定期正是普京治下政黨政治制度的變革發(fā)展期。

2.2.2 亞像素條紋中心線的提取

Hession矩陣算法充分利用了高斯卷積運算可分離性及圖形領域內(nèi)高斯卷積模板公共窗口內(nèi)包含的冗余信息。首先需要對圖像進行高斯濾波，像素點的值由其本身值和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到，抑制圖像中正態(tài)分布的噪聲，得到更加平滑的圖像。

計算Hessian矩陣最大特征值對應的特征向量，該特征向量對應于光條紋的法線方向。在法線方向利用Taylor級數(shù)展開得到亞像素位置坐標。對于二維圖像，其Hession矩陣可采用式(2)來表示[10]

(2)

設二維圖像f(x,y)與高斯核函數(shù)卷積后，得到偏導數(shù)gx,gy,gxx,gxy,gyy，則圖像f(x,y)任一點像素坐標(x0,y0) 的二次Taylor級數(shù)展開為

(3)

Hessian矩陣最大特征值對應的特征向量，即光條的法線方向用(nx,ny)表示，其中‖(nx,ny)‖=1，以點(x0,y0)為基準點，則光條中心的亞像素坐標為

(px,py)=(x0+tnx,y0+tny)

(4)

設置圖像中心判定條件：(tnx,tny)∈[-0.5,0.5] ×[-0.5,0.5]，即一階導數(shù)為零的點位于當前像素內(nèi)，且(nx,ny)方向的二階導數(shù)大于指定的閾值，則該點(x0,y0)為光條的中心點,(px,py)則為亞像素坐標[11]。

3 實驗與結(jié)果分析

實驗系統(tǒng)的相機分辨率為2 592×1 944,像元尺寸為2.2 μm×2.2 μm，焦距f為50 mm，拍攝距離為50 cm。通過標定，橫向方向每個像素點映射的寬度尺寸為0.03 mm，縱向方向每個像素點映射的深度尺寸為0.04 mm。檢測結(jié)果如圖5所示，連接亞像素坐標值后得到光條紋中心線。

圖5 結(jié)構(gòu)光條紋中心提取結(jié)果

將計算出的光條紋中心亞像素坐標值繪制在像素坐標系中如圖6(a)所示，其中A點坐標為(350.9，279.7)，B點坐標為(400.0,411.7)，C點坐標為(473.0，415.7)，D點坐標為(500.0，280.9)。通過光條紋中心線的亞像素坐標值擬合得到圖6(b)所示的像素坐標系下的條紋寬度和條紋深度信息。根據(jù)線結(jié)構(gòu)光的光平面方程和坐標系之間的映射關系，將亞像素坐標值解算為世界坐標系中的三維坐標，得到構(gòu)件的間隙寬度為2.78 mm,深度為5.76 mm。

圖6 結(jié)構(gòu)光條紋中心提取結(jié)果

實驗將游標卡尺(精度：0.02 mm)測量高鐵白車身構(gòu)件拼裝尺寸作為標準值，傳感器和游標卡尺測量了不同寬度和深度，每次實驗測試60組求其平均值，實驗結(jié)果如表1所示。

表1 實驗測量結(jié)果

文獻[12]中基于結(jié)構(gòu)光視覺的白車身間隙平均測量精度達到0.31 mm，面差平均測量精度為0.13 mm。由表1的測量結(jié)果可以得到，系統(tǒng)的檢測精度可達到0.05 mm，提高了在間隙和深度的測量精度。

4 結(jié) 論

本文通過機器視覺的方法實現(xiàn)裝配質(zhì)量的檢測。實驗結(jié)果表明:本文方法準確檢測了高鐵白車身零部件裝配間隙，其精度達到了0.05 mm。今后還需更進一步對系統(tǒng)的適應性和魯棒性進行研究，實現(xiàn)更復雜、更精準的測量。