一种圆柱形工件精密图像检测及智能分拣系统

任启宏， 邹华东， 谢发忠

(安徽国防科技职业技术学院机电工程系， 安徽 六安 237011)

0 引 言

空调压缩机是空调的心脏，其制造的优劣决定了空调质量的好坏.压缩机的成本占了空调成本的一大块，所以制造出合格的零件对于供应商至关重要.由于压缩机很多零部件设计比较精密，因此加工制造时需要很好的监测才能很好地控制产品的质量.针对该类产品的检测需求，我们应用数字图像技术开发了一整套柱塞销自动检测和智能分拣装置，放置于流水线的末端，实现了对产品的在线全检.

图1 检测系统总体框架图

1 在线自动检测系统的总体架构

图1为在线自动检测及智能分拣系统的结构示意图.系统主要分为尺寸测量系统和智能分拣装置两大部分.

圆柱形工件的尺寸测量系统主要功能是实现工件的精密图像测量，其主要由3 个部分组成，即图像采集、图像分析处理、结果输出.智能分拣装置用于实现零件的智能分拣功能，主要由载物传送带、光电位置检测部件和搬运机构组成.

如图1所示，将柱塞销放到载物传送带上，直流电机带动工件匀速运动，当工件到达位置1时，由于工件具有一定的高度，将激光器发出的光遮挡住，光电检测开关没有接收光信号，此时开关信号发生了电平的跳转，通过输入接口被与计算机连接的运动控制卡检测到并反馈给计算机，计算机获取信号后，通过运动控制卡控制直流电机停机，此时工件停留在位置1.计算机控制频闪环形光源打光，工件的外圆轮廓通过Navitar远心镜头成像在高像素的CCD上面，经相关的图像采集系统对目标物体成像，然后将图像信息送入计算机平台，由专门开发设计的图像测量软件进行分析处理，得到被测物体的实际直径，最后利用检测零件标准公差信息，对零件的品质进行判断，根据测量尺寸信息进行分档，分为高精度区、 较高精度区、不合格品区3档.

当检测工件信息为高精度区时，送料分拣装置由步进电机控制，将工件推入位置1处所在的料斗中；为较高精度区时，启动直流电机，传送带继续运动，当位置2处的光电开关信号发生变化时，启动位置2处的步进电机；若为不合格品区，则需位置3处的光电开关信号变化时再启动位置3处的步进电机动作.

采用该系统方案主要基于下面的前提条件：柱塞销的端面经过了精磨，其高度较小且圆柱度较好，否则由于工件的放置和外形引起的成像偏差将会较大.

另外，考虑到工件高度对成像的影响， 系统选择了远心镜头作为成像核心元件.光学远心镜头的选择较大限度地减少了由于工件厚度存在造成的成像像差.如图2所示，左边为非远心镜头对有高度差的工件成的像，右边为远心镜头成像的效果图，可以看出，右边所成的图像真实地反映了工件的轮廓边界.

图2 非远心-远心镜头成像图

2 测量基本原理及算法

2.1 系统校正

二维图像测量系统是一种通过采集到的工件图像来实现测量的装置，CCD摄像机通常作为其中的图像采集部件使用.采集到的工件投影图像通常含有工件的尺寸和轮廓信息，通过图像处理的方法可以获取工件的像素尺寸，而现实世界需要的是工件的真实尺寸信息，所以必须建立起两者之间的对应关系.图像校正的主要目的正是获取图像坐标和实际坐标间的对应关系，完成对摄像机内部参数的精确校正工作，其准确度对测量精度有重要影响.

受相机镜头和校正安放位置的影响，工件的投影图像存在一定程度的畸变.严重的畸变需要进行误差补偿，否则会影响测量精度.通常的显微镜头畸变较为微小，采用线性校正的方法完全可以满足需求.而对于较为严重的畸变，主要包括径向畸变和切向畸变，检测系统需要对失真图像进行校正，通过摄像机标定获得精确的内部参数，以实现空间点和像素点之间的正确变换.目前常见的标定方法主要分为3种类型：线性标定、非线性标定和两步标定[1-3].

双侧远心镜头要实现两侧远心的成像效果，因此其制造困难，对成像畸变影响较大，在其边缘处通常测量效果差，图像畸变较为严重.如果只是对采集图像中间部分区域进行检测，就减少了可用视野范围，从而减少了可测范围，所以需要进行校正.通过坐标间的多项式变换实现图像校正的方法是一种实用的图像校正方法，其参数相对简单，可操作性强.多项式校正的方法实际上是一种空间映射的方法，在视场范围内，物件上的任意一点(x,y)必定成于像图像上的某点(u，v)，根据成像畸变误差的成因，其存在下面关系式：

(1)

(2)

图3非线性校正用样板

式中,aij,bij为多项式的系数,n为多项式的次数.

如果能够获取足够的实际坐标-图像坐标点对，代入此回归多项式，则可利用最小平方误差法，通过矩阵运算求得校正系数aij和bij.

图3为系统校正用的标准校正圆样板.样板采用圆心距为2 mm的标准阵列圆，圆直径1.6 mm,制作精度为1μm.采用相关图像处理算法，可以计算出图像可视范围内所有阵列圆圆心的图像坐标[4-6].假定左上角圆中心的的世界坐标为(0，0)，由于圆间距为标准值2 mm，那么其第i行第j列的圆心实际坐标为:

Xij=2×(i-1)，Yij=2×(j-1)

(3)

这样就得到了对应的圆心的匹配坐标点对(uij,vij)和(Xij,Yij)， 将所有获取的特征点对坐标代入多项式校正方程中可以精确地求出校正系数，特征点越多越精确，但是消耗的机器时间也越多.

方程(1)和(2)中，n代表阶乘数，通常情况下，阶乘数越高，拟合的曲线越平滑，越接近真实态，校正结果也越正确.但是由于矩阵运算会引入误差，n越大，矩阵运算次数越多，同时产生的运算误差也越大.一般情况下，6阶的拟合已经可以满足测量要求.

2.2 图像检测算法

计算机采集到清晰的图像后，需要对图像信息进行提取分析，获得测量所需要的数据信息，从而完成对工件的检测,图4为图像检测算法的流程图.

图4 数字图像处理算法流程图

首先对整幅图像进行分析，获得图像的灰度直方图，根据获得的直方图数据，选择适当的灰度阈值，进行初步图像分割，将图像分割为黑区白区等区块.完成后，对图像进行从左到右，从上到下的二维扫描，标记当前正被扫描的像素并检查它与它之前扫描到的若干个近邻象素的连通性，如果连通，则标记为相同的区域符号，如果不连通，则加以区分[6，7].

完成对各个区域的标记后，判断图像中心所属标记区域，获得标记号后得到该区域对应的边界图像点，提取出工件的边沿初步轮廓.

在完成轮廓初步提取的过程后，图像的精度能够精确到单个像元的级别，而像元级的精度满足不了测量的需求，常用的亚像元的分析方法有矩最小二乘拟合、插值、小波变换等方法.本系统对获取的边界点进行八邻域精确搜素，对各个方向上相邻点的灰度值求梯度，最后计算梯度值的极值，处于极值的位置就是图像精确的边界位置[6，7].

2.3 最小二乘拟合

根据边缘检测结果，边缘点集合点坐标为(Ui,Vi)，经校正转换后获得其坐标点为(xi,yi)，设圆的半径为r，圆心坐标为(a,b)，如果没有误差，则圆的方程为：

(xi-a)2+(yi-b)2=r2

(4)

实际工件的尺寸不可能为绝对的圆形，肯定有部分点没有落在圆周上，所以拟合圆周时需要进行优化，以使拟合后的结果最接近于真实值.常用的拟合方法为最小二乘圆法，主要思路为求取系数，使得方程的残差平方和最小.

本文在最小二乘法的基本思路基础上，选择对应的矩阵运算方法，实现了圆周的最小二乘拟合.

方程(2) 实际可以变形为：

a(xi2+yi2)+bxi+cyi=1

(5)

在获取了足够多圆周上的点后，代入式(3) ，有下列矩阵成立：

(6)

Coeff= (!(B*A))*B*C

(7)

3 实验及结果分析

图5 标准圆测量结果图

根据误差处理的基本理论[8,9]，计算分析显示其测量精度优于5μm，完全能够达到柱塞销检测的微米级的要求.系统目前初步应用于江西精密工业有限公司的生产线上,通过对分拣出的不合格品采用原有镭射仪器进行检测，其检测结果非常吻合，产品的误判率低.

4 结束语

本文利用影像处理技术，实现了实时柱塞销零件的非接触、高精度检测和智能分拣.该系统可以广泛用于圆柱体、圆形工件的成品的流水线检验和质量控制，提高测量的智能化和生产的自动化程度.

随着人工成本的上升和客户对品质要求的提升，越来越多的行业和产业需要自动化检测设备，机器视觉技术作为其中的一个快速发展的分支，越来越得到了广泛的应用，其中图像检测算法的开发、针对性的照明、采像设计是该类设备研发的关键点，而对精度和速度不断提升的要求是检测设备永恒的追求，可以预见，更多新的检测方法和手段将会不断涌现.

参考文献

[1] 邹华东，祝良荣，唐 鸣.大尺寸油浸密封圈精密图像检测系统的研[J].工具技术,2009,(10):123-126.

[2] 廖士中,高培焕.一种光学镜头摄像机图像几何畸变的修正方法[J].中国图像图形学报，2000,(7):593-596.

[3] 刘力双, 孙双花,一种图像测量系统的现场标定和畸变校正方法[J].传感器与微系统，2008,(5):66-68.

[4] 章毓晋.图像分割[M].北京：科学出版社,2001.

[5] 章毓晋.图像工程(上册)——图像处理和分析[M].北京：清华大学出版社，2003.

[6] 邹 宁，柳 健，周曼丽.基于Zernike矩的边缘检测方法[J].华中理工大学学报，2000，28(3):77-79.

[7] 张洪涛,段发阶,叶声华.一种快速亚像素边缘检测方法研究[J].计量学报,2002，(3)：45-47.

[8] 谢铁邦.互换性与技术测量[M].武汉：华中理工大学出版社,1999.

[9] 费业泰.误差理论与数据处理[M].北京：机械工业出版社,2003.