微小接插件高精度分段检测中图像拼接方法

李九灵，原振方，彭 煜

（湖北工业大学机械工程学院，湖北 武汉430068）

电子接插件是电气设备中实现电路通断的关键部件，其工作的稳定性直接影响整个设备的运行［1］。随着电子设备的小型化、精密化以及可靠性要求提高，接插件高精度检测的难度进一步增加。目前，电子接插件检测普遍采用机器视觉技术对其进行高精度自动化在线检测，这在一定程度保证了接插件的出产质量，但传统的整段检测方法无法达到部分高精密航空电子仪器中对接插件精度标准［2］。本文提出对接插件进行分段采集图像，采用改进Harris算子精确提取图像中特征点来完成整图拼接，提高了图像分辨率，生成高质量的全景图像，测量精度与单幅图像相比显著提高，从而提高了接插件的检测精度，保证了接插件产品的质量。

1 接插件检测系统组成

电子接插件视觉测量系统如图1所示。整个检测系统分为三大模块:以CCD相机、弧形光源、图像采集等为主的采集模块；由精密滑台、驱动器、精密导轨、传感器、剔除机构等组成的运动模块；PLC、计算机及软件等构成的控制处理模块。

接插件在检测滑台上由气动装置吸附，PLC通过驱动器控制精密滑台水平移动，触动位置传感器将信号传递给CCD相机，与此同时，通过精密滑台的间歇运动完成CCD相机对电子接插件图像的分段采集。然后，对所采的局部图像进行特征提取，软件系统利用Harris角点测量算法提取分段图像中的角点，计算每对角点的关系系数，获得角点的相似程度，并将相似程度进行归一化融合，归纳出关于2个点集间的每对角点的相似度表，运用渐入渐出控制方法对所采集图像进行拼接，得到高质量的全景图像。最后，对全景图像进行检测与测量，计算机将处理结果传递给PLC，实现剔除机构对不合格接插件产品的自动剔除。

图1 接插件视觉测量系统

2 Harris角点特征的图像拼接

2.1 常用的角点检测算法的比较

图像拼接精度是检测精度的保证。Harris脚点特征的拼接图像可实现高精度检测，基于特征点的图像拼接算法中，Harris角点检测算法因其稳定性、鲁棒性和可靠性得到了广泛的应用［3］。SUSAN角点检测算法和Moravec角点检测算法是较为常用的角点检测算法。SUSAN选用圆形模板，将位于圆形窗口模板中心等待检测的像素点称为核心点，直接利用图像灰度信息的检测算法，不需要进行求导和梯度运算，具有很强的抗干扰能力［4］，其缺点是稳定性差，阈值的选取直接影响到检测的准确性。Moravec算法采用传统的提取兴趣点算法，通过计算垂直线、水平线、对角线、反对角线4个方向上的灰度方差来实现对角点的检测，但其缺点是定位精准不高、抗噪能力较低。经典的Harris角点检测算法在定位精度、参数设置及高斯窗口控制上存在不足，改进的Harris角点检测算法避免了角点集簇现象，并利用双阈值解决了单阈值设定的局限性［5］。

2.2 改进Harris角点检测算法的实现

2.2.1 经典Harris角点检测算法 特征点提取算法是一种基于图像局部自相关的函数分析法，反映了局部曲率［6］

式 中: w（x，y）为 窗 口 函 数；［I（x＋u），（y＋v）－I（x，y）］2是衡量图像灰度的梯度值u；

描述了整个图像在这一点的形状；Ix，Iy为图像在x，y方向的梯度值，而一幅图像所对应的一个特征点的函数

2.2.2 特征点的提取与匹配 基于Harris角点检测算法的图像拼接流包括四个部分［7］:特征提取点→特征点匹配→变换参数估计→图像融合。角点匹配采用相似测度NCC对特征点进行匹配，即通过角点领域像素灰度值的相似性进行匹配［8］。由于角点的提取完全依赖阈值的设定，因此采用自适应阈值的方法，根据每幅拼接图像的特点，自动选择最佳阈值，提高角点选取的精度。为此，引用Hu钜结合点特征实现角点匹配，二维（N×M）数字图像W（i，j）的二维矩的定义为

其中，a＋b≤n（n为阶次）。由于Hu的唯一定性［9］，一幅图像具有一定的面积，而且在任何情况下最少也会保持分段连续，因此任何有规则的矩都会存在，所求矩集 ｛mab｝ 唯一描述图像包含的信息，因此它可以保证图像在旋转的条件下也具有相同的矩向量，同时采用选取大于阈值的特征点对作为配准点对的选择，并用约束配对算法取筛选配准点对，提高精确度。

令A、B 分别为配对图像中两特征点:A′（x1′，y1′），B′（x2′，y2′），其拼接图像中对应点为 A′、B′:A′B′。当A与A′以及B与B′是两对对应点时，则满足相关函数关系:

反之，这两对不合。

2.2.3 变换模型参数估计 在选取最优匹配点后，算出矩阵各参数，参数投影变换模型齐次坐标

计算出每个观测点和两配点之间的模长，选择其中的最小值，计算其变换参数（i＝0，1，2…7）的偏导数，所得关系结果满足

2.2.4 图像的融合 图像拼接痕迹消除的核心是图像融合。两拼接图像的重叠区域一般存在较大差异，全景图像的拼接处会存在拼接缝隙，这里采用平均的融合方法，进行图像的平滑过渡［10］。N1与N2表示待拼接的两幅图，N表示融合后的图像，存在关系式

式中，w1、w2表示待拼接重叠区域像素的权值，满足w1＋w2＝1，w1＞0，w2＜1，w1无限趋近于0，w2无限趋近于1，因此实现N1到N2的平滑过渡，消除图像拼接中的缝隙。

3 图像拼接的实现与分析

实验所用相机为德国Allied Vision Technologies公司生产的Pike F-505B/C工业数字摄像机，采用Sony Super HAD CCD传感器，可获得高清晰图像，操作系统为WindowsXP系统，编程软件Visual C＋＋。

图2为本次拼接实验的拼接样图，微型电子接插件d-type rec型针脚间距不等。

图2 拼接样图

图3 为两幅图经过改进角点检测算法所检测到的接插件全景图像，图4为单幅全景图。

图3 拼接完成后的全景图

图4 单幅全景图

d-type rec型微型电子接插件是一款较为常用的电子配件，其体积小，精密度高，常常用于高端仪器设备。pin宽度、pin间距及pin上下尺寸距离为针脚主要检测部位，表1为厂商提供的针脚检测要求参数。

表1 针脚检测要求参数

将上述分段拼接图像与单幅采集图像导入基于Visual C＋＋开发的软件测量系统进行检测，对针脚宽度、间距、上下尺寸距离进行高精度测量，检测区域如图5所示。图5中，端口第一排的针脚从左至右编为1—10号，第二排的针脚从左至右编为11—20号。分别对分段检测拼接图与单幅采集图进行检测，通过测量软件的检测计算，其检测如图6所示。

图5 测量系统针脚检测示意图

图6 针脚检测结果

图6 a、6c中所需测量的脚针数量都为19根（第一排10根，第二排9根），在测量软件中，第二排11号与19号已弯折的，都被准确发现，两图中11、19号都没出现相对应的测量数据点，说明这两针点存在问题，不满足质量参数要求。两线之间为公差允许波动范围，除11、19号外，其余各脚针满足参数要求。

图6b中，第一排指针共有9个测量间距，从左至右，编号为1—9，第二排从左至右，编号为10—17。10号与17号二针出现弯折，不合质量要求。10与17号没有测量数据点，说明不符合公差误差要求，其余各测量间距都在公差波动范围内，符合参数要求。

分段拼接图像以及单幅采集图在测量软件中的测量数据都能满足检测的要求，但分段拼接图像检测精度更高，分段pin各数据点的精度到了0.001mm，明显高于单幅pin，这说明分段检测采集的图像通过改进算法拼接之后得到的全景图，在相应测量软件的检测中能达到更高的精度。

4 结论

分段检测将原本只需一次采集的完整图像分为多段采集，得到了更清晰的局部图像，提高了图像的检测精度。图像采集的过程会存在误差，分次多段采集带来了累积误差，改进Harris角点检测算法避免了阈值的人为选定，消除了累积误差带来的影响，提高了拼接精度。通过测量软件的检测分析，与单幅采集图像相比，其测量精度得到提高。

［1］ 张明畏，金福群.提高接插件可靠性的途径［J］.机电元件，1993，13:4-6.

［2］ 唐 杰，孙 坚，钟绍俊，等.基于DM6437的接插件产品在线检测系统的研究［J］.仪表技术与传感器，2013（03）:91-95.

［3］ 仇国庆，冯汉青，蒋天跃，等.一种改进的 Harris角点图像拼接算法［J］.计算机科学，2012，39（11）:264-297

［4］ Stephen M.Smithj.Michael Brady.SuSAN—A new approach to low level image processing［J］.International Joumal of Computer Vision，1997，23（01）:45-78.

［5］ 叶增炉.Harris角点检测算法的实现及应用效果分析［J］.淮南师范学院学报，2011，13（05）:25-26.

［6］ 孙 桦，孙济州，谭 磊.一种有效的全景图拼合预处理算法［J］.光电子·激光，2007，18（06）:746-749.

［7］ 李鹏程，曾毓敏，张 梦.基于改进Harris的图像拼接算法［J］.南京师范大学学报（工程技术版），2014，14（01）:70-75.

［8］ 朱 聪.基于相似像素点的Harris角点检测改进算法［J］.大众科技，2014，16（175）:28-31.

［9］ 张 琪，屈 严，董志芳.改进的统一Hu矩图像目标识别中的应用［J］.电子器件，2012，35（06）:679-682.

［10］赵向阳，杜利民.一种全自动稳健的图像融合算法［J］.中国图像图形学报，2004，9（04）:417-422.