基于单目视觉的轴类零件3D重构技术

沈宝国，蒋超峰，孙 明，梁佩佩

(1. 江苏联合职业技术学院镇江分院，江苏 镇江 212016)

(2.菲达进出口有限公司，浙江 诸暨 311800)

(3. 烟台杰瑞石油服务集团股份有限公司，山东 烟台 264003)

基于单目视觉的轴类零件3D重构技术

沈宝国1，蒋超峰2，孙 明3，梁佩佩1

(1. 江苏联合职业技术学院镇江分院，江苏 镇江 212016)

(2.菲达进出口有限公司，浙江 诸暨 311800)

(3. 烟台杰瑞石油服务集团股份有限公司，山东 烟台 264003)

在结构化环境下，提取轴类零件三维信息是实现机械手自动上下料的重要环节。首先采集放置于特定工作台上的轴类零件图像，其次利用超红特征和Otsu法获取超红特征灰度图并进行动态阈值分割，提取标准圆的像素半径，进而获取每毫米所代表的像素值;利用拟合直线方程可获取摄像机与工作台的距离,同时利用亮度特征，采用相同的方法获取轴类零件的像素尺寸，然后利用每毫米所代表的像素值计算轴类零件的实际尺寸，完成轴类零件的三维重构。该技术降低了软硬件的复杂性，可实现机械手智能抓取轴类零件，为数控机床无人化操作的可行性发展提供了理论基础。

轴类零件；颜色特征；三维重构；单目视觉

当前，数控机床无人化操作已经成为一个新兴的研究领域。在上下料操作过程中，为实现机械手智能抓取轴类零件，必须通过图像处理技术提取其三维信息。理论上，重建三维场景需要依靠双目视觉。在实际应用中，双目视觉受到一定的限制，主要原因是其本身存在的问题：(1)双目共有的视野区域相对狭小；(2)特征点的匹配算法复杂。基于双目视觉存在的不足，国内外学者提出了采用单目视觉与距离传感器(如激光雷达、超声波等)融合技术来获取零件的三维信息[1-3]。激光雷达获得的数据精度较高，但也有质量大、价格昂贵等缺点，不适合在工业机器人上应用；超声波测距的误差来源之一是传播速度误差，传播速度受空气的密度影响，而空气的密度又与温度有着密切的关系，因此为提高测距精度，不得不增加温度传感器。由单目视觉、超声波、温度传感器组合成的三维获取方式增加了硬件与软件的复杂性。

为了利于实时作业和减少硬件与软件的复杂性，在结构化环境下，本文以单目视觉和特定工作台的方式获取轴类零件的三维信息，为数控机床无人化操作提供必要的信息。

1 特定工作台的制作

为了增强前景与背景的对比度，黑色的工作台更适于轴类零件(银白色)后续的图像处理。在工作台上，制作一个已知半径的红色标准圆，如图1所示。

2 摄像机标定

摄像机模型是光学成像几何关系的简化，而针孔模型是最基本的模型。本文采用针孔模型。设摄像机到工作台的距离为D(mm)，红色标准圆的实际半径为R′(mm)，像素半径为R(pixel)，记pixel2mm=R/R′为红色标准圆的像素半径与实际半径的比值，其与摄像机到工作台的距离关系表见表1，散点分布如图2所示。

利用最小二乘法，将12组pixel2mm及与其对应的摄像机到工作台的距离D进行二元拟合，获得两者的关系为：

D=-2.723 7×pixel2mm+69.48

摄像机到工作台的距离D与pixel2mm的相关

系数为0.985，拟合直线如图2所示。

3 三者位置关系的确定

试验中，将世界坐标系OXYZ的原点O定义在摄像机光心处，X轴方向水平向右，Y轴方向垂直于纸面向外，Z轴竖直向下，如图3所示。

3.1摄像机与工作台距离的确定

由于标准圆呈红色，采用超红特征对原始图像(图4)进行灰度化处理,如图5(a)所示;然后利用Otsu法获取二值图像,如图5(b)所示;最后对其进行边缘提取,如图5(c)所示。

提取圆边缘上的点，采用最小二乘法进行拟合，从而确定其圆心和半径[5]，如图6所示。与已知的实际半径进行计算，得出每毫米所代表的像素值，代入拟合方程后，可确定摄像机与工作台的距离。

3.2轴类零件XOY平面信息的提取

采用亮度特征对原始图像(图4)进行灰度化处理(如图7(a)所示)，然后利用Otsu法获取二值图像(如图7(b)所示)，最后对其进行面积法噪声去除(如图7(c)所示)。

提取矩形特征(x,y,x_width,y_width)，其中x,y分别表示矩形左上角点的横坐标、纵坐标；x_width,y_width分别表示矩形在横坐标方向、纵坐标方向的长度及宽度。

3.3零件的3D重构

轴类零件三维特征由端面半径和两端面圆心坐标组成：轴类零件的端面半径为R0=y_width/2，两端面的圆心坐标分别为(x，y-R0，D-R0)和(x+x_width，y-R0，D-R0)[4-5]。其零件三维重构流程如图8所示。摄像机、标准圆及零件的空间关系如图9所示。

4 结束语

本文提出了在特定工作台的结构化环境下，利用单目视觉技术实现轴类零件3D重构。对多组摄像机与工作台的距离、每毫米所代表的像素值的数据进行分析拟合，确定摄像机与工作台的距离D与pixel2mm的线性关系。对放置于特定工作台上的轴类零件图像分别利用超红特征和亮度特征进行灰度化处理，并利用Otsu法进行动态阈值分割，分别提取每毫米所代表的像素值和轴类零件的像素尺寸，通过像素尺寸与实际尺寸的转换，从而完成轴类零件的三维重构。该技术降低了软硬件的复杂性，能够完成机械手智能抓取零件，为数控机床无人化操作研究提供了必要的理论基础。

[1] 庄严，王伟，王珂，等.移动机器人基于激光测距和单目视觉的室内同时定位和地图构建[J].自动化学报，2005，31(6)：925-933.

[2] 高学海，徐科军，张瀚，等.基于单目视觉和激光测距仪的位姿测量算法[J].仪器仪表学报，2007， 28(8)：1479-1485.

[3] 熊春山，黄心汉，王敏，等. 融合图像处理与超声测距的工件精确抓取[J].机器人，2000，22(3)：183-187.

[4] 沈宝国，尹建军，张元.轴类零件外圆的视觉检测软件开发[J].机床与液压，2012，40(1)：89-91，25.

[5] 沈宝国，顾寄南，陈雪芳，等. 基于单目视觉的零件抓取信息提取技术[J].制造业自动化，2012，34(9)：24-26.

The 3D reconstruction technology for shaft parts based on monocular vision

SHEN Baoguo1, JIANG Chaofeng2, SUN Ming3, LIANG Peipei1

(1.Zhenjiang College of Jiangsu Union Technical Institute, Jiangsu Zhenjiang, 212016, China)

(2.Feida Import & Export Co., Ltd., Zhejiang Zhuji, 311800, China)

(3.Yantai Jereh Oilfield Services Group Co., Ltd., Shandong Yantai, 212013, China)

In a structured environment, it is an important link for feeding and blanking to extract the 3D information of shaft parts intelligently. It collects the images for shaft parts placed in the specific work station, and gains the gray images using excess red feature, processes the binary images in Otsu's threshold method. And then it extracts the pixel radius of the standard circle,obtains the pixel per mm, defines the distance between camera and the specific work station with fitted linear equation. At the same time, it finds the pixel size of shaft parts, calculates the actual size in the pixel per mm, and completes the 3D reconstruction of shaft parts. This technique reduces the complexity of hardware and software, grasps shaft parts intelligently and provides the necessary information for the unmanned operation of CNC machine tools.

shaft parts; color feature; 3D reconstruction; monocular vision

10.3969/j.issn.2095-509X.2015.02.005

2014-12-28

江苏省高校“青蓝工程”资助项目(苏教师﹝2014﹞23号)

沈宝国(1981—)，男，山东枣庄人，江苏联合职业技术学院镇江分院讲师，硕士，主要从事视觉检测与定位研究。

TP242

A

2095-509X(2015)02-0017-04