基于Halcon的电连接器壳体零件孔径快速精密测量

2015-09-13许桢英徐家祥黄建斌刘家旺

制造业自动化 2015年22期

许桢英，徐家祥，黄建斌，刘家旺，王匀

（江苏大学机械工程学院，镇江 212013）

0 引言

高密度电连接器组件是航空航天、航海、军工、工业、精密机械、信息乃至家用电器等众多领域的控制与驱动系统中的重要基础元器件，其技术性能的高低直接影响和制约了这些行业的发展水平。十二五期间航空、海工、信息行业对高端机电组件技术水平的要求越来越高，电连接器的尺寸检测必须达到100%达标。

目前大多数电连接器制造企业都采用人工检测或简单工具测量的方法，需要耗费大量的人力和时间，且检测精度容易受到人员差异的影响，很难保证高质量的产品。

机器视觉就是利用机器代替人眼做测量和判断[1]。视觉测量技术不但速度快、非接触、易于自动化，而且精度高[2]。本文将视觉测量技术应用在电连接器壳体零件的孔径测量中，提高了检测的效率，对促进行业的发展具有十分积极的意义。

1 HALCON机器视觉软件

HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它节约了产品成本，缩短了软件开发周期。在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件[3]，是一套image processing library，由一千多个各自独立的函数、以及底层的数据管理核心构成。其中包含了各类滤波，色彩以及几何，数学转换，形态学计算分析，校正，分类辨识，形状搜寻等等基本的几何以及影像计算功能，而且HALCON为大量的图像获取设备提供接口，保证了硬件的独立性。它为百余种工业相机和图像采集卡提供接口，包括GenlCam，GigE和IIDC1394。因此只要用得到图像处理的地方，就可以用HALCON强大的计算分析能力来完成工作。

2 电连接器壳体零件孔径测量

本文通过搭建视觉测量平台，用工业相机采集标定图像和工件图像，通过HALCON软件进行摄像机标定和零件的孔径测量，所用到的算法包括：阈值分割、亚像素边缘提取、轮廓线圆分割、拟合圆。

2.1 基于HALCON软件的摄像机标定

选用的标定板为圆心点阵标定板，大小为36mm×36mm，厚度为2mm，标定板精度为1μm，标定板示意如图1所示。该标定板周围的黑色矩形边框使得标定对象的中心容易被提取，矩形边界框角落的方向使得标定板的方向唯一。标定的具体过程如下：摄像机拍摄标定图像，对图像进行阈值分割，将标定板的内部区域与背景分离，利用Canny滤波器提取标定板各圆形标志的边缘，通过线性最小化代数误差拟合椭圆，提取出椭圆的最小外界四边形，确定标志点以及各标志点与图像中投影之间的关系。本文使用HALCON软件提供的标定助手进行摄像机内外参的标定，首先加载标定板描述文件，标定板的厚度是2mm，单个像元的宽和高是1.67μm，焦距设置一个初始默认值，加载标定图像，设置不同的参考位姿，得到相应的标定结果，生产标定代码，利用算子矫正位姿，排除相机没有严格垂直安装对后续尺寸测量带来的干扰。代码：Set_origin_Pose（PoseNewOrigin，0,0.02，PoseNewOrigi,1）。通过标定获得的摄像机内参数的值为interCamera=[0.0119984,49.4911,1.66935e-006,1.67e-006,1.83197,1373.87,3664,2748]，获得的外参数Pose=[0.00446928,0.00336343,0.128611,359.904,359.978,266.9 94]，投影误差Error=0.126866，标定精度达到微米级，误差±1.5μm。

图1 圆心标定板示意图

2.2 壳体零件图像获取及区域特征提取

为了减少电连接器壳体零件金属材质的反光以及获取高对比度的零件轮廓图，在使用背光源的方式下进行图像的拍摄采集，采集后读取到的图像如图1所示。为了获取所需要的零件特征，必须将背景和零件分离开来，提取出感兴趣区域。图像阈值化分割是一种简单且实用的图像分割方法[4]。通过设定不同的特征阈值，把图像像素点分为若干类。设原始图像为f(x,y)，分割后图像为g(x,y)，按一定的准则在f(x,y)找到阈值T，将图像分割为两部分，分割后的图像表达式如下：

其中，值为1的部分表示我们需要测量的目标区域，值为0的部分表示背景。

本文图像分割用于从采集的图像中把需要测量的区域分割处理，使用算子fast_threshold （Image，Region，200，255，20）对壳体零件图像进行快速阈值分割，阈值由Region的灰度值范围确定，然后使用算子connection（Region，ConnectedRegions）对分割后的区域进行区域连通，利用面积的特征约束筛选出所需测量的各个圆孔区域，本文选择了UPP3728-10、UPP2020-06、UPP3728-08f三种型号的壳体零件进行实验分别用(a)、(b)、(c)表示，处理后的图如图2所示。

图2 壳体零件阈值分割后获取的区域示意图

2.3 壳体零件轮廓的边缘提取

图像的边缘是指图像局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。边缘检测就是使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程。梯度能很好的反映图像的边缘位置。梯度用表示：

实现图像的边缘检测，就是要用离散化梯度逼近函数根据二维灰度矩阵梯度向量来寻找图像灰度矩阵的灰度跃变位置，然后在图像中将这些位置的点连起来就构成了所谓的图像边缘。本文通过边缘检测将分割好的壳体零件图像的边缘提取出来，为后续的测量做准备。在HALCON中我们可以不同的算子来实现精确地检测图像的边缘。

本文使用算子edges_sub_pix（ImageReduced,，Edges，'canny'，1.5，10，40）进行边缘检测，canny算子使用滞后阈值分割，包含两个阈值——高阈值和低阈值。边缘幅度比高阈值大的那些点作为安全边缘点被接受。边缘幅度比低阈值小的那些点被立刻剔除。边缘幅度在高阈值和低阈值之间的那些点只有在与安全边缘点相连时，才作为边缘点被接受。canny算子改进实现亚像素边缘检测通过在梯度方向上检测二阶方向导数的过零点：

其中，Lx,Ly,…,Lyyy表示用高斯核平滑原始图像得到的尺度空间。

通过edges_sub_pix算子可对壳体零件图像区域进行亚像素边缘提取，直接返回由像素点组成的边缘Edges，具有亚像素精度[5]。再通过算子segment_contours_xld（Edges，ContoursSplit，'lines_circles'，5，2，2）将轮廓进行分割，该算子将分割后的轮廓设置其全局轮廓属性cont_approx确定分割轮廓的类型，属性为-1的轮廓近似为线段，属性为0的轮廓近似为椭圆弧，属性为1的轮廓近似为圆弧，轮廓分割后得到的图像如图3所示。

图3 壳体零件轮廓边缘示意图

2.4 壳体零件孔径的测量

在得到了轮廓分割后的图像后，对每段轮廓进行计数，并进行筛选。使用算子get_contour_global_attrib_xld（ObjectSelected，'cont_approx'，Attrib）获取每段轮廓的属性，如果Attrib=1，则该轮廓段属于圆弧段，对圆弧轮廓进行圆拟合，使用fit_circle_contour_xld （ObjectSelected，'algebraic'，-1，0，0，3，2，Row，Column，Radius，StartPhi，EndPhi，PointOrder）获得圆心的坐标和圆的半径。

利用标定结果得到的单位像素尺寸求得孔径的实际尺寸。本文利用HALCON软件平台对电连接器壳体零件的孔径进行了测量，并将软件测得的尺寸与镇江市计量所万能显微镜测出的尺寸进行了比较，计算出了测量误差。实验结果表明用机器视觉测量的方法更方便快捷且误差在公差允许范围之内。测量结果如表1所示，其中a代表万能显微镜测得值，x代表视觉测量测得值。

表1 UPP3728-10测量结果比较单位/mm

表2 UPP2020-06测量结果比较单位/mm

表2 （续）

表3 UPP3728-08f测量结果比较单位/mm

若以万能工具显微镜的测量结果作为标准量，UPP3728-10型号零件测量结果平均误差为0.00058mm，UPP2020-06型号零件测量结果平均误差为0.01196mm，UPP3728-08f型号零件测量结果平均误差为0.01693mm，总体视觉测量值平均误差在公差0.05mm之内，满足公差允许范围，UPP3728-08f型号零件由于加工工艺，孔径边缘存在毛刺，在提取边缘的过程中造成像素误差。整个测量过程运行良好，测量时间1.2s，速度较快，能够实现电连接器壳体零件孔径的快速精密测量。