基于计算机视觉的轴套零件尺寸测量*

(东北电力大学机械学院，吉林 吉林 132012)

随着科学技术和现代加工制造业的发展，迫切需要自动检测技术实现产品的在线、实时和高精度的检测。轴套等零件是机械行业中非常重要且应用十分广泛的部件,其生产批量大、精度要求高。以往的人工检测往往劳动强度大、精确度低、效率低，并且容易疲劳，而通过计算机视觉系统对零件进行尺寸检测，可以实现对零件的快速、非接触、在线、高精度检测。

1 视觉检测系统工作原理

视觉检测系统由硬件和软件两个部分组成。硬件系统由照明系统、CCD摄像机、光学显微镜、1 394数字接口卡、计算机等组成。系统工作原理：光源光线照射被测工件，经光学显微镜放大后成像于CCD面阵上。CCD将图像信号变为电荷信号,通过数字接口卡存入计算机内存。本系统采用高强度LED同轴光源背向照射工件，有利于采集清晰图像轮廓，提高精度。检测系统的软件采用模块化设计思想，以Windows为软件处理平台，采用Visual C++语言编制而成。主要流程如图1所示。主要包括图像采集、图像预处理、图像边缘检测、检测后图像处理、图像测量、系统标定、结果输出等。

2 图像处理

2.1 图像预处理

图像的预处理是希望能够最大程度地降低噪声对图像的影响并且能够准确地提取被检测物体的特征参数。中值滤波是一种非线性的信号处理方法，在一定的条件下可以克服线性滤波如均值滤波等带来的图像细节模糊，对滤除脉冲干扰及图像扫描噪声最为有效。本系统采用边缘保持滤波器。算法如下：对灰度图像的每一个像素点[i,j]，取适当大小的一个邻域(如3×3邻域)，分别计算的左上角邻域[i,j]、左下角邻域、右上角邻域和右下角邻域的灰度分布均匀度V， 然后取最小均匀对应区域的均值作为该象素点的新灰度值[1]。其中灰度均匀度计算公式为

图2a为原始采集图像，图2b为降噪后图像。

2.2 图像边缘检测

图像的边缘是图像的最基本特征，图像边缘检测是图像处理的基本问题。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。其广泛存在于物体与背景之间、物体与物体之间、基元与基元之间[1-2]。它是图像分割的重要依据，是图像检测与测量的关键。

2.2.1 阈值分割

阈值分割的基本思想是找到一个门限阈值, 使其按这个阈值划分目标和背景的错误分割概率为最小[3]。阈值变换的变换函数表达式为：

式中：T表示阈值。为了正确划分出目标区域和背景，选择合适的阈值非常重要。确定阈值的方法较多,常见的有灰度直方图法、迭代法、最大类间方差法等。本文采用的方法是首先利用图像的灰度直方图进行分割,然后再在最小错误分割法的基础上，利用迭代法求出图像的最佳分割阈值。具体步骤如下：

(1)根据图像灰度直方图选择一个阈值的初值T；

(2)利用阈值T将图像分成R1和R2两部分；

(3)计算区域R1和R2的均值μ1、μ2；

(4)求出新的阈值T=(μ1+μ2)/2；

(5)重复步骤(2)和(4)，直到均值μ1和μ2不再变化。

阈值分割后的二值图像如图3所示。

2.2.2 梯度法分割

图像边缘是一个矢量，具有幅值和方向。其幅值是梯度的幅值，其方向与梯度方向垂直。使用梯度算子作为边缘度量的方法有很多[4]，但选择最合适的梯度算子很困难。目前常用的边缘检测算子有Robert算子、Sobel 算子、Prewitt算子、Kirsch算子和Gause-Laplace算子[5]等。图4中a、b、c、d、e分别为几种梯度算子对图像的边缘检测结果，图中可以看出Robert出对于本零件有很好的检测效果，Sobel 算子、Prewitt算子检测图像不够连续，而Kirsch算子和Gause-Laplace算子检测边缘较粗，精度不高。

本文通过对阈值分割处理的图像和梯度法分割图像分析对比，可以看出，阈值分割法能获取更精确的轮廓，所以作者采用阈值分割法对工件进行边缘检测提取，并对边缘提取后图像进行细化处理，得到单像素宽度的线条后图像如图4中f所示。

3 系统标定

在机器视觉中对所获得的图像处理都是基于像素的，它虽然反应零件尺寸的特性，但并未以实际尺寸值的形式体现出来，故在视觉检测系统中，我们必须要对视觉系统进行标定，必须找到真实尺寸值与像素值之间的一个比例关系，即标定系数。为了保证标定的准确性，需要在相同情况下进行测量。本系统通过标准量块进行摄像机标定，标定系数计算公式如下：

式中，l为标准量块的实际长度尺寸，n为量块长度所占像素值。

4 实验与测量

在实际生产中，为保证轴套与轴承等其他各接触元件的配合性质，在生产过程中必须严格控制各种尺寸，精度要求非常高。本文依据上述图像处理的结果，检测轴套的内圆、外圆的圆度误差、内圆外圆的尺寸以及内圆与外圆的同轴度。

4.1 圆度误差检测理论

圆度误差是非常重要的形状误差之一，是机械零部件的一项重要参数，一般是用圆度仪等专用高精度仪器用接触式测量方法进行测量的。但对一些易碎、易变形以及微小尺寸的工件测量起来非常不便。本系统利用图像测量技术对圆度误差进行测量的方法。

常用对圆度误差评定的4种方法是：(1)最小二乘圆法；(2)最小外接圆法；(3)最大内切圆法；(4)最小区域法。本系统采用最小二乘圆法[6-7]。

最小二乘圆是实际轮廓上各点到该圆的距离的平方和为最小的圆。以被测实际轮廓的最小二乘圆作为理想圆，其最小二乘圆圆心至轮廓的最远点(Xmax，Ymax)距离与至轮廓最近点(Xmin，Ymin)距离之差即为圆度误差，设轮廓边缘点的坐标为(Xi,Yi)(i=,2,3,…,n)，则最小二乘圆的圆心坐标(X0，Y0)和半径R分别为：

圆度误差：

4.2 实验测量

本文以一个人工测量为外径为28.008 mm，内径为20.012 mm的轴套作为试验对象，图5是工件内圆与外圆最小二乘拟合圆与其生成的二值化图像对比图。

根据最小二乘圆提取圆心坐标，计算两圆孔偏离程度δ：

式中：x1、x2、y1、y2分别为内圆与外圆圆心坐标。以最小二乘圆拟合直径作为轴套内圆外圆直径，对同一个零件检测4次结果如表一所示。

表1 数据测量

4.3 误差分析

造成测量误差的原因主要有：

(1)硬件设备误差

光学系统的误差主要是透镜像差、感光像元排列误差和透视误差。成像系统的几何畸变误差是典型的系统误差，它是多种误差的组合，是影响光学测量精度的关键因素之一。

本系统采用德国Basler公司的A102f型面阵CCD来采集数字图像。该CCD的像素数为1 392×1 040 mm2，成像面积为8.978×6.708 mm2，轴套直径的尺寸不大于28.1×28.1 mm2，每个像素对应到工件的面积最大不超过0.6×10-3mm2，每个像素长为6.45 μm。为提高测量精度，采集图像时进行放大处理是必要的。

(2)软件算法误差

图像处理过程中，通过阈值进行二值化处理过程中，阈值的选取本身存在误差。利用最小二乘法对圆环进行拟合，算法本身即存在误差。在系统标定过程中也会引入测量误差。

(3)噪声误差

噪声是图像在成像、数字化和传输等过程中受到各种干扰形成的，它使图像上像素点的灰度值不能正确反映该点光强值,降低了图像质量，噪声主要是在采集图像时产生的，有效利用相关滤波可减弱或抑制各种噪声，本文作者采用中值滤波方法抑制后减弱了噪声的影响，提高了测量的精度。

5 结语

本文构建对轴套零件的测量系统，系统采用计算机视觉技术实现了轴套零件几何参数的非接触测量，并应用本系统实现对轴套的内外圆尺寸，内外圆圆度误差，同心度等参数的非接触测量。实现了光、机、电与计算机技术的有机结合，并且具有测量速度快、精度高、可靠性好等特点。通过测量实验得到的结果可以看出，圆度误差在12 μm左右，直径误差在9 μm之内，满足生产检测要求。该系统还可以推广到对其它微小圆形零件的非接触测量中。

[1]贾云得.机器视觉[M].北京: 科学出版社,2000.

[2]章毓晋著.图像分割[M].北京:科学出版社,2001.

[3]何斌,马天予,王运坚,等.Visual C++ 数字图像处理[M].北京:人民邮电出版社,2001.

[4]Lindeberg T. Edge detection and ridge detection with automatic scale selection[C].Computer Vision and Pattern Recognition, Los A lamitors: IEEE, 1996: 465-470.

[5]刘庆民,王龙山,陈向伟,等.滚珠螺母的机器视觉检测[J].吉林大学学报:工学版,2006,36(4):534-538.

[6]熊海林,陈香萍.圆度误差的一种微机图像测量法[J].航空计测技术,1998,18(4):25-28.

[7]甘永立.形状和位置误差检测[M].北京:国防工业出版社,1995.