大型轴承测量中基于机器视觉的光笔测量系统

2012-07-20张丰收吴国新都兴兴崔凤奎

轴承 2012年12期

张丰收，吴国新，都兴兴，崔凤奎

(1.河南科技大学机电工程学院，河南洛阳 471003；2. 上海高威科电气技术有限公司，上海 200436)

国家标准规定，大于500 mm的尺寸称为大尺寸[1]。随着大型机械设备向着复杂化、精密化方向发展，大型轴承的应用越来越广泛，其部件的加工精度直接影响产品的性能，我国轴承加工行业广泛采用自动化程度较高的机床，产品质量和生产效率有很大的保证，但轴承直径的测量主要处于半自动化与传统的机械式测量阶段，工作量大。如何采用高精度的在线测量系统来保证大型轴承部件的尺寸精度是目前我国大型机电设备加工制造等行业面临的一个技术难题，也是国内未能很好解决的测量难题[2]。因此设计一种方便、高精度的大型轴承测量工具势在必行[3]。

1 光笔测量系统结构简介

机器视觉，顾名思义就是使用机器代替人眼做出测量和判断。光笔测量系统正是基于机器视觉来完成光笔图像的处理、发光点特征提取等操作，为大型轴承的直径计算提供准确数据和实际依据。

在此提出的基于机器视觉的光笔测量系统主要由装有标志性发光点的手持式测量笔，以CCD摄像机及配套图像采集卡为核心的视觉测量系统和安装有采用Visual C++开发的配套处理软件的计算机组成，结构如图1所示。具体测量流程为：工作人员手持光笔将测头接触待测轴承表面，测量时光笔向图像采集卡发信，通过CCD摄像机摄取到光笔图像，再经过开发的配套软件进行图像处理后得到待测点的三维坐标，最后进行数据处理得到待测轴承的直径。

图1 光笔测量系统组成

圆形发光标志点采用新型反光材料[4]制成，镶嵌在由碳纤维材料制成的光笔笔身上。反光材料本身并不会发光，但能将光线按照原路反射回去形成一种回归反射的现象，反射光亮度比其他漫反射标志点高出上千倍，更有利于特征提取阶段的图像处理。与传统的高亮度发光二极管对比，反光材料可以人为加工成所需要的特定形状，质量更容易控制，安装也较方便。

系统采用型号为UM-100/UM-101的高分辨率CCD摄像机，其成本低，分辨率为752×528(CCIR)，最低照度为0.05 lux。图像采集卡采用基于PCI总线的DH-CG300黑白图像采集卡，具有使用灵活、功耗低等特点。

2 光笔图像处理流程

光笔图像处理关键流程如图2所示。

图2 光笔图像处理关键流程

2.1 图像预处理

图像预处理包括线性变换法图像增强和中值滤波去噪两部分。

2.1.1 线性变换法

针对光笔自身特点，圆形发光标志点的四周为深色的碳纤维材料，对比性很强，根据光笔图像的灰度直方图分布情况对图像进行线性变换，增大光笔发光标志点图像的灰度值，使其与背景图像的对比度增强。采用的算法公式为

g(x,y)=kf(x,y)+d，

(1)

y=kx+d(0≤y≤255)，

自从常爱兰嫁给驮子后，周小羽发现自己的妈妈对自己越来越凶了，对驮子却是越来越轻声细语了。而之前对麻糍，她是母老虎。

(2)

式中：x为原始灰度值；y为变换后的灰度值；k为斜率；d为截距。当k>1时，图像对比度和整体效果增强；当k=1且d>0时,图像亮度增强，反之d<0时减弱；当0

(a)灰度原图 (b)灰度直方图 (c)变换后效果图

2.1.2 中值滤波

中值滤波是一种非线性平滑技术，它将像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。采用传统的中值滤波算法进行图像处理的效果如图4a所示，发光标志点光斑图像的边缘特征信息保留不太完整，图像复原效果不高。针对光笔图像采用VC++改进的中值滤波算法[5]处理效果如图4b所示，算法过程如下：

图4 中值滤波去噪效果图

(1)设初值F=xy/2，其中xy为图像像素数。建立图像的直方图，确定中值xd及亮度不大于中值像素数sx；

(2)设直方图最左列图像亮度为L，像素数P[L]对每个像素L有P[L]=P[L]-1；

(3)窗口右移一列，对最右列亮度是L的每个像素L有P[L]=P[L]+1；如果L

(4)若sx>F则转步骤(5)；循环sx=sx+P[xd]，xd=xd+1直至sx≥F，则转步骤(6)；循环xd=xd-1，sx=sx-P[xd]，直至sx≤F；

(5)若窗口右侧列非图像的右边界，则转步骤(3)；若窗口最底行非图像的下边界，则转步骤(2)。

2.2 光笔图像分割处理

实际测量现场由于光线随机变化，存在突发噪声或者背景灰度变化较大的情况，采集到整幅光笔图像进行分割时，如果采用单一的阈值处理每一个像素，可能会将目标区域和背景区域错误的划分。因此，采用自适应阈值分割算法进行光笔图像分割处理，即图像中的每个像素对应的阈值可能不相同。首先将目标图像分割为若干个子区域，将每个子区域看成是一副新的子图像，计算出其对应的直方图及阈值，然后组成一个矩阵进行插值计算，最终“自适应”地确定每个像素的阈值。其基本算法流程图及处理后效果如图5所示。

图5 自适应算法流程图及处理效果图

2.3 图像开闭运算处理

自适应阈值算法分割处理后,光笔图像含有噪声且边缘不规则，经过反复测试，提出了开闭运算处理：(1)闭运算，先膨胀(使图像放大)，后腐蚀(缩小图像)进行图像修复，填充发光点图像的边缘空间；(2)开运算，先腐蚀后膨胀消除图像上细小的噪声，使发光点图像边缘平滑。这样能很好地消除图像噪声，使图像分割处理后的光笔图像更加光滑完美，后续特征提取等操作更加简单方便。试验效果如图6所示。

图6 闭运算、开运算处理效果图

2.4 发光点图像特征提取

首先，采用最小二乘法对图像进行轮廓拟合提取，如图7b所示，软件设定光斑图像及噪声像素按序排列情况如图7c所示；然后，采用轮廓线提取方法，获取每个带序号标记图像的像素数目分布情况，根据目标圆的像素数目分布区间，设定像素阈值范围，准确提取出目标圆，处理结果如图7所示。

图7 发光点特征提取

拟合出来的圆形光斑中心点坐标见表1。据此，通过软件处理可得到待测点的三维空间坐标点云数据，然后采用三维重建可得到待测轴承的形状和直径大小。

表1 发光点中心坐标测量结果

3 试验结果及分析

采用C-Track 780作为试验对象，对直径约3 200 mm的转盘轴承进行测量。在三坐标测量机下计算平均结果为D=3 200.075 mm，在光笔测量系统下计算平均结果为D=3 201.633 mm，在加拿大Creaform双CCD摄像头光笔测量系统下测量的平均结果为D=3 200.114 mm。

误差来源及分析：

(1)硬件部分，未考虑摄像机镜头的畸变误差对图像采集过程的影响；采用的单CCD摄像机测量精度和范围有限，下一步可建立双摄像机测量系统进行测量验证；

(2)软件部分，算法处理过程中有效数字的取舍误差及算法开发的优越性问题造成目标处理不太到位。