一項新的（de）機（jī）器視覺定位之零部件尺寸檢測技術

在新興市場經濟和新型技術不斷崛起的背景下，生產出高品質（zhì）且價格低廉的產品是企業發展的急切需求，然而近些年（nián）來在國內現有生產條件下生產出的產品存在著很（hěn）大的問題。傳統意（yì）義上的生產需要設備處（chù）於時常工（gōng）作狀態以便於隨時檢測，然而這樣（yàng）的（de）工作方式導致了設備在一定的時間內出現設備閑置的現象，大大的浪費了生產資源（yuán）並（bìng）無（wú）法實現可靠的自動化生產；還有一個更為重要的原因在於（yú）工業生產線上生產出（chū）的產品，對於其尺寸精（jīng）度的測量（liàng）人們大多數都通過自己的主觀意識或者粗淺的測試方法去判別零部件尺寸是否合格，這樣（yàng）的判斷方式檢測出的精度根本滿足不了客戶（hù）的需求。基於上（shàng）述諸多問題的提出，一種基於機器視覺的檢（jiǎn）測方法應運而生，此概念（niàn）的提出為生產加工業（yè）實現自（zì）動化（huà）、智能化（huà）帶來（lái）了空前的變革。隨著機器視覺的應用，機器視覺的（de）應用（yòng）大大的提高了（le）產品的質量（liàng）、降低了人口（kǒu）紅利並能在一（yī）定程度上降低生（shēng）產成本，帶動生產加工業走向自動化（huà）、智能化的道路。

一、係統的整體結構

本（běn）研究是基於工業生產線上對（duì）不同零部件尺寸的檢測，機器視覺的（de）零部件尺寸檢測主要分為（wéi）圖像采集、圖像分（fèn）析處理、顯示結果及控製三個部（bù）分。係統主要由計算機主機、工業相機、LED光（guāng）源和光電傳感器、PLC可編程控製器以及單片（piàn）機控製器、暗箱（xiāng）等。其工作過程是：首先初始化設備並自檢（jiǎn）設備，然後計算機主機通過軟件驅動工業相機(麵（miàn）陣式CCD傳感器)，但是工業相機在此時隻（zhī）是處（chù）於一個等待（dài）采集圖像信號的狀態，當光電傳感器（qì）沒有檢測到物體時，此時工業相機繼續（xù）等待采集圖像信號；當光電傳感器檢測到產品經過時，打開LED光源並觸（chù）發工業相機采集（jí）零部件數字圖像信號，然後（hòu）關閉LED光源，單片機控製器（qì）經（jīng）過USB串口通（tōng）信（xìn）方式將數據傳輸給計算機主（zhǔ）機（jī）進行圖像處理（lǐ），圖像處理後判斷（duàn）物體是否合格，不合格就放入不（bú）合格產品收集箱，合格就檢測下一個產品。

二、圖像（xiàng）的處理及分析

1.標定文件的生成（chéng）

在圖像處理過（guò）程（chéng）中，更值得說明的是標定文件的生成是有嚴格要求的，其處理的步驟依（yī）次為創建標定模板、初始化內（nèi）參、指定描述文件、收集標定數據、配置校正、標定計算、獲得標（biāo）定參數、生成標定文件等步驟（zhòu）。在標定的過程中運用到了標定板，在（zài）這裏我們（men）規（guī）定其大小必需為視野圖像的1／4。係統以二十幅不同位姿的標（biāo）定板（bǎn）圖像進行標定並設置好標定圖像的原始位姿，從而生成標定文件目（mù）。

2.灰度轉換

在實（shí）際的生產加（jiā）工中，由於複雜的環境因素的影響很（hěn）多零部件並不是像我們（men）想（xiǎng）象中的那麽容易區（qū）分。因此，為了快速準（zhǔn）確的識（shí）別我們必須對其進行灰度轉換。RGB圖像每個像素顏色都對應三維空間上的（de）一個點，而灰度圖像像素的顏色可以對應於一條直線來表示。因而（ér），很容易得出彩色圖像轉（zhuǎn）換為（wéi）灰度（dù）圖像實質是尋求一個在三維空間上的映射（shè）。

3.濾波降噪

在圖像采集過程中由於（yú）零部件結構的複雜（zá）程度不一，因而圖像中的噪聲是不可避免的，噪聲會影響係統對檢測區域的識別與（yǔ）判定（dìng）。所以降噪濾波在整（zhěng）個檢測係統中（zhōng）起到了不（bú）可替代的作用（yòng）。對於（yú）噪聲的處理有線性（xìng）的濾波方法和（hé）非線性的濾波方法，如均值（zhí）濾波為線性（xìng）方法，采用mean_image算子對圖像灰（huī）度值進行平均處理從而達（dá）到（dào）降噪平滑圖（tú）像的效果。中值濾波為非線性的方法。然而對於精度要求（qiú）比較高的零部件尺寸檢測，這兩（liǎng）種濾波方法都不能達（dá）到我們預期的效果。所以本文（wén）采用另一種可靠的濾（lǜ）波方（fāng）法——高斯濾（lǜ）波。使用高斯濾波（bō）器（qì），可（kě）以完成高精度的（de）測量任務。

4.圖像匹配

在工業生產（chǎn）加工中，我們所檢測的零（líng）部件往往不是單一的，有時候會涉及各種各樣的零部件，通過模板匹配技術（shù）就可以實現。模板匹配可（kě）以用來做完整性檢測、區分不同類型的物體和得到目標物體在圖像中的位姿。模板的匹配有幾種不同（tóng）的匹配方式：基於灰度值（zhí）的匹配、使用圖形金字塔進行的匹配、基於灰度值的亞像素精度（dù）的匹配、帶旋轉和縮放的模板匹配。在應用匹配的時候我們主要是用來區分不同類型的物體，很多（duō）其他（tā）的（de）技術都能分（fèn）別出不同的物體，但對某種特殊類型（xíng）的物體來說，實現一個可靠（kào）的（de）識別算法是很複雜（zá）的。另外（wài）如果被（bèi）識別物體經常發生變化。就必須為每種物體開發一個新的識別算法。通（tōng）過模板（bǎn）匹配技術就可以實現上述功能。

5.提（tí）取亞像（xiàng）素邊緣

亞（yà）像素精度輪廓表示圖像中兩個區域之間（jiān）的邊界，這（zhè）兩個區域中一個區域的灰度值大於（yú）灰度閾值，而另一個區域的灰度值小於灰度閾值。為了獲得這個邊界我們需要將圖像的離散轉換（huàn）成一個連續函數，而通過雙（shuāng）線插值的方法就能完成這種轉換。在零部件尺寸（cùn）檢測的工業生產中，通過（guò）工業相機采集回（huí）來的零部件圖像往往都是像（xiàng）素精度的，在零部件尺寸檢測中我們（men）需要達到比圖像像素分辨率更高的精（jīng）度，因此從圖像中提取亞像素精度是達到高精度要求的唯一有效的途（tú）徑。調用edge_sub_pix算子、gen_polygons_xld算子、se—lect_contours_ xld、算子和union_straight_contours_xld算子，通過濾波器canny可以對零部（bù）件目標Region進行亞像素邊緣提取（qǔ），並可以直接返回由像素點（diǎn）組成的邊緣，具有（yǒu）亞像素精度（dù）。

6.轉換為世界坐標

在圖像的分析與處（chù）理過程（chéng）中，由於工業相機采集回來（lái）的圖（tú）像會出現一定程度（dù）上的畸變，那麽這個時候我們就要對圖像進行（háng）一定程（chéng）度的校正。轉（zhuǎn）換為世界坐（zuò）標的目的在於使（shǐ）用標定後的攝（shè）像機（jī）可以在世界坐標（biāo）係內進行（háng）未失真的測量。這對（duì）於零部件尺寸的（de）檢測有著（zhe）很好的效果。這種未失真的（de）檢測用（yòng）立體（tǐ）重構的方法也可（kě）以實現，但是立體重構的方法需要多個攝像機在不（bú）同（tóng）的位置上同時拍攝同一物（wù）體，但是在實際應用中由於成本和（hé）安裝空間的限製，這種未失真的方法是不可取的（de）。因此在零部件檢測中（zhōng），我們選擇了轉換（huàn）為世界坐標來達到未失真（zhēn）的測量。通過set origin pose算子設置原始位姿獲得係統參數，然後運用image—points_to_world算子轉換為世界坐標。

基於機器的零部（bù）件尺寸檢測技術，在工業生產（chǎn）中起著舉足輕重的作用。隨著機器視覺的應（yīng）用，我們不難發現，機器視覺的應用大大（dà）的提高了產品的質量、降低了人口紅利並能在一定程度上降低（dī）生產成本，帶動生產加工業（yè）走向自動化、智能化（huà）的道路。在機器視（shì）覺的應用中（zhōng），物體（tǐ）特征的提取和尺寸的精確定位及測（cè）量是生（shēng）產（chǎn）線上不（bú）可替代的環節。