一种基于机器视觉的大型环件外径检测系统及方法与流程

本发明涉及一种基于机器视觉的大型环件外径检测系统及方法，属于机器视觉检测技术领域。

背景技术：

大型无缝环件被广泛应用于重型机械、轨道交通、风力发电、航空航天、军工等各工业领域，如火车的车轮及轮箍、风电设备的轴承套圈及齿轮环坯、运载火箭的仓体、压力容器及核反应堆的加强圈等。大型环件制造行业涉及的经济范围广而且具有很强的经济带动性，在经济产业链中起着非常重要的作用，是国民经济发展的基础性行业。而我国大型环件的制造技术相对落后，材料利用率仅为50％-55％，生产效率低、成本高、资源和能源消耗过大。造成这种现象的因素很多，其中一个重要的原因是，在锻造过程中锻件尺寸测量不准确，测量时间长，对生产效率和锻件质量有很大影响。对于大尺寸环件来说，如果温降过大，不能在终锻温度前达到工艺的尺寸要求，因无法再回炉加热，将造成废品。不得不以“肥头大耳”的方式加大环件的直径加工余量，资料显示我国主要的大型环件加工企业仅仅因为锻造余量造成的材料损耗高达25％。

虽然我国的锻造企业获得了快速发展，并取得了一定成绩；但仍然无法与国外发达国家相比，除了锻造工艺落后外，还有锻造过程中，胚料和锻件尺寸的检测技术问题。高温测量技术在不同领域有不同的测温要求及方式，按照测量方式可分为接触式和非接触式。而我国企业普遍使用的传统的人工卡钳法测量属于点对点的测量，不仅精度低，而且对人体伤害较大；而超声波测量法易受到声速、环境介质等影响无法进行不间断扫描；电磁测量法则不适用于金属材料测量；故光学测量法是目前非接触式测量中的解决这一问题的重要手段，而其中图像处理是解决这一难题的重要途径。

本发明提出了一种新型的大型环件外径参数的检测系统及方法，通过对高温图像进行图像处理分析得出特征信息，采用计算机视觉检测理论可高精度获取环件的外径及高度尺寸参数，予以准确衡量环件的尺寸加工效率及精度要求，指导碾环工艺参数调整，有助于提高大尺寸环件的加工精度及加工效率，降低废品率。

技术实现要素：

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于机器视觉的大型环件外径检测系统及方法，可准确获取环件的外径尺寸参数，同时也为碾环机碾扩系统提供准确的数据参考，为整个环件的碾扩提供一个闭环系统。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于机器视觉的大型环件外径检测系统，包括：

图像采集单元，通过CCD工业相机实时获取环件侧部图像，并通过激光器在环件表面投射平行于环件轴线的高亮激光线条作为检测参照；

运动控制单元，包括直线运动机构、架设于直线运动机构上的架板、布置于架板上的相邻两个转台，通过两个转台分别控制激光器及CCD相机的自转运动，并通过直线运动机构控制架板上激光器及CCD相机平行于环件轴线的直线运动；

图像处理单元，通过opencv(计算机视觉库)对CCD相机获取的图片进行图像处理，利用图像色彩空间变化理论，设计算法提取目标图像特征；

反馈控制单元，通过对比分析图像处理单元提取的图像特征与高亮激光线条的重合度来判断是否“寻到边”，若已然寻到，则控制转台带动激光器反向转动，若未寻到，则控制转台带动激光器继续沿该方向转动，直至判断寻边成功。

进一步的，由于环件在碾扩时处于高温红热状态，为了提高颜色对比度，使得参照线条清晰，所述激光器采用绿色一字线激光器，功率为1000mw。

进一步的，所述激光器所在转台一侧的架板上布置有角位移编码器。

一种基于机器视觉的大型环件外径检测方法，根据环件表面温度高达上千摄氏度的情况分析，选择采用非接触测量方式中的视觉检测方式来进行检测；首先定位检测系统的位置，测量出激光器中心距离环件碾扩中心的距离L，通过距离L及激光器的旋转角度关系来确认环件的外径尺寸。具体包括以下步骤：

步骤1：将检测系统摆放至待测环件一侧，并利用激光测距仪测得激光器中心与环件中心的距离L(通过检测控制系统设备同待测环件之间的位置关系，一方面可以保持仪器和高温环件之间的距离，以保证CCD相机等设备不受高温热辐射的影响而正常使用，稳定其工作环境，延长其使用寿命；另一方面，可通过该位置关系反推出环件的外径尺寸)；

步骤2：通过CCD相机实时获取环件侧部图像，并通过激光器在环件表面投射平行于环件轴线的高亮激光线条作为检测参照；图像采集过程中，通过直线运动机构控制架板上激光器及CCD相机平行于环件轴线的直线运动，以确保CCD相机成像完整，同时该激光器由转台控制其左右转动，而另一转台控制CCD相机转动，“追寻”图像中的高亮激光线条；

步骤3：通过图像处理单元分析热态环件的侧面边缘所在，进而通过反馈控制单元控制转台带动激光器向环件边缘位置转动；

步骤4：通过图像处理单元分析出高亮激光线条在图像像素坐标系下的方程，由于激光器投射的激光线条与环件轴线平行，故而方程形式设为u＝u₀(此处u是指，在图像像素坐标系下的图像方程表达式，且由于绿色光条平行于环件轴线投射，故而方程形式为u＝u₀)；

步骤5，通过图像处理单元进一步分析出图像中热态环件的两侧边界在图像像素坐标系下的方程设为u＝u₁，u＝u₂；

步骤6，通过比较u₀,u₁,u₂的大小来得出此刻高亮激光线条是否追寻到环件边缘处，即：若是|u₁-u₀|≤Δu或|u₂-u₀|≤Δu，则可判定u₀与u₁/u₂相等，激光线条已经寻到“一边”，其中Δu为像素误差(其具体值要根据环件直径大小以及检测系统距离环件的远近来确定)，否则转台继续向该方向转动，直至系统判定“相等”；

步骤7，若系统判定已经寻到“一边”，则系统通过转台控制激光器反向转动，寻找到另一条边界，记录下激光器所在转台反向转动的角度θ，得出环件外径尺寸大小为

进一步的，所述步骤4具体包括：

步骤401，通过opencv对CCD相机实时获取的图像进行降噪处理；

步骤402，分析图像特征，对其进行色彩空间转换，将其由原来的RGB色彩空间转换为HSV色彩空间；

步骤403，利用opencv中的inrange函数对图像进行选择性二值化处理，得出激光线条在图像中的位置所在；

步骤404，对于二值图像中的线条采用“Zhang快速并行细化算法”进行细化处理；

步骤405，对于细化后的线条采用最小二乘法进行直线拟合，求得高亮激光线条在图像像素坐标系下的直线方程u＝u₀。

进一步的，所述步骤5具体包括：

步骤501，通过opencv对CCD相机实时获取的图像进行降噪处理；

步骤502，分析图像特征，对其进行色彩空间转换，将其由原来的RGB色彩空间转换为HSV色彩空间；

步骤503，利用opencv中的inrange函数对图像进行选择性二值化处理，得出热态环件在图像中的位置所在；

步骤504，对于二值图像进行形态学操作，利用开运算对图像轮廓进行润滑；

步骤505，通过opencv对处理后的图像进行矩形检测，具体包括：首先利用opencv中库函数findContours提取二值图像中的目标轮廓，利用minAreaRect函数求得包含点集最小面积的矩形，通过设定的约束条件(对于实际图像的分析确定合适)来检测矩形轮廓，得到该矩形的四个顶点坐标，设为A(u_a,v_a)，B(u_b,v_b)，C(u_c,v_c)，D(u_d,v_d)，此为(u,v)形式是指图像像素坐标系下的点坐标形式，通过判断u_a，u_b，u_c，u_d的大小(两两在ΔU误差范围内相等)来求出矩形检测的两侧垂线方程u＝u₁和u＝u₂，即为环件边缘方程。

有益效果：本发明提供的一种基于机器视觉的大型环件外径检测系统及方法，相对于现有技术，具有以下效果：1、结构简单，操作安全，使用方便，通过对高温图像进行图像处理分析得出特征信息，采用计算机视觉检测理论获取高精度的环件外径及高度尺寸参数；2、可准确衡量环件的尺寸加工效率及精度要求，指导碾环工艺参数调整，有助于提高大尺寸环件的加工精度及加工效率，降低废品率。

附图说明

图1为本发明中环件外径检测系统的框架图；

图2为本发明中环件外径检测的原理图；

图中包括：1、环件，2、转台，3、CCD相机，4、激光器，5、角位移编码器，M-激光器中心，O-环件中心，P₁、P₂-激光射线与环件边缘的切点，L-激光器中心与环件中心之间的距离，θ-激光射线从环件一侧边缘扫向另一一侧边缘的角度大小。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示为一种基于机器视觉的大型环件外径检测系统，其包括：

图像采集单元，通过CCD相机实时获取环件侧部图像，并通过激光器在环件表面投射平行于环件轴线的高亮激光线条作为检测参照；

运动控制单元，包括直线运动机构(如滚珠丝杠、直线滑轨等)、架设于直线运动机构上的架板、布置于架板上的相邻两个转台，通过两个转台分别控制激光器及CCD相机的自转运动，并通过直线运动机构控制架板上激光器及CCD相机平行于环件轴线的直线运动；

图像处理单元，通过opencv(计算机视觉库)对CCD相机获取的图片进行图像处理，利用图像色彩空间变化理论，设计算法提取目标图像特征；

反馈控制单元，通过对比分析图像处理单元提取的图像特征与高亮激光线条的重合度来判断是否“寻到边”，若已然寻到，则控制转台带动激光器反向转动，若未寻到，则控制转台带动激光器继续沿该方向转动，直至判断寻边成功。

本实施例中，由于环件在碾扩时处于高温红热状态，为了提高颜色对比度，使得参照线条清晰，所述激光器采用绿色一字线激光器，功率为1000mw；所述激光器所在转台一侧的架板上布置有角位移编码器。

一种基于机器视觉的大型环件外径检测方法，根据环件表面温度高达上千摄氏度的情况分析，选择采用非接触测量方式中的视觉检测方式来进行检测；首先定位检测系统的位置，测量出激光器中心距离环件碾扩中心的距离L，通过距离L及激光器的旋转角度关系来确认环件的外径尺寸。具体包括：

1.运动控制

由PC端通过转台控制激光器的左右转动，使得绿色激光光条能够平行于环件轴线的投射在环件表面。此外，PC端控制滚珠丝杠的做升降运动，使得安装在另一转台上的CCD相机能够清晰成像。

由PC端发送指令控制转台转动，使得绿色激光线在环件表面向左或向右运动，根据图像处理算法得出“是否寻边成功”，若未成功，则PC端控制转台继续运动直至“寻边”成功；若显示“寻边成功”，则PC端控制转台反向转动，寻找环件的另一边缘。

2.图像处理算法分析

2.1高斯滤波降噪

由于环件在碾扩过程中机器的运转，芯棍、锥棍与环件之间的摩擦产生的巨大噪声都会对图像的采集造成一定的干扰，故而采用高斯滤波的方式消除噪声对于图像成像上的影响。

高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都是由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

2.2色彩空间转换

首先，CCD相机拍摄出的图片的矩阵类型是CV_8UC3，此为8位无符号字符型矩阵，此处3为3通道，即是指R、G、B三通道。RGB颜色空间是以R(红)、G(绿)、B(蓝)三种基本色为基础，进行不同层次的叠加，从而产生丰富而广泛的颜色。

而HSV色彩空间是根据颜色的直观特性创建的一种颜色空间，H—Hue(色调)、S—Saturation(饱和度)、V—Value(明度)。

色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是：黄色为60°，青色为180°，品红为300°。

饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0％～100％，值越大，颜色越饱和。

明度V表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0％(黑)到100％(白)。

RGB转化到HSV的算法如下：

max＝max(R,G,B)；

min＝min(R,G,B)；

V＝max(R,G,B)；

S＝(max-min)/max；

if(R＝max)H＝(G-B)/(max-min)*60；

if(G＝max)H＝120+(B-R)/(max-min)*60；

if(B＝max)H＝240+(R-G)/(max-min)*60；

if(H<0)H＝H+360；

opencv内置的函数库中只需调用cvtColor函数实现其具体功能，此时高温环件的热辐射在HSV色彩空间中影响不大，可较为清晰的发现环件轮廓边缘。

2.3二值化

通过色彩空间转换，可较为直观的观察出环件图像边界，但仍需进一步对比，故而将其转为二值图像最为直观。

以下是通过实验计算得出的HSV分量的模糊范围。

H：0-180；

S：0-255；

V：0-255；

此处将红色归为紫色范围：

通过opencv中的inRange函数来实现二值化功能。即通过检查数组元素是否在另外两个数组元素值之间。是则至为255，不是则至为0。

2.4形态学操作——开运算

开运算是先腐蚀后膨胀的过程，它能去除孤点、毛刺和小桥(连接两区域的小点)，消除小物体、平滑大物体的边界，并且不明显改变面积。

2.5矩形检测

由于高温环件在图像中呈现矩形状，故而利用矩形检测的原理进行检测。由于是测环件外径，故而对图片进行最大外接矩形检测。首先利用opencv中库函数findContours提取二值图像中的目标轮廓，利用minAreaRect函数求得包含点集最小面积的矩形，通过对于实际图像的分析确定合适的约束条件以检测矩形。

通过此方法可以得出矩形的四个顶点坐标，设为A(u_a,v_a)，B(u_b,v_b)，C(u_c,v_c)，D(u_d,v_d)。此为(u,v)形式是指图像像素坐标系下的点坐标形式。通过判断u_a，u_b，u_c，u_d的大小(两两在ΔU误差范围内相等)来求出矩形检测的两侧垂线方程u＝u₁和u＝u₂。

2.6细化

采用“Zhang并行快速细化算法”对提取出的绿色光条线二值化图像进行细化。

2.7拟合

利用最小二乘法对于细化后的线条进行直线拟合，求得直线方程。

设经验方程是y＝F(x)，方程中含有一些待定系数a_n，给出真实值{(x_i，y_i)|i＝1，2，．．．n}，将这些x，y值代入方程然后作差，可以描述误差：y_i-F(x_i)，为了考虑整体的误差，可以取平方和，之所以要平方是考虑到误差可正可负直接相加可以相互抵消，所以记误差为：

e_i＝∑(y_i-F(x_i))²

它是一个多元函数，有a_n共n个未知量，现在要求的是最小值。所以必然满足对各变量的偏导等于0，于是得到n个方程：

...

n个方程确定n个未知量为常量是理论上可以解出来的。用这种误差分析的方法进行回归方程的方法就是最小二乘法。

线性回归：

如果经验方程是线性的，形如y＝ax+b，就是线性回归。按上面的分析，误差函数为：

e＝∑(y_i-ax_i-b)²

各偏导为：

de/da＝2∑(y_i-ax_i-b)x_i＝0

de/db＝-2∑(y_i-ax_i-b)＝0

于是得到关于a，b的线性方程组：

(∑x_i²)a+(∑x_i)b＝∑y_ix_i

(∑x_i)a+nb＝∑y_i

设A＝∑x_i²，B＝∑x_i，C＝∑y_ix_i，D＝∑y_i，则方程化为：

Aa+Bb＝C

Ba+nb＝D

解出a,b得：

a＝(Cn-BD)/(An-BB)

b＝(AD-CB)/(An-BB)

此处y＝ax+b方程还是指图像像素坐标系下的方程：y表示v，指的是纵坐标；x表示u，指的是横坐标，即拟合曲线的方程为v＝au+b；化解得u＝(v-b)/a，即u1＝(v1-b1)/a1；U2＝(v2-b2)/a2。

2.8误差分析

若是|u₁-u₀|≤Δu或|u₂-u₀|≤Δu，则可判定u₀与u₁/u₂相等，激光线条已经寻到“一边”。此Δu的值具体要根据环件直径大小，以及检测系统距离环件的远近来确定。此处u是指，在图像像素坐标系下的图像方程表达式，且由于绿色光条平行于环件轴线投射，故而方程形式为u＝u₀。

3环件外径检测理论

如图2所示，首先固定检测系统时测出检测装置离环件碾扩中心之间的距离L；假设P₁位置和P₂位置是环件边缘，当系统提示寻边成功时，系统记录下此时角位移编码器的角度，当系统再次提示寻边成功时，系统再次记录下角位移编码器的角度，两者角度只差即为角度θ，此刻环件外径d即可通过下述公式得出：

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。