CN113432543A

CN113432543A - 一种边缘零件直径尺寸测量方法

Info

Publication number: CN113432543A
Application number: CN202110675472.7A
Authority: CN
Inventors: 梅武军; 袁国堂; 蒋婷婷; 龚哲
Original assignee: Research Institute of Zhejiang University Taizhou
Current assignee: Research Institute of Zhejiang University Taizhou
Priority date: 2021-06-18
Filing date: 2021-06-18
Publication date: 2021-09-24

Abstract

本发明公开了一种边缘零件直径尺寸测量方法，具体包括如下步骤：1)线阵CCD数据处理步骤、2)数据拟合定位边缘点步骤、3)边缘粗定位步骤、4)尺寸初测定步骤、5)尺寸测定步骤；本发明提供设计合理、高精度测量的一种边缘零件直径尺寸测量方法。

Description

一种边缘零件直径尺寸测量方法

技术领域

本发明涉及尺寸测量技术领域，更具体的说，它涉及一种边缘零件直径尺寸测量方法。

背景技术

现有技术中，测量金属管嘴等微小圆筒形工件的直径尺寸时，测量者将一定尺寸的栓规套在工件的外侧进行测量。另外，进行自动测量时，将工件载置在V台等上，将接触式测量仪器的触针抵接到其外径部并使工件旋转，根据这时触针的位移量求得工件的内径尺寸。或者，将载置在V台等上的工件的端面用CCD摄影机进行摄像，根据得到的图像数据通过图像处理求得工件的内径。

但是，使用栓规进行测量时，测量者必须一件一件通过手工作业进行测量，有需要很多劳动力的缺点。另外，由于是手工操作，还有缺乏准确性的缺点。而使用线阵CCD测量仪器的测量中，会受到很多因素影响如背景图像是起伏变化的,与背景光强度有关；背景中有许多噪音(杂散点),特别是在动态复杂环境下的测量中,噪音的出现是随机的；再者目标的边缘是曲线形状,并不明显,且不对称。因此难以精确得出测量零件的直径尺寸。

发明内容

本发明克服了现有技术的不足，提供设计合理、高精度测量的一种边缘零件直径尺寸测量方法。

为了解决上述技术问题，本发明的技术方案如下：

一种边缘零件直径尺寸测量方法，具体包括如下步骤：

1)线阵CCD数据处理步骤：对通过线阵CCD获取的尺寸测量图，进行数据噪声剔除和噪点滤波消除处理；

2)数据拟合定位边缘点步骤：将步骤1)处理后的数据通过最小二乘法拟合直线方法实现获得某一处最大斜率，并将其作为激光测量点的边缘点；

3)边缘粗定位步骤：根据步骤2)中获得的边缘点分布数据，通过Canny算子来进行像素定位，确定实际边缘的大致区域；

4)尺寸初测定步骤：采用通过对拟合的直线函数求导，得出在区间[a，b]，[c，d]之间的最优左右两边的边沿坐标，从而得到一个最精确的坐标值；

5)尺寸测定步骤：零件直径尺寸测量，采用的基本模型如下：

其中d为零件直径(mm)；h为单个线性阵列像素宽度(mm)；ΔP为零件遮挡的线性阵列像素个数；β为光学系统的放大倍数。

则Δp＝p_R-p_L，其中P_R表示右边边沿斜率最大的某一点；P_L表示左边边沿斜率最大的某一点；

然后由如下公式得零件直径：

其中，d为零件直径(mm)；h为单个线性阵列像素宽度(mm)；j为零件遮挡的右边线性阵列像素位置；i为零件遮挡的左边线性阵列像素位置；β为光学系统的放大倍数。

进一步的，步骤1)中数据噪声剔除和噪点滤波消除处理如下：

以主图像为基线，给定两个阈值d和N，令H(i)表示第i个像素的灰度值，假定在第1个像素处没有噪音，即H(1)为正常的灰度值，假定像元素数为M，对于像素i从1到M-1；

如果有|H_i+1-H_i|＜d，则证明灰度值是连续变化的，H(i+1)不属于应该剔除的噪音点；

线阵CCD数据的前端处理通过一阶RC低通滤波器实现，假设电路的输出阻抗很大，输入阻抗很小，可获得以下公式：

其中，电容的阻抗是：

而ω＝2πf，截止频率为

此频率下的信号，通过这个电路，输出电压和输入电压的关系式是：

或者时域上的表达式：

上式离散后，得到最终如下公式：

其中，V₀(k)为输出结果，K为系数，V_i(k)为输入的数据，R为RC阻容滤波的电阻值，C为RC阻容滤波的电容值，T为滤波频率。

进一步的，步骤2)中的最小二乘法拟合直线方法如下：

设拟合直线为：y＝kx+a，误差为d_i＝y_i-(kx+a)；最小二乘法为：

对该等式的参数k、a求导，得如下两个等式：

两个等式构成方程组，求解a，b，并引入平均数后如下：

求得

其中，k为所拟合的直线的斜率值，a为所拟合的直线的补偿系数，

为像素点的灰度值累加的平均值，

为像素点的位置值由此得知最小二乘法拟合直线的函数。

进一步的，步骤3)中Canny算子的具体步骤如下：

先用高斯函数对图像灰度函数进行卷积，设图像灰度函数为f(x)，一维零均值高斯函数如下式所示：

σ是正态分布的标准偏差，e为自然常数，x为输入值；

那么高斯函数对图像灰度函数进行卷积结果如下所示：

h(x)＝f(x)*g(x)

其中“*”表示卷积；

再进行一阶求导得到梯度G(x)，如下所示：

最后进行梯度极值判断，如下所示：

G(x_i)＝max(G(x))

其中x_i为边缘粗定位像素点，此时将像素点x_i的灰度值f(x_i)以及点x_i相邻的点和灰度值分别保存下来，以供后续处理。

本发明的有益效果是：

本发明被测物尺寸，突破了目前基于线阵CCD的尺寸测量技术中多用于小尺寸物体测量局限，提出了亚像素精度边缘检测算法，首先，结合学成像理论分析了背光光源下不同直么零件的边缘特性，采用Canny边缘检测和多项式拟合算法实现亚像素边线提取；提出平均距离法区分零件上下边缘，最终利用成像原理和直线与零件表面交点确定零件尺寸。

附图说明

图1为本发明的整体处理流程图；

图2为本发明的线阵CCD像素示意图；

图3为本发明的滤后得到的图纸数据图；

图4为本发明的阶跃边缘图像梯度分析图；

图5为本发明的M次细分插值后的线阵CCD像素示意图；

图6为本发明的亚像素高精度的边缘定位数据流程图；

图7为本发明的CCD实例数据示意图；

图8为本发明的结构图。

图中标识：左部1、凸块11、条形槽12、左直角梯形部13、左四边形部14、散热孔15、左侧线阵CCD图像采集装置16、导向板17、右部2、右直角梯形部21、右四边形部22、激光片23、发射器电路板24、激光头固定座25、底部3、导向槽31。

具体实施方式

下面结合附图和具体实施例对本发明进一步说明。应当说明的是，实施例只是对本发明的具体阐述，其目的是为了让本领域技术人员更好地理解本发明的技术方案，不应视为对本发明的限定。

实施例1：

如图1至图8所示，一种边缘零件直径尺寸测量方法，尺寸测量仪包括左侧线阵CCD图像采集装置16、右侧光线反射结构、中间放置待检测尺寸的零件，左侧线阵CCD图像采集装置16的线阵CCD相机对零件进行拍摄，再由左侧线阵CCD图像采集装置16内的处理器进行数据处理。

尺寸测量仪整体呈左右对称结构，其包括左部1、右部2和底部3，左部1、右部2形状相同，左部1、右部2分别设置在底部3两端。底部3远离左部1的一侧的两边设置导向槽31，便于将尺寸测量仪设置在其他设备上。

左部1包括左直角梯形部13和左四边形部14，左直角梯形部13和左四边形部14联通。左直角梯形部13靠近左四边形部14的一侧设置左侧线阵CCD图像采集装置16，左侧线阵CCD图像采集装置16通过在左直角梯形部13的底部3设置凸块11进行固定，凸块11上设置放置左侧线阵CCD图像采集装置16的条形槽12。左侧线阵CCD图像采集装置16与左直角梯形部13远离左四边形部14的一侧之间设置八字形导向板17。左四边形部14靠近尺寸测量仪底部3的一边上设置散热孔15。左侧线阵CCD图像采集装置16主要进行激光接收，进行信息的处理。

右部2包括右直角梯形部21和右四边形部22，右直角梯形部21和右四边形部22联通。右直角梯形部21设置激光片23和发射器电路板24；右四边形部22设置激光头固定座25，进行激光头固定。发射器电路板24设置在右四边形部22的一侧。

零件直径尺寸测量方法具体包括如下步骤：

1)线阵CCD数据处理步骤：对通过线阵CCD获取的尺寸测量图，进行数据噪声剔除和噪点滤波消除处理。因为线阵CCD获取的图像有三个明显的特点：(1)背景图像是起伏变化的，与背景光强度有关；(2)背景中有许多噪音(杂散点)，特别是在动态复杂环境下的测量中，噪音的出现是随机的；(3)目标的边缘是曲线形状，并不明显，且不对称。

噪声主要由电源噪声、线阵CCD的前端采集电路、信号放大电路、AD转换电路产生，其幅度和出现的位置一般是随机的，基本上是孤立点。为了剔除这些杂散点，采用以下比较方法进行剔除：

如果有|H_i+1-H_i|＜d，则证明灰度值是连续变化的，H(i+1)不属于应该剔除的噪音点。如果|H_i+1-H_i|＞d，则说明在第i+1个像元的灰度值变化太大，有可能是杂散点，但也存在着是目标信号的可能性。可以保留进行后续处理。

噪点滤波消除即采用对线阵CCD数据的前端处理通过一阶RC低通滤波器实现，假设电路的输出阻抗很大，输入阻抗很小，可获得以下公式：

其中，j为常量参数，电容的阻抗是：

而ω＝2πf，截止频率为

或者时域上的表达式：

上式离散后，得到最终如下公式：

根据产品的实际设计要求，并考虑到低通滤波电路对整个测量的影响，一般建议采用200Hz频率，即f_cut＝200，并计算RC的值，通过滤后得到的图纸数据会如图3所示。

2)数据拟合定位边缘点步骤：将步骤1)处理后的数据通过最小二乘法拟合直线方法实现获得某一处最大斜率，并将其作为激光测量点的边缘点。

具体最小二乘法拟合直线方法如下：

对该等式的参数k、a求导，得如下两个等式：

两个等式构成方程组，求解a，b，并引入平均数后如下：

求得

为像素点的灰度值累加的平均值，

为像素点的位置值由此得知最小二乘法拟合直线的函数。

具体以图7为例，当MCU收到CCD边沿一组数据后，详细的16进制数据为：FD C9 CBFF C3 A2 AB A3 81 71 8D 78 60 57 53 5E 3E 31 30 22 28 2D总共为22个数据，X为1到22自然数，y为前面16进制的22个数据值，根据以上公式可以得出如下：

拟合计算出的零件工具的轴线公式为：

y＝-9.67154x+233.495

根据图片上的边沿的灰度值与拟合后的数据比对，可以看出，数据基本上得到了很好的处理。

3)边缘粗定位步骤：根据步骤2)中获得的边缘点分布数据，通过Canny算子来进行像素定位，确定实际边缘的大致区域。

即整体上亚像素边缘定位前，必须先采用像素级边缘检测方法确定边缘点的位置，然后根据边缘点附近的灰度分布来进行像素定位；选用Canny算子进行像素级边缘提取，首先对图像进行高斯平滑，通过高斯卷积实现；然后对平滑后的图像进行简单的一维一阶微分操作。

具体的Canny算子实现的核心思想是先采用canny算子进行像素级边缘粗定位，确定实际边缘的大致区域；然后只对粗定位的像素区域使用。

检测阶跃边缘的基本思想是图像中阶跃边缘对应着图像梯度的局部极值点，因此可以通过求出图像梯度的极值点来检测图像边缘。但是实际图像由于受到光学系统与电路系统的低通滤波效应的影响，再加上场景中的噪声的干扰，阶跃边缘可能不是十分陡峭。也就是说图像梯度的逼近面临着抑制噪声效应和精确定位两个要求，而这个两个要求又是互相影响的，无法同时满足，想减少噪声，就得多牺牲细节；想多保留细节，就不能有力地抑制噪声。本方案采用高斯函数的一阶导数作为一种线性算子，对图像进行平滑来抑制噪声，可以在抗噪声干扰和精确定位之间选择一个最佳折衷方案，很好的解决了这个矛盾。这种平滑是在整个图像平面上进行的。canny算子的实质就是高斯函数的一阶导数，是对信噪比与定位之乘积的最优逼近算子。

Canny算子的具体步骤如下：

先用高斯函数对图像灰度函数进行卷积，设图像灰度函数为f(x)，一维零均值的高斯函数如下式所示：

σ是正态分布的标准偏差，e为自然常数，x为输入值；

那么，结果如下所示：

h(x)＝f(x)*g(x)

其中“*”表示卷积；

再进行一阶求导得到梯度G(x)，如下所示：

最后进行梯度极值判断，如下所示：

G(x_i)＝max(G(x))

4)尺寸初测定步骤：采用像素均值插值方式，获取零件表面交点以确定零件尺寸；像素均值插值方式具体如下：

对线阵CCD获取的数据中，找到边沿中心区段位置，并通过平均值的M次细分插值方式进行插值；在边缘区域找合适的区间a₁、a₂、a₃、a₄四个边沿区域像素点，找到与之匹配的q₁、q₂、q₃、q₄灰度值，通过均值方式插入一个适当若干点a_n，q_n点，即当前第N次的亚像素坐标为a_n，具体插入方式如下：

再通步骤2)中的最小二乘法拟合的函数，找到对应的灰度值q_n，由此获得相应的完整的插值数据；

5)尺寸测定步骤：通过重复步骤3)、步骤4)进行二次数据处理，精准定位边缘数据，得出零件直径尺寸数据。

实施例2：

本实施例与实施例1基本相同，本实施例的不同之处在于步骤4)采用通过对拟合的直线函数求导，得出在区间[a，b]，[c，d]之间的最优左右两边的边沿坐标，从而得到一个最精确的坐标值。

步骤5)中的零件直径尺寸测量，采用的基本模型如下：

然后由如下公式得零件直径：

以上所述仅是本发明优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，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保护范围。