２０１０年机械工程学套年会论文枭
基于机器视觉的国柱体零件尺寸精密检测
了云
（重庆市机电设计研究院４０１１４７）
格要ｔ本文分折了采用机器视觉椅涮圆柱体零件尺寸时存在曲蜘题．帆摄像，光源，妊理分析几方面综
台提出了解决方法．从而获得７较高的处理精度．
美建宇ｌ帆８规觉Ｉ尺寸；测量：疆柱体零件
一，机器视觉及其在工业领域的应用
检测技术是现代制造业的基础技术之一．是保证产品质量的关键。随着现代制造业的旋展，许多传统的检测技术已不能满足其需要．表现
在：现代制造产品种类有很大的扩充，现代制遗
．＿＝——－
—Ｊ・Ｊ
强调宴时、在线、非接触检测，现代产品的制造精度大大提高。现代制造业的进步需要研究新型的产品检测拄术。视觉检测技术具有非接触、速度快、精度合适、现场抗干扰能力强等突出的优点．能很好地满足现代制造业的需求，在实际中显示出广阔的应用前景。视觉检测技术是建立在计算机视觉研究基瞽｜｛上的－ｆｌ新兴检测技术，可
用于工业领域的根多方面。如零件检验与尺寸测量、零件的缺陷检查、零件装配、机器人的引导
Ｊ
因此需要想办法提高检测精度。
机器视觉检测中，常用的提高检测精度的方法有以下几种：
Ｉ）提高相机的物理像素（图像分辨率）
２）零件在视野中尽可能放大
和零件的识别等。
理
３）图像质量要好．图像尽可能请晰，便于处
４ｌ田像处理
二、问题的引出
在机械零件的尺寸检测中．经常有
ｏ．ｏｉ－ｏＯＯｌｒｎｍ尺寸精度要求；特别是圆柱体零件．由于其成像的特殊性．如何应蹦机器视觉进
对于第一点，在相同视野的情况下，由于相机的物理像素的提高，每一像素对应的零件尺寸就减小了，检测的精度就提高了。但是相机曲物理像素不可能无限制的提高。在工业应用方面，～般２００万（１６００ｘ１３６０）像素都是比较高的．
５００万的根少，而且性价比也很差。
行尺寸检测．达到这一辅度要求．是一个难点。
肯｝规的机器视觉梭测方法是对闰像先进行
标定，卸找出每一像素对应的零件尺寸，然后应用机器视觉方法对凹像进｛亍处理、分析，获得零件尺寸的像素值，应用标定的结果将像素值转化
为实际的尺寸值．
对于第二点．在相同相机物理像素的情况下，零件在视野中尽可能放大，则每一像素对应
的零件尺寸就磕小了，检测的精度就提高了。但
如图１所示零件．四槽直径∞２３ｍｍ，采用８０万（１０２４ｘ７６８）像素相机．视野大小为５ｌｌｌｌｍＸ３９ｍｍ。理论上每像素能达到ｏ．ＯＳｒｎｍ左右尺寸精度（分辨率），实际测得尺寸误差在
０
对于大尺寸零件．由于视野是一定的．零件不可
能放得很大。
第一点和第二点，是我们要提高捡铡精度的
基础。
５ｍｍ左右一约ｌＯ个像素误差。
我目】要提高检测精度．在第一点和第二点的基弼ｌ：上．还需要在第三点和第四点想办法：此外
２０１０年机械工程学会年套论文集
特别是．在常规图像处理方法外，还需要运用其他的方法以提高列像的处理精度．
下面就针对第三点和第四点，对如何提高检测精度具体进行分析．
的成败与性能。光源种类和光谱的选取以及光强、光源形状、照射角度的设计直接影响所获取图像质量的高低。通过适当的光源设计可以使检测目标需要检测的特征突出，同时抑制不需要的干扰，从而降低后期图像处理的难度和压力，缩
短运算时间．
三、光源对图像质量的影响
照明系统是机器视觉应用最关键的部分之一。其主要目标是以合适的方式将光线敉射到被铡物体上．突出被测特征部分的对比度．好的照明系统设计能够改善整个系统的分辨率，简化软件的运算；不舍适的照明，则会引起很多问题，例如花点和过度曝光会隐藏很多重要信息。
在整个机器视觉自动检刮系统中。照明系统选择与设计适当与吾至关重要，它关系整个系统
为了获得比较清晰的图像，尺寸检测一般采用背面照明的平板式光源。遮时候光源对图像的影响主要是对边缘的影响．特别是对哑柱体的边界。其中，光源的亮度对边界的影响极大。
如图２所示，相同直径圆柱体．不同亮度。所铡得的直径是不同的。而不同直轻圆柱体．同一亮度，所测得的直径与真实直径的差值也是不
同的。
ｌ怒：ｌ怒；
ｇ＃Ａ＆ｌ
≈ⅨＩ女《２§＆３
５
４６６９
Ｉｏ９７６９
直径３（叫ｎ）
直径４
（ｍｍ）
直径５
（栅）
ｌｌｌ
４２Ｈ３７６７
９＂ｌ
８．７４３
２０１０年机械工程学会年会论文集
因此，需要在最终的结果上对这两种情况进行修正。
因此实际使用过程中，本文所使用的软件通过一定的算法，采用部分搜索出的边缘点，更好地拟
合了边缘直线。
四、图像处理造成的影响
图像处理过程一般是以下几步
１）图像预处理２）阈值变换３）边缘提取４）亚像素定位５）特征参数计算
图像预处理是使用输入图像中一个像素的小邻域来产生输出图像中对应像素新的亮度数值。主要分为两类，一类是平滑，目的在于抑制噪声或其他小的波动，但平滑也会模糊所有的含有图像重要信息的明显边缘。另一类是锐化，采用梯度算子，即基于图像函数的局部导数，其在图像函数快速变化位置处较大；锐化的作用是在图像中显现这些位置，但锐化同时也会抬高噪声水平
平滑和锐化具有互相抵触的目标，我们需要选取合适的算法，尽可能同时达到平滑和边缘增强的目的。根据比较，我们采用中值滤波。中值滤波是一种减少边缘模糊的非线形平滑滤波，以邻域中亮度的中值代替图像当前的点。
阈值主要是对图像进行二值化，不同的阈值对图像的影响也主要是边界的影响。
阈值选取方法很多，通常是利用直方图阈值分割法，这种方法对于直方图具有明显的双峰图像，可获得很好的分割效果。在图像内容不太复杂、灰度分布较集中的情况下，往往采用这种直方图双峰法。
常用的边缘提取算子有Ｒｏｂｅｒｔｓ，Ｌａｐｌａｃｅ，Ｐｒｅｗｉｕ，Ｓｏｂｅｌ，Ｒｏｂｉｎｓｏｎ，Ｋｉｒｓｃｈ，Ｃａｎｎｙ等，经过比较，Ｃａｎｎｙ算子提取的边缘效果最好，但速度比较慢。由于在实际工业生产中，有一定的生产率要求，故综合比较处理效果和速度后，决定选取基于二阶导数过零点的边缘检测算子
Ｌａｐｌａｃｉａｎｏｆ
①边缘点
②传统拟合方法获取的边界直线
＠本文软件采用的拟合方法获取的边界直线
图３
如图４所示，首先，预测出一条边缘直线，然后计算所使用的边缘点的ＭＳＤ，即每个所使用边缘点到预测的边缘直线的平均距离：然后剔除太远的点，重新使用剩余的点预测出边缘直线，并计算所使用的边缘点的ＭＳＤ；循环执行直到合适的ＭＳＤ。
①边缘点到拟合直线的垂直距离②拟合的边缘直线
Ｇａｕｓｓｉａｎ（ＬｏＧ）。
＠拟合边缘直线所使用的点
图４
由于有噪声或其他因素的影响，搜索出的边缘点可能并不是实际的边缘点，如果将搜索出的全部边缘点进行直线拟合，如图３所示，所获取的拟合边缘直线与实际边缘直线可能相差甚远。
拟合出边缘直线之后，就可以采用几何的方
法计算出工件的直径或长度。
２０１０年机械工程学会年会论文集
五、解决的办法
由于造成系统测量误差的因素十分复杂，很难通过计算求出具体误差的大小，本文选择比对法对视觉系统进行标定，首先通过精密仪器测得标准工件的尺寸，然后以这个工件作为标准的参照物，计算每一像素对应的实际物理零件尺寸。这样做的好处在于，标准工件与被测元件的测量环境和条件相同，测量标准元件时产生的误差同样也会在测量被测元件时产生，因此可以抵消掉来自系统的误差，提高测量的精度。
这种方法具有标定精度高，标定过程简单，成本低，容易实现的特点，因为标定过程不需要计算摄像机的１３个内外部参数，只需要计算出摄像机的物面分辨率，而且使用的标定物为检测物本身，保证了检测物的检测面上各位置的光学参数与标定得到的参数是一致的。
同时，实际应用中运用了统计的方法，通过多个标准工件进行标定，进一步提高了标定精度。
序号
ｌ２３４５６７８９１０ｌｌ１２１３１４１５１６１７１８
弹头长度
２４．Ｏｏｏ
测量值误差序号
２３．９７１．０．０２９
Ｏ．０３６
１９２０２ｌ２２２３２４２５２６２７２８２９３０３ｌ３２３３３４３５３６
弹头长度
２４．０７８
测量值２４．０８５
误差
Ｏ．００７
２４．０２８２４．０“
２４．０１２
２４．１７４２４．１６１．０．０１３
２４．１００２４．０７４．０．０２６
２３．９１７
２３．９８００．０６３
０．０３ｌ０．０７７
２３．９９６．０．０１６２４．０７２Ｏ．０６７
Ｏ．０２３
２４．０Ｑ５
２４．０１５２４．０３８
２４．１４８２４．０１５
２４．０８３２４．１１４
２３．９８８２３．９６９２４．１６５２３．９２５２４．１１９
２４．１５９Ｏ．０１ｌ２４．０２２Ｏ．００７２４．０７５０．０３７２３．９８７．０．０２１２３．９４００．００５
．０．０５９
２４．０６５
２３．８７５．０．０９４２４．１８３０．０１８２３．９５９０．０３４２４．１２５Ｏ．００６
０．０９０Ｏ．００４０．０３１一Ｏ．００７
２４．０３８２４．００８
２３．９３５
２４．１９６２４．１３７
２３．９８９
２４．２６３２４．３５３２４．０１５２４．０１９
２４．０６ｌ
２３．９７７．０．０１２
－０．００３０．０（）６
２４．１８６２４．１８３２４．０８２２４．０８８２４．０７３
２４．１１２２４．１５２２４．１２３
２４．０９２
２４．０７１２４．０６４２４．００８
２４．０７３２４．１１６２３．８９５
２４．０６９．Ｏ．００４２３．９７５．０．０３３
２４．１０５２４．１１４
．Ｏ．００７．０．０３８．ｏ．００４
２４．０９２２４．１７０
０．０１９Ｏ．０５４
２４．１１９
２３．８７８．０．０１７
六、实际应用
综合应用本文所介绍的方法，我们在弹头的尺寸检测中，如下表所示，获得了误差在ｌ～２个像素（采用１０２４ｘ７６８像素相机，视野大小为
５
参考文献
【ｌ】图像处理、分析与机器视觉（第二版）．Ｍｉｌａｎ
Ｓｏｎｋａ、
Ｖ∽ｌｖａＨｌａｖ雏、ＲｏｇｅｒＢｏｙｌｅ著；艾海舟、武勃等译
１ｍｍｘ３９ｍｍ，理论上每像素能达到０．０５ｒａｍ左
【２】图像工程．章毓晋编著【３】
ＮＩ
Ｖｉｓｉｏｎ
Ｃｏｎｃｃｐｂ
右尺寸精度）的高精度。配合第一点和第二点的Ｍａｎｕａｌ．Ｎａｔｉｏｎａｌ
Ｉｎｓｔｔｕｍｅｎ协
措施，采用２００万到５００万的高像素相机，，完
全可以达到０．０１－０．００１ｒａｍ尺寸检测精度要求。
Ｃｏｒｐｏｒａｔｉｏｎ
１８０
２０１０年机械工程学套年会论文枭
基于机器视觉的国柱体零件尺寸精密检测
了云
（重庆市机电设计研究院４０１１４７）
格要ｔ本文分折了采用机器视觉椅涮圆柱体零件尺寸时存在曲蜘题．帆摄像，光源，妊理分析几方面综
台提出了解决方法．从而获得７较高的处理精度．
美建宇ｌ帆８规觉Ｉ尺寸；测量：疆柱体零件
一，机器视觉及其在工业领域的应用
检测技术是现代制造业的基础技术之一．是保证产品质量的关键。随着现代制造业的旋展，许多传统的检测技术已不能满足其需要．表现
在：现代制造产品种类有很大的扩充，现代制遗
．＿＝——－
—Ｊ・Ｊ
强调宴时、在线、非接触检测，现代产品的制造精度大大提高。现代制造业的进步需要研究新型的产品检测拄术。视觉检测技术具有非接触、速度快、精度合适、现场抗干扰能力强等突出的优点．能很好地满足现代制造业的需求，在实际中显示出广阔的应用前景。视觉检测技术是建立在计算机视觉研究基瞽｜｛上的－ｆｌ新兴检测技术，可
用于工业领域的根多方面。如零件检验与尺寸测量、零件的缺陷检查、零件装配、机器人的引导
Ｊ
因此需要想办法提高检测精度。
机器视觉检测中，常用的提高检测精度的方法有以下几种：
Ｉ）提高相机的物理像素（图像分辨率）
２）零件在视野中尽可能放大
和零件的识别等。
理
３）图像质量要好．图像尽可能请晰，便于处
４ｌ田像处理
二、问题的引出
在机械零件的尺寸检测中．经常有
ｏ．ｏｉ－ｏＯＯｌｒｎｍ尺寸精度要求；特别是圆柱体零件．由于其成像的特殊性．如何应蹦机器视觉进
对于第一点，在相同视野的情况下，由于相机的物理像素的提高，每一像素对应的零件尺寸就减小了，检测的精度就提高了。但是相机曲物理像素不可能无限制的提高。在工业应用方面，～般２００万（１６００ｘ１３６０）像素都是比较高的．
５００万的根少，而且性价比也很差。
行尺寸检测．达到这一辅度要求．是一个难点。
肯｝规的机器视觉梭测方法是对闰像先进行
标定，卸找出每一像素对应的零件尺寸，然后应用机器视觉方法对凹像进｛亍处理、分析，获得零件尺寸的像素值，应用标定的结果将像素值转化
为实际的尺寸值．
对于第二点．在相同相机物理像素的情况下，零件在视野中尽可能放大，则每一像素对应
的零件尺寸就磕小了，检测的精度就提高了。但
如图１所示零件．四槽直径∞２３ｍｍ，采用８０万（１０２４ｘ７６８）像素相机．视野大小为５ｌｌｌｌｍＸ３９ｍｍ。理论上每像素能达到ｏ．ＯＳｒｎｍ左右尺寸精度（分辨率），实际测得尺寸误差在
０
对于大尺寸零件．由于视野是一定的．零件不可
能放得很大。
第一点和第二点，是我们要提高捡铡精度的
基础。
５ｍｍ左右一约ｌＯ个像素误差。
我目】要提高检测精度．在第一点和第二点的基弼ｌ：上．还需要在第三点和第四点想办法：此外
２０１０年机械工程学会年套论文集
特别是．在常规图像处理方法外，还需要运用其他的方法以提高列像的处理精度．
下面就针对第三点和第四点，对如何提高检测精度具体进行分析．
的成败与性能。光源种类和光谱的选取以及光强、光源形状、照射角度的设计直接影响所获取图像质量的高低。通过适当的光源设计可以使检测目标需要检测的特征突出，同时抑制不需要的干扰，从而降低后期图像处理的难度和压力，缩
短运算时间．
三、光源对图像质量的影响
照明系统是机器视觉应用最关键的部分之一。其主要目标是以合适的方式将光线敉射到被铡物体上．突出被测特征部分的对比度．好的照明系统设计能够改善整个系统的分辨率，简化软件的运算；不舍适的照明，则会引起很多问题，例如花点和过度曝光会隐藏很多重要信息。
在整个机器视觉自动检刮系统中。照明系统选择与设计适当与吾至关重要，它关系整个系统
为了获得比较清晰的图像，尺寸检测一般采用背面照明的平板式光源。遮时候光源对图像的影响主要是对边缘的影响．特别是对哑柱体的边界。其中，光源的亮度对边界的影响极大。
如图２所示，相同直径圆柱体．不同亮度。所铡得的直径是不同的。而不同直轻圆柱体．同一亮度，所测得的直径与真实直径的差值也是不
同的。
ｌ怒：ｌ怒；
ｇ＃Ａ＆ｌ
≈ⅨＩ女《２§＆３
５
４６６９
Ｉｏ９７６９
直径３（叫ｎ）
直径４
（ｍｍ）
直径５
（栅）
ｌｌｌ
４２Ｈ３７６７
９＂ｌ
８．７４３
２０１０年机械工程学会年会论文集
因此，需要在最终的结果上对这两种情况进行修正。
因此实际使用过程中，本文所使用的软件通过一定的算法，采用部分搜索出的边缘点，更好地拟
合了边缘直线。
四、图像处理造成的影响
图像处理过程一般是以下几步
１）图像预处理２）阈值变换３）边缘提取４）亚像素定位５）特征参数计算
图像预处理是使用输入图像中一个像素的小邻域来产生输出图像中对应像素新的亮度数值。主要分为两类，一类是平滑，目的在于抑制噪声或其他小的波动，但平滑也会模糊所有的含有图像重要信息的明显边缘。另一类是锐化，采用梯度算子，即基于图像函数的局部导数，其在图像函数快速变化位置处较大；锐化的作用是在图像中显现这些位置，但锐化同时也会抬高噪声水平
平滑和锐化具有互相抵触的目标，我们需要选取合适的算法，尽可能同时达到平滑和边缘增强的目的。根据比较，我们采用中值滤波。中值滤波是一种减少边缘模糊的非线形平滑滤波，以邻域中亮度的中值代替图像当前的点。
阈值主要是对图像进行二值化，不同的阈值对图像的影响也主要是边界的影响。
阈值选取方法很多，通常是利用直方图阈值分割法，这种方法对于直方图具有明显的双峰图像，可获得很好的分割效果。在图像内容不太复杂、灰度分布较集中的情况下，往往采用这种直方图双峰法。
常用的边缘提取算子有Ｒｏｂｅｒｔｓ，Ｌａｐｌａｃｅ，Ｐｒｅｗｉｕ，Ｓｏｂｅｌ，Ｒｏｂｉｎｓｏｎ，Ｋｉｒｓｃｈ，Ｃａｎｎｙ等，经过比较，Ｃａｎｎｙ算子提取的边缘效果最好，但速度比较慢。由于在实际工业生产中，有一定的生产率要求，故综合比较处理效果和速度后，决定选取基于二阶导数过零点的边缘检测算子
Ｌａｐｌａｃｉａｎｏｆ
①边缘点
②传统拟合方法获取的边界直线
＠本文软件采用的拟合方法获取的边界直线
图３
如图４所示，首先，预测出一条边缘直线，然后计算所使用的边缘点的ＭＳＤ，即每个所使用边缘点到预测的边缘直线的平均距离：然后剔除太远的点，重新使用剩余的点预测出边缘直线，并计算所使用的边缘点的ＭＳＤ；循环执行直到合适的ＭＳＤ。
①边缘点到拟合直线的垂直距离②拟合的边缘直线
Ｇａｕｓｓｉａｎ（ＬｏＧ）。
＠拟合边缘直线所使用的点
图４
由于有噪声或其他因素的影响，搜索出的边缘点可能并不是实际的边缘点，如果将搜索出的全部边缘点进行直线拟合，如图３所示，所获取的拟合边缘直线与实际边缘直线可能相差甚远。
拟合出边缘直线之后，就可以采用几何的方
法计算出工件的直径或长度。
２０１０年机械工程学会年会论文集
五、解决的办法
由于造成系统测量误差的因素十分复杂，很难通过计算求出具体误差的大小，本文选择比对法对视觉系统进行标定，首先通过精密仪器测得标准工件的尺寸，然后以这个工件作为标准的参照物，计算每一像素对应的实际物理零件尺寸。这样做的好处在于，标准工件与被测元件的测量环境和条件相同，测量标准元件时产生的误差同样也会在测量被测元件时产生，因此可以抵消掉来自系统的误差，提高测量的精度。
这种方法具有标定精度高，标定过程简单，成本低，容易实现的特点，因为标定过程不需要计算摄像机的１３个内外部参数，只需要计算出摄像机的物面分辨率，而且使用的标定物为检测物本身，保证了检测物的检测面上各位置的光学参数与标定得到的参数是一致的。
同时，实际应用中运用了统计的方法，通过多个标准工件进行标定，进一步提高了标定精度。
序号
ｌ２３４５６７８９１０ｌｌ１２１３１４１５１６１７１８
弹头长度
２４．Ｏｏｏ
测量值误差序号
２３．９７１．０．０２９
Ｏ．０３６
１９２０２ｌ２２２３２４２５２６２７２８２９３０３ｌ３２３３３４３５３６
弹头长度
２４．０７８
测量值２４．０８５
误差
Ｏ．００７
２４．０２８２４．０“
２４．０１２
２４．１７４２４．１６１．０．０１３
２４．１００２４．０７４．０．０２６
２３．９１７
２３．９８００．０６３
０．０３ｌ０．０７７
２３．９９６．０．０１６２４．０７２Ｏ．０６７
Ｏ．０２３
２４．０Ｑ５
２４．０１５２４．０３８
２４．１４８２４．０１５
２４．０８３２４．１１４
２３．９８８２３．９６９２４．１６５２３．９２５２４．１１９
２４．１５９Ｏ．０１ｌ２４．０２２Ｏ．００７２４．０７５０．０３７２３．９８７．０．０２１２３．９４００．００５
．０．０５９
２４．０６５
２３．８７５．０．０９４２４．１８３０．０１８２３．９５９０．０３４２４．１２５Ｏ．００６
０．０９０Ｏ．００４０．０３１一Ｏ．００７
２４．０３８２４．００８
２３．９３５
２４．１９６２４．１３７
２３．９８９
２４．２６３２４．３５３２４．０１５２４．０１９
２４．０６ｌ
２３．９７７．０．０１２
－０．００３０．０（）６
２４．１８６２４．１８３２４．０８２２４．０８８２４．０７３
２４．１１２２４．１５２２４．１２３
２４．０９２
２４．０７１２４．０６４２４．００８
２４．０７３２４．１１６２３．８９５
２４．０６９．Ｏ．００４２３．９７５．０．０３３
２４．１０５２４．１１４
．Ｏ．００７．０．０３８．ｏ．００４
２４．０９２２４．１７０
０．０１９Ｏ．０５４
２４．１１９
２３．８７８．０．０１７
六、实际应用
综合应用本文所介绍的方法，我们在弹头的尺寸检测中，如下表所示，获得了误差在ｌ～２个像素（采用１０２４ｘ７６８像素相机，视野大小为
５
参考文献
【ｌ】图像处理、分析与机器视觉（第二版）．Ｍｉｌａｎ
Ｓｏｎｋａ、
Ｖ∽ｌｖａＨｌａｖ雏、ＲｏｇｅｒＢｏｙｌｅ著；艾海舟、武勃等译
１ｍｍｘ３９ｍｍ，理论上每像素能达到０．０５ｒａｍ左
【２】图像工程．章毓晋编著【３】
ＮＩ
Ｖｉｓｉｏｎ
Ｃｏｎｃｃｐｂ
右尺寸精度）的高精度。配合第一点和第二点的Ｍａｎｕａｌ．Ｎａｔｉｏｎａｌ
Ｉｎｓｔｔｕｍｅｎ协
措施，采用２００万到５００万的高像素相机，，完
全可以达到０．０１－０．００１ｒａｍ尺寸检测精度要求。
Ｃｏｒｐｏｒａｔｉｏｎ
１８０