基于机器视觉的高精度同轴度图像检测系统

基于机器视觉的高精度同轴度图像检测系统
基于机器视觉的高精度同轴度图像检测系统
傅海轮1梁冬泰 2
（1.浙江省计量科学研究院；2.宁波大学机械工程与力学学院）
【摘要】：针对磁推轴承同轴度高精度测量的要求，实现了一种基于机器视觉的数字图像测量系统，对系统的机械结构、运动控制、光学成像和图像检测系统进行了设计。

提出了Canny-Hough图像边缘检测定位算法，精确检测和定位导向针轮廓，实现同轴度的高精度测量。

【关键词】：磁推轴承同轴度数字图像测量
中图分类号：TH 文献标识码：A 文章编号：：1002-6908(2012)0610016-02
1、前言
磁推轴承是单向、三相机械式电能表的关键元件，其结构主要包括轴承外圆柱面、导向针和永磁体三个部分。

磁推轴承在出厂必须经过同轴度检测，国家标准规定轴承的外圆柱面与导向针的同轴度不应大于75um[1]。

目前，国内许多磁推轴承生产厂家在产品的同轴度检测上，还是依靠机械式光学投影仪进行同轴度检查，利用人工进行手动操作和肉眼读数。

这类检测方法效率低，易造成检测人员的疲劳，降低了测量精度和可靠性。

随着经济的发展，工业生产线对产品质量控制的要求越来越高，利用人眼进行检测并不能满足生产线对实时性与可靠性的要求[2]。

随着现代制造业的发展，基于数字图像传感器、图像处理技术的机器视觉自动检测系统和设备，在各种工业产品检测中得到了广泛应用[3,4]。

尺寸及形状的机器视觉检测是根据图像测量物体的尺寸，判断其是否在允许的公差范围内，对物体的姿态进行定位或者检测物体的形状是否符合要求等。

光光源和相机分别位于导向针的两侧，背光光源近似是平行光，将导向针前端部分的背影轮廓经过放大镜头，投影聚焦在数字相机的CCD成像元件上。

数字相机采用USB2.0接口，直接与工控计算机相连。

整个系统的应用程序运行在工控机上，应用程序根据相机提供的API程序获得图像数据，并对图像进行数字图像处理。

工控机通过R232串口与运动控制器进行通讯，获得系统启动、停止和结果保存的命令。

系统启动后，步进电机驱动压轮带动磁推轴承旋转，工控机利用图像处理算法获得导向针上边缘轮廓在旋转过程中的径向跳动，把距离导向针顶部1mm的位置作为测量点，将该点的最大径向跳动作为导向针的同轴度。

2.2 机械结构及运动控制设计
为了实现同轴度的高精度测量，必须设计实现高精度的电动旋转夹具。

系统中采用了两组SKF高精度轴承作为支承结构，被测的磁推轴承安装在高精度轴承构成的V型支承面上。

为了实现轴针在V型支承结构上的自动旋转，设计了步进电机驱动的压轮。

步进电机及传动齿轮和压轮都安装在可以向上打开的回转手柄上，打开手柄安装上被测的磁推轴承，压轮依靠整个手柄的重力压紧在轴针的基准圆柱面上。

压轮可以由步进电机驱动，也可以由与压轮直接连接的手轮手动驱动。

运动控制器主要用来控制和驱动步进电机，同时包含红色“启动”和绿色“保存”两个用户输入按钮，能够和工控计算机进行串口通讯。

运动控制器由AVR Mega32单片机和步进电机驱动芯片及电路构成。

当用户按一下“启动”按钮后，步进电机按照用户设定的速度旋转，同时运动控制器发送串口命令，工控机上的应用程序接收到开始命令后，进行图像处理检测导向针的上边缘的径向跳动，旋转中测量到的最大跳动作为同轴度。

当用户再次按启动按钮后，步进电机停止转动，同时运动控制器通过串口发送停止命令，工控机应用程序接收到停止命令后，停止图像处理，显示测量到的同轴度，并判断被测轴针同轴度是否在误差范围内，显示合格与否。

按下保存按钮后，可以将本次测量数据保存到计算机excel数据文件中。

2.3光学成像和图像检测系统
系统中的光学部分主要包括背光光源和高分辨率数字相机及放大镜头，是整个系统的关键元件。

为了达到系统同轴度检测精度的要求，必须对光学系统进行设计计算。

导向针的直径为0.5mm，系统设计要求屏幕显示的放大倍数50倍以上，能够显示刻度，最小刻度0.02mm，测量精度0.01mm，能够实现对基圆直径φ6，φ7，φ8的多种磁推轴承导向针的同轴度测量。

通过计
算，不同基圆直径在V型支承上造成基圆中心周不超过2mm的偏移。

为了方便设计，取检测的视野大小为6 mm×4.8 mm，采用130万像素数字相机，分辨率帧率为1280×1024@8fps，即相机只拍摄轴针部分图像。

物理像素精度为 6 mm/1280 pixel = 0.0046875 mm/pixel，可以实现系统的0.01mm测量精度要求。

工控机的采用15寸液晶显示器，15寸液晶的点距是0.297 mm。

导向针直径0.5 mm在图像上对应0.5 mm/0.0046875 mm/pixel = 106 pixel，显示的导向针直径是106×0.297mm = 31.482 mm，所以放大倍数为31.482 mm/0.5 mm约为64倍，满足设计要求。

根据上面计算选择合适的光学镜头。

因为130万像素数字相机采用了1/2英寸CCD芯片，大小约为6.4 mm×4.8 mm，系统中视野范围6 mm×4.8 mm，镜头的光学放大率约为1倍，系统中采用了Computar MLM-3XMP 工业超大变倍镜头，满足系统的光学设计要求。

系统中为了使背光图像清晰，实现导向针同轴度的高精度测量，采用了机器视觉专用的LED背光光源，能够提供近似的平行背光，保证数字相机能够获得导向针清晰的背影轮廓图像。

3、图像处理算法和软件设计
在系统的数字相机物理分辨率确定的情况下，主要影响轴针同轴度测量精度的因素为图像中导向针背影轮廓的定位精度和光
学系统标定精度。

为了实现同轴度的精确测量，提出基于Canny-Hough的边缘检测和直线定位精确算法。

3.1 Canny-Hough边缘检测定位算法与同轴度测量
Canny算子是一种具有优良性能的边缘检测算子，在图像处理领域得到了广泛应用，具有很高的边缘检测有效性和定位可靠性。

Canny边缘检测算法是先对图像进行平滑，然后利用二维滤波器计算图像的梯度值，从而得到梯度直方图.通过基于梯度直方图来选取双阈值，最后进行基于双阈值的非极大值抑制，得到边缘检测的图像。

利用Canny算子对图4a的导向针背影轮廓进行边缘检测，其中方框是图像检测的感兴趣区域，获得的边缘图像如图4b所示。

从检测结果可以看出Canny算子在检测导向针轮廓时具有较高的边缘定位精度。

从Canny算子获得的边缘图像是导向针的轮廓，为了测量同轴度，需要将轮廓拟合成直线作为同轴度测量标准。

为此采用了基于Hough变换的直线检测方法，先从边缘图像上检测多条直线段，再将多条直线段的平均值作为最终的导向针的圆柱面直线轮廓，做为测量标准，保证了同轴度测量精度。

Hough变换是图像处理分析的有效工具，它具有对随机噪声和部分遮盖现象不敏感的特点。

用来进行直线检测能很好的消除边缘噪声的影响，保证同轴度测量的可靠性。

Hough变
换的核心思想是点-曲线变换，不仅能够给出线段的参数，而且能够给出线段的数目。

边缘图像利用Hough变换给出的直线段如图4 c所示，对上下多条轮廓线段参数取平均，计算最终的导向针上下边缘直线轮廓，如图4 d所示。

从图像处理中获得了导向针的直线轮廓后，可以方便的测量磁推轴承导向针的同轴度。

把距离导向针顶端约1mm的位置做为测量点。

取导向针上边缘直线轮廓为测量标准，把该轮廓线与测量限制线的交点作为测量点，在轴针旋转过程中，测量该点上下跳动像素的最大值即为导向针的同轴度。

3.2 图像系统标定
图像系统的标定是同轴度测量的关键步骤，本系统采用专用标定轴和图像标定程序来完成图像系统的标定，标定轴如图5所示，基圆直径为φ7、前端标准直径为φ3。

系统标定时先将标定轴安装夹具上，利用图像处理测量出标准轴上下边缘的像素距离，其对于的实际尺寸就为φ3，所以可以求出实际的像素精度。

在实际测量导向针同轴度时，利用像素精度，根据导向针上边缘的跳动的像素值就可以求出实际的同轴度尺寸。

图4-1、标定轴结构尺寸图
4、实验测量结果
为了验证系统的准确
性，对DD58、LD68两个不同类型的磁推轴承进行同轴度检测实验，对同一零件反复拆卸测量30次，获得的数据如图4-1、2所示。

图4-1、DD58磁推轴承30次拆装同轴度测量结果
图4-2、LD68磁推轴承30次拆装同轴度测量结果
从图中可以看出，DD58零件测量的标准方差SD为0.00447mm，LD68零件测量的标准方差SD为0.00291mm，误差比较小，说明系统测量的重复精度比较好。

利用本系统对多种类型的磁推轴承进行测量，测量结果都能满足检测精度要求，获得正确的检测结果，满足了工业现场实际应用的需求。

5、结论
本文设计实现了一种基于机器视觉的磁推轴承同轴度高精度测量系统，对系统的机械结构、运动控制、光学成像和图像检测系统进行了设计。

实现了基于Canny-Hough图像边缘检测的定位算法，实现同轴度的高精度测量。

实验结果表明系统具有较高的测量精度，达到0.01mm的设计精度，能够满足工业现场检测的
实际要求，获得了用户的好评。

参考文献
[1] 电能表用零部件磁力轴承组件。

中华人民共和国机械行业标准：JB/T5465.2-2002.
[2] Malamas E, Petrakis G M, Zervakis M, et al. A survey on industrial vision system, applications and tools [J].
Image and Vision Computing, 2003, 21(2): 171-188.
[3] Industrial Inspection. /apps/inspection.html
[4] 段峰,王耀南.机器视觉技术及其应用综述.自动化博览, 2002, 19(3):59-61.
[5] A.R. Jimenez, R. Ceres, J.L. Pons, A vision system based on a laser range-finder applied to robotic fruit
harvesting, Machine Vision and Applications, 2000, 11(6): 321–329.
[6] M. Magee, S. Seida, An industrial model based computer vision system, Journal of Manufacturing Systems, 1995,
14 (3): 169–186.
[7] R.J. Hunsicker, J. Patten, A. Ledford, C. Ferman, M. Allen, Automatic vision inspection and measurement system
for external screw threads, Journal of Manufacturing Systems, 1994, 13(5): 370–384.
[8] Joze Derganc, Bostjan Likar, Franjo Pernus. A machine vision system for measuring the eccentricity of bearings.
Computers in Industry, 2003, 50(1): 103-111.。