㊀２０１８年㊀第１０期
仪表技术与传感器
Ｉｎｓｔｒｕｍｅｎｔ㊀Ｔｅｃｈｎｉｑｕｅ㊀ａｎｄ㊀Ｓｅｎｓｏｒ
２０１８㊀Ｎｏ １０㊀
基金项目：国家自然科学基金项目（６１３７１１９０）收稿日期：２０１７－０９－１３
张俊勇１，伍世虔１，陈㊀彬２，张㊀琴１，廖龙兴３
（１．武汉科技大学，冶金装备及其控制教育部重点实验室，湖北武汉㊀４３００８１；２．武汉科技大学信息科学与工程学院，
湖北武汉㊀４３００８１；３．泉州华中科技大学智能制造研究院，福建泉州㊀３６２０００）
㊀㊀摘要：针对零件的自动化测量环节，搭建了一套可用于工业流水线生产的零件多尺寸在线测量系统㊂首先，对经典的张正友相机标定方法进行了改进；其次，把边缘聚焦思想用于Ｃａｎｎｙ算子实现了 高精度的零件轮廓提取；然后根据相机的极线对齐理论，提出了基于极线阈值约束的灰度相关边缘匹配算法，获得零件轮廓点云图；最后，对目标点云数据拟合得到零件关键尺寸㊂整个过程基于高斯金字塔多分辨率技术来实现，在满足测量精度的前提下进一步提高了检测速度㊂经过多次实验测试，该系统具有测量精度较高㊁重复性误差小的优点，可以较好地完成零件的在线检测任务㊂关键词：双目视觉；在线测量；相机标定；边缘聚焦；高斯金字塔；流水线
中图分类号：ＴＰ３９１㊀㊀㊀文献标识码：Ａ㊀㊀㊀文章编号：１００２－１８４１（２０１８）１０－００７５－０６
ＢｉｎｏｃｕｌａｒＶｉｓｉｏｎＢａｓｅｄＭｕｌｔｉ⁃ｄｉｍｅｎｓｉｏｎｓＯｎ⁃ｌｉｎｅ
ＭｅａｓｕｒｉｎｇＳｙｓｔｅｍｆｏｒＷｏｒｋｐｉｅｃｅｓ
ＺＨＡＮＧＪｕｎ⁃ｙｏｎｇ１，ＷＵＳｈｉ⁃ｑｉａｎ１，ＣＨＥＮＢｉｎ２，ＺＨＡＮＧＱｉｎ１，ＬＩＡＯＬｏｎｇ⁃ｘｉｎｇ３
（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｅｔａｌｌｕｒｇｉｃａｌＥｑｕｉｐｍｅｎｔａｎｄＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆ
ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ；３．ＱｕａｎｚｈｏｕＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＩｎｔｅｌｌｉｇｅｎｔ
ＭａｎｕｆａｃｔｕｒｉｎｇＩｎｓｔｉｔｕｔｅ，Ｑｕａｎｚｈｏｕ３６２０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔａｕｔｏｍａｔｉｃｍｅａｓｕｒｅｍｅｎｔｏｆｗｏｒｋｐｉｅｃｅｓ，ａｂｉｎｏｃｕｌａｒｖｉｓｉｏｎｂａｓｅｄｍｕｌｔｉ⁃ｄｉｍｅｎｓｉｏｎｓｏｎ⁃ｌｉｎｅｍｅａｓｕｒｉｎｇｓｙｓ⁃ｔｅｍｕｓｅｄｉｎｔｈｅｉｎｄｕｓｔｒｉａｌａｓｓｅｍｂｌｙｌｉｎｅｆｏｒｗｏｒｋｐｉｅｃｅｓｗａｓｃｏｎｓｔｒｕｃｔｅｄ．Ｆｉｒｓｔｌｙ，ａｎｉｍｐｒｏｖｅｍｅｎｔｗａｓｍａｄｅｏｎｔｈｅｃｌａｓｓｉｃＺｈａｎｇ ｓｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｅｄｇｅｆｏｃｕｓｉｎｇｗａｓｅｍｐｌｏｙｅｄｉｎＣａｎｎｙｄｅｔｅｃｔｏｒｔｏａｃｃｕｒａｔｅｌｙｅｘｔｒａｃｔｓｔｒｕｃｔｕｒａｌｂｏｕｎｄａｒｉｅｓ．Ｆｕｒ⁃ｔｈｅｒｍｏｒｅ，ａｃｃｏｒｄｉｎｇｔｏｅｐｉｐｏｌａｒａｌｉｇｎｍｅｎｔｔｈｅｏｒｙ，ｔｈｅｇｒａｙｃｏｒｒｅｌａｔｉｏｎｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｅｐｉｐｏｌａｒａｎｄｔｈｒｅｓｈｏｌｄｃｏｎ⁃
ｓｔｒａｉｎｔｗａｓｐｒｏｐｏｓｅｄｔｏｏｂｔａｉｎｐｏｉｎｔｃｌｏｕｄｏｆｃｏｎｔｏｕｒｓ．Ｆｉｎａｌｌｙ，ｔｈｅｔａｒｇｅｔｐｏｉｎｔｃｌｏｕｄｗａｓｐｒｏｃｅｓｓｅｄａｎｄｆｉｔｔｅｄｔｏｙｉｅｌｄｔｈｅｋｅｙｗｏｒｋｐｉｅｃｅｓｄｉｍｅｎｓｉｏｎｓ．ＴｈｅｗｈｏｌｅｐｒｏｃｅｓｓｗａｓｂａｓｅｄｏｎＧａｕｓｓｉａｎｐｙｒａｍｉｄｍｕｌｔｉ⁃ｒｅｓｏｌｕｔｉｏｎｔｅｃｈｎｏｌｏｇｙ，ａｎｄｔｈｅｄｅｔｅｃｔｉｏｎｓｐｅｅｄ
ｗａｓｆｕｒｔｈｅｒｉｍｐｒｏｖｅｄｕｎｄｅｒｔｈｅｐｒｅｍｉｓｅｏｆｓａｔｉｓｆｙｉｎｇｔｈｅｍｅａｓｕｒｅｍｅｎｔａｃｃｕｒａｃｙ．Ａｆｔｅｒｓｅｖｅｒａｌｅｘｐｅｒｉｍｅｎｔｓ，ｔｈｅｓｙｓｔｅｍｈａｓｔｈｅａｄ⁃ｖａｎｔａｇｅｓｏｆｈｉｇｈｍｅａｓｕｒｉｎｇａｃｃｕｒａｃｙａｎｄｓｍａｌｌｒｅｐｅａｔａｂｉｌｉｔｙｅｒｒｏｒ，ａｎｄｃａｎｃｏｍｐｌｅｔｅｔｈｅｏｎ⁃ｌｉｎｅｔｅｓｔｉｎｇｏｆｐａｒｔｓｗｅｌｌ．Ｋｅｙｗｏｒｄｓ：ｂｉｎｏｃｕｌａｒｖｉｓｉｏｎ；ｏｎ⁃ｌｉｎｅｍｅａｓｕｒｅｍｅｎｔ；ｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎ；ｅｄｇｅｆｏｃｕｓｉｎｇ；Ｇａｕｓｓｉａｎｐｙｒａｍｉｄ；ａｓｓｅｍｂｌｙｌｉｎｅ
０㊀引言
随着中国制造２０２５的推进，工业上对产品的加工㊁检测等自动化程度提出了更高的要求，特别是
面对零件连续大批量生产时，传统的人工测量方法已不能满足目前工业自动化的需要㊂因此，基于视觉传感测量的方式应运而生㊂
国内学者对视觉测量方法研究较多，孙军华等介绍了一种采用双目相机结合编码结构光的三维测量系统，通过移动测量仪获得三维点云矩阵，并使用点
云拼接方法完成大型曲面的测量［１］㊂张瑞峰等设计了一种基于虚拟双目视觉的测量系统，由线激光器和工业相机构成，由导轨带动激光器做一维平移扫描，实现了圆形工件的轴线测量［１］㊂全燕鸣等搭建了一套用于车间数控机床上的双目测量系统，通过移动相机对工件不同部位进行拍照处理，实现了对简单工件的几何尺寸测量［３］㊂夏瑞雪等提出了一种利用工件ＣＡＤ模型，通过人工点击方式引导视觉测量仪进行测量［４］㊂这些方法仅适用于单个静态物体的尺寸检测，
测量效率较低㊂本文使用被动式双目测量方式，结合光电传感器和光源控制器，搭建了一套面向工业大批量生产的零件在线测量系统，并从影响视觉测量精度
㊀㊀
㊀
㊀
㊀７６㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒ
Ｏｃｔ ２０１８㊀
的３个要素着手，对经典的相机标定㊁边缘检测和特征点匹配等方法进行研究与改进，提高了三维测量精度㊂
１㊀系统搭建及电路设计
１．１㊀双目视觉在线测量系统的搭建
本文设计的双目在线测量系统，主要实现了大批量零件流水线传输时的在线尺寸检测，以及配合工业机器人对不合格零件进行在线智能分拣㊂图１为搭建的在线测量系统，该系统主要包括双目相机㊁传送带㊁光电传感器㊁漫反射光源㊁光源控制器和工业机器人等㊂待测零件由传送带从右向左传输，利用光电传感器及光源控制器实现两个相机同步外触发拍照及光源同步频闪补光㊂在线测量系统完成对零件关键尺寸的检测，对于不合格的零件，系统利用相机帧信息㊁零件的三维点云信息以及传送带传输速率信息，控制工业机器人将次品零件移入不合格料篓
㊂
图１㊀双目视觉在线测量系统
１．２㊀双目相机及光源同步外触发电路设计
系统采用了一对完全一样的ＭＶ－ＥＭ１２０Ｃ工业相机，相机内部的Ｉ／Ｏ线路通过光耦连接㊂为保证在线测量系统的测量精度，２个相机必须同步采集照片，同时为了避免产生运动模糊，相机曝光时间必须足够短，为此系统增加了高亮度漫反射光源，并通过光源控制器实现只在相机拍照时同步频闪，这样抑制了ＬＥＤ内部升温可使光源长时间稳定工作㊂
针对上述要求，设计了双目相机及光源外触发接
线电路，如图２所示，光电传感器检测到零件后，信号线Ｏｕｔ和零电位线Ｇｎｄ导通，此时相机的引脚２和３接收到电压激励信号，光耦常开开关闭合，相机内部电路导通，２个相机经电平上升沿触发同步曝光拍照，与此同时，连接引脚４和５端口的光耦常闭开关断开，开关三极管ｂ极由低电平变为高电平，大于导通电压，三极管ｃ极和ｅ极饱和导通，光源控制器外触发端口受到电压激励后，输出电压脉冲信号触发漫反射光
源频闪补光
㊂
图２㊀双目相机及光源同步外触发电路原理图
２㊀高精度在线测量系统
２．１㊀双目视觉在线测量系统的标定２．１．１㊀双目视觉测量模型
双目视觉测量是基于视差原理获得待测物体表面的
三维坐标信息，如图３所示，ｐ（ｕ，ｖ）是空间中一点Ｐ（Ｘ，Ｙ，Ｚ）在相机成像面Ｉ上的投影坐标，Ｏｌ㊁Ｏｒ分别为左右相机光心，ｎ为相机主光轴向量，ｆ为相机焦距㊂若已知空间点Ｐ在左右像平面的投影坐标Ｐｌ和Ｐｒ以及相机标定参数，即可计算出点Ｐ的三维坐标（Ｘ，Ｙ，Ｚ
）㊂
图３㊀双目视觉测量模型
２．１．２㊀相机标定方法的改进
相机标定是估计镜头和图像传感器的参数，包括
相机内参㊁外参以及透镜畸变系数，标定的准确性与鲁棒性直接影响系统的测量精度㊂相机模型有线
性和非线性之分，基于小孔成像的线性模型为：ｓｕｖ１éëêêêêùûúúúú＝Ｋ［Ｒ㊀ｔ］ＸＹＺ１é
ëêêêêêùû
úú
úúú，Ｋ＝ｆｘ０ｕ００ｆｙｖ０００１éëêêêêùûúúúú（１）
式中：ｓ为尺度因子；（ｕ，ｖ）为空间点（Ｘ，Ｙ，Ｚ）投影到成像面的图像坐标；ｋ为相机内参，包括焦距ｆｘ和ｆｙ，主点坐标（ｕ０，ｖ０）；［Ｒ㊀ｔ］为相机外参矩阵㊂
目前工业相机普遍使用透镜模型，由于透镜加工及
㊀㊀
㊀
㊀
㊀第１０期张俊勇等：基于双目视觉的零件多尺寸在线测量系统
７７㊀㊀
安装的误差，相机成像发生畸变，相机非线性模型为
ｕ＝ｕ＋δｕ（ｕ，ｖ）ｖ＝ｖ＋δｖ（ｕ，ｖ）
{
（２）
式中：（ｕ，ｖ）为存在畸变的实际图像坐标；（ｕ，ｖ）为理想图像坐标；δｕ和δｖ为非线性畸变参数㊂
张正友提出了一种灵活的平面标定方法［５］，解决
了传统标定对昂贵设备的需求和自标定精度低的问题，但其自身也存在缺陷㊂张正友标定法是先通过相机线性模型获得封闭解，然后以该解作为初值，通过非线性搜索算法估计所有参数，包括相机内参㊁外参以及畸变系数㊂因为相机参数是耦合的，若提供的初值精度不高，非线性优化表现会很差，也就是不同的标定图像求解的相机参数相差很大，标定的准确性和鲁棒性不够㊂
初值的求解精度受限于２个方面：标定图像的采集质量和标定板角点的提取精度㊂本系统使用高精度棋盘格标定板，采用随机抽样一致性算法（ＲＡＮＳＡＣ）［６］，从影响初值求解精度的两方面入
康q手，自动去除不合规范的低质量图像和精度较低的角点，提高了标定精度，具体流程如下：
（１）基于绝对二次曲线的像（ＩＣＡ）在单个相机中
不变的理论［７］，构建ＩＣＡ模型，运用ＲＡＮＳＡＣ思想，自动去除低质量的标定图像㊂
（２）基于标定板和成像面的单应性映射，利用每幅标定板角点的重投影误差大小，运用ＲＡＮＳＡＣ思想，自动去除误差较大的角点㊂
（３）最后使用封闭解求得较为准确的初值，即相机的初始内外参数，然后考虑到镜头畸变因素，采用非线性优化算法求得精确的相机内外参数以及透镜畸变系数㊂
（４）采用上面１ ３步改进的标定算法分别对左右
纤维素水解相机进行标定，计算双目相机的相对位置参数㊂２．２㊀边缘聚焦思想的轮廓检测
利用视觉进行尺寸测量感兴趣的是零件的轮廓特征，例如孔特征㊁线特征，对零件边缘轮廓特征的精确提取可以提高系统测量精度㊂边缘检测的算子很多，有Ｓｏｂｅｌ㊁Ｐｒｅｗｉｔｔ㊁Ｌｏｇ和Ｃａｎｎｙ等，其中Ｃａｎｎｙ算子的边缘检测效果最好，其凭借低漏检率㊁高定位精度而被广泛采用㊂但Ｃａｎｎｙ也有不足之处：Ｃａｎｎｙ算法采用高斯核进行平滑滤波：
ｇ（ｘ，ｙ）＝１２πσ２ｅｘｐ（－ｘ２＋ｙ２
σ
２）
（３）
式中：（ｘ，ｙ）为图像坐标；σ为高斯核宽度参数㊂
σ的取值对边缘检测影响很大，如果σ取值过
小，图像平滑不够，除了零件的关键轮廓外，其表面的细小纹理等弱边缘也一同检测出来，不利于后面的分析判断；若σ取值过大，在抑制不必要边缘细节的同时会使边缘发生偏移，降低了边缘定位准确度㊂为了解决这一问题，本文将边缘聚焦技术［８］与Ｃａｎｎｙ亚像素边缘定位算法结合㊂文献［８］论证了当Δσɤ０ ５时，经高斯核函数平滑后的边缘偏移量不超过一个像素㊂基于上述论证，设计的边缘检测流程如图４所示，其核心思想就是首先采用较大的高斯核宽度σ０，然后不断地以步长０．５减小σ０并迭代优化边缘达到逼近出租车计价器传感器
真实边缘的同时又抑制了弱边缘的目的
㊂
图４㊀边缘检测流程图
需要注意的是，由于在迭代中使用了较小尺寸的σ，经Ｃａｎｎｙ检测后的新边缘Ｅ（ｉ，ｊ，σｋ）会比旧边缘的定位精度更加准确，但相对于旧边缘会出现一些不必要的边缘细节及噪声㊂解决方法如下：对新边缘Ｅ（ｉ，
ｊ，σｋ）采用８连通的方法对其连通区域进行标记，若新边缘中的像素点在旧边缘的８邻接范围内，且该点所在的连通区域长度超过给定的阈值，则该点保留，否则去除㊂该方法可以有效地抑制新边缘中出现的弱边缘及噪声，得到只含零件轮廓特征的高精度边缘图，记为Ｅ０（ｉ，ｊ，σｋ）㊂
２．３㊀基于极线阈值约束的灰度相关边缘匹配
特征匹配的目的是寻左右图像的特征匹配点，也称共轭点㊂传统的匹配点搜索策略为
Θ∗＝ａｒｇｍａｘΘ
｜Ｆｉ⊕Ｆｊ（Θ）｜
（４）
式中：Θ为运动参数（沿ｘ，ｙ方向的平移）；⊕为相似性度量；Ｆｉ和Ｆｊ分别为左右图像特征点的聚合描述子㊂
传统的匹配策略为二维搜索，即沿ｘ㊁ｙ方向的搜索，时间代价和误匹配率均较高，采用极线约束后，左右图像的共轭点在同一水平线上，实现了只沿ｘ方向的一维搜索㊂因为极线约束只实现了特征点对的ｙ坐标一致，左图像的特征点在极线约束下可能对应多个
㊀㊀
㊀
㊀
㊀７８㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒ
Ｏｃｔ ２０１８㊀
候选点，本文提出的采用基于灰度相关的边缘匹配方法，在候选点中选取最佳匹配点，并使用阈值约束进一步排除误匹配点，提高了匹配精度㊂
具体实现方法：将左右边缘图中的待匹配特征点坐标映射到对应灰度图中，并在以该点为中心的窗结构内进行代价聚合，采用匹配代价函数ＳＳＤ作为灰度相似性度量标准，计算聚合描述子，构造代价函数如下：
Ｐ（ｘ，ｙ，ｄ）＝ａｒｇｍｉｎｘ，ｙ，ｄ
ðｎ
ｉ＝１ðｎ
ｊ＝１
［Ｆｌ（ｘ＋ｉ，ｙ＋ｉ）－
Ｆｒ（ｘ＋ｉ＋ｄ，ｙ＋ｊ）］２（５）
式中：Ｆｌ和Ｆｒ对应左右灰度图像；（ｘ，ｙ）为特征点像素坐标；ｄ为水平视差；ｎ为聚合窗口尺寸㊂
求得使式（５）最小时对应的特征点坐标Ｐ（ｘ，ｙ）和与之对应的水平视差Ｐｄ㊂对视差Ｐｄ进行阈值约束排除误匹配点，由三角测量关系可知：
ＰｄɪｆＴ［Ｚｍａｘ，Ｚｍｉｎ］
（６）
式中：ｆ为相机焦距；Ｔ为两相机光心距离；Ｚ为待测零件到左相机光心的竖直距离㊂３㊀高斯金字塔加速技术
为满足柔性生产线的测量精度与检测速度要求，基于不同加工精度的零件，采用高斯金字塔技术对获取的图像进行降采样处理，降低了采集图像的分辨率，在满足测量精密度的条件下，提升了系统的运行速度㊂该方法还避免了更换相机设备，可以使在线测量系统无间断工作㊂图５为高斯金字塔示意图，每层的尺寸从下至上依次减小
㊂
图５㊀高斯金字塔示意图
对于一幅灰度图像Ｆ（ｘ，ｙ）ɪＲＭˑＮ，Ｍ和Ｎ为图
像的宽度和高度，令高斯金字塔Ｌ０层图像：
Ｇ０（ｘ，ｙ）＝Ｆ（ｘ，ｙ）
（７）则Ｌｌ层图像：㊀Ｇｌ（ｘ，ｙ）＝
ð２
ｍ＝－２ð２
ｎ＝－２
ｗ（ｍ，ｎ）Ｇｌ－１（２ｘ＋ｍ，２ｎ＋ｙ）
（８）
式中ｗ（ｍ，ｎ）为高斯加权函数㊂
经高斯金字塔降采样得到的图像尺寸会缩减，此时得到的特征点坐标及视差需要与原图进行关联㊂假
设空间点Ｐ（Ｘ，Ｙ，Ｚ）在左成像面上的投影坐标为ｐ（ｘ，ｙ），且与之对应的视差为ｐｄ，创建第Ｌ层高斯金字塔，此时特征点坐标ｐＬ（ｘ，ｙ）及视差ｐＬｄ与原图的关系为
ｐＬ（ｘ，ｙ）＝ｐ（
ｘ２Ｌ
，ｙ２Ｌ
），ｐＬｄ＝ｐｄ
２Ｌ（９）
４㊀实验结果及数据分析４．１㊀实验具体过程
双目视觉在线测量系统的流程图如图６所示
㊂
图６㊀双目视觉在线测量系统流程图
（１）完成在线测量平台的搭建，进行双目相机标
定㊂实验采用１５０ｍｍˑ１５０ｍｍ的高精度棋盘格标定板，要求摆放的标定板在２个相机的共同视野内，且相对于相机有不同的旋转姿态㊂左右相机共采集了１８对标定图像，使用改进的方法进行相机标定，并和经典的张正友标定法进行了对比，采用平均重投影误差作为相机标定精度的评价标准，结果如表１所示㊂
表１㊀左右相机的平均重投影误差
ｐｉｘｅｌ
相机标定平均重投影误差（左）
平均重投影误差（右）
张正友标定法０．１６５００．１６０３改进的标定法
０．１４３７
０．１３４３
㊀㊀（２）通过双目相机外触发进行同步图像采集㊂实验采用的测量对象为方形法兰，如图７所示
㊂
图７㊀方形法兰零件
调整光电传感器相对于相机的位置，确保任意方向摆放的法兰零件触发光电传感器时，均在双目相机
㊀㊀
㊀
缝隙式排水沟
㊀
㊀第１０期张俊勇等：基于双目视觉的零件多尺寸在线测量系统
７９㊀㊀
的视野范围内㊂图８为双目相机同步采集的法兰零件
图像对
㊂
㊀
图８㊀法兰零件图像对
（３）对采集的图像对进行畸变矫正和极线校正，
使左右图像的特征匹配点位于同一水平线上㊂经过校正的图像对如图９所示，从图中的２条辅助线中可以看出，特征点对的ｙ坐标已经对齐
㊂
图９㊀经过校正的法兰零件图像对
（４）对校正的图像进行轮廓特征检测，把边缘聚
焦思想
［８］
应用在Ｃａｎｎｙ亚像素边缘提取中，得到高精
度的法兰边缘轮廓，如图１０所示
㊂
㊀
图１０㊀结合边缘聚焦思想的Ｃａｎｎｙ亚像素边缘检测
（５）对左右图像的轮廓特征进行特征点匹配，根
据式（５）寻最佳匹配点对，根据式（６）的阈值约束排除误匹配点，计算特征点对应的三维坐标，得到法兰零件轮廓点云图，如图１１所示
㊂出生医学证明管理系统
图１１㊀法兰零件轮廓点云图
（６）对零件轮廓点云进行空间圆和直线［９－１０］的分析及拟合处理，可得到方形法兰部分关键尺寸㊂经过多次重复实验，测量结果见表２，方形法兰零
件的部分关键尺寸如图１２所示㊂
表２㊀方形法兰部分关键尺寸测量结果
关键尺寸
参考值
测量值／ｍｍ误差／ｍｍ相对误差／％４３．３１６７
０．２４３４０．５６５１尺寸ａ
４３．０７３３
４３．２５７８０．１８４５０．４２８３４３．２８５９０．２１２６０．４９３６６２．２４５４
０．２２８７０．３６８８尺寸ｂ
６２．０１６７
６２．２９３４０．２７６７０．４４６２６２．２９３７０．２７７００．４４６７６０．５０１２
０．０２１２０．０３５１尺寸ｃ
６０．４８００
６０．４７５８－０．００４２０．００６９６０．４９６４
０．０１６４
０．０２７１１２０．３１５５
－０．０７１２０．０５９１尺寸ｄ
１２０．３８６７
１２０．４０１２０．０１４５０．０１２０１２０．３９０８０．０４１００．０３４１１２０．２４９２
０．０１４５０．０１２１尺寸ｅ
１２０．２２００
１２０．２０２４０．０１７６０．０１４６１２０．２５３６０．０３３６０．０２７９１７．１１０８０．０３０８０．１８０３尺寸ｆ
１７．０８００
１７．１２１２０．０４１２０．２４１２１７．１１２９０．０３２９０．１９２６１７．１５１７
０．０３１７０．１８５２尺寸ｇ
１７．１２００
１７．１７０３０．０５０３０．２９３８１７．１６１８０．０４１８０．２４４２１７．２３５３
０．０５５３０．３２１９尺寸ｈ
１７．１８００
１７．２１６２０．０３６２０．２１０７１７．２１５４
０．０３５４０．２０６１
１７．０１３５－０．０４５６０．２６７３尺寸ｉ
１７．０６００
１７．０１６２－０．０４３９０．２５７２１７．０２６２
－０．０３３８０．１９８１１２９．８４０６
０．０２０６０．０１５９尺寸ｊ
１２９．８２００
铝合金框架１２９．８１６７－０．００３３０．００２５１２９．８４０５
０．０２０５０．０１５８
㊀注：表中的参考值为精度０．０２ｍｍ游标卡尺３次测量平均值
４．２㊀实验结论分析
由表２数据分析可知，该双目在线测量系统的测量精度较高，重复性误差较小，对于零件线性轮廓的测量相对误差在０．０６％以内，对于非线性轮廓的测量相对误差在０．６％以内㊂
５㊀结束语
针对工业自动化的发展趋势，本文利用双目相机
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议