王蕴哲;岳晓峰
【摘 要】利用CCD相机辅以高精度硬杆内窥镜采集内螺纹图像,利用摄像机标定和图像形态学中的腐蚀和膨胀算法做进一步的图像处理,最终抽取图像骨架,完成螺纹螺距的检测. 【期刊名称】《长春工业大学学报（自然科学版）》
【年(卷),期】2017(038)002
【总页数】5页(P189-193)
【关键词】机器视觉;内螺纹;图像处理;非接触测量
【作 者】王蕴哲;岳晓峰
【作者单位】长春工业大学 机电工程学院, 吉林 长春 130012;长春工业大学 机电工程学院, 吉林 长春 130012
【正文语种】中 文
【中图分类】TP391
內螺纹是机械和汽车工业中最广泛使用的零部件之一，起联接、传动和紧固作用。工程中，为保证螺纹联接的互换性和可靠性，对内螺纹的加工精度要求很高，需要对内螺纹的参数进行精确检测[1]。目前，我国制造业主要使用接触式测量法对内螺纹进行检测。接触式测量法难以进行批量检测，且容易对被检测工件产生摩擦损耗。随着工业检测技术的发展，非接触测量方法在工业检测中得到广泛应用。与接触式测量法相比，非接触测量法具有高效率、高精度、自动化、无损伤等优点[2]。近年来，随着机器视觉技术的不断发展，非接触测量正逐步取代传统的接触测量法，在工业检测中得到广泛应用。
锅炉烟囱制造随着计算机技术的不断发展，模式识别、数字图像处理、人工智能等学科的进步推动着工业生产朝着高效率、低成本的方向发展。机器视觉技术是伴随着计算机技术的发展而产生的一门新兴学科。它主要利用光电成像、计算机图像处理和模式识别技术进行检测。机器视觉利用计算机模拟人眼的视觉功能，相对于传统检测方法而言具有检测速度快、非接触、精度高、抗干扰能力强等优势，在测量、定位、缺陷检测等工程领域广泛应用[3]。区
塑料提手别于机械检测方法的最大特点在于它能够进行在线检测，即对生产线上的零件进行同步非接触检测，同时输出检测结果。
文中在机器视觉的基础上，采用工业用高精度硬杆内窥镜搭建实验平台，提出了一种新型内螺纹螺距检测系统。
1.1 小孔摄像机标定原理
在机器视觉中，物体的位置、形状等三维信息是从摄像机采集的二维图像信息中得到的。摄像机标定就是获得摄像机内部几何和光学特性(内部参数)以及摄像机在世界坐标系中的位置和方向(外部参数)的过程[4]。
理想小孔摄像机成像模型如图1所示。
设(xw,yw,zw)为三维世界坐标系中一点P的三维坐标，(x,y,z)是同一点在摄像机坐标系中的三维坐标。则摄像机坐标系定义为OXY，图像坐标系定义为O′xy，(xu,yu)是理想小孔摄像机模型下P点的图像坐标，(xd,yd)是因摄像机镜头径向畸变引起的偏离后的实际图像坐标。O点为摄像机的光学中心，有效焦距f是光学中心到图像平面的距离[5]。
从三维空间坐标(xw,yw,zw)到摄像机坐标系中三维坐标(x,y,z)的变换为：
式中： R----一个3×3的正交矩阵，从世界坐标系到摄像机坐标系的旋转变换；
T----一个3×1的平移向量，从世界坐标系到摄像机坐标系的平移变换。
在理想小孔摄像机模型下，像面坐标系O′xy到摄像机坐标系OXYZ的变换关系为
式中：(Xu,Yu)----未考虑畸变影响的理想图像坐标。
实际图像坐标(Xd,Yd)应为
式中：k----径向畸变系数。
由Tsai两步标定法，摄像机的标定过程就是确定旋转矩阵R、平移矩阵T、焦距f和畸变系数k的值[6]。设
先在线性模型下求出R和T的值，由式(1)、(2)、(3)可得：
对每个标定点，当已知其三维坐标及相应的图像坐标时，就有一个如上的方程。通过取多
个标定点，按照最小二乘法求得总误差最小的最优解，可得R中各元素的值和Tx、Ty的值。
网页聊天由式(4)进一步推导可得：
求解以上线性方程组可以得到f和k的值，从而完成摄像机的标定工作。
1.2 摄像机标定结果及畸变校正
实验采用实心圆标定板作为标定图像，取其中9个点作为标定点，测量设备为INSIZE高精度工业硬管内窥镜，分辨率为640×480。采集到的带有畸变的内螺纹图像如图2所示。
采用文中算法得到的标定结果为：
旋转矩阵:zssi
平移矩阵:
有效焦距:
f=4.57 mm
径向畸变系数:
k=-0.001 287
标定精度:
M=0.037 mm
标定精度较高，满足螺纹检测要求。
利用标定结果对图2进行畸变校正，得到恢复后的螺纹图像，如图3所示。
溴化丁基橡胶
为了测量内螺纹螺距，需要精确地提取出图3中的螺纹牙顶图像。由于螺纹表面纹理较复杂以及螺纹表面受到的光照条件不一致等因素的影响，直接对图像采用传统的边缘检测方法难以提取出理想的螺纹牙顶图像。文中采用模板匹配算法能够迅速准确地定位螺纹牙顶图像。
2.1 模板匹配算法原理
图像的模板匹配即是根据已知的图像模块在另一幅图像中寻相应模块的过程[7]。传统的模板匹配过程是选取一幅已知灰度图像的部分区域作为模板，将模板图像覆盖在待搜索图像区域，计算模板与模板覆盖区域之间的灰度特征值相似度。搜索按照从上至下、从左至右的顺序扫描模板大小的图像范围，直至搜寻到最佳的匹配位置[8]。
对于一幅待搜索图像，记为
f(x,y)(x=0,1,…，m-1; y=0,1,…,n-1)
模板图像记为
拉挤模具g(x,y)(x=0,1,…,p-1; y=0,1,…，q-1)
记f(x,y)上点(i,j)处的子图为
fij(x,y)=f(x+i,y+j)
i=0,1,…，m-p-1; j=0,1,…,n-q-1
则根据上述定义，对于待搜索图像f(x,y)在点(i,j)处的子图fij(x,y)与模板图像g(x,y)的灰度相关度归一化公式为
其中，fij和g分别定义为模板和子图的平均灰度矢量的算术平均值：
由相似度定义可知，ρ(i,j)的取值范围为0,1，ρ(i,j)的值越大，则在点(i,j)处的子图与模板的相似程度越高，当ρ(i,j)=1时，子图与模板完全相同。搜索全图后，使ρ(i,j)取最大值的(i,j)即为匹配图像位置。
2.2 模板匹配结果
通过观察分析图3中相邻两牙顶区域的图像特征，发现受光照方式影响，牙顶图像灰度差异较大，难以利用单模板匹配到两个牙顶区域。因此，采用双模板分别匹配上下两牙顶的方式达到目的。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议