CN102353340B - 缸盖毛坯加工尺寸识别方法及装置 - Google Patents

Abstract

本发明公开了一种缸盖毛坯加工尺寸识别方法及装置。具体是由2个或2个以上CCD摄像机识别接收标靶图像，CCD摄像机镜头视野包含整个标靶平面。对缸盖毛坯加工尺寸的测取定位主要包括：CCD摄像机标定；特征信息提取；立体匹配以及三维重建。本发明以计算机和CCD摄像机作为主要硬件，由摄像机拍摄工件图像后将数据传输至计算机，通过提取、计算图像的边缘、关键线面及缸盖毛坯各气道口的空间相对位置等信息，与标准模型数据进行比对，做出该毛坯气道位置是否合格的判定。本发明在机加工之前就可判定气道位置和形状尺寸，及时发现并剔出不合格的气缸盖，防止该毛坯件进入机加工工序，避免经过一系列加工后而所造成工件不合格的经济损失。

Description

缸盖毛坯加工尺寸识别方法及装置

技术领域

本发明涉及到一种对内燃机缸盖毛坯进行加工时，确定其尺寸的定位方法。

技术背景

目前在铸造、机加工等生产过程中很难做到精确定位的加工，例如在发动机气缸盖制造的几个环节，如沙型，铸造，机械加工等，可能会因为定位的误差造成气道尺寸或位置的偏差，而发动机气道的尺寸直接影响着发动机缸内气体的流动和燃烧状况。当前进行气道稳流试验都是在机加工完成后进行，如果此时气道参数不能满足要求，将直接影响发动机性能，造成材料及加工成本的损失。因此，如果能在缸盖铸造成型尚未进入机加工生产线时就能够测量出气道的形位尺寸，并确定出气道参数，及时发现并剔出不合格的气缸盖，这对于加工生产过程是非常重要的。可以节约机加工成本，并且避免不合格产品流入下一道工序，同时将缺陷信息反馈给铸造工艺，使其对模具及铸造做出相应调整，实现闭环控制。

鉴于此，本发明旨在开发一种基于机器视觉及人工神经网络技术的识别系统，在缸盖毛坯进行机加工前即可测取其气道位置和几何尺寸。

发明内容

本发明的目的在于，提供一种适用于对内燃机缸盖毛坯件尺寸进行预先判定的方法及装置。

以下对本发明的技术方法及计算过程予以说明。缸盖毛坯加工尺寸识别方法及装置，主要包括CCD摄像机、托板、支撑架、标靶以及计算机等。其设备组成是：由2个或2个以上CCD摄像机构成识别接收器，识别接收器接收标靶图像，CCD摄像机镜头视野包含整个标靶平面，标靶是平面阵列的圆孔图案，或者是黑白平面的方块阵列。

对缸盖毛坯加工尺寸的测取定位包括如下步骤：

(1)CCD摄像机标定

获取两个CCD摄像机的内部参数， $A=\left[\begin{array}{ccc}a& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right];$

首先对两个CCD摄像机之间的旋转平移矩阵进行标定，2D点表示为m＝[u，v]^T，3D点表示为M＝[X，Y，Z]^T，2D和3D的增广矩阵：

3D点M与它投影图像点之间的关系为：

其中，M是世界坐标系中的三维坐标，s是任意标准矢量，(R，t)定义为外部参数，表示世界坐标系和CCD摄像机坐标系间的旋转与平移关系，CCD摄像机内部参数用A矩阵表示：

$A=\left[\begin{array}{ccc}a& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right]---\left(d\right)$

其中，(u₀，v₀)是坐标系原点，a和β是图像上u和v坐标轴的标准矢量，γ表示两坐标的垂直度，由于采用平面标靶，所以假设Z＝0，则由表达式(d)得到：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=A\left[\begin{array}{cccc}{r}_1& r_2& r_3& t\end{array}\right]\left[\begin{array}{c}X\\ Y\\ 0\\ 1\end{array}\right]=A\left[\begin{array}{ccc}{r}_1& r_2& r_3\end{array}\right]\left[\begin{array}{c}X\\ Y\\ 1\end{array}\right]---\left(e\right)$

其中，

是标靶平面上的齐次坐标，

为标靶平面上的点投影到图像平面上对应点的齐次坐标，[r₁ r₂ r₃]和t分别是CCD摄像机坐标系相对于世界坐标系的旋转矩阵及平移向量，用一个3×3的映射矩阵：

H＝[h₁ h₂ h₃]＝λA[r₁ r₂ t]                    (f)

得到内部参数矩阵A的两个约束条件：

$h_1^T{A}^{-T}{A}^{-1}{h}_2=0$ (g)

$h_1^T{A}^{-T}{A}^{-1}{h}_1=h_2^T{A}^{-T}{A}^{-1}{h}_2$ (h)

设：

$B=A^{-T}{A}^{-1}=\left[\begin{array}{ccc}{B}_{11}& B_{12}& B_{13}\\ B_{12}& B_{22}& B_{23}\\ B_{13}& B_{23}& B_{33}\end{array}\right]$

$=\left[\begin{array}{ccc}\frac{1}{{\mathrm{\α}}^2}& -\frac{\mathrm{\γ}}{{\mathrm{\α}}^2\mathrm{\β}}& \frac{v_0\mathrm{\γ}-u_0\mathrm{\β}}{{\mathrm{\α}}^2\mathrm{\β}}\\ -\frac{\mathrm{\γ}}{{\mathrm{\α}}^2\mathrm{\β}}& \frac{{\mathrm{\γ}}^2}{{\mathrm{\α}}^2{\mathrm{\β}}^2}+\frac{1}{{\mathrm{\β}}^2}& -\frac{\mathrm{\γ}(v_0\mathrm{\γ}-u_0\mathrm{\β})}{{\mathrm{\α}}^2{\mathrm{\β}}^2}-\frac{v_0}{{\mathrm{\β}}^2}\\ \frac{v_0\mathrm{\γ}-u_0\mathrm{\β}}{{\mathrm{\α}}^2\mathrm{\β}}& -\frac{\mathrm{\γ}(v_0\mathrm{\γ}-u_0\mathrm{\β})}{{\mathrm{\α}}^2{\mathrm{\β}}^2}-\frac{v_0}{{\mathrm{\β}}^2}& \frac{{(v_0\mathrm{\γ}-u_0\mathrm{\β})}^2}{{\mathrm{\α}}^2{\mathrm{\β}}^2}+\frac{{v_0}^2}{{\mathrm{\β}}^2}+1\end{array}\right]---\left(i\right)$

B是对称矩阵，表示一个六位向量b＝[B₁₁，B₁₂，B₂₂，B₁₃，B₂₃，B₃₃]^T，基于绝对二次曲线原理求出B，并对B求逆，利用Cholesky分解，从B中倒出内部参数矩阵A，由内部参数矩阵A和映射矩阵H计算每幅图像相对于平面标靶的CCD摄像机外部参数矩阵R和平移向量t：

r₁＝λA^-1h₁

r₂＝λA^-1h₂

r₃＝r₁×r₂                        (j)

t＝λA^-1h₃

将(j)作为初值，r₁、r₂、r₃、t表示世界坐标系和CCD摄像机坐标系间的旋转与平移关系，通过最大似然估计优化求解其参数，目标函数为：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left|\right|m_{\mathrm{ij}}-\hat{m}(A,R_i,t_i,M_j)\left|\right|}^2---\left(k\right)$

其中m_ij为第i幅图像第j个点图像的齐次坐标，m为第i幅图像第j个点映射出的图像的齐次坐标，A为内参，Ri和Ti是第i幅图像对于CCD摄像机坐标系的旋转和平移矩阵，Mj为第i幅图像的第j个世界坐标系的三维点，目标函数趋于0，计算出CCD摄像机的准确参数值。径向畸变参数求解，由径向畸变参数模型：

                         (L)

其中(x，y)为理想的无畸变的图像坐标，

为实际的畸变图像坐标，k₁、k₂为径向畸变参数；

γ表示两坐标的垂直度，故设γ＝0，由：

                           (m)

得到：

                            (n)

其中(u，v)是(k)式求出的内参，计算出的理想投影点的像素坐标，由(u，v)，获得如下方程：

对于n幅图片的m个点，共有2×n×m个方程，表示为Dk＝d；

其中：

$k=\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right]$

$D=\left[\begin{array}{c}(u-u_0)(x^2+y^2)(u-u_0){(x^2+y^2)}^2\\ (v-v_0)(x^2+y^2)(v-v_0){(x^2+y^2)}^2\end{array}\right]$

k＝(D^TD)^-1D^Td                                (p)

目标函数为：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left|\right|m_{\mathrm{ij}}-\hat{m}(A,K_1,K_2,R_i,t_i,M_j)\left|\right|}^2---\left(q\right)$

由此标定出CCD摄像机的内参和径向畸变参数；

立体标定依赖于查找两台CCD摄像机之间的旋转矩阵R和平移向量T，由于该装置具有两个CCD摄像机，由q式可分别获得到左CCD摄像机的旋转矩阵R_l和平移向量T_l以及右CCD摄像机的旋转矩阵R_r和平移向量T_r

R＝R_r(R_l)^T                                            (r)

T＝T_r-RT_l

由(r)式得到两个CCD摄像机的位置关系R和T；

(2)特征信息提取

采用canny算法进行边缘检测、获取缸盖毛坯图形的轮廓信息，然后采用均值滤波计算排除掉噪声点，识别出关键点线，对经过边缘检测后的缸盖毛坯图像再应用均值滤波计算，滤掉其中的杂点，得到有效的关键点线；

(3)立体匹配

1)消除畸变：采用步骤(1)中的(L)式消除径向方向上的镜头畸变，输出无畸变的图像；

2)CCD摄像机校正：在物理意义上将CCD摄像机在数学意义上对准到同一个观察平面上，方法是通过数学的算法来实现使左右两幅图像的y坐标相等，这样左右两幅图像的视差只存在x轴上，输出行对准的校正图像；

3)图像匹配：查找两个CCD摄像机视场中的相同特征，算出视差；

(4)三维重建

由两个CCD摄像机拍摄分别获取两张图像，由视差计算出缸盖毛坯进气端面轮廓特征图像点的世界坐标值，根据特征信息提取所得到的有效的关键点线，用最小二乘法做曲线拟合，获取缸盖毛坯进气端面特征轮廓的函数方程，将设计的缸盖进气端面加工位置点带入该函数方程，与轮廓特征点进行对比，确定被测缸盖毛坯加工位置以及相应尺寸。

其过程原理是，通过缸盖端面的位置形状信息能推测出气道的尺寸及位置是否出现偏差，为了获取进缸盖端面的位置形状信息，用两个CCD摄像机并排连接构建双目测量系统。根据CCD摄像机所拍摄的两幅二维图像重建待测工件的三维几何形状，并实现对关键线面的精确测量，然后将测量数据与标准模型进行比对得出合格与否的结论。系统所涉及的关键技术包括：CCD摄像机标定，特征信息提取，立体匹配，三维重建。

如果将CCD摄像机所拍摄到的图像还原为空间中实际的物体，那么CCD摄像机拍摄的图像与空间中的物体之间，存在一种线性关系：

[像]＝M[物]

这里，矩阵M可看成是CCD摄像机成像的几何模型。M中的参数就是CCD摄像机参数，也称内参数。通常，这些参数是要通过实验与计算来得到的。这个求解参数的过程就称为CCD摄像机标定。标定的目的是为了获取由三维空间点(世界坐标系)到二维平面点(图像坐标系)的投影变换关系，为此将涉及CCD摄像机模型的内、外参数。完成标定后以矩阵形式存储在系统中用作由两维数据来恢复三维立体图像过程中的转换标度。采取的技术方案是，先分别获得到两个CCD摄像机的内、外参数及畸变参数；再通过同一世界坐标中的一组定标点来建立两个CCD摄像机之间的位置关系。具体方法是将标靶(具有标准平面圆孔图案阵列，也可以采用标准平面黑白方块整列)置于世界坐标系中的已知位置，然后根据靶标角点(标靶方块图案交接点)与其在图像投影之间的映射关系计算出描述CCD摄像机光学特性和空间位置的各种参数。

特征信息提取是对两个CCD摄像机所拍摄二维图像的数字处理，主要基于边缘检测和形态学图像处理技术。由于立体视觉系统是基于视差原理实现三维重建的，所以为了计算视差需要将三维空间中测量关注特征点，在不同图像中的映像点对应起来实现匹配。为了提高在线状态的匹配速度，需要在离线状态下对两个CCD摄像机的空间几何结构通过图像校正变换成标准的外极线几何结构。立体匹配包括消除畸变、图像匹配、CCD摄像机校正，其中CCD摄像机校正通过3个基本步骤完成：(1)从立体图像对中的一幅图像选择与实际物理结构相应的图像特征；(2)在另一幅图像确定出同一物理结构的对应图像特征，这是实现匹配的关键；(3)确定这两个特征之间的相对位置得到视差。

获取空间任一点(与两个图像中对应)的坐标和满足两个摄像机的参数矩阵，即可进行该点的三维重建。

根据双目立体视觉原理，用两个CCD摄像机模仿双眼，与被测物构成三角形，被测物在两个像面上成立体像对，然后根据匹配的同名像点，依据立体视差原理获取被测物的三维轮廓数据信息。本发明依据两CCD摄像机的内外参数，通过两个成像平面上的极线约束关系，建立对应点之间的联系，并由此联立方程，计算出图像点在实际物理空间的世界坐标值。在此基础上，测算出描述待测工件关键点线的离散数据，例如进气道入口端面内具有4个方孔和3个圆孔，出口底面内具有的16个圆孔(如图6)，然后采用三次样条插值的曲线拟合方法计算出相应的数学方程，用来与标准模型进行比对给出合格与否的判定。

本发明的特点以及由此产生的积极效果是，在机加工之前就可判定气道位置和形状尺寸，及时发现并剔出不合格的气缸盖，防止该毛坯件进入机加工工序，避免经过一系列加工后而所造成工件不合格的经济损失。

附图说明

图1是CCD摄像装置组件图。

图2是标靶示意简图。

图3获取的缸盖进气端面轮廓特征示意图。

图4获取的缸盖进气端面的真实轮廓参数点示意图。

图5标准无缺陷的缸盖进气端面轮廓特征示意图。

图6缸盖外形结构示意简图。

具体实施方式

以下结合附图和实施例对本发明的方法过程做进一步的说明。需要说明的是该实施例是叙述性的，而不是限定性的，不能以此实施例限定本发明的保护范围。

缸盖毛坯加工尺寸识别方法及装置具有：CCD摄像机1、托板2、支撑架3、靶标4以及计算机等(如图1)。由2个或2个以上CCD摄像机构成识别接收器，识别接收器接收标靶图像，CCD摄像机镜头视野包含整个标靶平面，标靶是平面阵列的圆孔图案，或者是黑白平面的方块阵列(如图2)。两个CCD摄像机并列固定在托板上，托板焊接在支撑架的顶部，支撑架的高度可以调节。

缸盖毛坯加工尺寸的测取定位包括如下步骤：

(1)CCD摄像机标定

获取两个CCD摄像机的内部参数， $A=\left[\begin{array}{ccc}a& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right];$

首先对两个CCD摄像机之间的旋转平移矩阵进行标定，2D点表示为m＝[u，v]^T，3D点表示为M＝[X，Y，Z]^T，2D和3D的增广矩阵：

3D点M与它投影图像点之间的关系为：

其中，M是世界坐标系中的三维坐标，s是任意标准矢量，(R，t)定义为外部参数，表示世界坐标系和CCD摄像机坐标系间的旋转与平移关系，CCD摄像机内部参数用A矩阵表示：

$A=\left[\begin{array}{ccc}a& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right]---\left(d\right)$

其中，(u₀，v₀)是坐标系原点，a和β是图像上u和v坐标轴的标准矢量，γ表示两坐标的垂直度，由于采用平面标靶，所以假设Z＝0，则由表达式(d)得到：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=A\left[\begin{array}{cccc}{r}_1& r_2& r_3& t\end{array}\right]\left[\begin{array}{c}X\\ Y\\ 0\\ 1\end{array}\right]=A\left[\begin{array}{ccc}{r}_1& r_2& r_3\end{array}\right]\left[\begin{array}{c}X\\ Y\\ 1\end{array}\right]---\left(e\right)$

其中，

是标靶平面上的齐次坐标，

为标靶平面上的点投影到图像平面上对应点的齐次坐标，[r₁ r₂ r₃]和t分别是CCD摄像机坐标系相对于世界坐标系的旋转矩阵及平移向量，用一个3×3的映射矩阵：

H＝[h₁ h₂ h₃]＝λA[r₁ r₂ t]                (f)

得到内部参数矩阵A的两个约束条件：

$h_1^T{A}^{-T}{A}^{-1}{h}_2=0$ (g)

$h_1^T{A}^{-T}{A}^{-1}{h}_1=h_2^T{A}^{-T}{A}^{-1}{h}_2$ (h)

设：

$B=A^{-T}{A}^{-1}=\left[\begin{array}{ccc}{B}_{11}& B_{12}& B_{13}\\ B_{12}& B_{22}& B_{23}\\ B_{13}& B_{23}& B_{33}\end{array}\right]$

$=\left[\begin{array}{ccc}\frac{1}{{\mathrm{\α}}^2}& -\frac{\mathrm{\γ}}{{\mathrm{\α}}^2\mathrm{\β}}& \frac{v_0\mathrm{\γ}-u_0\mathrm{\β}}{{\mathrm{\α}}^2\mathrm{\β}}\\ -\frac{\mathrm{\γ}}{{\mathrm{\α}}^2\mathrm{\β}}& \frac{{\mathrm{\γ}}^2}{{\mathrm{\α}}^2{\mathrm{\β}}^2}+\frac{1}{{\mathrm{\β}}^2}& -\frac{\mathrm{\γ}(v_0\mathrm{\γ}-u_0\mathrm{\β})}{{\mathrm{\α}}^2{\mathrm{\β}}^2}-\frac{v_0}{{\mathrm{\β}}^2}\\ \frac{v_0\mathrm{\γ}-u_0\mathrm{\β}}{{\mathrm{\α}}^2\mathrm{\β}}& -\frac{\mathrm{\γ}(v_0\mathrm{\γ}-u_0\mathrm{\β})}{{\mathrm{\α}}^2{\mathrm{\β}}^2}-\frac{v_0}{{\mathrm{\β}}^2}& \frac{{(v_0\mathrm{\γ}-u_0\mathrm{\β})}^2}{{\mathrm{\α}}^2{\mathrm{\β}}^2}+\frac{{v_0}^2}{{\mathrm{\β}}^2}+1\end{array}\right]---\left(i\right)$

B是对称矩阵，表示一个六位向量b＝[B₁₁，B₁₂，B₂₂，B₁₃，B₂₃，B₃₃]^T，基于绝对二次曲线原理求出B，并对B求逆，利用Cholesky分解，从B中倒出内部参数矩阵A，由内部参数矩阵A和映射矩阵H计算每幅图像相对于平面标靶的CCD摄像机外部参数矩阵R和平移向量t：

r₁＝λA^-1h₁

r₂＝λA^-1h₂

r₃＝r₁×r₂                            (j)

t＝λA^-1h₃

将(j)作为初值，r₁、r₂、r₃、t表示世界坐标系和CCD摄像机坐标系间的旋转与平移关系，通过最大似然估计优化求解其参数，目标函数为：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left|\right|m_{\mathrm{ij}}-\hat{m}(A,R_i,t_i,M_j)\left|\right|}^2---\left(k\right)$

其中m_ij为第i幅图像第j个点图像的齐次坐标，m为第i幅图像第j个点映射出图像的齐次坐标，A为内参，Ri和Ti是第i幅图像对于CCD摄像机坐标系的旋转和平移矩阵，Mj为第i幅图像的第j个世界坐标系的三维点，目标函数趋于0，计算出CCD摄像机的准确参数值。径向畸变参数求解，由径向畸变参数模型：

                            (L)

其中(x，y)为理想的无畸变的图像坐标，

为实际的畸变图像坐标，k₁、k₂为径向畸变参数；

γ表示两坐标的垂直度，故设γ＝0，由：

                             (m)

得到：

                         (n)

其中(u，v)是(k)式求出的内参，计算出的理想投影点的像素坐标，由(u，v)，获得如下方程：

对于n幅图片的m个点，共有2×n×m个方程，表示为Dk＝d；

其中：

$k=\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right]$

$D=\left[\begin{array}{c}(u-u_0)(x^2+y^2)(u-u_0){(x^2+y^2)}^2\\ (v-v_0)(x^2+y^2)(v-v_0){(x^2+y^2)}^2\end{array}\right]$

k＝(D^TD)^-1D^Td                (p)

目标函数为：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left|\right|m_{\mathrm{ij}}-\hat{m}(A,K_1,K_2,R_i,t_i,M_j)\left|\right|}^2---\left(q\right)$

由此标定出CCD摄像机的内参和径向畸变参数；

由q式可分别获得到左CCD摄像机的旋转矩阵R_l和平移向量T_l以及右CCD摄像机的旋转矩阵R_r和平移向量T_r

R＝R_r(R_l)^T                   (r)

T＝T_r-RT_l

由(r)式得到两个CCD摄像机的位置关系R和T。

(2)特征信息提取

采用canny算法进行边缘检测、获取缸盖毛坯图形的轮廓信息，然后采用均值滤波计算排除掉噪声点，识别出关键点线，对经过边缘检测后的缸盖毛坯图像再应用均值滤波计算，滤掉其中的杂点，得到有效的关键点线；

(3)立体匹配

1)消除畸变：采用步骤(1)中的(L)式消除径向方向上的镜头畸变，输出无畸变的图像；

2)CCD摄像机校正：在物理意义上将CCD摄像机在数学意义上对准到同一个观察平面上，方法是通过数学的算法来实现使左右两幅图像的y坐标相等，这样左右两幅图像的视差只存在x轴上，输出行对准的校正图像；

3)图像匹配：查找两个CCD摄像机视场中的相同特征，算出视差。

(4)三维重建

由两个CCD摄像机拍摄分别获取两张图像，由视差计算出缸盖毛坯进气端面轮廓特征图像点的世界坐标值，根据特征信息提取所得到的有效的关键点线，用最小二乘法作曲线拟合，获取缸盖毛坯进气端面特征轮廓的函数方程，将设计的缸盖进气端面加工位置点带入该函数方程，与轮廓特征点进行对比，确定被测缸盖毛坯加工位置以及相应尺寸。

本实施例以缸盖毛坯进气端面加工尺寸的测取定位为例。

首先对左右两个CCD摄像机分别进行标定，将黑白平面的方块阵列标靶(如图2)置于CCD摄像机前，摄像机的视野包含整个标靶平面。然后根据靶标角点(标靶方块图案交接点)与其在图像投影之间的映射关系，分别计算出描述左右两个CCD摄像机的内参数、外参数和径向畸变参数：

内参数： $A=\left[\begin{array}{ccc}a& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right];$ 外参数[r₁ r₂ r₃ t]；径向畸变参数[k₁ k₂]。

在分别得到左侧摄像机的旋转矩阵R_l和平移向量T_l以及右侧摄像机的旋转矩阵R_r和平移向量T_r后，利用(r)式，得到两个CCD摄像机的位置关系R和T：

R＝R_r(R_l)^T                    (r)

T＝T_r-RT_l

即可完成标定。此时两个CCD摄像机之间的相对位置不能发生改变。

然后采用canny算法进行边缘检测、获取缸盖毛坯图形的轮廓信息；采用均值滤波计算排除掉噪声点，识别出关键点线，对经过边缘检测后的缸盖毛坯图像再应用均值滤波计算，滤掉其中的杂点，得到有效的关键点线(图3所示)。

采用步骤(1)中的(L)式消除径向方向上的镜头畸变，输出无畸变的图像；通过数学的算法使两个CCD摄像机将视场中的景物置于同一个观察平面，即：使(摄像机获取的)左右两幅图像的y坐标相等，这样两幅图像仅在x轴上存在视差，获取输出行对准的校正图像。图3是获取的缸盖进气端面的轮廓特征，由于CCD摄像机沿镜头方向与被测缸盖的进气端面并不垂直，所以图3并不能反映真实的缸盖进气端面的轮廓特征点参数。所以需进行三维重建。根据已获取的视差，可计算出缸盖进气端面的轮廓特征图像点在实际物理空间的世界坐标值。本实施例获取的缸盖进气端面的真实轮廓参数点如图4所示，将图4与标准的无缺陷的缸盖进气端面轮廓特征点参数(如图5)进行对比，由此来判断缸盖毛坯件是否合格。

Claims (1)

1.缸盖毛坯加工尺寸识别方法，具有CCD摄像机（1）、托板（2）、支撑架（3）、标靶（4）以及计算机，由2个或2个以上CCD摄像机构成识别接收器，识别接收器接收标靶图像，CCD摄像机镜头视野包含整个标靶平面，标靶是平面阵列的圆孔图案，或者是黑白平面的方块阵列，其特征是：缸盖毛坯加工尺寸的测取定位包括如下步骤：

（1）CCD摄像机标定

获取两个CCD摄像机的内部参数， $A=\left[\begin{array}{ccc}a& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right];$

首先对两个CCD摄像机之间的旋转平移矩阵进行标定，2D点表示为m＝[u,v]^T,3D点表示为M=[X,Y,Z]^T，2D和3D的增广矩阵：

$\tilde{m}={[u,v,l]}^T---\left(a\right)$

$\tilde{m}={[X,Y,Z,l]}^T---\left(b\right)$

3D点M与它投影图像点之间的关系为:

$s\tilde{m}=A[R,t]\tilde{M}---\left(c\right)$

其中，M是世界坐标系中的三维坐标，s是任意标准矢量，（R,t）定义为外部参数，表示世界坐标系和CCD摄像机坐标系间的旋转与平移关系，CCD摄像机内部参数用A矩阵表示：

$A=\left[\begin{array}{ccc}a& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right]---\left(d\right)$

其中，(u₀,v₀)是坐标系原点，a和β是图像上u和v坐标轴的标准矢量，γ表示两坐标的垂直度，由于采用平面标靶，所以假设Z=0，则由表达式（d）得到：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=A\left[\begin{array}{cccc}{r}_1& r_2& r_3& t\end{array}\right]\left[\begin{array}{c}X\\ Y\\ 0\\ 1\end{array}\right]=A\left[\begin{array}{ccc}{r}_1& r_2& r_3\end{array}\right]\left[\begin{array}{c}X\\ Y\\ 1\end{array}\right]---\left(e\right)$

其中，是标靶平面上的齐次坐标，

为标靶平面上的点投影到图像平面上对应点的齐次坐标，[r₁r₂r₃]和t分别是CCD摄像机坐标系相对于世界坐标系的旋转矩阵及平移向量，用一个3×3的映射矩阵：

$H=\left[\begin{array}{ccc}{h}_1& h_2& h_3\end{array}\right]=\mathrm{\λA}\left[\begin{array}{ccc}{r}_1& r_2& t\end{array}\right]---\left(f\right)$

得到内部参数矩阵A的两个约束条件：

$h_1^T{A}^{-T}{A}^{-1}{h}_2=0---\left(g\right)$

$h_1^T{A}^{-T}{A}^{-1}{h}_1=h_2^T{A}^{-T}{A}^{-1}{h}_2---\left(h\right)$

设：

$B=A^{-T}{A}^{-1}=\left[\begin{array}{ccc}{B}_{11}& B_{12}& B_{13}\\ B_{12}& B_{22}& B_{23}\\ B_{13}& B_{23}& B_{33}\end{array}\right]$

$=\left[\begin{array}{ccc}\frac{1}{{\mathrm{\α}}^2}& -\frac{\mathrm{\γ}}{{\mathrm{\α}}^2\mathrm{\β}}& \frac{v_0\mathrm{\γ}-u_0\mathrm{\β}}{{\mathrm{\α}}^2\mathrm{\β}}\\ -\frac{\mathrm{\γ}}{{\mathrm{\α}}^2\mathrm{\β}}& \frac{{\mathrm{\γ}}^2}{{\mathrm{\α}}^2{\mathrm{\β}}^2}+\frac{1}{{\mathrm{\β}}^2}& -\frac{\mathrm{\γ}(v_0\mathrm{\γ}-u_0\mathrm{\β})}{{\mathrm{\α}}^2{\mathrm{\β}}^2}-\frac{v_0}{{\mathrm{\β}}^2}\\ \frac{v_0\mathrm{\γ}-u_0\mathrm{\β}}{{\mathrm{\α}}^2\mathrm{\β}}& -\frac{\mathrm{\γ}(v_0\mathrm{\γ}-u_0\mathrm{\β})}{{\mathrm{\α}}^2{\mathrm{\β}}^2}-\frac{v_0}{{\mathrm{\β}}^2}& \frac{{(v_0\mathrm{\γ}-u_0\mathrm{\β})}^2}{{\mathrm{\α}}^2{\mathrm{\β}}^2}+\frac{{v_0}^2}{{\mathrm{\β}}^2}+1\end{array}\right]---\left(i\right)$

B是对称矩阵，表示一个六位向量b＝[B₁₁,B₁₂,B₂₂,B₁₃,B₂₃,B₃₃]^T，基于绝对二次曲线原理求出B，并对B求逆，利用Cholesky分解，从B中倒出内部参数矩阵A，由内部参数矩阵A和映射矩阵H计算每幅图像相对于平面标靶的CCD摄像机外部参数矩阵R和平移向量t:

r₁＝λA^-1h₁

r₂＝λA^-1h₂                     (j)

r₃＝r₁×r₂

t＝λA^-1h₃

式中λ为特征值，将（j）作为初值，r₁、r₂、r₃、t表示世界坐标系和CCD摄像机坐标系间的旋转与平移关系,通过最大似然估计优化求解其参数，目标函数为：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left|\right|m_{\mathrm{ij}}-\hat{m}(A,R_i,t_i,M_j)\left|\right|}^2---\left(k\right)$

其中m_ij为第i幅图像第j个点图像的齐次坐标，∑中的m表示求和数列中的自然数，

表示第i幅图像第j个点映射出图像的齐次坐标，A为内参，R_i和t_i是第i幅图像对于CCD摄像机坐标系的旋转和平移矩阵，M_j为第i幅图像的第j个世界坐标系的三维点,目标函数趋于0，计算出CCD摄像机的准确参数值，径向畸变参数求解，由径向畸变参数模型：

其中（x，y）为理想的无畸变的图像坐标，为实际的畸变图像坐标，k₁、k₂为径向畸变参数；

γ表示两坐标的垂直度,故设γ=0，由：

得到：

其中（u，v）是（k）式求出的内参，计算出的理想投影点的像素坐标，由（u，v），获得如下方程：

对于n幅图片的m个点，共有2×n×m个方程，表示为Dk=d；

其中:

$k=\left[\begin{array}{c}{k}_1\\ k_2\end{array}\right]$

$D=\left[\begin{array}{c}(u-u_0)(x^2+y^2)(u-u_0){(x^2+y^2)}^2\\ (v-v_0)(x^2+y^2)(v-v_0){(x^2+y^2)}^2\end{array}\right]$

k＝(D^TD)-¹D^Td                       （p）

目标函数为：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left|\right|m_{\mathrm{ij}}-\hat{m}(A,K_1,K_2,R_i,t_i,M_j)\left|\right|}^2---\left(q\right)$

由此标定出CCD摄像机的内参和径向畸变参数；

由q式可分别获得到左CCD摄像机的旋转矩阵R_l和平移向量T_l以及右CCD摄像机的旋转矩阵R_r和平移向量T_r

R＝R_r(R_l)^T                      （r）

T＝T_r-RT_l由（r）式得到两个CCD摄像机的位置关系R和T；

（2）特征信息提取

采用canny算法进行边缘检测、获取缸盖毛坯图形的轮廓信息，然后采用均值滤波计算排除掉噪声点，识别出关键点线，对经过边缘检测后的缸盖毛坯图像再应用均值滤波计算，滤掉其中的杂点，得到有效的关键点线；

（3）立体匹配

1）消除畸变：采用步骤（1）中的（L）式消除径向方向上的镜头畸变，输出无畸变的图像；

2）CCD摄像机校正：在物理意义上将CCD摄像机在数学意义上对准到同一个观察平面上，方法是通过数学的算法来实现使左右两幅图像的y坐标相等，这样左右两幅图像的视差只存在x轴上，输出行对准的校正图像；

3）图像匹配：查找两个CCD摄像机视场中的相同特征，算出视差；

（4）三维重建

由两个CCD摄像机拍摄分别获取两张图像，由视差计算出缸盖毛坯进气端面轮廓特征图像点的世界坐标值，根据特征信息提取所得到的有效的关键点线，用最小二乘法作曲线拟合，获取缸盖毛坯进气端面特征轮廓的函数方程，将设计的缸盖进气端面加工位置点带入该函数方程，与轮廓特征点进行对比，确定被测缸盖毛坯加工位置以及相应尺寸。

Images