CN105773309A - 一种超视场刀具在线检测方法 - Google Patents

Abstract

本发明公开了一种超视场刀具在线检测方法，它包括步骤：利用机床控制系统驱动机床的平移工作台带动CCD相机移动到安装在旋转工作台上的需检测的刀具上方，并控制平移工作台带动CCD相机移动实现对需检测的刀具的对焦；通过平移工作台带动刀具移动使刀具切削刃位于CCD相机视场中心，并使切削刃中心和旋转台中心重合，将此位置设定为刀具的初始位置；以初始位置为对称点进行分度旋转；得到切削刃边缘的亚像素边缘点群的各个样本点的坐标以及各个样本点的方向向量；分别对两两相邻的两幅图像进行匹配并拼接，本方法大幅提高复杂型面加工精度和效率。

Description

一种超视场刀具在线检测方法

技术领域

本发明涉及复杂型面元器件精密超精密加工技术领域，具体涉及一种基于图像处理技术的在线检测(监测)刀具工作刃型形状参数和磨损状况，随时实现对于超视场刀具工作刃形状及精度的在线检测(监测)，进而实现对于复杂型面元器件的高效高精密加工方法。

背景技术

随着科学技术的不断发展与进步，各领域的设备和系统不断地向超精密化和微型化发展。非球面、自由曲面以及阵列等复杂型面元器件凭借其更加优越的功能性获得了越来越多的应用。与人们生活密切相关的数码电器，如DVD光学镜头、微型相机镜头等产品的核心部件越来越多地采用了自由曲面。作为下一代能源领域的LED照明技术已被各发达国家确立为发展重点，如将自由曲面应用于LED照明系统，能够极大地提高光电转换效率，实现绿色环保可持续发展。

在这些背景下，自由曲面超精密加工已成为带动现代光学、生物医学、通讯及微电子等领域的关键技术。目前，对于不同种类的材料，采用切削、磨削等传统加工技术结合多轴联动数控机床仍然是实现复杂型面期间的最主要制造方法。

加工路径优化设计是提高自由曲面超精密车削表面质量和形状精度的关键技术。加工路径优化设计时在采用插补模型进行需要加工复杂型面的描述后，需要借助矢量数学对刀位点进行刀具参数的优化补偿，在实际加工中不管是车削所使用的车刀还是磨削过程中所使用砂轮都不能被看做理想点，而要实际考虑其几何特征。因此，刀具切削刃的形状及精度的获取是能否实现复杂型面加工路径优化设计的关键。同时，随着加工过程中的进行，所使用的刀具(比如车刀，砂轮等)会发生磨损或者破损，如果不能及时被检测，会直接影响工件的加工精度和表面粗糙度，严重时，甚至会破坏加工设备，影响整个加工系统的正常运行，造成巨大的经济损失。如果能够及时获取刀具切削刃的几何特征参数，反馈给机床的控制系统，调整加工参数，重新修正加工路径，能够更高效的实现高质量复杂型面精密加工。

目前对于在加工过程中的刀具磨损(损坏)监测的方法主要有间接监测和直接监测两种方法。间接监测方法通过测量切削过程中与刀具磨损或破损有较强内在联系的某一种或几种参量,或测量某种物理现象,根据其变化并通过一定的标定关系来监测刀具磨损或破损的状态。例如：监测加工工件质量(表面粗糙度、面形精度等)的忽然变化；机床的忽然振动；切削时异常的声响；切削时温度的忽然变化；切削力的忽然变化；主轴功率的忽然增加或减小等，都可以间接的反应刀具的磨损和破损状态。目前常用的方法有基于声发射信号的监测方法、基于切削力信号的监测方法、基于工件尺寸的监测方法、基于切削温度的监测方法等。直接法是通过一定的监测方法直接从刀具本身的磨损或破损状态来评价，如刀具在形状和重量上发生变化，并依据具体的测量技术和方法来判断刀具是否磨损或者破损。常用的方法有光学扫描法、计算机视觉法、接触探测传感器法等。

现有间接法对加工中的刀具磨损进行监测，本质上是通过获取加工过程中的机械信号对刀具状态进行检测。这些方法的评价标准会随着加工工件的尺寸、加工速度、进给量、工件的材料和刀具型号等因素而变化，需要不断地修正系统的一些参数和相关的设置。而且对于刀具磨损的阈值的选取和设定非常困难，在实际加工中都会发生变化，对加工环境要求严格，从而影响了实际加工的应用。而且其只能判断刀具是否磨损(定性)，而不能获得具体的刀具切削刃形状参数和几何精度等信息。而且由于信号的转换和计算需要耗费时间，效率和精确度不高。因此，准确获取刀具切削刃的形状参数的最佳方法仍然是直接法，目前，英国、美国、德国、日本等制造发达国家有多种基于直接测量法的刀具预调/测量仪产品，但是目前仍然存在以下几个方面的问题：

大多数测量方法和产品受测量原理的限制，只能做成独立装置，无法实现在线/在机检测，只能加工过程中分阶段进行离线测量，因此刀具无法及时获取切削刃的形状信息，导致无法及时监测刀具的磨损情况；同时多次离线测量或造成二次装夹误差，造成加工精度和加工效率降低；

现有的基于图像技术的刀具直接测量方法和产品，为保证能够实现对于小尺寸刀具的精密测量，采用大倍率小视场的光学镜头，大尺寸刀具测量时图像超出了视场无法准确获取刀具切削刃的形状信息，只能更换小倍率大视场镜头，这会导致测量精度下降，而且设备安装调整等准备时间增加，检测效率降低。

发明内容

本发明的目的在于克服已有技术的缺点，提供一种能够实现复杂型面加工过程中对于刀具切削刃的在线检测，及时准确地获得刀具切削刃形状参数，避免了传统离线测量造成二次装夹误差同时，实现加工过程中加工路径的及时修正和优化，大幅提高复杂型面加工精度和效率的超视场刀具在线检测方法。

本发明方法通过以下步骤实现：

本发明的一种超视场刀具在线检测方法，它包括以下步骤：

(1)打开安装在机床旋转工作台上的远心平行光源，初始化通过图像采集卡和计算机相连的CCD相机，将CCD相机图像在计算机的显示器上进行显示，所述的CCD相机安装在机床的平移工作台上；

(2)利用机床控制系统驱动机床的平移工作台带动CCD相机移动到安装在旋转工作台上的需检测的刀具上方，并控制平移工作台带动CCD相机移动实现对需检测的刀具的对焦,该对焦后的图像在计算机的显示器上进行显示，所述的需检测的刀具的切削刃处于远心平行光源中心；

(3)根据显示器中显示的CCD相机和刀具对焦好的图像,通过平移工作台带动刀具移动使刀具切削刃位于CCD相机视场中心，并使切削刃中心和旋转台中心重合，将此位置设定为刀具的初始位置，并通过CCD相机获取初始位置的刀具切削刃图像，然后传送给计算机；

(4)以初始位置为对称点，对称设定旋转工作台正反转的最大旋转角度，然后以一个方向的最大旋转角度点为起点按照设定分度值依次进行分度旋转，通过CCD相机获取每个分度位置上的刀具切削刃图像，其中任意相邻的两个图像的重复度不小于25％；

(5)利用Canny算子对所有的刀具切削刃图像的切削刃边缘进行亚像素插值计算，得到切削刃边缘的亚像素边缘点群的各个样本点的坐标并且通过Sobel边缘算子计算得到各个样本点的方向向量；

(6)为了获取相邻两幅图像中刀具切削刃的形状特征点，首先分别对最后两幅刀具切削刃图像的切削刃边缘亚像素边缘点群上的各个样本点进行形状特征描述；然后按照设定的角度步长将最后一幅刀具切削刃图像的各个样本点的坐标依次进行设定角度的旋转，通过仿射变换变换到与最后一幅刀具切削刃图像相邻的相邻刀具切削刃图像的坐标系下，获得多组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群；再计算每一组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群中的所有样本点的方向向量与相邻刀具切削刃图像中相应点处方向向量的点积总和，作为最后一幅刀具切削刃图像在相邻刀具切削刃图像的某个点处的相似度，相似度计算公式为：

$S=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}\frac{{d_{i(n-1)}^{,}}^T{e}_i}{||d_{i(n-1)}^{,}||||e_i||}$

式中m为相邻刀具切削刃图像中刀具切削刃边缘点群点数，e_i为与相邻刀具切削刃图像中的刀具切削刃边缘点对应的方向向量，d_i’_(n-1)为最后一幅刀具切削刃图像中的样本点变换后对应的方向向量；T代表转置矩阵；

(7)最后一幅刀具切削刃图像和相邻刀具切削刃图像中切削刃轮廓相似度最高的点群是刀具切削刃同一位置，把这些点作为特征点；

(8)将相邻刀具切削刃图像中特征点作为基准，把最后一幅刀具切削刃图像中亚像素边缘点群的坐标通过变换矩阵仿射变换到相邻刀具切削刃图像中的坐标以与相邻刀具切削刃图像中的亚像素边缘点群的坐标形成拼接；

(9)重复所述的步骤(6)～(8),将步骤(8)中拼接后形成的图像和与拼接后形成的图像相邻的刀具切削刃图像再进行拼接，直至将所有图像中切削刃轮廓点群完成拼接，形成完整的切削刃轮廓点群数据，所述的完整的切削刃轮廓点群数据为刀具切削刃实际轮廓形状；

(10)对所述的完整的切削刃轮廓点群数据利用最小二乘法进行相应形状拟合，获得刀具切削刃的形状参数，然后将拟合得到的刀具切削刃形状作为理想切削刃，分别计算刀具切削刃实际轮廓和理想切削刃的误差，获得切削刃最大形状误差；

(11)将获得的切削刃形状最大形状误差和加工系统中的刀具切削刃磨损阈值比较，如果切削刃形状最大形状误差≥刀具切削刃磨损阈值，刀具磨损或者形状误差已经达到极限，无法继续使用，计算机报警并输出控制信号给机床的控制系统以使加工过程自动停止，提示操作者需要更换刀具；如果切削刃形状最大形状误差≤刀具切削刃磨损阈值，计算机将刀具形状参数反馈给加工机床控制系统，利用最新刀具切削刃形状参数重新进行优化加工路径设计，利用最新加工路径进行加工。

本发明在复杂型面精密加工过程中基于图像处理技术实现刀具切削刃形状在线检测及磨损状况的在线监测，并基于切削刃轮廓形状特征匹配算法，通过切削刃形状拼接，实现了超视场刀具切削刃形状参数测量和磨损状况的监测，解决了现有复杂型面加工过程中，由于刀具磨损、刀具切削刃形状获取不及时以及离线测量导致的二次装夹误差等造成的零件加工精度不高、成品率低、效率低等问题。本发明的有益效果具体有以下几个方面：

(1)复杂型面加工精度主要是由机床精度和刀具形状参数所决定的，加工过程中刀具切削刃形状由于磨损等原因随时发生变化，本发明将CCD相机和高倍率镜头安装在机床进给工作台上，能够实现复杂型面加工过程中对于刀具切削刃的在线检测，及时准确地获得刀具切削刃形状参数，避免了传统离线测量造成二次装夹误差同时，实现加工过程中的及时加工路径修正和优化，大幅提高复杂型面加工精度和效率；并且通过对于磨损状况的及时监测，避免了对工件和机床的破坏，大幅降低工件的废品率，提高了机床的使用寿命。

(2)本发明方法基于切削刃轮廓形状特征匹配的拼接算法，实现了对刀超视野刀具具切削刃形状的测量和磨损监测，避免了传统为测量大尺寸刀具需更换小倍率镜头，降低测量精度的缺点，能够实现在复杂型面精密加工过程中刀具切削刃形状参数的高效高精度获取，进而提高复杂型面的加工精度。

附图说明

图1是本发明超视场刀具切削刃形状在线检测装置示意图；

图2是基于形状特征匹配实现超视场刀具切削刃形状检测及磨损监测方法的原理示意图。

1-刀具2-工件3-镜头4-CCD相机5-相机保持架6-Y轴直线进给工作台7-机床主轴8-X轴直线进给工作台9-基座10-远心平行光源11-旋转台12-Z轴直线进给工作台13-刀具保持架

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细说明。

本发明是依据复杂型面加工过程中加工轨迹路径优化刀具切削刃形状测量需求，基于刀具切削刃轮廓形状特征匹配实现超视场刀具切削刃形状测量和磨损监测而发明的。

所述的基于刀具切削刃轮廓形状特征匹配实现超视场刀具切削刃形状检测及磨损监测方法的原理如图2所示。

本发明的一种超视场刀具在线检测方法，它包括以下步骤：

(1)打开安装在机床旋转工作台上的远心平行光源10，初始化通过图像采集卡和计算机相连的CCD相机4，将CCD相机图像在计算机的显示器上进行显示，所述的CCD相机安装在机床的平移工作台上；

(2)利用机床控制系统驱动机床的平移工作台带动CCD相机移动到安装在旋转工作台11上的需检测的刀具上方，并控制平移工作台带动CCD相机移动实现对需检测的刀具的对焦,该对焦后的图像在计算机的显示器上进行显示，所述的需检测的刀具的切削刃处于远心平行光源中心；

(3)根据显示器中显示的CCD相机和刀具对焦好的图像,通过平移工作台带动刀具移动使刀具切削刃位于CCD相机视场中心，并使切削刃中心和旋转台中心重合。将此位置设定为刀具的初始位置，并通过CCD相机获取初始位置的刀具切削刃图像，然后传送给计算机，图像编号设定为I₀；

(4)以初始位置为对称点，对称设定旋转工作台正反转的最大旋转角度，然后以一个方向的最大旋转角度点为起点按照设定分度值δ依次进行分度旋转，通过CCD相机获取每个分度位置上的刀具切削刃图像，图像编号依次设定为I_-n，I_-n+1…I_-1，I₀，I₁，…I_n-1，I_n，其中任意相邻的两个图像的重复度不小于25％，即：如：第I_n-1，I_n图像的重复度不小于25％。

(5)利用Canny算子对所有的刀具切削刃图像的切削刃边缘进行亚像素插值计算，得到切削刃边缘的亚像素边缘点群的各个样本点的坐标并且通过Sobel边缘算子计算得到各个样本点的方向向量d_i；

(6)为了获取相邻两幅图像中刀具切削刃的形状特征点，首先分别对最后两幅刀具切削刃图像的切削刃边缘亚像素边缘点群上的各个样本点进行形状特征描述，表示为p_i＝(r_i,c_i)^T，其中p_i代表各样本点、r_i和c_i是各样本点的坐标值、T代表转置矩阵，i是任意一幅刀具切削刃图像的切削刃边缘亚像素边缘点群上的第i个点；然后按照设定的角度步长将最后一幅刀具切削刃图像I_n的各个样本点的坐标依次进行设定角度的旋转，通过仿射变换变换到与最后一幅刀具切削刃图像相邻的刀具切削刃图像I_n-1的坐标系下，获得多组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群。所述的角度步长是由测量精度决定的，需要精度高，步长就小一些，但是测量速度变低，如果不要精度高，步长就设定得大些，测量速度可以提高。具体变换过程如下：

最后一幅刀具切削刃图像I_n中的样本点变换前和变换后分别对应的方向向量以d_i(n)、d_i’_(n-1)表示，将该变换前和变换后样本点的形状特征描述以p_i(n)、p′_i(n-1)表示,i是正整数(i＝1，2，…n)；线性变换模型可以用公式(1)和公式(2)进行表示。

其中公式(1)中的A表示二阶标准旋转矩阵：

$A=\left(\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right)---\left(2\right)$

设与相邻刀具切削刃图像I_n-1中的刀具切削刃边缘点对应的方向向量为e_i，相邻刀具切削刃图像I_n-1中的刀具切削刃边缘点的某个点q的方向向量即可表示为e_q，计算每一组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群中的所有样本点的方向向量与相邻刀具切削刃图像I_n-1中相应点处方向向量的点积总和，作为最后一幅刀具切削刃图像I_n在相邻刀具切削刃图像I_n-1的某个点q处的相似度S，相似度S计算公式为：

$S=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}\frac{{d_{i(n-1)}^{,}}^T{e}_i}{||d_{i(n-1)}^{,}||||e_i||}---\left(3\right)$

式中m为相邻刀具切削刃图像I_n-1中刀具切削刃边缘点群点数，T代表转置矩阵；

(7)最后一幅刀具切削刃图像I_n和相邻刀具切削刃图像I_n-1中切削刃轮廓相似度S最高的点群是刀具切削刃同一位置，把这些点作为特征点；

(8)将相邻刀具切削刃图像I_n-1中特征点作为基准，把最后一幅刀具切削刃图像I_n中亚像素边缘点群的坐标(X_n，Y_n)通过变换矩阵(4)仿射变换到相邻刀具切削刃图像I_n-1中的坐标(X_n-1，Y_n-1)以与相邻刀具切削刃图像I_n-1中的亚像素边缘点群的坐标(X_n-1，Y_n-1)形成拼接；

最后一幅刀具切削刃图像I_n中亚像素边缘点群的坐标(X_n，Y_n)通过变换矩阵(4)仿射变换到相邻刀具切削刃图像I_n-1中的坐标(X_n-1，Y_n-1)的过程如下：

首先将相邻刀具切削刃图像I_n-1以及最后一幅刀具切削刃图像I_n特征点坐标代入式(4)计算得到t_x，t_y，然后再将最后一幅刀具切削刃图像I_n中非特征点群利用式(4)变换到相邻刀具切削刃图像I_n-1。

$\left[\begin{array}{c}{X}_{n-1}\\ Y_{n-1}\\ 1\end{array}\right]=\left[\begin{array}{ccc}cos\mathrm{\δ}& sin\mathrm{\δ}& t_x\\ -sin\mathrm{\δ}& cos\mathrm{\δ}& t_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{X}_n\\ Y_n\\ 1\end{array}\right]---\left(4\right)$

(9)重复所述的步骤(6)～(8),将步骤(8)中拼接后形成的图像和与拼接后形成的图像相邻的刀具切削刃图像再进行拼接，直至将所有图像中切削刃轮廓点群完成拼接，形成完整的切削刃轮廓点群数据P(X_n，Y_n)，所述的完整的切削刃轮廓点群数据为刀具切削刃实际轮廓形状；

(10)对所述的完整的切削刃轮廓点群数据P(X_n，Y_n)利用最小二乘法进行相应形状拟合(直线、圆弧等)，获得刀具切削刃的形状参数，如切削刃半径R、角度θ等，然后将拟合得到的刀具切削刃形状作为理想切削刃，分别计算刀具切削刃实际轮廓和理想切削刃的误差，获得切削刃最大形状误差△_max。

(11)将获得的切削刃形状最大形状误差△_max和加工系统中的刀具切削刃磨损阈值△₀比较，如果切削刃形状最大形状误差△_max≥刀具切削刃磨损阈值△₀，刀具磨损或者形状误差已经达到极限，无法继续使用，计算机报警并输出控制信号给机床的控制系统以使加工过程自动停止，提示操作者需要更换刀具；如果切削刃形状最大形状误差△_max≤刀具切削刃磨损阈值△₀，计算机将刀具形状参数反馈给加工机床控制系统，利用最新刀具切削刃形状参数重新进行优化加工路径设计，利用最新加工路径进行加工。

如图1所示作为实现本发明方法一种实施方式采用的结构为：CCD相机4通过相机保持架5固定在Y轴直线进给工作台6上，在所述的CCD相机4前端装有放大镜头3，Y轴直线进给工作台6可以带动相机保持架5、CCD相机4及镜头3一起上下移动，实现对被测对象刀具1的对焦。被测刀具1通过刀具保持架13固定在旋转工作台11上，旋转工作台11带动刀具保持架13及刀具1能够按照分度进行精确旋转，所述的旋转工作台11固定在Z轴直线进给工作台12上，Z轴直线进给工作台12带动旋转工作台11以及旋转工作台11上安装的刀具保持架13、需检测刀具1进行前后进给，实现对工件2的加工。远心平行光源10安装在旋转工作台11上，刀具1的切削刃中心和旋转台中心重合，所述的需检测刀具1的切削刃处于光源中心。

实施例1

(1)打开安装在机床旋转工作台上的远心平行光源10，初始化通过图像采集卡和计算机相连的CCD相机4，将CCD相机图像在计算机的显示器上进行显示，所述的CCD相机安装在机床的平移工作台上；

(2)利用机床控制系统驱动机床的平移工作台带动CCD相机移动到安装在旋转工作台11上的需检测的刀具上方，并控制平移工作台带动CCD相机移动实现对需检测的刀具的对焦,该对焦后的图像在计算机的显示器上进行显示，所述的需检测的刀具的切削刃处于远心平行光源中心；

(3)根据显示器中显示的CCD相机和刀具对焦好的图像,通过平移工作台带动刀具移动使刀具切削刃位于CCD相机视场中心，并使切削刃中心和旋转台中心重合。将此位置设定为刀具的初始位置，并通过CCD相机获取初始位置的刀具切削刃图像，然后传送给计算机，图像编号设定为I₀；

(4)以初始位置为对称点，对称设定旋转工作台正反转的最大旋转角度，然后以一个方向的最大旋转角度点为起点按照设定分度值5°依次进行分度旋转，通过CCD相机获取每个分度位置上的刀具切削刃图像，图像编号依次设定为I_-n，I_-n+1…I_-1，I₀，I₁，…I_n-1，I_n，其中任意相邻的两个图像的重复度不小于25％；

(5)利用Canny算子对所有的刀具切削刃图像的切削刃边缘进行亚像素插值计算，得到切削刃边缘的亚像素边缘点群的各个样本点的坐标并且通过Sobel边缘算子计算得到各个样本点的方向向量d_i；

(6)为了获取相邻两幅图像中刀具切削刃的形状特征点，首先分别对最后两幅刀具切削刃图像的切削刃边缘亚像素边缘点群上的各个样本点进行形状特征描述，表示为p_i＝(r_i,c_i)^T，其中p_i代表各样本点、r_i和c_i是各样本点的坐标值、T代表转置矩阵，i是任意一幅刀具切削刃图像的切削刃边缘亚像素边缘点群上的第i个点；然后按照设定的角度步长1°将最后一幅刀具切削刃图像I_n的各个样本点的坐标依次进行设定角度的旋转，通过仿射变换变换到与最后一幅刀具切削刃图像相邻的刀具切削刃图像I_n-1的坐标系下，获得多组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群。具体变换过程如下：

最后一幅刀具切削刃图像I_n中的样本点变换前和变换后分别对应的方向向量以d_i(n)、d_i’_(n-1)表示，将该变换前和变换后样本点的形状特征描述以p_i(n)、p′_i(n-1)表示,i是正整数(i＝1，2，…n)；线性变换模型可以用公式(1)和公式(2)进行表示。

其中公式(1)中的A表示二阶标准旋转矩阵：

$A=\left(\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right)---\left(2\right)$

设与相邻刀具切削刃图像I_n-1中的刀具切削刃边缘点对应的方向向量为e_i，相邻刀具切削刃图像I_n-1中的刀具切削刃边缘点的某个点q的方向向量即可表示为e_q，计算每一组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群中的所有样本点的方向向量与相邻刀具切削刃图像I_n-1中相应点处方向向量的点积总和，作为最后一幅刀具切削刃图像I_n在相邻刀具切削刃图像I_n-1的某个点q处的相似度S，相似度S计算公式为：

$S=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}\frac{{d_{i(n-1)}^{,}}^T{e}_i}{||d_{i(n-1)}^{,}||||e_i||}---\left(3\right)$

式中m为相邻刀具切削刃图像I_n-1中刀具切削刃边缘点群点数，T代表转置矩阵；

(7)最后一幅刀具切削刃图像I_n和相邻刀具切削刃图像I_n-1中切削刃轮廓相似度S最高的点群是刀具切削刃同一位置，把这些点作为特征点；

(8)将相邻刀具切削刃图像I_n-1中特征点作为基准，把最后一幅刀具切削刃图像I_n中亚像素边缘点群的坐标(X_n，Y_n)通过变换矩阵(4)仿射变换到相邻刀具切削刃图像I_n-1中的坐标(X_n-1，Y_n-1)以与相邻刀具切削刃图像I_n-1中的亚像素边缘点群的坐标(X_n-1，Y_n-1)形成拼接；最后一幅刀具切削刃图像I_n中亚像素边缘点群的坐标(X_n，Y_n)通过变换矩阵(4)仿射变换到相邻刀具切削刃图像I_n-1中的坐标(X_n-1，Y_n-1)的过程如下：

首先将相邻刀具切削刃图像I_n-1以及最后一幅刀具切削刃图像I_n特征点坐标代入式(4)计算得到t_x，t_y，然后再将最后一幅刀具切削刃图像I_n中非特征点群利用式(4)变换到相邻刀具切削刃图像I_n-1。

$\left[\begin{array}{c}{X}_{n-1}\\ Y_{n-1}\\ 1\end{array}\right]=\left[\begin{array}{ccc}cos\mathrm{\δ}& sin\mathrm{\δ}& t_x\\ -sin\mathrm{\δ}& cos\mathrm{\δ}& t_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{X}_n\\ Y_n\\ 1\end{array}\right]---\left(4\right)$

(9)重复所述的步骤(6)～(8),将步骤(8)中拼接后形成的图像和与拼接后形成的图像相邻的刀具切削刃图像再进行拼接，直至将所有图像中切削刃轮廓点群完成拼接，形成完整的切削刃轮廓点群数据P(X_n，Y_n)，所述的完整的切削刃轮廓点群数据为刀具切削刃实际轮廓形状；

(10)对所述的完整的切削刃轮廓点群数据P(X_n，Y_n)利用最小二乘法进行相应形状拟合(直线、圆弧等)，获得刀具切削刃的形状参数，然后将拟合得到的刀具切削刃形状作为理想切削刃，分别计算刀具切削刃实际轮廓和理想切削刃的误差，获得切削刃最大形状误差△_max。

(11)将获得的切削刃形状最大形状误差△_max和加工系统中的刀具切削刃磨损阈值△₀比较，如果切削刃形状最大形状误差△_max≥刀具切削刃磨损阈值△₀，刀具磨损或者形状误差已经达到极限，无法继续使用，计算机报警并输出控制信号给机床的控制系统以使加工过程自动停止，提示操作者需要更换刀具；如果切削刃形状最大形状误差△_max≤刀具切削刃磨损阈值△₀，计算机将刀具形状参数反馈给加工机床控制系统，利用最新刀具切削刃形状参数重新进行优化加工路径设计，利用最新加工路径进行加工。

本实施例中的刀具测量结果如下：刀具切削刃圆弧半径为2000.4μm，刀具厂家给出的切削刃圆弧半径测量结果为2000±1μm，本发明方法测量结果要比厂家测量结果精确。并且对同一刀具进行5次重复测量，分别得到的刀具切削刃圆弧半径为2000.4μm，2000.4μm，2000.5μm，2000.4μm，2000.4μm，从结果分布看，本发明方法的测量重复性比较好。本发明方法测量刀具切削刃最大形状误差为1.03μm，将本发明方法反馈给机床控制系统进行加工路径优化设计后，对硬质合金非球面工件进行加工，加工后工件形状精度P-V值为3.6277μm，表面粗糙度Ra值为4.72nm。

Claims (2)

1.一种超视场刀具在线检测方法，其特征在于它包括以下步骤：

(1)打开安装在机床旋转工作台上的远心平行光源，初始化通过图像采集卡和计算机相连的CCD相机，将CCD相机图像在计算机的显示器上进行显示，所述的CCD相机安装在机床的平移工作台上；

(2)利用机床控制系统驱动机床的平移工作台带动CCD相机移动到安装在旋转工作台上的需检测的刀具上方，并控制平移工作台带动CCD相机移动实现对需检测的刀具的对焦,该对焦后的图像在计算机的显示器上进行显示，所述的需检测的刀具的切削刃处于远心平行光源中心；

(3)根据显示器中显示的CCD相机和刀具对焦好的图像,通过平移工作台带动刀具移动使刀具切削刃位于CCD相机视场中心，并使切削刃中心和旋转台中心重合，将此位置设定为刀具的初始位置，并通过CCD相机获取初始位置的刀具切削刃图像，然后传送给计算机；

(4)以初始位置为对称点，对称设定旋转工作台正反转的最大旋转角度，然后以一个方向的最大旋转角度点为起点按照设定分度值依次进行分度旋转，通过CCD相机获取每个分度位置上的刀具切削刃图像，其中任意相邻的两个图像的重复度不小于25％；

(5)利用Canny算子对所有的刀具切削刃图像的切削刃边缘进行亚像素插值计算，得到切削刃边缘的亚像素边缘点群的各个样本点的坐标并且通过Sobel边缘算子计算得到各个样本点的方向向量；

(6)为了获取相邻两幅图像中刀具切削刃的形状特征点，首先分别对最后两幅刀具切削刃图像的切削刃边缘亚像素边缘点群上的各个样本点进行形状特征描述；然后按照设定的角度步长将最后一幅刀具切削刃图像的各个样本点的坐标依次进行设定角度的旋转，通过仿射变换变换到与最后一幅刀具切削刃图像相邻的相邻刀具切削刃图像的坐标系下，获得多组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群；再计算每一组变换后的最后一幅刀具切削刃图像的切削刃边缘样本点群中的所有样本点的方向向量与相邻刀具切削刃图像中相应点处方向向量的点积总和，作为最后一幅刀具切削刃图像在相邻刀具切削刃图像的某个点处的相似度，相似度计算公式为：

$S=\frac{1}{m}\underset{i=1}{\overset{m}{\Σ}}\frac{{d_{i(n-1)}^{,}}^T{e}_i}{\left|\right|d_{i(n-1)}^{,}\left|\right|\left|\right|e_i\left|\right|}$

式中m为相邻刀具切削刃图像中刀具切削刃边缘点群点数，e_i为与相邻刀具切削刃图像中的刀具切削刃边缘点对应的方向向量，d_i’_(n-1)为最后一幅刀具切削刃图像中的样本点变换后对应的方向向量；T代表转置矩阵；

(7)最后一幅刀具切削刃图像和相邻刀具切削刃图像中切削刃轮廓相似度最高的点群是刀具切削刃同一位置，把这些点作为特征点；

(8)将相邻刀具切削刃图像中特征点作为基准，把最后一幅刀具切削刃图像中亚像素边缘点群的坐标通过变换矩阵仿射变换到相邻刀具切削刃图像中的坐标以与相邻刀具切削刃图像中的亚像素边缘点群的坐标形成拼接；

(9)重复所述的步骤(6)～(8),将步骤(8)中拼接后形成的图像和与拼接后形成的图像相邻的刀具切削刃图像再进行拼接，直至将所有图像中切削刃轮廓点群完成拼接，形成完整的切削刃轮廓点群数据，所述的完整的切削刃轮廓点群数据为刀具切削刃实际轮廓形状；

(10)对所述的完整的切削刃轮廓点群数据利用最小二乘法进行相应形状拟合，获得刀具切削刃的形状参数，然后将拟合得到的刀具切削刃形状作为理想切削刃，分别计算刀具切削刃实际轮廓和理想切削刃的误差，获得切削刃最大形状误差；

(11)将获得的切削刃形状最大形状误差和加工系统中的刀具切削刃磨损阈值比较，如果切削刃形状最大形状误差≥刀具切削刃磨损阈值，刀具磨损或者形状误差已经达到极限，无法继续使用，计算机报警并输出控制信号给机床的控制系统以使加工过程自动停止，提示操作者需要更换刀具；如果切削刃形状最大形状误差≤刀具切削刃磨损阈值，计算机将刀具形状参数反馈给加工机床控制系统，利用最新刀具切削刃形状参数重新进行优化加工路径设计，利用最新加工路径进行加工。

2.根据权利要求1所述的超视场刀具在线检测方法，其特征在于：最后一幅刀具切削刃图像中亚像素边缘点群的坐标通过变换矩阵仿射变换到相邻刀具切削刃图像中的坐标的过程如下：首先将相邻刀具切削刃图像以及最后一幅刀具切削刃图像特征点坐标代入下式计算得到t_x，t_y，然后再将最后一幅刀具切削刃图像中非特征点群利用下式变换到相邻刀具切削刃图像；

$\left[\begin{array}{c}{X}_{n-1}\\ Y_{n-1}\\ 1\end{array}\right]=\left[\begin{array}{ccc}cos\mathrm{\δ}& sin\mathrm{\δ}& t_x\\ -sin\mathrm{\δ}& cos\mathrm{\δ}& t_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{X}_n\\ Y_n\\ 1\end{array}\right]$

式中:(X_n，Y_n)为最后一幅刀具切削刃图像中亚像素边缘点群的坐标,(X_n-1，Y_n-1)为最后一幅刀具切削刃图像中亚像素边缘点群的坐标仿射变换到相邻刀具切削刃图像中的坐标,δ为步骤(4)中设定的分度值。