CN108007388A - 一种基于机器视觉的转盘角度高精度在线测量方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的转盘角度高精度在线测量方法，利用单目工业相机对转盘上的标记圆孔点进行实时图像采集，通过对获取的图像进行视觉和图像测量学分析，获得转盘上标记圆孔点的位置信息，然后通过几何方法计算出旋转角度信息。本发明实现的角度测量的优点是：测量速度快，可实现实时在线测量；采用非接触式技术实现测量功能，可避免对工件表面的影响和损伤；通过改进算法，最大程度地消除了因光照环境复杂以及生产现场的喷液、水渍等对测量结果造成的干扰。

Description

一种基于机器视觉的转盘角度高精度在线测量方法

技术领域

本发明涉及机器视觉和光学图像测量技术领域，具体地讲，是一种基于机器视觉和光学图像测量技术的高精度在线角度测量方法。

背景技术

传统的工件角度测量方法大多通过人工手动、使用简单的机械装置或光学仪器等方式进行，测量流程繁琐，测量效率较低，且测量过程极易受人为误差影响。随着制造业的发展对测量精度和速度越来越高的要求，传统方法已经不能很好地满足工业生产自动化的发展要求。

机器视觉是使机器具有模仿生物视觉的功能，通过获取被测物体的图像信息并进行分析计算，得出所需的识别或测量信息。近年来，机器视觉在工业领域的应用越来越多，如工件缺陷检测，有无检测，工件形状检测与尺寸测量、位置检测等。

基于机器视觉的角度测量方法能够很好地克服传统测量方法的不足，其非接触的测量方式不会对被测对象表面造成任何损害；测量精度优于传统检测设备；测量速度快，可在设备的作业过程中实时显示测量结果，实现在线测量。因此，基于机器视觉的测量方法能够在工业生产和制造的自动化流程中发挥重要作用，在工业生产现场具有极其广阔的应用空间。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，设计一种应用于工业现场生产环境中，可实现非接触式测量的转盘角度高精度在线测量方法。

为解决上述技术问题，本发明设计了一种基于机器视觉的转盘角度高精度在线测量方法。该测量方法具体包括以下步骤：

一种基于机器视觉的转盘角度高精度在线测量方法，包括以下步骤：

1)测量参考标记圆孔设定阶段：在待测圆盘上设定用于参考标记的两个参考标记圆孔；

2)图像采集阶段：安装相机并采集待测圆盘旋转起来之后的表面图像；

3)图像处理阶段：对采集的图像进行灰度化处理，然后进行形态学滤波，再进行基于Canny算子的边缘检测，拟合出标记圆孔的像素边缘坐标，接下来霍夫变换检测标记圆孔位置，初步选出符合标记圆孔特征的圆形轮廓区域，最后从轮廓区域中正确识别出步骤1)中设定的两个标记圆孔的位置信息，其中包含各自的圆心坐标和半径信息；

4)角度测量阶段：取两个标记圆孔的圆心位置P1和P2，并取其中待测圆盘在垂直轴线方向上任意一点P3，再分别取P1到P2和P3之间的向量，计算两个向量夹角的余弦值，最终得到转盘角度。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述测量参考标记圆孔点设定阶段，包含如下步骤：

a.在待测圆盘的正中心打一个标记圆孔，圆心为P1，半径为R1，作为转盘角度测量的参考标记圆孔C1；

b.在距离待测圆盘的正中心2cm处打一个标记圆孔，圆心为P2，半径为R2，作为转盘角度测量的参考标记圆孔C2；

其中P2与P1之间的距离为D2，D2>(R1+R2)且D2<R3,其中R3为待测圆盘半径，且R1>R2。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述图像采集阶段中，在相机安装时，包含如下步骤：

a.根据现场环境和相机参数，在待测转盘中心的正上方安装单目工业相机，并使传感器光轴垂直于被测转盘平面；

b.根据转盘上标记圆孔点的尺寸和相机焦距调整相机安装高度，使得标记圆孔刚好在相机中心区域成像。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述图像处理阶段，在对采集的图像进行灰度化处理之前，还包括对图像进行预处理的步骤：

1)对获取的二维图形信息进行平滑和降采样；

2)对降采样后图像进行升采样和再次平滑；

其中平滑与降采样操作过程为高斯金字塔降采样，首先将图像与高斯核函数：

进行卷积，然后对图像进行降采样；

所述升采样与平滑操作为高斯金字塔升采样，首先将图像升采样，然后与降采样中所使用的高斯核的4倍进行卷积。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述灰度化阶段灰度Y的计算公式：

Y＝0.299×R+0.587×G+0.114×B

其中R、G、B分别为原图像的红色、绿色、蓝色分量。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述形态学滤波阶段，腐蚀操作使用3×3的方形结构元素，膨胀操作使用8×8的方形结构元素。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述Canny边缘检测阶段，其检测步骤如下：

a.用高斯滤波器进行平滑；

b.对平滑后图像使用一阶导数算子检测图像的梯度幅值和方向；

c.对梯度幅值进行非极大值抑制；

d.用双阈值算法检测和连接边缘。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述Canny算子的阈值采用最大类间方差自动阈值方法进行确定，步骤如下：

a.设图像I_M×N在位置(x，y)处的灰度值为f(x，y)，灰度级为L，则f(x，y)∈[0,L-1]；设灰度级i的所有像素个数为f_i，则第i级灰度出现的概率为其中M和N分别表示图像I每行和每列的像素个数，i＝0,1，…L-1,且

b.根据灰度级L和阈值T，将图像中的像素划分为两类，分别为背景C₀和目标C₁；其中，背景C₀灰度级为[0,T-1],目标C₁灰度级为[T,L-1]；C₀和C₁对应的像素分别为{f(x,y)<T}和{f(x,y)≥T}；

c.计算背景C₀部分出现的概率：目标C₁部分出现的概率：其中ω₀+ω₁＝1；背景C₀部分的平均灰度值：目标C₁部分的平均灰度值：图像的平均灰度值：

d.计算图像中背景和目标的类间方差：

σ²(k)＝ω₀(μ-μ₀)²+ω₁(μ-μ₁)²

式中k的取值为0到L-1；

e.所求最优阈值K＝arg_{k∈[0,1,2,...,L-1]}max[σ²(k)]。

根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，在基于霍夫变换检测标记圆孔点位置之前，还包括对Canny边缘检测的结果进行亚像素精度优化的步骤，步骤如下：

a.对已知的边缘像素(x_i,y_i)，计算梯度图G(i,j)，沿x方向取G(i-1,j)、G(i,j)和G(i+1,j)三点，并计算该三点对应的梯度幅值；

b.以梯度幅值作为插值函数值，设像素沿x方向的间距为ω，点(x_i-ω)、x_i和(x_i+ω)为插值点，代入

求f(x)的导数f'(x)，并令f'(x)＝0，得出x方向上的亚像素边缘坐标：

同理，得y方向上亚像素边缘坐标：其中，h为像素沿y方向的间距。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述圆形轮廓检测方法基于霍夫变换实现，对边缘二值图像，其检测步骤如下：

a.对边缘图像中非零点P(x0,y0)，通过该点的圆参数方程为:r²＝(x-x₀)²+(y-y₀)²，包含三个参数，即圆的半径r和圆心的x和、y坐标；

b.使用二维累加器，沿梯度方向进行搜索(基于预定义的最大和最小半径值)，并计算是否达到预定义数量的投票数，找到可能的圆心位置；

c.构建一维的半径直方图；直方图的峰值即为检测到的圆的半径。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，在圆形轮廓检测之后，还包括几何特征滤除步骤：根据圆的宽高比和面积定义公式，通过设置合适的高低阈值范围，将不符合几何特征的候选轮廓区域进行进一步滤除。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述角度测量阶段，包括如下步骤：

1)从所述图像处理阶段检测出两个标记圆孔孔的圆心位置和半径；

2)其中半径较大者对应为转盘中心点P1，较小者为另一个标记圆孔点P2；

3)取P₁(x₁,y₁)，P₂(x₂,y₂)，以及p1在垂直方向上的一点P₃((x₁+0),y₁-10)),并记

4)根据公式计算出v1和v2向量夹角的余弦值，进而求出最终的角度测量结果。

所述的一种基于机器视觉的转盘角度高精度在线测量方法，所述计算旋转角度余弦的公式如下：

cos(θ)＝(v1.x*v2.x+v1.y*v2.y)/norm(v1)*norm(v2)

其中，norm(v1)和norm(v2)分别为向量v1和v2的行列式值；根据反余弦公式：θ＝acos(cos(θ))求出角度值。

本发明通过采用机器视觉和图像测量的方法对圆盘上参考标记点进行轮廓搜索与定位，经过一些列处理过程，最终得到待测圆盘的实时旋转角度信息。

与现有技术相比，基于本发明实现的角度测量方法的优点是：测量速度快，动态跟踪速率可达30帧每秒，可实现实时在线测量；测量精度高，最高可达0.01度；采用非接触式测量技术，可避免对待测物件表面的损伤；实现角度的自动测量功能，增强了测量过程的方便性，避免了人为操作的误差。硬件安装和后期维护和简单；从算法上最大程度地降低了因光照环境复杂以及生产制造现场的喷液、水渍等对角度测量结果造成的干扰。同时，采用低成本软硬件整体方案，相较激光传感器等测量方式具有明显价格优势。因此，本申请技术方法具有软硬件成本可控、性能可靠性高的优势。

附图说明

图1为本发明硬件系统构成图；

图2本发明公开的转盘角度测量方法流程图；

图3为本发明实施例的待测转盘及标记圆孔实物图；

图4为本发明实施例的角度测量模型实施图；

图5为本发明实施例的Canny边缘检测结果图；

图6为本发明实施例的标记圆孔检测结果图；

图中，1-工业相机，2-相机镜头，3-LED环形光源，4-USB接口，5-电脑，6-待测转盘，7-转盘中心圆形标记点P1，8-圆形标记点P2。

具体实施方式

下面结合附图和具体实施例，进一步阐述本发明。

如附图1所示，一种基于机器视觉的转盘角度高精度在线测量系统。为完成角度测量功能，本发明中使用的硬件包括300万像素高清CMOS工业相机，6mm定焦镜头，LED背光光源，电脑，手机镀膜涂装流水线上使用的待测转盘(见附图3)，转盘上用打孔的方式标记两个参考圆，其中一个为转盘中心所在圆，直径8mm，其圆心为点P1，另一个参考圆直径为5mm，其圆心记为P2。LED环形光源可辅助提升工业相机采集的图像质量，工业相机采集待测转盘及其上的标记圆孔点图像，并通过USB接口与电脑连接。采集的图像经过数字化后再进行分析处理，完成转盘角度测量功能。

附图2为本发明公开的转盘角度测量方法流程图，具体包括以下步骤：

使相机的成像中心位置与转盘圆心重合,使用6mm定焦镜头，相机镜头距离转盘平面高度为10mm左右。

打开LED环形光源，使光线均匀照射在被测转盘上，以提高成像质量。

相机分辨率设置为640*480，帧速30帧每秒,实时采集相机图像数据。

对图像进行降采样与平滑滤波，以降低现场环境噪声影响。再次进行平滑和升采样，恢复原图像尺寸。

对图像进行灰度化操作，灰度的计算公式：

RGB to Gray:Y＝0.299×R+0.587×G+0.114×B

其中，R，G，B分别为彩色RGB图像中红，绿，篮三个通道的灰度值。

对灰度化后的图像进行形态学滤波操作，依次进行一次腐蚀和膨胀操作，其中腐蚀操作使用3x3的方形结构元素，膨胀操作使用8×8的方形结构元素。

形态学滤波后的图像进行Canny边缘检测(见附图5)，其阈值通过最大类间方差的方法计算得出：

K＝arg_{k∈[0,1,2,...,L-1]}max[σ²(k)]

对Canny边缘检测的结果进行亚像素精度优化，以提高边缘定位精度。对已知的边缘像素(x_i,y_i)，其x方向上的亚像素边缘坐标：

y方向上亚像素边缘坐标：

对亚像素边缘检测点进行霍夫圆变换，初步选出符合标记圆孔特征的圆形轮廓区域。

进行几何特征过滤，进一步滤除可能的干扰。设置标记圆孔的宽高比阈值范围为[0.75,1],面积阈值范围为[0.75,1]，最终确定标记圆孔的圆心坐标和半径，如附图6所示。

进行角度测量，计算转盘上两个标记圆孔的半径，其中半径较大者对应为转盘中心点P1，较小者为另一个标记圆孔点P2。

如附图4所示，取P₁(x₁,y₁)，P₂(x₂,y₂)，以及P1在圆盘垂直轴线方向上的一点P₃((x1+0),y₁-10)),并记

根据公式cos(θ)＝(v1.x*v2.x+v1.y*v2.y)/norm(v1)*norm(v2)计算转盘的旋转角度值。其中，norm(v1)和norm(v2)分别为向量v1和v2的范数值。根据反余弦公式：θ＝acos(cos(θ))即可求出角度值。

Claims (13)

1.一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，包括以下步骤：

1)测量参考标记圆孔设定阶段：在待测圆盘上设定用于参考标记的两个参考标记圆孔；

2)图像采集阶段：安装相机并采集待测圆盘旋转起来之后的表面图像；

3)图像处理阶段：对采集的图像进行灰度化处理，然后进行形态学滤波，再进行基于Canny算子的边缘检测，拟合出标记圆孔的像素边缘坐标，接下来霍夫变换检测标记圆孔位置，初步选出符合标记圆孔特征的圆形轮廓区域，最后从轮廓区域中正确识别出步骤1)中设定的两个标记圆孔的位置信息，其中包含各自的圆心坐标和半径信息；

4)角度测量阶段：取两个标记圆孔的圆心位置P1和P2，并取其中待测圆盘在垂直轴线方向上任意一点P3，再分别取P1到P2和P3之间的向量，计算两个向量夹角的余弦值，最终得到转盘角度。

2.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述测量参考标记圆孔点设定阶段，包含如下步骤：

a.在待测圆盘的正中心打一个标记圆孔，圆心为P1，半径为R1，作为转盘角度测量的参考标记圆孔C1；

b.在距离待测圆盘的正中心2cm处打一个标记圆孔，圆心为P2，半径为R2，作为转盘角度测量的参考标记圆孔C2；

其中P2与P1之间的距离为D2，D2>(R1+R2)且D2<R3,其中R3为待测圆盘半径，且R1>R2。

3.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述图像采集阶段中，在相机安装时，包含如下步骤：

a.根据现场环境和相机参数，在待测转盘中心的正上方安装单目工业相机，并使传感器光轴垂直于被测转盘平面；

b.根据转盘上标记圆孔点的尺寸和相机焦距调整相机安装高度，使得标记圆孔刚好在相机中心区域成像。

4.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述图像处理阶段，在对采集的图像进行灰度化处理之前，还包括对图像进行预处理的步骤：

1)对获取的二维图形信息进行平滑和降采样；

2)对降采样后图像进行升采样和再次平滑；

其中平滑与降采样操作过程为高斯金字塔降采样，首先将图像与高斯核函数：

进行卷积，然后对图像进行降采样；

所述升采样与平滑操作为高斯金字塔升采样，首先将图像升采样，然后与降采样中所使用的高斯核的4倍进行卷积。

5.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述灰度化阶段灰度Y的计算公式：

Y＝0.299×R+0.587×G+0.114×B

其中R、G、B分别为原图像的红色、绿色、蓝色分量。

6.根据权利要求4所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述形态学滤波阶段，腐蚀操作使用3×3的方形结构元素，膨胀操作使用8×8的方形结构元素。

7.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述Canny边缘检测阶段，其检测步骤如下：

a.用高斯滤波器进行平滑；

b.对平滑后图像使用一阶导数算子检测图像的梯度幅值和方向；

c.对梯度幅值进行非极大值抑制；

d.用双阈值算法检测和连接边缘。

8.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述Canny算子的阈值采用最大类间方差自动阈值方法进行确定，步骤如下：

a.设图像I_M×N在位置(x，y)处的灰度值为f(x，y)，灰度级为L，则f(x，y)∈[0,L-1]；设灰度级i的所有像素个数为f_i，则第i级灰度出现的概率为其中M和N分别表示图像I每行和每列的像素个数，i＝0,1，…L-1,且

b.根据灰度级L和阈值T，将图像中的像素划分为两类，分别为背景C₀和目标C₁；其中，背景C₀灰度级为[0,T-1],目标C₁灰度级为[T,L-1]；C₀和C₁对应的像素分别为{f(x,y)<T}和{f(x,y)≥T}；

c.计算背景C₀部分出现的概率：目标C₁部分出现的概率：其中ω₀+ω₁＝1；背景C₀部分的平均灰度值：目标C₁部分的平均灰度值：图像的平均灰度值：

d.计算图像中背景和目标的类间方差：

σ²(k)＝ω₀(μ-μ₀)²+ω₁(μ-μ₁)²

式中k的取值为0到L-1；

e.所求最优阈值K＝arg_{k∈[0,1,2,...,L-1]}max[σ²(k)]。

9.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，在基于霍夫变换检测标记圆孔点位置之前，还包括对Canny边缘检测的结果进行亚像素精度优化的步骤，步骤如下：

a.对已知的边缘像素(x_i,y_i)，计算梯度图G(i,j)，沿x方向取G(i-1,j)、G(i,j)和G(i+1,j)三点，并计算该三点对应的梯度幅值；

b.以梯度幅值作为插值函数值，设像素沿x方向的间距为ω，点(x_i-ω)、x_i和(x_i+ω)为插值点，代入

求f(x)的导数f'(x)，并令f'(x)＝0，得出x方向上的亚像素边缘坐标：

同理，得y方向上亚像素边缘坐标：其中，h为像素沿y方向的间距。

10.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述圆形轮廓检测方法基于霍夫变换实现，对边缘二值图像，其检测步骤如下：

a.对边缘图像中非零点P(x0,y0)，通过该点的圆参数方程为:r²＝(x-x₀)²+(y-y₀)²，包含三个参数，即圆的半径r和圆心的x和、y坐标；

b.使用二维累加器，沿梯度方向进行搜索(基于预定义的最大和最小半径值)，并计算是否达到预定义数量的投票数，找到可能的圆心位置；

c.构建一维的半径直方图；直方图的峰值即为检测到的圆的半径。

11.根据权利要求4所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，在圆形轮廓检测之后，还包括几何特征滤除步骤：根据圆的宽高比和面积定义公式，通过设置合适的高低阈值范围，将不符合几何特征的候选轮廓区域进行进一步滤除。

12.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述角度测量阶段，包括如下步骤：

1)从所述图像处理阶段检测出两个标记圆孔孔的圆心位置和半径；

2)其中半径较大者对应为转盘中心点P1，较小者为另一个标记圆孔点P2；

3)取P₁(x₁,y₁)，P₂(x₂,y₂)，以及p1在垂直方向上的一点P₃((x₁₊0),y₁-10)),并记

4)根据公式计算出v1和v2向量夹角的余弦值，进而求出最终的角度测量结果。

13.根据权利要求1所述的一种基于机器视觉的转盘角度高精度在线测量方法，其特征在于，所述计算旋转角度余弦的公式如下：

cos(θ)＝(v1.x*v2.x+v1.y*v2.y)/norm(v1)*norm(v2)

其中，norm(v1)和norm(v2)分别为向量v1和v2的行列式值；根据反余弦公式：θ＝acos(cos(θ))求出角度值。