CN115035107A - 基于图像处理的车桥齿轮做工误差检测方法 - Google Patents

Abstract

本发明涉及误差缺陷检测技术领域，具体涉及一种基于图像处理的车桥齿轮做工误差检测方法，该方法包括：获取齿轮灰度图像并对其进行处理得到齿轮区域和中心圆孔区域，获取这两个区域的圆心记为第一圆心和第二圆心；根据第一圆心和第二圆心确定齿轮圆心的大致范围，以该范围内各像素点为圆心进行半径扩张，并计算像素点的符合程度，获取符合程度最大值对应的像素点记为齿心圆点；以齿心圆点为圆心进行半径扩张，根据圆周上像素点像素值的变化确定分度圆半径；进而根据以齿心圆点为圆心，以分度圆半径长度为半径的圆周上像素值确定齿距，计算单齿齿距误差和齿轮累计误差，判断是否出现误差缺陷。本发明检测结果较为准确，检测效率更高。

Description

基于图像处理的车桥齿轮做工误差检测方法

技术领域

本发明涉及误差缺陷检测技术领域，具体涉及一种基于图像处理的车桥齿轮做工误差检测方法。

背景技术

齿轮作为核心零部件，具有结构紧凑，传动效率高，传递功率大等优点，其加工精度对整车NVH性能至关重要，但是在齿轮加工中会不可避免的出现齿距误差等情况。在现有的齿轮齿距误差检测方法中，一些接触式设备如三坐标测量机、专用测量尺柜等工具仍然是目前最常使用的齿轮参数测量设备，这些设备操作复杂，人工管理成本高，同时需要与齿轮接触，在检测过程中可能会造成二次损伤。

因此出现了利用机器视觉检测齿轮做工误差的方法，该方法使用边缘检测之后，使用最小二乘法进行对齿轮内轮廓和外轮廓进行圆拟合，而根据齿轮最外侧边缘拟合的圆形由于齿轮的外侧边缘造型是齿，拟合后的圆是经过齿的圆，得到的外轮廓圆是不精确的圆，并且该方案中使用的是内轮廓圆和外轮廓圆的平均值作为齿轮的中心，外轮轮廓尚且不够精确，并且该方案没有考虑做工误差导致的内圆心偏移，得到的齿轮特征也不够精确，因此测量的齿距也是不精确的。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于图像处理的车桥齿轮做工误差检测方法，所采用的技术方案具体如下：

获取齿轮灰度图像，对齿轮灰度图像进行分割处理得到单个齿轮图像，对单个齿轮图像进行连通域分析得到齿轮区域和中心圆孔区域；获取中心圆孔区域和齿轮区域对应的圆心，分别记为第一圆心和第二圆心；

以第一圆心和第二圆心连接得到的线段为直径，以该线段中点为圆心，获得齿心圆形；分别以齿心圆形内各像素点为圆心，以设定数值为初始半径画圆，并以步长为1依次增大半径的长度继续获取以各像素点为圆心的圆，直到半径长度为最大半径时停止；根据各像素点对应的圆周上像素点像素值均值为第一数值的圆的数量，计算各像素点的符合程度；获取符合程度最大值对应的像素点记为齿心圆点；

分别获取以齿心圆点为圆心，以设定数值为初始半径画圆，并以步长为1依次增大半径的长度，直到半径长度为最大半径时停止；根据以齿心圆点为圆心的所有圆周上像素点的像素值以及圆对应的半径长度进行曲线拟合，得到像素变化曲线；根据像素值变化曲线确定分度圆半径；

获取以齿心圆点为圆心，以分度圆半径的长度为半径的圆周上像素点的像素值，根据像素点的像素值的变化确定齿距，并计算齿距均值；根据齿距均值和齿距的差值得到单齿齿距误差，对单齿齿距误差求和得到齿距累计误差；根据单齿齿距误差和齿距累计误差以及误差阈值判断是否出现误差缺陷。

优选地，所述获取中心圆孔区域和齿轮区域对应的圆心具体为：

获取中心圆孔区域各边缘像素点之间的距离，获取距离最大的两个像素点的连线中点得到的中心圆孔区域对应的圆心，记为第一圆心；

获取齿轮区域的边缘像素点，以各边缘像素点为圆心，以预设数值为半径画圆；获取各边缘像素点对应的圆内与齿轮区域重合部分包含的像素点数量，获取所述像素点数量大于预设阈值对应的边缘像素点记为角点；计算各角点之间的距离，获取距离最大的两个角点的连线中点得到齿轮区域对应的圆心，记为第二圆心。

优选地，所述最大半径具体为：获取单个齿轮图像的尺寸，将单个齿轮图像的长和宽之和的四分之一设置为最大半径。

优选地，所述像素点的符合程度的获取方法具体为：

其中，

表示像素点v的符合程度，

表示像素点v对应的比例系数，

表示像素点v对应的所有圆周上像素点的平均灰度值为1时对应的圆周数量，M×N为单个齿轮图像的尺寸大小，

表示像素点v对应的各圆周上灰度值为1的像素点数量，

表示取最大值，

和

表示权重系数，

为圆周率常数。

优选地，所述像素变化曲线的横坐标为半径的长度，纵坐标为各圆周上灰度值为1的像素点所占的比例，且像素变化曲线包括四个分段点。

优选地，所述根据像素值变化曲线确定分度圆半径具体为：获取第四个分段点对应的横坐标为分度圆半径。

优选地，所述根据像素点的像素值的变化确定齿距具体为：

选择圆周上任意一个灰度值为0的像素点，从该像素点开始按照设定方向在圆周上遍历，将第一个灰度值为1的像素点记为第一像素点，将第三个灰度值为1的像素点记为第二像素点，获取第一像素点和第二像素点之间在圆周上的距离为齿距。

本发明实施例至少具有如下有益效果：

本发明使用机器视觉的方法获取齿轮图像，对图像进行相关的分割处理等操作后得到齿轮区域和中心圆孔区域，通过分别获取这两个区域内的圆心确定齿轮准确的圆心所属的大致区域，再通过半径扩张进行遍历获得齿轮准确的圆心；然后再通过半径扩张进行遍历获得齿轮的分度圆半径，最终通过分度圆圆周上像素点的变化情况获取单齿齿距误差和齿轮累计误差。本发明充分考虑了由于齿轮偏心造成齿轮存在单齿齿距误差和齿轮累计误差的情况，以获取较为精确的齿轮圆心，进而使得误差检测结果更加准确，同时能够多个齿轮同时进行检测，检测的效率较高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明的一种基于图像处理的车桥齿轮做工误差检测方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的车桥齿轮做工误差检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于图像处理的车桥齿轮做工误差检测方法的具体方案。

实施例：

请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的车桥齿轮做工误差检测方法的方法流程图，该方法包括以下步骤：

步骤一，获取齿轮灰度图像，对齿轮灰度图像进行分割处理得到单个齿轮图像，对单个齿轮图像进行连通域分析得到齿轮区域和中心圆孔区域；获取中心圆孔区域和齿轮区域对应的圆心，分别记为第一圆心和第二圆心。

首先，将经过机器生产出来的齿轮放置在传送带上，并在传送带上方放置一个相机，以俯视角度采集齿轮的图像。在此使用间歇性传送带，即达到某一位置时需要停顿一下，以给相机采集图像的时间。在本实施例中，将其设置为当齿轮达到相机正下方时停顿，实施者可根据实际情况进行选择。在获取相机采集到的齿轮的图像后，为了方便后续的分析，对图像进行灰度化处理得到齿轮灰度图像，在本实施例中，采用加权平均法对图像进行灰度化处理，实施者也可根据实际情况选择合适的处理方法。

需要说明的是，由于齿轮是精密器件，图像的精度对于之后的处理有着重要的影响，在采集图像时，虽然传送带会进行停顿，但是由于相机本身的聚焦或者延迟问题，会导致图像出现轻微的模糊，并且由于光线等原因和在工厂生产会产生噪声数据。因此要对图像进行去噪和去模糊处理。

在本实施例中，采用不同的滤波算法对图像进行增强，实施者也可以根据实际情况进行选择更加合适的算法。具体地，采用二维傅里叶变化的信号增强对齿轮灰度图像进行去噪声处理，采用高斯高通滤波进行增强对齿轮灰度图像进行去模糊处理。这两种算法都为公知技术，在此不再过多赘述。

然后，由于车桥齿轮自身尺寸较小，考虑到经济效益，为了使得传送量更大，会将多个齿轮按顺序放置在传送带上，但是齿轮之间不重叠。因此在使用相机进行图像采集时，可能存在采集到的图像中包含多个齿轮的情况，而对多个齿轮的齿距进行检测的计算量较大，可能会出现误差较大的情况，故需要先提取图像中单个完整的齿轮，以便后续对单个齿轮图像进行分析。

在本实施例中，采用DNN神经网络对图像进行处理提取出图像中单个完整的齿轮，具体地，以Encoder-Decoder-Bbox的结构对图像中目标进行检测，具体过程为：网络的训练数据集为相机采集的齿轮图像数据集；获取尺寸大小为

的包围框，该包围框能够包含单个完整的齿轮，则图像的标签为齿轮周围对应的包围框，以及包围框的四个角的坐标；网络的损失函数为均方差损失函数。利用该神经网络能够将经过处理后的齿轮灰度图像中的单个齿轮使用包围框分割出来，得到单个齿轮图像。

最后，由于传送带上同一批次的每个齿轮的大小型号相同，故获得的每个单个齿轮图像的尺寸大小也相同，即与包围框的尺寸大小相同为

。进而对各单个齿轮图像进行分析，在本实施例中以对一个单个齿轮图像进行分析为例进行说明。

需要说明的是，单齿齿距误差指的是相邻两个轮齿在分度圆上的弧长尺寸的偏差，是在齿轮的一个齿距转角内的误差，该误差对转动平稳性精度的影响较大。齿距累积误差是指单齿齿距误差在圆周方向的累积结果，该值对于运动精度的影响较大。在实际加工过程中，齿距累计误差主要由工装定位引起，可能会出现齿轮偏心等情况。

在本实施例中，采用K-Means聚类算法对单个齿轮图像进行分割，得到图像中包含完整齿轮的齿轮区域和背景区域，其中背景区域包括齿轮之外的背景部分，以及齿轮内部的中心圆孔区域。实施者可根据实际情况选择合适的算法对图像进行分割以得到齿轮区域和背景区域。

具体地，由于单个齿轮图像中只包含齿轮区域和背景区域，因此将K的取值设置为K=2，且相似度的计算方法通过获取像素点的灰度值差值来进行计算。在单个齿轮图像中包含了一个完整的齿轮，在该齿轮内部存在一个圆形的背景区域记为中心圆孔区域，一般情况下，中心圆孔区域会在单个齿轮图像以及齿轮的中心位置，因此将聚类算法中一个初始点的坐标设置为图像的中心点所在的像素点位置处。

同时，由于齿轮的灰度值比背景部分的灰度值大，在经过去噪操作之后，图像可以看作是没有噪声的图像。故灰度值最大的点就是齿轮区域内的像素点，将聚类算法中的另一个初始点的坐标设置为灰度值最大的像素点对应的坐标。至此，K均值聚类算法中的两个初始点已经获取得到，相似度的计算方法通过获取像素点的灰度值差值来进行计算，而该算法其他部分为公知技术，在此不再过多介绍。通过K-Means聚类算法对单个齿轮图像进行分割得到了齿轮部分和齿轮内部的中心圆孔部分，其中齿轮部分的灰度值为1，齿轮内部的中心圆孔部分的灰度值为0。

对分割完成后的二值图像进行连通域分析得到齿轮区域和中心圆孔区域，则齿轮区域的灰度值为1，中心圆孔区域的灰度值为0。在一般情况下，中心圆孔区域为一块圆形区域，该圆形的圆心可以看作是整个齿轮的中心，则可以通过获取中心圆孔区域的圆心来获得齿轮的中心。

具体地，对获取的连通域进行边缘检测，即对中心圆孔区域进行边缘检测，获取中心圆孔区域各边缘像素点之间的距离，获取距离最大的两个像素点的连线中点得到的中心圆孔区域对应的圆心，记为第一圆心。在本实施例中，通过获取中心圆孔区域的两个边缘像素点之间的欧式距离，选取欧式距离最大的两个边缘像素点之间的连线作为中心圆孔区域的直径，则这两个边缘像素点连线的中点就是中心圆孔区域的圆心点，记为第一圆心。实施者也可根据实际情况选择合适的方法计算像素点之间的距离。

同时，使用边缘跟踪算法获得齿轮的外侧边缘，即能够获得包含轮齿的齿轮轮廓，获取齿轮区域的边缘像素点，以各边缘像素点为圆心，以预设数值为半径画圆；获取各边缘像素点对应的圆内与齿轮区域重合部分包含的像素点数量，获取所述像素点数量大于预设阈值对应的边缘像素点记为角点；计算各角点之间的距离，获取距离最大的两个角点的连线中点得到齿轮区域对应的圆心，记为第二圆心。

具体地，为了获取齿轮的齿根圆圆心，由于齿轮区域的边缘包括轮齿和齿根圆的部分，则首先获取齿根圆与轮齿的交点，记为角点，在本实施例中，以齿轮区域的各边缘像素点为圆心，以预设数值为半径画圆，将预设数值设置为3，获取各边缘像素点对应的圆内与齿轮区域重合部分的像素点数量，设置预设阈值，将像素点数量大于预设阈值对应的边缘线像素点记为角点。进而计算各角点之间的欧式距离，获取欧式距离最大的两个角点的连线即为齿轮的齿根圆直径，获取该连线的中点即为齿轮区域对应的圆心，即齿轮的齿根圆圆心，记为第二圆心。

需要说明的是，为了获取齿轮的齿根圆圆心，需要先找到齿轮区域属于齿根圆圆周上的边缘像素点，进而获取边缘像素点之间的最大距离即可得到齿根圆的直径。在本实施例通过画圆，并计算圆与齿轮区域的重合面积来获取属于齿根圆圆周上的边缘像素点。由于以齿根圆与轮齿的交点为圆心的圆，与齿轮区域的重合部分面积，是齿根圆圆周上所有边缘像素点对应的圆与齿轮区域的重合部分面积最大的，故通过设定预设阈值，获得该交点，由于齿轮的尺寸不同，预设阈值的取值也不同，实施者可根据实际情况进行设置。

步骤二，以第一圆心和第二圆心连接得到的线段为直径，以该线段中点为圆心，获得齿心圆形；分别以齿心圆形内各像素点为圆心，以设定数值为初始半径画圆，并以步长为1依次增大半径的长度继续获取以各像素点为圆心的圆，直到半径长度为最大半径时停止；根据各像素点对应的圆周上像素点像素值均值为第一数值的圆的数量，计算各像素点的符合程度；获取符合程度最大值对应的像素点记为齿心圆点。其中，在本实施例中第一数值的取值为1。

首先，需要说明的是，齿轮齿距分布不均匀而产生的以齿轮一转为周期的误差，影响齿轮传递运动的准确性，主要来源于齿轮加工过程中的运动偏心。即齿轮偏心的存在导致齿距偏差的产生，齿距偏差主要包括单齿齿距误差和齿距累计误差。由于存在加工误差而导致齿轮存在圆心偏移的情况，只检测齿轮的中心圆孔区域的圆心作为齿轮的圆心，可能存在检测结果不准确的问题，因此在本实施例中还结合齿轮的齿根圆圆心进行分析，获取更加准确的圆心。

然后，将第一圆心和第二圆心连接起来得到一条线段，以该线段为直径，该线段中点为圆心获得齿心圆形，则齿轮的圆心必然在齿心圆形中。通过对齿心圆形中各像素点进行遍历，获取准确的齿轮的圆心。具体地，获取齿心圆形的半径记为r，为了能够保证将齿轮区域和中心圆孔区域全部进行遍历扩张，将初始半径设置为

，即分别以齿心圆形内各像素点为圆心，以

为初始半径画圆。

则齿心圆形内各像素点分别对应一个半径为初始半径的圆，将齿心圆形内各像素点对应的圆的半径长度每次增加1再进行画圆操作，直到半径增大到最大半径时停止，其中最大半径根据单个齿轮图像尺寸大小获得，即最大半径为单个齿轮图像的长和宽之和的四分之一。齿心圆形内各像素点对应了多个圆，由于齿轮区域内像素点的灰度值为1，则通过统计齿心圆形内各像素点对应的各个圆的圆周上像素点的灰度值为1的像素点的比例，进而可以获得齿轮的圆心。

最后，根据各像素点对应的圆周上像素点像素值均值为第一数值的圆的数量，计算各像素点的符合程度，用公式表示为：

其中，

表示像素点v的符合程度，

表示像素点v对应的比例系数，

表示像素点v对应的所有圆周上像素点的平均灰度值为1时对应的圆周数量，M×N为单个齿轮图像的尺寸大小，

表示像素点v对应的各圆周上灰度值为1的像素点数量，

表示取最大值，

和

表示权重系数，

为圆周率常数。在本实施例中，权重系数的取值为

，

，实施者可根据实际情况进行设置。

在本实施例中，由于齿轮区域的灰度值为1，中心圆孔区域的灰度值为0，若某个像素点为齿轮的圆心，则该像素点对应的圆周上在中心圆孔区域时的平均灰度值为0，在齿轮区域时的平均灰度值为1，同时，中心圆孔区域的面积占比较小，齿轮区域的面积占比较大，故通过计算各像素点对应的所有圆周上的平均灰度值为1时对应的圆周数量得到比例系数，比例系数的取值越大，该像素点的符合程度就越大。

同时，在获取某个像素点为齿轮的圆心对应的符合程度时，不仅要考虑在该像素点的圆周进行扩张时平均灰度值所占的比例，还要考虑该像素点对应的圆周上像素点与齿轮区域的重合部分。若某个像素点为齿轮的圆心，则该像素点在进行半径扩张的过程中，圆周上灰度值为1的像素点所占的比例随着半径的增大而增加，故获取该像素点对应的圆周上灰度值为1的像素点数量的最大值，表示该像素点对应的圆周达到了齿轮齿根圆的临界状态，该值越大，该像素点的符合程度就越大，符合程度最大时表示该像素点就是齿轮的准确的圆心。

进而按照上述公式计算齿心圆形内所有像素点的符合程度，获取符合程度最大值对应的像素点作为齿轮的圆心，记为齿心圆点。

步骤三，分别获取以齿心圆点为圆心，以设定数值为初始半径画圆，并以步长为1依次增大半径的长度，直到半径长度为最大半径时停止；根据以齿心圆点为圆心的所有圆周上像素点的像素值以及圆对应的半径长度进行曲线拟合，得到像素变化曲线；根据像素值变化曲线确定分度圆半径。

具体地，以齿心圆点为圆心，半径从0开始扩张，直到半径的取值为单个齿轮图像的长和宽之和的四分之一时停止，即直到半径的长度为最大半径时停止，并记录每个圆周上的像素点的平均灰度值。在本实施例中，以步长为1进行半径扩张，实施者可根据齿轮的尺寸大小等实际情况进行选择扩张的长度。根据以齿心圆点为圆心的所有圆周上像素点的像素值以及圆对应的半径长度进行曲线拟合，得到像素变化曲线，曲线的横坐标为半径的长度，纵坐标为各圆周上灰度值为1的像素点所占的比例。

随着半径的增大，各圆周上灰度值为1的像素点所占的比例不断变化，像素变化曲线也随着变化，该曲线上共有四个分段点，将曲线分为五段。具体地，第一段曲线的横坐标从0开始逐渐增大，在第一段曲线上各圆周均在中心圆孔区域内部，则各圆周上灰度值为1的像素点所占的比例为0，即第一段曲线的纵坐标为0，第一段曲线与第二段曲线之间为第一个分段点。

由于存在加工误差而导致齿轮存在圆心偏移的情况，随着半径的增加，在第二段曲线上，各圆周可能一部分在中心圆孔区域内，一部分在齿轮区域内，各圆周上灰度值为1的像素点所占的比例从0到1逐渐增大，直到各圆周完全在齿轮区域内时为止，即各圆周上灰度值为1的像素点所占的比例为1时。第二段曲线的纵坐标从0到1逐渐增大，第二段曲线与第三段曲线之间的分界点为第二个分段点。其中，第二段曲线的具体表现形式会根据齿轮的偏心情况的不同而不同，在本实施例中仅描述曲线的变化趋势。

随着半径的增加，在第三段曲线上，各圆周均在齿轮区域内，则各圆周上灰度值为1的像素点所占的比例为1，即第三段曲线的纵坐标均为1，直到圆周的半径与齿轮的齿根圆半径相等时为止。第三段曲线与第四段曲线之间的分界点为第三个分段点，则第三个分段点的横坐标的取值为齿轮的齿根圆半径的长度。

随着半径的增加，在第四段曲线上，各圆周会从齿轮的齿根圆到分度圆，则各圆周上灰度值为1的像素点所占的比例从0到1逐渐减小，由于齿轮的轮齿形状特征，从齿轮的齿根圆到分度圆这部分轮齿的面积占比较大，则随着半径的增加，各圆周上灰度值为1的像素点所占的比例减小的速度较为缓慢。第四段曲线与第五段曲线之间的分界点为第四个分段点，则第四个分段点的横坐标的取值为齿轮的分度圆半径的长度。

随着半径的增加，在第五段曲线上，各圆周会从齿轮的分度圆到齿顶圆，则各圆周上灰度值为1的像素点所占的比例逐渐减小，由于齿轮的轮齿形状特征，从齿轮的齿根圆到分度圆这部分轮齿的面积占比较小，则随着半径的增加，各圆周上灰度值为1的像素点所占的比例减小的速度较为迅速，直到减小至0时，圆周处于齿轮区域之外的背景区域上。

由于本实施例中想要获取齿轮的分度圆圆周上像素点的分布情况，进而计算齿轮的齿距，故可获取第四个分段点的横坐标即可获取齿轮的分度圆半径。实施者可以通过数学建模拟合获取像素变化曲线，进而获取曲线中第四个分段点的横坐标记为分度圆半径，实施者也可根据实际情况选择其他方法进行获取。

需要说明的是，本实施例采用的是获取最准确的齿轮的圆心，通过半径扩张，满足一定条件后的圆检测算法，对比霍夫圆检测算法来说，霍夫圆检测算法要求对边缘像素点进行检测，而在本实施例中为了获取轮齿的齿距，在齿轮的分度圆上的边缘像素点无法构成一个完整的圆形，因此无法使用霍夫圆检测算法进行分析。

步骤四，获取以齿心圆点为圆心，以分度圆半径的长度为半径的圆周上像素点的像素值，根据像素点的像素值的变化确定齿距，并计算齿距均值；根据齿距均值和齿距的差值得到单齿齿距误差，对单齿齿距误差求和得到齿距累计误差；根据单齿齿距误差和齿距累计误差以及误差阈值判断是否出现误差缺陷。

具体地，在获取分度圆半径后，以齿心圆点为圆心，分度圆半径的长度为半径画圆，在该圆周上随机选择一个灰度值为0的点，从该像素点开始按照设定方向在圆周上遍历，将第一个灰度值为1的像素点记为第一像素点，将第三个灰度值为1的像素点记为第二像素点，获取第一像素点和第二像素点之间在圆周上的距离为齿距。按照相同的方法对整个圆周进行遍历即可获得每个轮齿的齿距。

需要说明的是，由于齿轮区域的灰度值为1，中心圆孔区域的灰度值为0，在选择的任意一个灰度值为0的像素点开始遍历时，第一个灰度值为1的像素点一定在轮齿上，按照顺时针或者逆时针的顺序进行遍历时，第一个灰度值为1的像素点与第三个灰度值为1的像素点之间即为轮齿的齿距。

计算齿距的平均值，用公式表示为：

其中，

为齿距的平均值，

为第s个轮齿的齿距，S表示齿轮上轮齿的总数量。则单齿齿距误差可以表示为

，其中，

为第s个轮齿的齿距误差，齿轮累计误差可以表示为

。

根据齿轮的尺寸等参数设置误差阈值，在本实施例中误差阈值的取值为20和-20，即当齿轮累计误差大于20或者小于-20时，表示齿轮的误差较大，需要对该齿轮进行返工等相关操作。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (7)

1.一种基于图像处理的车桥齿轮做工误差检测方法，其特征在于，该方法包括以下步骤：

获取齿轮灰度图像，对齿轮灰度图像进行分割处理得到单个齿轮图像，对单个齿轮图像进行连通域分析得到齿轮区域和中心圆孔区域；获取中心圆孔区域和齿轮区域对应的圆心，分别记为第一圆心和第二圆心；

以第一圆心和第二圆心连接得到的线段为直径，以该线段中点为圆心，获得齿心圆形；分别以齿心圆形内各像素点为圆心，以设定数值为初始半径画圆，并以步长为1依次增大半径的长度继续获取以各像素点为圆心的圆，直到半径长度为最大半径时停止；根据各像素点对应的圆周上像素点像素值均值为第一数值的圆的数量，计算各像素点的符合程度；获取符合程度最大值对应的像素点记为齿心圆点；

分别获取以齿心圆点为圆心，以设定数值为初始半径画圆，并以步长为1依次增大半径的长度，直到半径长度为最大半径时停止；根据以齿心圆点为圆心的所有圆周上像素点的像素值以及圆对应的半径长度进行曲线拟合，得到像素变化曲线；根据像素值变化曲线确定分度圆半径；

获取以齿心圆点为圆心，以分度圆半径的长度为半径的圆周上像素点的像素值，根据像素点的像素值的变化确定齿距，并计算齿距均值；根据齿距均值和齿距的差值得到单齿齿距误差，对单齿齿距误差求和得到齿距累计误差；根据单齿齿距误差和齿距累计误差以及误差阈值判断是否出现误差缺陷。

2.根据权利要求1所述的一种基于图像处理的车桥齿轮做工误差检测方法，其特征在于，所述获取中心圆孔区域和齿轮区域对应的圆心具体为：

获取中心圆孔区域各边缘像素点之间的距离，获取距离最大的两个像素点的连线中点得到的中心圆孔区域对应的圆心，记为第一圆心；

获取齿轮区域的边缘像素点，以各边缘像素点为圆心，以预设数值为半径画圆；获取各边缘像素点对应的圆内与齿轮区域重合部分包含的像素点数量，获取所述像素点数量大于预设阈值对应的边缘像素点记为角点；计算各角点之间的距离，获取距离最大的两个角点的连线中点得到齿轮区域对应的圆心，记为第二圆心。

3.根据权利要求1所述的一种基于图像处理的车桥齿轮做工误差检测方法，其特征在于，所述最大半径具体为：获取单个齿轮图像的尺寸，将单个齿轮图像的长和宽之和的四分之一设置为最大半径。

4.根据权利要求1所述的一种基于图像处理的车桥齿轮做工误差检测方法，其特征在于，所述像素点的符合程度的获取方法具体为：

其中，

表示像素点v的符合程度，

表示像素点v对应的比例系数，

表示像素点v对应的所有圆周上像素点的平均灰度值为1时对应的圆周数量，M×N为单个齿轮图像的尺寸大小，

表示像素点v对应的各圆周上灰度值为1的像素点数量，

表示取最大值，

和

表示权重系数，

为圆周率常数。

5.根据权利要求1所述的一种基于图像处理的车桥齿轮做工误差检测方法，其特征在于，所述像素变化曲线的横坐标为半径的长度，纵坐标为各圆周上灰度值为1的像素点所占的比例，且像素变化曲线包括四个分段点。

6.根据权利要求5所述的一种基于图像处理的车桥齿轮做工误差检测方法，其特征在于，所述根据像素值变化曲线确定分度圆半径具体为：获取第四个分段点对应的横坐标为分度圆半径。

7.根据权利要求1所述的一种基于图像处理的车桥齿轮做工误差检测方法，其特征在于，所述根据像素点的像素值的变化确定齿距具体为：

选择圆周上任意一个灰度值为0的像素点，从该像素点开始按照设定方向在圆周上遍历，将第一个灰度值为1的像素点记为第一像素点，将第三个灰度值为1的像素点记为第二像素点，获取第一像素点和第二像素点之间在圆周上的距离为齿距。

Images