CN1566903A

CN1566903A - 轮胎多几何参数的激光视觉在线自动测量方法

Info

Publication number: CN1566903A
Application number: CN 03142656
Authority: CN
Inventors: 周富强; 张广军
Original assignee: Beihang University
Current assignee: Beihang University; Beijing University of Aeronautics and Astronautics
Priority date: 2003-06-11
Filing date: 2003-06-11
Publication date: 2005-01-19
Anticipated expiration: 2023-06-11
Also published as: CN1259543C

Abstract

本发明属于测量技术领域，将提供一种轮胎多几何参数的在线自动非接触测量方法。本发明向轮胎投射激光光平面，利用CCD摄像机获取变形特征线的图像，根据轮胎表面轮廊的关键特征点的三维信息，计算出轮胎的多个几何尺寸参数。本发明实现了单传感器一次测量轮胎多几何参数；测量传感器结构简单、成本低、测量精度较高、测量效率高、测量范围大，能对不同规格的轮胎进行测量；测量设备自动化程度高，测量过程简单。

Description

轮胎多几何参数的激光视觉在线自动测量方法

技术领域

本发明属于测量技术领域，将提供一种轮胎多几何参数的在线自动非接触测量方法。

背景技术

轮胎的动平衡性是考核轮胎质量的一个重要参量。当轮胎动平衡状态不好时，则向某个方向的离心力过大或过小，从而影响轮胎质量，严重时安装到汽车上以后极易引起运行中爆胎，造成安全事故。我国的轮胎工业正处于产品更新换代的时期，高性能的轮胎的开发刚刚起步，迫切需要加强产品的出厂检验，控制轮胎的不平衡量。需要将检验对象从配套规格扩大到其他规格，从配套产品扩大到全部产品。全自动动平衡测量机即是解决这一需求的专用关键设备。要对不同规格的轮胎进行100％在线自动动平衡试验，必须能够自动分辨出轮胎的型号，根据轮胎几何尺寸识别轮胎规格是一种有效的手段之一。此外，在轮胎的加工制造过程中，当轮胎胎面挤出时，受混炼胶质量、挤出控制参数、设备状况的波动等因素的影响，会引起胎面宽度、厚度的尺寸变形。如果能够及时测量胎面宽度及厚度等变形量，及时调整加工设备，就可以避免废品或者半成品的出现。因此，轮胎几何尺寸的测量具有重要意义，它可以用于轮胎动平衡试验中识别轮胎规格，以及在轮胎加工过程中进行质量监控和质量保证。

现有轮胎几何参数测量主要有人工测量和光电测量两种方式。人工测量效率低，劳动强度大，准确度差，不能满足100％在线检测的需要。光电测量方式中，一种方式是将典型的激光位移传感器根据不同的测量要求适当组合，用于橡胶等行业的高精度的非接触测厚、测宽、测长等。如中科院安徽光学精密机械研究研制的激光厚度、宽度测量仪。另一种方式是根据遮挡原理测量被测物体尺寸，如德国米铱测试技术公司研制的optoCONTROL2500-35高响应激光千分尺，可用于测量轮胎的几何参数。在已有的光电测量方法中，每一套设备只能测量轮胎的一个参数，不能对轮胎的多个几何参数进行同时测量，因此要测量轮胎多几何参数，需要多套设备，设备成本高，且测量范围受限。

发明内容

本发明所要解决的技术问题是：提供一种精度较高，测量范围大，测量效率高，单一传感器能够同时测量轮胎的内、外直径和断面宽度等多几何参数的在线自动测量方法。以减小测量设备的体积，降低测量设备的成本，改善其工程化应用的便捷性。

本发明的技术解决方案是：一种轮胎几何参数的在线自动测量方法，其特征在于，测量过程分标定和测量两个阶段，进行一次标定后可连续测量，具体步骤如下：

1标定阶段：

1.1、在测量工位放置轮胎模型，它是加工制造的圆形实体，下表面为一平面，中心有一直径为5～50mm的圆孔，使用自动定中机构将轮胎模型定中；

1.2、在测量现场安装激光视觉传感器，打开传感器电源，调整传感器的位置，使得传感器投射出的光平面与基准平面垂直，且通过模型轮胎的中心，将视觉传感器固定好；

1.3、拍摄轮胎模型的图像，自动提取轮胎中心的图像坐标，以及投射到轮胎模型上表面的光条，使用图像处理算法，光条中心提取算法，提取光条中心，并拟合直线，作为基准直线，然后从测量工位移走轮胎模型；

1.4、设定靶标，靶标为一个二维平面，靶面上有预先设置的特征点，靶标面为下述结构之一：

A、靶标甲，在靶标平面上布满黑白相间的棋盘格，黑白方块的边长为(3～50)mm，其边长精度为(0.001～0.01)mm，黑方块与白方块公有的顶点称为格点，选取靶面上格点作为标定特征点，特征点的数量为16～400个；

B、靶标乙，在靶标平面上有成矩阵排列的黑色方块，方块数量为4～100个，方块的边长为(3～50)mm，其边长精度为(0.001～0.01)mm，方块间距为3～50mm，其间距精度为(0.001～0.01)mm，选取每个方块的顶点为特征点；

1.5、在摄像机的视场范围内，自由、非平行地移动平面靶标至少5个位置，每移动一个位置，拍摄一幅图像，要求平面靶标的黑色方块包含在图像内；

1.6、提取所有标定特征点的图像坐标，并将其和对应的世界坐标用来标定摄像机内部参数；

1.7、放置三维立体标定靶标，该标定靶标由两个相互垂直的平面组成，每个平面上有两列两行凸起黑色方块，每行中方块数量为2～50个，方块间距为10～100mm，精度为(0.01～0.1)mm，每个方块顶点为特征点；

1.8、拍摄一幅三维靶标图像，要求光条能够横向通过靶标的一行黑色方块上，并且图像包括靶标的所有黑色方块在内；

1.9、提取光条和所有黑色方块的顶点图像坐标，计算标定特征点即光条拟合直线与同一列黑色方块顶点拟合直线的交点的图像坐标，利用交比不变原理，计算标定特征点的世界坐标；

1.10、利用求出的标定特征点图像坐标和世界坐标，标定激光视觉传感器的结构参数；

1.11、将标定的摄像机内部参数、传感器结构参数、轮胎定位中心和基准直线参数保存到系统参数文件中，以备测量阶段调用；

2、测量阶段：

2.1、由轮胎传送机构将被测轮胎自动运输到测量工位，轮胎定中机构将被测轮胎自动定中；

2.2、拍摄轮胎的图像；

2.3、提取投射到轮胎表面上光条的中心特征线，自动提取轮胎的投影主特征曲线以及关键特征点的图像坐标，根据摄像机模型，将其转换为归一化图像坐标；

2.4、根据传感器测量模型，计算出轮胎的几何尺寸即轮胎内、外直径和断面宽度，显示测量结果。

2.5、重复2.1～2.4，进行新的轮胎测量。

本发明的优点是：第一、实现了单传感器一次测量轮胎多几何参数，避免采用多套设备测量轮胎的多几何参数；第二、测量传感器结构简单、成本低、测量精度较高、测量效率高、测量范围大，能对不同规格的轮胎进行测量；第三、测量设备自动化程度高，测量过程简单。

附图说明

图1是轮胎多几何参数激光视觉测量原理示意图。图1中，1是被测轮胎，2是轮胎外径特征点，3是轮胎内径特征点，4是投影特征线，5是激光视觉传感器，6是基准直线，7是轮胎定位中心，8是投射光平面。

图2是激光视觉传感器数学模型。图2中，9是光平面，10是激光投射器，11是图像平面。

图3是激光视觉传感器标定原理示意图。

图4是标定轮胎定位中心及基准直线示意图。图4中，12是基准直线，13是轮胎定位中心，14是轮胎模型。

图5是平面标定靶标示意图。

图6是三维立体标定靶标示意图。图6中，15是标定靶标，16是投射激光光条。

图7是多步法提取轮胎测量特征信号原理图。图7中，17是轮胎外径特征点，18是轮胎内径特征点，19是投影主特征曲线，20是轮胎定位中心。

图8是安装在现场的激光视觉传感器实物图。图8中，21是传感器电源线、输出信号接口端子，22是CCD摄像机视窗，23是传感器安装机构，24是传感器壳体，25是激光投射器窗口。

图9是测量状态下获取的轮胎图像。

具体实施方式

下面对本发明方法做进一步详细说明。本发明将现代激光技术和计算机视觉技术相结合，首次使用单传感器实现轮胎多几何参数的同时在线自动测量。其基本原理为光学三角法。如图1所示，激光投射器投射出一光平面8，光平面被轮胎1表面截得变形特征线4，利用CCD摄像机获取这些变形特征线的图像，经处理得到“亚像素”精度的特征线图像坐标，如果已知激光视觉传感器的模型参数便可以由光学三角法获得轮胎表面轮廓的三维信息，根据轮胎表面轮廓的关键特征点的三维信息，就可以计算出轮胎的多个几何尺寸参数。首先由轮胎定中机构保证轮胎定位在基准平面上的固定中心位置7，通过激光视觉传感器内部的调整装置和传感器调整机构，调整投射出的光平面8，使得光平面垂直于轮胎定位基准面并通过轮胎的定位中心7，因此对于不同规格的轮胎，光平面都能通过轮胎的直径方向，且由胎冠(即轮胎最高点)到定位基准面的垂直距离即为轮胎断面宽度，因此在传感器测量坐标系中，求出通过轮胎定位中心的基准直线以及胎冠坐标，就可以直接计算轮胎断面宽度。求出轮胎表面关键特征点2的图像坐标和点3的图像坐标，在传感器坐标系内将两个特征点投影到基准直线上，并求出投影点到轮胎定位中心的距离后，就可以计算出轮胎的内外直径。

激光视觉传感器的数学模型。

由CCD摄像机和激光投射器组成的激光视觉传感器的数学模型如图2所示。摄像机三维坐标系为o_cx_cy_cz_c，图像坐平面11坐标系为OXY。在光平面9上以一点o_s为原点，建立传感器的测量坐标系o_sx_sy_sz_s，其中光平面o_sx_sy_s在测量参考坐标系下的方程为：

z_s＝0 (1)

设光平面上任意一点P在传感器测量坐标系下的齐次坐标为

{\tilde{p}}_{s} = {(x_{s}, y_{s}, z_{s}, 1)}^{T},

在图像平面上的透视投影点为p，p的齐次坐标为

{\tilde{p}}_{l} = {(x_{l}, y_{l}, 1)}^{T},

相应的归一化坐标为

{\tilde{p}}_{n} = {(x_{n}, y_{n}, 1)}^{T} .

摄像机的透视投影模型可以表为：

ρ {\tilde{p}}_{l} = [R | T] {\tilde{p}}_{s}, ρ &NotEqual; 0 - - - - (2)

λ {\tilde{p}}_{n} = A^{- 1} {\tilde{p}}_{l}, λ &NotEqual; 0 - - - - (3)

其中

A = [\begin{matrix} f_{x} & 0 & u_{0} \\ 0 & f_{y} & v_{0} \\ 0 & 0 & 1 \end{matrix}]

R = [\begin{matrix} r_{1} & r_{2} & r_{3} \\ r_{4} & r_{5} & r_{6} \\ r_{7} & r_{8} & r_{9} \end{matrix}],

T = [\begin{matrix} t_{x} \\ t_{y} \\ t_{z} \end{matrix}] .

A为摄像机内部参数矩阵，(f_x，f_y)为摄像机在x、y方向上的有效焦距，(u₀，v₀)为摄像机的主点坐标。R为3×3单位正交旋转矩阵，T为平移矢量。R和T表示了摄像机三维坐标系和传感器测量坐标系之间的相互位置关系。

由公式(1)～(3)可得，图像平面坐标系与测量参考坐标系之间的变换关系为：

λ [\begin{matrix} x_{n} \\ y_{n} \\ 1 \end{matrix}] = [\begin{matrix} r_{1} & r_{2} & t_{x} \\ r_{4} & r_{5} & t_{y} \\ r_{7} & r_{8} & t_{z} \end{matrix}] [\begin{matrix} x_{s} \\ y_{s} \\ 1 \end{matrix}] = H [\begin{matrix} x_{s} \\ y_{s} \\ 1 \end{matrix}] - - - - (4)

上式表明光平面与图像平面之间的关系可以通过一个3×3矩阵表示。如果H的前两列满足正交条件，则公式(3)和(4)构成了欧式空间上的激光视觉传感器的完整的数学模型。如果已知摄像机的内部参数，由(3)式求出归一化图像坐标，根据公式(4)就可以得到光平面上点的空间测量坐标。

根据激光视觉传感器的数学模型和本发明的测量原理，轮胎尺寸的非接触测量分为两个阶段：测量系统参数的标定和根据模型进行测量两个阶段。

测量系统参数的标定具体步骤如下：

激光视觉传感器的模型参数包括摄像机的内部参数(焦距、主点等)以及激光视觉传感器的结构参数(即摄像机坐标系相对于激光光源坐标系的位置和方向)，共13个参数。除了激光视觉传感器的模型参数外，轮胎定位中心坐标、以及基准直线等参数也需要标定。

1、在测量工位设定轮胎模型，轮胎模型为圆柱形铝制实体，如图4所示，上下两个端面为一平面，厚度为50～100mm，直径400～800mm，在中心有一直径为5～50mm的圆孔。使用自动定中机构将轮胎模型14定中，此时，轮胎模型的上端面为基准平面，轮胎模型圆孔的中心为轮胎定位中心13，用(c_x，c_y)表示。投影到轮胎上端面的光条的中心直线为基准直线12，其参数方程表示为：ax+by+cw＝0，其中(x，y，w)为构成直线的特征点的齐次坐标表示形式，(a，b，c)为基准直线的参数方程。

2、在测量现场安装激光视觉传感器，打开传感器电源，调整传感器的位置，使得传感器投射出的光平面与基准平面垂直，且通过轮胎定位中心。将视觉传感器固定好；

3、采集一幅轮胎模型的图像，采用相关算法自动提取轮胎定位中心的图像(c_x，c_y)坐标以及提取投射到轮胎模型上表面的光条中心拟合基准直线，并将轮胎定位中心的图像(c_x，c_y)坐标以及直线参数(a，b，c)存储到计算机中。定位中心的自动“亚像素”提取算法参见周富强著《双目立体视觉检测的关键技术研究》，北京航空航天大学博士后研究工作报告，2002。光条中心提取算法参见Carsten Steger的文章“一种对称曲线结构探测器”[An Unbiased Detector of Curvilinear Structures]，IEEE期刊《模式分析及机器智能》，20(2)，第113～125页，1998年。[IEEETransactions on Pattern Analysis and Machine Intelligence，20(2)，February 1998]。

4、设定靶标，靶标为一个二维平面，靶面上有预先设置的特征点，靶标面为下述结构之一：

A、靶标甲，在靶标平面上布满黑白相间的棋盘格，黑白方块的边长为(3～50)mm，其边长精度为(0.001～0.01)mm，黑方块与白方块公有的顶点称为格点。选取靶面上格点作为标定特征点，特征点的数量为16～400个。

B、靶标乙，在靶标平面上有成矩阵排列的黑色方块，方块数量为4～100个，方块的边长为(3～50)mm，其边长精度为(0.001～0.01)mm，方块间距为3～50mm，其间距精度为(0.001～0.01)mm，选取每个方块的顶点为特征点。

5、在摄像机的视场范围内，自由、非平行地移动平面靶标至少5个位置，每移动一个位置，拍摄一幅图像，要求平面靶标的黑色方块包含在图像内。

6、自动提取所有标定摄像机的特征点的“亚像素”图像坐标，并利用标定特征点的图像坐标和对应的世界坐标来标定摄像机内部参数。特征点坐标提取算法和标定算法参见周富强著《双目立体视觉检测的关键技术研究》，北京航空航天大学博士后研究工作报告，2002。

7、放置三维立体标定靶标，该标定靶标由两个相互垂直的平面组成，每个平面上有两列两行凸起黑色方块，每行中方块数量为2～50个，方块间距为10～100mm，精度为(0.01～0.1)mm，每个方块顶点为特征点。

8、拍摄一幅三维靶标图像并存储到计算机中。要求光条能够横向通过靶标的一行黑色方块上，并且图像包括靶标的所有黑色方块在内。

9、提取三维标定靶标每个平面上光条中心直线16和所有黑色方块的顶点图像坐标，计算标定激光视觉传感器的特征点图像坐标及世界坐标并存储到计算机中。特征光条的提取算法与步骤3相同。黑色方块顶点坐标提取算法与步骤6相同。特征点的图像坐标为光条拟合直线与同一列黑色方块顶点拟合直线的交点。如图3所示，三维坐标系o_cx_cy_cz_c为摄像机坐标系，o_wx_wy_wz_w为世界坐标系，o_sx_sy_sz_s为测量坐标系，平面π_c为图像平面，平面π_s(o_sx_sy_s)为光平面，平面π_w(o_wx_wy_w)为三维靶标的一个平面，π_s与π_w相交成直线L_s。由交比的定义和不变性原理，可以得到任意4个共线点(A_i，Q_i，B_i，C_i|i＝1…n)的交比和其在图像平面内的投影点(a_i，q_i，b_i，c_i|i＝1…n)的交比保持不变，即：

r (A_{i}, Q_{i}, B_{i}, C_{i}) = \frac{A_{i} B_{i}}{Q_{i} B_{i}} : \frac{A_{i} C_{i}}{Q_{i} C_{i}} = \frac{a_{i} b_{i}}{q_{i} b_{i}} : \frac{a_{i} c_{i}}{q_{i} c_{i}} - - - - (5)

已知A_i，B_i，C_i(即靶标平面上的共面特征点)的世界坐标，通过图像处理获得a_i，q_i，b_i，c_i的图像坐标，则根据公式(5)就可以求出光平面上的特征点Q_i的世界坐标。采用同样方法求出三维标定靶标另一个平面的标定特征点图像坐标及对应世界坐标。

10、利用求出的标定特征点图像坐标和世界坐标，标定激光视觉传感器的结构参数。传感器的测量坐标系为o_sx_sy_sz_s，其中z_s轴与光平面的法向矢量一致，x_s轴和y_s轴位于光平面内，测量坐标系的原点定义在所有非共线标定特征点的中心设

{\tilde{p}}_{s} = {(x_{s} y_{s} 0 1)}^{T}

为标定特征点的非齐次测量坐标，则世界坐标到传感器坐标系的转换为：

{\tilde{p}}_{s} = H_{w}^{s} {\tilde{p}}_{w} - - - - (6)

其中

H_{w}^{s} = [\begin{matrix} R_{w}^{s} & - R_{w}^{s} \tilde{p} \\ 0^{T} & 1 \end{matrix}]

表示世界坐标系到测量坐标系的4×4转换矩阵，它由3×1的平移矢量和3×3的正交旋转矩阵R_w ^s组成。

设由4个以上的非共线特征点拟合的光平面的单位法向矢量为n＝(n₁n₂ n₃)^T，世界坐标的Z轴方向矢量为z_w＝(0 0 1)^T，则将矢量n和z_w对准的旋转轴为a＝(n×z_w)/‖n×z_w‖，旋转角度为＝cos^-1(n·z_w)＝cos^-1(n₃)。因此R_w ^s由下式计算：

其中I为3×3的单位正交矩阵，

I \times a = [\begin{matrix} 0 & - a_{3} & a_{2} \\ a_{3} & 0 & a_{1} \\ - a_{2} & a_{1} & 0 \end{matrix}]

为矢量a定义的反对称矩阵。

由步骤9计算出的三维立体标定靶标光平面上非共线标定特征点的世界坐标，由公式(6)将其转换到测量坐标系下，就可以获得标定特征点在测量坐标系下的坐标

由公式(3)可以得到标定特征点的归一化图像坐标

由激光视觉传感器的数学模型(公式(4))，采用非线性优化的方法求出传感器的结构参数。非线性优化算法采用Levenberg-Marquardt算法，参见《最优化理论与方法》，(袁亚湘、孙文瑜著，科学出版社，1999年)。

11、将标定的摄像机内部参数、激光视觉传感器结构参数、轮胎定位中心和基准直线参数保存到一个系统参数文件中，以备测量阶段调用。

测量系统的参数标定只进行一次，标定好测量系统后，就可以自动测量轮胎的多几何参数。轮胎多几何参数的测量具体步骤如下：

12、由轮胎传送机构将被测轮胎自动运输到测量工位，轮胎定中机构将被测轮胎自动定中。

13、采集轮胎的图像。

14、提取投射到轮胎表面上光条的中心特征线。自动提取轮胎的投影主特征曲线以及关键特征点的图像坐标，根据公式(3)，将其转换为归一化图像坐标。光条中心提取算法与步骤3相同。如图9所示，由于受轮胎测量工位复杂背景及环境光的影响，实际获取的轮胎图像中存在许多与投影特征线及关键特征点类似的干扰信号，由步骤18提取的光条中心包含了其他干扰信号。要实现轮胎尺寸的全自动测量，必须能够去掉这些干扰信号。另外，当投影光条正好落入轮胎表面的花纹中时，会引起投影特征曲线的不连续。在测量系统标定阶段，能够获得轮胎定位中心的图像坐标及测量坐标，在对不同规格的轮胎进行测量时，定位中心始终保持不变，实际测量特征信号在获取图像中位于轮胎定位中心的左上方区域。因此利用轮胎的固定定位中心，采用分步提取方法来可靠地获得轮胎的关键测量信号，如图7所示。主要算法如下：

^*在区域L_ROI1内，采用光条提取算法提出包括投影光条的中心线，并将其分别连成曲线结构。通过设定曲线长度阈值(一般大于50)和角度阈值(±30°)，在所有提取的曲线结构中，识别出投影主特征曲线19。

^*以投影主特征曲线19的最右边点P_n-1为顶点定义一个新的处理区域R_ROI，在区域R_ROI内采用光条提取算法提取该区域的光条中心线，并以新光条中心线的最右点为内直径关键特征点18-P_in。若在该区域内没有找到新的光条中心线，则以投影主特征曲线的最右点为内直径关键特征点18-P_in。

^*计算投影主特征曲线19的最高点(纵坐标最小)与定位中心20的纵坐标的中值y_label，并假定投影主特征曲线19上纵坐标最靠近y_label的点为外直径特征点17-P_out。若投影主特征曲线19的最左边点P₀的纵向坐标小于y_label，则以P₀点为顶点定义一个新的处理区域L_ROI2，在区域L_ROI2内采用光条提取算法提取该区域的光条中心线，并以新光条中心线上纵坐标最靠近y_label的点为外直径特征点17-P_out。

15、根据传感器测量模型，计算出轮胎的几何尺寸(轮胎内、外直径和断面宽度)，显示结果。由公式(4)，计算出内直径特征点18-P_in、外直径特征点17-P_out以及所有投影主特征曲线19上点的测量坐标。计算投影主特征曲线19上所有点到基准直线的空间距离，选择最大值为轮胎断面宽度。在测量坐标系下，将内直径特征点投影到基准直线上，并计算投影点到定位中心的距离，即为轮胎的内半径。在测量坐标系下，将外直径特征点投影到基准直线上，并计算投影点到定位中心的距离，即为轮胎的外半径。

16、重复12～15，进行新的轮胎测量。

实施例

实际设计的激光视觉传感器的实物如图8所示。图8中，21是传感器电源线、输出信号接口端子，22是CCD摄像机视窗，23是传感器安装机构，24是传感器壳体，25是激光投射器窗口。

按照上面叙述的步骤，利用图4所示的轮胎模型、图5所示的平面标定靶标以及图6所示的三维立体标定靶标、CCD摄像机、激光视觉传感器和测量系统进行了标定。获得的测量系统参数为：

摄像机内部参数：

A = [\begin{matrix} 952.596 & 0 & 393.391 \\ 0 & 949.901 & 309.320 \\ 0 & 0 & 1 \end{matrix}] pixel

传感器结构参数：

H = [\begin{matrix} 0.926475 & - 0.311043 & - 47.213 \\ - 0.301995 & - 0.278446 & - 177.155 \\ - 0.224591 & - 0.908691 & 882.040 \end{matrix}]

轮胎基准直线参数为：(a，b，c)＝(169.432047，278.500496，108216.664203)

轮胎定位中心的图像坐标为：(c_x，c_y)＝(368.423，318.054)pixel

标定的视觉传感器测量物体空间两点距离的RMS误差为：E_RMS＝0.135mm。

采用该发明在现场对型号R12、R13、R14和R16等不同规格轮胎进行了5次测量，图9为测量状态下获取的轮胎图像之一。同时采用钢卷尺对实际轮胎的尺寸进行了手工测量，测量数据如表所示。

现场测量数据：

轮胎内径(in) 轮胎外径(cm) 轮胎断面宽(cm)

型

激光测量卷尺测激光测量卷尺测激光测量卷尺测

号

(5次平均) 量 (5次平均) 量 (5次平均) 量

R12 11.93 11.88 50.73 50.8 14.78 14.6

R13 13.12 13.18 56.27 56.20 16.27 16.1

R14 13.97 13.97 64.59 64.8 19.31 19.1

R16 16.01 15.95 61.86 62.00 23.49 23.3

轮胎断面宽度，轮胎外径，轮胎内径的激光视觉非接触测量重复性精度小于±0.8mm，与手工测量差值小于±2.5mm。

传感器实际达到的其它测量指标为：

*在PIII(CPU 1G，内存128Mhz)的计算机上单次测量测量时间小于200ms。

*传感器的测量最大轮胎规格为：轮胎内径最大为600mm；轮胎外径最大为1000mm；轮胎断面宽度最大为800mm。

Claims

1、一种轮胎几何参数的在线自动测量方法，其特征在于，测量过程分标定和测量两个阶段，进行一次标定后可连续测量，具体步骤如下：

1.1标定阶段：

1.1.1、在测量工位放置轮胎模型，它是加工制造的圆形实体，下表面为一平面，中心有一直径为5～50mm的圆孔，使用自动定中机构将轮胎模型定中；

1.1.2、在测量现场安装激光视觉传感器，打开传感器电源，调整传感器的位置，使得传感器投射出的光平面与基准平面垂直，且通过模型轮胎的中心，将视觉传感器固定好；

1.1.3、拍摄轮胎模型的图像，自动提取轮胎中心的图像坐标，以及投射到轮胎模型上表面的光条，使用图像处理算法，光条中心提取算法，提取光条中心，并拟合直线，作为基准直线，然后从测量工位移走轮胎模型；

1.1.4、设定靶标，靶标为一个二维平面，靶面上有预先设置的特征点，靶标面为下述结构之一：

1.1.5、在摄像机的视场范围内，自由、非平行地移动平面靶标至少5个位置，每移动一个位置，拍摄一幅图像，要求平面靶标的黑色方块包含在图像内；

1.1.6、提取标定特征点的图像坐标，并将其和对应的世界坐标用来标定摄像机内部参数；

1.1.7、放置三维立体标定靶标，该标定靶标由两个相互垂直的平面组成，每个平面上有两列两行凸起黑色方块，每行中方块数量为2～50个，方块间距为10～100mm，精度为(0.01～0.1)mm，每个方块顶点为特征点；

1.1.8、拍摄一幅三维靶标图像，要求光条能够横向通过靶标的一行黑色方块上，并且图像包括靶标的所有黑色方块在内；

1.1.9、提取光条和所有黑色方块的顶点图像坐标，计算标定特征点即光条拟合直线与同一列黑色方块顶点拟合直线的交点的图像坐标，利用交比不变原理，计算标定特征点的世界坐标；

1.1.10、利用求出的标定特征点图像坐标和世界坐标，标定激光视觉传感器的结构参数；

1.1.11、将标定的摄像机内部参数、传感器结构参数、轮胎定位中心和基准直线参数保存到系统参数文件中，以备测量阶段调用；

1.2、测量阶段：

1.2.1、由轮胎传送机构将被测轮胎自动运输到测量工位，轮胎定中机构将被测轮胎自动定中；

1.2.2、拍摄轮胎的图像；

1.2.3、提取投射到轮胎表面上光条的中心特征线，自动提取轮胎的投影主特征曲线以及关键特征点的图像坐标，根据摄像机模型，将其转换为归一化图像坐标；

1.2.4、根据传感器测量模型，计算出轮胎的几何尺寸即轮胎内、外直径和断面宽度，显示测量结果。

1.2.5、重复1.2.1～1.2.4，进行新的轮胎测量。