基于机器视觉的无夹具加工数控系统研究.doc

基于机器视觉的无夹具加工数控系统研究 摘 要：本文介绍了基于机器视觉的轮廓零件自动定位寻位加工方法。该研究在可视化操作平台上，采用松弛复原图像，边缘特征抽取算法，可对任意定位的轮廓零件自动生成数控加工程序。仿真试验表明，该研究能满足无夹具数控加工的要求。?关键字：机器视觉，边缘特征，加工轨迹，松弛复原，轮廓零件?1 引言? 发达工业国家已将柔性制造系统（FMS）作为机械制造业的主要发展方向，而组合夹具是该领域的前沿研究课题之一[1]。本系统针对轮廓零件，采用机器视觉图像采集并识别轮廓，直接对任意位姿的工件生成数控加工源程序，实现了数控加工无夹具定位自动寻位加工。在Visual C++ 6.0开发平台上，该系统实现了图像采集、自寻位、源代码生成、模拟走刀全过程。该系统还可预见刀具与工件相撞、过切等问题，能进行参数自动设定、刀具研究、刀具原理数据的动态处理和显示，加工过程的可视化仿真演示。?2 系统结构? 本系统通过600线WAT-902系列黑白CCD和手动光圈CS接口T2314FICS-3百万像素工业自动化镜头对工作台上任意位姿的工件进行拍摄，然后将视频模拟信号输入MV-20工业图像采集卡（该图像采集卡具有独特的视频滤波技术，高清晰度和显示速度，4通道切换高质量黑白、彩色图像），模拟信号被转化为数字信号，输入通用PC机进行图像处理，提取工件轮廓边缘特征点并以文本格式存储。?本系统能完成机器视觉系统实现对工作台上工件位姿的自动采集;结合图像处理相关算法，进行工件轮廓边缘特征信息的提取;在Visual C++应用程序的主界面上用二维平面图形模拟数控机床加工定位及走刀动画演示;按照提取的工件轮廓将设备坐标转化为数控机床所能识别的NC语言。?3 机器视觉下工件位姿采集及识别过程?机器视觉系统以计算机为中心，由视觉传感器、高速图像采集系统及具有处理图像功能的专用系统或通用PC机等模块构成，能自动获取物体图像并对其特征量进行处理、分析和测量、定性分析和定量解释，从而得到有关目标物体的某种认识并做出相应的决策。?3.1 机器视觉系统信息来源?视觉传感器（CCD）是获取机器视觉信息的主要来源。CCD表面用T2314FICS-3百万像素工业自动化镜头（手动光圈CS接口）成像，将光能转化为电压。当具有适当波长的光量子撞击装置的特定材料时，产生一个带电量子并停留在产生的区域内，在光栅扫描的水平消隐时刻，计算机从新一行的电压信号编码上获得亮度信息，光栅扫描的回扫中产生有效视频。?3.2 采样和量化过程?检测器上的电荷通过一个电阻转化成电压并放大，模拟到数字的转换器实现该信号转化成数字表示，同时执行采样和量化两个功能。由于数字图像是用光栅扫描及采样获取的，因此在时间和空间上是一一对应的，须将采样信号表示成相对于图像信号顶部垂直消隐时刻的方式，这种时间关系与屏幕上某个特定位置一一对应。量化过程将像素的灰度变换成离散的整数值的操作，量化位数与图像质量直接相关。考虑到计算机内操作的方便性，本系统采用8位量化，图像像素的灰度值在0～255之间。?3.3 图像生成机制? 首先将点（x,y）处的亮度定义成两个空间变量的理想函数f（x,y），图像质量退化后得到观测图像g（x,y）, g（x,y）=D（f（x,y））, 。拍摄静止的相同物体时，噪声会随时随机出现，且每一个瞬间，噪声的位置和大小都有所不同。图像噪声包括随机噪声和相干噪声。前者表现为麻点干扰，后者表现为网纹干扰。本系统为线性位移不变系统，原始图像f（x,y）和噪声图像n（x,y）都是平稳随机场，噪声n（x,y）是均值为0且和f（x,y）不相关的加性噪声。除了确定性畸变算子D外，还有加性噪声n的干扰，则线性位移不变图像退化的一般模型是一个畸变算子D与随机噪声相迭加g = D（f）+n，将f、n及g按相同间隔采样，产生相同的阵列。用像素点的集合表示定义f、n及g，写成形如[f1,f2,…,fN]T像素列向量的形式。随后得到观测图形g，对f进行最佳估计，即复原（模糊的逆问题），图像复原处理的主要目的是去除干扰和模糊，恢复图像的本来面目。选取准则函数：?  INCLUDEPICTURE C:\\Users\\Administrator\\Desktop\\图片1.jpg \d \* MERGEFORMAT 此函数是与度量有关的噪声项和与真实图像有关的先验项之和，分别取决于观测数据与未知图像。将f视为概念上的函数，在采样点之间赋值，通过插值求解f。接着进行图像特征抽取。边缘是图像中的工件与背景之间的交界，也是图像灰度及颜色急剧变化的地方。由于传感元件的低频特性，工件与背景之间的边缘存在着模糊部分，灰度变化量小。用逐渐非凸（GNC