圆形工件检测及对准方法探究及实现.docVIP

圆形工件检测及对准方法探究及实现摘 要：快速而准确地实现工件对准在工业自动化领域有着广阔的应用前景。在此基于图像处理技术构建了圆形工件的对准系统，对圆形工件的检测及对准技术开展研究。该系统通过图像采集卡采集被测工件的视觉图像，进行中值滤波、采用Sobel边缘提取，利用改进的Hough圆变换进行中心定位，从而求得工件中心离视场中心的偏移量，使得步进电机依照此偏移量进行x,y方向的驱动。相较于传统的对准方法，该系统大大降低了图像处理所需时间，实现了圆形工件的快速检测和对准。 关键词：对准系统； 图像处理； 圆形检测； Hough变换 中图分类号：TN91934; TP391.41 文献标识码：A 文章编号：1004373X(2012)10006103 基金项目：国家自然科学基金资助项目;南京航空航天大学研究生创新基地(实验)开放基金资助项目(200902008)0 引 言 在工业机械制造中，以圆形为特征的工件例如圆柱、圆孔、圆球等占有相当的比例。在目前的生产环节中，圆形工件的对准一般使用直尺、游标卡尺和千分尺等工具去测量其直径，定位其中心等圆形参数后再调整对准，这些测量手段的检测精度和效率比较低，而且操作者的经验和工作态度往往影响其准确率，这样的检测方法无法满足现代化生产制造的要求。夏亮经等人［1］在自动调焦和对准系统的研究中采用形心法确定零件的中心，该方法不需要计算出零件的外形即可确定零件中心，计算简单迅速。王贤刚［2］等人在自动确定工业CT 中心的方法中利用Hough变换确定旋转中心，获得的工业CT 系统旋转中心精度较高。为了将对准实时性和精度有效地结合起来，本文对一种基于图像处理以及改进Hough变换的对准方法展开研究。 1 系统架构及图像处理 1.1 圆形工件检测及对准系统 本文构建了圆形工件的检测对准系统，图1是工件圆形检测系统示意图。系统由计算机、图像采集卡、CCD摄像头、光源以及步进电机组成。CCD摄像机获取图像后，图像采集卡将拍摄的图像转为数字图像后送至计算机进行处理，在求得圆心半径并计算得到偏移量后，由步进电机驱动x,y方向完成对准工作。 1.2 平滑滤波 由于光照不均匀、CCD摄像头的限制以及外部的环境干扰等原因，往往会造成图像的噪声和失真。因此，在图像进行特征提取之前，需要对图像进行预处理［3］，文中首先采用中值滤波对图像进行平滑去噪［4］，其基本原理是采用一个以当前像素点为中心的3×3邻域模板，计算该邻域内各点灰度值，进行降序或者升序排序后取其中间值，作为当前像素点的值。 图1 圆形工件检测及对准系统示意图中值滤波在一定的条件下可以克服线性滤波器如最小均方滤波和均值滤波等带来的图像细节模糊，且因为其像素值由周围接近的像素值得到，因此能最大限度保持边缘细节，达到较好的去噪效果。 1.3 边缘检测 本文利用边缘检测［5］提取目标特征，剔除掉不相关的信息，保留目标的边缘结构信息。Sobel算子［6］利用像素点上下、左右8个邻点的灰度加权算法，根据在边缘点处达到极值这一现象进行边缘的检测。Sobel算子由两组3×3的矩阵算子组成，即横向和纵向算子。 横向算子为：Gx=－101 －202 －101 纵向算子为：Gy=121 000 －1－2－1 使横向和纵向算子分别与图像做平面卷积，对图像进行逐点计算，取二者较大值为当前像素点的灰度值，运算结束后便产生一副边缘图像。采用Sobel算子进行边缘检测，不仅能产生较好的边缘效果，而且对噪声具有平滑作用，可以提供较为精确的边缘方向信息。图2为原图像与Sobel边缘提取图像对比图。 2 改进的Hough圆检测算法的研究 目前用于圆检测的方法有很多，如基于圆形边缘积分特性的环路积分法、基于最小二乘原理进行拟合的检测算法等。圆Hough变换，其可靠性高，对图像变形、噪声、目标残缺等均有好的适应性，因此是目前为止应用最为广泛的圆检测的方法之一。传统Hough变换［79］计算量大，它将图像空间中每个边缘点映射成参数空间的一个三维圆锥，是一对多的映射，在参数空间中，建立一个三维累加数组来记录圆锥之间的交点，累加值最大的三维坐标即为圆的参数（圆心横坐标、纵坐标、圆半径）。但传统Hough变换耗时、耗存储空间，无法满足实时性的要求。文中基于梯度信采用一种改进的Hough圆变换求取圆孔的中心和半径，并依此计算出工件的偏移量，将结果输送给步进驱动电机，实现快速对准。 图2 原图像与Sobel边缘提取图像对比图圆轮廓上点的梯度方向或其反方向是始终指向圆心的，因此圆上点沿梯度方向的直线一定是过圆心的。在圆轮廓的边缘上随机选取2个点，经过这2点并分别沿它们梯度方向的两条直线的交点即