利用圖像處理與機(jī)器視覺(jué)技術(shù)開(kāi)發(fā)一套安全氣囊檢測(cè)系統(tǒng)

摘要

利用圖像處理與機(jī)器視覺(jué)技術(shù)開(kāi)發(fā)了一套安全氣囊檢測(cè)系統(tǒng)，實(shí)現(xiàn)了對(duì)安全氣囊生產(chǎn)過(guò)程某一工位處關(guān)鍵尺寸的亞像素測(cè)量。介紹了該檢測(cè)系統(tǒng)的總體組成和主要工作流程; 分別介紹了該系統(tǒng)的軟硬件設(shè)計(jì); 并選取實(shí)際氣囊對(duì)所開(kāi)發(fā)的檢測(cè)系統(tǒng)進(jìn)行了可行性、有效性的驗(yàn)證。通過(guò)實(shí)驗(yàn)表明該系統(tǒng)的檢測(cè)結(jié)果符合實(shí)際生產(chǎn)的要求。

21 世紀(jì)以來(lái)，汽車行業(yè)發(fā)展迅猛。安全氣囊作為汽車的安全輔助工具，它的出現(xiàn)大大降低了死亡率，因而必須確保其尺寸精確，并能正常使用。對(duì)安全氣囊傳統(tǒng)的檢 測(cè)方法主要是借助千分表、輪廓儀等工具進(jìn)行人工抽檢［1］。然而在長(zhǎng)時(shí)間、大批量的工作模式下，工作人員由于身體條件、視覺(jué)疲勞等因素，造成產(chǎn)品誤檢率高，極大地 限制了生產(chǎn)效率和產(chǎn)品質(zhì)量。

針對(duì)上述情況，開(kāi)發(fā)了一套基于機(jī)器視覺(jué)的安全氣囊檢測(cè)系統(tǒng)，實(shí)現(xiàn)對(duì)安全氣囊關(guān)鍵尺寸的亞像素測(cè)量。該系統(tǒng)具有非接觸、實(shí)時(shí)、高精度、高效率的特點(diǎn)，可有效降低企業(yè)的人工成本，同時(shí)減少誤檢率和漏檢率，提高企業(yè)的生產(chǎn)效率和經(jīng)濟(jì)效益。

1

視覺(jué)檢測(cè)系統(tǒng)設(shè)計(jì)

1.1 尺寸測(cè)量技術(shù)要求

待檢測(cè)對(duì)象安全氣囊的實(shí)物圖如圖 1 所示。對(duì)氣囊進(jìn)行檢測(cè)主要是對(duì)其外輪廓尺寸大小和預(yù)縫線間距進(jìn)行測(cè)量，具體要求如下: （1）對(duì)氣囊外輪廓尺寸進(jìn)行測(cè)量，測(cè)量誤差范圍為±0.5 mm。 （2） 對(duì)預(yù)縫線間距進(jìn)行測(cè)量，測(cè)量誤差范圍為±0.5mm。 針對(duì)以上需求，設(shè)計(jì)并開(kāi)發(fā)了一套基于機(jī)器視覺(jué)的氣囊尺寸檢 測(cè)系統(tǒng)。示例中的氣囊外輪廓尺寸為 205.55mm，預(yù)縫線間距為 140.16 mm。

圖 1 待檢測(cè)的安全氣囊實(shí)物圖

1.2 系統(tǒng)的工作原理

視覺(jué)檢測(cè)系統(tǒng)主要由光源、相機(jī)、計(jì)算機(jī)、執(zhí)行機(jī)構(gòu)等部分組合而成［2］，如圖 2 所示。其工作原理是: 照明光源發(fā)出平行光照射在檢測(cè)工件上，工業(yè)相機(jī)采集圖像，將光信號(hào)轉(zhuǎn)換成圖像數(shù)據(jù)傳送給計(jì)算機(jī)，由計(jì)算機(jī)完成圖像處理、分析和計(jì)算等，并將處理結(jié)果以信號(hào)的形式發(fā)送給執(zhí)行機(jī)構(gòu)，指導(dǎo)機(jī)器的運(yùn)行。

1.3 系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)

該視覺(jué)系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)主要從硬件系統(tǒng)和軟件系統(tǒng)兩方面展開(kāi)。

圖 2 視覺(jué)檢測(cè)系統(tǒng)的原理圖

硬件系統(tǒng)包含機(jī)械裝置、圖像采集子系統(tǒng)以及計(jì)算機(jī)等部分，其中圖像采集子系統(tǒng)是整個(gè)硬件系統(tǒng)的核心模塊，由光源、相機(jī)以及照明系統(tǒng)等復(fù)合而成，其任務(wù)是對(duì)工件進(jìn)行圖像數(shù)據(jù)采集［3］。對(duì)圖像采集子系統(tǒng)的設(shè)計(jì)主要從相機(jī)和光源的選型、光照模式的設(shè)計(jì)等兩個(gè)方面入手。根據(jù)檢測(cè)工件的表面屬性和幾何外形，結(jié)合檢測(cè)指標(biāo)為外輪廓尺寸和預(yù)縫線間距測(cè)量，決定選用 MER－ 503－ 20GM / C－P 相機(jī)，選擇線性 LED 條形光源，以垂直照射的方式進(jìn)行照明，如圖 3( a) 所示。

軟件系統(tǒng)是基于 Window 操作系統(tǒng)平臺(tái)，依托 Visual Studio 2013 中 MFC 和開(kāi)源圖像處理庫(kù) OpenCV2．4．9 設(shè)計(jì)的 UI 界面，主要包括視頻顯示、圖像結(jié)果顯示、識(shí)別與測(cè)量及設(shè)備控制等功能模塊，如圖 3( b) 所示。圖中左側(cè)兩個(gè)窗口分別為“視頻顯示窗口”和“圖像結(jié)果顯示窗口”；界面右側(cè)從上到下依次是“串口通信窗口”、“設(shè)備控制窗 口”、“檢測(cè)識(shí)別與測(cè)量窗口”以及“檢測(cè)結(jié)果顯示窗口”。

圖 3 檢測(cè)系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)

2

檢測(cè)原理與算法實(shí)現(xiàn)

針對(duì)氣囊的尺寸測(cè)量，采用基于灰度圖像的邊緣特征，通過(guò)濾波與增強(qiáng)，改善圖像質(zhì)量，銳化邊緣細(xì)節(jié)，并通 過(guò)亞像素定位技術(shù)，提高邊緣定位精度，最后通過(guò)對(duì)邊緣 的直線擬合和直方圖投影，進(jìn)行尺寸測(cè)量，整個(gè)檢測(cè)算法 流程如圖 4 所示。

圖 4 氣囊尺寸測(cè)量算法流程圖

2.1 圖像濾波

在進(jìn)行圖像采集和數(shù)據(jù)傳輸時(shí)，因受到圖像傳感器質(zhì)量、環(huán)境光照等因素的影響，常常會(huì)引入無(wú)關(guān)的噪聲，不利于后續(xù)圖像識(shí)別。圖 5 所示為采集圖像的外輪廓和預(yù)縫線區(qū)域的局部圖，可以看出圖像含有大量的噪聲點(diǎn)。

圖 5 原始圖像

在圖像處理中，主要運(yùn)用圖像濾波進(jìn)行噪聲點(diǎn)的去除。目前，常用的濾波方法有高斯濾波、均值濾波和中值 濾波等。采用上述 3 種濾波方法分別對(duì)工件圖像進(jìn)行處理，同時(shí)以峰值信噪比( PSNR)［4］作為質(zhì)量評(píng)價(jià)指標(biāo)，最終決定采用高斯濾波對(duì)圖像進(jìn)行去噪處理。

高斯濾波是一種廣泛使用的線性平滑濾波器，主要思路是對(duì)整幅圖像進(jìn)行加權(quán)平均，從而消除噪聲點(diǎn)的影響， 其具體操作是: 通過(guò)高斯核的離散化窗口滑窗卷積來(lái)實(shí)現(xiàn)，高斯核是一個(gè)奇數(shù)的大小高斯模板。

高斯模板中的各個(gè)參數(shù)主要通過(guò)二維高斯函數(shù)計(jì)算給出，其具體公式如下:

式中 δ 表示標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差 δ 越小，表示濾波平滑效果越不明顯。

采用高斯濾波對(duì)采集圖像進(jìn)行噪聲點(diǎn)的去除，效果如 圖 6 所示，可以看到噪聲點(diǎn)被平滑處理掉，圖像質(zhì)量得到明顯改善。

圖6 高斯濾波后的圖像

2.2 圖像增強(qiáng)

經(jīng)過(guò)高斯濾波之后的圖像，噪聲點(diǎn)被濾除，但是由于引入平均的效果，使得邊緣細(xì)節(jié)變得模糊。為了抵消這種模糊的因素，應(yīng)該增強(qiáng)圖像的對(duì)比度。采用 Laplace 算子， 對(duì)圖像邊緣進(jìn)行銳化處理。

Laplace 算子是一種各向同性的二階微分算子［5］，而圖像的邊緣灰度是階躍變化的，在數(shù)學(xué)上表示為其二階導(dǎo)數(shù)過(guò)零點(diǎn)，故可利用 Laplace 算子對(duì)進(jìn)行圖像銳化，可以有效地定位邊緣點(diǎn)，并通過(guò)加強(qiáng)邊緣的灰度值，使圖像的對(duì) 比度增強(qiáng)，同時(shí)使邊緣細(xì)節(jié)得到提升。

如圖 7 所示，經(jīng)過(guò) Laplace 算子增強(qiáng)后，可以發(fā)現(xiàn)圖像的對(duì)比度得到了提高，預(yù)縫線和外輪邊緣也更加清晰，有利于后續(xù)圖像邊緣的檢測(cè)。

圖7 Laplace 圖像增強(qiáng)后的效果

2.3 邊緣檢測(cè)

圖像邊緣指的是其周圍像素灰度急劇變化的那些像 素的集合，它主要存在于目標(biāo)、背景與區(qū)域之間，對(duì)圖像進(jìn) 行邊緣檢測(cè)是圖像識(shí)別的重要步驟［6］。采用亞像素技術(shù) 對(duì)像素級(jí)邊緣進(jìn)行精細(xì)再分，提高了圖像的分辨率，具體 實(shí)現(xiàn)過(guò)程如下:

（1）粗定位階段，以像素為單位，進(jìn)行傳統(tǒng)的邊緣檢測(cè);

（2）精定位階段，采用圖像處理算法，實(shí)現(xiàn)像素精細(xì)劃分。在粗定位階段，傳統(tǒng)的像素級(jí)邊緣檢測(cè)算子主要有:

Roberts 算子、Prewitt 算子、Sobel 算子、Log 算子、Canny 算子等［7］。從定位精度和邊緣細(xì)節(jié)兩方面，對(duì)比上述檢測(cè)算子的檢測(cè)效果，如圖 8 所示，可以發(fā)現(xiàn) Roberts 算子、Prewitt 算子、Sobel 算子檢測(cè)結(jié)果相似，能夠準(zhǔn)確定位邊緣，但是邊緣細(xì)節(jié)模糊，而 Canny 算子檢測(cè)效果最佳，定位精度高，邊緣連續(xù)性強(qiáng)，故在粗定位階段采用 Canny 算子進(jìn)行邊緣檢測(cè)。

在精定位階段，采用基于 Zernike 矩的亞像素邊緣檢測(cè)算法，并對(duì)階躍閾值的選擇進(jìn)行改進(jìn)，利用 Otsu 法( 大津法) 確定最佳分割閾值 T 作為階躍閾值，對(duì)檢測(cè)邊緣進(jìn)行精確定位。

改進(jìn)的 Zernike 矩邊緣檢測(cè)算法具體步驟如下。步驟 1: 計(jì)算 Zernike 矩的 Z00、Z11、Z20;

步驟2: 根據(jù)公式( 2) ，計(jì)算出Φ的值;

Φ= tan-1( Im［Z11］/Re［Z11］) ( 2)

步驟3: 利用Zernike 矩的旋轉(zhuǎn)不變性，求得Z'00、Z'11、Z'20;

步驟5: 利用Otsu 法確定最佳分割閾值作為階躍閾值 T; 步驟 6: 取距離閾值 δ，若滿足條件 k ≥T 且 h≤δ，則該像素點(diǎn)即為邊緣點(diǎn)。

通過(guò) Otsu 法確定最佳分割閾值 T = 86，并設(shè)置距離閾值 δ 為一個(gè)像素單位，進(jìn)行亞像素邊緣檢測(cè)，如圖 9 所示?？梢钥闯霾捎酶倪M(jìn)的 Zernike 矩邊緣檢測(cè)算法提取的圖像邊緣無(wú)毛刺，且連續(xù)性更強(qiáng)，為后續(xù)的高精度尺寸測(cè)量提供了保證。

圖9 改進(jìn)的Zernike 矩邊緣檢測(cè)效果圖

2.4 尺寸測(cè)量

通過(guò)對(duì)氣囊的邊緣圖像進(jìn)行分析，發(fā)現(xiàn)外輪廓具有波 浪形邊緣，而預(yù)縫線邊緣具有明顯的傾斜角度，并且含有 線頭邊緣，對(duì)測(cè)量產(chǎn)生極大的干擾，針對(duì)以上問(wèn)題，分別提 出了基于直線擬合和直方圖投影的測(cè)量算法，檢測(cè)效果如 圖 10 所示。

圖 10 氣囊尺寸測(cè)量效果圖

1）直線擬合測(cè)量算法

對(duì)于外輪廓的尺寸測(cè)量，其核心步驟在于對(duì)輪廓的擬 合，最小二乘法是最常見(jiàn)的直線擬合方法，其具體步驟如下。

步驟 1: 采集圖像上、下邊緣，采用最小二乘法擬合基準(zhǔn)直線 L1 和 L2;

步驟 2: 計(jì)算中心點(diǎn)( x0，y0) ，將上邊緣 x 坐標(biāo)均值作為 x0，根據(jù)直線 L2方程獲取中心點(diǎn)位置;

步驟 3: 利用該中心點(diǎn)的基準(zhǔn)直線 L1的距離，進(jìn)行測(cè)距。

2）直方圖投影算法

首先對(duì)工件的邊緣圖像進(jìn)行輪廓提取，同時(shí)獲得每個(gè)輪廓的最小外接矩形，再依據(jù)面積和長(zhǎng)寬比等幾何特征， 定位預(yù)縫線檢測(cè)區(qū)域 R1和 R2，并記錄其左上角頂點(diǎn)坐標(biāo)，如圖 10 所示。

對(duì)定位出的預(yù)縫線區(qū)域，進(jìn)行直方圖投影，其具體步驟是: 首先遍歷 ROI 區(qū)域 R1和 R2，統(tǒng)計(jì)區(qū)域內(nèi)非 0 值像素的個(gè)數(shù) Ni，以行數(shù)為橫坐標(biāo)，Ni 為縱坐標(biāo)，繪制直方圖，并記錄直方圖最大值所在位置行數(shù)，計(jì)為 I1max 和 I2max，如圖 11 所示。結(jié)合 ROI 區(qū)域的位置坐標(biāo)，作差即可求得預(yù)縫線間距。

圖11 預(yù)縫線像素直方圖

3

實(shí)驗(yàn)結(jié)果與分析

對(duì)本視覺(jué)系統(tǒng)進(jìn)行重復(fù)性測(cè)量實(shí)驗(yàn)，即將氣囊在相機(jī)視野中任意位置擺放 10 次，采用檢測(cè)系統(tǒng)對(duì)氣囊進(jìn)行尺寸測(cè)量，并計(jì)算其測(cè)量均值和標(biāo)準(zhǔn)差，測(cè)量結(jié)果如表 1 所示。

通過(guò)表 1 可知，外輪廓測(cè)量均值為 205.55 mm，其標(biāo)準(zhǔn)偏差為 0.0317 mm，預(yù)縫線間距測(cè)量均值為 140.15 mm，標(biāo)準(zhǔn)偏差為 0.023 5 mm，標(biāo)準(zhǔn)偏差均在± 0.05 mm 之間，滿足了生產(chǎn)實(shí)際的精度要求。同時(shí)為了更加直觀體現(xiàn)，繪制其檢測(cè)結(jié)果折線圖如圖 12 所示。

圖12 零件檢測(cè)結(jié)果折線圖

由圖 12 可知雖然該系統(tǒng)測(cè)得的數(shù)據(jù)整體比較理想， 測(cè)量結(jié)果基本在測(cè)量均值附近，但是也有個(gè)別數(shù)據(jù)會(huì)產(chǎn)生波動(dòng)，出現(xiàn)這種情況，主要有以下幾個(gè)方面原因:

鏡頭誤差。由于鏡頭制造工藝的限制，使得鏡頭存在畸變，在光學(xué)成像時(shí)產(chǎn)生一定的誤差。

環(huán)境誤差。受到環(huán)境光照的影響，使得被測(cè)工件的邊緣亮度和陰影產(chǎn)生變化，這將導(dǎo)致在邊緣提取時(shí)產(chǎn)生 一定的誤差。

算法誤差。對(duì)外輪廓進(jìn)行直線擬合時(shí)，由于輪廓具有波浪形邊緣，使得擬合出的結(jié)果會(huì)存在一定的誤差。

4

結(jié)論

根據(jù)安全氣囊安全尺寸的檢測(cè)要求，開(kāi)發(fā)了一套視覺(jué)檢測(cè)系統(tǒng)，該系統(tǒng)采用改進(jìn)的Zernike 矩的亞像素邊緣算法，實(shí)現(xiàn)邊緣的精確定位，提高了測(cè)量精度。針對(duì)工件兩個(gè)不同的測(cè)量指標(biāo)，分別提出了基于直線擬合的點(diǎn)測(cè)距和基于直方圖投影測(cè)距的測(cè)量方法。在實(shí)例驗(yàn)證下， 檢測(cè)精度符合工業(yè)生產(chǎn)要求，有效地提高了生產(chǎn)效率和產(chǎn)品質(zhì)量。

參考文獻(xiàn)

［1］ 季瑩． 安全氣囊的技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)［J］． 汽車與配件，2012( 10) : 34-37．

［2］ WESLEY E，SNYDER，HARIONG Qi． Machine vision［M］． Camb: Cambridge University Press，2005．

［3］ 章煒． 機(jī)器視覺(jué)技術(shù)發(fā)展及其工業(yè)應(yīng)用［J］． 紅外技術(shù)，2006，27( 2) : 11-16．

［4］ 劉國(guó)陽(yáng)． 基于機(jī)器視覺(jué)的微小零件尺寸測(cè)量技術(shù)研究［D］．哈爾濱: 哈爾濱工業(yè)大學(xué)，2014．

［5］ 周文舉． 基于機(jī)器視覺(jué)的在線高速檢測(cè)與精確控制研究與應(yīng)用［D］． 上海: 上海大學(xué)，2013．

［6］ 左敦穩(wěn)． 視覺(jué)技術(shù)在智能機(jī)械加工中的應(yīng)用研究［J］． 機(jī)械制造與自動(dòng)化，2018，47( 6) : 1-6．

［7］ 汪田． 基于機(jī)器視覺(jué)的油泵殼體尺寸測(cè)量系統(tǒng)［D］． 杭州: 浙江大學(xué)，2018．

責(zé)任編輯：xj

原文標(biāo)題：基于機(jī)器視覺(jué)的安全氣囊檢測(cè)系統(tǒng)研究

文章出處：【微信公眾號(hào)：新機(jī)器視覺(jué)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。