CN102519400A - 基于机器视觉的大长径比轴类零件直线度误差检测方法 - Google Patents
基于机器视觉的大长径比轴类零件直线度误差检测方法 Download PDFInfo
- Publication number
- CN102519400A CN102519400A CN2011104196262A CN201110419626A CN102519400A CN 102519400 A CN102519400 A CN 102519400A CN 2011104196262 A CN2011104196262 A CN 2011104196262A CN 201110419626 A CN201110419626 A CN 201110419626A CN 102519400 A CN102519400 A CN 102519400A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- axis
- coordinate
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的大长径比轴类零件直线度误差检测方法,属于轴类零件直线度误差检测领域。本发明的步骤为:(1)标准件安装;(2)相机安装;(3)工件安装;(4)图像采集;(5)图像处理;(6)建立坐标***;(7)计算得出圆心位置坐标;(8)统一坐标;(9)根据截面的圆心坐标,利用现有的直线度评定方法,计算直线度。本发明以标准件相互间位置关系为纽带,建立各图像间的坐标位置关系,从而避免使用耗时较长的图像拼接技术,同时,不需要严格保证相机到零件的距离和相机到标准件之间距离相等,降低了测量难度,提高了测量精度。
Description
技术领域
本发明涉及一种轴类零件直线度误差检测方法,更具体地说,涉及一种基于机器视觉的大长径比轴类零件直线度误差检测方法。
背景技术
视觉是人类感知和理解周边的世界,从大自然中获取知识的最主要的手段。在人类获取的信息中80%来自视觉,其余的20%来自听觉、味觉、触觉等。机器视觉,是指利用计算机和一些辅助设备来实现人的视觉功能,从而实现通过二维图像感知外界事物和客观三维世界,是一门新兴的学科,是令人感兴趣的前沿研究领域之一。
随着机器视觉技术的发展,已经出现了一种把图像当作检测和传递信息的手段或载体加以利用的新的检测方法,即基于机器视觉的图像检测技术。它是以现代光学为基础,融光电子学、计算机图像学、信息处理、机器视觉等科学技术为一体的现代检测技术。基于机器视觉的图像检测技术的仪器设备能够实现智能化、数字化、小型化、网络化和多功能化,具备在线检测、实时分析、实时控制的能力,在军事、工业、医学等领域得到广泛关注和应用。
基于机器视觉的图像检测方法在机械零件几何尺寸检测中已经有应用,主要集中在基于单幅图像的尺寸测量和基于图像拼接的尺寸测量。单幅图像检测方法是用一幅图像来展示整个零件的全貌,通过图像运算得到零件的几何尺寸。但是由于相机的视野范围受到约束,因此方法只适用于较小零件的测量。对于大型零件,图像检测技术可以对零件的不同部位进行拍摄,得到多幅局部重叠的高精度图像,然后利用图像之间的信息冗余进行图像拼接得到零件的完整图像,对拼接后的图像进行分析可以得到零件的完整结构尺寸。大量的文献资料已经指出,这一检测方法需要进行大量的数据存储和运算,势必影响检测方法的实时性。
现有的机械零件直线度测量方法,主要集中在基于单幅图像的直线度测量。基于单幅图像的直线度测量方法是用一幅图像展示被测轴的全貌,通过对这一幅图像的运算处理得到零件的直线度误差。但是由于相机的视野范围与精度是反比例关系,为了获得较高的检测精度,被测零件的几何尺寸必须约束在一定范围内。天津大学博士后研究工作报告《视觉准则在线测量技术研究》(卢荣胜)对直径为140mm,长度为1.5m的无缝钢管的直线度检测方法进行了研究,是国内开展大长径比轴类零件直线度检测方法研究较早的学者。其报告中采用的方法是一种激光视觉方法,检测设备精度较高,但设备比较昂贵。此外,需要对图像传感器进行全局标定,算法实时性受到一定的限制。
1.与本发明相关的现有技术一
现有技术一的技术方案:某轨道车辆门用变导程丝杠长约2m,直径约为2cm,长径比为100,属于大长径比轴类零件。其直线度是质量控制的重要指标,也是其功能性指标,从客户反馈的信息来看,即使在生产环节进行了检测,使用一段时间后,其直线度仍会出现较大的误差。研究发现,主要是因为检测手段的精度不够高。
目前,生产线在用的检测方法是将丝杠置于工作台面上,用眼睛去观察丝杠与工作台面的接触情况,透光地方用标准的塞规去检测,某处能放进塞规,说明该处的直线度误差已经
现有技术一的缺点:上述检测方法存在以下几个缺点:
(1)不能准确的给出直线度误差的数据;
(2)不能根据数据制定合理的校正方案;
(3)该岗位对工人的技术熟练程度依赖性比较大;
(4)工人的劳动强度比较大;
(5)检测速度比较慢,无法实现生产线自动化。
2.与本发明相关的现有技术二
现有技术二的技术方案:图1摘自天津大学卢荣胜博士后工作报告《视觉准则在线测量技术研究》,该测试***由半导体激光器LD发出一束光平面,它与无缝钢管相截后,在钢管的外圆表面形成一条椭圆弧,由CCD摄象机接收各椭圆弧的图像,经计算机实时图像处理求得各椭圆弧中心在世界坐标系中的坐标,运用相应的算法,求出钢管的直线度误差。
现有技术二的缺点:图1中采用了半导体激光投射器,该元件属于高精度产品,价格比较昂贵。方法中采用多个CCD摄像机采集图像,需要采集的图像统一到同一个坐标系下方可进行直线度的计算,因此需要较为复杂的标定算法。标定是机器视觉中的一个难点,现有的各种标定技术都有一定的局限性,在一定精度范围内可用。如线性标定计算精度低,非线性标定需要多次非线性迭代,计算速度低,因此标定技术的成为一个瓶颈。因此,上述方法又借助了其他高精度设备进行了全局标定,这就给方法的推广带来了困难。
3.与本发明相关的现有技术三
现有技术三的技术方案:山东大学学位论文《基于机器视觉的零件平面尺寸自动测量》(马文娟)中写道用机器视觉方法检测零件的直线度,详细过程如下:图像采集设备获得零件的全貌,运用图像处理方法得到灰度图,对灰度图进行二值化处理,再用边缘检测算子,得到边缘像素级点集,如果需要进一步提高精度,再使用亚像素边缘定位技术,获得亚像素级边缘点集,对边缘点集进行最小二乘拟合得到理想直线,边缘点集中距离理想直线距离最大值即被认为是直线度误差。
现有技术三的缺点:基于单幅图像的直线度测量方法是用一幅图像展示被测零件的全貌,通过对这一幅图像的运算处理得到零件的直线度误差。但是由于相机的视野范围与精度是反比例关系,为了获得零件的全貌,必须要牺牲一定的精度;又或者为了获得较高的检测精度,被测零件的几何尺寸必须约束在一定范围内。
发明内容
1.发明要解决的技术问题
本发明在于克服现有技术中的不足,提供一种基于机器视觉的大长径比轴类零件直线度误差检测方法,通过快速获得被测轴各个局部区域的高精度图像,采用简单的图像处理算法得到多个位置处的中心坐标,再将相互独立的中心点统一到一个坐标系下进行直线度误差的评价,以得到整个轴直线度误差值,并对超差部分进行记录,为后续校正提供数据。
2.技术方案
为达到上述目的,本发明提供的技术方案为:
本发明的一种基于机器视觉的大长径比轴类零件直线度误差检测方法,其步骤为:
(1)标准件安装:
标准件等高安装多组,所有标准件的对应边相互平行,两标准件的几何尺寸以及标准件之间的位置关系采用常规的高精度检测工具测量获得;
(2)相机安装:
确保成像平面与标准件的上表面平行,并且相机能沿被测轴的轴线方向和垂直于工作台面方向移动;
(3)工件安装:
将被测轴置于视场内,调整位置,使被测轴的轴线与标准件边平行或垂直;
(4)图像采集:
当相机处于第i个采样点处,调整相机位置,使得相机到被测轴的距离为D1,采集1幅图像,记为image1i,调整相机位置,使得相机到被测轴距离为D2,再采集1幅图像,记为image2i;沿被测轴轴线方向移动相机到下一个采样点i+1处,调整相机位置,使得相机到被测轴的距离为D1,采集1幅图像,记为image1i+1,调整相机位置,使得相机到被测轴距离为D2,再采集1幅图像,记为image2i+1,如此沿轴线方向移动相机,直至到最后一个采样点,完成整个轴线方向上图像序列的采集,其中,D1和D2是两个未知的变量,但是D1和D2之间的差值是已知量;
(5)图像处理:
image1序列图像中第i幅图像处理,采用Harris角点提取算法提取两标准件的8个角点,用Canny边缘提取算法提取轴的轮廓边缘;image2序列图像中第i幅图像处理,采用Harris角点提取算法提取两标准件的8个角点,用Canny边缘提取算法提取轴的轮廓边缘;
(6)建立坐标***:
image1图像序列中标准件上最左下角的角点为坐标原点,x轴平行于轴线,y轴垂直于轴线,z轴垂直于工作台面;
(7)计算圆心位置坐标:
在序列图像image1i的被测轴轮廓上取2个点,保证2个点在垂直于轴线方向上图像坐标相同,在序列图像image2i的被测轴轮廓上取2个与image1i中的点相对应的点;根据小孔成像原理、上述所取的4个点共圆、光心与轮廓点所确定的直线和轮廓点与圆心所确定的直线垂直、相机移动的距离(|D1-D2|)4个条件,计算得出圆心位置坐标;
其中,计算圆心位置坐标时建立***数学模型,当相机处于1#位置处时,被测轴轮廓上的对称点p9和p11成像;当相机处于2#位置处时,被测轴轮廓上的对称点p8和p10成像,标准件上的8个角点(坐标原点及pi(i=1,2,3,…,7))间的距离是已知的参数,再根据小孔成像原理、pi(i=8,9,10,11)4点共圆、Ocp8⊥p8o、Ocp9⊥p9o、相机移动的距离(1#位置到2#位置距离)已知这些条件建立***数学模型如下:
Ow-XwYwZw为世界坐标系,Oc-XcYcZc为相机坐标系,1#、2#为相机所处两个位置,o为轴某处截面圆的圆心,pi(i=1,2,3,…,11)坐标分别为:p1(x1,0,0),p2(x1,y2,0),p3(0,y2,0);p4(x4,y4,0),p5(x5,y4,0),p6(x4,y6,0),p7(x5,y6,0);p8(x8,y,z8),p9(x9,y,z9),p10(x10,y,z10),p11(x11,y,z11);
当相机处于1#位置时,相机光心Oc到圆心o距离为D1,当相机处于2#位置时,相机光心Oc到圆心o距离为D2,并假设圆心在世界坐标系下坐标为o(x,y,z),则有:
x9+x11=2x (1.1)
z9=z11 (1.2)
x8+x10=2x (1.7)
z8=z10 (1.8)
(x8-x)2+(z8-z)2=(x9-x)2+(z9-z)2 (1.11)
D1-D2=C (1.12)
其中,为直线Ocp9方向,为直线p9o方向,为直线Ocp8方向,为直线p8o方向;C1为p9点的像到p11点像之间的距离;C2为p8点的像到p10点像之间的距离;为当相机处于1#位置处时,沿Xc轴方向测量比,由两标准件平行于Xc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于1#位置处时,沿Yc轴方向测量比,由两标准件平行于Yc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于2#位置处时,沿Xc轴方向测量比,由两标准件平行于Xc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于2#位置处时,沿Yc轴方向测量比,由两标准件平行于Yc轴的4条边的长度与其对应像的长度的比值所确定;C为相机从1#位置到2#位置所移动过的距离;f为相机的焦距;dx是像素在X方向上的尺寸,dy是像素在Y方向上的尺寸;
联立式(1.1)~式(1.14),即为本测量***的数学模型,根据该测量***的数学模型,计算得出圆心位置坐标;
(8)统一坐标:
根据标准件之间的安装尺寸关系,将上述计算得到的坐标统一到同一个坐标系下;
(9)根据截面的圆心坐标,利用直线度评定方法,计算直线度。
3.有益效果
采用本发明提供的技术方案,与已有的公知技术相比,具有如下显著效果:
(1)本发明的一种基于机器视觉的大长径比轴类零件直线度误差检测方法,对照现有技术一,本发明用图像作为检测和传递信息的载体,存储于计算机内,可以获得准确的直线度误差数据,根据获得的直线度误差,制定合理的校正方案,机器视觉长时间稳定工作,人类难以长时间对同一对象进行观察,而机器视觉则可以长时间地作测量、分析和识别任务;
(2)本发明的一种基于机器视觉的大长径比轴类零件直线度误差检测方法,对照现有技术二,本发明属于普通视觉,不需要采用昂贵的高精度激光投射器,机器视觉尺寸测量***的标定方法大都采用标准件法,即把标准件的精确尺寸传递给图像,这种方法的主要优点在于不需要标定摄像机的内外参数,只需要标定出摄像机的物面分辨率,可以简化标定过程,该方法只适用于测量平面物体尺寸,只要保证每次采集图像时,视场内同时有两个标准件,即可根据两标准件间相互位置关系将全部坐标统一起来,这种标定算法不需要进行多次非线性迭代计算,计算速度较高,精度主要取决标准件精度和相机的成像精度,可根据精度等级要求配置标准件和摄像机;
(3)本发明以图像为检测和传递信息载体,可以获得用数据准确描述的直线度误差数据,数据存储于计算上,可以和设计、生产以及产品质量控制等多个部门适时沟通,以提升产品的质量;
(4)本发明的一种基于机器视觉的大长径比轴类零件直线度误差检测方法,不需要耗时较长的图像拼接技术,得到零件全貌,也不要进行十分复杂且需要高精度设备支持的全局坐标标定,得到轴线各点绝对坐标,进行直线度的计算;
(5)本发明的检测精度只与相机的成像精度和标准件精度有关,相机沿被测轴轴线方向移动与定位不需要做特别的处理;
(6)本发明可以实现任意长径比轴类零件直线度检测任务,只需要适当延长工作台的尺寸,增加一定数量的标准件即可。
附图说明
图1为天津大学卢荣胜博士后工作报告《视觉准则在线测量技术研究》中的测试***;
图2是本发明的测量***安装示意图;
图3为本发明的测量***模型图。
示意图中的标号说明:
1、3-标准件;2-被测轴。
具体实施方式
下面结合附图对本发明作进一步的描述。
结合图2和图3对本发明技术方案进行阐述。图2中的“1”和“3”是2个标准件,其尺寸不相同,图2中的“2”为某被测轴。测量前要进行相机、被测轴2以及标准件1、3的安装。标准件1和标准件3等高安装,且保证边的平行(或垂直),两标准件1、3的几何尺寸以及标准件1、3之间的位置关系用常规的高精度检测工具测量获得。相机安装需要确保成像平面与标准件1、3的上表面平行,并且相机能沿被测轴2的轴线方向和垂直于工作台面方向移动。被测轴2安装于视场内,调整其位置,保证被测轴2的轴线与标准件1、3的边平行(或垂直)。当相机处于第i个采样点处,调整相机位置,使得相机到被测轴2的距离为D1,采集1幅图像,记为image1i;调整相机位置,使得相机到被测轴2距离为D2,再采集1幅图像,记为image2i。沿被测轴2轴线方向移动相机到下一个采样点i+1处,调整相机位置,使得相机到被测轴2的距离为D1,采集1幅图像,记为image1i+1;调整相机位置,使得相机到被测轴2距离为D2,再采集1幅图像,记为image2i+1。如此沿轴线方向移动相机,直至到最后一个采样点,完成整个轴线方向上图像序列的采集。D1和D2是两个未知的变量,但是D1和D2之间的差值是已知量。对image1序列图像中第i幅图像处理,用Harris角点(C.Harris,etc.1998)提取算法提取两标准件1、3的8个角点,用Canny(John Harris,1986)边缘提取算法提取轴的轮廓边缘。对image2序列图像中第i幅图像处理,用Harris角点提取算法提取两标准件1、3的8个角点,用Canny边缘提取算法提取轴的轮廓边缘。坐标***为:image1图像序列中标准件1、3上最左下角的角点为坐标原点,x轴垂直于轴线,y轴平行于轴线,z轴垂直于工作台面。在序列图像image1i的被测轴2轮廓上取2个点,保证2个点在垂直于轴线方向上图像坐标相同。在序列图像image2i的被测轴2轮廓上取2个与image1i中点相对应的点。
图3为测量***模型图,当相机处于1#位置处时,被测轴2轮廓上的点p9和p11成像。当相机处于2#位置处时,被测轴2轮廓上的点p8和p10成像。标准件1、3上的8个角点(坐标原点及pi(i=1,2,3,…,7))间的距离是已知的参数。再根据小孔成像原理、pi(i=8,9,10,11)4点共圆、直线Ocp8与p8o垂直和直线Ocp9与p9o也垂直、相机移动的距离(1#位置到2#位置距离)已知,计算得出圆心位置坐标。利用标准件1、3之间的安装尺寸关系,将计算得到的圆心坐标统一到同一个坐标系下。根据每个截面的圆心坐标,运用现有的直线度评定方法,计算得出该被测轴2的直线度。
下面结合实施例对本发明作进一步的描述。
实施例:
本实施例的一种基于机器视觉的大长径比轴类零件直线度误差检测方法,其步骤为:
(1)标准件安装:
标准件等高安装多组,图2所示,“1”和“3”是2个标准件,其尺寸不相同,图2中的“2”为某被测轴,所有标准件的对应边相互平行,两标准件的几何尺寸以及标准件之间的位置关系采用常规的高精度检测工具测量获得;
(2)相机安装:
确保成像平面与标准件的上表面平行,并且相机能沿被测轴的轴线方向和垂直于工作台面方向移动;
(3)工件安装:
将被测轴置于视场内,调整位置,使被测轴的轴线与标准件边平行或垂直;
(4)图像采集:
当相机处于第i个采样点处,调整相机位置,使得相机到被测轴的距离为D1,采集1幅图像,记为image1i,调整相机位置,使得相机到被测轴距离为D2,再采集1幅图像,记为image2i;沿被测轴轴线方向移动相机到下一个采样点i+1处,调整相机位置,使得相机到被测轴的距离为D1,采集1幅图像,记为image1i+1,调整相机位置,使得相机到被测轴距离为D2,再采集1幅图像,记为image2i+1,如此沿轴线方向移动相机,直至到最后一个采样点,完成整个轴线方向上图像序列的采集,其中,D1和D2是两个未知的变量,但是D1和D2之间的差值是已知量;
(5)图像处理:
image1序列图像中第i幅图像处理,采用Harris角点提取算法提取两标准件的8个角点,用Canny边缘提取算法提取轴的轮廓边缘;image2序列图像中第i幅图像处理,采用Harris角点提取算法提取两标准件的8个角点,用Canny边缘提取算法提取轴的轮廓边缘;
(6)建立坐标***:
image1图像序列中标准件上最左下角的角点为坐标原点,x轴平行于轴线,y轴垂直于轴线,z轴垂直于工作台面;
(7)计算圆心位置坐标:
在序列图像image1i的被测轴轮廓上取2个点,保证2个点在垂直于轴线方向上图像坐标相同,在序列图像image2i的被测轴轮廓上取2个与image1i中的点相对应的点;根据小孔成像原理、上述所取的4个点共圆、光心与轮廓点所确定的直线和轮廓点与圆心所确定的直线垂直、相机移动的距离(|D1-D2|)4个条件,计算得出圆心位置坐标;
其中,计算圆心位置坐标时建立如图3所示的***数学模型,当相机处于1#位置处时,被测轴轮廓上的对称点p9和p11成像;当相机处于2#位置处时,被测轴轮廓上的对称点p8和p10成像,标准件上的8个角点(坐标原点及pi(i=1,2,3,…,7))间的距离是已知的参数,再根据小孔成像原理、pi(i=8,9,10,11)4点共圆、Ocp8⊥p8o、Ocp9⊥p9o、相机移动的距离(1#位置到2#位置距离)已知这些条件建立***数学模型如下:
Ow-XwYwZw为世界坐标系,Oc-XcYcZc为相机坐标系,1#、2#为相机所处两个位置,o为轴某处截面圆的圆心,pi(i=1,2,3,…,11)坐标分别为:p1(x1,0,0),p2(x1,y2,0),p3(0,y2,0);p4(x4,y4,0),p5(x5,y4,0),p6(x4,y6,0),p7(x5,y6,0);p8(x8,y,z8),p9(x9,y,z9),p10(x10,y,z10),p11(x11,y,z11);
当相机处于1#位置时,相机光心Oc到圆心o距离为D1,当相机处于2#位置时,相机光心Oc到圆心o距离为D2,并假设圆心在世界坐标系下坐标为o(x,y,z),则有:
x9+x11=2x (1.1)
z9=z11 (1.2)
x8+x10=2x (1.7)
z8=z10 (1.8)
(x8-x)2+(z8-z)2=(x9-x)2+(z9-z)2 (1.11)
D1-D2=C (1.12)
其中,为直线Ocp9方向,为直线p9o方向,为直线Ocp8方向,为直线p8o方向;C1为p9点的像到p11点像之间的距离;C2为p8点的像到p10点像之间的距离;为当相机处于1#位置处时,沿Xc轴方向测量比,由两标准件平行于Xc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于1#位置处时,沿Yc轴方向测量比,由两标准件平行于Yc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于2#位置处时,沿Xc轴方向测量比,由两标准件平行于Xc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于2#位置处时,沿Yc轴方向测量比,由两标准件平行于Yc轴的4条边的长度与其对应像的长度的比值所确定;C为相机从1#位置到2#位置所移动过的距离;f为相机的焦距;dx是像素在X方向上的尺寸,dy是像素在Y方向上的尺寸;
联立式(1.1)~式(1.14),即为本测量***的数学模型,根据该测量***的数学模型,计算得出圆心位置坐标;
(8)统一坐标:
根据标准件之间的安装尺寸关系,将上述计算得到的坐标统一到同一个坐标系下;
(9)根据截面的圆心坐标,运用现有的直线度评定方法,本实施例中采用运用3DLSA(胡仲勋等)直线度评定算法,计算得出该被测轴的直线度。
本发明的基于机器视觉的大长径比轴类零件直线度误差检测方法,是一种全新的基于机器视觉实现大长径比轴类零件直线度误差在线测量方法,其独特之处在于:以图像为检测和传递信息载体,可以获得用数据准确描述的直线度误差数据,数据存储于计算上,可以和设计、生产以及产品质量控制等多个部门适时沟通,以提升产品的质量。本发明的方法中不使用昂贵的高精度的激光投射器。以标准件相互间位置关系为纽带,建立各图像间的坐标位置关系,从而避免使用耗时较长的图像拼接技术。在测量***数学模型的建立过程中,不直接使用测量比法(或称之为当量像素法),因此不需要严格保证相机到零件的距离和相机到标准件之间距离相等,降低测量难度,提高测量精度。
Claims (2)
1.一种基于机器视觉的大长径比轴类零件直线度误差检测方法,其步骤为:
(1)标准件安装:
标准件等高安装多组,所有标准件的对应边相互平行,两标准件的几何尺寸以及标准件之间的位置关系采用常规的高精度检测工具测量获得;
(2)相机安装:
确保成像平面与标准件的上表面平行,并且相机能沿被测轴的轴线方向和垂直于工作台面方向移动;
(3)工件安装:
将被测轴置于视场内,调整位置,使被测轴的轴线与标准件边平行或垂直;
(4)图像采集:
当相机处于第i个采样点处,调整相机位置,使得相机到被测轴的距离为D1,采集1幅图像,记为image1i,调整相机位置,使得相机到被测轴距离为D2,再采集1幅图像,记为image2i;沿被测轴轴线方向移动相机到下一个采样点i+1处,调整相机位置,使得相机到被测轴的距离为D1,采集1幅图像,记为image1i+1,调整相机位置,使得相机到被测轴距离为D2,再采集1幅图像,记为image2i+1,如此沿轴线方向移动相机,直至到最后一个采样点,完成整个轴线方向上图像序列的采集,其中,D1和D2是两个未知的变量,但是D1和D2之间的差值是已知量;
(5)图像处理:
image1序列图像中第i幅图像处理,采用Harris角点提取算法提取两标准件的8个角点,用Canny边缘提取算法提取轴的轮廓边缘;image2序列图像中第i幅图像处理,采用Harris角点提取算法提取两标准件的8个角点,用Canny边缘提取算法提取轴的轮廓边缘;
(6)建立坐标***:
image1图像序列中标准件上最左下角的角点为坐标原点,x轴平行于轴线,y轴垂直于轴线,z轴垂直于工作台面;
(7)计算圆心位置坐标:
在序列图像image1i的被测轴轮廓上取2个点,保证2个点在垂直于轴线方向上图像坐标相同,在序列图像image2i的被测轴轮廓上取2个与image1i中的点相对应的点;根据小孔成像原理、上述所取的4个点共圆、光心与轮廓点所确定的直线和轮廓点与圆心所确定的直线垂直、相机移动的距离|D1-D2|4个条件,计算得出圆心位置坐标;
(8)统一坐标:
根据标准件之间的安装尺寸关系,将上述计算得到的坐标统一到同一个坐标系下;
(9)根据截面的圆心坐标,利用直线度评定方法,计算直线度。
2.根据权利要求1所述的基于机器视觉的大长径比轴类零件直线度误差检测方法,其特征在于:步骤(7)中计算圆心位置坐标时建立***数学模型,当相机处于1#位置处时,被测轴轮廓上的对称点p9和p11成像;当相机处于2#位置处时,被测轴轮廓上的对称点p8和p10成像,标准件上坐标原点及pi(i=1,2,3,…,7)的8个角点间的距离是已知的参数,再根据小孔成像原理、pi(i=8,9,10,11)4点共圆、Ocp8⊥p8o、Ocp9⊥p9o、相机从1#位置到2#位置移动的距离,已知这些条件建立***数学模型如下:
Ow-XwYwZw为世界坐标系,Oc-XcYcZc为相机坐标系,1#、2#为相机所处两个位置,o为轴某处截面圆的圆心,pi(i=1,2,3,…,11)坐标分别为:p1(x1,0,0),p2(x1,y2,0),p3(0,y2,0);p4(x4,y4,0),p5(x5,y4,0),p6(x4,y6,0),p7(x5,y6,0);p8(x8,y,z8),p9(x9,y,z9),p10(x10,y,z10),p11(x11,y,z11);
当相机处于1#位置时,相机光心Oc到圆心o距离为D1,当相机处于2#位置时,相机光心Oc到圆心o距离为D2,并假设圆心在世界坐标系下坐标为o(x,y,z),则有:
x9+x11=2x (1.1)
z9=z11 (1.2)
x8+x10=2x (1.7)
z8=z10 (1.8)
(x8-x)2+(z8-z)2=(x9-x)2+(z9-z)2 (1.11)
D1-D2=C (1.12)
其中,为直线Ocp9方向,为直线p9o方向,为直线Ocp8方向,为直线p8o方向;C1为p9点的像到p11点像之间的距离;C2为p8点的像到p10点像之间的距离;为当相机处于1#位置处时,沿Xc轴方向测量比,由两标准件平行于Xc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于1#位置处时,沿Yc轴方向测量比,由两标准件平行于Yc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于2#位置处时,沿Xc轴方向测量比,由两标准件平行于Xc轴的4条边的长度与其对应像的长度的比值所确定,为当相机处于2#位置处时,沿Yc轴方向测量比,由两标准件平行于Yc轴的4条边的长度与其对应像的长度的比值所确定;C为相机从1#位置到2#位置所移动过的距离;f为相机的焦距;dx是像素在X方向上的尺寸,dy是像素在Y方向上的尺寸;
联立式(1.1)~式(1.14),即为本测量***的数学模型,根据该测量***的数学模型,计算得出圆心位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110419626.2A CN102519400B (zh) | 2011-12-15 | 2011-12-15 | 基于机器视觉的大长径比轴类零件直线度误差检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110419626.2A CN102519400B (zh) | 2011-12-15 | 2011-12-15 | 基于机器视觉的大长径比轴类零件直线度误差检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102519400A true CN102519400A (zh) | 2012-06-27 |
CN102519400B CN102519400B (zh) | 2014-04-09 |
Family
ID=46290403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110419626.2A Expired - Fee Related CN102519400B (zh) | 2011-12-15 | 2011-12-15 | 基于机器视觉的大长径比轴类零件直线度误差检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102519400B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103115601A (zh) * | 2013-02-19 | 2013-05-22 | 南京工程学院 | 轴类零件圆柱度的超差测定方法 |
CN103615984A (zh) * | 2013-12-02 | 2014-03-05 | 四川中测流量科技有限公司 | 管体综合检测装置 |
CN104567749A (zh) * | 2013-10-24 | 2015-04-29 | 深圳市大族激光科技股份有限公司 | 一种设备直线度和垂直度的检测方法、装置 |
CN107784650A (zh) * | 2017-10-30 | 2018-03-09 | 湖北坚丰科技股份有限公司 | 一种用于电机转轴轴承档直径的在线视觉检测方法 |
CN108106554A (zh) * | 2018-03-07 | 2018-06-01 | 南京工程学院 | 一种基于机器视觉的大型环件外径检测***及方法 |
CN108871238A (zh) * | 2018-05-26 | 2018-11-23 | 湖南大学 | 一种核电用锆管直线度测量方法及装置 |
CN109781014A (zh) * | 2019-03-11 | 2019-05-21 | 安徽工业大学 | 机器视觉方式下多相机协同在线测量条状目标长度的技术和方法 |
CN110375679A (zh) * | 2019-07-17 | 2019-10-25 | 朱承智 | 一种回转窑托轮组动态轴线空间位置测量方法 |
CN110689530A (zh) * | 2019-09-23 | 2020-01-14 | 杭州博拉网络科技有限公司 | 一种基于位置补偿的轴类零件图像拼接方法 |
CN110926378A (zh) * | 2019-12-16 | 2020-03-27 | 太原科技大学 | 一种改进基于视觉检测的棒材直线度检测***及方法 |
CN111964611A (zh) * | 2020-08-18 | 2020-11-20 | 山东理工大学 | 一种基于机器视觉的轴类零件直线度误差测量装置 |
CN112097693A (zh) * | 2020-08-19 | 2020-12-18 | 北京机科国创轻量化科学研究院有限公司 | 一种基于无人机的直线度测量***及方法 |
CN113137922A (zh) * | 2020-01-17 | 2021-07-20 | 宝山钢铁股份有限公司 | 基于机器视觉的无缝连轧管长度在线测量方法及测量装置 |
CN116952169A (zh) * | 2023-09-21 | 2023-10-27 | 惠州市金箭精密部件有限公司 | 一种丝杆直线度智能检测***及方法 |
CN117119325A (zh) * | 2023-08-24 | 2023-11-24 | 合肥埃科光电科技股份有限公司 | 一种面阵传感器相机及其安装位置调节方法 |
CN118274778A (zh) * | 2024-05-29 | 2024-07-02 | 天津中屹铭科技有限公司 | 用于铸件圆形外轮廓轴线位置测量的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1356528A (zh) * | 2001-10-15 | 2002-07-03 | 天津大学 | 利用计算机视觉技术的在线实时准直测量装置及校准方法 |
US20100194749A1 (en) * | 2009-01-30 | 2010-08-05 | Gerald Bernard Nightingale | Systems and methods for non-destructive examination of an engine |
JP2011153963A (ja) * | 2010-01-28 | 2011-08-11 | Gunma Prefecture | 機械的精度評価方法 |
-
2011
- 2011-12-15 CN CN201110419626.2A patent/CN102519400B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1356528A (zh) * | 2001-10-15 | 2002-07-03 | 天津大学 | 利用计算机视觉技术的在线实时准直测量装置及校准方法 |
US20100194749A1 (en) * | 2009-01-30 | 2010-08-05 | Gerald Bernard Nightingale | Systems and methods for non-destructive examination of an engine |
JP2011153963A (ja) * | 2010-01-28 | 2011-08-11 | Gunma Prefecture | 機械的精度評価方法 |
Non-Patent Citations (2)
Title |
---|
ZHIXUE CHANG, ET AL: "Straightness inspecting system for long shaft based on cross laser", 《PROC. OF SPIE》 * |
谈理 等: "基于机器视觉的直线度检测方法的研究", 《制造业自动化》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103115601B (zh) * | 2013-02-19 | 2015-06-03 | 南京工程学院 | 轴类零件圆柱度的超差测定方法 |
CN103115601A (zh) * | 2013-02-19 | 2013-05-22 | 南京工程学院 | 轴类零件圆柱度的超差测定方法 |
CN104567749A (zh) * | 2013-10-24 | 2015-04-29 | 深圳市大族激光科技股份有限公司 | 一种设备直线度和垂直度的检测方法、装置 |
CN103615984A (zh) * | 2013-12-02 | 2014-03-05 | 四川中测流量科技有限公司 | 管体综合检测装置 |
CN103615984B (zh) * | 2013-12-02 | 2016-08-17 | 四川中测流量科技有限公司 | 管体综合检测装置 |
CN107784650A (zh) * | 2017-10-30 | 2018-03-09 | 湖北坚丰科技股份有限公司 | 一种用于电机转轴轴承档直径的在线视觉检测方法 |
CN108106554A (zh) * | 2018-03-07 | 2018-06-01 | 南京工程学院 | 一种基于机器视觉的大型环件外径检测***及方法 |
CN108871238A (zh) * | 2018-05-26 | 2018-11-23 | 湖南大学 | 一种核电用锆管直线度测量方法及装置 |
CN109781014A (zh) * | 2019-03-11 | 2019-05-21 | 安徽工业大学 | 机器视觉方式下多相机协同在线测量条状目标长度的技术和方法 |
CN110375679B (zh) * | 2019-07-17 | 2021-04-06 | 朱承智 | 一种回转窑托轮组动态轴线空间位置测量方法 |
CN110375679A (zh) * | 2019-07-17 | 2019-10-25 | 朱承智 | 一种回转窑托轮组动态轴线空间位置测量方法 |
CN110689530A (zh) * | 2019-09-23 | 2020-01-14 | 杭州博拉网络科技有限公司 | 一种基于位置补偿的轴类零件图像拼接方法 |
CN110926378A (zh) * | 2019-12-16 | 2020-03-27 | 太原科技大学 | 一种改进基于视觉检测的棒材直线度检测***及方法 |
CN113137922A (zh) * | 2020-01-17 | 2021-07-20 | 宝山钢铁股份有限公司 | 基于机器视觉的无缝连轧管长度在线测量方法及测量装置 |
CN111964611A (zh) * | 2020-08-18 | 2020-11-20 | 山东理工大学 | 一种基于机器视觉的轴类零件直线度误差测量装置 |
CN112097693A (zh) * | 2020-08-19 | 2020-12-18 | 北京机科国创轻量化科学研究院有限公司 | 一种基于无人机的直线度测量***及方法 |
CN117119325A (zh) * | 2023-08-24 | 2023-11-24 | 合肥埃科光电科技股份有限公司 | 一种面阵传感器相机及其安装位置调节方法 |
CN117119325B (zh) * | 2023-08-24 | 2024-03-12 | 合肥埃科光电科技股份有限公司 | 一种面阵传感器相机及其安装位置调节方法 |
CN116952169A (zh) * | 2023-09-21 | 2023-10-27 | 惠州市金箭精密部件有限公司 | 一种丝杆直线度智能检测***及方法 |
CN116952169B (zh) * | 2023-09-21 | 2024-01-05 | 惠州市金箭精密部件有限公司 | 一种丝杆直线度智能检测***及方法 |
CN118274778A (zh) * | 2024-05-29 | 2024-07-02 | 天津中屹铭科技有限公司 | 用于铸件圆形外轮廓轴线位置测量的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102519400B (zh) | 2014-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102519400B (zh) | 基于机器视觉的大长径比轴类零件直线度误差检测方法 | |
CN110672040B (zh) | 一种基于视觉的高精度旋转角度测量方法 | |
Liu et al. | Calibration method for line-structured light vision sensor based on a single ball target | |
CN100476345C (zh) | 基于双目立体视觉技术的空间圆几何参数的测量方法 | |
CN105666490B (zh) | 一种机器人的标定***及方法 | |
CN102073324B (zh) | 一种基于线性偏振光的偏振实时跟踪方法 | |
CN104613899A (zh) | 一种全自动的结构光手眼三维测量***标定方法 | |
CN103759669A (zh) | 一种大型零件的单目视觉测量方法 | |
CN112629441A (zh) | 基于线结构光动态视觉的3d曲面玻璃轮廓扫描检测方法及*** | |
CN103615980A (zh) | 一种板件上圆孔参数的测量方法及*** | |
Wei et al. | Calibration method for line structured light vision sensor based on vanish points and lines | |
CN112444233A (zh) | 一种基于单目视觉的平面运动位移及轨迹测量方法 | |
CN102798349A (zh) | 一种基于等灰度线搜索的三维表面提取方法 | |
Wu et al. | Monocular-vision-based method for online measurement of pose parameters of weld stud | |
CN102141380A (zh) | 非接触测量钢管管端尺寸图象处理方法 | |
CN106197292A (zh) | 一种建筑物位移监测方法 | |
CN104316530A (zh) | 一种零部件检测方法及应用 | |
Wang et al. | Automatic reading system for analog instruments based on computer vision and inspection robot for power plant | |
CN106989670A (zh) | 一种机器人协同的非接触式高精度大型工件跟踪测量方法 | |
CN115719339A (zh) | 基于双相机标定的螺栓尺寸高精度测量方法和装置 | |
CN203772217U (zh) | 非接触式柔性在线尺寸测量装置 | |
CN206410679U (zh) | 一种非接触式柱状物垂直度测量装置 | |
Jianming et al. | Error correction for high-precision measurement of cylindrical objects diameter based on machine vision | |
CN103737427B (zh) | 一种机床多运动轴平行度的检测装置和方法 | |
CN103557790B (zh) | 光栅影像复合自动测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140409 Termination date: 20141215 |
|
EXPY | Termination of patent right or utility model |