文章快速检索     高级检索
  山东大学学报(工学版)  2017, Vol. 47 Issue (4): 77-82  DOI: 10.6040/j.issn.1672-3961.0.2017.064
0

引用本文 

侯秋林, 孙杰, 皇攀凌, 孙超, 牟文平. 基于机器视觉刀具几何参数检测算法与误差分析[J]. 山东大学学报(工学版), 2017, 47(4): 77-82. DOI: 10.6040/j.issn.1672-3961.0.2017.064.
HOU Qiulin, SUN Jie, HUANG Panling, SUN Chao, MOU Wenping. Algorithm and error analysis of tool geometric parameters detection based on machine vision[J]. Journal of Shandong University (Engineering Science), 2017, 47(4): 77-82. DOI: 10.6040/j.issn.1672-3961.0.2017.064.

基金项目

数控机床自动验刀系统开发资助项目(司科技(14)-063)

作者简介

侯秋林(1991—), 女, 山东菏泽人, 硕士研究生, 主要研究方向为机器视觉刀具检测方面的研究.E-mail:1757451519@qq.com

通讯作者

孙杰(1967—), 男, 山东烟台人, 教授, 博士, 主要研究方向为变形预测与控制, 复合材料加工及再制造等.E-mail:sunjie@sdu.edu.cn

文章历史

收稿日期:2017-03-14
网络出版时间:2017-06-22 11:12:11
基于机器视觉刀具几何参数检测算法与误差分析
侯秋林1,2, 孙杰1,2, 皇攀凌1,2, 孙超3, 牟文平3     
1. 山东大学机械工程学院, 山东 济南 250061;
2. 山东大学高效洁净制造教育部重点实验室, 山东 济南 250061;
3. 中航工业成都飞机工业(集团)有限责任公司, 四川 成都 610092
摘要:为解决航空整体结构件数控加工过程中因换刀频繁而导致刀具出错的问题, 提出一种连通域外接矩形的刀具几何参数检测算法, 开发基于机器视觉的刀具几何参数在位快速检测系统。采用工业相机、双远心镜头等采集刀具图像, 利用MATLAB软件对刀具图像进行灰度变换、二值化等预处理, 详细分析连通域标记算法和外接矩形算法的处理过程。结果表明, 基于机器视觉的刀具几何参数在位快速检测系统的直径误差小于0.01 mm, 悬长误差小于0.08 mm、响应速度快、测量精度高和抗噪性强。
关键词机器视觉    刀具几何参数    连通域    外接矩形    误差分析    
Algorithm and error analysis of tool geometric parameters detection based on machine vision
HOU Qiulin1,2, SUN Jie1,2, HUANG Panling1,2, SUN Chao3, MOU Wenping3     
1. School of Mechanical Engineering, Shandong University, Jinan 250061, Shandong, China;
2. Key Laboratory of High Efficiency and Clean Mechanical of MOE, Shandong University, Jinan 250061, Shandong, China;
3. Chengdu Aircraft Industrial (Group) Co., Ltd., Chengdu 610092, Sichuan, China
Abstract: A bounding rectangle algorithm of connected component was investigated for measuring tool geometrical parameters. An in-position detection system for measuring tool geometrical parameters was developed based on machine vision, which were to solve the problem of wrong tool because of tools' change frequently in NC machining process of aeronautical monolithic components. The system was carried out by means of using industrial cameras, dual-telephoto lens and others to collect tool image, and using image processing software MATLAB to have image pretreatment including grayscale transformation and binarization. The processes of connected component labeling algorithm and bounding rectangle algorithm were analyzed. The results showed that diameter error was less than 0.01 mm and hanging length error was less than 0.08 mm in the in-position detection system for measuring tool geometrical parameters based on machine vision. The system had a high response speed, high measuring accuracy and anti-noise performance.
Key words: machine vision    tool geometrical parameters    connected component    bounding rectangle    error analysis    
0 引言

在航空结构件数控加工过程中, 大量的材料被切除, 通常达到70%~90%[1-2], 导致刀具用量大、品种多、消耗严重。据统计, 加工中心80%的故障出现在自动换刀系统上[3], 如果刀具选取错误将导致刀具破损、工件报废等问题。研究表明, 通过实时检测刀具状况, 可以防止因刀具失效引起工件报废及机床故障, 节省30%以上的加工费用[4-5]

基于图像处理的刀具几何参数采用非接触式测量, 克服传统光学投影式存在的主观误差大、费时等缺点, 精度、效率显著提高, 适应现代化数控机床及高速、高精加工的要求。JURKOVIC J[6]等人采用基于电荷耦合元件(charge-coupled device, CCD)摄像技术的刀具检测系统, 完成刀具的三维成像和建模; WANG W H[7]等人基于不变矩的阈值分割获得亚像素定位的边缘, 克服传统亚像素检测方法对噪声敏感的不足; KASSIM A A[8]等人通过采用图像径向分割技术提高刀具参数的检测精度, 还可以用于辨识刀具。EUROTECH公司推出的PG1000系列刀具检测仪, 可实现在线测量, 最高分辨率可达1.6μm[9]。赵云松[10]采用最小二乘法与B样条曲线相结合的亚像素拟合方法来提高边缘精度。刘力双[11]、周敬[12]分别提出基于高斯曲线拟合和基于空间矩的亚像素定位算法, 计算量小、响应速度快。刘大勇[13]采用三次多项式拟合法来细分像素, 提取刀具XZ向坐标值, 但没能实现对刀具圆弧半径、角度等几何参数的测量。周洋[14]在刀具参数测量过程中分别采用Hough变换法和微分逼近几何反求法进行刀具轮廓分割。2012年寇星源将图像式刀具测量系统与数控车床系统结合, 实现刀具几何参数在线测量和补偿[15]。2013年陈琛[16]改进基于标识分水岭Snake模型的轮廓特征提取算法, 实现刀具直径、长度等参数的测量; 2015年关波[17]、张川川[18]设计基于机器视觉图像式刀具几何参数测量系统对刀具进行离线测量, 测量精度达到微米级。目前刀具几何参数的测量采用算法相对复杂、响应时间长[16]; 并且离线测量[17]需拆卸刀柄在机床外测量, 造成二次装夹、重复定位[19-20], 降低效率、增大误差。针对以上问题, 开发基于图像处理的刀具参数在位检测系统, 实现快速对刀具直径、悬长等几何参数的测量, 检测系统响应速度快、精度高、抗噪性强, 更能适应现代化数控机床及高速、高精加工的要求。

1 面向刀具结构特点的检测系统

基于机器视觉的刀具几何参数检测系统主要有视觉部分和机械部分组成, 视觉系统是检测系统的主要组成部分, 也是区别于光学式、机械式检测系统的部分, 主要由摄像部分和光源组成, 见图 1。摄像部分通过镜头将刀具轮廓投影到相机传感器上, 实现刀具图像的采集; 光源则实现对被测刀具的稳定、均匀照明。

图 1 刀具几何参数检测系统 Figure 1 System of tool geometric parameters detection
1.1 镜头

镜头是视觉成像必不可少的光学组件。为使镜头成像清晰, 通常要求镜头分辨率要略高于像元分辨率, 这样才能使系统的分辨率达到传感器所限制的最高分辨率。

工程应用中常使用的工业镜头有普通镜头和远心镜头, 为了选择适合数控中心进行刀具检测的镜头, 选取M0824-MPW2型普通镜头和BT-2336型双远心镜头, 对测试精度进行比较。两种镜头具体的参数见表 1, 采集图像见图 2。根据试验分析, 采用BT-2336型双远心镜头得出的参数误差, 比M0824-MPW2型普通镜头得出的误差降低61.9%。最终选择镜头像素利用率更高、畸变率更低的BT-2336型双远心镜头。

表 1 M0824-MPW2和BT-2336型镜头部分参数 Table 1 Partial parameters of M0824-MPW2 and BT-2336 lenses
图 2 两种镜头采集图像对比图 Figure 2 The contrast of two lenses about image collected
1.2 光源

测量刀具几何参数是对刀具的轮廓进行拍摄, 故采用明场漫射背光照明方式。按照相机和双远心镜头的选择, 应该选用和双远心镜头匹配的平行光光源, 但考虑机床工作台空间有限, 双远心装置占用空间过大。故在保证精度要求的基础上, 从图像质量、寿命、稳定性、光照强度、响应速度以及光源的二次形状设计分析等方面考虑, 最终选择LED光源。

2 刀具典型几何参数识别算法

图 2可以看出, 在双远心镜头采集的图像中, 目标与背景区别明显, 采用连通域标记算法和外接矩形算法对图像进行处理, 进而对刀具旋转一周所采集的图像进行对比判断, 输出刀具的几何参数。

刀具几何参数识别算法所采用的连通域标记即two-pass标记, 将二值化图像经逐行扫描、逆时针连通检测两步实现连通域标记。连通域标记的算法原理是:记某像素点B(i, j), B(i, j)像素点的连通域标号label(i, j), 采用4邻域连通规则进行标记操作, 则B(i-1, j)、B(i+1, j)、B(i, j-1)、B(i, j+1) 为其四邻域上下左右像素点; 当扫描B(i, j)时, 已完成B(i-1, j)、B(i, j-1) 的扫描, label(i-1, j)、label(i, j-1) 为已知数。因此在四邻域内, B(i, j)像素点连通域标号label(i, j)只和像素点B(i-1, j)、B(i, j-1) 及其像素点连通域标号label(i-1, j)、label(i, j-1) 有关。

${\rm{label}}\left( {i,{\rm{ }}j} \right) = \left\{ \begin{array}{l} {\rm{label}}\left( {i - 1,{\rm{ }}j} \right),{\rm{ }}若B\left( {i,{\rm{ }}j} \right) = B\left( {i - 1,{\rm{ }}j} \right)\\ \quad 且B\left( {i,{\rm{ }}j} \right) \ne B\left( {i,{\rm{ }}j - 1} \right),\\ {\rm{label}}\left( {i,{\rm{ }}j - 1} \right),{\rm{ }}若B\left( {i,{\rm{ }}j} \right) \ne B\left( {i - 1,{\rm{ }}j} \right)\\ \quad 且B\left( {i,{\rm{ }}j} \right) = B\left( {i,{\rm{ }}j - 1} \right),\\ {\rm{label}}\left( {i - 1,{\rm{ }}j} \right),{\rm{ }}若B\left( {i,{\rm{ }}j} \right) = B\left( {i - 1,{\rm{ }}j} \right)\\ \quad 且B\left( {i,{\rm{ }}j} \right) = B\left( {i,{\rm{ }}j - 1} \right),\\ {\rm{New label}},{\rm{ }}若B\left( {i,{\rm{ }}j} \right) \ne B\left( {i - 1,{\rm{ }}j} \right)\\ \quad 且B\left( {i,{\rm{ }}j} \right) \ne B\left( {i,{\rm{ }}j - 1} \right), \end{array} \right.$ (1)

其中: i表示像素行; j表示像素列; B(i, j)表示当前像素。连通域标记算法流程图见图 3, 图中Labelset[a]表示连通域值的数组。

图 3 连通域标记算法流程图 Figure 3 Flow chart of an algorithm for connected component labeling

图 4为例对圆点区域组成的连通域进行标记, 圆点区域代表黑色‘0’, 其他区域代表白色‘1’。one-pass标记结果见图 5, two-pass标记结果见图 6, 最终标记的连通域以及个数见图 7。刀具经连通域算法标记后的结果图见图 8

图 4 待标记的二值化图 Figure 4 The binarized image to be labeled
图 5 one-pass标记结果图 Figure 5 Image after one-pass labeling
图 6 two-pass标记结果图 Figure 6 Image after two-pass labeling
图 7 连通域标记结果图 Figure 7 Image after connected component labeling
图 8 刀具连通域标记结果图 Figure 8 Image of tool after connected component labeling

利用连通域标记算法遍历二值化图像后, 输出的是每一个连通区域的轮廓点的集合, 进而采用外接矩形算法进行后续处理。外接矩形算法的原理是首先确定连通域的主轴, 利用重心原理, 依次扫描图像的各行i(i=1, 2, 3, …, N); 寻找每行中目标的起点坐标(xi1, yi1)和终点坐标(xi2, yi2), 进而计算目标的重心坐标(xi, yi):

$\left\{ \begin{array}{l} {x_i} = \frac{{{x_{i1}} + {x_{i2}}}}{2},\\ {y_i} = \frac{{{y_{i1}} + {y_{i2}}}}{2}, \end{array} \right.$ (2)

将各行重心坐标(xi, yi)利用最小二乘法进行直线拟合, 得到表示水平主轴位置的直线方程y=k1x+b1与表示垂直主轴位置的直线方程x=k2y+b2。由于刀具轴线与机床主轴轴线重合, 保持水平主轴方向不变, 采用二分法, 向上、向下分别寻找目标的上下边界, 同理保持垂直主轴方向不变, 向左、向右寻找目标的左右边界。然后计算反映连通域形状特征的主轴方向上的长度和与之垂直方向上的宽度, 即用其外接矩形的尺寸来刻画连通域的长宽。外接矩形算法流程图见图 9, 其中:i表示像素行; j表示像素列; C(i, j)表示当前像素。刀具经外接矩形算法后的结果见图 10

图 9 外接矩形算法流程图 Figure 9 Flow chart of an algorithm for bounding rectangle
图 10 刀具外接矩形结果图 Figure 10 Image of tool after algorithm for bounding rectangle

刀具外接矩形的长度即为刀具直径, 宽度即为悬长的一部分, 进而根据式(3) 获得刀具悬长:

$L = {L_0} + \left( {{L_2} - {L_1}} \right),$ (3)

其中:L为待测刀具悬长, mm; L0为已知刀具悬长, mm; L2为待测刀具图像长度, mm; L1为已知刀具图像长度, mm。

3 刀具几何参数快速识别系统软件实现

分析刀具图像像素分布的特点, 确定刀具参数检测的最优算法, 开发出基于windows平台、开发环境基于matlab的快速识别系统。该系统包括图像获取模块、图像处理与计算模块和工控机-机床通讯模块。工作原理如下:图像获取模块实现对被测物体的成像, 由图像处理与计算模块实现对待测物体图像的获取与数字化, 加以分析处理并提取相应特征, 进而与实际测量值做比较, 得出检测结果, 并通过工控机-机床通讯模块反馈给机床。

在快速识别系统中, 输入已知刀具的直径和悬长, 输出待测刀具的直径和悬长, 并将刀具图像显示在“已知刀具”窗口和“待测刀具”窗口; 进而对待测刀具进行误差分析, 并判断刀具的使用情况。显示界面见图 11

图 11 快速识别软件系统 Figure 11 System of tool quick identification
4 试验结果与误差分析

系统采用MV-1400C高分辨率彩色数字互补金属氧化物半导体(complementary metal oxide semiconductor, CMOS)工业相机, 最大分辨率为4608(pixel) ×3288(pixel), 部分参数见表 2。对不同刀具进行图像采集计算, 将3号、4号、5号3把不同刀具, 实物图见图 12, 旋转一周所采集的图像进行图像处理、对比分析后, 输出各把刀具直径和悬长的最大测量值, 然后与相应刀具人工实际测量值进行比较计算, 测量结果见表 3, 其中, Φ表示直径, mm; L表示悬长, mm。

表 2 MV-1400C工业相机部分参数 Table 2 Partial parameters of MV-1400C industrial camera
图 12 #3、#4、#5刀具图像 Figure 12 Image of #3、#4、#5 tools
表 3 #3、#4、#5刀具直径、悬长误差分析表 Table 3 Error analysis of #3、#4、#5 tools on diameter and hanging length mm

表 3可以看出不同刀具的直径误差较理想, 而悬长误差较大。分析有以下原因:1) 相机本身畸变, 使刀尖部分投影不成一条直线; 2) 在装夹刀具后未能保证刀具圆跳动公差在允许的范围内。工程应用中, 针对以上误差, 可将相机畸变误差通过软件系统进行误差补偿; 装夹刀具后检测刀具圆跳动误差是否在0.05mm以内等方法解决。

5 结论

通过检测刀具直径、悬长等几何参数以减少数控加工中刀具出错造成的故障和损失, 面向刀具特点, 提出适用于刀具的连通域外接矩形算法, 开发基于机器视觉的刀具几何参数在位检测的软硬件系统, 并进行试验验证, 有较高的工程应用价值。

(1) 构建机器视觉刀具参数检测系统, 采用双远心镜头、LED光源等实现了刀具几何参数的离线或在位测量;

(2) 给出连通域外接矩形算法实现刀具直径、悬长等关键参数测量的具体计算方法与实施流程, 开发刀具几何参数快速识别软件;

(3) 通过对刀具实测值与论文提出方法的测试值的对比分析, 获得刀具检测系统的误差特性, 直径误差<0.01mm, 悬长误差<0.08mm。

参考文献
[1] HEINZ A, HASZLER A, KEIDELCete. Recent development in aluminum alloys of aerospace applications[J]. Material Science and Engineering, 1999, 280(1): 102-107
[2] 黄晓明. 铝合金航空整体结构件加工变形机理与预测研究[D]. 济南: 山东大学, 2015.
HUANG Xiaoming. Deformation mechanism and prediction of aluminum alloy monolithic component in the milling[D].Jinan: Shandong University, 2015.
[3] 杨继昌, 李金伴数控技术基础[M]. 北京: 化学工业出版社, 2004: 1-45.
[4] 张佳平. 数字图像刀具几何参数测量系统的研究[D]. 厦门: 厦门大学, 2007.
ZHANG Jiaping. Study of the cutting tools geometrical parameters measure system based on digital image[D]. Xiamen:Xiamen University, 2007.
[5] SEHARP Ed. Tool monitoring keeps on eye on automated turning[J]. American Machinist, 2003, 137(10)
[6] JURKOVIC J, KOROSEC M, KOPAC J. New approach in tool wear measuring technique using CCD vision system[J]. International Journal of Machine Tools and Manufacture, 2005, 45(9): 1023-1030 DOI:10.1016/j.ijmachtools.2004.11.030
[7] WANG W H, HONG G S, WONG Y S. Flank wear measurement by a threshold independent method with sub-pixel accuracy[J]. International Journal of Machine Tools & Manufacture, 2006, 46(5): 199-207
[8] KASSIM A A, MANNAN M A, ZHU Mian. Texture analysis methods for tool condition monitoring[J]. Image and Vision Computing, 2007, 25(3): 1080-1090
[9] 徐洁. 数控立铣刀基本参数视觉测量方法研究[D]. 西安: 西安工业大学, 2014.
XU Jie. Research on the basic parameters of CNC mills vision measurement method[D]. Xi′an: Xi′an Technological University, 2014.
[10] 赵云松. 数字图像刀具测量仪[D]. 成都: 电子科技大学, 2004.
ZHAO Yunsong. A digital-image cutting tools measurement machine[D].Chengdu: University of Electronic Science and Technology of China, 2004.
[11] 刘力双. 电子摄像式刀具预调测量仪的研究[D]. 天津: 天津大学, 2006.
LIU Lishuang. Research of tool presetting and measuring machine based on CCD imaging[D].Tianjin: Tianjin University, 2006.
[12] 周敬, 王俊元, 张彬. 基于亚像素边缘检测的刀具几何参数测量[J]. 工具技术, 2010, 46(9): 94-97
ZHOU Jing, WANG Junyuan, ZHANG Bin. Measurement of tool geometric parameters based on sub-pixel edge detection[J]. Tool Engineering, 2010, 46(9): 94-97
[13] 刘大勇. 刀具预调测量仪关键技术的研究[D]. 天津: 河北工业大学, 2007.
LIU Dayong. Key technology research of tool presetting and measuring instrument[D].Tianjin: Hebei University of Technology, 2007.
[14] 周洋. 图像式刀调仪视觉检测技术研究[D]. 无锡: 江南大学, 2011.
ZHOU Yang. Research on vision inspection technology of tool measuring machine[D].Wuxi: Jiangnan University, 2011.
[15] 寇星源. 基于图像处理的智能机床刀具检测技术研究[D]. 北京: 北京邮电大学, 2012.
KOU Xingyuan. Research on CNC lathe tool parameters measurement based on image processing[D].Beijing:Beijing University of Posts and Telecommunications, 2012.
[16] 陈琛. 刀具图像轮廓特征检测[D]. 西安: 西安工业大学, 2013.
CHEN Chen. Contour feature detection of cutting tools image[D]. Xi′an:Xi′an Technological University, 2013.
[17] 关波. 刀具几何参数图像测量技术研究[D]. 太原: 中北大学, 2015.
GUAN Bo. Research on image measurement technology for cutting tool geometric parameter[D].Taiyuan: North University of China, 2015.
[18] 张川川. Canny算子刀具边缘快速提取研究[D]. 太原: 中北大学, 2015.
ZHANG Chuanchuan. Study on the fast extraction of the edge of Canny operator cutter[D].Taiyuan:North University of China, 2015.
[19] 孙新国, 孙亮, 王二化. 立式数控铣床主轴刀柄和刀柄刀具结合面参数辨识方法的研究[J]. 机床与液压, 2014(23): 106-109
SUN Xinguo, SUN Liang, WANG Erhua. Study on joint surface parameter identification method of shaft-toolholder and toolholder-tool for vertical CNC milling machine[J]. Machine Tool & Hydraulics, 2014(23): 106-109 DOI:10.3969/j.issn.1001-3881.2014.23.026
[20] 汪博, 孙伟, 闻邦椿. 考虑主轴-刀柄-刀具结合面的高速主轴系统动力学特性有限元建模[J]. 机械工程学报, 2012, 48(15): 83-89
WANG Bo, SUN Wei, WEN Bangchun. The finite element modeling of highspeed spindle system dynamics with spindle-holder-tool joints[J]. Journal of Mechanical Engineering, 2012, 48(15): 83-89