基于機(jī)器視覺(jué)的工件角度檢測(cè)方法研究

1、230機(jī)械設(shè)計(jì)與制造MachineryDesign&Manufacture第11期2016年11月基于機(jī)器視覺(jué)的工件角度檢測(cè)方法研究沈?qū)殗?guó)1’2，梁佩佩1，宦小玉1，蔣修定1(1江蘇聯(lián)合職業(yè)技術(shù)學(xué)院鎮(zhèn)江分院，江蘇鎮(zhèn)江212016；2江蘇航空職業(yè)技術(shù)學(xué)院(籌)，江蘇鎮(zhèn)江212134)摘要：隨著工業(yè)自動(dòng)化的快速發(fā)展，工件角度視覺(jué)檢測(cè)技術(shù)日益受到重視。邊緣檢測(cè)和邊緣識(shí)別是角度視覺(jué)檢測(cè)精確性的關(guān)鍵因素。以角度塊規(guī)為研究對(duì)象，首先進(jìn)行圖像采集及灰

2、度化處理，其次利用5種常見(jiàn)邊緣檢測(cè)算子實(shí)現(xiàn)邊緣檢測(cè)，然后利用最小二乘法與霍夫變換兩種直線識(shí)別方法提取圖像中夾角兩條邊的傾斜角，從而確定其角度檢測(cè)值，最后獲取10種組合方法的決定系數(shù)和回歸估計(jì)標(biāo)準(zhǔn)誤差并進(jìn)行分析。結(jié)果表明，Cannv算子&最小二乘法的決定系數(shù)和回歸估計(jì)標(biāo)準(zhǔn)誤差分別為：O9995和03260，優(yōu)于其它9種組合方法。因此，該組合方法更適用于角度視覺(jué)檢測(cè)方面的應(yīng)用。為工件角度檢測(cè)技術(shù)進(jìn)一步發(fā)展提供理論依據(jù)。關(guān)鍵詞：角度塊規(guī)；角度

3、檢測(cè)；視覺(jué)檢測(cè)；邊緣檢測(cè)；邊緣識(shí)別中圖分類號(hào)：7Ⅲ16；11P3914文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001—3997(2016)11—0230一03studyOnWOrkpieceAngIeDetectOnMethOdSBasedOnMaChineVisiOnSHENBao—gu01，LIANGPei—peil，HUANXiaoyul，JIANGXiu—din91(1ZhenjiangCoUegeofJiangsuUnion7Iechnic

4、alInstitIlte，JiangsuZhenjiang212016，China；2JiangsuAviationT色chnicalCoUege，Ji蚰gsuZhenjiang212134，China)Abstmct：形如^￡krqp以de口e卻mem礦i，以船￡—以礎(chǔ)∞刪幻n，舭鋤g如口括№f如招c￡幻見(jiàn)mez加d^珊6eenpn以mDre徹【d，加M越把m幻幾Ed薩如把c￡幻n講以旭co緲i￡幻n口陀矗e)，‘，洫脅您如r幽孵∞c

5、ur∞y曠口蠡u以如把c￡幻，l口以wA，lg如群Eu986k七叫∞z出en∞￡^eresearc^oWec￡卯卯∥rsfs￡ep塒∞扣ri，n孵∞g“蠡如幻nn，以grn，，qc也processi，強(qiáng)z矗esecD，以st印鯽∞如rrenf如inged加如把c￡ionwi昭乒口ecom，∞ned薩de把c￡幻，l叩er咖限丁托￡^irds自印加∞如re媯w￡i昭t沈伽g玩曠￡k劬Dsi如s礦i砒瑙ec砌n∞北wi愕￡e∞￡—匈啪眈￡i

6、昭帆d舶啦孤璣咖肌，蕊d舭n如把肌涮ng打詁如把c如n口以挑sD廠如i眥e倦ect如na嘰北刀詁，麟zi“驢ort帆￡s￡qgB彬珊￡J拓s澀厶t記以四咖蠡p^珊e譏塒^記^6以t7詁如￡ermi，lm抽nco@拓n拈(Rqg唧_e)帆d舭Roo￡脅∞squ啪dE腫r(RMSE)聊ree戈打∞拋du，池r把Ⅱ矗i礎(chǔ)礦co舶i刪幻n榭哦。出6e泐een舭如把c￡幻n口以w5帆d￡ks￡帆幽蒯口以粥豇z‰R哪g“餓∞dRMSE曠C肌形ope

7、塒Dr&厶儺￡—曲H帆此zing塒ere09995觚d0326。re印ec砌e炒帆d如塒珊s印e砌r幻舭。舭rni船co舶i刪抽n榭舶出舶￡觚榭f脅d厶瑚resM鼬如如rfk叩p比以幻n礦鯽礎(chǔ)口厶mf如把c￡如n，覦dpr∞汝s￡k6砸蠡如r￡kAnkr如口efop，加mD，鋤北如把c￡如n把c^，loZ哪KeyWor凼：AngleGaugeBlock；A咄Detec廿on；vi吼IalDetec6佃；Ed辨Detec廿蛐；踟geRec

8、咧廿on1引言機(jī)器視覺(jué)技術(shù)是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域，已成為計(jì)算機(jī)科學(xué)的重要研究領(lǐng)域之一。制造業(yè)的發(fā)展，帶來(lái)了對(duì)機(jī)器視覺(jué)需求的提升，具有在線檢測(cè)、實(shí)時(shí)分析與控制、精度高、連續(xù)工作等特點(diǎn)的機(jī)器視覺(jué)技術(shù)，為企業(yè)降低勞動(dòng)力成本和提高生產(chǎn)效率，成為現(xiàn)代測(cè)量和測(cè)試技術(shù)中最活躍、最富有成果的研究領(lǐng)域之一舊。傳統(tǒng)工件角度測(cè)量主要是由人工完成檢測(cè)，存在操作麻煩、讀數(shù)繁瑣、效率低、人為誤差大等問(wèn)題。為滿足制造業(yè)自動(dòng)化的發(fā)展需求，工件角度視覺(jué)檢測(cè)

9、技術(shù)得到應(yīng)用并受到重視。它是一項(xiàng)基于機(jī)器視覺(jué)技術(shù)的非接觸式檢測(cè)技術(shù)，而邊緣檢測(cè)和邊緣識(shí)別是角度視覺(jué)檢測(cè)精確性的關(guān)鍵因素。目前研究人員在角度檢測(cè)方面已經(jīng)做了大量研究。文獻(xiàn)睬用IDG邊緣檢測(cè)、細(xì)化處理和霍夫變換等操作對(duì)工件圖像進(jìn)行角度測(cè)量；文商醛睬用Hough變換提取工件圖像輪廓角點(diǎn)的位置，然后利用最小二乘法對(duì)圖像輪廓進(jìn)行擬合，從而獲取工件角度；文獻(xiàn)四首先對(duì)工件進(jìn)行圖像預(yù)處理，而后利用霍夫變換進(jìn)行直線檢測(cè)，最終通過(guò)角度計(jì)算達(dá)到角度測(cè)量目的；

10、文南椒寸圖像采用中值濾波和canny算子檢測(cè)物體的輪廓，將邊緣檢測(cè)圖像進(jìn)行輪廓矢量化得到待檢物體角度參數(shù)；文商E嗨列用Canny算子實(shí)現(xiàn)工件邊緣檢測(cè)，然后利用霍夫變換獲取圖像中的多條線段特征，最終來(lái)稿日期：201605一18基金項(xiàng)目：江蘇省高?！扒嗨{(lán)工程”資助(蘇教師[2014]23號(hào))作者簡(jiǎn)介：沈?qū)殗?guó)，(1981一)，男，山東棗莊人，碩士研究生，講師，主要研究方向：視覺(jué)檢測(cè)與定位方面萬(wàn)方數(shù)據(jù)232機(jī)械設(shè)計(jì)與制造No11Nov2016表

11、2角度檢測(cè)值Tab2AnaIeDet9ctiOnVaIues一檢測(cè)值／o翟sobel算子Pre誦n算子Robens算子LoG算子c粕ny算子劈警蠢警囂警蠢挈蠢警簇圖4角度塊規(guī)的標(biāo)準(zhǔn)值與檢測(cè)值的比較Fi94ComparedStandardValueswitlIDetectionValu∞fhAngleC硼geBl∞k表310種方法的R—squa怕和RMSETab3R—squareandRMSE0fTbnMethOds蜘曼苧些堅(jiān)sobel算

12、子＆最小二乘法o999603549Sobel算子＆霍夫變換o9989O586lPrewilt算子＆最小二乘法0舯81o7696P礬“tt算子＆霍夫變換O9988o6184Roberts算子＆最小二乘法09994042∞Roberts算子＆霍夫變換0998606497LOG算子＆最小二乘法09995o399lLOG算子＆霍夫變換o9997o327lcanny算子＆最小二乘法o999503260g竺堅(jiān)篁王壁墨ii!整Q塑墜Q生!塑五種常見(jiàn)邊

13、緣檢測(cè)方法隔離窬窬離分析10種方法的決定系數(shù)和回歸估計(jì)標(biāo)準(zhǔn)誤差圖5組合方法選擇流程圖Fi昏5nowChartofselectionMethods利用表2數(shù)據(jù)，將角度塊規(guī)的標(biāo)準(zhǔn)值與檢測(cè)值進(jìn)行統(tǒng)計(jì)分析，獲取兩者間的決定系數(shù)(R峭qllare)和回歸估計(jì)標(biāo)準(zhǔn)誤差文獻(xiàn)嗍，如表3所示。對(duì)表3數(shù)據(jù)進(jìn)行分析，10種方法的決定系數(shù)在0999左右，差異很小，而C蛐ny算子＆最小二乘法的回歸估計(jì)標(biāo)準(zhǔn)誤差為0326。，小于其它9種方法的回歸估計(jì)標(biāo)準(zhǔn)誤差。RM

14、SE越小，說(shuō)明結(jié)果越準(zhǔn)確可靠，因此，c明ny算子＆最小二乘法更適用于角度視覺(jué)檢測(cè)方面的應(yīng)用，其整個(gè)流程，如圖5所示。5結(jié)論邊緣檢測(cè)和邊緣識(shí)別是影響工件角度視覺(jué)檢測(cè)精確性的關(guān)鍵因素。分別利用sobel算子、Prewitt算子、Robens算子、LOG算子和c枷y算子等5種經(jīng)典算子實(shí)現(xiàn)邊緣檢測(cè)，并利用最小二乘法和霍夫變換實(shí)現(xiàn)直線識(shí)別，從而完成角度檢測(cè)值的提取。獲取lO種組合方法的決定系數(shù)和回歸估計(jì)標(biāo)準(zhǔn)誤差，經(jīng)分析，c蚰ny算子&最小二乘法對(duì)

15、角度檢測(cè)優(yōu)于其它9種組合方法，更適合于角度視覺(jué)檢測(cè)方面的應(yīng)用，為工件角度檢測(cè)技術(shù)進(jìn)一步發(fā)展提供理論依據(jù)。參考文獻(xiàn)[1]韋玉科，陳玉，田洪金基于計(jì)算機(jī)視覺(jué)的焊點(diǎn)缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)[J]測(cè)控技術(shù)，2015，34(1)：138一141(W西YuI【e，ChenYu，Ti姐HongjinDesi印of∞lderjoimdefbctdetectionb鵲ed∞m8ch沁vision[J]Me刪mmm＆con州Technology，2015，34(

16、1)：138141)[2]張萍，朱政紅機(jī)器視覺(jué)技術(shù)及其在機(jī)械制造自動(dòng)化中的應(yīng)用[J]合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，30(10)：12921295(Zh鋤gPing，ZhuZheng“ongMachine“siontechIliqIle趾ditsappl—icati仰toautomati∞ofmech跚icalrn鋤llfhctureJoumalofHeI萄Univ∞畸of7Ikllnolo盱：N咖mlScience，200r7

17、，30(10)：1292一1295)[3]白福忠，包曉艷，李義軍角度的圖像測(cè)量法[J]計(jì)量學(xué)報(bào)，2007，28(4)：314—316(BaiFuzhong，B∞)(i∞一y∞，UYi_junAni刪唱eme幽謝ngmethodfor鋤蕾e[J]√ktaMetrol嚼casinica，2007，28(4)：314316)【4]周峰，倪俊芳工件角度的圖像測(cè)量法研究[J]蘇州大學(xué)學(xué)報(bào)：工科版，2008，28(1)：59缶2(ZhouFbng，

18、NiJur卜fan齟es髓Ichontlleappr0∞hofimageme鵲uIementofworkpiece鋤gle[J]J咖8l0fsuzh伽uIliversi哆：En西鵬謝ngscienceEditi叩，2008，28(1)：5％2)[5]劉珍，包曉艷，賽娜大型工件角度的視覺(jué)測(cè)量方法[J]電子測(cè)量技術(shù)，2∞8。31(8)：106—108122(Uu孫曲。B∞xiaoy鋤，SaiNaLargeworkpiece鋤deme鵲uri

19、ngme—thodby、risionmethod[J]ElectronicMe鵲urenlentTechnology，2008，31(8)：106一108122)[6]儲(chǔ)瑁，姚曉春，繆君基于圖像的角度檢測(cè)系統(tǒng)研究[J]半導(dǎo)體光電，2009。30(6)：94cL942946(ChuJun，Y∞xiao_chun，b∞Junstudyonimageb船edAn—einspect她s)r8t鋤[J]seIIlic∞ductor0pt∞lect