数字相机在工业零件检测中的应用

    引　言

    随着工业技术的迅速发展,企业对产品质量和生产效率有了更高的要求,高精度在线测控仪器充斥到生产的各个环节,不仅有效地保证了产品质量,提高了生产效率,同时,也避免了加工中由于质量问题引起的浪费现象。

    近景摄影测量应用于各种高精度三维测量与大比例尺工程测量及变形监测、工业检测等领域已有了不少成功的经验。例如英国将近景摄影测量应用于文物保护,美国俄亥俄州立大学将近景摄影测量应用于移动测图系统(MMS)等,国内也有不少用于变形监测及防灾减灾等领域的实例。

    本文将介绍应用数字相机与数字图像处理技术检测工业零件加工质量的一种方法,但由于多数数字相机是非量测用相机,所以必须对其进行畸变改正。通过对某厂加工的高精度钢板进行了检测试验,证明该方法行之有效。

    1　目标影像初定位

    应用数字图像处理技术检测工业零件加工质量的关键问题在于准确确定待检测目标的位置。这一过程一般应在该目标周围一个较小的范围内进行,这样可提高解算速度和减少错误发生的概率。为此,首先应用仿射变换模型确定所有待检测目标在钢板上的大致位置。仿射变换公式如下:

    式中x0、y0为平移参数、A为旋转参数、K为比例参数,a=K×cos (A)、b=K×sin (A)(参见图1)。

　　从标准模板与待检测零件影像中分别量测N(N≥3,最好取4到9个)个均匀分布的同名点,按仿射变换公式计算从标准模板到影像上各目标点的转换参数,这样就确定了各目标在影像上的大致位置。

    由于数字影像可能存在较大变形,而且一般工业零件影像的特征很少,大部分区域为同一灰度的均匀分布,所以不能用整体匹配的方法确定待检测目标的坐标。为了给进一步精确定位做准备,需按一般模板匹配的方法对所有目标进行初步配准,即计算目标影像上一定区域内的影像灰度与标准目标模板的信噪比(SNR):

    取信噪比最大的点作为待定目标在数字影像上的位置。这实际上只考虑了数字影像的灰度线性畸变,即g1+n1=h0+h1g2+n2。其中h0、h1为灰度线性畸变参数。这时每个目标点的位置应有整像素的精度。

    由于最小二乘影像匹配法需要比较精确的点位坐标初值,因此可先用影像特征定位算子提取待定目标的坐标作为最小二乘影像匹配的初值。本文应用Wong-Trinder圆点定位算子提取了圆孔影像的圆心坐标。该算子是通过计算圆形目标的灰度重心提取其圆心坐标的。