（河南理工大學(xué) 電氣學(xué)院，焦作 454150）

0 引言

隨著圖像處理技術(shù)和視覺計(jì)算技術(shù)在工業(yè)自動(dòng)化生產(chǎn)中的快速發(fā)展，基于機(jī)器視覺引導(dǎo)的量測(cè)技術(shù)已經(jīng)在當(dāng)今的工業(yè)生產(chǎn)中占據(jù)了舉足輕重的位置。進(jìn)入二十一世紀(jì)以來(lái)，2D視覺測(cè)量方法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足工業(yè)生產(chǎn)的需求，對(duì)于一些高精度同時(shí)具有特殊的量測(cè)位置的產(chǎn)品也讓傳統(tǒng)的視覺檢測(cè)方法顯得式束手無(wú)策，因此基于3D視覺的測(cè)量技術(shù)受到研究者的廣泛關(guān)注，同時(shí)得到了快速發(fā)展。機(jī)器視覺算法的效果嚴(yán)重依賴于輸入圖像得質(zhì)量，表面缺陷檢測(cè)、深度測(cè)量、共面性檢測(cè)、曲面度檢測(cè)等均是3D視覺技術(shù)得優(yōu)勢(shì)。針對(duì)這些檢測(cè)方式2D相機(jī)想要取得一幅質(zhì)量好的圖像非常困難，3D激光測(cè)量技術(shù)的出現(xiàn)彌補(bǔ)了傳統(tǒng)視覺量測(cè)技術(shù)的缺陷，為空間3D信息的獲取提供了全新的技術(shù)手段，為信息數(shù)字化發(fā)展提供了必要的生存條件[1]。

汽車發(fā)動(dòng)機(jī)是汽車的心臟，為汽車提供動(dòng)力，發(fā)動(dòng)機(jī)的正常運(yùn)行是汽車安全行駛的保障。汽車發(fā)動(dòng)機(jī)由很多種零件組裝而成，在零件生產(chǎn)過(guò)程中，大或小的零部件的不良都會(huì)直接影響到汽車正常行駛過(guò)程中發(fā)動(dòng)機(jī)的安全，危害駕駛員的生命安全，因此對(duì)發(fā)動(dòng)機(jī)的零部件實(shí)現(xiàn)快速而精確的測(cè)量尤為重要。本文對(duì)汽車的一種核心零件的進(jìn)行高精度測(cè)量研究，針對(duì)測(cè)量部位是產(chǎn)品表面的凹陷深度提出了一種基于3D視覺的高精度加工件測(cè)量系統(tǒng)。陳方[2]提出了3D測(cè)頭和宏程序相結(jié)合一體式3D機(jī)床自動(dòng)測(cè)量的方案，該技術(shù)價(jià)格相對(duì)比較昂貴，精度不穩(wěn)定，自適應(yīng)性差。安宗權(quán)[3]等人提出了一種基于線激光的工件平面平坦度的測(cè)量，該方法采用平面均值算法，對(duì)產(chǎn)品底面水平度依賴性比較強(qiáng)，當(dāng)產(chǎn)品不是絕對(duì)水平時(shí)精度會(huì)下降。

為了解決當(dāng)前3D視覺測(cè)量技術(shù)對(duì)凹陷深度測(cè)量精度不佳的問(wèn)題，本文提出了基于最小二乘法Huber法擬合空間平面算法，該算法以點(diǎn)到面的距離為研究方向，通過(guò)以產(chǎn)品表面為基準(zhǔn)面，尋找凹陷最低點(diǎn)，最低點(diǎn)到基準(zhǔn)面的距離就是真實(shí)的凹陷深度。該方法不會(huì)受到底面傾斜等因素的干擾，并且成本低廉，精度高，穩(wěn)定性強(qiáng)。本文通過(guò)組織架構(gòu)、硬件部分、軟件部分、現(xiàn)場(chǎng)結(jié)果與分析四大部分進(jìn)行研究，加工件良品的凹陷深度范圍為1.45±0.15mm，精度要求為小于0.02mm，從精度可以看出測(cè)量本身存在一定的難度，對(duì)研究具有很大的意義和價(jià)值。

1 3D視覺檢測(cè)系統(tǒng)整體結(jié)構(gòu)

本文的3D視覺系統(tǒng)分為2D視覺和3D視覺兩大部分。其中2D視覺部分的流程為：2D上相機(jī)定位和模板匹配得出旋轉(zhuǎn)角度并返回給上位機(jī)角度信號(hào)，上位機(jī)控制機(jī)構(gòu)并旋轉(zhuǎn)產(chǎn)品，2D側(cè)相機(jī)測(cè)量產(chǎn)品的高度和寬度，同時(shí)3D相機(jī)采圖并通過(guò)算法測(cè)量出產(chǎn)品表面的凹陷深度返回給下位機(jī)OK或NG信號(hào)并保存數(shù)據(jù)，下位機(jī)根據(jù)返回的信號(hào)做出判斷，對(duì)產(chǎn)品進(jìn)行分類回收。3D視覺系統(tǒng)整體工作流程圖如圖1所示。2D視覺的作用不僅可以保證3D相機(jī)每次取到的圖像角度不會(huì)有太大的變化，同時(shí)可以減少小部分3D視覺測(cè)量算法的時(shí)間。本文研究的重點(diǎn)為3D視覺系統(tǒng)部分。

圖1 3D視覺系統(tǒng)整體工作流程

3D視覺系統(tǒng)是從攝像機(jī)獲取的圖像出發(fā)，計(jì)算三維環(huán)境物體的位置、形狀等幾何信息，并由此重建和識(shí)別環(huán)境中的物體。線激光光源中的幾何信息幫助提取景物中的幾何信息，利用光平面照射在物體表面產(chǎn)生光條紋，在拍攝的圖像中檢測(cè)出這些條紋，它們的形態(tài)和間斷性，構(gòu)成了物體各可見表面與相機(jī)之間的相對(duì)測(cè)度[4,5]。通俗的講就是激光照射到3D物體表面，因?yàn)槲矬w表面是存在高度變化的，導(dǎo)致激光線發(fā)生彎曲，通過(guò)傳送帶帶動(dòng)物體運(yùn)動(dòng)，多條激光曲線拼接在一起就形成物體表面的輪廓[6]。實(shí)驗(yàn)測(cè)試平臺(tái)如圖2所示。

圖2 實(shí)驗(yàn)測(cè)試平臺(tái)

2 硬件部分

2.1 測(cè)量對(duì)象

圖3 3D視覺測(cè)量對(duì)象

本次研究的3D視覺測(cè)量對(duì)象如圖3所示。產(chǎn)品為一個(gè)直徑約40mm的圓盤，測(cè)量位置1、2、3處凹坑的深度。考慮到2D相機(jī)所用的光源為紅色面光源，打光方式為背光源頻閃方式，整個(gè)流程速度比較快，藍(lán)色線激光會(huì)受到紅光干擾造成3D相機(jī)掃描取像不準(zhǔn)確。為了避免紅光對(duì)藍(lán)色線激光的干擾，經(jīng)過(guò)計(jì)算與分析，3D視覺圖像的選取的視野應(yīng)比測(cè)量對(duì)象的長(zhǎng)度大一些，圖像的視野大小規(guī)定為50×50mm。2D相機(jī)進(jìn)行產(chǎn)品尺寸測(cè)量時(shí)，3D相機(jī)掃描的起點(diǎn)并沒有在產(chǎn)品上，干擾可以降到最低。

2.2 3D視覺系統(tǒng)硬件部分

3D視覺系統(tǒng)硬件主要由：3D相機(jī)、線激光、鏡頭、電源線、通信線、標(biāo)定板等部分組成。3D相機(jī)采用Sick-RangerE50相機(jī)，分辨率為1536×512像素，3D相機(jī)電源為24V直流電源；鏡頭采用Schneider Makro-IRIS/C MOUNT的40mm C口鏡頭；激光采用2M級(jí)，20mW/450nm/10度發(fā)散角（Z-Laser）；RS-232通信連接線；點(diǎn)陣標(biāo)定板；一臺(tái)工業(yè)工控機(jī)。相機(jī)與激光架設(shè)采用三角測(cè)量架設(shè)方式，采集硬件架構(gòu)圖如圖4所示，激光采用藍(lán)色激光，垂直照射。3D相機(jī)與線激光光束方向夾角α的最佳角度范圍為30°～50°，本次實(shí)驗(yàn)取α=30°。點(diǎn)陣標(biāo)定板如圖5所示，斜面角度為16°。各硬件部分通過(guò)成本、精度等嚴(yán)格的計(jì)算之后進(jìn)行選型，通過(guò)選型后搭建測(cè)試平臺(tái)比一體式3D采集器要廉價(jià)。

圖4 采集硬件架構(gòu)圖

圖5 點(diǎn)陣標(biāo)定板

3 軟件部分

3D視覺系統(tǒng)軟件主要采用HALCON11.0軟件和Visual Studio2012軟件混合編寫。HALCON11.0軟件具有強(qiáng)大算法庫(kù)，3D視覺系統(tǒng)的顯示界面由Visual Studio2012軟件C#開發(fā)平臺(tái)進(jìn)行編寫，該軟件同時(shí)負(fù)責(zé)與PLC的通訊、數(shù)據(jù)結(jié)果匯總等。Ranger Studio軟件負(fù)責(zé)3D相機(jī)標(biāo)定。

軟件部分可以進(jìn)行數(shù)據(jù)處理，通過(guò)3D相機(jī)采集到的圖像信息，生成產(chǎn)品空間X-Y-Z三個(gè)方向的數(shù)據(jù)點(diǎn)云信息。通過(guò)3維坐標(biāo)與“點(diǎn)云”信息構(gòu)建產(chǎn)品得立體輪廓信息，對(duì)2D平面離散點(diǎn)通過(guò)最小二乘法算法擬合成一條直線進(jìn)行改進(jìn)，采用最小二乘法Huber方法把整個(gè)3維空間離散的點(diǎn)擬合為一個(gè)理想化空間平面，最終計(jì)算出產(chǎn)品表面任意興趣點(diǎn)到擬合之后空間平面的距離就等于產(chǎn)品表面任意興趣點(diǎn)處的凹陷深度。

3D系統(tǒng)邏輯架構(gòu)如圖6所示，待測(cè)產(chǎn)品隨著傳送帶運(yùn)動(dòng)至測(cè)量起點(diǎn)位置，激光感應(yīng)裝置感應(yīng)到產(chǎn)品，啟動(dòng)激光，同時(shí)回傳給PLC信號(hào)，PLC發(fā)出+5V上升沿信號(hào)觸發(fā)3D相機(jī)采集數(shù)據(jù)，產(chǎn)品移動(dòng)50mm（視野大小）后，激光關(guān)閉，3D相機(jī)停止數(shù)據(jù)采集。

圖6 3D系統(tǒng)邏輯架構(gòu)圖

標(biāo)定是視覺測(cè)量的關(guān)鍵環(huán)節(jié)，標(biāo)定精度直接影響對(duì)工件的測(cè)量精度[7]。2D圖像標(biāo)定一般采用2D平面靶面標(biāo)定法[8]，2D圖像坐標(biāo)系只有X-Y方向。3D相機(jī)標(biāo)定的原理是通過(guò)保持空間坐標(biāo)X-Y方向不變，Z方向坐標(biāo)數(shù)據(jù)轉(zhuǎn)換為2D圖像的灰度值，通俗的講就是空間坐標(biāo)系X-Y-Z（高度）轉(zhuǎn)變?yōu)?維平面坐標(biāo)系X-Y-灰度值。3D相機(jī)標(biāo)定時(shí)首先設(shè)置掃描起始行和行的數(shù)量，讓標(biāo)定板掃描后的圖像充滿視野，其中任意相鄰兩個(gè)點(diǎn)的水平距離為△X=3.5mm，垂直方向距離△Z=△X×sin16°=0.965mm。通過(guò)亞像素邊緣提取后再橢圓擬合或利用灰度質(zhì)心法等，能夠較容易地得到圓(橢圓)中心亞像素精度提取。參數(shù)導(dǎo)入Ranger Studio后標(biāo)定的圖像如圖7所示，圖7(a)為標(biāo)定前的標(biāo)定板圖像，圖7(b)為標(biāo)定之后的標(biāo)定板圖像。圖像由高度圖像轉(zhuǎn)換為未格式化的圖像數(shù)據(jù)，并且圖像數(shù)據(jù)按像素連續(xù)地填充，并逐行逐行地填充。標(biāo)定之后空間的X方向分辨率為0.026mm，Y方向分辨率為0.016mm，Z方向分辨率為0.006368mm。

圖7 標(biāo)定板標(biāo)定前后圖像對(duì)比圖

標(biāo)定完成后采用HALCON11.0的算法庫(kù)讀取數(shù)據(jù)文件。采用算子read_sequence（:Image:HeaderSize，SourceWidth，SourceHeight，SourceWidth，SourceHeight，StartRow，StartColumn，DestWidth，DestHeight，PixelType，BitOrder，ByteOrder，Pad，Index，F(xiàn)ileName:）讀取像素類型為“real”的數(shù)據(jù)文件。其算子參數(shù)如圖8所示，其中參數(shù)Source Width為3D相機(jī)X方向分辨率為1536pixels，參數(shù)SourceHeight為掃描行數(shù)666行，SourceHeight=Y方向移動(dòng)距離/Y分辨率，Y分辨率=傳送帶速度*循環(huán)采集時(shí)間。圖8中紅色箭頭指示為“點(diǎn)云”圖像數(shù)據(jù)存放的路徑。

圖8 算子參數(shù)

采用算子threshold（Image，Region，1,255）和reduce_domain（Image，Region，Reduced）算子對(duì)圖像進(jìn)行處理，得到“real”型圖像。3D相機(jī)采集到的3D圖像和“real”型圖像如圖9所示。

傳送帶速度過(guò)快采集到的圖像容易失真，速度過(guò)慢會(huì)影響工作效率，經(jīng)過(guò)分析與計(jì)算，激光啟動(dòng)時(shí)設(shè)置傳送帶的最佳速度為勻速15mm/s，整個(gè)運(yùn)動(dòng)過(guò)程為上料后先加速，激光掃描時(shí)勻速，收到處理結(jié)果后再加速。標(biāo)定后的圖像如圖10所示，從圖10中可以清楚的看到經(jīng)過(guò)標(biāo)定后圖像灰度值數(shù)值從Int型變換為Double型，灰度值的單位為mm。經(jīng)過(guò)標(biāo)定之后真實(shí)深度值=產(chǎn)品基準(zhǔn)平面平均灰度值-凹陷區(qū)域最低點(diǎn)灰度值。圖10中可以看出采集到的圖像中有很多噪聲，這些噪聲會(huì)對(duì)最后的精度造成干擾，中值濾波算子median_image（Image：ImageMedian：MaskType，Radius，Margin :）能夠有效抑制噪聲，可以很好的過(guò)濾掉椒鹽噪聲，可以得到高質(zhì)量的圖像。

圖9 3D圖像與“real”型圖像

圖10 標(biāo)定后的圖像

中值濾波后的圖像如圖11所示。圖像噪聲處理之后分兩大部分進(jìn)行：1）尋找產(chǎn)品表面三個(gè)位置凹陷處的最低點(diǎn)；2）尋找與產(chǎn)品最低點(diǎn)相對(duì)應(yīng)的基準(zhǔn)平面。經(jīng)過(guò)大量數(shù)據(jù)分析，這兩個(gè)部分具有緊密的聯(lián)系，凹陷處最低點(diǎn)和基準(zhǔn)平面選擇的準(zhǔn)確性，直接影響最后測(cè)量值的精度。

圖11 中值濾波后的圖像

尋找產(chǎn)品表面最低點(diǎn)的方法如下：采用閾值分割（二值化）算子threshold（Image:Region:MinGray，MaxGray :）。經(jīng)過(guò)閾值分割后可以得到產(chǎn)品表面三個(gè)凹陷區(qū)域，對(duì)三個(gè)區(qū)域進(jìn)行開運(yùn)算、閉運(yùn)算和腐蝕處理，進(jìn)一步去除干擾。最后用感興趣區(qū)域篩選算子select_shape（Regions，SelectedRegions：Features，Operation，Min，Max:）得到的三個(gè)穩(wěn)定的區(qū)域，接著對(duì)三個(gè)興趣區(qū)域進(jìn)行排序，用For循環(huán)對(duì)每個(gè)區(qū)域進(jìn)行單獨(dú)處理。算子min_max_gray( )和gray_features( )得到凹陷區(qū)域（region）的最小灰度值Min和凹陷區(qū)域的最小灰色值特性Value，然后取參數(shù)Difference_Value:=Min-Value，算子Threshold（Image，EndRegion，Value，Value+Difference_Value/2）對(duì)凹陷區(qū)域進(jìn)行閾值分割，把凹陷區(qū)域最低點(diǎn)篩選出來(lái)。運(yùn)用此算法流程可以篩選掉圖像中干擾，保證算法得到最低點(diǎn)具有極高的穩(wěn)定性和準(zhǔn)確性。

基準(zhǔn)平面選取的合理性同樣影響最后測(cè)量的精度。尋找基準(zhǔn)平面：陳方提出的平面均值測(cè)量算法采用二值化算法和興趣區(qū)域篩選算法得到產(chǎn)品上表面區(qū)域，以篩選出的區(qū)域?yàn)榛鶞?zhǔn)面，利用的算子intensity（Regions，Image：：Mean，Deviation）求出平面灰度值的平均值Mean。高度差=Mean-最低點(diǎn)灰度值Min。經(jīng)過(guò)大量的實(shí)驗(yàn)測(cè)試以及對(duì)測(cè)量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析得：這種方法的前提條件是工件底座需要保證絕對(duì)水平，然而在實(shí)際生產(chǎn)中零件底面不可能絕對(duì)水平，底面是存在誤差的，并且加工件在3D掃描運(yùn)輸過(guò)程中會(huì)發(fā)生輕微抖動(dòng)造成加工件傾斜，運(yùn)送平臺(tái)與產(chǎn)品底面不是絕對(duì)平行的，平臺(tái)允許存在0.01mm的機(jī)械誤差。以上多種因素的累加影響，使得測(cè)量精度遠(yuǎn)超出了0.02mm的精度要求。

圖12 產(chǎn)品柱形底座多角度立體圖

在二維平面內(nèi)對(duì)一些離散的點(diǎn)，可以通過(guò)采用最小二乘法方法把這些離散的點(diǎn)擬合成一條直線。經(jīng)過(guò)深入的算法研究與學(xué)習(xí)發(fā)現(xiàn)，在三維空間內(nèi)也可以實(shí)現(xiàn)運(yùn)用最小二乘法把離散的空間點(diǎn)擬合為一個(gè)空間平面，點(diǎn)到擬合面的距離就是真實(shí)的高度差，并且這個(gè)高度差不會(huì)因?yàn)槭艿疆a(chǎn)品傾斜等因素的干擾而變化。如圖12所示為產(chǎn)品柱形底座多角度立體圖，紅色區(qū)域?yàn)楫a(chǎn)品柱形底座上表面擬合成的基準(zhǔn)平面，黑色圓點(diǎn)為表面凹處最低點(diǎn)，h為最低點(diǎn)到平面的距離，從圖中可以看出高度h不會(huì)因?yàn)楫a(chǎn)品的傾斜而變化，精度比較高。

通過(guò)標(biāo)定和新的視覺算法把產(chǎn)品表面所有點(diǎn)的坐標(biāo)（x，y，灰度值）擬合為一個(gè)平面，分別計(jì)算出產(chǎn)品表面三個(gè)最低點(diǎn)到擬合基準(zhǔn)平面的三個(gè)距離，這三個(gè)距離就是加工件表面三個(gè)凹坑的深度h。

采用Huber[9]法對(duì)平面進(jìn)行抗差最小二乘法擬合估計(jì)。采用抗差估計(jì)最小二乘法Huber法，可以降低離群值的影響[10]，可以對(duì)測(cè)量進(jìn)行等價(jià)權(quán)處理，與傳統(tǒng)的最小二乘法相比，當(dāng)測(cè)量的數(shù)據(jù)存在誤差，Huber法可以得到更精確的估計(jì)結(jié)果。

三維空間加權(quán)最小二乘法擬合平面算子采用fit_surface_first_order（Regions，Image：Algorithm，Iterations，ClippingFactor：Alpha，Beta，Gamma）。Regions為需要擬合的區(qū)域，Image為3D相機(jī)采到的圖像，Algorithm參數(shù)選擇′Huber′，采用加權(quán)最小二乘法擬合平面。Iterations為最大的迭代次數(shù)；ClippingFactor為消除異常值的剪輯因子；Alpha為近似曲面的參數(shù)α；Beta為近似曲面的參數(shù)β；Gamma為近似曲面的參數(shù)γ。算子的參數(shù)公式如式(1)所示，點(diǎn)到面的距離D如式(2)所示。假設(shè)需要求點(diǎn)（x0，y0）到某平面的距離，式(1)中變量r_center為擬合區(qū)域中心X方向坐標(biāo)；變量c_center為擬合區(qū)域中心Y方向坐標(biāo)；r和c分別為式(2)中的x0和y0；Image（r，c）等于式(2)z0；z0為點(diǎn)（x0，y0）處灰度值；式(1)展為一般式如式(3)所示。

由式(1)～式(3)得：

由式(4)可得：

通過(guò)式(5)可以求出產(chǎn)品表面任意凹陷處最低點(diǎn)到產(chǎn)品表面的距離，相對(duì)應(yīng)的最小二乘法（Huber法）擬合空間平面算法如圖13所示。

圖13 最小二乘法（Huber法）擬合空間平面算法

4 項(xiàng)目測(cè)試結(jié)果

HALCON與Visual Studio2012配合時(shí)候需要用到HALCON的算法函數(shù)創(chuàng)建功能。自定義創(chuàng)建HALCON函數(shù)庫(kù)，把主要的算法寫入自定義得函數(shù)庫(kù)中，這樣做的優(yōu)點(diǎn)是：在HALCON轉(zhuǎn)C#格式的之后，我們?cè)诮缑娉绦蚓帉懙臅r(shí)候可以直接引用這些函數(shù)庫(kù)來(lái)處理，可以減少檢測(cè)時(shí)間，同時(shí)可以保證HALCON算法穩(wěn)定的運(yùn)行。如圖14所示是HALCON主要算法及運(yùn)行結(jié)果，算法處理時(shí)間t僅為0.015S，封裝后的算法（最終形式）及運(yùn)行結(jié)果如圖15所示。

圖14 主要算法及檢測(cè)結(jié)果

圖15 最終的算法形式及測(cè)量結(jié)果

本次研究采用高度規(guī)測(cè)量、平面均值算法和最小二乘法Huber擬合空間平面算法三種方法對(duì)隨機(jī)挑選出的5個(gè)產(chǎn)品分別進(jìn)行100次的重復(fù)測(cè)量，對(duì)測(cè)量數(shù)據(jù)進(jìn)行深度分析，比較三種方法測(cè)量出的最大值與最小值的差值驗(yàn)證三種算法的精度及穩(wěn)定性。表1為采用高度規(guī)對(duì)5個(gè)產(chǎn)品三個(gè)凹陷位置測(cè)量100次的精度結(jié)果，表2為采用平面均值法對(duì)5個(gè)產(chǎn)品三個(gè)凹陷位置測(cè)量100次的精度結(jié)果，表3為采用最小二乘法Huber擬合空間平面算法對(duì)5個(gè)產(chǎn)品三個(gè)凹陷位置測(cè)量100次的精度結(jié)果。由表1、表2和表3可知高度規(guī)測(cè)量方法隨著測(cè)量次數(shù)的增多，人工測(cè)量精度會(huì)越差，最大精度0.048mm。平面均值算法在平臺(tái)旋轉(zhuǎn)、傾斜等干擾下最大精度為0.03mm，超過(guò)了0.02mm。最小二乘法Huber擬合空間平面算法最穩(wěn)定，不會(huì)因?yàn)闇y(cè)量次數(shù)的增多導(dǎo)致精度下降、精度不受平臺(tái)旋轉(zhuǎn)、傾斜等因素的影響，精度可以達(dá)到0.01mm。

表1 高度規(guī)對(duì)5個(gè)產(chǎn)品三個(gè)凹陷位置測(cè)量100次的精度結(jié)果

表2 平面均值法對(duì)5個(gè)產(chǎn)品三個(gè)凹陷位置測(cè)量100次的精度結(jié)果

表3 Huber擬合空間平面算法對(duì)5個(gè)產(chǎn)品三個(gè)凹陷位置測(cè)量100次的精度結(jié)果

圖16為對(duì)產(chǎn)品1的三個(gè)凹陷位置重復(fù)測(cè)量100次，驗(yàn)證采用Huber擬合空間平面算法的測(cè)量重復(fù)精度曲線圖，通過(guò)圖16中三個(gè)曲線的最大值和最小值的差值可以驗(yàn)證測(cè)量的重復(fù)精度，如圖16所示，凹陷位置Point1處測(cè)量的重復(fù)精度為0.00995mm。凹陷位置Point2處測(cè)量的重復(fù)精度為0.00903mm，凹陷位置Point3處測(cè)量的重復(fù)精度為0.00831mm，三處凹陷位置綜合測(cè)量精度達(dá)到了0.01mm。圖17為用戶正常運(yùn)行UI界面。

圖16 驗(yàn)證Huber擬合空間平面算法測(cè)量的重復(fù)精度曲線圖

圖17 用戶正常運(yùn)行UI界面

5 結(jié)束語(yǔ)

本文提出的3D視覺測(cè)量系統(tǒng)已成功應(yīng)用于生產(chǎn)線。通過(guò)生產(chǎn)過(guò)程中大量的數(shù)據(jù)驗(yàn)證，本系統(tǒng)具有運(yùn)行穩(wěn)定、精度高、可靠性強(qiáng)的優(yōu)點(diǎn)。通過(guò)最小二乘法Huber擬合空間平面算法，測(cè)量精度達(dá)到了0.01mm，速度僅為0.02s。新算法以測(cè)量三個(gè)凹陷位置深度為例，還可適用于產(chǎn)品表面多處凹陷深度的測(cè)量、產(chǎn)品共面性程度的檢測(cè)、產(chǎn)品曲面度的檢測(cè)等等。實(shí)驗(yàn)結(jié)果表明：本文研究的最小二乘法Huber擬合空間平面算法與傳統(tǒng)技術(shù)相比有更好的測(cè)量效果。