機器視覺檢測技術在汽車缺陷檢測中的應用

王鑫 譚思敏 楊裕才

摘要：從機器視覺系統(tǒng)的工作原理與程序應用入手，以汽車外形檢測作為研究對象，探討了三維自動檢測系統(tǒng)的工作原理、圖像處理算法及其幾何量測量的具體方法，為機器視覺系統(tǒng)的設計及其在汽車缺陷檢測領域的應用奠定研究基礎，提供可行的技術方案。

關鍵詞：機器視覺;汽車外形;視覺定位;三維檢測

0 引言

機器視覺是一門涵蓋圖像處理、人工智能等多個研究領域的交叉學科，機器視覺檢測具有檢測速度快、精度高、非接觸性等特點，在外形檢測、產(chǎn)品質(zhì)量以及產(chǎn)品缺陷檢測等領域具有良好的應用價值。將視覺定位與三維檢測技術相結(jié)合，能夠有效提升外觀檢測的便捷度與自動化水平，且檢測精度與效率較高。

1 機器視覺檢測技術在汽車外形缺陷檢測中的設計思路

1.1? ? 工作原理

機器視覺技術主要指利用機器模擬人眼的視覺功能，輔助完成檢測和判斷工作。機器視覺系統(tǒng)通常由圖像采集、光學成像、機械運動、圖像處理4個模塊組成，其工作原理是利用CCD相機將檢測對象實體轉(zhuǎn)換為圖像信號，在圖像處理系統(tǒng)中結(jié)合RGB、HIS，將圖像信號轉(zhuǎn)換為數(shù)字信號，經(jīng)由運算求解出信號的目標特征，再結(jié)合給定誤差范圍進行標準值比對，實現(xiàn)工業(yè)檢測目標。

1.2? ? 程序應用

1.2.1? ? 樣品圖像采集

利用樣品與照相機的相對運動，將樣品置于高速CCD陣列照相機下方，利用光照箱發(fā)出的平行光源照亮樣品，借助畸變小的光學鏡頭捕捉樣品的三維場景圖像，存儲在計算機內(nèi)構(gòu)成二維圖像，形成標準樣品特征庫。接下來移動照相機使其變換所處方位，在不同拍攝點進行樣品的測量標定，求取均值計算出標定系數(shù)，借此有效消除因鏡頭畸變引發(fā)的測量誤差，排除隨機誤差造成的干擾。該測量方法能夠保障樣品不同位置的光學參數(shù)與標定值相符，增強標定環(huán)節(jié)的精度與穩(wěn)定性，為后續(xù)樣品檢測提供重要的參考依據(jù)。

1.2.2? ? 工件圖像抓拍控制

基于閉環(huán)控制方法獲取高速運動工件的圖像，保障抓拍到圖像的完整度與精確度，為后續(xù)檢測環(huán)節(jié)提供數(shù)據(jù)支撐。當傳感器檢測到被測物體的工位信息后，將相機指令發(fā)送至控制單元，控制相機快門完成圖像曝光處理，再將圖像分別放置在分割、定位單元，獲得被測物體圖像在坐標系中的位置以及被測物體圖像與整幅圖像中心的位置偏差，并將偏差數(shù)值反饋至控制單元處，由控制單元自動調(diào)整下一輪的相機拍攝時間，保障圖像抓拍精度。

1.2.3? ? 圖像處理

基于手眼標定算法、OpenCV標定算法、IMU標定算法等多種算法進行圖像的標定處理，結(jié)合線激光掃描獲取工作區(qū)域的坐標數(shù)值，沿工作區(qū)域起點至終點進行圖像輪廓的掃描處理，即可生成三維輪廓的點云數(shù)據(jù)，用于查看產(chǎn)品表面是否存在異物或部件有無缺失等。

1.2.4? ? 圖像特征比較

將檢測得出的圖像與標準樣本特征庫中的特征值進行比較，提煉出檢測圖像與標準樣本間的區(qū)別，經(jīng)由圖像特征比較篩選出符合檢測區(qū)域輪廓的軌跡，配合計算機程序與處理器實現(xiàn)三維自動檢測。

2 機器視覺檢測技術在汽車外形缺陷檢測中的應用分析

2.1? ? 運行系統(tǒng)設計及流程

本文基于視覺定位技術設計了一款三維自動檢測系統(tǒng)，系統(tǒng)運行流程如圖1所示，適用于汽車外形檢測。該系統(tǒng)采用機器人與激光掃描儀配合完成三維自動檢測，系統(tǒng)硬件包含移動終端、處理器、ROM/RAM存儲介質(zhì)，由計算機將平面相機數(shù)據(jù)與線激光掃描儀數(shù)據(jù)傳送至自動設備控制器中，結(jié)合程序指令控制機械的移動。將三維自動檢測系統(tǒng)應用于車體外形檢測中，可實現(xiàn)汽車車身鈑金的整體或局部自動噴涂，檢測目標具有多樣化特征，能夠節(jié)省大量仿形軌跡編程工序與設計成本、設計周期，有效提升工業(yè)自動化生產(chǎn)效率。

其檢測流程為：檢測前預處理，包含劃定檢測空間范圍，圍繞邊緣設置移動機構(gòu)，固定機器人隨移動機構(gòu)移動、選取2D相機和線激光掃描儀安裝在機器人末端，將移動機構(gòu)、機器人、控制柜進行電連接;將汽車駛?cè)霗z測空間，完成工作區(qū)域與非工作區(qū)域的劃分，分別在區(qū)域邊界處設置反光層和黑色啞光層，并做好標記;選定若干個拍攝點，基于預定軌跡移動至各拍攝點，完成汽車外形的拍攝;針對拍攝的圖像進行視覺處理，獲得工作區(qū)域的位置數(shù)據(jù)，生成汽車外輪廓2D視覺圖像，并結(jié)合標記算法計算出其在平面坐標系中的具體位置;根據(jù)工作區(qū)域位置確定起始點、終點，在由起始點向終點移動的過程中完成汽車外形輪廓的掃描處理，生成汽車三維輪廓的點云數(shù)據(jù);將點云數(shù)據(jù)轉(zhuǎn)換為位置數(shù)據(jù)，計算出汽車三維輪廓上各點的法相姿態(tài)數(shù)據(jù)，根據(jù)機器人軌跡參數(shù)X、Y方向的間距Nx、Ny生成汽車輪廓位置數(shù)據(jù)，經(jīng)由坐標系排序后發(fā)送數(shù)據(jù)，待機器人接收到數(shù)據(jù)后自動生成運行軌跡，由系統(tǒng)控制車身進行自動噴涂處理。

2.2? ? 圖像處理算法

在檢測前的預處理環(huán)節(jié)，針對汽車外形RGB圖像進行灰度化處理，以此減少后續(xù)計算量。設圖像像素的灰度值為Y，彩色圖像像素的分量值分別為R、G、B，其計算公式為：

在汽車外形圖像分析環(huán)節(jié)，針對汽車外形輪廓圖像進行分割處理，基于最小二乘法分別進行圓弧、直線等幾何圖形的擬合。將所求擬合圓弧的方程設為：r2=（x-u）2+（y-v）2。

設參與圓弧擬合的像素點有n個，其中第i個像素點的坐標值為（xi，yi），基于最小二乘法得出擬合圓弧的參數(shù)分別為：

接下來基于二次標定法進行檢測系統(tǒng)的標定處理，設汽車外形尺寸為L，像素尺寸為N，標定系數(shù)為K，系統(tǒng)誤差為b，則其關系式為：L=KN+b。

考慮到2D相機固定在機器人末端，在被測試位置分別放置兩個長度為L1、L2的0級量塊，其像素尺寸依次為N1、N2，則計算得出：

2.3? ? 幾何量測量

通常為保證汽車車身鈑金噴涂質(zhì)量，需做好汽車車身尺寸的測量工作，基于最小二乘法獲得圓弧半徑為r，則直徑的測量值為2r，車身各段長度即為其對應線段的長度，通過統(tǒng)計各線段上涵蓋像素點的個數(shù)，即可獲得車身的尺寸，在此基礎上通過測量形位誤差，保障其形狀、位置精度達標。

3 結(jié)語

在“中國制造2025”戰(zhàn)略目標的指導下，兩化融合成為推動制造業(yè)轉(zhuǎn)型升級的重要方式，進一步拓寬智能制造在制造業(yè)中的發(fā)展前景。在基于機器視覺技術進行三維自動檢測系統(tǒng)設計時，還需密切關注系統(tǒng)在硬件與軟件方面的性能優(yōu)勢，并加強對檢測對象形狀、攝像機安裝位置的設計，以保障技術應用價值的充分發(fā)揮。

收稿日期：2020-06-07

作者簡介：王鑫（1983—），男，河南信陽人，工程師，主要從事工業(yè)機器人研究和企業(yè)管理工作。