王宇龍

（中國(guó)計(jì)量大學(xué)計(jì)量測(cè)試工程學(xué)院，浙江杭州，310018）

0 引言

平面度是汽車零部件的各項(xiàng)形狀公差中重要組成部分之一，也是生產(chǎn)檢測(cè)過(guò)程中最重要的技術(shù)指標(biāo)之一。在很大程度上，平面度決定了汽車部分零部件的裝配質(zhì)量，影響汽車的使用性能。所以如何快速準(zhǔn)確檢測(cè)汽車零部件平面度成為目前汽車零件制造行業(yè)的研究方向之一。

到目前為止，在零部件平面度測(cè)量行業(yè)中，部分廠家仍采用塞尺測(cè)量法，檢測(cè)精度低，效率低，只能檢測(cè)零件邊緣。這對(duì)于需要大批量檢測(cè)的產(chǎn)線是難以接受的。有的廠家采用三坐標(biāo)測(cè)量法[1]，測(cè)量速度慢，而且需要被測(cè)要素保持水平，導(dǎo)致企業(yè)只能對(duì)產(chǎn)品進(jìn)行抽檢不能進(jìn)行全檢。

圖1 設(shè)備示意圖

針對(duì)目前測(cè)量方法的精度低、效率低、速度慢、容易造成人力資源浪費(fèi)等問(wèn)題，本文設(shè)計(jì)了一種基于機(jī)器視覺(jué)的汽車零部件平面度在線檢測(cè)系統(tǒng)，滿足了目前國(guó)內(nèi)對(duì)汽車零部件進(jìn)行平面度測(cè)量大批量、高速度、高精度的需求，降低企業(yè)成本，提高企業(yè)的運(yùn)行效率，具有廣闊的應(yīng)用前景。

1 整體方案設(shè)計(jì)

本系統(tǒng)的總體技術(shù)路線如圖2所示，分為視覺(jué)和機(jī)器兩部分：

圖2 系統(tǒng)整體設(shè)計(jì)方案

(1)在視覺(jué)部分中，主要包含硬件與軟件兩部分。視覺(jué)硬件主要指測(cè)量采用的激光輪廓儀。視覺(jué)軟件指的是點(diǎn)云算法以及上位機(jī)軟件的設(shè)計(jì)。點(diǎn)云算法采取先粗配準(zhǔn)再精配準(zhǔn)的方式，實(shí)現(xiàn)平面度測(cè)量。上位機(jī)軟件設(shè)計(jì)是基于Visual Studio 2019軟件開(kāi)發(fā)環(huán)境使用C++編程語(yǔ)言并調(diào)用PCL點(diǎn)云庫(kù)與OpenCV視覺(jué)庫(kù)進(jìn)行編寫、測(cè)試與實(shí)現(xiàn)。

(2)在機(jī)器部分需完成硬件總體架構(gòu)的搭建，配合視覺(jué)部分實(shí)現(xiàn)待測(cè)物及激光輪廓儀的運(yùn)動(dòng)，同時(shí)設(shè)計(jì)下位機(jī)軟件,實(shí)現(xiàn)待測(cè)物、激光輪廓儀的運(yùn)動(dòng)控制以及各機(jī)構(gòu)的聯(lián)動(dòng)。

2 系統(tǒng)模塊設(shè)計(jì)

如圖3所示，本系統(tǒng)按照功能上可以劃分為分為三個(gè)模塊。

圖3 系統(tǒng)模塊設(shè)計(jì)圖

2.1 運(yùn)動(dòng)控制模塊設(shè)計(jì)

運(yùn)動(dòng)控制模塊以可編程控制PLC為核心，通過(guò)驅(qū)動(dòng)氣缸、激光輪廓儀移動(dòng)電機(jī)、不合格平剔除機(jī)構(gòu)以及兩個(gè)傳送帶的運(yùn)動(dòng)，完成與計(jì)算機(jī)、激光輪廓儀以及檢測(cè)傳感器的信息交互。待測(cè)物檢測(cè)的運(yùn)動(dòng)控制流程如下所示：

①將待測(cè)物放置于載物臺(tái)上，隨上料傳送帶一起運(yùn)動(dòng)。

②當(dāng)上料檢測(cè)激光位移傳感器檢測(cè)到有物體進(jìn)入檢測(cè)區(qū)，并且當(dāng)載物臺(tái)在檢測(cè)區(qū)就位后，傳感器將信號(hào)傳遞給PLC，控制氣缸向上頂起載物臺(tái)以保證檢測(cè)時(shí)待測(cè)物不受傳送帶振動(dòng)等因素干擾。

③然后，PLC向電機(jī)發(fā)送信號(hào)由電機(jī)帶動(dòng)激光輪廓儀移動(dòng)，同時(shí)激光輪廓儀開(kāi)始掃描。待獲取待測(cè)物的表面點(diǎn)云信息后，傳輸至計(jì)算機(jī)進(jìn)行下一步的點(diǎn)云顯示、計(jì)算與處理。

④完成掃描后的待測(cè)物進(jìn)入下料傳送帶。PLC接收計(jì)算機(jī)給出的平面度檢測(cè)反饋信號(hào)，若待測(cè)物平面度檢測(cè)不合格則控制剔除機(jī)構(gòu)進(jìn)行剔除，若待測(cè)物平面度檢測(cè)合格則允許待測(cè)物通過(guò)，進(jìn)入后續(xù)的檢測(cè)環(huán)節(jié)。

2.2 點(diǎn)云采集模塊設(shè)計(jì)

點(diǎn)云采集模塊由激光輪廓儀和待測(cè)物組成。該模塊主要負(fù)責(zé)完成點(diǎn)云信息的獲取，選擇合適的采樣幀率、采樣點(diǎn)距以及景深對(duì)待測(cè)物進(jìn)行掃描。

2.3 點(diǎn)云處理模塊設(shè)計(jì)

點(diǎn)云處理模塊負(fù)責(zé)點(diǎn)云的顯示、點(diǎn)云的配準(zhǔn)以及待測(cè)物平面度的計(jì)算和顯示，并與PLC完成信息交互。

因?yàn)榧す廨喞獌x激光掃描時(shí)會(huì)得到較大的點(diǎn)云數(shù)據(jù)，而常用的迭代最近點(diǎn)（Iterative Closest Point，ICP）算法對(duì)點(diǎn)云最初始的位置要求較高，容易陷入局部最優(yōu)解，無(wú)法達(dá)到實(shí)際需求。為確保點(diǎn)云配準(zhǔn)不陷入局部最優(yōu)解，通常將點(diǎn)云配準(zhǔn)分為兩部分，即采用先進(jìn)行點(diǎn)云粗配準(zhǔn)再進(jìn)行細(xì)配準(zhǔn)的點(diǎn)云配準(zhǔn)方式[2].其中點(diǎn)云的粗配準(zhǔn)可以通過(guò)點(diǎn)云關(guān)鍵點(diǎn)的局部特征描述子建立對(duì)應(yīng)關(guān)系，從而得到變換矩陣，而特征描述子的提取決定了配準(zhǔn)的精度。Rusu等人[3]提出了特征直方圖（Point Feature Histogram, PFH）描述子計(jì)算關(guān)鍵點(diǎn)鄰域內(nèi)所有點(diǎn)對(duì)的幾何位置關(guān)系作為關(guān)鍵點(diǎn)的主要特點(diǎn)；隨后Rusu等人改進(jìn)了PFH算法，保留了大部分PFH的識(shí)別特征，提出一種快速點(diǎn)特征直方圖（Fast Point Feature Histogram，F(xiàn)PFH）特征。然后使用采樣一致性初始配準(zhǔn)(Sample Consensus Intial Alignment, SAC-IA）方法，該方法雖然顯著提高了配準(zhǔn)精度，但降低了效率，常用來(lái)進(jìn)行初始配準(zhǔn)。

因此本文采用先提取出點(diǎn)云的FPFH作為點(diǎn)云特征描述[4]；然后根據(jù)該特征，采用SAC-IA方法完成初始配準(zhǔn)；最后采取ICP算法，實(shí)現(xiàn)點(diǎn)云的精配準(zhǔn)。

2.3.1 點(diǎn)云粗配準(zhǔn)

如圖4所示的是一個(gè)查詢點(diǎn)Pq的PFH計(jì)算的影響區(qū)域。以Pq為圓心，r為半徑，圓內(nèi)的所有點(diǎn)全部互相連接。以P1為原點(diǎn)建立UVW坐標(biāo)系，任意兩點(diǎn)的P1和P2及其法線n1與n2 之間的關(guān)系特征如下所示：

圖4 查詢點(diǎn)Pq的PFH計(jì)算的影響區(qū)域

α、φ、d和θ是FPH描述子所需要的特征信息。在獲取這些特征信息后，便可構(gòu)建直方圖，并進(jìn)行歸一化處理。

該方法的缺點(diǎn)是當(dāng)數(shù)據(jù)量變大時(shí)，其計(jì)算速度會(huì)變得緩慢。為了提高 FPH描述子的提取效率，提出了FPFH算法。

點(diǎn)云數(shù)據(jù)中所有點(diǎn)都要先得到SPFH特征，SPFH是用來(lái)計(jì)算特征點(diǎn)與鄰域點(diǎn)之間的關(guān)聯(lián)，利用式（5）計(jì)算FPFH特征，計(jì)算量大幅度減少，通過(guò)后續(xù)的加權(quán)處理，使得FPFH特征獲取了鄰域點(diǎn)與鄰域點(diǎn)之間的關(guān)系信息，填補(bǔ)了SPFH中鄰域點(diǎn)與鄰域點(diǎn)之間關(guān)系信息的丟失，提高了匹配的準(zhǔn)確性。

圖5 FPFH計(jì)算原理

獲取FPFH特征子后，對(duì)點(diǎn)云P和點(diǎn)云Q采取SAC-IA算法來(lái)進(jìn)行特征點(diǎn)匹配計(jì)算。SAC-IA算法是在點(diǎn)云P中隨機(jī)選擇k個(gè)樣本點(diǎn)，在點(diǎn)云Q中尋找這些點(diǎn)最接近的對(duì)應(yīng)點(diǎn)，根據(jù)兩個(gè)點(diǎn)云數(shù)據(jù)集的相互關(guān)系計(jì)算出變換矩陣。利用式（6）來(lái)計(jì)算配準(zhǔn)的偏差值，并使用Levengerg-Marquardt算法來(lái)不斷優(yōu)化最佳平移矩陣和旋轉(zhuǎn)矩陣。

2.3.2 點(diǎn)云精配準(zhǔn)

點(diǎn)云精配準(zhǔn)就是精確地求出點(diǎn)云的相對(duì)關(guān)聯(lián)和變換矩陣的過(guò)程[5]。由于SAC-IA得到的剛體變換矩陣使兩點(diǎn)云的數(shù)據(jù)大致重疊，但是配準(zhǔn)精度遠(yuǎn)遠(yuǎn)達(dá)不到現(xiàn)實(shí)工程應(yīng)用的要求，因此在初始配準(zhǔn)基礎(chǔ)上再進(jìn)行精確配準(zhǔn)。點(diǎn)云精配準(zhǔn)采用迭代最近點(diǎn)（Iterative Closest Point，ICP）算法：首先根據(jù)一定的方法確立對(duì)應(yīng)點(diǎn)集P與Q，其中對(duì)應(yīng)點(diǎn)對(duì)的個(gè)數(shù)為n。然后采用最小二乘法迭代計(jì)算最優(yōu)的坐標(biāo)變換，即旋轉(zhuǎn)矩陣R和平移矢量t，使得誤差函數(shù)f(R,t)最小，直到滿足要求。

3 實(shí)驗(yàn)結(jié)果與分析

將本文點(diǎn)云配準(zhǔn)算法應(yīng)用在激光輪廓儀平面度測(cè)量中，對(duì)汽車零部件模型進(jìn)行平面度測(cè)量實(shí)驗(yàn)。如圖6所示綠色點(diǎn)云為源點(diǎn)云，藍(lán)色為目標(biāo)點(diǎn)云。本文實(shí)驗(yàn)的硬件環(huán)境為英特酷睿i7-9750H @2.60GHZ 8GB；顯卡Nvidia gtx 1650;軟件環(huán)境為Visual Studio 2019。

圖6 汽車零部件點(diǎn)云匹配圖

為了驗(yàn)證點(diǎn)云配準(zhǔn)精度對(duì)平面度測(cè)量結(jié)果的影響，選取SHOT+ICP點(diǎn)云算法與本文采用的算法進(jìn)行對(duì)比。將三坐標(biāo)測(cè)量機(jī)的平面度測(cè)量結(jié)果作為參考值。平面度測(cè)量結(jié)果如表1所示。

表1 平面度測(cè)量結(jié)果

從表中可以得出，兩種方法的平面度測(cè)量結(jié)果與三坐標(biāo)測(cè)量機(jī)的測(cè)量結(jié)果基本一致。由于本文采取的方法的測(cè)量結(jié)果重復(fù)性可控制在0.0023mm以下，能夠?qū)崿F(xiàn)對(duì)平面度有效的評(píng)估。另外，三坐標(biāo)測(cè)量機(jī)的測(cè)量時(shí)間在15min以上，而采用本文算法的平面度測(cè)量耗時(shí)可控制在24.5s左右，因此本文平面度測(cè)量方式更適用于大批量測(cè)量的場(chǎng)合。

4 結(jié)論

國(guó)內(nèi)汽車零部件平面度檢測(cè)行業(yè)較為落后，如何進(jìn)行快速準(zhǔn)確測(cè)量汽車零部件平面度是重點(diǎn)研究方向之一。本文設(shè)計(jì)的基于機(jī)器視覺(jué)的汽車零部件平面度在線檢測(cè)系統(tǒng)，非常適用于需要大批量檢測(cè)汽車零部件平面度的場(chǎng)合具有廣闊的發(fā)展前景。