楊建西，林海波

(臺州職業(yè)技術(shù)學院 機電工程學院，浙江 臺州 318000)

0 引言

機油泵是柴油機燃油系統(tǒng)中潤滑系的重要組成部分，為潤滑系提供足夠壓力和流量的機油，對柴油機的整機性能產(chǎn)生較大影響，特別是柴油機的使用壽命和節(jié)能效果[1-3]。轉(zhuǎn)子式機油泵具有結(jié)構(gòu)緊湊，工作可靠，供油均勻、效率高，成本低廉的優(yōu)點，在中小功率內(nèi)燃機上已獲得普遍應(yīng)用[4-6]。

機油泵運轉(zhuǎn)時，因相關(guān)部件存在間隙，會產(chǎn)生較為劇烈的振動和噪聲[7]。以轉(zhuǎn)子式機油泵為例，外轉(zhuǎn)子與殼體之間、內(nèi)、外轉(zhuǎn)子間、內(nèi)轉(zhuǎn)子與驅(qū)動部件間均存在間隙等，這些部位的間隙，即影響機油泵的容積效率，可能造成泄漏，同時在運轉(zhuǎn)過程中，會產(chǎn)生不同程度的碰撞，從而產(chǎn)生較大的振動和噪聲。所以，通過精密的制造、檢測與裝配，合理控制部件間的配合間隙，對于降低發(fā)動機的整體噪聲和提高其性能至關(guān)重要。在實際工程設(shè)計與制造中，對轉(zhuǎn)子型線的設(shè)計、制造和檢測精度要求很高，但目前部分檢測，靠人工檢測不能滿足檢測要求?；跈C器視覺的圖像檢測技術(shù)，以其固有的高精度、非接觸式無損檢測、自動化等特點，促使了機器視覺技術(shù)廣泛地應(yīng)用于生產(chǎn)的日常檢測當中[8-9]。

由于圖像邊緣檢測方法具有高精度和高效性，因而基于圖像邊緣檢測進行機械零件檢測的方法受到越來越多國內(nèi)外研究者的關(guān)注。圖像邊緣檢測算子、方法種類很多，例如邊緣檢測的經(jīng)典算子[10-12]：Roberts、Kirsch、Log、Canny和 Prewitt 等算子，這些算子算法在針對含噪圖像，邊緣提取時，常常會使圖像失真，可能得到模糊的細節(jié)或邊緣，甚至會丟失掉邊緣信息，同時也存在噪聲加強等現(xiàn)象，邊緣檢測效果并不理想，難以滿足工業(yè)生產(chǎn)上的需求。王珂等[13]在希爾伯特變換中引入高斯核函數(shù)，減少由于圖像噪聲對邊緣檢測效果所產(chǎn)生的影響。劉志偉等[14]通過使用視覺顯著性檢測算法與mean-shift分割算法的結(jié)合，實現(xiàn)了對顯著性目標的分割。張琳梅等[15]將蟻群優(yōu)化算法引入到紅外圖像邊緣檢測中，通過蟻群優(yōu)化算法對弱邊緣信息進行加強，提高了邊緣檢測準確性。徐超等[16]提出了一種基于視覺注意機制的粒子窗檢測方法，實現(xiàn)快速、準確檢測的同時，減少計算量。但這些邊緣算法和檢測方法在檢測的效率和準確性等方面還不太令人滿意。因此，利用工業(yè)CCD視覺測量系統(tǒng)和圖像處理軟件，探索對薄零件的幾何量進行非接觸、高精度、自動測量，并從拍攝的背光數(shù)字圖像中提取出零件輪廓信息，建立一種新的應(yīng)用于高精度薄機械零件的測量方法。

1 測量方案

1.1 測量項目的確定

通過對機油泵零部件的關(guān)鍵零部件結(jié)構(gòu)與機構(gòu)件運動進行分析，需要對轉(zhuǎn)子(見圖1)的曲線和制造誤差等進行控制，進而實現(xiàn)機械性能和流體運動學性能的要求。

圖1 被測機油泵轉(zhuǎn)子

通過對轉(zhuǎn)子及支撐軸間的配合及運動精度分析，確定關(guān)鍵尺寸測量主要集中在對中心距、圓度、廓形、尺寸精度這些平面內(nèi)的幾何量測量，比如圓柱度、平面度。因此，最終確定檢測項目包括：內(nèi)外轉(zhuǎn)子型線，軸孔的尺寸精度、圓度、中心距等，但不能有厚度方向的幾何測量。

1.2 測量裝置

針對機油泵內(nèi)外轉(zhuǎn)子生產(chǎn)實際技術(shù)存在的問題，搭建基于機器視覺測量技術(shù)的測量系統(tǒng)如圖2所示。系統(tǒng)由硬件部分和軟件部分組成，根據(jù)測量的視場和精度要求，選擇如下設(shè)備，建立硬件系統(tǒng)，負責整個視覺測量系統(tǒng)的圖像采集工作。軟件部分主要是通過對采集到的圖像進行預(yù)處理、邊緣提取等方法來完成圖像處理和圖像測量。

圖2 測量系統(tǒng)整體結(jié)構(gòu)示意圖

如圖2，通過豎直導軌滑塊上下移動，調(diào)節(jié)鏡頭與被測物、光源間的距離。這樣避免了人工移動相機鏡頭帶來的誤差。采用背光源照射方式，利用控制系統(tǒng)，根據(jù)照明環(huán)境要求，進行參數(shù)調(diào)節(jié)，實現(xiàn)圖像和背景最佳分離。

1.3 測量步驟

以LED作為照明光源，采用AVT Cameras的Stingray 系列可變焦一體化光學透鏡CCD工業(yè)攝像機，用來接收光電傳感器的外部觸發(fā)，擔負著圖像采集的任務(wù)，進而提取出零件信息。同時，在對圖像進行正式處理前進行圖像的預(yù)處理，以期達到提升圖像質(zhì)量，如圖3所示。由于數(shù)字圖像對圖像進行采集、傳輸、量化、還原后得到的，在采集、傳輸?shù)冗^程可能受到一定程度的破壞和各式噪聲污染，需要在早期弱化、消除此類干擾，以達到增強圖像目的。然后利用雙線性內(nèi)插值算法獲取4個最鄰近目標像素的像素值，乘以權(quán)重系數(shù)，再進行像素細分，利用邊緣檢測查找邊緣及附近像素并進行處理?；诙囗検綌M合，確定以亞像素為單位的零件邊緣數(shù)據(jù)。

圖3 圖像處理過程

2 圖像處理

圖像在空間坐標和亮度上經(jīng)過數(shù)字化后，可視作一個實數(shù)矩陣，將圖像進行處理，轉(zhuǎn)換為對矩陣的各種運算，實現(xiàn)了對圖像進行精確檢測和測量，本質(zhì)上是精確定位圖像邊緣。

由于考慮利用微分算子進行邊緣檢測存在“提升噪聲”缺陷，采用曲面擬合[17-18]思路，用曲面的梯度代替點的梯度，減少噪聲影響，從而實現(xiàn)邊緣檢測。上述方法中，函數(shù)的選擇非常重要，在實際工程運用中，通常采用低價多項式。

令圖像面積元Δs由4個相鄰像素f(x,y+1)、f(x+1,y+1)、f(x,y)、f(x+1,y)。以一次平面進行擬合時，用一次平面g(x,y)=ax+by+c去逼近圖像面積元Δs上4個相鄰像素，即g(x,y)去逼近f(x,y)。已知f(x,y)與g(x,y)之間的均方誤差ε:

(1)

即:

(2)

求一次函數(shù)系數(shù)a，b，c，為達到最佳吻合，應(yīng)使均方誤差最小，令：

(3)

可解得一次函數(shù)系數(shù)a、b、c。

上述式中，a，b分別是兩列、行的平均值的差分，此處的差分建立在平滑基礎(chǔ)上，其過程是求平均后再求差分，因而對噪聲有抑制作用。此平面是對已知2×2鄰域內(nèi)的圖像灰度級的最好近似，即檢測出的邊緣盡可能在實際邊緣中心。

但在實際應(yīng)用時，一次曲面不能滿足精度要求，因此采用二次曲面擬合，令圖像面積元Δs由如圖4所示九個相鄰像素組成：

圖4 二次曲面擬合用九鄰域參數(shù)

用二次曲面g(x,y)=ax2+bxy+cy2+dx+ey+g去逼近圖像面積元Δs上9個相鄰像素，即用g(x,y)去逼近f(x,y)。f(x,y)與g(x,y)之間的均方誤差：

(4)

現(xiàn)在求一次函數(shù)系數(shù)a,b,c,e,f,g，令：

可解得a,b,c,e,f,g。

根據(jù)中心極限定理，經(jīng)光學成像后的物方空間灰度劇變的邊緣，其灰度變化符合高斯分布，曲線頂點為邊緣的精確位置。由于二次曲線是高斯曲線的高次逼近，以其來近似高斯曲線，誤差小，計算效率高[19]。因此，對窗口內(nèi)的階躍邊緣梯度，獲得二次曲面的極值點，該點為亞像素邊緣。

3 數(shù)據(jù)分析

3.1 零件特征提取

邊界提取的結(jié)果是圖像輪廓邊界上一系列點的集合，具有亞像素級配準精度的圖像邊緣，輪廓點定義為pi=(ri，ci)，i=1,...n。某一輪廓由多種不同類型幾何元素組成，將輪廓進行分割，實質(zhì)上就是找到輪廓有序點的子集，pij=(rj，cj)，j=1,...m，m

圖5、圖6為某機油泵中間體的背光數(shù)字圖像。其亞像素邊緣輪廓如圖7、圖8所示。為了測量機油泵外轉(zhuǎn)子的精度，需要將其分段。本文采用Ramer算法實現(xiàn)分段。

圖5 機油泵外轉(zhuǎn)子背光 數(shù)字圖像 圖6 機油泵內(nèi)轉(zhuǎn)子背光 數(shù)字圖像

圖7 機油泵外轉(zhuǎn)子亞像素輪廓

圖8 機油泵內(nèi)轉(zhuǎn)子亞像素輪廓

Ramer算法是將曲線用一系列點近似表示，并減少數(shù)據(jù)點數(shù)量的一種算法。對輪廓可以使用遞歸的方式，迭代其間的每一個點,遍歷所得全部線段到各對應(yīng)的輪廓段的最大距離小于某一指定的閥值,即要求這個距離超過閾值，則以這個點作為新的起點/止點。圖9所示為截取的部分輪廓，從宏觀上看，是由一段連續(xù)的圓弧和一段直線的組合，微觀上是系列點的集合[21]。如直線AB所示，輪廓上的點到直線AB的距離顯然過大，如圖9a所示。采用在曲線中間插入點，對其進行密化，直至曲線上的點到直線距離符合預(yù)先設(shè)定閾值。在對非圓曲線擬合過程中，如果圓弧擬合允許誤差比與兩直線的最大誤差小，則這兩直線列為合并處理對象。

(a) 首尾相連 (b) 插入中間點

(c) 數(shù)據(jù)密化 (d) 二次密化 圖9 Ramer算法細分亞像素邊緣

3.2 誤差分析

圖5～圖8為機油泵內(nèi)外轉(zhuǎn)子數(shù)字圖像提取的輪廓，輪廓基本上為圓弧段組成，制造精度要求為公差在+0.02mm～+0.04mm。如采用傳統(tǒng)人工方法進行測量，需要測量、計算中心孔的孔徑圓度誤差，還要采用多組量具，利用間接法進行測量中心距，生產(chǎn)效率和精度低。由圖5可知，外轉(zhuǎn)子內(nèi)輪廓為16段圓弧的組合，其中，圓弧的制造其精度和孔中心距精度，直接影響泵的工作效率、振動及壽命等，嚴重影響泵整機性能。為了驗證文中方法的實用性和精確性，在上述實驗環(huán)境下進行實驗驗證，以對機油泵的外轉(zhuǎn)子為目標進行提取，然后對試驗結(jié)果進行分析。表1為對外轉(zhuǎn)子內(nèi)輪廓測量所得的中心距數(shù)據(jù)，采用最小二乘法，擬合完成中心距測量。通過分析測量數(shù)據(jù)，可知該機油泵中間體的尺寸偏差均在公差范圍內(nèi)，可以用于機油泵工業(yè)生產(chǎn)中。

表1 機油泵外轉(zhuǎn)子內(nèi)輪廓測量數(shù)據(jù)

圖6所示的機油泵內(nèi)轉(zhuǎn)子數(shù)字圖像提取的輪廓，需要保證基準孔的圓度公差和中心距，采用最小二乘法圓擬合，測量中心距及半徑，測量結(jié)果如表2所示，可以看出，機油泵內(nèi)轉(zhuǎn)子滿足精度要求。

表2 機油泵內(nèi)轉(zhuǎn)子測量數(shù)據(jù)

4 結(jié)論

研究通過非接觸、高精度的視覺系統(tǒng)和圖像處理軟件，實現(xiàn)對薄類零件幾何量的自動化的測量。利用曲面擬合來確定亞像素邊緣可減小噪聲對邊緣的影響，提高了邊緣的定位精度，有效地應(yīng)用在機油泵關(guān)鍵零件的中心距、圓度等幾何量的中高精度(IT5～IT7)測量。檢測時間從人工檢測的30min減少到2min，該方法具有高檢測準確精度和檢測效率。方法的特點總結(jié)如下：

(1)基于機器視覺的顯微檢測，系統(tǒng)自動獲取圖像、提取亞像素邊緣、提供檢測數(shù)據(jù)，極大提高效率，減少人工操作誤差；

(2)計算背光數(shù)字圖像局部二次曲面的極值點，確定亞像素邊緣位置，降低噪聲的影響；

(3)本方法高效應(yīng)用于中小機械零件的中心距、圓度等幾何量的中高精度(IT5～IT7)測量，但不能用于測量厚度方向的幾何量，比如圓柱度、平面度。