一種用于在線刀具狀態監測的標定方法
作者:謝東明 任小洪 袁文林時間:2015-12-14 10:16:54 來源:www.vortexsignal.com 閱讀次數:1141次 ]
【文章摘要】
為了保證加工過程的順利進行，必須檢查刀具的刃口是否已經損壞，從而判斷是否應該更換刀具。近年來很多人都研究了基于機器視覺的刀具狀態在線監測技術，而采用機器視覺進行測量和監測，相機的標定是很重要的步驟。鑒于傳統的相機標定方法的不足之處，本文提出了一種性能更好的標定方法。
【關鍵詞】
圖像；刀具；標定
1 背景
就傳統的相機標定方法而言，其數據配準不可靠，對安裝在主軸上的對象不適用，不靈活，難于安裝，并可能造成結果不精確。而且，原始的標定方法是用于放置在工作臺上的對象的。因此，通過相機測量工作臺附近的對象是可靠的，而刀具只能在工作臺附近測量，并且相機和刀具盡量靠近。對于不同的機床也需要不同大小的視場.
2 提出的方案
為了解決前面提到的問題，本文提出了另一種圖像采集和配準方法，由于這里的被測對象是安裝在主軸上，相機標定件也必須安裝在主軸上。為了安裝標定裝置，用到了自動換刀裝置。安裝過程基本是自動完成的。為了建立三維點集，將一個標定件通過主軸的運動置于不同的位置，而不是使用具有多個特征點的標定件。
該方案保證了數據的配準，每幅圖像都只對應一個特征點，這樣，只要一個點被檢測到，就可以將其添加到配準數據， 而不需要進行多特征點配準。未被檢測到的點不會被配準，但這不會影響其他點的配準。
這種方法可以使用更加靈活的視場， 其標定值是通過刀具的運動來建立的，它可以通過改變運動范圍來調節。為了測量工作臺上的工件，標定件可以運動到工作臺附近的空間。對于主軸上的被測對象， 與之大小相當的標定件可以在視場范圍內運動。相機可以放置在機床上的幾乎任何地方，只要主軸在視場內，而不必把視場調整到工作臺范圍。因此，該方案允許更加靈活的在線應用。
最復雜的步驟在于根據機床坐標校準標定件的坐標，但這可以通過該方案自動解決。由于是刀具運動，所以是自動與機床系統聯系在一起的。平移補償值可能也是需要的，不過，如果目標特征與主軸一致，就只有Z 方向的補償值是需要獲取的。
3 系統設計
本系統的設計包括標定件，標定件的圖像特征點提取算法，怎樣使用特征點建立數據集，以及用于將數據集匹配到適當的相機模型的相機標定算法。
3.1 標定件
為了滿足上述要求，設計了一個可安裝到主軸上的標定件。它有一個唯一的特征點位于主軸的旋轉軸上。由于不要求使用圖像匹配算法來匹配圖像特征點和世界坐標系，于是單一的特征點就保證了可靠性。然而，需要多個不共面的特征點來來標定相機，這可以通過主軸的運動來完成。
由于坐標是通過主軸的相關運動建立的，為了將通過標定件運動建立的坐標系與機床主軸聯系起來，并不需要特殊的校準。不過，由于機床坐標的原點位于主軸端面，從特征點到端面的補償值仍然是必需的。
唯一特征點由兩個同心橢圓決定。因為機床上可能有多個目標具有圓的特征（比如螺母），所以不能只用一個橢圓。設計的標定件如圖1。
圖1 標定件
3.2 特征檢測算法
設計好目標以后，需要使用特征識別算法來提取特征點的位置。要檢測的特征點是同心橢圓的圓心。橢圓圓心用于相機標定的參照坐標系。算法流程如下：
（1） 使用Canny 算子提取圖像的輪廓；
（2） 去除所有長度小于50 像素的短的輪廓線；
（3） 去掉所有高寬比較大的輪廓線；
（4） 將剩下的輪廓線與橢圓匹配；
（5） 檢查兩個橢圓的圓心之間的距離是否小于設定的閾值；
（6） 通過上一步的檢查就確定了同心橢圓的圓心。
3.3 建立點集
為了建立點集，主軸需要運動到不同的位置。為了建立相機模型，這些點必須是不共面的，因此必須進行三個軸方向上的平移運動。雖然不是必須的，但是點集應盡量覆蓋相機的整個視場范圍。比如， 要建立一個3×3×3 的網格空間，就需要27 次運動。
3.4 相機標定算法
這里使用了一種比較基本的基本方法，相機參數使用最小二乘法建立，用于獲得投影矩陣，而相機參數和光學畸變參數則通過非線性優化獲得。使用的是來自參考文獻[4] 中介紹的標定算法。
3.5 驗證
可以使用投影誤差對相機標定的精確度進行了驗證。投影誤差是通過使用相機模型將三維空間中的點投影到圖像坐標系來決定的。然后在相同位置獲取標定目標的圖像，將投影圖像和實際圖像的點進行位置的對比，兩者之間的距離就是投影誤差。如果投影點也用于相機標定的輸入，則誤差說明了相機的近似模型和輸入數據集的逼近程度，這樣產生的誤差訓練誤差。如果數據點不用做相機標定的輸入，那么誤差就說明了相機模型和輸入數據集與相機投影之間的逼近程度，這樣產生的誤差叫做應用誤差。
這里采用了KVC600N 立式加工中心進行驗證。為了測試標定的精度，相機安裝在工作臺一側以獲取Y 軸的運動。編程中對平移軸采用0.0001mm 分辨率。
使用同樣的相機配置和數據點集進行5 次試驗以確定相機標定的重復性定位精度。數據點集的空間范圍為240×240×240mm，樣點以60mm 為間距進行采集，因此總共有125 個數據點。從中隨機選取10 個樣點用于確定重復定位精度。
4 結論
經測試驗證，相機的平均標定誤差為0.20mm，方差為0.10mm。由理論分析及實驗結果可以看出，本文所提出的網格式單一特征點標定方法具有精度高、重復性好，易于實現等優點，能滿足大多數刀具在線監測裝置的需要。
【參考文獻】
[1] 趙小松, 張宏偉, 張國雄, 李真. 攝像機標定技術的研究[J]. 機械工程學報. 2002(03)
[2] 王建文, 陶瑞. 快速有效的攝像機標定方法[J]. 計算機工程與設計. 2010(11)
[3] 陳越鋒. 相機幾何標定方法研究[J]. 科技信息. 2013(08)
[4]Faugeras,Olivier.Three-dimensional c o m p u t e r v i s i o n : a g e o m e t r i c viewpoint[M]. MIT press,1993.
為了保證加工過程的順利進行，必須檢查刀具的刃口是否已經損壞，從而判斷是否應該更換刀具。近年來很多人都研究了基于機器視覺的刀具狀態在線監測技術，而采用機器視覺進行測量和監測，相機的標定是很重要的步驟。鑒于傳統的相機標定方法的不足之處，本文提出了一種性能更好的標定方法。
【關鍵詞】
圖像；刀具；標定
1 背景
就傳統的相機標定方法而言，其數據配準不可靠，對安裝在主軸上的對象不適用，不靈活，難于安裝，并可能造成結果不精確。而且，原始的標定方法是用于放置在工作臺上的對象的。因此，通過相機測量工作臺附近的對象是可靠的，而刀具只能在工作臺附近測量，并且相機和刀具盡量靠近。對于不同的機床也需要不同大小的視場.
2 提出的方案
為了解決前面提到的問題，本文提出了另一種圖像采集和配準方法，由于這里的被測對象是安裝在主軸上，相機標定件也必須安裝在主軸上。為了安裝標定裝置，用到了自動換刀裝置。安裝過程基本是自動完成的。為了建立三維點集，將一個標定件通過主軸的運動置于不同的位置，而不是使用具有多個特征點的標定件。
該方案保證了數據的配準，每幅圖像都只對應一個特征點，這樣，只要一個點被檢測到，就可以將其添加到配準數據， 而不需要進行多特征點配準。未被檢測到的點不會被配準，但這不會影響其他點的配準。
這種方法可以使用更加靈活的視場， 其標定值是通過刀具的運動來建立的，它可以通過改變運動范圍來調節。為了測量工作臺上的工件，標定件可以運動到工作臺附近的空間。對于主軸上的被測對象， 與之大小相當的標定件可以在視場范圍內運動。相機可以放置在機床上的幾乎任何地方，只要主軸在視場內，而不必把視場調整到工作臺范圍。因此，該方案允許更加靈活的在線應用。
最復雜的步驟在于根據機床坐標校準標定件的坐標，但這可以通過該方案自動解決。由于是刀具運動，所以是自動與機床系統聯系在一起的。平移補償值可能也是需要的，不過，如果目標特征與主軸一致，就只有Z 方向的補償值是需要獲取的。
3 系統設計
本系統的設計包括標定件，標定件的圖像特征點提取算法，怎樣使用特征點建立數據集，以及用于將數據集匹配到適當的相機模型的相機標定算法。
3.1 標定件
為了滿足上述要求，設計了一個可安裝到主軸上的標定件。它有一個唯一的特征點位于主軸的旋轉軸上。由于不要求使用圖像匹配算法來匹配圖像特征點和世界坐標系，于是單一的特征點就保證了可靠性。然而，需要多個不共面的特征點來來標定相機，這可以通過主軸的運動來完成。
由于坐標是通過主軸的相關運動建立的，為了將通過標定件運動建立的坐標系與機床主軸聯系起來，并不需要特殊的校準。不過，由于機床坐標的原點位于主軸端面，從特征點到端面的補償值仍然是必需的。
唯一特征點由兩個同心橢圓決定。因為機床上可能有多個目標具有圓的特征（比如螺母），所以不能只用一個橢圓。設計的標定件如圖1。
圖1 標定件
3.2 特征檢測算法
設計好目標以后，需要使用特征識別算法來提取特征點的位置。要檢測的特征點是同心橢圓的圓心。橢圓圓心用于相機標定的參照坐標系。算法流程如下：
（1） 使用Canny 算子提取圖像的輪廓；
（2） 去除所有長度小于50 像素的短的輪廓線；
（3） 去掉所有高寬比較大的輪廓線；
（4） 將剩下的輪廓線與橢圓匹配；
（5） 檢查兩個橢圓的圓心之間的距離是否小于設定的閾值；
（6） 通過上一步的檢查就確定了同心橢圓的圓心。
3.3 建立點集
為了建立點集，主軸需要運動到不同的位置。為了建立相機模型，這些點必須是不共面的，因此必須進行三個軸方向上的平移運動。雖然不是必須的，但是點集應盡量覆蓋相機的整個視場范圍。比如， 要建立一個3×3×3 的網格空間，就需要27 次運動。
3.4 相機標定算法
這里使用了一種比較基本的基本方法，相機參數使用最小二乘法建立，用于獲得投影矩陣，而相機參數和光學畸變參數則通過非線性優化獲得。使用的是來自參考文獻[4] 中介紹的標定算法。
3.5 驗證
可以使用投影誤差對相機標定的精確度進行了驗證。投影誤差是通過使用相機模型將三維空間中的點投影到圖像坐標系來決定的。然后在相同位置獲取標定目標的圖像，將投影圖像和實際圖像的點進行位置的對比，兩者之間的距離就是投影誤差。如果投影點也用于相機標定的輸入，則誤差說明了相機的近似模型和輸入數據集的逼近程度，這樣產生的誤差訓練誤差。如果數據點不用做相機標定的輸入，那么誤差就說明了相機模型和輸入數據集與相機投影之間的逼近程度，這樣產生的誤差叫做應用誤差。
這里采用了KVC600N 立式加工中心進行驗證。為了測試標定的精度，相機安裝在工作臺一側以獲取Y 軸的運動。編程中對平移軸采用0.0001mm 分辨率。
使用同樣的相機配置和數據點集進行5 次試驗以確定相機標定的重復性定位精度。數據點集的空間范圍為240×240×240mm，樣點以60mm 為間距進行采集，因此總共有125 個數據點。從中隨機選取10 個樣點用于確定重復定位精度。
4 結論
經測試驗證，相機的平均標定誤差為0.20mm，方差為0.10mm。由理論分析及實驗結果可以看出，本文所提出的網格式單一特征點標定方法具有精度高、重復性好，易于實現等優點，能滿足大多數刀具在線監測裝置的需要。
【參考文獻】
[1] 趙小松, 張宏偉, 張國雄, 李真. 攝像機標定技術的研究[J]. 機械工程學報. 2002(03)
[2] 王建文, 陶瑞. 快速有效的攝像機標定方法[J]. 計算機工程與設計. 2010(11)
[3] 陳越鋒. 相機幾何標定方法研究[J]. 科技信息. 2013(08)
[4]Faugeras,Olivier.Three-dimensional c o m p u t e r v i s i o n : a g e o m e t r i c viewpoint[M]. MIT press,1993.
本站論文資源均為來自網絡轉載，免費提供給廣大作者參考，不進行任何贏利，如有版權問題，請聯系管理員刪除！ 快速論文發表網（www.vortexsignal.com）本中心和國內數百家期刊雜志社有良好的合作關系，可以幫客戶代發論文投稿.
投稿郵箱：ksfbw@126.com
客服Q Q：
82702382
聯系電話：15295038833
本站論文資源均為來自網絡轉載，免費提供給廣大作者參考，不進行任何贏利，如有版權問題，請聯系管理員刪除！