采用结构光视觉检测技术进行断路器装配完整性的检测

杜婷婷

DU Ting-ting

（北京机械工业自动化研究所，北京 100120）

0 引言

随着现代化生产的发展，机械加工的精度和复杂程度越来越高，对零件检测的精度、效率和自动化程度的要求也越来越高，同时，被检零、部件形状的复杂性和测量的实时性也对常规的机器视觉检测方法构成了严峻的挑战。在一些特定的场合，如对易变形零件、曲面的轮廓以及零件的孔心距等的检测，都是常规的检测方法无法做到的。除了进一步提高CCD相机的分辨率和精度以及开发新的图像处理工具提高图像处理的能力外，采用新的照明技术和照明方式发展新的检测方法也是非常重要的。

结构光视觉检测是一种既利用图像又利用可控光源的测量技术。其基本思想是利用照明光源中的几何信息帮助提取被检测目标的几何信息，而不仅仅单纯依靠被检测目标的图像信息。结构光视觉测量方法是为了解决立体视觉中图像匹配的难题而提出来的，该法不仅具有快速、精确、高分辨率、抗干扰性好等优点，而且结构简单、易于实现，常常可以取得事半功倍的效果。根据照射系统采用的结构光方式不同可划分为∶点结构光、线结构光、多线结构光、网格结构光、二进制编码、灰度编码及彩色编码方法等。确定结构光的光源及照射方式，进行结构光图像的处理和计算是这种检测技术的关键。

结构光视觉检测技术的研究在国内外已取得不少的研究成果。它已成功地应用于电子、汽车、纺织、机械加工等现代工业中。例如现代PCB板上要安装的芯片多为球栅阵列BGA芯片。在安装时要求管脚具有很高的位置精度，如果管脚三维尺寸误差较大，特别在高度方向，造成管脚顶点不共面，安装时个别管脚和线路板接触不良，会导致漏接、虚接。BGA芯片管脚共面性激光视觉测试系统使用线光源，并利用图像拆合器在不降低分辨率的情况下加大视场。在满足精度的情况下，同时提高了速度，满足在线测量的要求[1]。还有基于结构光的焊缝质量检测系统、测圆孔的结构光检测系统、结构光三维检测技术，无缝钢管直线度的测量等等。随着结构光视觉检测技术的不断发展与完善，这项技术在更多的领域内得到应用。我们采用这项技术以较低的成本成功地解决了断路器装配完整性检测中的若干难题。

1 关于线结构光技术

线结构光法与点结构光法相比，测量所获得的信息量大大增加，而实现的复杂性并没有增加，因而在实践中得到了更广泛的应用，其原理如图1所示。它采用线光源由光投射器在空间投射出一个光平面，当光平面与被测物体表面相交时便在物体表面产生一亮线型的条型光。条型光由于物体表面深度的变化以及存在的间隙而受到调制，表现在图像中则是条型光发生了偏移和断续，偏移的程度与深度成比例，断续则显示出了物体表面间的物理间隙。基于三角测量原理，对获取的图像进行计算和分析处理，就可得到我们所需的测量结果。

这种线结构光视觉系统的应用能够大幅降低检验成本，提高产品质量，加快生产速度和效率，应用前景广阔，可以解决普通视觉系统检测较难处理的问题。

图1 线结构光测量原理示意图

2 采用线结构光技术进行断路器装配完整性检测的系统构成

断路器装配完整性在线检测系统是断路器自动装配检测生产线的一个重要组成部分。该系统可对五种型号的断路器，每种型号的19个部位进行检测。与人工检测方式相比它的检测标准客观一致，减少了人为不可控因素，大大降低了漏检率，保证器件不会错装、漏装，提高了检测的可靠性和工作效率。

断路器装配完整性在线检测系统包括硬件和软件两部分，其原理图如图2所示。与常规的机器视觉检测系统相比硬件结构的差异仅在于待测工件采用线结构光照射。该系统的误检和漏检率极低，检测的可靠性大大提高，系统的成本也可降低不少。此外还需要说明的是，本系统不仅仅局限用于某些型号产品某些部位的检测，只要在软件中进行定制，保存相应的数据文件就可以方便地提供多工件的定制功能。当需要改变检测对象或检测功能时，调用相应的软件即可以进行新的、稳定可靠的重复检测。

本检测系统的软件则是在功能强大的视觉算法平台Sherlock 7.0上进行二次开发构建的。系统软件的算法流程是根据各被检部件的形状、灰度信息在一定范围内进行搜索计算，若器件图像满足匹配度要求，即为合格。另外，该软件还具有颜色检测功能。获取一个区域的彩色颜色信息后与标准模板的彩色颜色信息进行比对，两者相差大于一定值时，确定为失败或不合格，反之则为合格。当通过常规机器视觉系统获取的图像难以准确检测、判别工件部位形状和灰度特征时，采用结构光技术进行检测往往是比较切实可行的、可靠的解决办法。本软件支持各种与结构光技术相关的各种图像分析、计算和处理功能。

图2 断路器装配完整性在线检测系统原理图

3 采用线结构光进行断路器装配完整性的检测

使用常规白色光源照明获取的断路器的视觉图像如图3所示。通过这样的图像，用机器视觉系统有六个部件较难进行准确的定位检测，如图中所示的1、2、3、4、5、6这六个部分。它们或者尺寸小，或者反光强烈多变，或者特征不明显，除非采用多台高分辨率CCD相机分辨进行检测否则误检、漏检率较高。

图3 待检测的断路器的常规视觉图像

采用线结构光技术进行检测时，将两束结构光按特定的角度和方向投射到需检测的断路器上。用两台CCD相机来分别检测1、2、4和3、5、6，这样可避免因光束形成的图像线比较短的造成的误检、漏检的风险。图4为在暗场使用结构光拍摄的效果图。

图5则是装配正确的断路器使用结构光拍摄的局部暗场效果图。其中，线条1是工件的基准线；线条2为结构光投射在保护垫片（3）上反射的条型光；线条3为结构光投射在静触点（5）上反射的条型光；线条4为结构光投射在铜排（6）上反射的条型光。断路器装配正确时，线条2、3、4相对于线条1的距离和位置是固定的，如果安装错误则会有偏差。

图4 断路器使用结构光拍摄的效果图

图5 装配正确时的效果图

图6所示的是缺少保护垫片（3）时获取的图像。此时，原线条2位置的条型反射光移到了线条5所示的位置。当铜排（6）被装反时，原线条4位置的条型反射光移到了如图7所示线条6的位置。对于1、2、4可以通过类似的方法来进行检测。

为了准确检测线条间的相对位置和距离，系统软件还要对获取的图像进行处理。图8所示的就是进行边缘提取后获得的图像。被检测出的线条1、线条2、线条3、线条4的边缘都已用绿线标明。

图6 缺少保护垫片(3)时的效果图

图7 铜排（6）装反时的效果图

从以上的实例中可以看出，与常规机器视觉检测技术相比，采用结构光进行检测有明显的优势。例如：对于尺寸较小的工件，如静触头圆形触点（5）和保护垫片（3），采用常规视觉检测方法时除非使用高分辨率的相机或设置专用CCD相机进行局部放大检测，否则很容易因零件表面氧化、色泽变化等原因造成误检或者漏检。而利用结构光检测时，静触头、保护垫片的有无或位置偏差已被变换成反差明显的条型光线段几何位置的变化，大大降低了检测的难度，既提高了检测的可靠性，又可降低对CCD相机性能的要求，所需的数量也少。

图8 边缘提取处理后的图像

4 关于线结构光检测的图像处理

线结构光视觉检测系统中，视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、平滑、边缘锐化、分割、特征提取、图像识别与理解等内容。经过这些处理后，输出图像的质量得到相当程度的改善。既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别[2]。

4.1 图像的增强

图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表，与对比度紧密相连。但是，直方图仅能统计某级灰度像素出现的概率，反映不出该像素在图像中的二维坐标。因此，不同的图像有可能具有相同的直方图。通过灰度直方图的形状，能判断该图像的清晰度和黑白对比度。

4.2 图像平滑

图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中因成像设备和环境所造成的图像失真，提取有用信息。众所周知，实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等，均会使图像变质。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。

4.3 边缘锐化

图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。它是早期视觉理论和算法中的基本问题，也是中期和后期视觉检测成败的重要因素之一。

4.4 图像的分割

图像分割是将图像分成若干部分，每一部分对应于某一物体表面。在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。本质是将像素进行分类。分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。图像分割是图像处理技术的基本方法之一，应用于诸如染色体分类、景物理解系统、机器视觉等方面。

4.5 图像的识别

图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，它是机器视觉系统必须完成的一个任务。

通过图像处理，可以使得检测系统利用结构光拍摄的图像更加清晰和利于处理分析，让图片的质量大幅提高。为图像处理、计算和比对提供了更有利的保障。

5 结束语

结构光视觉检测方法是为了解决立体视觉中图像匹配的难题而提出来的，该检测方法不仅具有快速、精确、高分辨率、抗干扰性好等优点，而且结构简单、易于实现，近年来在工业环境中倍受青睐，在自动检测和物体识别等领域内具有不可替代的作用。随着我国电器工业的发展，结构光视觉技术势必在该行业中得到广泛的应用。

[1]孙长库, 叶声华.激光测量技术[M].天津∶ 天津大学出版社, 2001.

[2]陈福海.基于线结构光的视觉检测相关技术的研究[D].哈尔滨∶哈尔滨工程大学.2009.