基于机器视觉的尺寸测量应用综述

韩茜茜　耿世勇　路向阳

摘 要：随着机器视觉技术的不断发展以及工业智能化水平的不断提高，将机器视觉应用于尺寸测量中成为尺寸测量的发展趋势。本文首先阐述了机器视觉的特点及方法研究，介绍了机器视觉尺寸测量系统的硬件部分主要由计算机、光源、图像传感器、镜头以及被测对象等组成，软件部分主要由图像预处理、图像滤波、边缘检测等图像处理算法组成，然后分析了国内外的研究现状以及机器视觉测量技术的发展趋势，指出从软件算法入手，不断开发更优的图像处理算法，使图像处理及分析每个流程所涉及的算法的准确性及鲁棒性更高。

关键词：机器视觉;尺寸测量;研究現状;测量精度

中图分类号：TP391.41 文献标识码：A 文章编号：1003-5168（2019）05-0008-03

Abstract： With the continuous development of machine vision technology and the continuous improvement of industrial intelligence level， the application of machine vision in dimension measurement has become the development trend of dimension measurement. Firstly， this paper expounded the characteristics and methods of machine vision， introduced that the hardware part of machine vision size measurement system was mainly composed of computer， light source， image sensor， lens and the object under test， and the software part was mainly composed of image preprocessing， image filtering， edge detection and other image processing algorithms. Then， it analysed the research status at home and abroad and machine vision. The development trend of perceptual measurement technology was pointed out. Beginning with software algorithms， better image processing algorithms were constantly developed to improve the accuracy and robustness of the algorithms involved in image processing and analysis of each process.

Keywords： machine vision;dimension measurement;research status;measurement accuracy

机器视觉是指通过计算机来模拟人的视觉功能。传统的尺寸测量方法，如需要人工操作的游标卡尺、千分尺、量规的测量方法，测量精度低、效率低，不适合工业生产中大批量测量;三坐标测量机具有测量精度高、效率高的优点，但由于需要接触被测对象，这种接触性的测量可能会损伤被测对象;超声波测量法适用的测量环境局限性大，空气温湿度对其灵敏度影响较大。将机器视觉[1-2]应用于尺寸测量中，具有非接触性、测量效率高的特点，同时可实现在线高精度测量，因此机器视觉技术在尺寸测量中的应用越来越广泛。

1 机器视觉测量技术方法研究

基于机器视觉的尺寸测量系统由硬件系统和软件系统构成，硬件系统主要包括光源、图像传感器、镜头、PC机以及其他相关硬件设备。

硬件系统中的光源是机器视觉尺寸测量的硬件部分中需要考虑的第一个重要因素，光源的选择会直接影响所采集被测量对象的图像质量，从而对输入数据信息的可靠性造成影响。此外，对于不同尺寸测量情况，机器视觉测量系统中光源的照明方式也是不同的。其中，前向照明适用于被测物体对表面缺陷和细节特征要求高的情况;背向照明可以照明被测量对象的整体轮廓;同轴照明则适用于反射程度高的物体。图像传感器主要分为电荷耦合器件图像传感器（CCD）和互补金属氧化物图像传感器（CMOS）两种。

通过硬件系统实现对被测对象的图像采集后，需要通过软件系统对采集到的图像进行处理，并测量被测对象尺寸。其中，首先需要通过图像预处理提取出感兴趣的区域，然后对提取出的图像进行滤波去噪、灰度变换、边缘检测。图像处理算法对尺寸测量的精度有着至关重要的影响。

2 国内外研究现状与应用

万子平[3]应用机器视觉技术来测量零件轮廓的尺寸，系统选用LED进行背光式照明来更好地将目标信息与背景信息进行分离，镜头选用的是畸变率低的双远心镜头;系统的软件基于LabVIEW进行开发，并改进了传统的Canny算法，以提高测量精度。此系统可以在工件任意放置的情况下实现目标尺寸的测量。为实现塑料螺母尺寸高精度检测，仲月娇等[4]应用基于非下采样轮廓波的亚像素角点提取算法确定塑料螺母对边长和对角长亚像素距离，结合实际尺寸得到精准像素当量值，并建立塑料螺母直径与像素当量数学关系，解决了塑料螺母对边和对角尺寸测量精度问题。应用拟合后数据对4种不同尺寸螺母进行检测试验。吴智峰等[5]主要介绍使用机器视觉非接触测量外螺纹尺寸系统，测量矿山钻孔所用的钻杆接头外螺纹加工尺寸，以及如何通过定制化的工装夹具来实现接头的定位旋转拍照采图，从而实现对矿山钻孔所用钻杆接头加工完后自动检验接头尺寸的技术。本视觉检测系统主要是由工业相机、高倍远心镜头、平面光源及机器视觉软件平台组成。随着竹材加工过程的自动化程度不断提高，韩伟聪[6]将机器视觉技术应用于竹材尺寸测量过程中，对于硬件系统采集到的图像，软件系统首先通过选择式掩模平滑法去除噪声，并很好地将被测目标的边缘信息保留下来，然后选用Sobel边缘检测算子进行边缘检测，最后采用基于像素点间距的方法来获取所需测量的竹材内外轮廓的厚度以及内周长。戴知圣[7]针对一款手机U盘芯片的二维尺寸的测量问题，提出运用图像处理的方法，实现手机U盘芯片长度和偏角的非接触式测量;通过COMS工业相机采集到U盘芯片的背光图像，在边缘检测的基础上，用Hough变换检测和定位U盘芯片边缘直线;针对在一条边上Hough变换对应检测到多条直线的情况，提出采用直线参数平均法拟合边缘直线，从而获得较精准的边缘位置。Mollazade[8]将机器视觉技术应用于土壤含水量的测量中，此应用仅仅通过采集一张被测对象的图像，然后通过软件系统的图像处理算法就可以实现土壤含水量高效率的非接触性测量。测量系统的试验结果表明，对于一般模型的被测对象，结果的平均绝对误差为1.1%;对于某些特殊模型的测量结果，平均绝对误差为0.3%。可见，机器视觉技术对土壤含水量测量具有较大的意义，而且可实现在线测量。激光成型工艺因快速、稳定性好、消耗成本低的特点，成为制造业中一项有前途的技术，激光成型后变形面的3D轮廓畸变量的测量在学术研究中有着极其重要的意义。Kovacevic[9]应用机器视觉技术对此畸变量进行测量，此测量系统实现垂直位移的测量精度达到0.03mm，横向收缩的测量精度达到0.012 5mm。试验结果表明，机器视觉技术可应用于大多数的激光成型工艺中。针对机械工具中裂纹形状的不规则性，传统的测量方法已不能实现裂纹尺寸的高精度测量，K. Khalili[10]将机器视觉技术应用于裂纹几何参数的测量中，硬件部分采集图像后，对图像进行二值化和滤波，最终得出裂纹的长度和半径。试验表明，此应用是可靠的，适用于任何裂纹尺寸的测量。对于电极尖端位移的测量，Primoz Podrzaj[11]提出一种新颖的测量方法，即用一个包含光照系统、CCD相机、图像分析处理算法的机器视觉测量系统，该方法的测量结果具有较高的精确性。在机床中，主轴旋转的精确度是一个很重要的因素，直接影响机床加工工件的尺寸精度。C. Kavitha[12]通过使用包含CMOS相机和图像处理算法的机器视觉测量系统，来测量车床主轴的径向误差。在主轴旋转过程中，通过相机采集一系列图像，通过霍夫变换来找到圆心，并通过最小二乘法来拟合曲线。此系统适用于不同转速。

3 机器视觉测量技术的发展趋势

随着自动化水平不断提高，机器视觉在尺寸测量领域的应用会越来越广泛，必将会成为日后测量领域的主要趋势。随着工业水平的不断提高，对测量精度的要求也会不断提高。对机器视觉技术在尺寸测量方面的应用来说，提高测量精度主要從两个方面入手：硬件系统和软件系统。硬件系统方面，提高测量精度可以选取像素更高的镜头，但其成本较高。由此，可以考虑从软件算法入手来提高测量精度，如研究更好的图像去除噪声、图像边缘检测、亚像素边缘检测算法等。因此，加强对高效、高精度、高鲁棒性、高实时性的图像处理算法的研究将变得越来越重要。虽然目前国内外研究人员正在不断提出新的算法，但大多数仍处于实验阶段。实际应用现场情况复杂多变，因此，从软件算法入手来提高机器视觉测量的精度仍然是关键。

4 结语

机器视觉以其高精度、高效率、非接触性、实时测量的优点，在尺寸测量领域的应用越来越广泛。随着人工智能及工业化水平的不断提升，所需测量的数据逐渐多样性，对机器视觉测量技术的要求越来越高，而机器视觉技术本身是涉及多个学科理论的技术，因此，仍需进一步研究机器视觉技术，以满足自动化、智能化测量的要求。

参考文献：

[1]卞正岗.机器视觉技术的发展[J].中国仪器仪表，2015（6）：40-43.

[2]陈英.机器视觉技术的发展现状与应用动态研究[J].无线互联科技，2018（19）：147-148.

[3]万子平，马丽莎，陈明.机器视觉的零件轮廓尺寸测量系统设计[J].单片机与嵌入式系统应用，2017（12）：32-34.

[4]仲月娇，张新敏，徐阳.基于机器视觉塑料螺母尺寸测量方法研究[J].机械工程师，2019（3）：37-39.

[5]吴智峰，柴鑫，王亚波.基于机器视觉非接触测量外螺纹尺寸系统[J].煤矿机械，2018（8）：171-172.

[6]韩伟聪，鲍光海.基于机器视觉的竹材尺寸测量系统设计[J].中国测试，2016（7）：74-78.

[7]戴知圣，潘晴，钟小芸.基于机器视觉的工件尺寸和角度的测量[J].计算机测量与控制，2016（2）：27-41.

[8] Mollazade， Kaveh H， Reza P R， et al. Development of a novel machine vision procedure for rapid and non-contact measurement of soil moisture content [J]. Measurement，2018（121）：179-189.

[9] Kovacevic， Radovan Ding， Yaoyu Zhang， et al. A laser-based machine vision measurement system for laser forming [J]. Measurement，2016（82）：345-354.

[10] Khalili K， Vahidnia M. Improving the Accuracy of Crack Length Measurement Using Machine Vision [J]. Procedia Technology， 2015（19）：48-55.

[11] Primoz Podrzaj， Samo Simoncic. A machine vision-based electrode displacement measurement [J]. Welding in the World： Journal of the International Institute of Welding，2014（1）：93-99.

[12] C. Kavitha， S. Denis Ashok. A New Approach to Spindle Radial Error Evaluation Using a Machine Vision System [J]. Metrology and Measurement Systems，2017（1）：201-219.