基于机器视觉的轴承内外径尺寸测量方法

韩亮

(山西机电职业技术学院 电气工程系，山西 长治 046011)

0 引言

轴承是机械设备的重要零部件，其内外径尺寸是轴承的重要参数。准确地测量出轴承的内外径尺寸，有利于把控轴承产品质量，并增加产品的附加值[1]。因此，如何对轴承内外径尺寸进行快速、有效地测量，是轴承生产企业的研究热点之一。

传统的人工测量轴承内外径尺寸的方法需要借助机械式、光学式的测量仪器，存在测量效率低，易产生视觉疲劳且检测结果易受人为因素干扰等问题。为了克服传统测量方法的弊端，将机器视觉技术应用于轴承的内外径尺寸检测[2-5]，具有非接触、精度高、速度快、抗视觉疲劳等优点。文献[5]提出利用Laplacian算法提取轴承的边缘，再使用Hough变换得到轴承的内外径尺寸。该方法虽然优于传统的机械检测法，但是Laplacian边缘检测以及Hough变换的计算量大、内存消耗多，从而影响内外径的检测速度。

为了提高检测速度与测量精度、避免过大的内存消耗，本文利用Sobel边缘检测算法提取轴承内外圆的边缘特征点；利用最小二乘拟合圆得到内外圆半径的像素值，最后通过尺寸标定与机器视觉脚本程序，将像素值转换为内外径的实际尺寸。

1 视觉测量系统硬件设计

视觉测量系统的硬件主要包括智能相机、光源控制器以及光源。智能相机用于采集轴承图像；光源用于突出被检测轴承的特征；光源控制器用于给智能相机和光源供电。

1.1 智能相机与光源控制器

智能相机选择X-SIGHT系列30万像素的相机，型号：SV4-30ML。智能相机利用CCD传感器采集图像，并通过内置的DSP芯片做图像处理。该系列智能相机将图像采集与图像处理功能集于一身，具有体积小、质量轻、处理速度快等优点。相机镜头选择8mm定焦镜头，光圈1.4。

光源控制器选择某公司生产的SIC-242型号。该型号光源控制器内置两路可控光源输出，两路光源亮度手动调节开关，五路相机数据输出端，并且预留七路可选择的站号。

光源控制器通过RS485与智能相机通讯，PLC可通过光源控制器的通讯端口读取智能相机内部存储器中的数据。

1.2 光源

常用的光源有环形光源、背光源、同轴光源等。选择恰当的光源，将有利于后期的图像处理。环形光源通常安装于被检测物体的正上方，用于突出物体的三维信息；背光源通常安装在被检测物体的正下方，用于突出被检测物体的轮廓。图1、图2分别表示轴承在正光源与背光源下的图像。为了提高轮廓与背景的对比度并有利于提取轴承的轮廓特征，选择背光源。

图1 正光源

图2 背光源

2 视觉测量系统软件设计

智能相机采集到轴承图像之后，首先对图像进行滤波与二值化处理，然后进行边缘检测，最后利用最小二乘算法与尺寸标定，得到轴承内外径的实际尺寸。

2.1 中值滤波

轴承图像在采集的过程中，由于受到外部环境与测量设备的干扰，图像中会含有一定的噪声。因此，首先对采集到的图像做中值滤波处理。中值滤波采用排序算法，将某一点邻域内每个点的像素值从大到小进行排序，选择序列中间的像素值来替代当前坐标的原有像素值，其定义如下[6]：

设m1、m2、…、mn为某邻域内的一组序列，将其由大到小进行排序：

mi1

(1)

那么该序列的中值y为：

(2)

中值滤波算法对随机噪声具有很强的去噪能力，采用3 × 3模板的中值滤波对图像做降噪处理。

2.2 二值化处理

为了提取轴承的边缘特征，滤波后的轴承图像，还需要做二值化处理，将其转换为黑白二值图像。常用的二值化方法有试验法、双峰法以及Otsu法(最大类间方差法)。本文选择Otsu法作为二值化的算法，它是一种自动获取阈值的方法，有较强的自适应能力。

2.3 Sobel边缘检测与最小二乘拟合圆

图像边缘是图像灰度变化的明显区域，轴承图像经过二值化处理后，与背景对比明显，为了提高图像的处理速度，避免过大的内存消耗，选择Sobel算子对轴承的内外圈进行特征提取。Sobel 算法[7-9]的基本思想是将邻域内像素灰度值超过设定阈值的像素点视为边缘点，它具有运算速度快、计算量小等优点。

利用该算法得到的边缘检测结果，如图3的内圈、图4的外圈所示。

图3 轴承内圈的边缘检测

图4 轴承外圈的边缘检测

2.4 最小二乘拟合圆

通过Sobel算子提取到轴承内外圈的边缘特征点之后，利用最小二乘法[10]计算其对应的圆心与内外半径。

设拟合圆的面积为S，圆心坐标为(a，b)，半径为r；通过边缘检测得到的第i个边界点为D(xi,yi)，i∈(1,…,n)，该点距离圆心的距离为ri，以ri为半径的圆面积为Si，那么两个圆的面积误差εi为：

(3)

通过式(3)，可得误差平方和函数F(a,b,r)：

(4)

根据最小二乘原理，当函数F(a,b,r)取极小值时，a、b、r应满足：

(5)

求解上式可得出拟合圆的圆心坐标(a，b)：

(6)

其中：

2.5 尺寸标定与内外径换算

通过最小二乘拟合圆得到的内外半径的像素值，经过尺寸标定与机器视觉脚本程序，将其转换为内外径的实际尺寸。

选择厂家提供的标准轴承(外径40.000mm、内径17.500mm)作为智能相机的学习对象，固定其与智能相机、光源的相对距离。根据公式dx=r/N，计算出物面分辨率dx，即每个像素对应的实际尺寸，其中，r代表实际尺寸，N代表机器视觉测量得到的像素值。

得到物面分辨率后，利用机器视觉脚本程序，就可以将内外半径的像素值自动换算成内外径的实际尺寸。

在相机开发软件的MODBUS配置中添加2个变量，并在智能相机中为其分配相应的地址，机器实际测量得到的轴承内外径的实际尺寸，将其分别存放于与其对应的地址中。

3 测量结果分析

为了对测量的精度与重复性进行评价，将一个被测轴承(外径40.020mm、内径17.460mm)重复测量8次，测量精度用平均值与标准差来衡量，测量结果如表1、表2所示。

表1 内外径尺寸测量值及偏差 单位：mm

表2 测量结果分析

在测量过程中，需要保证光环境的稳定，通过表1、表2可知，该机器视觉测量系统达到了较高的测量精度，同时，实现了对轴承内外径尺寸的非接触、在线实时测量。

4 结语

本文提出一种基于机器视觉的轴承内外径尺寸测量方法：对轴承图像进行滤波与二值化处理后，利用Sobel算子提取轴承的内外圈边缘特征点，不仅速度快而且效果好；根据最小二乘原理计算出内外半径的像素值，并通过尺寸标定与机器视觉脚本程序将其换算为内外径的实际尺寸，精度较高。该方法克服了传统人工测量方法的诸多缺点，适用于大批量轴承的生产场合。