贴片电感线圈芯移位的表达方式有 贴片电感线圈芯移位的表达方式有哪些?由测量的插件电感制作测量电桥输出信号,AC信号,该信号是通过交流扩展成比例扩大,鲁棒的主轴的位移的传感器。 为了区分贴片电感的信号的相位(方向)的边缘后只是一个平
摘 要: 为实现快速非接触式的板件形位测量,提出了一种基于机器视觉的测量方法,将机器视觉技术应用到机械加工中。基于机器视觉的板件形位测量利用工业摄像机获取工件图像,经过图像滤波和图像分割后提取工件角点,匹配左右相机中的角点,从而得到角点的三维坐标,并且采用直线拟合的方法拟合工件边缘、计算直线斜率,得到工件的旋转角度。
关键词: 机器视觉; 图像滤波; 图像分割; 角点提取; 直线拟合
目前,数控加工中多采用人工手动对刀,其效率较低。若采用机器视觉技术代替人工操作,则可大大提高自动化水平[1]。运用机器视觉技术获取工件上特征点(如角点)在摄像机坐标系下的三维坐标,后续经过摄像机与刀头的“手—眼”标定[2],就能将其转换为机床坐标系下的三维坐标,从而达到自动对刀的效果。在板件切割时,由于摆放的原因,需要人工校正板件位置,即使板件一边与机床坐标轴对齐以免因板件旋转而发生加工错误,但这往往要耗费大量的时间。使用机器视觉技术测量板件的旋转角度,将数控加工代码依照该角度进行旋转变换,就省去了人工校正环节,节约了大量时间。
基于机器视觉的板件形位测量涉及摄像机标定、图像滤波、图像分割、角点提取和直线拟合。图像滤波有均值滤波[3]、中值滤波[4]、高斯滤波[5]和双边滤波[6]等。其中双边滤波能较好地保留边缘,有利于板件形位的测量。图像分割主要有基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等,其中基于阈值的分割方法[7]根据图像灰度的变化将图像分为计算简单和运算效率高两个部分。角点检测方法有Moravec角点检测[8]、Harris角点检测[9]和SUSAN角点检测[10]等。本文采用在Harris角点检测方法基础上改进的Shi-Tomasi角点测量[11]方法,其效果优于Harris方法。在很多情况下,检测出的板件角点并不是两边的交点,若使用两角点的连线计算板件的尺寸和旋转角度将带来较大的误差,因此本文提出一种基于最小二乘直线拟合板件边缘的方法对板件的尺寸及旋转角度进行测量。
1 摄像机标定
1.1 立体视觉模型
双目立体视觉系统是模拟人眼的立体成像技术,通过对左右摄像机拍摄到的图像进行匹配,使用三角形相似原理获取实际物体的景深信息。双目视觉系统模型如图1所示。
其中,点P是实际被测物表面上一点,其坐标为P(X,Y,Z)。两光心间的距离为基线长度T,其与点P在两像平面的交点为p1(x1、y1)、pr(xr、yr),由于该模型为经图像矫正后的理想模型,因此p1和pr在同一水平线上。根据三角形相似原理可得:
其中,d为像素的物理长度;(cx,cy)为光心在图像上的像素位置;f为摄像机的焦距。由式(1)~式(3)可得:
因此,需要对摄像机进行标定,得出摄像机的有关参数,才能对实际物体进行测量。
1.2 基于OpenCV的摄像机标定
摄像机标定的目的在于获取摄像机的内、外参数及其畸变量。在双目立体视觉中,除了摄像机的标定外,还应进行立体标定,获取两个摄像机的相对位置关系。使用OpenCV库函数的标定方法,实际上是采用张正友标定法[12]。张正友标定法是一种基于二维平面模板的标定方法,常用的有棋盘格标定法。用摄像机拍摄多个不同位置的模板,通过模板上的特征点与其图像的单应性来确定摄像机的内、外参数。
本文采用一块12×8的棋盘进行相机标定,使用VC++6.0和OpenCV函数库中的函数cvStereoCalibrate()编写标定程序。cvStereoCalibrate()函数可一次性标定出左右相机内参与畸变以及左右相机间的旋转矩阵R和平移矩阵T。经过多次试验,标定结果如表1所示。
两相机间旋转矩阵R和平移矩阵T为:
R= 0.971 32 0.003 7 0.237 75-0.002 44 0.999 98 -0.005 61-0.237 78 0.004 87 0.971 31
T=-337.933 88 0.771 76 38.346 99
2 板件形位测量系统
基于机器视觉的板件形位测量系统包含了图像预处理、角点提取和直线拟合等技术,其流程如图2所示。