铆接机自动送料装置视觉定位系统设计

谢松乐，谌永祥，游秋香

1 引言

铆接机作为基础加工装备广泛应用于工业生产中，例如：飞机制造、车辆生产及控制柜等。随着加工制造对生产自动化程度的需求逐渐加大，高效率、高精度的铆接技术和装备得到了快速发展，但对于生产民用装备的铆接设备仍处于一个自动化程度低，铆接精度低的境况[1]。

机器视觉以其可实现高精度检测，响应快等优点，在工业中运用越来越广泛，主要应用在以机器视觉为基础的实时监测、尺寸测量、加工质量检测和定位系统中[2-3]，其中以机器视觉为基础的有关定位系统的研究一直是机器视觉研究中的重要内容。文献[4]基于单目机器视觉设计了用于指导工业机器人进行抓取和摆放工件的定位系统，并取得了很好的工业应用结果；文献[5]利用双目视觉技术建立了用于控制室内机器人移动的定位系统，提高了室内机器人的定位精度。

传统铆接机的自动送料装置主要采用PLC进行控制，铆接工件结构的多样性要求其在加工过程中需要专用的夹具进行装夹，占据生产成本的大部分，造成生产效率低，柔性化程度不高等问题。机器视觉在铆接装备中的应用虽已有研究，但主要集中在对铆接件质量检测和铆接质量检测等辅助性工作中，将机器视觉直接用于指导完成铆接动作的定位系统研究还很少见到，另外，铆接机自动送料装置的结构较复杂，铆接位置需进行精确控制，现有的铆接装备开环控制精度不高，只能应用在对精度要求低的民用领域。针对以上问题，提出并设计出了一种基于机器视觉的铆接机自动送料装置定位系统，将机器视觉用于铆钉机送料装置的自动定位，以提高铆接机的铆接加工精度和自动化程度。

2 定位系统设计

2.1 系统组成

以机器视觉为基础进行铆接机自动送料装置的铆接位置检测和确定，主要包括对铆接件的图形采集、图像处理及圆心位置坐标输入和输出三个部分。

待铆接工件正确装夹后，采用单目CCD相机获取待铆接件的图像，将图像空间中的待铆接圆孔圆心坐标信息通过所设计的圆心提取算法，转换为真实空间中的圆心坐标信息，通过通信模块将提取的坐标数值传输给控制铆钉机送料装置运动的控制系统，控制铆钉机送料装置的自动送料定位工作，为保证待铆接件图像的准确获取，用于采集目标图像的图像采集模块应固定在待铆接件的正上方，且CCD相机镜头的光轴应与地面垂直。定位系统组成，如图1所示。

图1 定位系统组成Fig.1 Component of Positioning System

2.2 图像处理

由于铆钉机工作环境及图像采集时所用光源均匀度的问题，采集图像的过程中会对采集的图像产生污染，为了准确获取待铆接件的图像特征信息，必须对CCD相机所采集到的图像进行滤波处理，以解决图像污染问题，便于对图像进行特征分析和提取[6]。对获取的图像进行灰度化、二值化及取反预处理，结果如图2所示。分析预处理后的图像，可知图像中的噪声点的面积与需要检测的圆形目标的面积相比很小，因此可以利用形态学开运算进行滤波操作[7-9]。二值形态学中的开运算包括两个步骤，首先对图像进行腐蚀，然后再对腐蚀后的图像进行膨胀，以此消除图像中的噪声点。图像滤波结果，如图3所示。

图2 含噪的铆接工件图像Fig.2 Riveting Work-PieceImage with Noises

图3 滤波后铆接工件图像Fig.3 Riveting Work-Piece Image After Filtering

2.3 圆心提取方法

铆接机自动铆接位置的准确确定以对采集的铆接工件图像进行一系列图像处理为基础。传统的圆心提取算法有中值法、Hough变换、质心法等[10]。中值法对图像的质量要求较高，要求图像灰度分布均匀，否则会给圆心提取精度带来干扰；Hough变换算法计算量较大，定位精度较低，不适合实时定位工作；质心法前处理通过图像预处理即滤波、二值化等操作准确分离目标和背景，在预处理之后的图像进行圆心坐标提取，且其精度可达到亚像素级别，所以，此设计利用质心法提取铆接板件的圆孔圆心坐标，如图4所示。设圆形标志图像大小为M×N，经过对图像的预处理阶段将目标和背景分离，白色区域为圆形标志，黑色区域为背景。设图像中的每一个像素的判定函数为W（i，j），如果像素位于白色区域内，它的函数值为1，若位于黑色区域中，函数值为0，即：此圆形标志的坐标为：

图4 圆形标志图形Fig.4 Circular Logo Graphics

2.4 定位系统标定

经图像处理模块得到的圆心坐标为像素坐标，不能直接用于驱动铆钉机送料装置定位系统的工作，需要对系统进行标定。系统标定的主要任务有：（1）相机的标定，即相机内外参数的确定；（2）建立相机图像坐标系、成像坐标系、相机坐标系及世界坐标系之间的关系，将像素坐标转换为能够用于驱动铆钉机送料装置的坐标值，单位为mm。相机的标定以Matlab软件为平台，采用改进的平面模板标定法，以（10×10）格棋盘作为平面标定模板，读入6幅图像，计算相机的内、外部参数，相机结构参数等[11]。依据单目视觉的成像原理得到，单目视觉成像中各坐标系间的位置关系，如图5所示。

图5 单目视觉成像原理图Fig.5 Schematic Diagram of Monocular Vision

由图5各坐标系之间的几何关系可得：Oc为相机的光心，Xc轴和Yc轴与成像坐标系中的X轴和Y轴相互平行，Zc轴为相机镜头的光轴，与成像平面的垂直交点为成像坐标系的原点O，点Oc和点O即为相机焦距f。设点P在图像坐标系（o-uv）中的像素坐标为（u，v），依据两坐标系间的关系，将点P在图像坐标转化为在成像坐标系（O-XY）中的实际物理坐标值，已知图像的中心坐标为（uo，vo），每个像素的尺寸为xk×ky，转化公式为：

成像坐标系和相机坐标系之间的关系为：

利用齐次坐标转换公式，可得到相机坐标系和世界坐标系之间的转换公式：

由于相机的布置方案要求其光轴与地面垂直，即相机坐标系和世界坐标系之间没有相对旋转运动，只存在沿Zc轴的平移运动，距离为b。

利用视觉定位系统定位时，相机的安装会引起模型误差、图像处理过程会产生误差，其可以经过对系统和算法的标定及优化进行修正，但由于相机镜头的工艺问题，其成像过程并非是理想的透视成像，成像过程存在着径向畸变和偏心畸变与薄棱镜畸变[12]。设某点在图像坐标系下的理想坐标为（Ux，Uy），由于畸变在图像坐标系中的实际坐标为（ux，uy），可由式（6）和式（7）进行矫正：

联立上式可得到各坐标系之间的总关系式：

分析式（8）可知，求出Zc的值就可得到目标物体的世界坐标值，Zc的值可由式（9）和式（10）求得：

式中：m，n—相机的像素阵列的行、列数；Lx，Ly—成像靶面的长度和宽度；Lwx，Lwy—目标物体的长度和宽度；Sv，Su—目标图像长边和宽边的像素个数，为得到目标物体的精确空间坐标，利用式（9）和式（10）分别进行求Zc的值，取平均值，代入式（8），求得目标物体的世界坐标值。由相机的标定和坐标的转换，根据铆钉机自动送料装置的运动精度要求，视觉定位系统的像素分辨率为0.155mm/pixel，即每个像素的实际尺寸为0.155mm满足铆接送料装置精度要求。

3 圆心提取实验

3.1 算法验证

此次实验以Matlab软件图像处理工具箱为算法验证平台，采用环形LED白色背光光源，背光光源方便目标图像灰度的均匀显示和获取。实验工件采用一带有6mm圆孔的铆接薄板件为提取对象，利用搭建的视觉平台和圆心提取算法进行验证实验，圆心提取结果，如图6所示（标记“+”为圆心所在位置）。

图6 圆心提取结果Fig.6 Results of Center Extraction

3.2 误差分析

由算法验证提取的圆心坐标值，如表1所示。定位系统的误差来源主要相机安装带来的模型误差、镜头的光学畸变引起的光学误差和圆心提取引起的误差，其中由相机安装和镜头光学畸变带来的误差已由定位系统的标定进行了修正。圆心提取带来的误差由圆心坐标点在x，y方向上的偏移程度衡量，表明了整个定位系统最后达到的精度，即：

式中：（X，Y）—实际圆心坐标；（xi，yi）—利用质心法检测出来的圆心坐标（其中，i=1，2，…，10）。铆接机自动送料装置定位系统的精度要求为（0.1～0.5）mm，在搭建的装置上进行模拟实验，如图7所示。分析实验结果误差，结果表明定位精度达到了要求。

图7 实验装置图Fig.7 Experimental Device

表1 圆心坐标值Tab.1 Center Coordinates

4 结论

以单目机器视觉为基础对铆钉机自动送料装置定位系统进行了研究，利用CCD相机获取待铆接工件的图像，采用形态学图像滤波方法消除噪声，降低噪声对圆心检测精度的影响，通过质心法提取了待铆接工件圆孔的亚像素精度圆心坐标，并对视觉系统的各坐标系之间的位置进行了校正和圆心提取结果进行了误差分析。在Matlab图像处理工具箱中对图像处理算法进行了验证，实验结果证明，待铆接孔的圆心提取结果精度满足民用设备的要求，但如应用到精密度要求高的环境中，精度仍是一个待提高的研究内容。