刀具磨损测量中Halcon软件的标定方法

胡洋++任小洪++彭彩平

摘 要因为相机镜头都会发生畸变影响测量结果，为了把图像变换到没有畸变的理想状态就需要进行必要的标定，相机标定是视觉测量中的必要环节。本文采用Halcon软件中的标定助手实现对CDD相机的标定，根据标定理论和图像成像原理逐步求出了相机的内外参数，标定结果快速准确，得到了测量刀具磨损所需的各个相机参数。

【关键词】机器视觉 Halcon软件 相机标定 刀具磨损测量

1 引言

刀具的磨损检测已成为机床加工中的必要环节，刀具的运行状态和质量直接决定着切削加工的精度和效率，在机器视觉测量刀具磨损量的过程中，相机标定的是否准确会直接影响到测量精度和误差。因为相机镜头都有一定的畸变，采集的图像会扭曲变形，影响图像处理并导致结果不准确，从而给带来一定误差，为了把图像变换到没有畸变的理想状态，就需要事先对相机进行必要的标定。对相机进行标定的目的是找出确定相机拍摄的刀具图像在整幅图像中的位置以及图像中各个像素点之间的距离以及相互关系，因而就有必要建立相机成像的几何模型，相机标定就是求解相机内外参数的过程。

2 标定理论

2.1 成像的几何模型

在机器视觉中，常常采用右手准则来定义坐标系，成像平面有三个不同的坐标系。

（1）世界坐标系（XW，YW，ZW）就是全局坐标系，也就是我们常说的现实的坐标系，是可以自己选取和定义的一个客观世界的三维的空间坐标系。

（2）摄像机坐标系（XC，YC），以小孔成像模型的焦距中心作为摄像机坐标系的原点和相机的光轴组成的一个三维坐标系。

（3）图像坐标系。图像坐标系又分为图像的像元坐标系（u，v）和图像的物理模型坐标系（r，c），前者坐标系的原点是相机透镜的光轴与图像平面的交叉点，后者坐标系是固定在图像上的，它的单位是像素。

根据空间上的点成像到图像平面上的路线，方向依次向左：现实坐标系映射到相机坐标系，再从相机坐标系变换到图像坐标系，这个过程中存在畸变，因此需要进行变换处理，畸变的处理是从图像坐标系到相机坐标系，然后从相机坐标系再到世界坐标系。

2.2 坐标系变换

从点成像到畸变的处理，大致需要进行四次坐标转换：世界坐标系到摄像机坐标系、从摄像机坐标系到图像坐标系、从真实成像平面坐标到理想坐标及理想坐标转换到图像坐标系。

（1）世界坐标系到摄像机坐标系，空间点PW到PC的转换。

（2）从摄像机坐标系到图像坐标系。摄像机点PC转换到平面坐标系。

（3）从真实成像平面坐标到理想坐标。

（4）理想坐标转换到图像坐标系。

2.3 Halcon软件标定实现

本文采用了Halcon软件上自带的标定助手来对相机进行标定。其具体完成步骤如下：

（1）按照从菜单栏中选择助手，然后打开新的Calibration，进入相机安装页面，导入标定板文件和相机参数，选择相机模型。

标定任务：本研究中标定任务默认为全标定；摄像机模型选择：有面扫描和线扫面，面扫描分为Division和多项式，这里选择Division模式，不考虑切向畸变，按一般情况模式设置；单个像元的宽Sx和高Sy相机说明书都有像元大小，这里为1.13μm×1.13μm；焦距：前面相机镜头中参数已经给出。

（2）进入标定页面之后打开标定图像，然后进行标定。进入标定界面之后，如果是实时的采集则选择图像采集助手，如果事先已经保存好的文件就选择图像文件，加载标定的图像，标定图像越多越好，最好12幅以上更精确。选择一幅图像作为参考位置，设置过程如圖1所示。

图像品质：图像是否过曝，标定图像数量是否过少，一般不能超过70的默认警告等级。

（3）在进行参数设置之后，进入到结果界面，如果没有问题，则点击标定，自动进入标定结果界面。具体参数如图1所示。

可以看到状态为标定成功，内外参数已经求解出来，平均误差为0.01638个像素。如果不需要再修改，点击保存，保存相机的内参。

Kapp：相机畸变系数，为-27418.6（1/m2）；相机位姿：如图1所示，即为X，Y，Z后面的数值代表在对应坐标轴的距离，后面的方向旋转代表在各自坐标轴的旋转角度。也可以点击保存，保存相机的外参。

3 结论

本文提出了对相机进行标定详细有效的方法，通过机器视觉中刀具磨损图像的深入研究，并经实验分析用检测刀具磨损状态的精确度较高，重复精度在0.008mm以内，方差小于0.02，该标定方法能够充分发挥Halcon软件高精度快速测量的优势，可靠性高，易于实现，能够用于刀具磨损的高精度复杂的测量。

参考文献

[1]李丽宏等.显微视觉技术在微细加工中的应用[J].天津工业大学学报，2012，31（06）：60-63.

[2]张佳平.数字图像刀具几何参数测量系统的研究[D].厦门：厦门大学，2007.4-6.

[3]Rafael C.Gonzalez，Richard E.Woods.阮秋琦等.数字图象处理[M].北京：电子工业出版社，2011.

[4]Faugeras，Olivier.Three-dimensional computer vision：a geometric viewpoint[M].MIT press，1993.

[5]Lu D S，Chen C C.Edge detection improvement by ant colony optimization[J].Pattern Recognition Letters，2008，29（04）：416-425.

[6]陈锡渠，彭晓南.金属切削原理与刀具[M].北京：北京大学出版社，2006.

作者单位

四川理工学院自动化与信息工程学院 四川省自贡市 643000