一種圓鋸片磨損量在線測量方法
【技術領域】
[0001] 本發(fā)明屬于圖像處理技術領域，涉及一種刀具磨損狀態(tài)視覺檢測方法，更具體地 說，是涉及一種圓鋸片磨損量在線測量方法。該方法是通過識別出圖像邊緣角點，根據(jù)角點 的位置再求解出圓鋸片磨損量的方法。
【背景技術】
[0002] 機器視覺作為一種新興的檢測技術，以其快速、實時、智能和低成本的特點獲得廣 泛應用?；跈C器視覺的測量屬于非接觸式測量方式，不但可以實時對工件特征進行測量， 提高測量的效率，而且可以根據(jù)工件的大小，調整工業(yè)相機的焦距等參數(shù)，實現(xiàn)更大范圍的 尺寸測量，同時可以避免由于測量人員自身心理因素變化產生的測量誤差。
[0003] 刀具磨損量的檢測，目前主要有以下幾種方法。①監(jiān)測振動信號和電機電流信號， 構建振動信號和電機電流信號與刀具磨損量的關系，從而檢測刀具的磨損狀態(tài)；②監(jiān)測加 工過程中聲發(fā)射信號，建立聲發(fā)射信號與刀具磨損量的關系，檢測刀具的磨損狀態(tài)；③隨著 CCD傳感器及其應用技術的飛速發(fā)展，基于機器視覺的非接觸式檢測技術被廣泛應用于尺 寸、位移、表面形狀檢測等領域。應用機器視覺檢測刀具磨損的方法有三種：①檢測刀具表 面圖像；②檢測工件表面紋理圖像；③檢測切肩圖像。
[0004] 圓鋸片磨損量監(jiān)測也常用以上的方法。杭州電子科技大學趙玲等人，基于機器視 覺構建了圓鋸片幾何參數(shù)測量系統(tǒng)。該方法以圓鋸片輪廓優(yōu)化為基礎，對圓鋸片內圓孔提 出了改進的二次多項式插值亞像素定位方法，對齒尖兩段直線采用改進的最小二乘法進行 擬合，提高了檢測精度，但是該方法必須獲得圓鋸片整幅圖像，因而無法實現(xiàn)圓鋸片磨損量 在線測量。瑞典Ekevad等人構建了在鋸切山毛櫸過程中，圓鋸片磨損量與其鋸片振動信號 之間的關系，該方法雖然實現(xiàn)了圓鋸片磨損量的在線測量，但是圓鋸片磨損量與其鋸片振 動信號的精確數(shù)量關系，很難找到，只能對圓鋸片磨損量進行定性檢測。
[0005] 由于被測量對象千差萬別，其結構特征有著很大的差異，基于機器視覺的測量還 沒有一種通用的方法，針對不同的對象，需要采用不同的方法。目前基于經典Harris方法 的圓鋸片磨損量測量方法其實時性差，常常把一些非刀尖點誤判斷為刀尖點，基于改進的 Harris方法的圓鋸片磨損量測量方法雖然在實時性方面有所改進，但仍然常常把一些非刀 尖點誤判斷為刀尖點，無法實現(xiàn)對不同圓鋸片刀尖點準確定位，測量的誤差偏大，無法應用 于實際測量過程中。

【發(fā)明內容】

[0006] 本發(fā)明的目的在于克服已有圓鋸片磨損量測量方法的不足，提出了一種基于機器 視覺的圓鋸片磨損量的在線測量方法，以提高圓鋸片磨損量在線測量的精確度。
[0007] 為達到上述目的，本發(fā)明實現(xiàn)目的所采用的技術方案是：
[0008] -種圓鋸片磨損量在線測量方法，包括如下步驟：
[0009] 1)獲取圓鋸片圖像：將安裝在支架上的工業(yè)相機，通過人工調節(jié)，使工業(yè)相機正 對著被測圓鋸片，工控機觸發(fā)圖像采集卡，獲取圓鋸片圖像；
[0010] 2)對圖像采用中值濾波進行降噪預處理；
[0011] 3)基于自適應閾值，運用8鄰域灰度相似度篩選方法，找出圓鋸片的候選角點；
[0012] 具體是以（X，y)為中心的窗沿平移向量（u，V)移動引起的灰度變化E (u，V)為：
[0014] I (x+u, y+v)為平移后的灰度值，I (X，y)為平移前的灰度值，ω (X，y)為高斯窗口 函數(shù)，
[0015] 其微分形式為
[0018] 其矩陣形式為
[0020] 其中，M為目標像素點（x，y)的自相關函數(shù)矩陣
[0022] 高斯窗口函數(shù)
[0023] 目標像素點（X，y)的角點響應函數(shù)值：
[0024] CRF (x, y) = det (M) -k (trace (M))2
[0025] 其中det (M)表示矩陣M的行列式，trace (M)表示矩陣的跡，k取0. 04~0. 06 ;
[0026] 將目標點（x，y)與其8鄰域范圍內各像素點圖像灰度值的標準差作為8鄰域灰度 相似判定閾值t，最大角點響應函數(shù)值CRFniax的百分之一作為角點響應檢測閾值T，
[0027] 目標點（x，y)與其8鄰域范圍內各像素點的灰度值之差ΛΙ，并統(tǒng)計ΛΙ在[_t，t] 范圍內的像素點個數(shù)n，滿足2 < η < 6且其角點響應函數(shù)值大于T且局部最大的目標點為 候選角點。
[0028] 4)針對候選角點，判斷其是否為鄰域內唯一角點或其角點響應函數(shù)值最大，剔除 掉偽角點；
[0029] 保留那些是其5X5鄰域內為唯一的角點的候選角度或其5X5鄰域內的CRF值最 大的候選角度。
[0030] 5)判斷角點是否為曲線上極大值點來剔除齒根點，從而確定了圓鋸片刀尖點的整 像素坐標
[0031] 角點與前一個角點連線的斜率ku CN 105184792 A 機切 3/8 頁
[0033] 角點與后一個角點連線的斜率kl2
[0035] (Xl，yi)是第i個角點的像素坐標，（X1 i，yi J是第i個角點的前一個角點像素坐 標，（x1+1，y1+1)是第i個角點的后一個角點像素坐標，
[0036] 若MO且kl2>0,判定該點不為刀尖點，將其剔除，
[0037] 6)利用三次曲面擬合法對刀尖點進行亞像素定位
[0038] 整像素刀尖點（X，y)及其某鄰域內各點的CRF的二元三次函數(shù)形式：
[0040] 擬合的誤差平方和
[0043] 利用確定的三次曲面表達式求解整像素刀尖點細分為3X3亞像素點的CRF，取9 個亞像素點中CRF最大值所對應的亞像素坐標作為該刀尖點的坐標。
[0044] 7)使用最小二乘法求解刀尖點所在圓的半徑值，通過相機標定關系得出圓鋸片的 實際磨損量
CN 105184792 A 說明書 4/8 頁
[0054] r2= (A2+B2-4C)/4
[0055] 再根據(jù)相機標定關系，求出刀具實際的半徑值，兩次檢測結果之差即為圓鋸片的 磨損量。
[0056] 本發(fā)明與現(xiàn)有技術相比具有以下優(yōu)點和有益效果：
[0057] 1、通過所述的步驟3和步驟4的兩次篩選，剔除了偽角點，避免了現(xiàn)有方法的角點 聚簇現(xiàn)象。
[0058] 2、通過所述的步驟5,剔除齒根點，從而確定了圓鋸片刀尖點的整像素坐標，避免 了現(xiàn)有方法將齒根點誤判定為刀尖點引起圓擬合的偏差甚至錯誤。
【附圖說明】
[0059] 圖1為本發(fā)明實施例的測量裝置構成示意框圖，
[0060] 圖2為本發(fā)明實施例的工業(yè)相機安裝示意圖，
[0061 ] 圖3為本發(fā)明實施例的實現(xiàn)流程圖，
[0062] 圖4用本發(fā)明與現(xiàn)有方法對相鄰鋸齒間平穩(wěn)過渡的圓鋸片的刀尖點提取比較圖，
[0063] 圖5用本發(fā)明與現(xiàn)有方法對相鄰鋸齒間急促過渡的圓鋸片的刀尖點提取比較圖。
【具體實施方式】
[0064] 為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對 本發(fā)明進行進一步的詳細說明。應當理解，此處所描述的具體實施例僅僅用于解釋本發(fā)明， 并不用于限定本發(fā)明。
[0065] 本發(fā)明的一種圓鋸片磨損量在線測量方法，在線測量圓鋸片磨損量前，對工業(yè)相 機進行標定，其方法為，在安裝圓鋸片的位置，安裝尺寸已知的標定物，工控機觸發(fā)圖像采 集卡獲取標定物的圖像，根據(jù)獲取的圖像，計算已知尺寸的像素值，已知尺寸除以像素值得 到每個像素代表的實際尺寸值。如圖3所示，具體步驟如下：
[0066] 步驟1、將工業(yè)相機安裝在支架上，通過人工調節(jié)，使工業(yè)相機正對著被測圓鋸 片；
[0067] 如圖1所示，整個測量裝置包括工業(yè)相機，圖像采集卡、工控機和測量軟件。如圖2 所示，在測量圓鋸片磨損量前，將工業(yè)相機3安裝支架4上，通過人工調節(jié)使工業(yè)相機3正 對著機床1上的圓鋸片2,將工業(yè)相機用網(wǎng)線5與工控機6中的圖像采集卡（圖中未畫出） 連接。
[0068] 步驟2、工控機觸發(fā)圖像采集卡，通過工業(yè)相機獲取圓鋸片圖像；
[0069] 工控機作為主控制器，圖像采集卡通過PCI-e總線與工控機通信，工業(yè)相機正對 著被測圓鋸片，被測圓鋸片經透射光源照射后成像于工業(yè)相機上，圖像采集卡將采集到的 數(shù)字圖像傳輸?shù)焦た貦C，從而獲取圓鋸片的圖像。
[0070] 步驟3、對圖像進行預處理；
[0071] 為抑制噪聲影響，將工業(yè)相機采集到原始圖像進行降噪處理。采用中值濾波進行 降噪處理，使物體和背景各自均勻單一，對比度大，無其他線條及難以區(qū)分的細節(jié)。
[0072] 步驟4、基于自適應閾值，運用8鄰域灰度相似度篩選方法，找出圓鋸片的候選角 占.
[0073] 為了提高該方法的整體適應性，降低由于閾值設置不合理而引起的角點錯檢和漏 檢，在圓鋸片刀尖點檢測方法中，使用自適應閾值選取辦法。將圖像灰度值的標準差作為8 鄰域灰度相似判定閾值t ;將圖像的最大角點響應函數(shù)值CRFniax的百分之一作為角點響應 檢測閾值T。
[0074] 以（X，y)為中心的窗沿平移向量（u，V)移動引起的灰度變化E (u，V)為：
[0076] I (x+u, y+v)為平移后的灰度值，I (X，y)為平移前的灰度值，ω (X，y)為高斯窗口 函數(shù)，
[0077] 其微分形式為
[0080] 其矩陣形式為
[0082] 其中，M為目標像素點（x，y)的自相關函數(shù)矩陣
[0084] 高斯窗口函數(shù)
[0085] 目標像素點（X，y)的角點響應函數(shù)值：
[0086] CRF (x, y) = det (M) -k (trace (M))2
[0087] 其