机器视觉之尺寸测量

在传统的自动化生产尺寸测量中，典型的方法是利用卡尺或千分尺在被测工件上针对某个参数进行多次测量后取平均值。这些检测设备或检测手段测量精度低、测量速度慢，测量数据无法及时处理，无法满足大规模自动化生产的需要。

基于机器视觉技术的尺寸测量方法具有成本低、精度高、安装简易等优点，其非接触性、实时性、灵活性和精确性等特点可以有效的解决传统检测方法存在的问题。同时尺寸测量是机器视觉技术最普遍的应用行业，特别在自动化制造行业中，用机器视觉测量工件的各种尺寸参数，如长度测量、圆测量、角度测量、弧线测量、区域测量等，需要检测出工件相关区域的基本几何特征。不但可以获取在线产品的尺寸参数，同时可对产品做出在线实时判定和分拣，应用十分普遍。

工件检测的基本流程图

被测物的尺寸测量通常包括多个参数尺寸，如距离测量、圆测量、角度测量、线弧测量、区域测量等。

机器视觉尺寸测量应用实例

  角度测量

图像传感器可以将检查对象在平面上表现出来，通过边缘检测，测算位置、宽度、角度等。所谓边缘是指图像内明亮部位与阴暗部分的边缘。

如何进行边缘检测

（1）投影处理

投影处理是相对于检查方向进行垂直扫描，然后计算各投影线的平均浓度。

投影线平均浓度波形被称为投影波形。

算投影方向的平均浓度可以减少区域内的噪点造成的检查错误。

（2）微分处理

根据投影波形进行微分处理。可能成为边缘的、浓淡变化较大的部位，其微分值也较大。可以消除区域内浓度绝对值的变化所导致的影响。例：没有浓淡变化的部位的微分值是0，白色（255）→黑色（0） 时的值是-255。

（3）通过校正使微分最大值达到100%

在实际生产线上，为了使边缘达到稳定的状态，通常会进行适当的调整以使微分绝对值达到100%。将超过预先设置的“ 边缘感度（%）”的微分波形的峰值作为边缘位置。根据浓淡变化峰值的检测原理，在照度经常发生变化的生产线上也可以稳定的检测出边缘。

（4）亚像素处理

对于微分波形中最大部分的中心附近的3个像素，根据这3个像素形成的波形，进行修正演算。以1/100像素为单位测算边界位置（次像素处理）。

边缘检测的代表性检测应用

（1）利用边缘位置的各种检查

在多个部位设置边缘位置模式，测量检测对象的X座标或Y 座标。

（2）利用边缘宽度的各种检查

利用边缘宽度的“ 外部尺寸”模式，检测金属板的宽度、孔洞的X方向/Y方向孔径等。

（3）利用边缘位置圆周区域的各种检查

以圆周作为检测区域，检测切缺部位的角度（相位）。

（4）利用趋势边缘宽度的各种检查

利用“圆周”区域的“趋势边缘宽度”模式，扫描环状工件的内径、评价扁平度等。

趋势边缘模式

趋势边缘位置（ 宽度）模式是指在扫描检查区域内较窄的边缘窗口的同时检测边缘位置。利用这种检查模式，可以对于一个窗口内的多个点进行边缘位置（ 宽度） 检查，因此可以确保捕获工件的微小变化。

检测原理：使小范围内的分割以小间距进行移动，检查各点的边缘宽度或边缘位置。

提高位置检测精度的方法：缩小分割尺寸。

缩短处理时间的方法：缩小分割移位幅度（移动量）。

趋势方向：分割移动的方向。

提高边缘检查效果的预处理滤镜

边缘检查的关键在于如何最大限度的减少边缘的不均现象。预处理滤镜具有“中值”或“平均化”的作用，因此有助于保持稳定的检查效果。下面介绍预处理滤镜的特点及选择方法。

原图像

平均化

中值化

图像传感器边缘检查模式的使用要点

在理解边缘检查原理的基础上进行有效的调整；

理解各种衍生模式，显著提高检查可能性；

参考代表性的检查例有助于工作的进行；

通过实验选择最佳的预处理滤镜，提高检查速度及检查效果。