谢东明 任小洪 袁文林
四川理工学院自动化与电子信息学院 四川自贡 643000
人工智能四川省重点实验室资助项目（项目编号：2012RZY22）
【文章摘要】
为了保证加工过程的顺利进行，必须检查刀具的刃口是否已经损坏，从而判断是否应该更换刀具。近年来很多人都研究了基于机器视觉的刀具状态在线监测技术，而采用机器视觉进行测量和监测，相机的标定是很重要的步骤。鉴于传统的相机标定方法的不足之处，本文提出了一种性能更好的标定方法。
【关键词】
图像；刀具；标定
1 背景
就传统的相机标定方法而言，其数据配准不可靠，对安装在主轴上的对象不适用，不灵活，难于安装，并可能造成结果不精确。而且，原始的标定方法是用于放置在工作台上的对象的。因此，通过相机测量工作台附近的对象是可靠的，而刀具只能在工作台附近测量，并且相机和刀具尽量靠近。对于不同的机床也需要不同大小的视场.
2 提出的方案
为了解决前面提到的问题，本文提出了另一种图像采集和配准方法，由于这里的被测对象是安装在主轴上，相机标定件也必须安装在主轴上。为了安装标定装置，用到了自动换刀装置。安装过程基本是自动完成的。为了建立三维点集，将一个标定件通过主轴的运动置于不同的位置，而不是使用具有多个特征点的标定件。
该方案保证了数据的配准，每幅图像都只对应一个特征点，这样，只要一个点被检测到，就可以将其添加到配准数据，而不需要进行多特征点配准。未被检测到的点不会被配准，但这不会影响其他点的配准。
这种方法可以使用更加灵活的视场， 其标定值是通过刀具的运动来建立的，它可以通过改变运动范围来调节。为了测量工作台上的工件，标定件可以运动到工作台附近的空间。对于主轴上的被测对象，与之大小相当的标定件可以在视场范围内运动。相机可以放置在机床上的几乎任何地方，只要主轴在视场内，而不必把视场调整到工作台范围。因此，该方案允许更加灵活的在线应用。
最复杂的步骤在于根据机床坐标校准标定件的坐标，但这可以通过该方案自动解决。由于是刀具运动，所以是自动与机床系统联系在一起的。平移补偿值可能也是需要的，不过，如果目标特征与主轴一致，就只有Z 方向的补偿值是需要获取的。
3 系统设计
本系统的设计包括标定件，标定件的图像特征点提取算法，怎样使用特征点建立数据集，以及用于将数据集匹配到适当的相机模型的相机标定算法。
3.1 标定件
为了满足上述要求，设计了一个可安装到主轴上的标定件。它有一个唯一的特征点位于主轴的旋转轴上。由于不要求使用图像匹配算法来匹配图像特征点和世界坐标系，于是单一的特征点就保证了可靠性。然而，需要多个不共面的特征点来来标定相机，这可以通过主轴的运动来完成。
由于坐标是通过主轴的相关运动建立的，为了将通过标定件运动建立的坐标系与机床主轴联系起来，并不需要特殊的校准。不过，由于机床坐标的原点位于主轴端面，从特征点到端面的补偿值仍然是必需的。
唯一特征点由两个同心椭圆决定。因为机床上可能有多个目标具有圆的特征（比如螺母），所以不能只用一个椭圆。设计的标定件如图1。
图1 标定件
3.2 特征检测算法
设计好目标以后，需要使用特征识别算法来提取特征点的位置。要检测的特征点是同心椭圆的圆心。椭圆圆心用于相机标定的参照坐标系。算法流程如下：
（1） 使用Canny 算子提取图像的轮廓；
（2） 去除所有长度小于50 像素的短的轮廓线；
（3） 去掉所有高宽比较大的轮廓线；
（4） 将剩下的轮廓线与椭圆匹配；
（5） 检查两个椭圆的圆心之间的距离是否小于设定的阈值；
（6） 通过上一步的检查就确定了同心椭圆的圆心。
3.3 建立点集
为了建立点集，主轴需要运动到不同的位置。为了建立相机模型，这些点必须是不共面的，因此必须进行三个轴方向上的平移运动。虽然不是必须的，但是点集应尽量覆盖相机的整个视场范围。比如，要建立一个3×3×3 的网格空间，就需要27 次运动。
3.4 相机标定算法
这里使用了一种比较基本的基本方法，相机参数使用最小二乘法建立，用于获得投影矩阵，而相机参数和光学畸变参数则通过非线性优化获得。使用的是来自参考文献[4] 中介绍的标定算法。
3.5 验证
可以使用投影误差对相机标定的精确度进行了验证。投影误差是通过使用相机模型将三维空间中的点投影到图像坐标系来决定的。然后在相同位置获取标定目标的图像，将投影图像和实际图像的点进行位置的对比，两者之间的距离就是投影误差。如果投影点也用于相机标定的输入，则误差说明了相机的近似模型和输入数据集的逼近程度，这样产生的误差训练误差。如果数据点不用做相机标定的输入，那么误差就说明了相机模型和输入数据集与相机投影之间的逼近程度，这样产生的误差叫做应用误差。
这里采用了KVC600N 立式加工中心进行验证。为了测试标定的精度，相机安装在工作台一侧以获取Y 轴的运动。编程中对平移轴采用0.0001mm 分辨率。
使用同样的相机配置和数据点集进行5 次试验以确定相机标定的重复性定位精度。数据点集的空间范围为240×240×240mm，样点以60mm 为间距进行采集，因此总共有125 个数据点。从中随机选取10 个样点用于确定重复定位精度。
4 结论
经测试验证，相机的平均标定误差为0.20mm，方差为0.10mm。由理论分析及实验结果可以看出，本文所提出的网格式单一特征点标定方法具有精度高、重复性好，易于实现等优点，能满足大多数刀具在线监测装置的需要。
【参考文献】
[1] 赵小松, 张宏伟, 张国雄, 李真. 摄像机标定技术的研究[J]. 机械工程学报. 2002(03)
[2] 王建文, 陶瑞. 快速有效的摄像机标定方法[J]. 计算机工程与设计. 2010(11)
[3] 陈越锋. 相机几何标定方法研究[J]. 科技信息. 2013(08)
[4]Faugeras,Olivier.Three-dimensional c o m p u t e r v i s i o n : a g e o m e t r i c viewpoint[M]. MIT press,1993. 210
应用技术