【正文】 圖 。 零件長(zhǎng)度 檢測(cè) 系統(tǒng) 軟件 設(shè)計(jì) 方案 本文介紹的零件長(zhǎng)度檢測(cè)方法， 主要體現(xiàn)快速，可靠，高效的特點(diǎn)， 使用 LabVIEW 以及其視覺(jué)工具 為軟件平臺(tái)，為達(dá)到以上特點(diǎn) 提供了必要條件 。 LabVIEW 具有以下特點(diǎn) ： 圖 形化和 圖形驅(qū)動(dòng)式開(kāi)發(fā)環(huán) 境 靈活的程序調(diào)試手段和編程效率 功能強(qiáng)大的函數(shù)庫(kù) 支持多種系統(tǒng)平臺(tái) 開(kāi)放式的開(kāi)發(fā)平臺(tái) （ 2） IMAQ 視覺(jué)模塊 IMAQ Vision 是 LabVIEW 內(nèi)置的視覺(jué)開(kāi)發(fā)工具包，其中包括 IMAQ Vision 和 Vision Builder 兩個(gè)組件。 Vision Builder 是一個(gè)交互式的機(jī)器視覺(jué)系統(tǒng)開(kāi)發(fā)環(huán)境，可以在 系統(tǒng)軟件 設(shè)計(jì)的每一步看到輸出的中間結(jié)果，并可以隨時(shí)進(jìn)行修改。 NI 的 IMAQ Vision 軟件包 為圖像處理提供了完整的功能。此外， IMAQ Vision Builder 可用于快速瀏覽、建立模型及測(cè)試應(yīng)用，且無(wú)需編程。 （ 3） VBAI 概述 VBAI 全稱叫 VisionBuilderforAutomatedInspection，是 NI 推出的一款視覺(jué)檢查軟件產(chǎn)品， NI 稱其為用于自動(dòng)檢測(cè)的視覺(jué)生成 工具 。 系統(tǒng)軟件設(shè)計(jì)方案 本系統(tǒng)先通 過(guò) VBAI 設(shè)計(jì)完成系統(tǒng)部分功能，在生成 LabVIEW 代碼完成整體系統(tǒng)功能和人機(jī)交互界面的設(shè)計(jì)。 本系統(tǒng)軟件設(shè)計(jì)方案為 如圖 所示 ： 圖 軟件設(shè)計(jì)方案 本章小結(jié) 本章給出了 零件長(zhǎng)度 檢測(cè)系統(tǒng)的 總體方案設(shè)計(jì)，分別介紹了 圖像采集的硬件總體方案設(shè)計(jì)，圖像采集流程 ，以及軟件 編寫流程和系統(tǒng)功能的設(shè)計(jì)。 特征匹配及預(yù)處理 零件原始圖像 零件長(zhǎng)度檢測(cè) 生成LabVIEW 代碼 數(shù)據(jù)處理及儲(chǔ)存 VBAI 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 13 第 3 章 基于圖像的零件長(zhǎng)度 計(jì)量 方法 本章 通過(guò) LabVIEW 接收 圖像采集裝置 采集 到的零件 圖像 。 零件圖像采集 方法 由第二章可知， 通過(guò)背光光源照射后 使 被測(cè)物體 特征明顯，在經(jīng)過(guò) 運(yùn)動(dòng)與控制裝置使被測(cè)物體完全進(jìn)入相機(jī)視野 ，拍攝 照片， 然后通過(guò) 圖像采集卡 將 采集到的圖片傳到軟件平臺(tái)中處理，得到被測(cè)物體的長(zhǎng)度數(shù)據(jù)。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 14 圖 在 MAX 里面采集圖像 本文采用連續(xù)采集方式， 編寫程序時(shí) 一般可分為：相機(jī)初始化、建立圖像采集任務(wù)、采集圖像、關(guān)閉相機(jī) 、刪除任務(wù)。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 15 圖 枚舉 USB 攝像頭 VI 通過(guò)枚舉獲得當(dāng)前計(jì)算機(jī)中可用的 USB 攝像頭， 從而選擇要調(diào)用的攝像頭。 圖 初始化 USB 攝像頭 VI 初始化調(diào)用的攝像頭的參數(shù)，如： 對(duì)焦方式、對(duì)比度等參數(shù)， 使 攝像頭成像清晰。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 16 圖 初始化 Grab VI （ 4） 調(diào)用 IMAQ 創(chuàng)建圖像數(shù)據(jù)緩沖區(qū) ，如圖 。 （ 5） 調(diào)用 IMAQ USB Grab 快速采集圖像數(shù)據(jù) ，如圖 。 （ 6） 調(diào)用 IMAQ USB ，釋放占有的 USB 攝像頭 ，如圖 。 （ 7） 調(diào)用 IMAQ ，釋放占有的圖像數(shù)據(jù)緩沖區(qū) ，如圖 。 通 過(guò)以上步驟可以編寫一個(gè)完整的圖像采集程序，可以連續(xù)獲得零件圖像，高效的完成圖像采集工作，整體 圖像 采集 程序以及采集到的零件圖如圖 、 。如找邊、找圓、粒子析、亮度測(cè)量、紋理分析、匹配、存在性等許多的檢測(cè)都是基于灰度圖像的。 LabVIEW 實(shí)現(xiàn)灰度圖像 轉(zhuǎn)化依靠 抽取顏色平面函數(shù)來(lái)實(shí)現(xiàn) ，具體操作步驟如 圖 。同一張彩色圖像，抽取不同的顏色平面，得到的灰度圖像是完全不一樣的 ，得到的零件灰度圖像 圖 。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 20 零件 圖像的 平滑與增強(qiáng) 在現(xiàn)實(shí)的檢測(cè)過(guò)程中無(wú)論是工業(yè)現(xiàn)場(chǎng)還是實(shí)驗(yàn)室仿真環(huán)境，都不可能存在沒(méi)有任何干擾的理想檢測(cè)環(huán)境，因而檢測(cè)過(guò)程中采集的圖像不可避免地會(huì)帶有噪聲，采集到的圖像在傳輸和存儲(chǔ)過(guò)程也會(huì)受到各種噪聲的影響和干擾。 所以 對(duì)采集到的待測(cè)零件圖像進(jìn)行 各種 各樣的 圖像處理之前，首先采用 適當(dāng) 的方法減少圖像噪聲， 一般采用的方法 是使用數(shù)字濾波器，其濾波的效果 對(duì) 測(cè)量 的精度 影響很大 。也是圖像預(yù)處理的最 關(guān)鍵的步驟之一。在平滑過(guò)程中，信號(hào)數(shù)據(jù)點(diǎn)被修改，由噪音產(chǎn)生的單獨(dú)數(shù)據(jù)點(diǎn)被降低，低于毗鄰數(shù)據(jù)點(diǎn)的點(diǎn)被提升，從而得到一個(gè)更平滑的信號(hào)。有許多不同的算法可用于平滑。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 21 圖 濾波設(shè)置 （ a）原圖 （ b）高斯濾波 圖 濾波效果 以上是 NI Vision 視覺(jué)軟件 NI Vision Assistant 中的平滑濾波器?？梢匀コS多噪聲，邊緣變得更平滑。而低通平滑濾波器則平滑效果沒(méi)有高斯 的好，但是保留了足夠的細(xì)節(jié)。通俗的講，高斯濾波就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他 像素值 經(jīng)過(guò)加權(quán)平均后得到。 圖像增強(qiáng) 概述 增強(qiáng)圖像中的有用信息，它可以是一個(gè)失真的過(guò)程，其目的是要改善圖像的視覺(jué)效果，針對(duì)給定圖像的應(yīng)用場(chǎng)合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來(lái)不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富 信息量，加強(qiáng)圖像判讀和識(shí)別效果，滿足某些特殊分析的需要 ，本文的圖像增強(qiáng)方法如圖 所示 。 （ a）原圖（ b） 7*7 卷積運(yùn)算 圖 卷積 運(yùn)算后的圖像 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 24 零件 圖像標(biāo)定和矯正 方法 利用圖像測(cè)量技術(shù)測(cè)量物體幾何尺寸時(shí)，由于光學(xué)鏡頭固有的缺陷，會(huì)使采集的圖像存在非線性的幾何畸變 ， 對(duì)測(cè)量精度產(chǎn)生很大的影響。傳統(tǒng)的標(biāo)定方法 有 Tsai 兩步法， Weng 迭代法，張正友雙平面法等，應(yīng)用 雖然 較為廣泛 ， 但實(shí)際的標(biāo)定過(guò)程 是十分 繁瑣 的 。 標(biāo)定模版 為校正畸變對(duì)圖像造成的影響，在 LabVIEW 平臺(tái)下的標(biāo)定過(guò)程中采用具有明顯特征及對(duì)應(yīng)關(guān)系的點(diǎn)陣標(biāo)定板，標(biāo)定板如下圖所示 ， 其中每個(gè)黑色圓點(diǎn)的半徑以及相鄰圓點(diǎn)圓心間的距離都是恒定的。 圖 黑色圓點(diǎn)標(biāo)定模版 標(biāo)定 過(guò)程 為實(shí)現(xiàn)精確測(cè)量，要充分考慮非線性徑向畸變的影響，需選擇 DistoritionModel（ Grid），此模式在矯正非線性畸變的同時(shí)對(duì)線性畸變也同樣矯正，即相機(jī)與工作平面不垂直不會(huì)影響測(cè)量結(jié)果。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 25 圖 載入標(biāo)定圖像 （ 2） 采用 RGB、 HSL 等的 一種方法 ，通過(guò)調(diào)節(jié)參數(shù)來(lái)對(duì)圖像進(jìn)行閾值分割，使黑色圓點(diǎn)從背景中顯現(xiàn)出來(lái)。最后定義識(shí)別的點(diǎn)大小范圍以及圓度范圍以防止圖像中細(xì)微噪點(diǎn)被錯(cuò) 誤識(shí)別為標(biāo)定圓點(diǎn) ，如圖 圖 分割圖像 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 26 （ 3）輸入標(biāo)定模版的相關(guān)信息，包括 XSpacing， YSpacing 和 Unit，分別代表 X 方向上相鄰兩個(gè)圓點(diǎn)圓心間的距離， Y 方向上相鄰兩個(gè)圓點(diǎn)圓心間的距離和距離 的單位 ，如圖 。 圖 學(xué)習(xí)模板 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 27 （ 5）為標(biāo)定圖像設(shè)定坐標(biāo)系，以便在后續(xù)測(cè)量中 得出點(diǎn)的精確坐標(biāo)值 （ 6）最后將標(biāo)定好的結(jié)果保存為 png 格式文件 ，在測(cè)量時(shí)進(jìn)行調(diào)用 標(biāo)定 結(jié)果 本實(shí)驗(yàn)中相機(jī)使用的鏡頭為廣角鏡頭，畸變率較大。實(shí)際的測(cè)量結(jié)果也同樣讓人滿意，能達(dá)到不錯(cuò)的精度 ，結(jié)果如圖 。 采用 LabVIEW 的視覺(jué)工具 的標(biāo)定方法可以 十分有效地 消除圖像中線性 、 非線 性的畸變， 不但 使用方便 、 測(cè)量精度高， 而 且能夠與 LabVIEW 機(jī)器視覺(jué)組件的圖像處理 、 圖像測(cè)量功能形成完美的結(jié)合 ， 是傳統(tǒng)方法無(wú)法相比的， 在實(shí)際應(yīng)用中很有實(shí)用價(jià)值 。 實(shí)現(xiàn)步驟： （ 1） 選擇幾何匹配函數(shù) ，在 Main 選卡中輸入步驟名，并選擇要查找的范圍，本文選全圖 ，如圖 。 后面幾個(gè)選卡在新建模板時(shí)已經(jīng)設(shè)置好，可以不用重新設(shè)置 ，如圖 。 圖 建立相對(duì)坐標(biāo)系 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 30 當(dāng)被測(cè)物體完全進(jìn)入攝像頭視野內(nèi)時(shí)，模板匹配成功，會(huì)框出被測(cè)物體的位置，否則會(huì)一直匹配模板直到找到被測(cè)物體為止，當(dāng)匹配成功后還會(huì)在匹配一次新的模板，以建立一個(gè)精確的相對(duì)坐標(biāo)系，以后的測(cè)量都以這個(gè)相對(duì)坐標(biāo)系為參考，測(cè)量被測(cè)物體周圍的圖像，這種方法很大的提高了測(cè)量效率，而且提高了抗干擾能力步驟及結(jié)果 如 圖 、 。 因此首先要檢測(cè)刀片的邊緣 是一個(gè)關(guān)鍵的問(wèn)題。 方式一 —— 測(cè) 點(diǎn)到直線的距離 由于簡(jiǎn)化為兩條直線的距離問(wèn)題，因此采用 了 測(cè)量 點(diǎn)到直線的距離，然后兩這點(diǎn)到直線間的距離的平均值，以代替直線到直 線間的距離。所以一般來(lái)講，使用點(diǎn)到直線間的距離，再求平均值要理想許多。 圖 找直邊函數(shù)設(shè)置 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 32 圖 找直邊 結(jié)果 再用兩次幾何測(cè)量函。 再在上面的邊上 取兩點(diǎn)，重復(fù)上面的操作 ，如圖 、 。 使用 方法為： （ 1） 在 Main 選 卡的 StepName 中 輸入步驟名稱 如圖 。 （ 3） 在 Setting 選卡中根據(jù)實(shí)際情況設(shè)置各個(gè)參數(shù) 如圖 。 圖 設(shè)置 通過(guò)范圍 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 35 使用該函數(shù)是要經(jīng)過(guò)多次試驗(yàn)設(shè)置好卡尺類型， 搜索線之間的距離， 邊緣強(qiáng)度 等參數(shù)。 圖 夾鉗函數(shù)測(cè)量結(jié)果 零件長(zhǎng)度檢測(cè)方式選擇 用 點(diǎn)到直線的距離， 測(cè)量步驟較多 ，用時(shí)比較長(zhǎng)，但是優(yōu)點(diǎn)在于 測(cè)量結(jié)果穩(wěn)定可靠，使用 夾鉗函數(shù) 一步 測(cè)得結(jié)果，步驟簡(jiǎn)單但是 對(duì)于毛刺干擾 很敏感，如果邊緣有毛刺，則會(huì)對(duì)測(cè)量結(jié)果造成很大的影響 ，適用于零件邊緣光滑無(wú)毛刺，要求測(cè)量速度較高的場(chǎng)合 。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 36 零件長(zhǎng)度 計(jì)量誤差處理 誤差分析 在機(jī)械測(cè)量的實(shí)際中，隨著科學(xué)技術(shù)的發(fā)展和測(cè)量手段的不斷完善，測(cè)量誤差被控制得越來(lái)越小，但是對(duì)于機(jī)械測(cè)量來(lái)說(shuō)誤差存在有它的普遍性和必然性，在現(xiàn)實(shí)的檢測(cè)過(guò)程中誤差是不能完全消除的，只能盡量減小。 本系統(tǒng)誤差主要有以下幾個(gè)方面： （ 1）圖像采集誤差 相 機(jī)作為檢測(cè)系統(tǒng)的圖像采集設(shè)備，其辨率的大小將直接影響圖像的質(zhì)量， 本系統(tǒng)采用普通 USB 攝像頭，分辨率由軟件插值達(dá)到 500 萬(wàn)，因此采集的圖像不能真實(shí)的反映實(shí)際被測(cè)零件的圖像信息，誤差較大，因此在實(shí)際生產(chǎn)過(guò)程中要用專業(yè)的工業(yè)相機(jī)來(lái)采集圖像。實(shí)際應(yīng)用中 在選擇光源的時(shí)候，如果感覺(jué)拿不準(zhǔn)，可以把樣品提供給光源提供商，光源提供商會(huì)在 光源實(shí)驗(yàn)室里面 選擇合適的光源。無(wú)振動(dòng)干擾的環(huán)境僅僅是理想中的環(huán)境，振動(dòng)對(duì)檢測(cè)系統(tǒng)影響是不可避免的，只能盡量減小可避免的外界振。 （ 4） 系統(tǒng)標(biāo)定誤差 在系統(tǒng)標(biāo)定中標(biāo)定的準(zhǔn)確度會(huì)直接而且最大程度的影響測(cè)量結(jié)果的精度，在本文中采用的是平面標(biāo)準(zhǔn)網(wǎng)格作為系統(tǒng)標(biāo)定的參照物。 （ 5）軟 件算法誤差 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 37 本文在圖像預(yù)處理過(guò)程中進(jìn)行了圖像濾波操作，通過(guò)濾波可以降低圖像的噪聲，但是也使得圖像中的邊界產(chǎn)生了誤差影響后續(xù)處理中邊界位置誤差。 任何測(cè)量總是不可避免地存在誤差，為了提高測(cè)量精度，必須盡可能消除或減小誤差 ，因此有必要對(duì)測(cè)得的數(shù)據(jù)進(jìn)行誤差分析 以及測(cè)得結(jié)果的評(píng)定 。 所以 本文測(cè)得的數(shù)據(jù)包含隨機(jī)誤差。如果能夠 對(duì)某一量進(jìn)行無(wú)限多次測(cè)量 ，就可得到不受隨機(jī)誤差影響的測(cè)量值， 或其影響甚 微，可忽略不計(jì)。 隨機(jī)誤差處理 本文測(cè)量結(jié)果按以下步驟測(cè)得： （ 1）求十次測(cè)量值的算術(shù)平均值 = （ ） （ 2） 求殘余誤差 （ ） （ 3）求得測(cè)量列單次 測(cè)量的標(biāo)準(zhǔn)差 （ ） （ 4）求算術(shù)平均值的標(biāo)準(zhǔn)差 （ ） （ 5） 求算術(shù)平均值的極限誤差， 因?yàn)闇y(cè)量列的測(cè)量次數(shù)較少，算術(shù)平 均值的極限誤差 按 分布計(jì)算。根據(jù)= （ ） 求得算術(shù)平均值的極限 誤差。 （ a）計(jì)量誤差處理程序 （ b）結(jié)果顯示面 板 圖 計(jì)量誤差處理 零件長(zhǎng)度 數(shù)據(jù) 儲(chǔ)存 通過(guò) 測(cè)量 得到 零件長(zhǎng)度數(shù)據(jù)后， 為方便后續(xù)的查詢 ，以及通過(guò)分析數(shù)據(jù)的走勢(shì)判斷系統(tǒng)是否 運(yùn)行良好，是否出現(xiàn)故障影響測(cè)量精度 。 現(xiàn)今，數(shù)據(jù)庫(kù)技術(shù) 的 發(fā)展已經(jīng) 日趨成熟 ，著名的數(shù)據(jù)庫(kù)管理系統(tǒng)有 SQL Server、 Microsoft Access、 Oracle、 DB Sybase ASE、 Visual Fo