英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

---

外螺纹检测的计算机视觉算法

E.S. Gadelmawla

Department of Marine Engineering, Faculty of Marine Sciences, King Abdulaziz University, Jeddah 21589, Saudi Arabia

摘要: 目前测量螺纹的方法要么费时，要么昂贵。此外，没有单一的测量方法，能够准确测量所有螺纹特征，同时大大缩短测量时间。本文介绍了一种用于多种螺纹自动检测的视觉系统。许多图像处理和计算机视觉算法已经被开发出来，用于分析螺纹的捕获图像并执行测量和检查过程。大多数常见的螺纹特征（18个特征）都可以通过本文介绍的视觉系统进行测量。系统已按英制和公制单位校准，并通过测量标准ISO公制螺纹塞规和将测量结果与标准值进行比较来验证。结果表明，标准值与实测值的最大差值为plusmn;5.4mu;m，具有较好的测量精度。

关键词： 螺纹 螺纹测量 螺纹检查 计算机视觉 图像处理

1 引言

螺纹可能是所有机械元件中最重要的。螺纹管接头通常用于石油、运输和采矿等行业[1]。据统计，每台机械设备的螺纹连接件一般占机械总零件的15%。在工业生产中，螺纹的使用频率很高，对实时高精度测量和提高附件质量也起着重要的作用[2]。

由于螺纹的基本设计涉及螺旋几何，因此螺纹技术非常复杂[3]。测量螺纹的方法和螺纹本身一样多种多样。这些方法包括坐标测量机、轮廓投影仪、激光测量、测量显微镜、三线制单元、螺纹千分尺和V形槽千分尺。另一方面，螺纹检查的方法从激光到固定和可变极限测量。

在螺纹的设计和制造中，大约有30个独立的几何特征和尺寸特征[4]。美国最严格的标准检查11种主要的螺纹特性[5]。此外，最近的研究[6,7]探讨了螺纹尺寸不合格对紧固件性能的影响，据报道，中径超过公差150%的尺寸不合格导致抗拉强度降低4%。因此，螺纹的测量和检验对于保证所要求的精度和合格度是非常重要的[8]。

由于螺纹特性测量的重要性，螺纹测量领域的研究仍在进行中。例如，Laczik[9]介绍了用精确的数学形式推导螺旋面的几何特征。Fujun等人[10] 提出了一种利用光学技术和图像处理技术测量管螺纹物理尺寸并进行进一步分析的方法。Zhang和Zhang[11]介绍了一种利用新型螺纹规头自动检测大螺纹的在线接触测量系统。他们利用频谱分析来分析动态误差，并获得功能直径的数据。他们报告说，新型螺纹规头能够得到螺纹功能直径的误差和相对变化。Tong等人[12] 介绍了一种基于激光测量原理的螺纹参数自动测量系统。利用位置敏感器件（PSD）测量螺纹轮廓的坐标数据，利用精密光栅测量精密工作台的轴向位移，对螺纹轮廓进行检测和估算。Gadelmawla[13]开发了一个非接触式测量系统，使用测量仪、个人计算机和开发的软件，用于测量和检查大多数常见类型的螺纹。Kosarev和Sugrobova介绍了一种通过金属塑性变形来检验内螺纹廓形质量的方法[14]。

目前测量螺纹的方法要么费时，要么昂贵。此外，没有单一的测量方法，能够准确测量所有螺杆特性，同时大大缩短测量时间。因此，本文的目的是开发一种基于计算机视觉技术的非接触测量系统，用于测量和检测外螺纹的最常见特征。

2 实现的视觉系统

视觉系统主要由硬件和软件两部分组成。硬件用来采集被测螺纹的图像，软件用来分析被测螺纹的图像并执行测量和检测过程。

2.1 系统结构

如图1所示，硬件由三项组成。第一是背光台，背光台是一个前面有漫射面的灯箱，用于产生待测螺纹的背光。第二项是一个CCD彩色摄像机和一组不同焦距的镜头。相机由相机支架携带，通过USB连接与PC机相连。摄像软件配有CCD摄像机，可采集分辨率高达4.2 Mp（2048*2048像素）的图像。

开发的软件名为MISVision（螺纹视觉检测），完全使用微软Visual C 作为内部32位Windows应用程序编写。它具有许多图像处理和计算机视觉算法，以从捕获的图像中测量和检查螺纹特征。图2示出了MISTVision软件的主界面。

图1实现的视觉系统的布局

图2 MISTVision软件的主界面

2.2 拍摄图像

在为要测量的螺纹采集图像之前，对视觉系统进行了调整，以采集满足以下标准的图像：

1.将待测螺纹设置在背光台上，使其轴线水平显示在拍摄图像中。

2.调整CDD摄像机，使螺纹图像在拍摄软件窗口中显示得尽可能大。

3.对于螺纹的上下轮廓，至少应在捕获的图像中显示三个完整的螺纹。

4.应打开拍摄图像的左右两侧，即图像的左右两侧没有背景。

5.如第5.3节所述，捕获图像的大小将影响测量精度；因此，调整视觉系统以捕获2048times;2048像素的图像，以获得良好的精度（5mu;m/像素）。

3 已开发的算法

已经开发了几种图像处理和计算机视觉算法，并将其应用于捕获的图像，以执行测量和检查过程。图3示出了应用这些算法的过程，以下各节对其进行说明。

图3 MISTVision软件测量和检验过程的程序

3.1 图像处理算法

图像处理算法的目的是提取构成螺纹上下轮廓的像素点坐标。这些坐标将被开发的计算机视觉算法用于测量螺纹特征。使用了五种图像处理算法：图像分割、边缘像素检测、边缘像素细化、边缘像素标记和边缘像素排列（EPA）。前四个算法在前面的工作中已经解释过了[15]，而EPA算法将在下文中介绍。

3.1.1边缘像素排列

由于边缘检测算法中所讨论的扫描过程，存储在UpperEdgePixels和LowerEdgePixels数组中的像素通常不被排列。为了便于对提取的像素进行处理，这些像素应该按照它们在线程轮廓中的位置顺序排列。因此，设计了边缘像素排列（EPA）算法来执行该过程。该算法的工作原理如下：

1.搜索UpperEdgePixels数组中的所有像素，找到具有最小x坐标的像素，并将其标记为数组中的第一个像素。

2.测量UpperEdgePixels数组中第一个像素和其余像素之间的所有距离，以找到具有最小距离的像素，并将其标记为UpperEdgePixels中的第二个像素。

3.通过测量UpperEdgePixels数组中第二个像素和所有剩余像素之间的距离来重复步骤2，以找到第三个像素。

4.重复步骤3，根据与上一个像素的最小距离，排列UpperEdgePixels中的所有剩余像素。

EPA算法的结果是从左到右按顺序排列的像素列表。图4左侧所示的两个列表示出了应用EPA算法后提取的上下轮廓的像素。

图4 提取上下轮廓的边缘像素（左列表）和反转像素（右列表）的坐标

3.2 计算机视觉算法

开发了六种计算机视觉算法来计算螺纹特征（18个特征），开发了一种算法来检测螺纹。一旦上下轮廓的坐标按EPL算法顺序排列，则应用计算机视觉算法执行以下小节中讨论的测量和检查过程。

3.2.1反转像素提取

对于螺纹轮廓，反转像素是轮廓改变其方向的像素，如图5所示。对于螺纹轮廓中的任何像素，可以通过从上一个和下一个像素的y坐标中减去该像素的y坐标来计算轮廓的方向。如果两个值具有相同的符号（正或负），则该像素被视为反转像素。反演像素有助于计算螺纹的顶线和根线，因此，我们发展了反演像素提取（IPE）算法，从上下轮廓的边缘像素中提取所有反演像素。例如，IPE算法提取上轮廓的反转像素如下：

1.查找具有不同y坐标的前两个连续像素，例如yn，yn 1。

2.使用图5所示的图像坐标系，如下可以在这两个像素之间计算轮廓的初始方向（DirInit）：

如果yn 1lt;yn，则DirInit=Up，否则DirInit=Down。

3.假设初始方向（DirInit）是下一个像素的前一个方向（DirPrev），即DirPrev=DirInit。

4.循环遍历UpperEdgePixels数组中的所有剩余像素，并对每个像素执行以下操作。假设i是当前像素的像素数。

a、 通过将下一个像素（yi 1）的y坐标与当前像素（yi）的y坐标进行比较，计算轮廓的下一个方向（DirNext），如下所示：

–如果yi 1lt;yi，则DirNext=Up

–如果yi 1gt;yi，则DirNext=Down

–否则，跳过。

b、 如果DirPrev和DirNext相同，则跳过，否则，执行以下操作：

–如果DirNext=Down，则将当前像素标记为峰值反转像素。

–如果DirNext=Up，则将当前像素标记为根反转像素。

–设置DirPrev=DirNext，然后循环到下一个像素。

IPE算法使用相同的过程来提取较低轮廓的反转像素，但步骤4.b中有一个例外。对于较低轮廓，如果DirNext=Down，则当前像素标记为根反转像素，而不是峰值反转像素。类似地，如果DirNext=Up，则当前像素标记为峰值反转像素，而不是根反转像素。图4右侧所示的两个列表示出了由IPE算法为上下轮廓提取的反转像素。

图5 上轮廓（放大图像）顶部和根部的反转像素

3.2.2 峰和根像素提取

顶点和根像素提取（CRPE）算法被开发来提取螺纹轮廓顶点和根线上的所有像素。根据图6所示的螺纹廓线的几何结构，顶线是通过上下廓线的顶反转像素的两条线，同样，根线是通过上下廓线的根反转像素的两条线。

通过参照图4，右上列表表示上轮廓的顶和根反转像素。从该列表中，可以将上轮廓的波峰线定义为连接第一波峰反转像素（像素465）和最后波峰反转像素（像素3609）之间的线。类似地，上轮廓的根线可以定义为连接第一根反转像素（像素931）和最后根反转像素（像素3027）之间的线。类似地，可以定义较低剖面仪的波峰和根线。表1显示了上下剖面的波峰和根线的提取数据。

如果像素与波峰/根线之间的垂直距离（pd）几乎等于零，即1gt;pdgt;-1，则任何像素都可以归类为波峰/根像素。例如，CRPE算法通过计算UpperEdgePixels数组中每个像素与上轮廓的峰值线之间的pd来提取上轮廓的峰值像素。所有满足1gt;pdgt;-1条件的像素都标记为上轮廓的凸点像素。pd值可用式（1）计算：

其中pd是垂直距离，x1，y1是顶线的第一个像素（p1）的坐标，x2，y2是最后一个像素（p2）的坐标，x3，y3是计算pd的像素（p3）的坐标。

对于笛卡尔坐标，pd的负值表示像素p3位于波峰线的左侧（从第一像素到第二像素看），正值表示像素p3位于波峰线的右侧，零值表示像素p3位于波峰线。对于图5所示的图像坐标，则相反，即pd的负值表示像素p3位于波峰线的右侧，正值表示像素p3位于左侧。

通过应用以下步骤，可以提取上轮廓的顶部和底部像

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[238712]，资料为PDF文档或Word文档，PDF文档可免费转换为Word