高铁转向架关键参数的机器视觉测量方案设计

王海 王银灵 姚迪

摘要 在高铁零部件生产制造的过程中，其加工后的尺寸自动检测一直以来都是一项重要课题。本文提出一种基于机器视觉以及数字图像处理的方法，对高铁转向架的关键参数进行测量，解决了长期以来由检测人员手工测量引起的各类问题，实现了数据的实时采集、在线监控，极大提高了检测效率、检测质量，同时也提升了生产自动化及信息化水平。

【关键词】高铁转向架 机器视觉 图像处理自动检测

1 引言

随着国家铁路事业的快速发展，以及具有完全知识产权、达到世界先进水平的复兴号动车组列车的研制成功，高铁对其零部件的质量要求也越来越高。目前，转向架车轮、车轴、牵引拉杆等关键零部件加工后的尺寸检测全部由检测人员手持量具进行，工作量大，效率低，检测结果与检测人员的技能水平直接相关，自动化信息化程度低。

为此，研制出具有自动检测能力的高铁零部件关键尺寸检测装置对提高高铁零部件生产质量、生产自动化以及推动高铁事业的发展具有重要作用，同时该方案也具有十分重要的学术价值和显著的社会经济效益。

基于车轮、牵引拉杆等零件的机械结构及测量要点，本方案首先对巴斯勒工业相机进行标定，获取图像坐标与实际坐标间的关系;接着，利用该相机对工件进行实时图像采集;其次，利用图像滤波、图像锐化、图像二值化等操作，减少噪声干扰;然后，利用Canny边缘检测法提取零件边缘，利用图像形态学及细化处理对边缘进行精细处理;最后，利用霍夫变换对图像中的圆形特征进行识别并进行直径测量，通过图像坐标与实际坐标间的关系获得实际尺寸。

2 自动测量系统建立与标定

本方案核心器件由巴斯勒工业相机、PC机等组成，其中巴斯勒工业相机如图1所示。本方案利用该相机完成数据采集，型号为Basler acA640-120uc，有效像素为658x492，帧速率为120fps，且该相机预先完成了相机矫正等工作，故本方案所述标定仅进行像素坐标与世界坐标间转换关系的讨论。

2.1 系统拟完成目标

本方案主要基于高铁车轮、牵引拉杆、测速齿轮的機械结构及特点制定相应策略，完成其关键尺寸的测量。

2.1.1 车轮

车轮三维截面如图2所示。

车轮尺寸测量主要内容为：轮座内径（A1）（即与车轴过盈配合的工作面）、踏面圆直径（B1）。

2.1.2 牵引拉杆

牵引拉杆如图3所示。

牵引拉杆尺寸测量主要内容为：拉杆两端圆内径（A1）、拉杆两端圆心距离（B1）。

2.1.3 测速齿轮

测速齿轮如图4所示。

测速齿轮尺寸测量主要内容为：内径尺寸（Al）、外径尺寸（B1）。

2.2 系统工作流程

本方案针对要实现的目标及实际系统情况，设计了基于机器视觉和数字图像处理的高铁转向架关键参数自动测量的工作流程，如图5所示。

2.3 系统标定

系统标定的目的是在建立通过CCD获得的基于像素单位的二维图像与零件的实际尺寸间的相应关系。

将相机光轴与图像平面的交点设定为基于物理单位的二维图像坐标系原点O，，x轴与u轴平行，y轴与v轴平行，则基于物理单位的二维图像坐标系（x，y）与基于像素单位的二维图像坐标系（u，v）之间的关系如图6所示。

根据u-v坐标系与x-y坐标系间的关系可得：

3 图像采集与图像预处理

3.1 图像采集

在Windows操作系统、VS编译环境下，调用巴斯勒工业相机开发程序包中的函数实现上述三种零件的图像采集。

3.2 图像预处理

在采集到的图像上，具有较多的冗余信息且存在噪声等干扰因素，降低后续处理的精度及效率。因此，需要对原始图像进行滤波、锐化、二值化等操作以保证后续尺寸测量的精准。

（1）对图像进行灰度化操作，即去除原始彩色图像中的颜色信息，减少图像数据的处理量，提高图像处理的效率。

（2）进行中值滤波操作，滤除随机噪声的影响，其原理为将图像中每一个像素灰度值设置为该点邻域内所有点的灰度值中值。

（3）利用拉普拉斯算子对图像进行锐化操作，增强图像的边缘和细节，其实质是锐化处理后的图像g（m，n）=原图像f（m，n）+图像边缘（aX微分）。

（4）通过图像二值化将图像转化为二值图像，进一步减少冗余信息，其实质为设定一阈值，若灰度大于或等于阈值的像素，其灰度值表示为255，否则，表示为O。

4 边缘提取

4.1 Canny边缘检测

Canny边缘检测是一种比较新的边缘检测算子，具有很好的边缘监测性能，它依据图像边缘检测最优准则设计，具体步骤如下：

（2）根据边缘的方向，将其大致分类：水平、竖直、45度方向、135度方向，寻找各像素梯度方向的邻接像素;

（3）遍历图像，若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大的，则舍弃该像素。

（4）使用累计直方图计算高低阈值，若某一像素灰度值大于高阈值，则标记为边缘，若小于低阈值，则舍弃，若介于之间，且该像素的邻接像素中存在超过高阈值的像素，将该像素也标记为边缘，否则舍弃。

4.2 图像形态学处理

图像形态学处理能有效的消除噪声，桥接裂缝，消除不相关细节、寻找图像中明显的极大值极小值区域等。其基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、击中击不中变换等。

本方案中涉及到的形态学操作有三种：膨胀、腐蚀与细化。

4.2.1 膨胀

假定A和B是22上的两个集合，把A（图像或图像的一部分区域）被B（结构元素）膨胀定义为：

5 实际尺寸测量

5.1 Hough变换检测圆形

Hough变换在数字图像处理中具有重要地位，是一种检测圆形的有效方法。霍夫变换圆形检测的实质是将二维图像中的边缘像素点映射到参数空间，然后将参数空间中的坐标点元素对应累加值及西宁累加，最后根据累加值确定圆心与半径。

取二维空间图像中的A、B、C、D四个边缘点，以r为半径映射到参数空间。由式（11）可得，每一个边缘点映射为参数空间的一个圆，如图7所示，参数空间的四个圆交于点O。

对参数空间中的所有点进行统计，若某一点累加值最大，则该点为圆心位置。

但实际情况中，半径r未知，即二维图像边缘点（xo，Yo）映射到参数空间存在三个未知量，为（a，b，γ），二维图像中的任意一点对应为参数空间的一个圆锥面，如图8所示，若三个点均为二维图像中圆上的点，则参数空间的三个圆锥面交于点（ao，bo，ro）。

同样对参数空间中的点进行统计，若某一点累加值最大，则该点标记了圆心的坐标及圆的半径，即完成圆形检测及半径测量。

5.2 尺寸获取

通过上述步骤，检测出零件中的圆形及其像素尺寸。根据2.3节所述，基于像素单位的二维图像与基于物理单位的二维圖像间存在一一对应的关系，即，运用式（3）可得到零件的实际尺寸。

6 实验结果与分析

通过以上所述步骤，对车轮、牵引拉杆、测速齿轮进行目标尺寸检测，获得如下结果。

6.1 车轮

由表1可知，本文提出的自动测量方案能测量出车轮轮座内径及踏面圆直径，且测量误差在允许的范围内，即该测量方案满足精度要求。

6.2 牵引拉杆

由表2可知，本文提出的自动测量方案能测量出拉杆两端圆内径及拉杆两端圆心距离，且测量误差在允许的范围内，即该测量方案满足精度要求。

6.3 测速齿轮

由表3可知，本文提出的自动测量方案能测量出测速齿轮的内外径，且测量误差在允许的范围内，即该测量方案满足精度要求。

7 结论

本文针对高铁转向架中的关键尺寸，提出了一种基于机器视觉与数字图像处理的自动测量方案。通过滤波、锐化、二值化、边缘提取等操作对CCD采集的零件图像进行处理，以获取单像素边缘图像;利用霍夫变换对边缘图像中的圆形进行识别及检测，以获取以像素为单位的零件尺寸;根据二维图像坐标系与实际尺寸间的关系，获取零件尺寸。最后，通过对车轮、牵引拉杆、测速齿轮三种零件的尺寸测量，验证了该方案的可行性。

参考文献

[1]马颂德，张正友，计算机视觉计算机理论与算法基础[M]，北京：科学出版社.1998.

[2]高岩.轮对几何尺寸自动与动态在线测量方法的研究[D].北京：北京交通大学，2014.

[3]张英涛，黄剑华，唐降龙等，一种基于精简粒子群优化的霍夫变换算法[J].天津大学学报：自然科学与工程技术版，2011，44 （02）.

[4] Asplund Matthias， Lin Jing. Evaluatingthe measurement capability of a wheelprofile measurement system by usingGR&R [J]. Measurement，2 016， 92： 19-27.

[5]王庆有，蔡锐，马愈昭等，采用面阵CCD对大尺寸轴径进行高精度测量的研究[J].光电工程，2003 （06）： 36-38.