Содержание к диссертации
Введение
ГЛАВА 1. Анализ современных методов контроля, диагностики и визуализации геометрических параметров зазоров кузова автомобиля . 8
1.1. CALS-технологии. 8
1.2. Известные методы и способы контроля геометрических параметров зазоров кузова автомобиля . 9
1.3. Визуализация и обработка информации. 19
1.4. Анализ автоматизированных систем контроля и диагностики, основанных на базе ЭВМ. 21
ГЛАВА 2. Бинаризация, оценка качества изображения и оценка геометрических параметров при цифровой фотосъемке . 40
2.1. Бинаризация изображения. 40
2.2. Оценка качества изображения. 69
2.3. Оценка геометрических характеристик объектов на изображениях. 74
Выводы по главе 2. 82
Глава 3. Исследование влияния автоматизированной системы на базе ЭВМ на качество контроля зазоров кузова автомобиля. 84
3.1. Обоснование применения процесса контроля зазоров кузова автомобиля, как объекта автоматизации . 84
3.2. Разработка автоматизированной системы для контроля зазоров кузова. 88
3.3. Методология измерений АС. 93
Выводы по главе 3. 105
ГЛАВА 4. Техническое оснащение бесконтактного оптического метода контроля зазоров кузова автомобиля. Результаты и их анализ . 107
4.1. Технические требования, предъявляемые к АС для контроля зазоров кузова автомобиля. 107
4.2. Измерительный стенд для контроля геометрических параметров 108
зазоров кузова автомобиля.
4.3. Геометрическая калибровка камер. 110
4.4. Результаты оценки точности измерений ЛС контроля зазоров кузова автомобиля. 114 4.5.Вопросы теории вероятности для оценки результатов измерений зазоров кузова автомобиля. 115
Выводы по главе 4. 119
Заключение. 120
Список использованных источников
- CALS-технологии.
- Известные методы и способы контроля геометрических параметров зазоров кузова автомобиля
- Бинаризация изображения.
- Обоснование применения процесса контроля зазоров кузова автомобиля, как объекта автоматизации
Введение к работе
По мере повышения требований к качеству выпускаемых автомобилей резко возрастают требования к контролю как элементов кузова, так и кузова автомобиля в целом. Рост объемов производства и необходимость обеспечения конкурентоспособности выпускаемых изделий ставит проблему организации контроля в ряд наиболее актуальных для автомобилестроения.
Неавтоматизированный контроль при помощи калибров, который до сих пор используется на многих предприятиях, обладает рядом недостатков, препятствующих его применению в современных условиях. Основной недостаток в этом случае заключается в том, что при таком способе контроля оценка является качественной (годен или не годен контролируемый объект). Также вследствие влияния человеческого фактора при данном методе контроля зачастую присутствует субъективность и низкая достоверность. Кроме того, к существенным недостаткам данного метода контроля можно отнести малую производительность. Контроль сложных изделий с применением простейших оптических приспособлений, по словам операторов, очень сильно утомляет зрение, что, несомненно, представляет опасность для их здоровья.
Проблема автоматизации контроля традиционно решается применением сложных программно-аппаратных комплексов, относящихся к классу систем технического зрения, разработка которых ведется в ряде стран мира. На сегодняшний день промышленно выпускаемых отечественных установок контроля нет, а зарубежные, к примеру, продукция фирм Leica, V-Stars, Axyz чрезвычайно дороги: их стоимость составляет порядка сотен тысяч долларов США. Это приводит к тому, что на большинстве российских предприятий неавтоматизированный контроль является единственным способом отбраковки дефектных изделий.
Из всего сказанного выше следует, что создание автоматизированной системы (АС) контроля зазоров кузова автомобиля, направленной на повышение качества контроля в условиях реального производства является актуальной научной задачей.
Реализация такой системы, содержащей цифровую фотокамеру, ЭВМ интерфейсные устройства и соответствующее математическое и программное обеспечение, помимо удешевления контрольной станции, по сравнению с аналогами, обеспечивает лучшую интеграцию с технологическим процессом за счет гибкости и универсальности применяемой аппаратной базы.
Особую благодарность за помощь в работе над диссертацией автор выражает кандидату технических наук, доценту кафедры «Технология машиностроения» Гуляеву Вадиму Анатольевичу.
Диссертация состоит из введения, четырех глав, заключения, библиографического списка и приложений. Общий объем работы составляет 144 страницы машинописного текста. Диссертация содержит 24 рисунка и 7 таблиц. Библиография включает 103 источника.
CALS-технологии.
Анализ известных методов и способов неразрушающего контроля геометрических параметров включает в себя обзор технических средств, а также визуализации и обработки информации, охватывающий период с конца 80-х и до сегодняшнего дня. Именно в этот период развиваются средства неразрушающего контроля и охватывают все большее пространство как в науке, так и на производстве, а на сегодняшний день одно практически неотделимо от другого.
Рассмотрим системы машинного видения (СМВ) для анализа двумерных сцен [24]. Решению проблемы автоматического анализа двумерных сцен посвящено большое число работ [69,92,93]. Известны несколько методов восприятия и анализа двумерной информации. Например, такие как методы структурированного освещения [79,98]; триангуляции [83,103]; сканирующей дальнометрии [80,96,97]; методы, работающие на основании теории распознавания [26,43,89] и др.
Функции, выполняемые двумерными СМВ, сводятся к распознаванию формы объекта, определению его пространственного положения и выделению сигнала управляющего воздействия.
В общем случае СМВ, предназначенные для анализа двумерных сцен, включают в себя видеоанализаторы (одно-, двух- или п-камерные); специальные осветители; блоки предварительной обработки ВИ, связанные с управляющей ЭВМ, которая обрабатывает информацию верхнего уровня; интерфейсы для связи с производственным оборудованием, а также для подключения системы контроля к корпоративной сети предприятия; терминал, обеспечивающий возможность программирования системы и монитор для визуального контроля обрабатываемых изображений.
Различные способы автоматического анализа двумерных сцен принято разделять на пассивные и активные. К пассивным способам анализа сцен относятся различные разновидности методов работающих на основе теории распознавания [26,43,89]. Зрительное восприятие в таких системах пассивно по своей природе. Здесь не применяются какие-либо специальные структурированные источники световой энергии, хотя условия освещения далеко не произвольные. В таких системах при ряде ограничений задача анализа двумерных сцен сводится к обработке плоского изображения.
Активные системы анализа двумерных сцен принято разделять на системы, формирующие "дальностное" изображение, т. е. дальнометрические, и на системы структурированного подсвета. Оба эти способа характеризуются активным взаимодействием с анализируемой сценой. Системы структурированного подсвета, в свою очередь, можно разделить на монокулярные и бинокулярные.
С увеличением вычислительной мощности СМВ все большее значение приобретают исследования различных новых подходов к анализу двумерных сцен. Для описания двумерных объектов наряду с рассмотренными признаками начинают использовать непосредственно дальнометрическую информацию, позволяющую определять удаленность различных точек сцены. Для получения этой информации применяются различные типы сканирующих лазерных дальномерных систем. В подобных СМВ одновременно могут использоваться целенаправленное перемещение сенсоров при активном осмотре сцены и управляемое изменение освещенности сцены.
В далыюстных активных методах анализа двумерных сцен подразумевается наличие лазерного сканирующего луча, отраженный сигнал которого несет информацию о структуре сцены. Такие методы позволяют непосредственно определить рельеф сцены, что достигается измерением времени прохождения импульса, генерируемого сканирующим излучателем, определением фазы отраженного сигнала или введением специального стробирования сигналов по дальности [80,96,97]. В последнее время интенсивно развиваются сканирующие лазерные дальнометрические системы с узкой диаграммой направленности. Для сбора информации об исследуемой сцене в состав таких систем введены блоки сканирующего построчного обзора, позволяющие периодически изменять направление луча, вдоль которого измеряется расстояние. Характеристики этих блоков в значительной степени определяют пространственное разрешение всей системы [101,102].
Одна из главных задач, решаемых при формировании общего облика СМВ, заключается в выборе рациональной структурной схемы, т. е. числа видеодатчиков, источников подсвета, их общего взаимного расположения, связей и т. д. Оптимальное размещение видеодатчиков и источников структурированного подсвета при решении конкретных задач может привести к существенному повышению информационных возможностей всей системы [25,26]. Как правило, при анализе двумерных сцен решаемые задачи не являются сложными, поэтому наиболее приемлемым является применение простейшей монокулярной схемы. Монокулярный тип системы в сочетании со структурированным освещением может анализировать несложные трехмерные сцены.
Известные методы и способы контроля геометрических параметров зазоров кузова автомобиля
Анализ известных методов и способов неразрушающего контроля геометрических параметров включает в себя обзор технических средств, а также визуализации и обработки информации, охватывающий период с конца 80-х и до сегодняшнего дня. Именно в этот период развиваются средства неразрушающего контроля и охватывают все большее пространство как в науке, так и на производстве, а на сегодняшний день одно практически неотделимо от другого.
Рассмотрим системы машинного видения (СМВ) для анализа двумерных сцен [24].
Решению проблемы автоматического анализа двумерных сцен посвящено большое число работ [69,92,93]. Известны несколько методов восприятия и анализа двумерной информации. Например, такие как методы структурированного освещения [79,98]; триангуляции [83,103]; сканирующей дальнометрии [80,96,97]; методы, работающие на основании теории распознавания [26,43,89] и др.
Функции, выполняемые двумерными СМВ, сводятся к распознаванию формы объекта, определению его пространственного положения и выделению сигнала управляющего воздействия.
В общем случае СМВ, предназначенные для анализа двумерных сцен, включают в себя видеоанализаторы (одно-, двух- или п-камерные); специальные осветители; блоки предварительной обработки ВИ, связанные с управляющей ЭВМ, которая обрабатывает информацию верхнего уровня; интерфейсы для связи с производственным оборудованием, а также для подключения системы контроля к корпоративной сети предприятия; терминал, обеспечивающий возможность программирования системы и монитор для визуального контроля обрабатываемых изображений.
Различные способы автоматического анализа двумерных сцен принято разделять на пассивные и активные. К пассивным способам анализа сцен относятся различные разновидности методов работающих на основе теории распознавания [26,43,89]. Зрительное восприятие в таких системах пассивно по своей природе. Здесь не применяются какие-либо специальные структурированные источники световой энергии, хотя условия освещения далеко не произвольные. В таких системах при ряде ограничений задача анализа двумерных сцен сводится к обработке плоского изображения.
Активные системы анализа двумерных сцен принято разделять на системы, формирующие "дальностное" изображение, т. е. дальнометрические, и на системы структурированного подсвета. Оба эти способа характеризуются активным взаимодействием с анализируемой сценой. Системы структурированного подсвета, в свою очередь, можно разделить на монокулярные и бинокулярные.
С увеличением вычислительной мощности СМВ все большее значение приобретают исследования различных новых подходов к анализу двумерных сцен. Для описания двумерных объектов наряду с рассмотренными признаками начинают использовать непосредственно дальнометрическую информацию, позволяющую определять удаленность различных точек сцены. Для получения этой информации применяются различные типы сканирующих лазерных дальномерных систем. В подобных СМВ одновременно могут использоваться еленаправленное перемещение сенсоров при активном осмотре сцены и управляемое изменение освещенности сцены.
В далыюстных активных методах анализа двумерных сцен подразумевается наличие лазерного сканирующего луча, отраженный сигнал которого несет информацию о структуре сцены. Такие методы позволяют непосредственно определить рельеф сцены, что достигается измерением времени прохождения импульса, генерируемого сканирующим излучателем, определением фазы отраженного сигнала или введением специального стробирования сигналов по дальности [80,96,97]. В последнее время интенсивно развиваются сканирующие лазерные дальнометрические системы с узкой диаграммой направленности. Для сбора информации об исследуемой сцене в состав таких систем введены блоки сканирующего построчного обзора, позволяющие периодически изменять направление луча, вдоль которого измеряется расстояние. Характеристики этих блоков в значительной степени определяют пространственное разрешение всей системы [101,102].
Одна из главных задач, решаемых при формировании общего облика СМВ, заключается в выборе рациональной структурной схемы, т. е. числа видеодатчиков, источников подсвета, их общего взаимного расположения, связей и т. д. Оптимальное размещение видеодатчиков и источников структурированного подсвета при решении конкретных задач может привести к существенному повышению информационных возможностей всей системы [25,26]. Как правило, при анализе двумерных сцен решаемые задачи не являются сложными, поэтому наиболее приемлемым является применение простейшей монокулярной схемы. Монокулярный тип системы в сочетании со структурированным освещением может анализировать несложные трехмерные сцены.
Как пассивным, так и активным методам анализа двумерных сцен свойственны достоинства и недостатки. В частности, пассивные методы не требуют специальных источников подсвета, однако в этом случае велико влияние внешних факторов, например, освещение тени рядом находящихся объектов и т.п. Активные методы позволяют непосредственно получить дальностное изображение вне зависимости от светотехнических свойств объекта и фона. Однако, в этом случае необходимо применение большого количества дорогостоящего оборудования.
Ведутся интенсивные работы по созданию различных анализаторов двумерных сцен. Предложены разнообразные схемные решения анализаторов, однако основные трудности, возникающие при их реализации, заключаются в разработке моделей и средств описания априорной информации широкого спектра объектов.
Исследуются также некоторые принципиально новые подходы к созданию таких систем. Изучаются, например, возможности создания гол о графических визуальных анализаторов, в которых при регистрации голограммы на оперативном носителе используются излучения с определенным образом выбранной функцией временной когерентности [79]. В восстановленном после специальной обработки изображении интенсивность сигнала в каждой точке зависит от расстояния до соответствующей точки объекта, т. е. осуществляется "визуализация сцены".
В некоторых системах комбинируются элементы дву- и трехмерных методов с использованием достоинств тех и других. Когда введением ограничений на форму объекта, условия освещения и другие условия оказывается возможным уменьшить размерность анализируемого изображения, выгоднее применять 2,5-мерные методы активного анализа двумерных сцен [25,26,82].
Для анализа и распознавания двумерных сцен, требующих применения достаточно сложных методов, используются нейронные вычислительные структуры [76,80].
Бинаризация изображения.
В данной главе предложены математические модели для решения задачи формирования бинарного изображения.
Часто изображение представляется для наблюдателя в виде совокупности однородных участков, отличающихся друг от друга теми или иными характеристиками. Количество различных типов или классов участков обычно невелико, вся же картина разделена на непересекающиеся области, каждая из которых заполнена изображением одного из типов. При анализе таких изображений наблюдателем или автоматической системой целью является определение геометрических областей и указание для каждой из них номера типа (класса). Иногда такую совокупность сведений об исходном изображении называют его картой. Обработка изображения, позволяющая получить карту, называется сегментацией. Простейшим и вместе с тем часто применяемым видом сегментации является бинарная сегментация или бинаризация, когда имеется только два типа однородных участков.
Количество признаков, которыми могут отличаться друг от друга участки различных типов, очень велико. Встречается большое число задач, где участки имеют неодинаковую среднюю яркость. Иногда при одинаковой средней яркости различаются дисперсии флюктуации. Часто можно наблюдать картину, на которой различие областей проявляется в неодинаковости корреляционных свойств: медленные, плавные колебания яркости на одних участках сменяются существенно более быстрыми на других. Во многих случаях участки разных типов различаются не по одной какой-либо характеристике, а по нескольким.
Встречаются изображения, в которых вся картина разбита на области, не отличающиеся друг от друга ни по каким своим характеристикам. Вся информация (карта) в этих случаях представляет собой совокупность границ между отдельными участками. Очевидно, что для бинаризации таких изображений непригодны методы, основанные на анализе моментно-корреляционных характеристик, о которых говорилось выше.
Большое разнообразие в задачу бинаризации вносит обработка цветных изображений. Одним из важнейших признаков для бинаризации в этом случае может служить цвет, который дополняет совокупность характеристик, применяемых при обработке черно-белых изображений. К этому же типу проблем относится и бинаризация спектрозональных изображений. Такие задачи значительно сложнее, а число публикаций в этой области сравнительно невелико. Вместе с тем, такие задачи представляют очень большой научный и практический интерес и, вероятно, они составят одно из перспективных направлений развития цифровой обработки изображений.
Методы, используемые при бинаризации, еще более разнообразны, чем признаки, по которым различаются отдельные классы. Следует отметить, что единого общепризнанного эффективного подхода, который бы лежал в основе всех или хотя бы большинства методов, не существует. Известны отдельные идеи, на основе которых решаются многие задачи бинаризации. Некоторые подходы представляются авторам более перспективными, чем другие.
ПОРОГОВАЯ ОБРАБОТКА. Вероятно, это самый простой метод бинаризации. Метод ориентирован на обработку изображений, отдельные однородные участки которых различаются средней яркостью. При этом преобразование каждой точки исходного изображения выполняется по правилу: где х0 - единственный параметр обработки, называемый порогом. Уровни выходной яркости у0 и у1 могут быть произвольными, они лишь выполняют функции меток, при помощи которых осуществляется разметка получаемой карты - отнесение ее точек к классам А или В соответственно. Если образуемый препарат подготавливается для визуального восприятия, то часто их значения соответствуют уровням черного и белого.
Центральным вопросом пороговой бинаризации является определение порогов, которое должно выполняться автоматически. Применяемые в настоящее время методы автоматического определения порогов подробно описаны в обзоре [3]. Разнообразие методов очень велико, однако в основном они базируются на анализе гистограммы исходного изображения.
Пусть w(x), 0 х 255 - гистограмма исходного цифрового изображения. Примем, что его диапазон яркостей заключен в пределах от 0 (уровень черного) до 255 (уровень белого). Первоначальная идея гистограмм но го метода определения порога основывалась на предположении о том, что распределения вероятностей для каждого класса унимодальны (содержат по одному пику), а точки границ, разделяющих участки разных классов на изображении, малочисленны. Этим предположениям должна отвечать гистограмма, которая имеет многомодальный характер. Отдельные моды соответствуют различным классам, а разделяющие их впадины - малочисленным по количеству входящих в них точек граничным областям. Пороги сегментации находятся при этом по положению впадин. Рис. 2.1 иллюстрирует сказанное выше применительно к случаю двух классов. В действительности воспользоваться такими простыми соображениями для выбора порога удается крайне редко. Дело в том, что реальные гистограммы обычно сильно изрезаны, что иллюстрирует приводимый на рис.2.2 результат эксперимента. Это служит первым препятствием для определения точек минимума. Вторым препятствием является то, что границы между однородными участками на изображении бывают размыты, вследствие чего уровень гистограммы в тех ее частях, которые отображают точки границы, возрастает. Очевидно, это приводит к уменьшению провалов в гистограмме или даже их исчезновению.
Обоснование применения процесса контроля зазоров кузова автомобиля, как объекта автоматизации
Для устранения имеющихся трудностей в использовании моделей они были проанализированы с точки зрения информативности и границ применения, а также рассмотрены некоторые возможные пути их совершенство вания.
Вышеуказанные проблемы рассматривались согласно следующей предлагаемой трехуровневой системы классификации.
К моделям первого уровня, описывающим процесс контроля, были отнесены модели, которые содержат графические или аналитические зависимости между параметрами процесса, получаемые в результате экспериментальных исследований на конкретной установке или приборе [11,20,31].
Это наиболее широкий класс моделей, как правило, он представляет дискретный набор значений параметров (таблица или точки на графике), которые в дальнейшем подвергаются математической обработке для получения аналитической зависимости между этими параметрами. В результате такого подхода обрабатываемая среда не находит отражения в модели процесса контроля, т.к. отсутствует аналитическая взаимосвязь между параметрами процесса расчета оценки с точки зрения законов физики, механики, химии, биохимии или др. Обрабатываемая среда присутствует в модели процесса лишь косвенно.
Значимость этой модели в описании процесса невелика, т.к. с помощью статистического или регрессионного анализа никакой новой информации о процессе, кроме той, которая уже имеется в экспериментальных значениях параметров, получить нельзя. Следовательно, математический аппарат только помогает представить полученную информацию, но не отвечает за ее достоверность [58,59]. За это отвечает сам исследователь, который проводит измерения параметров вручную, автоматически, непрерывно или дискретно. В этой ситуации правильность измерений и их число могут оказаться более важными, чем используемый математический аппарат. Таким образом, был сделан вывод, что для моделей первого уровня характерно отсутствие причинно-следственной связи между параметрами; область применения -только исследуемый объект или его точные копии.
Отсутствие причинно-следственной связи между параметрами у моделей не позволяет ответить на вопрос, почему так, а не иначе изменяются параметры. Кроме того, модель не учитывает временного влияния на изменение зависимости между параметрами. Известно, что в процессе эксплуатации оборудования параметры систем изменяются. Следовательно, изменяется и взаимная зависимость между параметрами, т.е. модель со временем перестает соответствовать [65,68,73,74].
Таким образом, модели первого уровня являются малоинформативными и уз ко направленными. Их можно считать только первой ступенью в познании объекта исследования.
Усовершенствовать данные модели можно за счет улучшения методов и технических средств измерений, выбора необходимого и достаточного числа измерений, построения модели второго уровня. Последнее особенно важно, т.к. измерение параметров проводится в соответствии с принимаемой моделью процесса даже тогда, когда эта модель чисто умозрительная и пока нет ее достаточно полного и достоверного аналитического описания.
К моделям второго уровня, описывающим процесс расчета оценки, отнесены модели, которые представляются в виде уже хорошо известных и изученных процессов и их моделей, но с введенными в них соответствующими экспериментальными или аналитическими поправочными коэффициентами.
Это более узкий, чем предыдущий, класс моделей. Получаются они путем замены неизвестного исследуемого процесса другим, более простым и хорошо известным. При таком подходе тоже необходимо проводить измерения как реологических констант контролируемых объектов, так и других параметров процесса расчета.
Принципиальным отличием проводимых на этом уровне измерений является то, что они осуществляются в точном соответствии с принятой математической моделью. Результаты измерений обрабатываются по принятой приближенной модели, получая при этом модель процесса контроля. Данная модель обладает более высокой информативностью, которая позволяет ответить на ряд вопросов [5,23,66].
Таким образом, появляется возможность оценить параметры объекта и достаточно глубоко их проанализировать, чего в принципе не обеспечивает модель первого уровня. Область применения модели второго уровня такая же, как и первого, т.е. только в объеме проводимых измерений. Модели второго уровня имеют меньшее распространение из-за высокой трудоемкости их получения [41]. Однако возможности моделей второго уровня гораздо выше, нежели первого.
Возможные пути улучшения модели второго уровня: совершенствование методов и технических средств измерений; выбор оптимального числа измерений; уточнение самой модели путем вычисления поправочных коэффициентов, входящих в фундаментальные законы, связывающие параметры процесса; построение модели третьего уровня.
Модели третьего уровня. К моделям третьего уровня, описывающим процесс контроля геометрических параметров исследуе.мого элемента, были отнесены модели, в которых параметры процесса связаны известными законами механики, физики и др. Это уже более узкий класс моделей. Получаются они путем глубоких теоретико-экспериментальных исследований и отражают уровень современных представлений о конкретном процессе и входящей в него обрабатываемой среде либо обрабатываемом объекте. Информативность данной модели намного выше предыдущих.
Похожие диссертации на Повышение качества контроля зазоров кузова автомобиля путем автоматизации процесса
