Содержание к диссертации
Введение
Глава 1 Неразрушающий контроль геометрических параметров объектов 11
1.1 Общие сведения 11
1.2 Оптические методы контроля геометрических параметров объектов
1.2.1 Средства оптической (световой) микроскопии 15
1.2.2 Проекционные средства оптического контроля 17
1.2.3 Сканирующие средства контроля 19
1.2.4 Оптические средства измерения 2D геометрии объектов 20
1.3 Получение измерительной информации оптико-электронными методами..22
1.3.1 Осветительные системы 24
1.3.2 Объекты контроля 25
1.3.3 Системы технического зрения 1.4 Методы повышения точности 30
1.5 Выводы по главе 1 32
Глава 2 Получение измерительной информации об объектах контроля 33
2.1 Общие представления 33
2.2 Получение измерительной информации в ОЭС 34
2.3 Методы получения измерительной информации
2.3.1 Сопряженные точки 36
2.3.2 Сопряженные отрезки 40
2.3.3 Сопряженные плоскости 45
2.4 Математические методы обработки изображений 49
2.4.1 Евклидовы преобразования 49
2.4.2 Аффинные преобразования 51
2.4.3 Проективные преобразования
2.5 Источники искажения измерительной информации 53
2.6 Выводы по главе 2 з
Глава 3 Компенсация погрешностей оптического тракта ОЭС автоматизированного контроля геометрических параметров объектов 56
3.1 Основные погрешности оптического тракта 56
3.1.1 Математическое представление погрешностей оптического тракта 57
3.2 Методы коррекции искажений 61
3.3 Методика коррекции искажений с использованием Warping Techniques...63
3.4 Тест-объекты для калибровки систем контроля 65
3.5 Калибровка ОЭС автоматизированного контроля геометрических параметров объектов 67
3.6 Выводы по главе 3 77
Глава 4 Компенсация погрешностей компонентов ОЭС автоматизированного контроля геометрических параметров объектов 79
4.1 Погрешности компонентов ОЭС автоматизированного контроля геометрических параметров объектов 79
4.2 Подавление фоновой составляющей 81
4.3 Подавление шума матрицы камеры технического зрения 85
4.4 Бинаризация изображения 88
4.5 Алгоритм комплексной компенсации погрешностей ОЭС
автоматизированного контроля геометрических параметров объектов 90
4.6 Выводы по главе 4 92
Глава 5 Оценка метрологических характеристик алгоритма комплексной компенсации погрешностей ОЭС автоматизированного контроля геометрических параметров объектов 93
5.1 Аттестация алгоритма комплексной компенсации погрешностей ОЭС
автоматизированного контроля геометрических параметров объектов 93
5.2 Экспериментальная установка автоматизированного контроля геометрических параметров объектов 93
5.3 Программная реализация алгоритма комплексной компенсации погрешностей ОЭС автоматизированного контроля геометрических параметров объектов 96
5.4 Методика оценки метрологических характеристик алгоритма комплексной компенсации погрешностей ОЭС автоматизированного контроля геометрических параметров объектов 96
5.5 Метрологическая оценка комбинаций методов программной компенсации погрешностей ОЭС автоматизированного контроля геометрических параметров объектов 98
5.6 Анализ оценки неопределенности измерений 118
5.7 Выводы по главе 5 119
Заключение 120
Список литературы
- Проекционные средства оптического контроля
- Математические методы обработки изображений
- Тест-объекты для калибровки систем контроля
- Программная реализация алгоритма комплексной компенсации погрешностей ОЭС автоматизированного контроля геометрических параметров объектов
Проекционные средства оптического контроля
До сих пор для контроля линейных размеров широко используются визуальный метод и универсальные микроскопы, не имеющие ни требуемой точности, ни необходимой производительности. При этом, как правило, отсутствует автоматизация процесса и документирование результатов измерений.
Визуальный метод может быть усовершенствован и условия наблюдений и измерений улучшены за счёт применения телевизионной и лазерной техники. При этом облегчается труд оператора, снижается его утомляемость, возможность появления промахов и грубых ошибок в измерениях, повышается производительность труда, что всегда важно при производственном контроле, однако точностные характеристики визуального метода остаются прежними. Телевизионные микроскопы для визуальных измерений и контроля фактически представляют собой простое сопряжение обычного оптического микроскопа с телевизионной установкой, где изображение рассматривается оператором не через окуляр, а на экране монитора [15,18,20].
В ряде случаев в производственном контроле использование таких микроскопов вместо оптических имеет преимущества, например при достаточно высокой общей освещённости производственного помещения. При этом утомляемость оператора при наблюдении и измерениях с использованием монитора значительно ниже, так как не требуется постоянная аккомодация зрения, могут быть подобраны оптимальные яркость и контраст изображения -за счёт специальной обработки видеосигнала (фильтрация постоянной составляющей, коррекция чёткости и т.д.).
С помощью микроскопов и устройств, построенных на из основе, решаются следующие задачи неразрушающего оптического контроля: - измерение геометрических размеров и соблюдение формы малогабаритных изделий, - обнаружение дефектов малых размеров (до долей микрометров) с высоким разрешением по их пространственному положению, - контроль физико-механических свойств и состояния материалов (внутренних напряжений) по их оптическим характеристикам (по показателю преломления и изменению поляризации света), - контроль внутреннего строения малогабаритных изделий или их частей, расположенных в прозрачном или полупрозрачном материале.
Но данные методы имеют недостатки в частности существенные ограничения размеров контролируемых объектов, что ограничивает область их применения.
Все более широкое распространение в оптическом неразрушающем контроле получают проекционные приборы, которые создают увеличенное изображение объекта контроля и эталонного образца. Их используют для контроля резьбовых деталей, зубчатых колес, турбинных лопаток и др [3,11,61,62,]. Существуют два вида проекции: в проходящих и в отраженных лучах (эпи- и диа-проекция). В качестве материалов экранов используются матовые стекла, лавсановые пленки.
Существует несколько оптических схем построения проекторов. На рисунке 1.5 приведена схема проектора подобного увеличения. - источник света; 2 - конденсор; 3 - объект контроля; 4 - проекционный объектив; 5 - экран. Рисунок 1.5 - Оптическая схема проектора подобного увеличения
Проекторы подобного увеличения наиболее распространены в оптическом контроле. Они используются для контроля готовых изделий и изделий в процессе их изготовления. При этом контролируются геометрические размеры и качество обработки деталей. Контроль осуществляется путем совмещения изображения контролируемого объекта с нарисованным на экране изображением эталонного образца.
На рисунке 1.6 показан второй вариант схемы контроля геометрических параметров детали. Контролируемая деталь устанавливается на измерительной позиции так, чтобы ее ось симметрии совместилась с плоскостью наведения объектива. Световой поток через объектив проецирует теневое изображение детали плоскости. В этой плоскости размещены позиционно-чувствительные фотоприемники.
При подготовке схемы к работе выходные сигналы с фотоприемников приводятся в соответствие со значениями контролируемых размеров и затем по соотношению установленных и фактических сигналов принимаются решения о годности детали.
Погрешности контроля по данной схеме вызывают посторонние засветки, дифракцию, колебания светового потока, ошибки базирования [3,62]. Для обоих вариантов схем контроля детали вероятность пропуска брака или неверной забраковки не превышает 3-5%, как установлено из опыта их эксплуатации. Рассмотренные здесь схемы контроля предназначены для конкретной детали, но по такому же принципу строятся системы для любых других сочетаний линейных размеров, задаваемых в общей плоскости, перпендикулярной к оптической оси объектива.
На современных производствах для контроля размеров деталей типа «тела вращения» применяются стационарные измерительные системы сканирующего типа (рисунок 1.7) [6,42]. Деталь устанавливается в станцию и сканируется оптической системой. Сканирующая головка проектирует плоский, лазерный световой луч на поверхность объекта. Отражение от объекта захватывается камерой, результатом сканирования являются данные в виде «облака точек». «Облако точек» может состоять из нескольких тысяч точек и используется для контроля размеров. После, однотипные детали измеряются по одной программе с выводом протокола измерения. Существует возможность сочетать различные измерительные функции в зависимости от заданной программы измерений. Стационарные измерительные системы (с моторизованным перемещением по всем осям) для измерения шероховатости, волнистости и контура поверхности. Позволяют производить одновременное измерение шероховатости и контура поверхности сложной формы [42].
Подобные системы применяются для измерений линейных размеров, формы и взаимного расположения поверхностей деталей типа валов (например, клапанов, валов компрессоров, насосов, электродвигателей и т.д.), а также формы поверхностей вращения сложного профиля (коленчатые и распределительные валы и т.п.), область применения - цеха и измерительные лаборатории предприятий общего машиностроения, автомобильной, авиационной, энергетической и др. отраслей промышленности.
Математические методы обработки изображений
Полученные соотношения (2.38), (2.41) и (2.42) выражают связь между координатами сопряженных точек в функции от оптической силы объектива и параметров Ъ и ср , определяющих положение объектива относительно неподвижной системы координат OXYZ. Сопряженная плоскость представляет собой картину, которая проецируется на матричный приемник и преобразуется в цифровую форму.
Рассмотренные выше модели описывают закономерности передачи информации с позиций геометрической оптики. Данные соотношения учитывают только погрешность отклонения объекта от оптической оси. В случае наличия проекционных искажений (рисунок 2.6), применение рассмотренных моделей возможно. Проекционные отклонения объекта Дальнейшие операции над изображением с целью компенсации искажений производятся с применением специальных математических методов.
Можно указать следующие классы задач, требующих геометрических преобразований изображений: - составление фотомозаик по снимкам поверхности объекта; - нанесение на снимки координатных сеток; - коррекция проекционных искажений; - сопоставление фотографий трехмерных объектов, снятых при разном положении фотографирующей аппаратуры; - совмещение разных снимков одного и того же объекта, снятых в разных спектральных диапазонах или в разное время, для получения цветных изображений пли выявления изменений.
Кроме того, геометрическое трансформирование изображений может входить как этап при коррекции аберраций изображающих систем, когда перед фильтрацией снимок подвергают геометрическим преобразованиям.
Сцену иногда можно рассматривать как твердое тело, когда взаимные деформации элементов сцены в трехмерном пространстве не допускаются. Аналогично и плоскость иногда можно считать жесткой (недеформируемой). Жестким движениям плоскости соответствует евклидова подгруппа, содержащая лишь преобразования сдвига и поворота (рисунок 2.7), математически записываемыми в векторно-матричной форме как:
При помощи троек однородных координат и матриц третьего порядка можно описать любое линейное преобразование плоскости. Действительно, введением дополнительного единичного компонента уравнение (2.44) можно переписать следующим образом: (і)=[ 1К =0
Комбинация двух последовательных вращений Ri и R2, очевидно, сводится к вращению RiR2. Кроме того, выбором вращения К\ = R2 _1 и сдвига t2= -Ri _1 ti такое (второе) жесткое движение переводит точки плоскости в первоначальное положение. Отмеченной парой свойств, собственно говоря, и характеризуется группа, а класс матриц со структурой вида (2.47) известен как евклидова группа преобразований. Она является, естественно, частным случаем линейных преобразований, у которых матрицы произвольные.
Аффинное преобразование является самым общим взаимно однозначным отображением плоскости на плоскость, при котором сохраняются прямые линии. Сохраняются отношения длин отрезков, лежащих на одной или на параллельных прямых, и отношения площадей фигур. Параллельные прямые переходят в параллельные. Любое аффинное преобразование имеет аффинное обратное преобразование. Произведение прямого и обратного преобразований дает единичное преобразование, оставляющее все на месте. Основные виды аффинных преобразований представлены в таблице 2.1. Таблица 2.1 - Аффинные преобразования
Проективные преобразования в общем случае не сохраняют параллельности линий. Свойством, сохраняющимся при проективном преобразовании, является так называемая коллинеарность точек: три точки, лежащие на одной прямой (т.е. коллинеарные), после преобразования остаются лежать на одной прямой (рисунок 2.8). Поэтому обратимое проективное преобразование принято называть еще коллинеацией (томографией).
Проективное преобразование связано с отображением трехмерного изображения на двумерную плоскость. С математической точки зрения, удобно рассматривать мир, включенный в трехмерное проективное пространство Ръ ,а плоскость изображения, включенную в проективное двумерное пространство, Р . Точки на трехмерной сцене и на изображении представляются в проективных пространствах как векторы в однородных координатах. Проективное преобразование из Р в Р (перспективная проекция), отображающее евклидову точку сцены р = (X, Y,Z) в точку изображения х = (х, у/ и выраженное в однородных координатах, задается в виде:
Проективная геометрия составляет математический базис машинного зрения и компьютерной графики. Основные области применения связаны с описанием как процесса формирования изображений, так и их инвариантного представления, а именно: калибровка регистрирующей камеры, анализ движения по серии изображений, распознавание образов, реконструкция сцен по стереоснимкам, синтез, изображений, анализ и восстановление формы по полутонам.
Тест-объекты для калибровки систем контроля
Борьба с шумом это отдельная задача. Развитие цифровой техники идет очень быстро и с каждым годом матрицы становятся все более совершенными. Отличается высокой чувствительностью, малыми шумами и отличным качеством изображения.
Для полного подавления или значительно уменьшения шумов, при обработке снимков применяя специальные методы подавления.
Довольно часто объекты контроля расположены на стабильном фоне. Характерные примеры: выявление деталей на конвейерной ленте; подсчет автомобилей, проезжающих через определенный участок дороги и т.д.
В приложениях подобного рода, для уменьшения вычислительных затрат, облегчения процедур поиска, фиксации, идентификации объектов и получения измерительной информации часто применяют операцию по вычитанию фона.
Вычитание фона (или отделение фона), является одной из основных операций в процессе обработки изображений.
Для того чтобы выполнить процедуру вычитание фона, необходимо проанализировать модель фона. Далее модель фона сравнивается с текущим изображением, а затем известные части фона вычитаются. Объекты, оставшиеся после вычитания, будут являться новыми объектами переднего плана [106].
Процесс бинаризации характеризуется искажениями следующего типа: размывание изображения; неравномерностью яркости объекта и др. Для устранения ошибок процесса бинаризации необходимо подобрать наиболее эффективный метод бинаризации и задать порог.
Попиксельныйметод вычитанияфона Сохраняет первый кадр последовательности, а для каждого следующего кадра применяет порог к модулю разности текущего и сохраненного изображения по каждому пикселю:Bij-Iij 5,i=0...w,j=0...h где w и h — ширина и высота изображения. Достоинства метода:- простота реализации;- высокаяпроизводительность; -изменяя параметр порога можно регулировать уровни ошибок. Недостатки метода:- высокие требования кстабильности фона;- одинаковоеразрешениеизображений фона иобъекта.
Метод усредненного фона Фон моделируется усреднением последовательности п кадров. Реализация метода включает следующие этапы: Обучение. Первые п кадров используются для обучения. По результатам определяется усредненный фон.Обработка. Обработанный кадр получаем вычитанием усредненного фона из текущего кадра. Достоинства метода:- метод адаптирован кмедленному изменениюфона;Недостатки метода:- требуется процедураобучения;- точность алгоритмазависит от частотыкадров;- при постоянном порогевсех пикселейзатруднено выделениенескольких объектов.
Методнизкочастотногофильтрарекурсивногосглаживания Метод предполагает плавное изменение модели фона с каждым кадром путем применения низкочастотного фильтра рекурсивного сглаживания. Реализация метода предполагает «смешивание» текущего кадра с моделью фона с коэффициентом а. Затем к разности фона и кадра применяется пороговый фильтр. Достоинства метода: -метод очень прост в реализации; -имеет высокую производительность; применим в условиях плавного изменения освещения. Недостатки метода: - необходимо выбирать коэффициент а, обеспечивая компромисс между вероятностью обнаружения и формой обнаруженного объекта
Из рассмотренных методов подавления фоновой составляющей, метод низкочастотного фильтра рекурсивного сглаживания применяется при обработке видео, получаемого с помощью телевизионных систем видеонаблюдения[110]. Используется для выделения движущихся объектов на передний план, применение данного метода для систем контроля неподвижных и квазинеподвижных объектов представляется невозможным/
Методы попиксельного вычитания фона и метод усреднения фона могут использоваться в процессе контроля геометрических параметров неподвижных и квазинеподвижных объектов. Алгоритмы данных методов представлены на рисунках 4.4 и 4.5.
Алгоритм процедуры попиксельного вычитания фона 4.3 Подавление шума матрицы камеры технического зрения
Процедура шумоподавление изображений применяется для увеличения четкости изображения, в качестве предобработки для последующих операций. При обработке цифрового изображения применяются методы пространственного шумоподавления. Наиболее часто на практике применяются следующие методы (таблица 4.2) [73,78,97,101,109]: Таблица 4.2 - Методы шумоподавления Метод Влияние на изображение Особенности Метод усреднения пикселей Не затрагивает значительнограницы и деталиизображения Подавляет низкочастотныйшум, который заметнее, чемвысокочастотный Медианная фильтрация Размытие мелких деталей Не применяется к крайним пикселям Математическая морфология Изображение выглядит искусственно Для обработкифотореалистичныхизображений не подходит Размытие по Гауссу Детали изображения смазаны Вдоль границ остается зашумленный контур Метод на основе дискретного вейвлет-преобразования Не затрагивает значительнограницы и деталиизображения Сложность преобразования
Метод главных компонент Изображение останется четким Метод хорошо справляется лишь с белым шумом: у шумане должно быть никакой структуры, иначе МГК приметего за узор и не подавит.
Анизотропная диффузия Детали изображения смазаны Вдоль границ остается зашумленный контур
На основе анализа существующих методов шумоподавления можно выделить следующие методы: усреднения пикселей, медианную фильтрацию и метод на основе дискретного вейвлет-преобразования. Выбранные методы оказывают наименьшее воздействие на изображение: границы объектов выделяются четко, форма объектов сохраняется неизменной.
Метод усреднения пикселей, один из простейших методов удаления шума - усреднять значения пикселей в пространственной окрестности. Для каждого пикселя производиться анализ соседних пикселей, которые располагаются в некотором прямоугольном окне вокруг этого пикселя (рисунок 4.6). Чем больше взят размер окна, тем сильнее происходит процедура усреднения.
Программная реализация алгоритма комплексной компенсации погрешностей ОЭС автоматизированного контроля геометрических параметров объектов
Было произведено исследование бюджетной веб-камеры НАМА АС-150 с объективом с фокусным расстоянием 3.85 мм, в таблице 5.12 представлены параметры по которым проводилось сравнение.
На основе сравнения гистограмм представленных на рисунк 5.21 можно видеть, что наиболее эффективными методам подавления фоновой составляющей является - метод попиксельного вычитания фона. При сравнении методов шумоподавления лучший результат продемонстрировал метод на основе дискретного вейвлет-преобразования.
На рисунке 5.22 приведено сравнение времени обработки изображения с применением рассматриваемых методов. Из гистограмм видно метод методом на основе дискретного вейвлет-преобразования показал наибольшее время обработки изображения. Наименьшее время обработки изображения продемонстрировал медианный фильтр.
На основе полученных экспериментальных данных можно сделать вывод, что наиболее эффективным методом компенсации фоновой составляющей ОЭС контроля на основе КТЗ является метод попиксельного вычитания фона. Данный метод обеспечивает достаточное высокое качество изображения объекта контроля, границы объекта выделяется четко, форма сохраняется.
Результат выделения объектов методом попиксельного вычитания фона зависит от выбора порога. При анализе изображения фона необходимо достаточно точно подбирать порог вычитания фона.
Для подавления шумовой составляющей КТЗ с матрицами высокого качества (pia 2400 и асе 640) наибольшую из всех рассмотренных методов шумоподавления эффективность показал двумерный медианный фильтр. Для подавления малого уровня шума оптимально применить фильтр с окном размера LxL со значением Ь=Ъ.
Для значительного снижения высокого уровня шума на изображении (для камер технического зрения N1 1722) - фильтр использующий значение L=5. Метод на основе дискретного вейвлет-преобразования показал практически такой же уровень шумоподавления, что и медианный фильтр со значением L=l
116 для веб-камеры НАМА-АС 150. Существенным недостатком метода на основе дискретного вейвлет-преобразования является сложность преобразования и достаточно высокое время обработки изображения.
Стоит отметить возможность применения дополнительных фильтров для подавления высокого уровня шума, но это может повлиять на достоверность процесса контроля.
При применении разработанного алгоритма комплексной компенсации исследовались следующие требования к позиционированию объекта контроля относительно оптической ±10.
Производилось сравнение методов коррекции искажений для различных комбинаций КТЗ и объективов. На рисунках 5.23, 5.24, 5.25 представлены гистограммы следующих методов коррекции искажений: без калибровки (БК), калибровка разработанная компанией (N1), предложенный алгоритм комплексной компенсации погрешностей с калибровкой National Instruments (Алг.+NI), разработанный метод калибровки (РМК), предложенный алгоритм комплексной компенсации погрешностей с разработанным методом калибровки (Алг.+РМК).
Анализ гистограмм показывает, что предложенный метод калибровки в сравнении с методом N1 обеспечивает возможность повышения точности в два раза для всех сочетаний КТЗ и объективов. Сравнение алгоритма комплексной компенсации погрешностей в сочетании с разработанным методом калибровки и методом калибровки N1 показали следующее: для камер с высоким разрешением точность повысилась более чем в три раза; для камер с низким разрешением повышение точности произошло практически в два раза.
Оценка метрологических характеристик ОЭС контроля геометрических параметров объектов производилась на основе методов математической статистики [8,22,46,59]. Производился расчет среднеквадратического отклонения измеряется в единицах измерения самой случайной величины для расчета стандартной ошибки среднего арифметического и построения доверительных интервалов. Определяется как квадратный корень из дисперсии случайной величины. Среднеквадратическое отклонение:
Следует отметить, что обе оценки являются смещёнными. В общем случае несмещённую оценку построить невозможно. Однако оценка на основе оценки несмещённой дисперсии является состоятельной.
Для проведения расчетов принимались следующие данные: объем выборки п=50, доверительная вероятность а=0.95 соответствующий коэффициент Стьюдента t(a,n)=2,096. Результаты расчетов абсолютной погрешности представлены в таблице 5.13. В таблице 5.14 представлен расчет относительной погрешности для объекта контроля заполняющего 2/3 поля зрения.
Полученные значения погрешностей позволяют говорить о возможности использования рассмотренных методов коррекции искажений ОЭС для повышения точности контроля параметров листовых изделий и деталей типа «тела вращения» в соответствии с требованиями машиностроительной отрасли вплоть до 8 квалитета.
