CN101549468A - 基于影像的刀具在线检测与补偿系统及方法 - Google Patents

Abstract

本发明公开了一种基于影像的刀具在线检测与补偿方法，用于在线检测机床上的刀具磨损量并基于磨损量进行补偿，包括以下步骤：布置摄像装置，且通过该摄像装置摄取设置在机床上的刀具的影像；对所摄取的刀具的影像进行校正；提取刀具的特征；通过所述摄像装置参数标定，将刀具的特征转换为刀具的实际尺寸；将刀具的实际尺寸与预设的刀具尺寸进行比较，生成补偿信号；以及将所述补偿信号供给至机床控制器，并利用机床控制器来驱动伺服电机补偿刀具磨损所产生的偏差。

Description

基于影像的刀具在线检测与补偿系统及方法

技术领域

本发明涉及刀具加工领域，尤其涉及一种基于影像的刀具在线检测与补偿系统和方法。

背景技术

现有技术的数控机床加工领域，采用自动化控制，在设定刀具的加工路线和加工量之后，刀具按照既定的程序执行零件的加工过程。但是，利用这样的加工方法存在着这样的问题，由于在切削大量零件之后，刀具会产生磨损。随着刀具磨损量的增大，超过某一临界值之后，导致刀具后续加工出来的零件全部变成废品或不合格品。这就产生了大量资源的浪费，增加了生产成本。

因此，期望的是，提供一种刀具在线检测与补偿系统和方法，能够在车床加工过程中，能够实时地检测到刀具的磨损量，然后根据检测出的磨损量，调节刀具的进刀量。

现有技术中，还没有一种能够执行在线检测刀具的磨损量并进行实时调节的装置。实际上，由于在刀具加工现场，会有大量的震动存在，刀具和加工出的零件在加工过程中不断地抖动，因此能够在现场快速且准确地检测出刀具的磨损量一直是困扰着本领域的技术难题；尤其是在线检测的实现尤其困难。随着影像处理技术的发展，使得提供一种基于影像的刀具在线检测与补偿系统和方法成为可能。

发明内容

因此，本发明的主要目的是提供一种基于影像的刀具在线检测与补偿方法，以实现刀具的在线检测并根据检测结果补偿进刀量，以使得磨损后的刀具也能加工出质量合格的产品。

为此，本发明提供了一种基于影像的刀具在线检测与补偿方法，用于在线检测机床上的刀具磨损量并基于磨损量进行补偿，包括以下步骤：布置摄像装置，且通过该摄像装置摄取设置在机床上的刀具的影像；对所摄取的刀具的影像进行校正；提取刀具的特征；通过所述摄像装置参数标定，将刀具的特征转换为刀具的实际尺寸；将刀具的实际尺寸与预设的刀具尺寸进行比较，生成补偿信号；以及将所述补偿信号供给至机床控制器，并利用机床控制器来驱动伺服电机补偿刀具磨损所产生的偏差。

另一方面，本发明还提供了一种基于影像的刀具在线检测与补偿系统，用于在线检测机床上的刀具磨损量并基于磨损量进行补偿，包括：摄像装置，用于摄取设置在机床上的刀具的影像；处理器，该处理器与所述摄像装置适配，用于对所摄取的刀具影像进行处理，以提取出刀具的特征，并将该刀具特征转换为实际尺寸，进而将该实际尺寸与预设的刀具尺寸进行对比，以获得刀具的磨损量的补偿信号，并将补偿信号以机床控制器可识别的刀补指令的格式发送至机床控制器；机床控制器，与所述处理器的输出端口相连，用于接收补偿信号，并驱动与之相连的伺服电机；以及伺服电机，用于驱动刀具来执行切割指令。

与现有技术相比，利用本发明的方法和系统，能够克服现有技术中的缺陷，基于拍摄的刀具的影像，检测并计算出刀具的磨损量，并将该与该磨损量有关的补偿信号发送至机床控制器，从而补偿刀具的磨损量。利用本发明的方法和系统，把光学影像检测系统直接安装在数控车床上，克服切削环境中机床震动、油污等对测量精度的干扰，通过在线影像采集、计算机影像处理、尺寸计算与提取、与初始刀具尺寸比对及生成补偿等步骤，由计算机根据补偿计算结果对数控车床控制器直接进行控制，实现了在线测量和补偿的功能。

附图说明

下面通过示例的方式对本发明进行说明，图中：

图1为刀具在线影像检测与补偿系统框图的一个示例；

图2为刀具在线影像检测与补偿系统框图的另一个示例；

图3为执行畸变矫正的对比示例；

图4为影像校正前后的结果示例：(a)原始影像；(b)仰角校正后的影像；(c)桶形畸变校正后的影像；(d)倾斜度校正后的影像；

图5为刀具区域提取过程示意图；

图6为刀具区域提取过程示意图。

具体实施方式

下面结合附图，对本发明进行说明。应该理解的是，下面的示例仅仅是说明性的，而不是限制性的。

参考图1-6，说明本发明刀具在线影像检测与补偿系统和方法。

本发明的在线检测与补偿系统工作过程如下：

(1)布置摄像装置，且通过该摄像装置摄取设置在机床上的刀具的影像。车床上的刀具加工开始前，利用CCD摄像头在辅助光源的配合下，在给定位置获取刀具当前形状影像。优选地，摄像头在获取刀具形状的影像的过程是周期性地采集，例如可以设定预设的加工时间，当刀具切削一定长的时间之后，采集刀具的影像；该预定的时间可以根据经验选取。例如，还可以设定刀具加工预定长度的原料之后，设定采集影像。优选地，在每次获取影像的时候，在刀具加工完成之后回到初始设定位置时再获取影像。另外，辅助光源的用途是辅助照明，进而有助于提高所获取刀具影像的质量，便于后面的影像处理。辅助光源可以与摄像头一体的，也可以独立设置。例如在一个实施例中，辅助光源(例如多个LED灯或其他能够发光的灯)可以布置在摄像头周围，将光照射到刀具上。

(2)对所摄取的刀具的影像进行校正。由于直接摄取的影像存在着很多畸变，角度偏差以及各种噪声，因此需要对刀具的影像进行处理。在一个实施例中可以使用下列方法中的一种或多种进行校正，采用仰角校正、倾斜度校正、桶形畸变校正或线性插值的方法对所获取的影像进行矫正以消除镜头引起的畸变。如图3中示出了畸变矫正的对比示例；图4为影像校正前后的结果示例：(a)原始影像；(b)仰角校正后的影像；(c)桶形畸变校正后的影像；(d)倾斜度校正后的影像。

(3)提取刀具的特征，该步骤的主要目的是通过对校正后的影像进行处理，从而获取刀具的边缘轮廓，进一步获取刀具的磨损特征点，进而基于磨损特征点确定磨损估计量。

由于摄取的影像是由多个像素点构成，通常为几兆或者几十兆的大小，直接进行刀具的边缘特征提取常常由于计算机处理能力的限制，为了便于处理，将刀具的影像划分为多个区域，分别执行刀具区域调整；然后在将每个区域提取的结果转换为刀具的边界特征。

I、刀具区域的提取

如图5中所示，示出了刀具区域提取过程的示意图。在本发明的一个实施例中，由于刀具相对于安装架及周围环境，通常具有独特的颜色，如图6中的前两个视图所示。在此种情况下，通过选用合适的特征(如(3R+G-4B)/4)生成目标区域的置信度影像，再利用最优阈值分割得到候选刀具区域。最优阈值用RCOstu(Range-Constrained OstuMethod)方法得到，具体步骤如下：

(a)计算最优阈值的下界和上界r_low，r_high

$r_{\mathrm{low}}=\max \left\{i\right|\underset{k=1}{\overset{i}{\mathrm{\Σ}}}h\left(k\right)\≤h_{\mathrm{low}}\},$ $r_{\mathrm{high}}=\min \left\{i\right|\underset{k=i}{\overset{i_{\max }}{\mathrm{\Σ}}}h\left(k\right)\≤h_{\mathrm{high}}\}$

其中h(k)是置信度影像的归一化直方图，h_low，h_high分别为背景区域和目标区域所占据的最小比例。

(b)对r_k∈(r_low，r_high)，得到对过度区域的分割结果：C₁∈[r_low，r_k]，C₂∈(r_k，r_high]。计算类别C₁，C₂的概率Pr(C₁)，Pr(C₂)及类内方差D(C₁)，D(C₂)。

(c)最优阈值由下式确定：

${\mathrm{\θ}}_{\mathrm{RCOtsu}}=\underset{r_k}{\min }\{\mathrm{Pr}\left(C_1\right)D\left(C_1\right)+\mathrm{Pr}\left(C_2\right)D\left(C_2\right)\}$

由此，可以提取完成刀具的区域特征提取，在执行完一部分区域之后，接着执行刀具其他区域的提取，再将多个区域提取完成之后，下一步需要将每个区域提取出的轮廓连接为一个整体的刀具轮廓图，具体执行过程如下：

II、对校正后的影像进行边界特征提取。

边界特征提取采用现有技术中常用的改进的Canny算法，也可以采用其他算法，以Canny算法为例进行说明，执行边界特征提取即利用区域提取的结果剔除边缘提取结果中的噪声，并对利用各种算法对边界点进行滤波、抑制和连接，以得到刀具轮廓；

具体如下：

(a)采用高斯Low-Pass滤波技术以去除环境噪声，也可以利用影像处理中的其他滤波方法，以高斯Low-Pass滤波技术为例进行说明，其数学表达式如下：

G(x，y)＝f(x，y)*H(x，y)， $H(x,y)=e^{-\frac{x^2+y^2}{2{\mathrm{\σ}}^2}}---\left(1\right)$

其中：H(x，y)是高斯函数构造滤波器；f(x，y)是原始影像在(x，y)处的灰度值；G(x，y)是经过高斯滤波后影像在(x，y)处的灰度值；σ为高斯噪声的标准差。

(b)采用2×2邻域一阶偏导的有限差分计算滤波和矫正后的影像G(x，y)的梯度幅值和梯度方向

$H_1=\left|\begin{array}{cc}-1& -1\\ 1& 1\end{array}\right|$ $H_2=\left|\begin{array}{cc}1& -1\\ 1& -1\end{array}\right|---\left(2\right)$

(c)对梯度幅值进行非极大值抑制。若(x，y)像素点的梯度幅值

大于或等于沿梯度方向上两个相邻像素点的梯度幅值，则判定该点为可能的边缘点。

(d)用双阈值方法检测与连接边缘。双阈值算法对非极大值抑制图象作用两个阈值τ₁和τ₂，且2τ₁≈τ₂，从而可以得到两个阈值边缘图象N₁[i，j]和N₂[i，j]。由于N₂[i，j]使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在N₂[i，j]中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在N₁[i，j]的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在N₁[i，j]中收集边缘，直到将N₂[i，j]连接起来为止。

由此可以获得影像的边界特征，如图6中所示，图中示意示出了上最终的轮廓示意图。

III、在提取刀具的边缘特征之后，需要进一步提取出刀具的磨损特征点，并根据磨损特征点与未磨损的刀具轮廓进行比较，以获取刀具磨损程度的估计量，具体包括以下步骤：

(a)利用区域提取的结果剔除边缘提取结果中的噪声，得到刀具轮廓；该步骤即上述步骤II。由于通过区域提取的结果存在着很多噪声，因此利用上述步骤II中的滤波方法，去除掉噪声点，然后求出影像的梯度幅值，并根据该梯度幅值进行非极大值抑制，进而判断出边缘点，然后用双阈值方法检测与连接边缘，从而获取刀具的边界轮廓。应该理解的是，上面的用于确定影像的边缘点的方法，是采用梯度幅值非极大值抑制获取的，容易理解的是，还可以采用本领域技术人员想到的其他方法来判断影响的边缘点。类似地，检测和连接边缘也可以利用本领域已知的其他方法来实现。

(b)利用矩法得到具有亚像素精度的边缘位置；尽管通过上述步骤已经获取到了影像的边缘特征，但是精度不准确，例如对于边缘上的的亚像素点并不能确定。为此，需要利用矩法得到具有亚像素精度的边缘位置，矩法为现有技术中影像处理方法，应该理解的是还可以利用现有技术中的其他方法替换该方法。

(c)利用SUSAN算子提取出刀具上的角点，以把轮廓点归位到不同的线段。SUSAN算子为现有技术。

(d)利用直线拟合算法得到道路各轮廓边缘的参数，并求取两条直线的交点。利用该步骤将轮廓边缘的像素点利用直线拟合的方法拟合成直线，并确定直线的交点，利用该交点为确定刀具磨损特征点的参考点。

(e)以两条直线组成的区域和未磨损刀具提取出的区域进行对比，得到对刀具磨损程度的估计量。

(4)利用摄像头标定参数将提取到的刀具测量值转化为实际尺寸。刀具尺寸参数的测量由提取的刀具特征线按摄像头标定参数经过计算得到，在一个示例性实施例中，主要利用下面的方法得到：假定一已知尺寸L距摄像头距离为D时获得的影像像素数是P，则在同样位置上的物体，如其获取影像像素数是P_N时，则对应的物体尺寸值L_PN是：

$L_{\mathrm{PN}}=\frac{L}{P}\×P_N---\left(5\right)$

容易理解的是，现有技术中还有很多用于确定实际尺寸的方法。

(5)将当前实际刀具尺寸与设定的刀具尺寸进行比较，根据二者差额生成补偿信号。设定的刀具尺寸指加工初始时未经磨损的刀具测量尺寸。当前实际刀具尺寸指在线影像检测系统测量出的刀具尺寸。

(6)补偿信号反馈给机床控制器，并由其控制伺服电机执行正确的运动。补偿信号通过数控车床控制器可识别的刀补指令格式发送。

以上步骤中，从(2)～(5)均可预编成为可执行的程序代码，以在计算机上来实现。

本发明还提供了一种基于影像的刀具在线检测与补偿系统，用于在线检测机床上的刀具磨损量并基于磨损量进行补偿，包括：摄像装置，用于摄取设置在机床上的刀具的影像；处理器，该处理器与所述摄像装置适配，用于对所摄取的刀具影像进行处理，以提取出刀具的特征，并将该刀具特征转换为实际尺寸，进而将该实际尺寸与预设的刀具尺寸进行对比，以获得刀具的磨损量的补偿信号，并将补偿信号以机床控制器可识别的刀补指令的格式发送至机床控制器；机床控制器，与所述处理器的输出端口相连，用于接收补偿信号，并驱动与之相连的伺服电机；以及伺服电机，用于驱动刀具来执行切割指令。其中，处理器可以是计算机或其他能够执行可执行指令的智能处理器。

容易理解的是，本发明的技术方案的原理，主要是基于对刀具进行影像采集和处理来实现刀具磨损量的确定和补偿，但是还可利对磨损刀具切割后的零件的外轮廓尺寸进行图像采集，从而来测量零件的当前尺寸，并进一步经与未磨损刀具切割后的理论尺寸比对，以生成形成补偿，并最终实现在线实时检测和补偿。其中，基于对刀具进行影像采集和处理来实现刀具磨损量的确定和补偿的所有技术方案均可以适当调整结合到基于切割后零件的图像处理实现在线监测和补偿系统中。为简单起见，省略其详细说明。

至此，已经通过实施例的方式，对本发明进行了说明，但是应该理解的是，在不背离本发明的精神的基础上，还可以对本发明进行各种修改和变更，这些修改和变更应该涵盖在本发明的精神和范围中。

Claims (9)

1、一种基于影像的刀具在线检测与补偿方法，用于在线检测机床上的刀具磨损量并基于磨损量进行补偿，其特征在于，包括以下步骤：

布置摄像装置，且通过该摄像装置摄取设置在机床上的刀具的影像；

对所摄取的刀具的影像进行校正；

提取刀具的特征；

通过所述摄像装置参数标定，将刀具的特征转换为刀具的实际尺寸；

将刀具的实际尺寸与预设的刀具尺寸进行比较，生成补偿信号；以及

将所述补偿信号供给至机床控制器，并利用机床控制器来驱动伺服电机补偿刀具磨损所产生的偏差。

2、根据权利要求1所述的方法，其特征在于，布置摄像装置的步骤进一步包括布置光源，以辅助照明进而帮助提高所获取刀具影像的质量。

3、根据权利要求2所述的方法，其特征在于，影像校正步骤包括下面步骤中的一个或多个：仰角校正、倾斜度校正、桶形畸变校正或线性插值的方法对所获取的影像进行矫正，以消除镜头引起的畸变。

4、根据权利要求3所述的方法，其特征在于，提取刀具的特征进一步包括以下步骤：

对校正后的影像执行刀具区域提取；

对校正后的影像执行边界特征提取；

利用区域提取的结果剔除边缘提取结果中的噪声，得到刀具轮廓。

5、根据权利要求4所述的方法，其特征在于，在得到刀具轮廓之后，确定具有亚像素精度的边缘位置，然后利用直线拟合算法得到道路各轮廓边缘的参数，并求取各条直线的交点，以确定刀具的磨损位置计量点；对比两条直线组成的区域和对未磨损刀具的差别，以得到对刀具磨损程度的估计量。

6、根据权利要求5所述的方法，其特征在于，将道具的特征转换为刀具的实际尺寸具体是通过下面方法来标定，假定一已知尺寸L距摄像头距离为D时获得的影像像素数是P，则在同样位置上的物体，如其获取影像像素数是P_N时，则对应的物体尺寸值L_PN是：

$L_{\mathrm{PN}}=\frac{L}{P}\×P_N$

7、一种基于影像的刀具在线检测与补偿系统，用于在线检测机床上的刀具磨损量并基于磨损量进行补偿，其特征在于，包括：

摄像装置，用于摄取设置在机床上的刀具的影像；

处理器，该处理器与所述摄像装置适配，用于对所摄取的刀具影像进行处理，以提取出刀具的特征，并将该刀具特征转换为实际尺寸，进而将该实际尺寸与预设的刀具尺寸进行对比，以获得刀具的磨损量的补偿信号，并将补偿信号以机床控制器可识别的刀补指令的格式发送至机床控制器；

机床控制器，与所述处理器的输出端口相连，用于接收补偿信号，并驱动与之相连的伺服电机；以及

伺服电机，用于驱动刀具来执行切割指令。

8、根据权利要求7中所述系统，其特征在于，所述摄像装置进一步包括光源，用于辅助照明进而帮助提高所获取刀具影像的质量。

9、一种基于影像的刀具在线检测与补偿方法，用于在线检测机床上的刀具切割后的零件的尺寸并将该磨损量与未磨损刀具切割后的零件尺寸进行比对，以进行补偿，其特征在于，包括以下步骤：

布置摄像装置，且通过该摄像装置摄取设置在机床上的刀具切割后的零件的影像；

对所摄取的零件的影像进行校正；

提取零件的特征；

通过所述摄像装置参数标定，将零件的特征转换为零件的实际尺寸；

将零件的实际尺寸与未磨损的刀具切割后的零件尺寸进行比较，生成补偿信号；以及

将所述补偿信号供给至机床控制器，并利用机床控制器来驱动伺服电机补偿刀具磨损所产生的偏差。

Images