一、 项目背景
工业生产中经常需要对半成品或成品进行几何尺寸的测量，一般要求具有一定的测量精度和测量速度。非接触式测量能够消除接触式测量过程中对工件表面产生的形变和损伤，是较好的测量方法。本项目针对小型金属工件，进行基于机器视觉的二维测量，具有测量速度快、系统成本低、安装方便等特点。

二、 测量方案
本项目要求测量小型金属工件的螺孔实际加工尺寸，初步测量方案如下：
选用装配有远心光路镜头的CCD全色相机对工件进行垂直近距离拍摄，由于测量目标为金属，在拍摄过程中，由金属反光以及金属表面粗糙度的变化会使得相机获取的图像信噪比产生较大的变化，从而降低后续图像处理与识别算法的鲁棒性。因此在拍摄过程中，需要在相机观测方向上加一强光源，光线到达金属表面反射回CCD靶面时，会使CCD探测单元出现饱和现象；而当金属表面存在螺孔时，光线通常无法反射回CCD靶面，从而不能使CCD探测单元产生光电效应。本实验利用这一原理，加大了螺孔与金属表面的可区分性，再通过后续的图像处理与识别算法，实现小型金属工件的螺孔加工尺寸测量。

图1 工件的金属反光以及表面粗糙度的变化会加大识别难度	图2 在观测方向加强光，使得CCD出现饱和现象，加大被测物与背景的可区分性

三、 图像处理与识别算法

         首先，由于图像中的螺孔是有效信息，因此要通过反色变化，将黑色的螺孔置为高灰度，将背景置为低灰度，如图4，再将反色变化后的结果进行阈值化，使图像中只有0和255两种灰度。

图4 反色变化后的图像	图5 对图像进行阈值化

       由于相机性能以及光线条件等因素，CCD相机获取的图像存在着不可避免的噪声和干扰，为了增加图像的识别率，需要对这些噪声进行消除。经过一系列的滤波、开闭变换等操作，得到了降噪后的图像，并根据图像的灰度信息，自动设置ROI区域，节省后续操作的运算开销，进行基于Canny算子的边缘检测，获取了图像的边缘。
       获取图像边缘后，将边缘转换成轮廓，得到若干个由链码形式表示的轮廓信息。通过多边形拟合算法，筛除不是圆形以及是圆形但大小不符合要求的轮廓，最后返回的轮廓即我们需要测量的螺孔边缘，如果已知CCD探测单元的尺寸x和镜头的光学放大倍率β，根据公式可算出图像每个像元的像元分辨率，
       再通过算法计算轮廓所对应的位置和半径，得到的像素个数乘以像元分辨率， 即可计算出螺孔的准确半径和位置。

四、 附加
       1、上述测量是针对通孔情况的，对于盲孔情况同样适用，只需要对图像处理的个别参数进行修改即可，技术细节不再赘述，中间过程见图9-图13，图10中浅蓝色的圆孔为盲孔，其余为通孔。

图9 反色变化后的结果	图10 区域分割后的结果

图11 边缘检测后的结果	图12 圆形拟合后的结果
图13 最终测量结果（中间的圆孔为盲孔）
图14 大尺寸螺孔测量——区域分割

五、 测量误差估计
       测量误差分为系统误差和随机误差，系统误差又叫做规律误差。它是在一定的测量条件下，对同一个被测尺寸进行多次重复测量时，误差值的大小和符号（正值或负值）保持不变；或者在条件变化时，按一定规律变化的误差。系统误差通常可以通过后续的算法进行矫正。而随机误差是指在相同的测量条件下，多次测量同一量值时，其绝对值和符号无法预计的测量误差，这种误差是测量时不可避免的。
       由于原工件的实际加工尺寸需要更精确的量具来测量，因此在这里通过对同一螺孔进行多次条件相同的测量，以此估算测量过程中的随机误差。

方案所用器件如下：

器件	型号	参数	数量
CCD相机	Baumer TXG50	500万像素，15fps	1
远心镜头	HX018-5M110	0.18X, 500万像素双远心	1
光源	CCS 环形光	150mm, 红色低角度	1
标定板	棋盘格	200x200mm , 2.5um精度	1
算法			1

测量定位类型	?金属工件孔位定位 ?工件尺寸测量 ?工件定位，匹配 ?工件表面划痕、崩角、缺陷、砂眼检测
检测精度	0.01mm
检测速度	每秒10次