《發(fā)動機(jī)凸輪軸非接觸三維精密測量》由會員分享，可在線閱讀，更多相關(guān)《發(fā)動機(jī)凸輪軸非接觸三維精密測量（9頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、發(fā)動機(jī)凸輪軸非接觸三維精密測量 第23卷第l期 2009年3月 上海工程技術(shù)大學(xué)學(xué)報(bào) JOURNALOFSHANGHAIUNIVERSITYOFENGINEERINGSCIENCE Vo1.23NO.1 Mar.2009 文章編號:1009—444X(2009)01—000l一05 發(fā)動機(jī)凸輪軸非接觸三維精密測量 裘建新,許曉東.,檀亮 (1上海工程技術(shù)大學(xué)機(jī)械工程學(xué)院,上海201620;2.上海交通大學(xué)機(jī)械與動力工程學(xué)院,上海200240) 摘要:從測量方法入手,以角點(diǎn)提取及角點(diǎn)匹配算法理論為基礎(chǔ),提出了基于多邊不規(guī)則模型的 特征匹配方法,解決了凸輪軸檢測過程中,

2、使用編碼標(biāo)記點(diǎn)與自身特征產(chǎn)生的匹配困難以及造成 精度不高的問題.對凸輪軸的三維測量實(shí)驗(yàn)驗(yàn)證,基于多邊不規(guī)則模型的特征匹配方法,使拍攝 拼接的法向平均測量精度達(dá)到小于0.04mm的水平.所提出的測量方法能夠有效地提高雙目 CCD三維測量精度. 關(guān)鍵詞:凸輪軸;機(jī)器視覺;三維測量;特征匹配 中圖分類號:TG806;TH1611;TP391.41文獻(xiàn)標(biāo)志碼:A Non-touch3一DPreciseMeasuringofEngineCamshaft QIUjian—xin.XUXiao—dong一.TANLiang,. (1.CollegeofMechanicalEngineerin

3、g,ShanghaiUniversityofEngineeringScience,Shanghai201620,China; 2SchoolofMechanicalEngineering,ShanghaiJiaotongUniversity,Shanghai200240,China) Abstract:Thenon—touch3Dmeasuringbasedonmachinevisionwasintroducedintocamshaftprecisemeasur～ ing.CurrentCCD3一dimensionalmeasuringcan’tmeettherequirementsfo

4、rcamshaft’Smeasuringprecision.A Multi--CharacterMatchmethodbasedonthePolygonalNon—.regularmodelwasadvancedwiththetheoryof AnglePickingandAngleMatching.Thismethodcansolvetheproblemofmatchingdifficultyandlowpreci sioninthemeasuringprocessfromtheCodedReferencePointmethodandSelf～CharacterMatchmethod.

5、The 3Dmeasuringexperimentoncamshaftprovesthatthenormalaveragemeasuringprecisionisincreasedtoa newlevellessthan0.04mminthepoint～cloudsphotomerge.Thismeasuringmethodcaneffectivelyincrease the3Dmeasuringprecisionofthedouble—eyeCCD. Keywords:camshaft;machinevision;3Dmeasuring;charactermatch 發(fā)動機(jī)凸輪軸是

6、汽車的重要部件,屬于典型的 細(xì)長軸類零件.它的功能是驅(qū)動發(fā)動機(jī)整個(gè)配氣系 統(tǒng)及其附件,使其快速,準(zhǔn)確地吞吐大量燃?xì)?保證 正確的配氣相位和按一定運(yùn)動規(guī)律控制氣門組定 時(shí)開閉.其中,凸輪軸上各凸輪的廓線形狀和尺寸 是影響氣門開閉間隙大小和配氣效率的主要因素, 直接關(guān)系到整個(gè)發(fā)動機(jī)的充氣系數(shù),功率輸出,動 力性能以及廢氣排放.發(fā)動機(jī)凸輪軸制造質(zhì)量與汽 車運(yùn)行的動力性,舒適性息息相關(guān). 目前,一般工廠都采用二維測量方法對凸輪軸 進(jìn)行檢測.但是,二維測量的方法逐漸暴露出很多 局限性,如需要多臺檢測設(shè)備,檢測全局性差,成本 高,效率低,不能適應(yīng)工業(yè)技術(shù)的高速發(fā)展HJ. 為此,本

7、文引入一種全局性的測量方法,利用雙目 CCD對汽車發(fā)動機(jī)凸輪軸進(jìn)行非接觸三維測量. 雖然CCD在二維輪廓測量中已經(jīng)實(shí)現(xiàn)微米級 收稿日期:2008—09—16 基金項(xiàng)目:上海市教育委員會科研項(xiàng)目(O6NzDc)1) 作者簡介:裘建新(1946),男,浙江嵊州人,教授,碩士,研究方向?yàn)楣鈾C(jī)電一體化設(shè)計(jì)制造 ? 2?上海工程技術(shù)大學(xué)學(xué)報(bào)第23卷 精度,但是在三維測量上只能達(dá)到0.05mrn的精 度.因?yàn)殡p目CCD三維測量主要運(yùn)用在汽車大型 覆蓋件的表面特征測量上.因此,將雙目CCD三維 測量方法運(yùn)用到凸輪軸類精密零部件的測量時(shí),提 高測量精度是關(guān)鍵技術(shù). 提高CCD三維測量

8、精度的3個(gè)途徑: 1)提高測量設(shè)備精度,例如提高CCD的像素 以及改進(jìn)鏡頭的畸變糾正能力等; 2)優(yōu)化三維拍攝算法以及后期處理算法,增 加軟件的穩(wěn)定性與分析能力; 3)優(yōu)化測量手段和方法,根據(jù)待測物體的特 征,研究最適合的測量方式,力圖獲得更佳的三維 圖像,從而提高點(diǎn)云拼接精度,改進(jìn)實(shí)際測量精度. 本文提出凸輪軸類復(fù)雜曲面零件的精密測量 方法.從測量方法人手,以角點(diǎn)提取及角點(diǎn)匹配算 法理論為基礎(chǔ),用多邊不規(guī)則模型的特征匹配方法 代替?zhèn)鹘y(tǒng)的編碼標(biāo)記點(diǎn)方法,用多角特征匹配代替 自身特征匹配.提高了點(diǎn)云匹配精度,解決了小型 旋轉(zhuǎn)件邊緣拼接困難造成三維模型精度不高的問 題,

9、實(shí)驗(yàn)驗(yàn)證了所提出的新方法的正確性以及在提 高整體精度上的作用,并從理論上給以證明. 多邊不規(guī)則模型法研究 1.1發(fā)動機(jī)凸輪軸三維測量的技術(shù)難點(diǎn) 雙目CCD三維測量范圍為兩個(gè)鏡頭所對的共 同部分,對于超過研究視野范圍的物體來說,需要 通過幾次測量才能整體完成.三維測量一般分為兩 個(gè)步驟:一是拍攝獲取點(diǎn)云過程,二是若干塊點(diǎn)云 的拼接過程.而整個(gè)測量的精度也就由拍攝精度和 拼接精度兩個(gè)部分決定.要提高拍攝精度只能通過 提高設(shè)備精度和優(yōu)化算法獲得,而提高拼接精度則 可從拍攝方法人手. 目前的拼接方法都是基于特征匹配的,就其具 體形式來說,又可分為兩種: 1)在被測目標(biāo)上粘貼

10、人工編碼標(biāo)記點(diǎn),結(jié)合 模式識別方法,對這些標(biāo)記點(diǎn)進(jìn)行自動搜索,完成 對整體圖像的拼接_3—41. 2)依靠物體表面自身的特征信息進(jìn)行空間物 體匹配_5J.在工程實(shí)際中,對大型覆蓋面進(jìn)行特征 檢測的時(shí)候,都采用編碼標(biāo)記點(diǎn)為主,自身特征為 輔的方法. 但在凸輪軸的具體測量中,如果采用傳統(tǒng)的編 碼標(biāo)記點(diǎn)的方法進(jìn)行拍攝和拼接,就會增加后期點(diǎn) 云拼接難度,影響測量精度,原因如下: 1)為了減少后期不必要的補(bǔ)償,標(biāo)記編碼點(diǎn)貼 在各凸輪之間的非加工軸面上,發(fā)動機(jī)凸輪軸為直徑 25mm的精密細(xì)長軸.而常用的標(biāo)記編碼點(diǎn),直徑最 小的為5mm.當(dāng)把直徑5mm的編碼點(diǎn)貼于直徑25 mm軸

11、上的時(shí)候,點(diǎn)云會產(chǎn)生變形,從所需要的平面橢 圓變?yōu)榭臻g橢圓,嚴(yán)重影響拼接的精度j. 2)非加工面為鑄造面,表面有很多小突起,也 會影響標(biāo)記編碼點(diǎn)的粘貼以及后期分析精度. 3)由于攝像機(jī)拍攝視野的限制,每次只能完 成1～2節(jié)凸輪的拍攝,所以如果使用編碼點(diǎn)貼片, 不僅占據(jù)了全部非加工面的空間,有時(shí)還占用到加 工面,直接影響了檢測精度.. 因?yàn)橛米陨硖卣髌唇臃椒ù鏄?biāo)記編碼點(diǎn)方 法,又發(fā)現(xiàn)凸輪軸是一個(gè)標(biāo)準(zhǔn)旋轉(zhuǎn)體,每個(gè)凸輪除 了相位不同,大小形狀都是完全相同的,而且凸輪 本身特征較少,所以使用自身的特征來進(jìn)行點(diǎn)云拼 接,在精度上不能達(dá)到很好的效果. 1.2特征構(gòu)造 建立具有

12、多角特征的人工模型以解決上述問 題.人工特征分為規(guī)則特征和不規(guī)則特征兩種.規(guī)則 特征一般有正方體,長方體和四面體等.不規(guī)則特征 則是在規(guī)則特征的基礎(chǔ)上演變而來的,比如在正方 體或長方體上添加各種突起,改變各邊長比例. 根據(jù)凸輪軸的實(shí)際尺寸與特征,并考慮到拍攝 和拼接的方便性,構(gòu)造了如圖1所示的人工構(gòu)造特 征(材料,白色軟泥).圖(a)為直徑5mm的球體, 無角邊特征;圖(b)為邊長5mm的四面體,有一條 角邊特征;圖(c)為邊長5mm的正方體,有3條角 邊特征;圖(d)為不規(guī)則體1,有多條角邊特征;圖 (e)為不規(guī)則體2(不規(guī)則程度大于不規(guī)則體1),有 多條角邊特征.

13、 (d)不規(guī)則體1(e)不規(guī)則體2 圖1人工構(gòu)造特征 Fig.1Artificialconstructioncharacteristics 1.3基于特征的匹配算法研究 基于特征的匹配可以簡化為角點(diǎn)特征的匹配. 這里的角點(diǎn)是圖像上曲率足夠高,并且位于圖像中 一 Cr,, [ 第1期裘建新,等:發(fā)動機(jī)凸輪軸非接觸三維精密測量?3? 不同亮度區(qū)域交界處的點(diǎn).具體定義為:1)一階導(dǎo) 數(shù)的局部最大值所對應(yīng)的像素點(diǎn);2)兩條以上邊 緣的交點(diǎn);3)它指示了物體邊緣變化不連續(xù)的方 向;4)該點(diǎn)處一階導(dǎo)數(shù)最大,而且高階導(dǎo)數(shù)為零; 5)該點(diǎn)處不僅梯度的數(shù)值大,而且梯度方向的變 化速

14、率也很大. 基于角點(diǎn)的匹配算法分為兩個(gè)步驟,角點(diǎn)提取 和角點(diǎn)匹配. 1)角點(diǎn)提取的非線性濾波方法.即SUSAN 角點(diǎn)檢測法l7j,主要用來計(jì)算圖像中的角點(diǎn)特征. 該方法把每個(gè)像素與包含它的一塊局部區(qū)域關(guān)聯(lián) 起來,這塊區(qū)域里的其他像素與該像素具有相似的 強(qiáng)度.SUSAN角點(diǎn)檢測法對這塊區(qū)域進(jìn)行極小 化,然后利用統(tǒng)計(jì)特性決定該像素的屬性,判別它 是角點(diǎn),邊點(diǎn)還是面點(diǎn). 為了提取出角點(diǎn),需要將模板內(nèi)每個(gè)像素的灰 度與模板中心的灰度進(jìn)行比較,式(1)為實(shí)際應(yīng)用 中比較常用的相似比較函數(shù),即 ,一一,j『J(F)一(0)].},., expi—l——_Jf… 式中:和分別為

15、模板中心點(diǎn)和模板中其他點(diǎn) 的坐標(biāo);f(,r)為比較的結(jié)果;J()為該點(diǎn)的亮 度值;t為灰度差閾值. 門限t表示所能檢測角點(diǎn)的最小對比度,也是 能忽略噪聲的最大容限.在應(yīng)用t時(shí)需要注意的是 能夠提取的特征數(shù)量越小,就可從對比度越低的圖 像中提取特征,而且提取的特征也越多,因此對于 不同對比度和噪聲情況的圖像應(yīng)取不同的t值. 2)角點(diǎn)匹配的最鄰近NN法.這是一種采用 最近鄰角點(diǎn)距離與次近鄰角點(diǎn)距離之比來對角點(diǎn) 進(jìn)行匹配的方法.其中,最近鄰角點(diǎn)是指用不變的 角點(diǎn)描述符進(jìn)行運(yùn)算的與樣本點(diǎn)具有最短歐幾里 德距離的角點(diǎn),次近鄰角點(diǎn)是指具有比最近鄰距離 稍長的歐幾里德距離的角點(diǎn).

16、 如何以最快的方式找到角點(diǎn)的最近鄰和次近 鄰是NN算法的關(guān)鍵.Friedman_8J提出的k—d樹 快速搜索算法以及Beis和Lowel9J提出的近似算 法(BBF)可以很好地解決這個(gè)問題.k—d樹是二 又檢索樹的擴(kuò)展,k—d樹的每一層將空間分成兩 個(gè)結(jié)點(diǎn).樹的頂層結(jié)點(diǎn)按一維進(jìn)行劃分,下一層結(jié) 點(diǎn)按另一維進(jìn)行劃分,以此類推,各個(gè)維循環(huán)往復(fù). 劃分要使得在每個(gè)結(jié)點(diǎn),存儲在子樹中大約一半的 點(diǎn)落入一側(cè),而另一半落入另一側(cè).當(dāng)一個(gè)結(jié)點(diǎn)中 點(diǎn)數(shù)少于給定的最大點(diǎn)數(shù)時(shí),劃分結(jié)束,之后要進(jìn) 行分配結(jié)點(diǎn)的工作. 在分配結(jié)點(diǎn)的時(shí)候首先比較該層的識別器.所 謂識別器是指在是維空間中,每一層

17、用來進(jìn)行決 策的關(guān)鍵碼.如果關(guān)鍵碼小于識別器的值時(shí),放到 左子樹中,否則就放到右子樹中,然后在下一層中 使用新的識別器來判斷每個(gè)結(jié)點(diǎn)的歸屬.識別器的 值應(yīng)該盡量使得被劃分的結(jié)點(diǎn)大約一半落在左子 樹上,另一半落在右子樹上.k—d樹搜索時(shí)交替地 使用識別器與各個(gè)維的關(guān)鍵碼進(jìn)行比較,不斷縮小 搜索范圍,直到找到需要的點(diǎn)為止.k—d樹的數(shù)據(jù) 結(jié)構(gòu)決定了搜索過程中某些子樹不被搜索,從而大 大地減少了搜索量.k—d樹的搜索過程對于低維 度空問效率非常高. 2實(shí)驗(yàn)研究 2.1實(shí)驗(yàn)設(shè)備 1)上海數(shù)造機(jī)電科技有限公司3DSS三維掃 描儀,見圖2. 卡) 圖23DSS三維掃描儀

18、Fig.23DSS3-Dscanner 2)圖像數(shù)據(jù)采集卡(MV一300專業(yè)黑白采集 3)汽車發(fā)動機(jī)正時(shí)凸輪軸,見圖3 圖3奧迪10o型汽車發(fā)動機(jī)凸輪軸 Fig.3Aadi100#enginecamshaft 4)高配置PC機(jī)一臺. 5)3DSS掃描儀自帶分析軟件3DSS—STDC— IIVer2006,視覺圖像處理軟件G—magic,VC十+(模 塊增加),CATIA(后期處理). 2.2實(shí)驗(yàn)過程 如圖3所示,凸輪軸由4組凸輪,3個(gè)非加工 軸面及復(fù)雜端面組成.將整個(gè)凸輪軸拍攝分為8 段,其中每段拍攝需要旋轉(zhuǎn)凸輪軸3次,每次120., 上海工程技術(shù)大學(xué)學(xué)報(bào)第23卷

19、進(jìn)行了3次連續(xù)測量后,才能表征出凸輪軸全部形 貌.為了提高精度,分別在凸輪軸3段非加工面上 粘貼特征體,每個(gè)非加工面上所貼的特征模型數(shù)量 為3個(gè).獲取8段凸輪軸點(diǎn)云后,先拼接成4部分, 再拼接成總體,然后進(jìn)行后期形狀補(bǔ)償. 進(jìn)行了基于球特征的拍攝與拼接,基于正方體 特征的拍攝與拼接,基于不規(guī)則體1特征的拍攝與 拼接和基于不規(guī)則體2特征的拍攝與拼接等特征 匹配實(shí)驗(yàn).以球特征匹配為例,通過多次尋找匹配 后,得到如圖4所示的拼接完成后的點(diǎn)云圖(宏觀 特征圖). 進(jìn)入其微觀狀態(tài)的分析配合精度,截面處點(diǎn)云 厚度,如圖5所示.分別截取拼接完成后的3條直 線處寬度約為1mm的截面并

20、放大,得到某一位置 的微觀點(diǎn)云圖.受拍攝精度以及匹配精度的影響, 其截面點(diǎn)云呈霧狀分布,在垂直方向上有一定厚 度.以該厚度作為法向方向精度的,使用G—magic 中的測量工具,選定放大的倍數(shù)進(jìn)行點(diǎn)云厚度的平 面尺寸測量,得到點(diǎn)云厚度數(shù)據(jù)(數(shù)據(jù)精確到小數(shù) 點(diǎn)后2位,第3位為估計(jì)位),如表1所示. 圖4拼接完成的點(diǎn)云圖(基于球特征) Fig.4Point-cloudaftermatching 圖5截面處點(diǎn)云厚度(基于球特征) Fig.5Thicknessofpoint-cloudinacertainsection 表1點(diǎn)云厚度數(shù)據(jù)(基于球特征) Tab?1Sectionpo

21、int.cloudthicknessbasedonballcharacteristic mm 用同樣的實(shí)驗(yàn)過程得到基于正方體特征,不規(guī) 則體1特征,不規(guī)則體2特征的點(diǎn)云厚度數(shù)據(jù),如 圖6～9所示. 2.3實(shí)驗(yàn)結(jié)果及分析 由基于特征的匹配算法可知,利用角點(diǎn)的提取 與匹配實(shí)現(xiàn)拼接的精度,在一定程度上決定于共同 角點(diǎn)以及角線的多少.在實(shí)驗(yàn)中,人工構(gòu)造的球體特 量 量 \ {趟 鞋 1 《 圖6基于球體特征的點(diǎn)云厚度曲線 Fig.6Point?cloudthicknesscurvebasedonball 征匹配除了與凸輪軸接觸面的交線外不存在其他角 線,所以在匹配

22、后其精度的提升只能依賴自身的圓 弧特征以及凸輪兩片點(diǎn)云的共同特征進(jìn)行,提升空 問有限.正方體特征匹配在試驗(yàn)過程中所使用到的 角線特征為3條,對于精度提升的幫助也不明顯.由 圖6,圖7可見,基于這兩種特征拼接得出的點(diǎn)云法 向方向的平均厚度在005～0.06mm之間. 007 006 量OO5 髓OO4 o03 《002 001 圖7基于正方體特征的點(diǎn)云厚度曲線 Fig7Point-cloudthicknesscurvebasedoncube 第1期裘建新,等:發(fā)動機(jī)凸輪軸非接觸三維精密測量?5? 在不規(guī)則體1特征匹配中,角線與角點(diǎn)等特征 有20多個(gè).由圖8可見,

23、匹配后的點(diǎn)云截面平均厚 度已經(jīng)減小到0.04～0.05Yflm,精度提升相對明 顯.在不規(guī)則體2特征匹配中,角線與角點(diǎn)特征多 達(dá)30多個(gè).由圖9可見,匹配后的點(diǎn)云截面平均厚 度已經(jīng)小于0.04mill,明顯地提升了拼接精度.所 有圖像處理完成后,得到完整的點(diǎn)云圖見圖10. 童 量 \ 毗 f 《 圖8基于不規(guī)則體1特征的點(diǎn)云厚度曲線 Fig.8Point-cloudthicknesscurvebasedOilirregular1 圖9基于不規(guī)則體2特征的點(diǎn)云厚度曲線 Fig.9Point-cloudthicknessCUl’Vebasedonirregular2

24、 圖1O凸輪軸完整的點(diǎn)云圖 Fig.10Camshaftwholepoint—cloudfigure 據(jù)此進(jìn)行凸輪軸檢測,得到的數(shù)據(jù)是:支承軸 頸直徑最大誤差為0.045mm,軸頸徑向圓跳動最 大值為0.042mm,凸輪基圓尺寸最大誤差為 0.040miTt,凸輪問相位最大誤差為2.063.可以看 出,本文提出的檢測方法明顯提高了測量效果. 3結(jié)語 1)本文把基于機(jī)器視覺的CCD三維測量方 法從傳統(tǒng)的大型覆蓋面的測量應(yīng)用引入到發(fā)動機(jī) 凸輪軸的測量當(dāng)中,并從測量方法上入手,提高了 總體的測量精度. 2)為了解決凸輪軸檢測過程中,使用編碼標(biāo) 記點(diǎn)與自身特征產(chǎn)生的匹配困難以

25、及所造成精度 不高的問題,本文以角點(diǎn)提取及角點(diǎn)匹配算法理論 為基礎(chǔ),提出了基于多邊不規(guī)則模型的特征匹配方 法,能夠有效地提高測量精度. 3)提高三維測量精度的工作,除了優(yōu)化測量方 法外,還有很多研究要做.如在硬件方面提高機(jī)器的 測量精度,在軟件方面改進(jìn)拍攝和匹配的算法. 4)本文對凸輪軸精密三維測量方法的研究, 直接關(guān)系到其自身以及發(fā)動機(jī)性能的提高.以具有 多相位復(fù)雜曲面凸輪軸為測量對象,解決實(shí)際測量 中的若干技術(shù)難點(diǎn),也起到完善三維非接觸測量理 論,提升現(xiàn)代測量方法的作用.研究成果可以推廣 到其他具有復(fù)雜廓面的精密零部件檢測. 參考文獻(xiàn): [1]劉興富,李長星.發(fā)

26、動機(jī)凸輪軸自動化測量技術(shù)與實(shí) 踐[J].現(xiàn)代零部件,2006(6):68—72. [2]陳曉華,尚銳,胡秉辰,等.圓柱分度凸輪廓面檢測技 術(shù)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),1994(s1):36—39. [3]雷家勇.逆向工程中三維點(diǎn)云拼接系統(tǒng)的研究與實(shí)驗(yàn) [D].南京:東南大學(xué),2005 [4]王浩.基于視覺的形貌測量拼接技術(shù)研究[D].天津: 天津大學(xué),2005. [5]ISHITAG,LOGANWC,ROBERTLG.Acomputa— tionalapproachtopre—alignpointclouddataforsurface registrationinimage

27、guidedliversurgery[D].US:Van— derhiltUniversity,2007. [6]林先茂.實(shí)測三維點(diǎn)云數(shù)據(jù)的后期處理技術(shù)研究 [D].杭州:浙江大學(xué),2006. 17jSMITHSM,BRADYJM.SUSAN—anewapproach tolowlevelimageprocessingfJ].InternationalJournal ofComputerVision,1997,23(1):45—78. [8]FRIEDMANJH,BENTLEYJL,FINKELRA.An algorithmforfindingbestmatchesinloga

28、rithmicex— pectedtimelJJ.ACMTransactionsonMathematical Software,1977,3(3):209—226. [9]JEFFREYSB,DAVIDGL.Shapeindexingusingap— proximatenearest—neighboursearchinhigh—dimension— alspaces[C]∥Proceedingsofthe1997ComputerSoci— etyConferenceonComputerVisionandPatternRecog— nition.Washington:IEEEComputerSociety,1997:1000 一 】006.