发动机凸轮轴非接触三维精密测量

发动机凸轮轴非接触三维精密测量第23卷第l期2009年3月上海工程技术大学学报JOURNALOFSHANGHAIUNIVERSITYOFENGINEERINGSCIENCEVo1.23NO.1Mar.2009文章编号:1009444X(2009)01000l一05发动机凸轮轴非接触三维精密测量裘建新,许晓东.,檀亮(1上海工程技术大学机械工程学院,上海201620;2.上海交通大学机械与动力工程学院,上海200240)摘要:从测量方法入手,以角点提取及角点匹配算法理论为基础,提出了基于多边不规则模型的特征匹配方法,解决了凸轮轴检测过程中,使用编码标记点与自身特征产生的匹配困难以及造成精度不高的问题.对凸轮轴的三维测量实验验证,基于多边不规则模型的特征匹配方法,使拍摄拼接的法向平均测量精度达到小于0.04mm的水平.所提出的测量方法能够有效地提高双目CCD三维测量精度.关键词:凸轮轴;机器视觉;三维测量;特征匹配中图分类号:TG806;TH1611;TP391.41文献标志码:ANon-touch3一DPreciseMeasuringofEngineCamshaftQIUjianxin.XUXiaodong一.TANLiang,.(1.CollegeofMechanicalEngineering,ShanghaiUniversityofEngineeringScience,Shanghai201620,China;2SchoolofMechanicalEngineering,ShanghaiJiaotongUniversity,Shanghai200240,China)Abstract:Thenontouch3Dmeasuringbasedonmachinevisionwasintroducedintocamshaftprecisemeasuring.CurrentCCD3一dimensionalmeasuringcantmeettherequirementsforcamshaftSmeasuringprecision.AMulti-CharacterMatchmethodbasedonthePolygonalNon.regularmodelwasadvancedwiththetheoryofAnglePickingandAngleMatching.ThismethodcansolvetheproblemofmatchingdifficultyandlowprecisioninthemeasuringprocessfromtheCodedReferencePointmethodandSelfCharacterMatchmethod.The3Dmeasuringexperimentoncamshaftprovesthatthenormalaveragemeasuringprecisionisincreasedtoanewlevellessthan0.04mminthepointcloudsphotomerge.Thismeasuringmethodcaneffectivelyincreasethe3DmeasuringprecisionofthedoubleeyeCCD.Keywords:camshaft;machinevision;3Dmeasuring;charactermatch发动机凸轮轴是汽车的重要部件,属于典型的细长轴类零件.它的功能是驱动发动机整个配气系统及其附件,使其快速,准确地吞吐大量燃气,保证正确的配气相位和按一定运动规律控制气门组定时开闭.其中,凸轮轴上各凸轮的廓线形状和尺寸是影响气门开闭间隙大小和配气效率的主要因素,直接关系到整个发动机的充气系数,功率输出,动力性能以及废气排放.发动机凸轮轴制造质量与汽车运行的动力性,舒适性息息相关.目前,一般工厂都采用二维测量方法对凸轮轴进行检测.但是,二维测量的方法逐渐暴露出很多局限性,如需要多台检测设备,检测全局性差,成本高,效率低,不能适应工业技术的高速发展HJ.为此,本文引入一种全局性的测量方法,利用双目CCD对汽车发动机凸轮轴进行非接触三维测量.虽然CCD在二维轮廓测量中已经实现微米级收稿日期:20080916基金项目:上海市教育委员会科研项目(O6NzDc)1)作者简介:裘建新(1946),男,浙江嵊州人,教授,硕士,研究方向为光机电一体化设计制造?2?上海工程技术大学学报第23卷精度,但是在三维测量上只能达到0.05mrn的精度.因为双目CCD三维测量主要运用在汽车大型覆盖件的表面特征测量上.因此,将双目CCD三维测量方法运用到凸轮轴类精密零部件的测量时,提高测量精度是关键技术.提高CCD三维测量精度的3个途径:1)提高测量设备精度,例如提高CCD的像素以及改进镜头的畸变纠正能力等;2)优化三维拍摄算法以及后期处理算法,增加软件的稳定性与分析能力;3)优化测量手段和方法,根据待测物体的特征,研究最适合的测量方式,力图获得更佳的三维图像,从而提高点云拼接精度,改进实际测量精度.本文提出凸轮轴类复杂曲面零件的精密测量方法.从测量方法人手,以角点提取及角点匹配算法理论为基础,用多边不规则模型的特征匹配方法代替传统的编码标记点方法,用多角特征匹配代替自身特征匹配.提高了点云匹配精度,解决了小型旋转件边缘拼接困难造成三维模型精度不高的问题,实验验证了所提出的新方法的正确性以及在提高整体精度上的作用,并从理论上给以证明.多边不规则模型法研究1.1发动机凸轮轴三维测量的技术难点双目CCD三维测量范围为两个镜头所对的共同部分,对于超过研究视野范围的物体来说,需要通过几次测量才能整体完成.三维测量一般分为两个步骤:一是拍摄获取点云过程,二是若干块点云的拼接过程.而整个测量的精度也就由拍摄精度和拼接精度两个部分决定.要提高拍摄精度只能通过提高设备精度和优化算法获得,而提高拼接精度则可从拍摄方法人手.目前的拼接方法都是基于特征匹配的,就其具体形式来说,又可分为两种:1)在被测目标上粘贴人工编码标记点,结合模式识别方法,对这些标记点进行自动搜索,完成对整体图像的拼接_341.2)依靠物体表面自身的特征信息进行空间物体匹配_5J.在工程实际中,对大型覆盖面进行特征检测的时候,都采用编码标记点为主,自身特征为辅的方法.但在凸轮轴的具体测量中,如果采用传统的编码标记点的方法进行拍摄和拼接,就会增加后期点云拼接难度,影响测量精度,原因如下:1)为了减少后期不必要的补偿,标记编码点贴在各凸轮之间的非加工轴面上,发动机凸轮轴为直径25mm的精密细长轴.而常用的标记编码点,直径最小的为5mm.当把直径5mm的编码点贴于直径25mm轴上的时候,点云会产生变形,从所需要的平面椭圆变为空间椭圆,严重影响拼接的精度j.2)非加工面为铸造面,表面有很多小突起,也会影响标记编码点的粘贴以及后期分析精度.3)由于摄像机拍摄视野的限制,每次只能完成12节凸轮的拍摄,所以如果使用编码点贴片,不仅占据了全部非加工面的空间,有时还占用到加工面,直接影响了检测精度.因为用自身特征拼接方法代替标记编码点方法,又发现凸轮轴是一个标准旋转体,每个凸轮除了相位不同,大小形状都是完全相同的,而且凸轮本身特征较少,所以使用自身的特征来进行点云拼接,在精度上不能达到很好的效果.1.2特征构造建立具有多角特征的人工模型以解决上述问题.人工特征分为规则特征和不规则特征两种.规则特征一般有正方体,长方体和四面体等.不规则特征则是在规则特征的基础上演变而来的,比如在正方体或长方体上添加各种突起,改变各边长比例.根据凸轮轴的实际尺寸与特征,并考虑到拍摄和拼接的方便性,构造了如图1所示的人工构造特征(材料,白色软泥).图(a)为直径5mm的球体,无角边特征;图(b)为边长5mm的四面体,有一条角边特征;图(c)为边长5mm的正方体,有3条角边特征;图(d)为不规则体1,有多条角边特征;图(e)为不规则体2(不规则程度大于不规则体1),有多条角边特征.(d)不规则体1(e)不规则体2图1人工构造特征Fig.1Artificialconstructioncharacteristics1.3基于特征的匹配算法研究基于特征的匹配可以简化为角点特征的匹配.这里的角点是图像上曲率足够高,并且位于图像中一Cr,第1期裘建新,等:发动机凸轮轴非接触三维精密测量?3?不同亮度区域交界处的点.具体定义为:1)一阶导数的局部最大值所对应的像素点;2)两条以上边缘的交点;3)它指示了物体边缘变化不连续的方向;4)该点处一阶导数最大,而且高阶导数为零;5)该点处不仅梯度的数值大,而且梯度方向的变化速率也很大.基于角点的匹配算法分为两个步骤,角点提取和角点匹配.1)角点提取的非线性滤波方法.即SUSAN角点检测法l7j,主要用来计算图像中的角点特征.该方法把每个像素与包含它的一块局部区域关联起来,这块区域里的其他像素与该像素具有相似的强度.SUSAN角点检测法对这块区域进行极小化,然后利用统计特性决定该像素的属性,判别它是角点,边点还是面点.为了提取出角点,需要将模板内每个像素的灰度与模板中心的灰度进行比较,式(1)为实际应用中比较常用的相似比较函数,即,一一,jJ(F)一(0).,.,expil_Jf式中:和分别为模板中心点和模板中其他点的坐标;f(,r)为比较的结果;J()为该点的亮度值;t为灰度差阈值.门限t表示所能检测角点的最小对比度,也是能忽略噪声的最大容限.在应用t时需要注意的是能够提取的特征数量越小,就可从对比度越低的图像中提取特征,而且提取的特征也越多,因此对于不同对比度和噪声情况的图像应取不同的t值.2)角点匹配的最邻近NN法.这是一种采用最近邻角点距离与次近邻角点距离之比来对角点进行匹配的方法.其中,最近邻角点是指用不变的角点描述符进行运算的与样本点具有最短欧几里德距离的角点,次近邻角点是指具有比最近邻距离稍长的欧几里德距离的角点.如何以最快的方式找到角点的最近邻和次近邻是NN算法的关键.Friedman_8J提出的kd树快速搜索算法以及Beis和Lowel9J提出的近似算法(BBF)可以很好地解决这个问题.kd树是二又检索树的扩展,kd树的每一层将空间分成两个结点.树的顶层结点按一维进行划分,下一层结点按另一维进行划分,以此类推,各个维循环往复.划分要使得在每个结点,存储在子树中大约一半的点落入一侧,而另一半落入另一侧.当一个结点中点数少于给定的最大点数时,划分结束,之后要进行分配结点的工作.在分配结点的时候首先比较该层的识别器.所谓识别器是指在是维空间中,每一层用来进行决策的关键码.如果关键码小于识别器的值时,放到左子树中,否则就放到右子树中,然后在下一层中使用新的识别器来判断每个结点的归属.识别器的值应该尽量使得被划分的结点大约一半落在左子树上,另一半落在右子树上.kd树搜索时交替地使用识别器与各个维的关键码进行比较,不断缩小搜索范围,直到找到需要的点为止.kd树的数据结构决定了搜索过程中某些子树不被搜索,从而大大地减少了搜索量.kd树的搜索过程对于低维度空问效率非常高.2实验研究2.1实验设备1)上海数造机电科技有限公司3DSS三维扫描仪,见图2.卡)图23DSS三维扫描仪Fig.23DSS3-Dscanner2)图像数据采集卡(MV一300专业黑白采集3)汽车发动机正时凸轮轴,见图3图3奥迪10o型汽车发动机凸轮轴Fig.3Aadi100#enginecamshaft4)高配置PC机一台.5)3DSS扫描仪自带分析软件3DSSSTDCIIVer2006,视觉图像处理软件Gmagic,VC十+(模块增加),CATIA(后期处理).2.2实验过程如图3所示,凸轮轴由4组凸轮,3个非加工轴面及复杂端面组成.将整个凸轮轴拍摄分为8段,其中每段拍摄需要旋转凸轮轴3次,每次120.,上海工程技术大学学报第23卷进行了3次连续测量后,才能表征出凸轮轴全部形貌.为了提高精度,分别在凸轮轴3段非加工面上粘贴特征体,每个非加工面上所贴的特征模型数量为3个.获取8段凸轮轴点云后,先拼接成4部分,再拼接成总体,然后进行后期形状补偿.进行了基于球特征的拍摄与拼接,基于正方体特征的拍摄与拼接,基于不规则体1特征的拍摄与拼接和基于不规则体2特征的拍摄与拼接等特征匹配实验.以球特征匹配为例,通过多次寻找匹配后,得到如图4所示的拼接完成后的点云图(宏观特征图).进入其微观状态的分析配合精度,截面处点云厚度,如图5所示.分别截取拼接完成后的3条直线处宽度约为1mm的截面并放大,得到某一位置的微观点云图.受拍摄精度以及匹配精度的影响,其截面点云呈雾状分布,在垂直方向上有一定厚度.以该厚度作为法向方向精度的,使用Gmagic中的测量工具,选定放大的倍数进行点云厚度的平面尺寸测量,得到点云厚度数据(数据精确到小数点后2位,第3位为估计位),如表1所示.图4拼接完成的点云图(基于球特征)Fig.4Point-cloudaftermatching图5截面处点云厚度(基于球特征)Fig.5Thicknessofpoint-cloudinacertainsection表1点云厚度数据(基于球特征)Tab?1Sectionpoint.cloudthicknessbasedonballcharacteristicmm用同样的实验过程得到基于正方体特征,不规则体1特征,不规则体2特征的点云厚度数据,如图69所示.2.3实验结果及分析由基于特征的匹配算法可知,利用角点的提取与匹配实现拼接的精度,在一定程度上决定于共同角点以及角线的多少.在实验中,人工构造的球体特量量趟鞋1图6基于球体特征的点云厚度曲线Fig.6Point?cloudthicknesscurvebasedonball征匹配除了与凸轮轴接触面的交线外不存在其他角线,所以在匹配后其精度的提升只能依赖自身的圆弧特征以及凸轮两片点云的共同特征进行,提升空问有限.正方体特征匹配在试验过程中所使用到的角线特征为3条,对于精度提升的帮助也不明显.由图6,图7可见,基于这两种特征拼接得出的点云法向方向的平均厚度在0050.06mm之间.007006量OO5髓OO4o03002001图7基于正方体特征的点云厚度曲线Fig7Point-cloudthicknesscurvebasedoncube第1期裘建新,等:发动机凸轮轴非接触三维精密测量?5?在不规则体1特征匹配中,角线与角点等特征有20多个.由图8可见,匹配后的点云截面平均厚度已经减小到0.040.05Yflm,精度提升相对明显.在不规则体2特征匹配中,角线与角点特征多达30多个.由图9可见,匹配后的点云截面平均厚度已经小于0.04mill,明显地提升了拼接精度.所有图像处理完成后,得到完整的点云图见图10.童量毗f图8基于不规则体1特征的点云厚度曲线Fig.8Point-cloudthicknesscurvebasedOilirregular1图9基于不规则体2特征的点云厚度曲线Fig.9Point-cloudthicknessCUlVebasedonirregular2图1O凸轮轴完整的点云图Fig.10Camshaftwholepointcloudfigure据此进行凸轮轴检测,得到的数据是:支承轴颈直径最大误差为0.045mm,轴颈径向圆跳动最大值为0.042mm,凸轮基圆尺寸最大误差为0.040miTt,凸轮问相位最大误差为2.063.可以看出,本文提出的检测方法明显提高了测量效果.3结语1)本文把基于机器视觉的CCD三维测量方法从传统的大型覆盖面的测量应用引入到发动机凸轮轴的测量当中,并从测量方法上入手,提高了总体的测量精度.2)为了解决凸轮轴检测过程中,使用编码标记点与自身特征产生的匹配困难以及所造成精度不高的问题,本文以角点提取及角点匹配算法理论为基础,提出了基于多边不规则模型的特征匹配方法,能够有效地提高测量精度.3)提高三维测量精度的工作,除了优化测量方法外,还有很多研究要做.如在硬件方面提高机器的测量精度,在软件方面改进拍摄和匹配的算法.4)本文对凸轮轴精密三维测量方法的研究,直接关系到其自身以及发动机性能的提高.以具有多相位复杂曲面凸轮轴为测量对象,解决实际测量中的若干技术难点,也起到完善三维非接触测量理论,提升现代测量方法的作用.研究成果可以推广到其他具有复杂廓面的精密零部件检测.参考文献:1刘兴富,李长星.发动机凸轮轴自动化测量技术与实践J.现代零部件,2006(6):6872.2陈晓华,尚锐,胡秉辰,等.圆柱分度凸轮廓面检测技术研究J.农业机械学报,1994(s1):3639.3雷家勇.逆向工程中三维点云拼接系统的研究与实验D.南京:东南大学,20054王浩.基于视觉的形貌测量拼接技术研究D.天津:天津大学,2005.5ISHITAG,LOGANWC,ROBERTLG.AcomputationalapproachtoprealignpointclouddataforsurfaceregistrationinimageguidedliversurgeryD.US:VanderhiltUniversity,2007.6林先茂.实测三维点云数据的后期处理技术研究D.杭州:浙江大学,2006.17jSMITHSM,BRADYJM.SUSANanewapproachtolowlevelimageprocessingfJ.InternationalJournalofComputerVision,1997,23(1):4578.8FRIEDMANJH,BENTLEYJL,FINKELRA.AnalgorithmforfindingbestmatchesinlogarithmicexpectedtimelJJ.ACMTransactionsonMathematicalSoftware,1977,3(3):209226.9JEFFREYSB,DAVIDGL.ShapeindexingusingapproximatenearestneighboursearchinhighdimensionalspacesCProceedingsofthe1997ComputerSocietyConferenceonComputerVisionandPatternRecognition.Washington:IEEEComputerSociety,1997:1000一】006.