滚珠螺母形位误差的CCD测量

　　1　引　言

　　滚珠螺母是滚珠丝杠副的内螺纹元件,它的精度直接影响滚珠丝杠副的传动质量。因其摩擦小、效率高、运行平稳、寿命长、可逆传动及零间隙等优点,广泛应用于精密机械、机床、汽车、船舶、航空航天及计算机等行业。滚珠丝杠与螺母之间以钢球为运动载体构成滚动摩擦,摩擦性能优良。由于螺母内表面结构较为复杂,无论设计还是制造工艺都比丝杠困难,尤其是它的内部参数较难测量。滚珠螺母的常规测量方法[1, 2]有固定式检测仪、钢珠接触法及相对测量法,它们都属于接触测量,每种方法只能测量一种或两种参数。有些参数能定量测量,有些则靠综合量规检定或透光法定性检测,个别参数无法测量,螺母的形位误差测量尤为困难。根据技术规范[2],滚珠螺母公称直径的圆度、滚道跳动及滚道对其外径的同轴度应满足一定的公差要求。由于滚珠螺母公称直径不同于普通光滑圆柱面,它是看不见且指针无法触及到的虚拟要素,所以它的形位误差无法用普通方法精确测量,目前的测量是以标准丝杠样件为基准进行形位误差测量,而丝杠本身存在误差,导致测量结果的累积误差较大,有些参数达不到要求。

　　本文提出一种改进的二次多项式插值法,将Canny边缘检测算子与3×3方向模板相结合确定边缘方向,再利用Sobel边缘检测算子计算边缘的亚像素位置,并推导了定位误差公式,使CCD的分辨率提高40倍。计算测量了滚珠螺母的滚道圆度、圆柱度、径向圆跳动及同轴度等形位误差,误差分别为f1=0. 013mm,f2=0. 016mm,f3=0. 022mm,f4=0. 014mm。在测量滚珠螺母的滚道圆度误差时,提出了离散点非对称分布在圆周附近时圆度误差的最小区域评定方法。用简单的解析方法论述了算法的实现过程,只需进行数次循环计算即可准确求出最小区域宽度(圆度误差)。消除了方法误差,减小了误废率,提高了测量精度。

　　2　轮廓边缘分割

　　2.1　测量系统构成

　　测量系统主要由软、硬件两部分组成。其功能模块分为图像采集环节、处理环节、测量环节及结果分析几部分。硬件部分包括CCD、工件及工作台、计算机、接口卡及标定量块等;软件在VC++环境下自主开发,主要是图像处理及后续测量的数据计算。

　　图像质量直接影响检测精度,本文采用大恒图像公司生产的DH-HV3000FC彩色数字摄像头,该摄像头分辨率为2048×1536,像素尺寸为3. 2μm×3. 2μm, IEEE1394数字接口卡将采集到的数字图像传输到计算机。采集图像时,将直径等于滚珠公称直径的标准测球放在滚道沟槽内,在重力作用下测球与光滑沟道最底部接触。对采集到的彩色图像进行灰度化处理,得到图1所示的灰度图像。

　　2.2　图像分割

　　数字图像存在一定噪声,为获得清晰的图像轮廓,需对图像进行降噪处理。均值滤波使图像边缘模糊,对几何量测量误差有较大影响。中值滤波对图像中的显著角点有影响。图1中图像的边缘基本都是圆和圆弧曲线,个别角点对测量结果影响很小,所以采用3×3小邻阈的中值滤波来消除个别毛刺噪声的影响,效果较好。

　　图像分割是图像处理的重要内容,其目的是将目标从背景中分离出来。图像分割主要分为阈值分割法和梯度分割法。阈值选取是阈值分割的关键,阈值选取过高,则过多的目标点被误判为背景,阈值选取过低,又会使背景误判为目标。梯度分割法[3, 4]获得的边界有时不是完全连通的,有一定程度的断开,丢失了部分边界像素,边界连续性不好,

　　边界定位不够准确。有些微分边缘检测算子获得的边缘粗大,非边界像素太多,给后续的图像测量增加了难度。个别算子计算量较大、效率偏低,不适于实时测量要求。本文图像是在实验条件下采集的,经预处理噪声已大为减少,利用Canny算子定位边缘,该算子具有偏差最小、单向素宽、不丢失边缘以及无虚假边缘等优越性能,可提高边缘的初始定位精度。图2为Canny算子检测到的边缘,以此为基础实施亚像素处理即可实现对参数的测量。

　　3　亚像素定位

　　亚像素定位技术是利用软件算法来提高测量精度的有效途径。亚像素定位的方法很多[3~7],插值是其中的一大类方法,多项式插值一般是通过边缘检测将边缘定位到整像素位置,在水平方向和垂直方向做二次多项式插值,从而求出边缘的精确位置。视觉测量中的图像边缘一般为阶跃状边缘,边缘的亚像素位置应垂直于边缘,在梯度方向上度量。插值方法没有考虑到像素点灰度的梯度方向,只在水平和垂直方向进行插值,所以这类方法存在误差。

　　本文在Canny检测的基础上,计算出梯度方向,沿此方向对梯度图像进行插值,确定边缘的亚像素位置。Sobel算子可检测边缘的梯度,但在图像中的噪声较严重或图像对比度较差等情况下,边缘点的梯度存在较大误差,导致检测出的圆心误差过大。

　　本文利用Canny检测的初定位结果计算梯度方向。Canny边缘检测后得到一系列整像素边缘点Pi(u,v),对孔的边缘点,如果不考虑分辨率影响,Pi(u,v)应分布在理想圆(弧)上,此时梯度方向为半径方向。设P0(u, v)为边缘上的任意点,它的梯度幅值为R0(降噪后的灰度图像进行Sobel边缘检测),沿边缘方向(顺时针方向)找到与其相邻的两个边缘点P-1(u,v)、P1(u,v),边缘方向的斜率为:

　　利用边缘点P0(u,v)与梯度方向上的两个相邻插值点P0'和P0″的坐标及灰度梯度幅值即可计算边缘点P0(u,v)的亚像素位置。设边缘点P0(u,v)的灰度梯度幅值为R0,与P0(u,v)对应的梯度方向上两个相邻插值点P0'和P0″的灰度梯度幅值分别为R-1、R1,则边缘点P0(u, v)的亚像素位置偏移为: