一种基于机器视觉的二维工作台误差自标定方法技术

本发明专利技术属于机床误差检测领域，并具体公开了一种基于机器视觉的二维工作台误差自标定方法，包括如下步骤：S1相机沿同一方向等距拍摄二维工作台上待测物的数张图片；S2获取第n张和第n+1张图片的对应特征点集，根据该对应特征点集求得单应性变换矩阵，根据该单应性变换矩阵从预构建的误差分离模型中分离出误差值，以此误差值对第n+1张图片进行误差补偿，n＝1；S3对误差补偿后的第n+1张图片和第n+2张图片按S2中方法对第n+2张图片进行误差补偿；S4 n＝n+1，重复S3直至完成对最后一张图片的误差补偿，从而实现误差自标定。本发明专利技术实现了连续动态误差测量，并同步测量多项几何误差，测量精度高、速度快。

An error self calibration method of two-dimensional Worktable Based on machine vision

【技术实现步骤摘要】
一种基于机器视觉的二维工作台误差自标定方法
本专利技术属于机床误差检测领域，更具体地，涉及一种基于机器视觉的二维工作台误差自标定方法。
技术介绍
随着现代制造技术的快速发展，产品尺寸也向着微小、超精密的方向发展，同时对测量精度和检测速度提出了更高的要求。基于机器视觉的影像测量技术作为一种先进高效的非接触测量手段，广泛应用在电子、机械、医疗、航空等不同领域，具体如PCB板焊点检测、机械零件尺寸和表面质量测量、产品分拣等。影像测量仪在对工件进行检测时，通过二维工作台移动待测物，然后光学成像系统进行快速扫描和检测。但丝杆的回程误差，导轨的几何误差都会导致工作台移动过程中的定位误差，经过多次移动，检测点的定位误差逐步增加，严重影响系统的检测精度，同时也会影响图像拼接和其他功能的精度。因此对二维工作台定位误差的检测和补偿是保证测控精度必不可少环节，国内外学者已经对二维工作台的误差测量和补偿进行了大量的研究，主要分为两类：其一是利用光学的方法进行误差检测，如干涉法、准直法等，文献“GaoW,AraiY,ShibuyaA,etal.Measurementofmulti-degree-of-freedomerrormotionsofaprecisionlinearair-bearingstage[J].PrecisionEngineering,2006,30(1):96-103”利用激光干涉仪分别搭配反射镜，角锥棱镜，角度转向单元后等光学元件来实现对单轴的六项几何误差测量；文献“LeeSW,MayorR,NiJ.DevelopmentofaSix-Degree-of-FreedomGeometricErrorMeasurementSystemforaMeso-ScaleMachineTool[J].JournalofManufacturingScienceandEngineering,2005,127(4):1401–1403”通过改变测量光线的传播方向，将定位误差转变为面内位移，通过构建的误差分离模型对直线轴的六项几何误差进行测量；文献“CHENCJ,LINPD,JYWEWY.Anaptoelectronicmeasurementsystemformeasuringsix-degree-of-freedom-motionerrorofrotaryparts[J].Opticsexpress,2007,15(22):14607-14617”提出一种基于锥形六棱镜的转轴六项几何误差的测量方法，利用3各探测器分别接收3束激光进行测量。光学测量法往往需要高精度的测量设备和光学元件如激光干涉仪、激光跟踪仪、反射镜、棱镜等，但上述检测仪器都存在价格昂贵，同时测量过程复杂且受环境的影响较大的问题。其二是利用标准件进行误差检测，如文献“LuoPF,PanSP,ChuTC.Applicationofcomputervisionandlaserinterferometertotheinspectionoflinescale[J].OpticsandLasersinEngineering,2004,42(5):563-584”提出以线纹尺为标准件应用机器视觉检测轴向定位误差的方法，其以线纹尺条纹宽度的中心线为标准，以中心线的像素偏差作为轴向定位误差，同时利用激光干涉仪检测轴向定位误差，以验证其方法的准确性，但其测量准确性受线纹尺摆正误差影响较大；文献“ZouDH,JiaRQ,ZhangC.PrecisionCompensationMethodforPositioningErrorofWorkbenchBasedonMachineVision[J].Laser&OptoelectronicsProgress,2018.5”提出利用标准阵列实心圆板对影像测量仪工作平台定位误差的补偿方法，摆正球板，通过移动工作台依次使阵列圆心与图像中心重合，并记录当前位置，通过多项式拟合获得拟合系数，并用于工作台定位误差补偿，补偿后工作台定位精度在2μm，但其也存在球板的摆正误差和制造误差；文献“YeJ,TakacM,BerglundCN,etal.Exactalgorithmself-calibrationoftwo-dimensionalprecisionmetrologystages[J].PrecisionEngineering,1997,20(1):16-32”提出基于傅里叶变换二维工作台的误差自标定算法，其需要测量标准栅格板三个不同位置视图，但该算法受噪声影响较大，鲁棒习较差；国内外学者对J.Ye和M.Takac提出的自标定算法进行改进，提出应用最小二乘和迭代法的二维工作台系统误差的自标定方法，但其需要在几个不同位置对栅格板测量，每个位置都存在位置误差和旋转偏差无法消除。采用标准件进行影像测量仪工作误差标定和补偿过程中，均存在标准器件的制造偏差和位置偏差无法消除的问题。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于机器视觉的二维工作台误差自标定方法及装置，其目的在于，通过相机沿同一方向等距拍摄二维工作台上待测物的数张图片，然后对图片进行特征点匹配从而计算出单应性变换矩阵，进而从预构建的误差分离模型中分离获得二维工作台的各项误差，无需对待测件进行人为标记和考虑轴线重合，测量精度高，并可以实现连续动态误差测量。为实现上述目的，本专利技术提出了一种基于机器视觉的二维工作台误差自标定方法，包括如下步骤：S1利用相机沿同一方向每移动距离T对二维工作台上的待测物进行一次拍摄，使每次拍摄的图片与前一个位置拍摄的图片有重叠区域，从而获得数张图片；S2对第n张和第n+1张图片进行特征点匹配，得到两张图片中的对应特征点集，根据该对应特征点集求得单应性变换矩阵，进而根据该单应性变换矩阵从预构建的误差分离模型中分离出误差值，以此误差值对第n+1张图片进行误差补偿，n＝1；S3对误差补偿后的第n+1张图片和第n+2张图片进行特征点匹配，得到两张图片中的对应特征点集，根据该对应特征点集求得单应性变换矩阵，进而根据该单应性变换矩阵从预构建的误差分离模型中分离出误差值，以此误差值对第n+2张图片进行误差补偿；S4n＝n+1，重复S3直至完成对最后一张图片的误差补偿，从而实现误差自标定。作为进一步优选的，每次拍摄的图片与前一个位置拍摄的图片重叠区域大于30％。作为进一步优选的，采用尺度不变特征变换方法对两张图片重叠区域的60％～80％进行特征点匹配。作为进一步优选的，采用下式计算单应性变换矩阵H：P′n+1＝Pn+T/a其中，Pn和Pn+1分别为对应特征点集中属于第n张和第n+1张图片中的点集，T为每次移动的距离，a为图片中一个像素长度对应的实际物理距离，为点集P′n+1和Pn+1的位置关系矩阵。作为进一步优选的，采用随机抽样一致算法选取对应特征点集中的部分点来计算单应性变换矩阵。作为进一步优选的，预构建的误差分离模型Merr为：其中，a和b本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的二维工作台误差自标定方法，其特征在于，包括如下步骤：/nS1利用相机沿同一方向每移动距离T对二维工作台上的待测物进行一次拍摄，使每次拍摄的图片与前一个位置拍摄的图片有重叠区域，从而获得数张图片；/nS2对第n张和第n+1张图片进行特征点匹配，得到两张图片中的对应特征点集，根据该对应特征点集求得单应性变换矩阵，进而根据该单应性变换矩阵从预构建的误差分离模型中分离出误差值，以此误差值对第n+1张图片进行误差补偿，n＝1；/nS3对误差补偿后的第n+1张图片和第n+2张图片进行特征点匹配，得到两张图片中的对应特征点集，根据该对应特征点集求得单应性变换矩阵，进而根据该单应性变换矩阵从预构建的误差分离模型中分离出误差值，以此误差值对第n+2张图片进行误差补偿；/nS4 n＝n+1，重复S3直至完成对最后一张图片的误差补偿，从而实现误差自标定。/n

【技术特征摘要】
1.一种基于机器视觉的二维工作台误差自标定方法，其特征在于，包括如下步骤：
S1利用相机沿同一方向每移动距离T对二维工作台上的待测物进行一次拍摄，使每次拍摄的图片与前一个位置拍摄的图片有重叠区域，从而获得数张图片；
S2对第n张和第n+1张图片进行特征点匹配，得到两张图片中的对应特征点集，根据该对应特征点集求得单应性变换矩阵，进而根据该单应性变换矩阵从预构建的误差分离模型中分离出误差值，以此误差值对第n+1张图片进行误差补偿，n＝1；
S3对误差补偿后的第n+1张图片和第n+2张图片进行特征点匹配，得到两张图片中的对应特征点集，根据该对应特征点集求得单应性变换矩阵，进而根据该单应性变换矩阵从预构建的误差分离模型中分离出误差值，以此误差值对第n+2张图片进行误差补偿；
S4n＝n+1，重复S3直至完成对最后一张图片的误差补偿，从而实现误差自标定。


2.如权利要求1所述的基于机器视觉的二维工作台误差自标定方法，其特征在于，每次拍摄的图片与前一个位置拍摄的图片重叠区域大于30％。


3.如权利要求1所述的基于机器视觉的二维工作台误差自标定方法，其特征在于，采用尺度不变特征变换方法对两张图片重叠区域的60％～80％进行特征点匹配。


4.如权利要求1所述的基于机器视觉的二维工作台误差自标定方法，其特征在于，采用下式...

【专利技术属性】
技术研发人员：王健，赵文义，卢文龙，周莉萍，刘晓军，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42