基于圖像處理的外螺紋三維模型重構(gòu)

萬 鵬， 姜立軍， 陳學(xué)東， 李哲林

（1. 華南理工大學(xué)機械與汽車工程學(xué)院，廣東 廣州 510640；2. 華南理工大學(xué)設(shè)計學(xué)院，廣東 廣州 510640；3.惠州新協(xié)和表面處理制品廠，廣東 惠州 516000）

基于圖像處理的外螺紋三維模型重構(gòu)

萬 鵬1， 姜立軍2， 陳學(xué)東3， 李哲林2

（1. 華南理工大學(xué)機械與汽車工程學(xué)院，廣東 廣州 510640；2. 華南理工大學(xué)設(shè)計學(xué)院，廣東 廣州 510640；3.惠州新協(xié)和表面處理制品廠，廣東 惠州 516000）

提出了一種基于多角度序列圖像特征實現(xiàn)外螺紋的三維模型重建的方法。首先在旋轉(zhuǎn)平臺上采集多角度序列螺紋件圖像，然后對每幀圖像進(jìn)行特征點提取，將序列圖像的特征點進(jìn)行三維變換和插值，最終生成三維模型。實驗結(jié)果表明，此算法能精確高精度地實現(xiàn)外螺紋三維模型重構(gòu)。

圖像處理；螺紋件；特征點；三維模型重構(gòu)

目前，利用計算機圖像處理技術(shù)，實現(xiàn)了對螺紋中徑、螺距、牙型角三個重要參數(shù)的在線測量[1-2]和對螺紋缺陷進(jìn)行檢測[3]，均是一種基于平面輪廓或區(qū)域的檢測方法，以上方法只利用了某個平面輪廓或區(qū)域的信息進(jìn)行檢測，沒有反映真實的三維立體信息。

在三維模型重建研究中，一般有以下幾種：第一，利用三維建模軟件構(gòu)建三維模型，如 3D Max、Maya等。杜忠友等人采用計算機仿真三維螺紋車削成形的方法，實現(xiàn)了三維螺紋的建模[4]。缺點在于：需要充分地掌握場景數(shù)據(jù)；對不規(guī)則物體的建模真實感不高等。第二，利用儀器設(shè)備重建三維模型，如三維掃描儀、激光器等。此方法應(yīng)用廣泛，使用便捷。Julio Molleda等人利用激光三角法，實現(xiàn)了對軋制品的三維模型測量[5]。缺點在于：設(shè)備較為昂貴，不適合較大物體的三維模型重建。第三，利用圖像序列重建三維模型。建模過程自動化，建模成本低，具有廣泛的應(yīng)用前景。

本文提出一種基于計算機圖像處理技術(shù)，結(jié)合三維圖形變換，重建螺紋件三維模型的算法，實現(xiàn)了外螺紋件的三維模型重構(gòu)，為三維測量提供三維模型數(shù)據(jù)。首先介紹了序列圖像采集的方法，然后分析了圖像處理流程和三維重構(gòu)算法，并通過實驗驗證了算法的通用性，最后對此重構(gòu)算法進(jìn)行了總結(jié)，提出了影響重構(gòu)效果的因素和需要進(jìn)一步研究的內(nèi)容。

1 系統(tǒng)組成及實驗步驟

將螺紋件固定在旋轉(zhuǎn)實驗臺上，通過電機帶動實驗臺旋轉(zhuǎn)，實現(xiàn)多角度序列圖像采集，如圖1所示。系統(tǒng)各組成部分參數(shù)為：計算機為研華工控機(PC-610MB-F)，攝像頭為單色 CD(1394 DMK 21BF04)，鏡頭型號為COMPUTAR MLM 3X MP、后焦距為 20.4 mm，光照采用 Ose BT50*50紅色背光源，旋轉(zhuǎn)試驗臺直徑為240mm、轉(zhuǎn)速為 4轉(zhuǎn)/分鐘，攝像頭到旋轉(zhuǎn)中心的距離為260 mm。實驗采用的螺紋件如圖2所示。

圖1 螺紋件圖像采集系統(tǒng)

圖2 試驗用螺紋件

具體實驗步驟如下：

1） 調(diào)整光源與照相機的高度，將螺紋件固定在旋轉(zhuǎn)實驗臺中心；

2） 通過電機勻速轉(zhuǎn)運實驗平臺，每旋轉(zhuǎn)18°自動采集一幀螺紋件圖像，共采集10幀圖像；

3） 對采集的圖像進(jìn)行預(yù)處理并提取螺紋的波峰波谷特征點；

4） 特征點三維化及表面插值，生成螺紋件的三維模型。

2 螺紋圖像處理和三維模型重構(gòu)

2.1 圖像處理流程

通過CCD相機獲取螺紋圖像，運用圖像處理技術(shù)提取特征點，計算出螺紋輪廓上的波峰和波谷點。圖像處理流程如圖3所示。采集的螺紋原始圖像如圖4(a)所示；要降低因光照環(huán)境和螺紋材質(zhì)、表面等原因引起的噪聲，又要保持螺紋的邊緣特征，采用邊緣保持濾波器對原始圖像進(jìn)行增強處理，處理之后的效果圖如圖4(b)所示；螺紋輪廓的提取，主要是對螺紋邊緣進(jìn)行提取，本文采用Canny算法來提取螺紋輪廓，Canny算子產(chǎn)生的邊界較細(xì)、定位精度高、單一邊緣好，Canny邊緣提取算法最適合用于螺紋圖像[6]，提取螺紋輪廓如圖 4(c)所示；本文采用文獻(xiàn)[7]中的方法，實現(xiàn)亞像素特征提取，提取波峰波谷特征點圖像如圖4(d)所示。

圖3 提取螺紋特征點流程

圖4 螺紋圖像處理

2.2 特征點歸類

為了對提取的螺紋波峰波谷特征點進(jìn)行標(biāo)注，將螺紋圖像的橫軸作為X軸，縱軸作為Y軸，建立二維坐標(biāo)系，如圖5所示。為了使各幀圖像間波峰特征點與波峰特征點、波谷特征點與波谷特征點分別相對應(yīng)，對圖中的螺牙上波峰波谷點進(jìn)行歸類。按照左側(cè)波峰、左側(cè)波谷、右側(cè)波峰、右側(cè)波谷進(jìn)行歸類。建立4個數(shù)組來存儲這4類數(shù)據(jù)，以圖5所示的圖像為例，其中特征點的坐標(biāo)(Xi,Yi)按表1所示進(jìn)行管理。

圖5 螺紋特征點和坐標(biāo)系標(biāo)注

2.3 螺紋三維模型重建2.3.1 校正坐標(biāo)軸中心

螺紋件在旋轉(zhuǎn)的過程中可能會發(fā)生軸線的移動，為了使每張圖像的坐標(biāo)軸中心保持一致，把坐標(biāo)軸中心平移到螺紋件圖像中心。將原始數(shù)據(jù)的X坐標(biāo)減去每張圖像的中心偏移量Δx，為獲得偏移量Δx，可以分別取左右兩邊螺紋各點的X軸坐標(biāo)平均值X1和X2，再取X1和X2的平均值作為X軸的偏移量，如圖6所示。

表1 部分螺紋特征點

圖6 校正坐標(biāo)軸

2.3.2 三維坐標(biāo)點轉(zhuǎn)換

將每幀圖像中的二維坐標(biāo)點轉(zhuǎn)換成對應(yīng)的三維坐標(biāo)點。某點繞坐標(biāo)原點逆時針旋轉(zhuǎn)θ角的變換為

可知坐標(biāo)點(X,Y)繞坐標(biāo)原點逆時針旋轉(zhuǎn)θ角后的新坐標(biāo)點(X*,Y*)為

將二維圖像置于三維空間XZ平面中，點(x,y)對應(yīng)于三維圖像中的坐標(biāo)點為(x, 0,y)，繞Z軸逆時針旋轉(zhuǎn)θ角后的三維坐標(biāo)點(X,Y,Z)為

圖形在旋轉(zhuǎn)過程中，只改變空間位置，其形狀大小是不變的。本實驗中每次旋轉(zhuǎn)角度為18°，第i幀圖像的旋轉(zhuǎn)角度為18° *(i-1)，如圖7所示。

圖7 坐標(biāo)點轉(zhuǎn)換

2.3.3 坐標(biāo)點插值

為了使重建的三維模型達(dá)到較好的效果，在相鄰兩張圖片之間插值兩次，即對應(yīng)的波峰或波谷之間分別插值兩個點，如圖8所示，實心點為原始坐標(biāo)點，空心點為插值坐標(biāo)點。由于每張圖片間距 18°，故兩次插值角度分別為θ1=6°、θ2=12°。

圖8 插值示意圖

設(shè)第1張圖片中的坐標(biāo)點(x1,y1,z1)和第2張圖片中的坐標(biāo)點(x2,y2,z2)之間進(jìn)行兩次插值，插值坐標(biāo)點分別為(X1,Y1,Z1)和(X2,Y2,Z2)，計算公式如下

通過此插值，可以將坐標(biāo)點數(shù)據(jù)增加兩倍，實現(xiàn)用較少圖像快速生成密集的三維點，重構(gòu)較光滑的螺紋件三維模型。

2.3.4 生成坐標(biāo)點及序號

將各坐標(biāo)點按順序構(gòu)建三角面片，如圖8所示，每個三角面片由相對應(yīng)的波峰點和波谷點構(gòu)成。按照自定義的obj數(shù)據(jù)文件格式生成三維坐標(biāo)點、插值坐標(biāo)點以及構(gòu)成三角面片的坐標(biāo)點序號，參考格式如下：

利用自主開發(fā)的軟件打開生成的obj數(shù)據(jù)文件，三維模型效果圖如圖9所示。

圖9 螺紋三維模型

3 實驗結(jié)果

為了驗證三維模型重構(gòu)算法的通用性，對4個多角度序列的螺紋件圖像進(jìn)行三維模型重構(gòu)，所生成的三維模型效果如圖10所示。

圖10 螺紋件三維網(wǎng)格模型

4 結(jié) 論

本文簡要介紹了對螺紋件的圖像處理技術(shù)，并利用提取的螺紋特征點重構(gòu)三維模型，從上面的實驗結(jié)果中可以看出生成的模型達(dá)到較好的效果，能真實地反映螺紋件的表面形狀。其中影響模型效果的因素有：螺紋圖像特征點的提取精度、旋轉(zhuǎn)角度大小和坐標(biāo)點插值次數(shù)等。目前通過圖像處理技術(shù)構(gòu)建了螺紋件三維模型，下一步將研究可以重構(gòu)的螺紋模型和理論的螺紋模型進(jìn)行匹配，以達(dá)到對螺紋檢測的目的。

[1]左建中, 劉 蜂, 張定昭. 機器視覺技術(shù)在螺紋檢測中的應(yīng)用[J]. 機械設(shè)計與制造, 2006, (4)：113-114.

[2]Shen Shaowei, Yan Shuhua, Zhou Chunlei, et al.Research of automatic detection technology of thread parameters based on CCD vision [J]. Semiconductor Optoelectronics, 2007, 28(6)：865-869.

[3]周金山, 婁訓(xùn)志, 王 凡, 等. 基于機器視覺的螺紋缺陷檢測方法[J]. 湖北工業(yè)大學(xué)學(xué)報, 2010, (4)：4-6.

[4]杜忠友, 周 斌. 三維螺紋造型的一種計算機建模方法[J]. CAD CAM, 2006, (11)：241-243.

[5]Molleda J, Usamentiaga R, García D F, et al. Shape measurement of steel strips using a laser-based three dimensional reconstruction technique [C]//Industry Applications Society Annual Meeting (IAS), 2010 IEEE, 2010：1-8.

[6] Liu Chenchung, Chen Wenyuan. Screw pitch precision measurement using simple linear regression and image analysis [J]. Applied Mathematics and Computation,2006, 178(2)：390-404.

[7]姜立軍, 熊志勇, 李哲林. 基于亞像素特征點提取的螺紋檢測粗糙聚類算法[J]. 計算機工程與科學(xué),2009, 31(7)：43-45, 94.

3D model reconstruction of external thread based on image processing technology

Wan Peng1, Jiang Lijun2, Chen Xuedong3, Li Zhelin2

( 1. School of Mechanical & Automobile Engineering, South China University of Technology, Guangzhou Guangdong 510640, China;2. School of Design , South China University of Technology, Guangzhou Guangdong 510640, China;3. Huizhou New Xiehe Surface Processing Factory, Huizhou Guangdong 516000, China )

This paper proposes a method to realize 3D model reconstruction of thread pieces based on features of multi-angle sequence images. Firstly, multi-angle sequence images of thread pieces are acquired on rotating platform, and feature points are extracted from each image, then 3D transformation and interpolation are conducted to feature points, and finally 3D model is realized. The experiment results show that this algorithm can accurately realize 3D model reconstruction of thread pieces with high presicion.

image processing; thread pieces; feature points; 3D model reconstruction

TP 391

A

1003-0158(2012)01-0068-05

2011-04-16

廣東省教育部產(chǎn)學(xué)研結(jié)合資助項目（2011B090400105）

萬 鵬（1987-），男，江西南昌人，碩士研究生，主要研究方向為計算機圖學(xué)及應(yīng)用。