基于線結(jié)構(gòu)光視覺技術(shù)的工件尺寸三維測量系統(tǒng)研究

汪小涵+趙杰

[摘 要] 針對傳統(tǒng)測量方法無法滿足復(fù)雜工件尺寸在線檢測精度的問題，研究了一種由線結(jié)構(gòu)光條紋中心提取、測量系統(tǒng)標(biāo)定、工件尺寸三維測量三部分組成的基于線結(jié)構(gòu)光視覺技術(shù)的工件尺寸在線三維測量系統(tǒng)。其中，線結(jié)構(gòu)光條紋中心提取部分采用極大值法優(yōu)化光條紋區(qū)域，并結(jié)合Hessian矩陣方法提取線結(jié)構(gòu)光條紋中心；測量系統(tǒng)標(biāo)定部分采用基于平面標(biāo)定板的相機(jī)參數(shù)標(biāo)定方法和基于最小二乘法擬合的線結(jié)構(gòu)光平面參數(shù)標(biāo)定方法；工件尺寸三維測量部分通過聯(lián)立相機(jī)投影方程和線結(jié)構(gòu)光平面方程計(jì)算工件實(shí)際尺寸。利用實(shí)際工件進(jìn)行實(shí)驗(yàn)研究，結(jié)果表明此測量系統(tǒng)能滿足工件測量要求。

[關(guān)鍵詞] 工件尺寸測量；線結(jié)構(gòu)光；條紋中心提??；光平面標(biāo)定；三維測量

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 21. 089

[中圖分類號] TM930 [文獻(xiàn)標(biāo)識碼] A [文章編號] 1673 - 0194（2017）21- 0178- 05

0 引 言

工件尺寸是衡量加工工件質(zhì)量優(yōu)劣的一項(xiàng)重要指標(biāo)，工件加工過程中工件尺寸不僅是工件質(zhì)量評估的依據(jù)，還為改善工件加工工藝提供重要的反饋信息，促進(jìn)工業(yè)技術(shù)的進(jìn)步。

隨著工業(yè)制造水平的發(fā)展，工件愈加趨于多樣化、復(fù)雜化和曲面化，導(dǎo)致工件尺寸測量困難，因此急需更加精確的工件尺寸測量方法。由于傳統(tǒng)的接觸式測量需要接觸工件導(dǎo)致其表面磨損，影響工件尺寸質(zhì)量，因此非接觸式工件尺寸測量方法是目前研究的熱點(diǎn)[1]。

非接觸式工件尺寸測量方法主要有采用超聲波測量儀、立體視覺測量系統(tǒng)和三維激光掃描儀等來測量的方法。超聲波測量儀首先向待測工件投射超聲波，在待測工件內(nèi)部來回反射形成震蕩，然后計(jì)算超聲波往返一次的傳播時(shí)間和傳播速度，得出待測工件的高度等尺寸信息，但超聲波易受環(huán)境溫度變化影響，導(dǎo)致工件尺寸測量精度不高[2]。立體視覺測量系統(tǒng)采用兩臺(tái)相機(jī)從不同角度同時(shí)獲取待測工件圖像，通過立體匹配算法得出視差圖，結(jié)合三角測量原理獲取被測工件的三維尺寸信息。但由于立體匹配算法無法兼顧精度和速度的難度，達(dá)不到工件尺寸測量的要求[3]。三維激光掃描儀采用非接觸高速激光脈沖獲取工件表面的三維信息，在三維形貌檢測、大型設(shè)備檢測等領(lǐng)域廣泛應(yīng)用，但其成本昂貴，難以普及[4]。

線結(jié)構(gòu)光視覺測量技術(shù)是結(jié)合激光掃描技術(shù)和視覺處理技術(shù)的新興工件尺寸測量技術(shù)，具有實(shí)時(shí)性、高精度和通用性的優(yōu)點(diǎn)[5]。線結(jié)構(gòu)光視覺測量工件尺寸方法首先對待測工件表面投射光束形成條紋，其次通過攝像機(jī)采集工件表面條紋圖像并計(jì)算條紋中心坐標(biāo)，然后基于三角測量原理進(jìn)行空間尺度變換以獲取工件三維尺寸[6]。一個(gè)完整的線結(jié)構(gòu)光視覺測量系統(tǒng)包括圖像采集，線結(jié)構(gòu)光條紋中心提取，測量系統(tǒng)標(biāo)定，三維點(diǎn)云獲取四部分。其中，線結(jié)構(gòu)光條紋中心提取部分和測量系統(tǒng)標(biāo)定部分最為關(guān)鍵。

線結(jié)構(gòu)光條紋中心提取是對條紋圖像中一定像素寬度的條紋轉(zhuǎn)化為單像素寬度條紋以獲取準(zhǔn)確的像平面坐標(biāo)[7]。目前，線結(jié)構(gòu)光條紋中心提取方法主要分為兩大類，即基于形態(tài)特征的方法與基于灰度特征的方法[8]?；谛螒B(tài)特征的方法是利用條紋圖像的幾何特征、形態(tài)學(xué)特征對條紋中心進(jìn)行提取，主要方法有邊緣法[9]、閾值法[10]幾何中心法[11]以及細(xì)化法[12]等。基于形態(tài)特征的方法實(shí)現(xiàn)簡單，處理速度快，但在處理過程中易受噪聲影響，且不具有亞像素精度?；诨叶忍卣鞯姆椒ㄊ且罁?jù)條紋橫截面灰度值呈高斯分布的特性提取條紋，主要有極值法[13]、灰度重心法[14]、曲線擬合法[15]、Hessian矩陣法[16]等。其中，極值法是求條紋上灰度值最大的點(diǎn)即條紋中心。灰度重心法是依據(jù)在條紋內(nèi)灰度呈高斯排列，沿條紋橫截面取灰度重心即條紋中心。曲線擬合法采用高斯曲線來擬合條紋橫截面灰度分布，但由于光照影響和工件反射率不同導(dǎo)致灰度分布非嚴(yán)格對稱，影響測量精度。Hessian矩陣法首先利用Hessian矩陣得到圖像中條紋的法線方向，其次沿法線方向求Hessian矩陣最大特征值對應(yīng)的坐標(biāo)，然后采用泰勒展開式求出亞像素位置，該方法精度高、魯棒性好，能夠完整的提取出條紋中心點(diǎn)，但由于進(jìn)行多次大規(guī)模高斯卷積運(yùn)算，處理速度低。

線結(jié)構(gòu)光視覺測量系統(tǒng)標(biāo)定包括相機(jī)參數(shù)標(biāo)定和線結(jié)構(gòu)光平面參數(shù)標(biāo)定。相機(jī)參數(shù)標(biāo)定是依據(jù)相機(jī)成像模型建立二維圖像點(diǎn)和三維空間點(diǎn)之間的映射關(guān)系。當(dāng)前，F(xiàn)aig提出了一種非線性模型標(biāo)定的非線性優(yōu)化算法，但沒有考慮相機(jī)畸變的影響[17]。Tsai提出了一種基于徑向一致性約束的非線性優(yōu)化方法，采用兩步法估算相機(jī)內(nèi)、外部參數(shù)，從而獲得較高標(biāo)定精度，但對切向畸變的相機(jī)，標(biāo)定精度較差[18]。Zhang提出一種棋盤格標(biāo)定方法，采用線性模型估計(jì)相機(jī)參數(shù)，并對相機(jī)非畸變特性通過非線性優(yōu)化技術(shù)進(jìn)一步優(yōu)選相機(jī)參數(shù)，獲得了較高精度[19]。線結(jié)構(gòu)光平面參數(shù)標(biāo)定是基于三角測量原理使圖像上條紋中心點(diǎn)和空間物點(diǎn)一一映射的約束信息。Huynh等使用立體靶標(biāo)，基于交比不變原理計(jì)算相機(jī)坐標(biāo)系下標(biāo)定點(diǎn)的三維坐標(biāo)，但由于立體標(biāo)靶不同平面之間光照不同，難以獲得高質(zhì)量的標(biāo)定圖像[20]。文[21]提出了基于平面靶標(biāo)的線結(jié)構(gòu)光平面參數(shù)標(biāo)定方法，標(biāo)定過程中反復(fù)移動(dòng)平面標(biāo)靶獲取線結(jié)構(gòu)光平面的標(biāo)定點(diǎn)，并轉(zhuǎn)換到相機(jī)坐標(biāo)系下，通過最小二乘優(yōu)化方法計(jì)算線結(jié)構(gòu)光平面參數(shù)，具有一定的穩(wěn)定性。

本文針對當(dāng)前測量方法無法滿足復(fù)雜工件尺寸檢測精度的問題，研究了一種基于線結(jié)構(gòu)光視覺技術(shù)的工件尺寸在線三維測量系統(tǒng)。主要包括三部分：基于極大值條紋區(qū)域優(yōu)化方法和Hessian矩陣方法相結(jié)合的線結(jié)構(gòu)光條紋中心提取部分、基于棋盤格標(biāo)定法的相機(jī)參數(shù)標(biāo)定和基于最小二乘擬合的線結(jié)構(gòu)光平面參數(shù)標(biāo)定部分、三維數(shù)據(jù)獲取部分。以精密儀器測量方法為依據(jù)，驗(yàn)證工件尺寸測量系統(tǒng)的精度，結(jié)果表面所研究的系統(tǒng)滿足工件尺寸測量要求，且具有一定的通用性。

1 工件尺寸三維測量系統(tǒng)工作原理

本文所研究的工件尺寸三維測量系統(tǒng)如圖1所示，包括線結(jié)構(gòu)光條紋中心提取、測量系統(tǒng)標(biāo)定、工件三維信息計(jì)算三部分組成。

（1）線結(jié)構(gòu)光條紋中心提取部分：首先采用閾值分割方法對條紋圖像初步提取條紋區(qū)域，并結(jié)合極大值法進(jìn)一步優(yōu)化條紋區(qū)域，然后通過Hessian矩陣方法提取條紋區(qū)域中心點(diǎn)。

（2）測量系統(tǒng)標(biāo)定部分：采用棋盤格標(biāo)定方法對相機(jī)參數(shù)進(jìn)行標(biāo)定，并采用最小二乘法對線結(jié)構(gòu)光平面參數(shù)進(jìn)行標(biāo)定。

（3）工件尺寸三維信息計(jì)算部分：結(jié)合相機(jī)標(biāo)定參數(shù)和線結(jié)構(gòu)光平面參數(shù)，采用矩陣轉(zhuǎn)換公式由圖像中條紋中心計(jì)算工件尺寸三維信息。

2 工件尺寸三維測量系統(tǒng)

2.1 線結(jié)構(gòu)光條紋中心提取

在相機(jī)采集的線結(jié)構(gòu)光條紋圖像中，由于條紋寬度具有幾個(gè)甚至十幾個(gè)像素，因此需要提取條紋圖像中的條紋中心。在條紋圖像中條紋中心提取是工件尺寸測量的關(guān)鍵，其提取算法的精度和速度直接影響線結(jié)構(gòu)光視覺測量系統(tǒng)的性能。

首先，由于在線結(jié)構(gòu)光條紋圖像中，除條紋區(qū)域外的圖像信息對條紋中心的提取是無價(jià)值的，故采用閾值分割方法式從線結(jié)構(gòu)光條紋圖像中初步提取條紋區(qū)域。其次，在圖像的條紋區(qū)域中，由于光照影響和工件材質(zhì)不同引起的反射率變化影響導(dǎo)致條紋區(qū)域灰度值出現(xiàn)異常，因此采用極大值法優(yōu)化條紋區(qū)域，不僅減少了工件材質(zhì)等引起的噪聲，而且提高測量速度。最后，通過Hessian矩陣方法[16]求取亞像素精度的條紋中心點(diǎn)坐標(biāo)。算法包括以下三部分：

（1）初步條紋區(qū)域提取

采用帶濾光片的相機(jī)對工件進(jìn)行拍攝，在采集線結(jié)構(gòu)光條紋圖像中，條紋部分的灰度值明顯大于其他部分的灰度值，因此采用閾值分割方法對圖像條紋區(qū)域進(jìn)行提取，如式（1）所示。

（2）條紋區(qū)域優(yōu)化

由于線結(jié)構(gòu)光的特性，理想條紋區(qū)域的灰度值應(yīng)呈高斯分布，但由于外界光照影響及工件表面反射率不同的影響導(dǎo)致提取的條紋區(qū)域灰度值有異常。為了減小異常值的影響，采用極大值方法搜索條紋區(qū)域灰度最大值，在灰度最大值坐標(biāo)附近選擇τ個(gè)像素對條紋區(qū)域進(jìn)行優(yōu)化，如式（2）所示。

3 實(shí)驗(yàn)結(jié)果與分析

本文所研究的基于線結(jié)構(gòu)光視覺技術(shù)的工件尺寸在線三維測量系統(tǒng)實(shí)驗(yàn)平臺(tái)如圖2所示。其中，采用DO3THINK公司、型號為CFV130M-H2、分辨率為1024*1280的黑白相機(jī)，采用焦距為8 mm 的computar鏡頭，采用功率線結(jié)構(gòu)光發(fā)射器的功率為20 mW，波長為650 nm，濾光片的直徑為30.5 mm，波長為650 nm。

（1）線結(jié)構(gòu)光條紋中心提取

本文采用復(fù)雜工件以驗(yàn)證三維測量系統(tǒng)的精度，其復(fù)雜工件尺寸如圖3（a）所示，帶濾光片的黑白相機(jī)采集的工件條紋圖像如圖3（b）所示。采用2.1所述的線結(jié)構(gòu)光條紋中心提取算法對其進(jìn)行處理，結(jié)果如圖3（c）所示。

由上述誤差曲線分析可知，本文所提方法具有更加穩(wěn)定的優(yōu)點(diǎn)，能有效去除外界的影響，且實(shí)際測得算法時(shí)間在50～70 ms，滿足在線檢測的要求。

（2）測量系統(tǒng)標(biāo)定

采用2.2所述的標(biāo)定方法對測量系統(tǒng)進(jìn)行標(biāo)定，其平面標(biāo)定板如圖5所示，則系統(tǒng)標(biāo)定參數(shù)如表1所示。

（3）工件測量

為了驗(yàn)證所研究工件尺寸測量系統(tǒng)的精度，以精密儀器測得工件尺寸大小為依據(jù)，測得結(jié)果如表2所示?？梢钥闯?，最大測量誤差在0.1 mm左右，故此系統(tǒng)測量誤差在0.2mm以內(nèi)，符合工件尺寸測量要求。其工件尺寸三維測量數(shù)據(jù)如圖6所示。

4 結(jié) 論

本文研究了一種基于線結(jié)構(gòu)光視覺技術(shù)的工件尺寸在線三維測量系統(tǒng)，其主要?jiǎng)?chuàng)新之處在于改進(jìn)了傳統(tǒng)的Hessian矩陣線結(jié)構(gòu)光條紋中心提取方法以滿足復(fù)雜工件檢測精度和速度的要求。由條紋中心數(shù)據(jù)結(jié)合相機(jī)標(biāo)定參數(shù)計(jì)算復(fù)雜工件尺寸，通過實(shí)驗(yàn)進(jìn)行對比分析。結(jié)果表明，所研究的測量系統(tǒng)能夠獲得較滿意的測量精度，且具有一定的通用性。因此，可應(yīng)用于實(shí)際工件制造業(yè)中工件尺寸的測量，為工件加工過程提供重要的反饋信息。在進(jìn)一步的工作中，如何獲得更精確的工件尺寸以及更高效檢測速度是下一步研究的重點(diǎn)內(nèi)容。

主要參考文獻(xiàn)

[1]全燕鳴，黎淑梅，麥青群，等. 基于雙目視覺的工件尺寸在機(jī)三維測量[J]. 光學(xué)精密工程， 2013， 21（4）：1054-1061.

[2]張步超. 一種高精度的超聲波厚度測量儀[J]. 儀器儀表標(biāo)準(zhǔn)化與計(jì)量， 2005（6）：35-36.

[3]張旭蘋， 汪家其， 張益昕， 等. 大尺度三維幾何尺寸立體視覺測量系統(tǒng)實(shí)現(xiàn)[J]. 光學(xué)學(xué)報(bào)， 2012， 32（3）：140-147.

[4]周森， 郭永彩， 高潮. 基于激光掃描的大尺寸圓錐體幾何測量系統(tǒng)[J]. 中國激光，2014（5）：211-220.

[5]宋大虎， 李忠科， 程春霞， 等. 基于線結(jié)構(gòu)光的三維坐標(biāo)測量技術(shù)研究[J]. 計(jì)算機(jī)工程， 2012， 38（22）：291-292.

[6]易宗超. 基于線激光的列車外輪廓三維測量和限界檢測[D]. 武漢：華中科技大學(xué)，2012.

[7]劉斌，沈康，魏兆超，等. 基于線結(jié)構(gòu)光視覺技術(shù)的微小直徑高精度測量系統(tǒng)[J]. 儀器儀表學(xué)報(bào)， 2014（S2）.

[8]胡斌， 李德華， 金剛，等. 基于方向模板的結(jié)構(gòu)光條紋中心檢測方法[J]. 計(jì)算機(jī)工程與應(yīng)用， 2002， 38（11）：59-60.

[9]Kweon I S， Kanade T. Extracting Topographic Terrain Features from Elevation Maps[J]. Cvgip Image Understanding， 1994， 59（2）：171–182.

[10]Rioux M， Bird T. White Laser， Synced Scan （3D Scanner）[J].IEEE Computer Graphics & Applications， 1993， 13（3）：15-17.

[11]Lorenz C， Carlsen I C， Buzug T M， et al. Multi-scale line segmentation with automatic estimation of width， contrast and tangential direction in 2D and 3D medical images[C]//CVRMed-MRCAS'97. Springer Berlin Heidelberg，1997.

[12]Lam L， Lee S W， Suen C Y. Thinning methodologies-a comprehensive survey[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2002， 14（9）：869-885.

[13]雷海軍， 李德華， 王建永，等. 一種結(jié)構(gòu)光條紋中心快速檢測方法[J]. 華中科技大學(xué)學(xué)報(bào)：自然科學(xué)版， 2003， 31（1）：74-76.

[14]Jedynak B， Rozé J P. Tracking Roads in Satellite Images by Playing Twenty Questions[C]//Automatic Extraction of Man-Made Objects from Aerial and Space Images，1995：33F-41F.

[15]Steger C. An Unbiased Detector of Curvilinear Structures[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，1998，20（2）：113-125.

[16]Wu F C， Wang Z H， Hu Z Y. Cayley Transformation and Numerical Stability of Calibration Equation[J]. International Journal of Computer Vision， 2009， 82（2）：156-184.

[17]Tsai R Y. An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision[C]//ProceedingsIEEE Conference.on Computer Vision & Pattern Recognition， 1986：364-374.

[18]Zhang Z. A Flexible New Technique for Camera Calibration[C]//IEEE Transactions on Pattern Analysis and Machine Intelligence，2000， 22（11）： 1330-1334.

[19]Huynh D Q， Owens R A， Hartmann P E. Calibrating a Structured Light Stripe System： A Novel Approach[J]. International Journal of Computer Vision， 1999， 33（1）：73-86.

[20]許麗， 張之江. 結(jié)構(gòu)光測量系統(tǒng)的誤差傳遞分析[J]. 光學(xué)精密工程， 2009， 17（2）：306-313.

[21]余樂文， 張達(dá)， 張?jiān)? 基于線結(jié)構(gòu)光的三維測量系統(tǒng)關(guān)鍵技術(shù)研究[J]. 光電子·激光， 2016（2）：156-161.