鏡像式單攝像機(jī)立體視覺傳感器對彈簧幾何尺寸的測量

趙艷玲

摘 要： 彈簧零件在工業(yè)領(lǐng)域發(fā)揮著重要作用，對其尺寸、完整性以及表面形貌的檢驗是出廠的必須工序。目前使用得最廣泛的測量方法是使用千分尺等工具直接接觸測量，很難保證測量的精度和彈簧零件表面的完整性。采用立體視覺方法，以外徑小于等于80 mm的彈簧零件為測量對象，開發(fā)了基于雙目視覺測量原理的測試系統(tǒng)，設(shè)計了鏡像式單攝像機(jī)立體視覺傳感器機(jī)械結(jié)構(gòu)，運用數(shù)字圖像和機(jī)器視覺等方法實現(xiàn)了測量精度高于0.1 mm的彈簧零件的非接觸式測量。

關(guān)鍵詞： 立體視覺； 攝像機(jī)標(biāo)定； 特征提??； 立體匹配

中圖分類號： TN606?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2015）18?0137?04

Abstract： The spring parts play an important role in industry domain. The measurement of its size， integrity and surface appearance is the necessary process before it leaves its production factory. The popular measuring method is to use micrometer and other tools to realize direct contact measurement， which is hard to ensure the accuracy of measurement and the integrity of the spring surface. The method of stereo vision is adopted in this thesis to measure the spring parts whose outer diameter is less than or equal to 80 mm. The test system based on the principle of binocular vision measuring was developed， and the mechanical structure of the stereo vision image sensor of the mirror image single camera was designed. The non?contact measurement to the spring parts was achieved by using the methods of digital images and machine vision. The measurement accuracy of the method is better than 0.1 mm.

Keywords： stereo vision； camera calibration； feature extraction； stereo matching.

0 引 言

彈簧是一種利用彈性來工作的機(jī)械零件，一般用彈簧鋼制成。彈簧零件在工業(yè)領(lǐng)域發(fā)揮著極其重要的作用，常用以控制機(jī)件的運動、緩和沖擊或震動、貯蓄能量、測量力的大小等，廣泛用于機(jī)器、儀表中，從治療心血管的彈性支架，到汽車上的減震彈簧，彈簧的用途十分廣泛。彈簧零件的幾何特征包括：彈簧絲直徑、彈簧圈外徑、彈簧圈內(nèi)徑、彈簧圈中徑、節(jié)距、螺旋升角和自由長度等。傳統(tǒng)人工接觸式檢驗的方式效率低下并且規(guī)模龐大，對彈簧金屬零件表面破壞較嚴(yán)重，減少了彈簧零件的有效使用壽命[1]。

雙目立體視覺是計算機(jī)視覺的一個重要分支，即由不同位置的兩臺或者一臺攝像機(jī)（CCD）經(jīng)過移動或旋轉(zhuǎn)拍攝同一幅場景，通過計算空間點在兩幅圖像中的視差，獲得該點的三維坐標(biāo)值。幾何特征測量是三維測量中的重要組成部分，而在三維測量過程中，幾何特征參數(shù)通常也作為一個重要參數(shù)被反映出來，因而幾何特征參數(shù)的測量在測量技術(shù)中也有著重要的地位。圖像是視覺的直觀反應(yīng)，是三維景物的二維投影，但是一幅圖像并不足以反映出三維景物的所有幾何信息，所以需要從不同角度拍攝的兩幅或者多幅圖像才能測量出其投影面積的大小。

1 鏡像式單攝像機(jī)立體視覺傳感器測量原理

鏡像式單攝像機(jī)立體視覺傳感器的系統(tǒng)基本組成如圖1所示。該系統(tǒng)組成部分包括計算機(jī)、圖像采集卡、攝像機(jī)和平面鏡系統(tǒng)。其中，兩片平面鏡按一定的角度組成了平面鏡系統(tǒng)，放置于攝像機(jī)的正前方，兩平面鏡交線和攝像機(jī)光軸垂直相交。被測物體通過M1反射后成像于攝像機(jī)的左半像面，同樣，物體通過M2反射后成像于攝像機(jī)的右半平面，通過該系統(tǒng)可以獲得一張包含兩部分的圖像，相當(dāng)于平面鏡鏡像出兩個視場減半的虛擬攝像機(jī)，兩個虛擬攝像機(jī)從不同的角度同時對物體拍攝。這就是鏡像式單攝像機(jī)立體視覺傳感器的基本測量原理。

2 鏡像式單攝像機(jī)設(shè)計

2.1 立體視覺傳感器設(shè)計

首先對鏡像式單攝像機(jī)立體視覺傳感器分析其幾何模型，然后進(jìn)行結(jié)構(gòu)設(shè)計，根據(jù)已知被測物體的大體尺寸，按照成像原理和鏡面與光線的幾何規(guī)律計算出測量系統(tǒng)的各項參數(shù)，主要有鏡頭焦距、平面鏡夾角、平面鏡夾角、平面鏡尺寸和攝像機(jī)到平面鏡的距離等。再采用Solid Work 2010軟件完成鏡像式單攝像頭立體視覺傳感器平臺的電子圖紙的繪制工作，正確的標(biāo)定系統(tǒng)參數(shù)，達(dá)到可以成功獲取三維立體視覺圖像的要求。在初步計算出鏡像式單攝像機(jī)立體視覺傳感器的相關(guān)參數(shù)后，在軟件上進(jìn)行電子三維圖紙的繪制，嚴(yán)格按照計算出的參數(shù)和相關(guān)的光源要求進(jìn)行了組合，如圖2所示。

2.2 攝像機(jī)標(biāo)定

鏡像式單攝像機(jī)立體視覺傳感器的設(shè)計工作完成之后，首要的任務(wù)是標(biāo)定攝像機(jī)。鏡像式單攝像機(jī)立體視覺傳感器系統(tǒng)主要是基于三角法原理進(jìn)行測量的，即兩個虛擬的攝像機(jī)的圖像平面和被測物體之間構(gòu)成一個三角形。已知兩個虛擬攝像機(jī)之間的位置關(guān)系，便可以測量兩個虛擬攝像機(jī)之間的公共視場之內(nèi)物體的三維尺寸及空間特征點的三維坐標(biāo)。而只有通過攝像機(jī)的標(biāo)定，才可以獲得兩個虛擬攝像機(jī)之間的位置關(guān)系，才可以獲得攝像機(jī)的內(nèi)部參數(shù)。本項目的攝像機(jī)標(biāo)定采用的是基于Matlab的Calibration Toolbox工具箱，采用自由移動二維平面靶標(biāo)法。用已設(shè)計的傳感器拍攝了15張不同位置的方格靶標(biāo)，通過基于Matlab的Calibration Toolbox工具箱進(jìn)行標(biāo)定。利用工具箱的讀入圖像、提取角點和開始標(biāo)定三個過程，可以獲得攝像機(jī)的一些內(nèi)部參數(shù)，如表1所示的焦距、主點坐標(biāo)、畸變參數(shù)和重投誤差等。

表1 攝像機(jī)參數(shù)標(biāo)定結(jié)果

2.3 彈簧圖像的邊緣檢測

邊緣檢測主要的目的是檢測圖像中亮度顯著變化的點。這些亮度顯著變化的點往往反映了圖像的重要屬性和特征，這些屬性和特征就包括了深度的不連續(xù)、表面方向的不連續(xù)、物質(zhì)屬性的變化和場景照明的變化等。Canny邊緣檢測算子是John F. Canny于1986年開發(fā)出來的一個多級邊緣檢測算法，經(jīng)過降噪，尋找圖像中的亮度梯度，圖像中跟蹤邊緣。

直接對該圖像進(jìn)行Canny算子邊緣檢測的效果圖如圖3所示?？梢钥吹?，邊緣檢測十分的混亂，背景的花紋噪音嚴(yán)重影響到邊緣檢測的效果。

對圖3進(jìn)行基于高斯濾波的圖像平滑處理，由于圖像背景的花紋紋理比較清晰，對邊緣檢測影響較大，所以多次使用基于高斯濾波的圖像平滑處理，經(jīng)過多次研究，分別采用2次，5次，7次，10次和15次高斯濾波處理，如圖4所示。隨著基于高斯濾波的平滑處理次數(shù)增多，相對應(yīng)的邊緣檢測的效果越好，但邊緣提取的準(zhǔn)確程度會下降。因此基于高斯濾波的平滑處理次數(shù)控制在10～15次之間，既保證了邊緣檢測的精確度，又消除了背景噪聲的影響。

3 彈簧綜合幾何參數(shù)的視覺測量算法

3.1 鏡像式單攝像機(jī)立體視覺傳感器數(shù)學(xué)模型

先建立一個單攝像機(jī)立體視覺傳感器模型，如圖5所示。根據(jù)已經(jīng)建立的單攝像機(jī)立體視覺傳感器的測量模型，在已知攝像機(jī)的內(nèi)部參數(shù)和鏡頭畸變系數(shù)，以及兩個虛擬攝像機(jī)的位置關(guān)系的情況下，可以根據(jù)被測點在左右圖像坐標(biāo)系下的二維坐標(biāo)求得其在測量坐標(biāo)下的三維坐標(biāo)。

首先獲得空間點P在左右兩半邊圖像中的對應(yīng)點P1，P2點的畸變圖像坐標(biāo)Pd1和 Pd2，并通過式（1）進(jìn)行畸變校正，獲得無畸變圖像坐標(biāo)Pu1和Pu2，然后通過式（2）計算P1′ 和P2′的歸一化坐標(biāo)Pn1 和Pn2，最后由式（3）計算轉(zhuǎn)換為P點在測量坐標(biāo)系下的三維坐標(biāo)（xc1，yc1，zc1）T：[Pdi=1+k1i（x2ui+y2ui）+k2i（x2ui+y2ui）2Pui] （1）

[xui=fxixni+uOiyui=fyiyni+vOi] （2）

[xc1=xn1zc1yc1=yn1zc1zc1=tx-xn2tzxn2（r7xn1+r8yn1+r9）-（r1xn1+r2yn1+r6）] （3）

3.2 單攝像機(jī)立體視覺的極線幾何模型

由傳感器數(shù)學(xué)模型計算可知，首先要獲得空間點在左右兩邊圖片對應(yīng)點的圖像坐標(biāo)才能計算出該空間點的三維坐標(biāo)，因為使用單攝像機(jī)立體視覺傳感器進(jìn)行測量的關(guān)鍵是左右兩半邊圖像中特征點的匹配。

本項目特征點匹配采用的是以基于極線的特征點匹配為主，立體匹配約束為輔的匹配方法，單攝像機(jī)立體視覺傳感器的極線幾何模型，如圖6所示。

可以看出，基本矩陣F實際上包括了單攝像機(jī)立體視覺傳感器的所有參數(shù)，即兩虛擬攝像機(jī)內(nèi)參A1，A2和兩虛擬攝像機(jī)結(jié)構(gòu)參數(shù)R和T。這表明，基本矩陣只和單攝像機(jī)立體視覺傳感器的參數(shù)有關(guān)，與外部場景無關(guān)，是單攝像機(jī)立體視覺內(nèi)在的一種約束關(guān)系。

4 彈簧綜合幾何參數(shù)的視覺測量結(jié)果

彈簧綜合幾何參數(shù)的視覺測量方法選用的相機(jī)為大恒DH?HV1505UM攝像機(jī)，鏡頭為焦距為12 mm的Computar鏡頭搭建成了單攝像機(jī)立體視覺傳感器。

彈簧綜合幾何參數(shù)的視覺測量項目采用32位Windows 7旗艦版SP1操作系統(tǒng)，計算機(jī)中央處理器為Intel CORE i3M 350，計算機(jī)中央處理器主頻為2.70 GHz，計算機(jī)內(nèi)存為2 GB（三星DDR3 1 067 MHz）。開發(fā)環(huán)境為Microsoft Visual Studio 2008。程序采用面向?qū)ο蟮腣C++編譯，使用了計算機(jī)視覺庫OpenCV（Open Source Computer Vision Library），版本為2.0實現(xiàn)程序中的圖像處理。

4.1 彈簧綜合幾何參數(shù)的視覺測量方法的程序界面

彈簧綜合幾何參數(shù)的視覺測量方法的程序界面如圖7所示。

4.2 彈簧綜合幾何參數(shù)的視覺測量的實驗結(jié)果

經(jīng)過不同彈簧的綜合幾何參數(shù)測量，獲得的測量結(jié)果統(tǒng)計，如表2所示。

5 結(jié) 語

彈簧綜合幾何參數(shù)的視覺測量系統(tǒng)精確度大于0.5 mm，實驗精度比較理想，但是相比較于同類型的測試系統(tǒng)，精度還有待提高。誤差主要存在于圖像邊緣提取、特征匹配等步驟中，進(jìn)一步改進(jìn)系統(tǒng)的精度是下一步的主要目標(biāo)。運用雙目視覺技術(shù)完成彈簧金屬零件的幾何特征測量相比較于人工的檢測效率更高，可靠性更強(qiáng)，不需要輔助工具（千分尺、三坐標(biāo)測量儀等），對零件破壞程度大大降低。

表2 彈簧綜合幾何參數(shù)測量值和實際值對照表 mm

參考文獻(xiàn)

[1] 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)實現(xiàn)[J].光學(xué)學(xué)報，2012，32（3）：1?8.

[2] NEUROSCI A R. The analysis of stereopsis [M]. Maryland： University of Maryland， 1984.

[3] 楊崢，周富強(qiáng).鏡像式單攝像機(jī)雙目視覺傳感器的結(jié)構(gòu)設(shè)計[J].機(jī)械工程學(xué)報，2011，47（22）：8?12.

[4] 鄭元杰，楊杰.基于單攝像頭雙目成像系統(tǒng)在計算機(jī)視覺中的應(yīng)用研究[J].紅外與激光工程，2004，33（4）：392?396.

[5] 徐瑋.基于折反射全景的動態(tài)虛擬環(huán)境建模與繪制技術(shù)研究[D].長沙：國防科技大學(xué)，2007.

[6] 劉瓊，秦現(xiàn)生，應(yīng)申舜，等.雙目視覺測量系統(tǒng)結(jié)構(gòu)參數(shù)設(shè)計及精度分析[J].中國機(jī)械工程，2008，19（22）：2727?2732.

[7] 閆麗，段發(fā)階.單目立體視覺傳感器的優(yōu)化設(shè)計及精度分析技術(shù)研究[J].傳感技術(shù)學(xué)報，2006，19（2）：349?352.

[8] FAUGERAS O D， TOSCARNI G. Camera calibration for 3D computer vision [C]// Proceeding of IEEE International Workshop on Industry Application of Machine Vision and Machine Intelligence. [S.l.]： IEEE， 1987： 240?247.

[9] 張曦，黃亮，徐洋，等.基于Matlab中calibration toolbox的相機(jī)標(biāo)定應(yīng)用研究[J].微型機(jī)與應(yīng)用，2011（14）：31?33.

[10] CANNY J F. A Computational approach to edge detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986， 8（6）： 679?698.