沖壓發(fā)動機試驗面內(nèi)小位移高精度攝影測量方法

高 林

(西安航天動力試驗技術(shù)研究所, 西安 710100)

1 引言

沖壓發(fā)動機試驗過程中,位移參數(shù)是試車臺結(jié)構(gòu)健康監(jiān)測和損傷識別的重要測量內(nèi)容之一。試車架、滑動密封段甚至螺栓等小型結(jié)構(gòu)是否安全都需要依靠長期位移監(jiān)測來判斷。傳統(tǒng)的沖壓發(fā)動機試驗中采用拉桿式位移傳感器對試車臺結(jié)構(gòu)件進行位移測量,但面臨難以找到合適的固定基準(zhǔn)點及高溫環(huán)境下傳感器布置困難等問題。而基于視覺的非接觸式測量本質(zhì)上是基于攝影測量的方式[1],最初廣泛應(yīng)用在橋梁變形的實時監(jiān)測上,具有非接觸、易操作、適應(yīng)性強和工作環(huán)境要求低等優(yōu)點,并可以避免上述問題。

基于視覺的位移和形變的測量方法有數(shù)字相關(guān)法(Digital Image Correlation Method,DICM)和光流法(Optical Flow Method,OFM),這些方法是物體小位移和形變測量常用的方法。DICM 法是20 世紀(jì)80 年代初由美國南卡羅納大學(xué)Peter 和Ranson 與日本Yamaguchi 等研究人員幾乎同一時間提出的檢測方法[2],是用于測量全場位移的最常見的圖像處理技術(shù)。DICM 的非接觸測量已經(jīng)在實驗力學(xué)[3]、生物力學(xué)、土木工程、機械工程、增材制造[4]和航天工程[5]中廣泛應(yīng)用。然而,針對同一面內(nèi)的兩物體相對運動之間的小位移監(jiān)測以及對于噪聲背景前的標(biāo)記測量,由于噪聲背景導(dǎo)致的相關(guān)性損失,DICM 不能很好工作。OFM基于兩幀圖像計算出了同一像素位置的位移量,衍生出很多相關(guān)算法,應(yīng)用在物體位移和振動測量方面。但是該方法同時也受試車臺背景復(fù)雜的光照的影響較大,導(dǎo)致相關(guān)性損失,使測量數(shù)據(jù)不準(zhǔn)確[6]。此外,針對滑動密封段的兩物體相對運動的跟蹤算法還有特征點匹配的方式,如SIFT 算法[7]和SURF 算法[8],但是需要高額的計算花費,實時性不強。

針對沖壓發(fā)動機試驗面內(nèi)小位移測量的實時性和精確性要求,本文對傳統(tǒng)的角點檢測算法[9]進行改進,提出了一種基于視覺的滑動密封結(jié)構(gòu)遠(yuǎn)程、非接觸、高精度測量跟蹤系統(tǒng)。

2 問題描述

當(dāng)前沖壓發(fā)動機試驗中,發(fā)動機的燃燒室受高溫膨脹發(fā)生形變,導(dǎo)致滑動密封段產(chǎn)生微小緩慢的位移,如位移量過大,會破壞滑動密封結(jié)構(gòu)且對試車臺健康產(chǎn)生影響。傳統(tǒng)方法采用位移傳感器測得位移量,由于燃燒室附近溫度較高,傳感器受高溫容易脫落或燒毀,且長時間受振動等復(fù)雜環(huán)境影響易發(fā)生損壞。此外,其測點安裝位置受空間約束且測點單一,基于傳統(tǒng)的角點檢測算法識別出的標(biāo)記易發(fā)生截斷,和附近物體發(fā)生連接效應(yīng),使測量值不準(zhǔn)確。

為提高檢測算法的魯棒性和測量的精度,滿足試驗過程中實時監(jiān)測位移數(shù)據(jù)的要求,基于拉格朗日插值進行角點檢測算法優(yōu)化和卡爾曼濾波設(shè)計了一種面內(nèi)微小位移高精度的攝影測量方法。將面內(nèi)標(biāo)記物的測量抽象為圖1 所示面內(nèi)位移測量基本原理。通過HALCON[10]標(biāo)定實驗獲取像素和位移長度的關(guān)系,求出了相機內(nèi)參矩陣、外參矩陣以及相關(guān)系數(shù),即得到一個比例系數(shù),通過圖像中被測位移量的變化反推出被測物體空間中的位移量。從圖1 中可以看到空間三維坐標(biāo)系物體上某個反光點的三維坐標(biāo)(xw,yw,zw)到攝像機采集的圖像中該點的像素二維坐標(biāo)(xu,yv)的變換關(guān)系。

圖1 面內(nèi)小位移測量基本原理Fig.1 Fundamentals of small displacement measurement in surface

3 小位移高精度攝影測量方法

3.1 位移測量系統(tǒng)

在沖壓發(fā)動機直連試驗中,加熱器和燃燒室受高溫膨脹發(fā)生形變,從而導(dǎo)致補償?shù)幕瑒用芊馄靼l(fā)生緩慢而微小變加速移動,如圖2 下方圖箭頭方向,加速度先增后減,位移曲線呈指數(shù)型,平均速度約0.3～0.4 mm/s。由于滑動密封器附近有高溫氣流,以及受空間約束特點,攝像機需與滑動密封段上標(biāo)記物保持一定安全距離。由于滑動密封段自身特點,基于數(shù)字散斑法測位移的方式在此處不適用,需要研究新的測量方法。通過在滑動密封段左右兩側(cè)粘貼標(biāo)記的方式進行目標(biāo)識別定位,標(biāo)簽可選用3D 打印的黑色標(biāo)記,材質(zhì)為耐高溫不變形復(fù)合材料,并配合不變形不流動的高溫膠使用。此外,在溫度更高的條件下可采用噴涂方式實現(xiàn)標(biāo)記制作,當(dāng)前市面上耐800 ℃以上的噴涂材料較為常見,特殊材料可耐1000 ℃以上,滿足沖壓發(fā)動機試驗位移測量要求。圖2 左側(cè)標(biāo)記尺寸設(shè)計為10 mm×20 mm,邊緣設(shè)計為3 ～5 mm 的白色,以保證算法高效并準(zhǔn)確識別出黑色邊緣。

圖2 沖壓發(fā)動機試驗位移測量標(biāo)記部署示意圖Fig.2 Diagram of mark deployment in displacement measurement of ramjet test

3.2 拉格朗日插值

拉格朗日插值屬于非線性插值的一種,具有較快的性能和較高的圖像細(xì)化能力。一次拉格朗日插值法可以得到線性插值16 倍的細(xì)化能力,通過多次拉格朗日插值法可以得到幾百倍的邊緣細(xì)化能力且保持更高的測量精度,其表達(dá)式如式(1)所示[11]。

式中,LN,k(x)表示插值的權(quán)重,yk表示某像素點,RN(x)是插值后的某像素灰度值。該表達(dá)式以等冪形式對稱排列,數(shù)值計算具有穩(wěn)定性,具有唯一解,在定義區(qū)間內(nèi)是連續(xù)的,標(biāo)記圖像邊緣連續(xù),與該函數(shù)特征保持一致。

對多次插值結(jié)果進行調(diào)優(yōu),實驗表明將圖像進行Canny 算子濾波后再進行亞像素插值,可得到很好的亞像素精度的測量結(jié)果,其中采用的雙兩次拉格朗日插值法原理圖如圖3 所示。

圖3 雙兩次拉格朗日插值原理圖Fig.3 Schematic diagram of double Lagrange interpolation

3.3 卡爾曼濾波

實驗的測量結(jié)果是二維的位移曲線數(shù)據(jù),受實驗設(shè)備調(diào)試參數(shù)、實驗設(shè)備精度等因素影響,實際的測量曲線不可避免地?fù)诫s非線性噪聲干擾。基于本文系統(tǒng)的特點與實時性要求,采用卡爾曼濾波算法來減弱噪聲對測量結(jié)果的干擾,以提高位移測量的精度。

通過遞歸更新方法[12],建立系統(tǒng)模型,如圖4 所示,對當(dāng)前狀態(tài)進行估計,并使?fàn)顟B(tài)的測量值和卡爾曼濾波估計值均方誤差最小。

圖4 卡爾曼濾波信號處理模型Fig.4 Signal processing model of Kalman filter

3.4 算法流程圖

經(jīng)典的基于視覺的位移測量方法一般包括3步:采集高質(zhì)量圖像、圖像算法處理、工程優(yōu)化。

如圖5 所示,要測量滑動密封段粘貼標(biāo)記物圖像的亞像素位移量,首先需要循環(huán)讀取視頻數(shù)據(jù),分別對每幀數(shù)據(jù)進行去除畸變處理;然后再進行Canny 算子濾波處理,對濾波后的每幀圖像進行雙兩次拉格朗日插值處理;利用上一步的實驗數(shù)據(jù)再進行亞像素閾值分割并進行二值化閾值計算,取感興趣區(qū)域(Region of Interest,ROI)圖像,進行形態(tài)學(xué)閉運算,對ROI 區(qū)域圖像進行標(biāo)記輪廓搜索;搜索到后計算標(biāo)記輪廓的一階中心矩,并計算2 個標(biāo)記輪廓之間每幀圖像的相對位移量;得到的相對位移量是亞像素級位移,對該亞像素級位移進行卡爾曼濾波處理,后繪制曲線和保存數(shù)據(jù)。

圖5 本文算法流程圖Fig.5 Flowchart of the algorithm in this paper

4 實驗及結(jié)果

4.1 實驗系統(tǒng)搭建

圖6 為位移測量系統(tǒng)示意圖和實驗搭建實物圖,實驗中用到的主要儀器有高分辨CMOS 相機、鏡頭、LED 光源、采集計算機和黑色標(biāo)記。CMOS相機為國產(chǎn)工業(yè)相機,分辨率為4608×3456,鏡頭為3.2～18 mm 的變焦鏡頭,最大幀率為30 幀/s。實驗中采用LED 單色光源對標(biāo)記物進行光照補償,通過調(diào)節(jié)相機的曝光時間使得標(biāo)記物邊緣清晰銳利,程序運行在后端計算機,相機和采集計算機通過USB 轉(zhuǎn)網(wǎng)口線進行連接,數(shù)據(jù)傳輸可達(dá)300 MB/s,可以滿足視頻和位移數(shù)據(jù)的實時回傳要求。

圖6 位移測量系統(tǒng)示意圖和實驗實物圖Fig.6 Schematic diagram of the displacement measurement system and photo of the hardware

4.2 算法測量結(jié)果實驗驗證

實驗對某沖壓發(fā)動機直連試驗位移視頻數(shù)據(jù)進行離線驗證,算法驗證所用計算機配置如下:系統(tǒng)為64 位Windows 10,CPU 2.3 GHz,所用編程工 具 為 VS2019 + OpenCV4.0。視 頻 錄 制 為30 幀/s 的1080P 分辨率視頻,后截取分辨率為1430×878、時長為45.62 s 視頻。首先將攝像機固定在三腳架上,調(diào)節(jié)水平調(diào)節(jié)器,使攝像機接近水平狀態(tài);然后,將三腳架對準(zhǔn)方形標(biāo)記物的中心位置,調(diào)整攝像機和標(biāo)記物之間的距離,使得2 個標(biāo)記物位于攝像機取景框的中心位置;最后,使用編程工具對視頻處理得原始圖(圖7(a))、灰度圖(圖7(b))、形態(tài)學(xué)處理圖(圖7(c))和目標(biāo)提取圖(圖7(d))。

圖7 沖壓發(fā)動機試驗位移算法處理過程Fig.7 Processing of displacement algorithm in ramjet test

在實驗全程時間段內(nèi),如圖7(d)所示,視頻中目標(biāo)隨著滑動密封段位移穩(wěn)定地移動,目標(biāo)從背景圖像中提取清晰。圖7(c)中右側(cè)標(biāo)記受光照影響發(fā)生截斷效應(yīng),同時圖7(c)中右側(cè)標(biāo)記和螺栓發(fā)生了連接效應(yīng),但是不影響圖7(d)中目標(biāo)的提取和一階中心矩的計算,可以驗證算法具有較高的魯棒性。

圖8 為本文算法與拉桿式位移傳感器測得的位移截取圖,圖中藍(lán)色數(shù)據(jù)存在噪聲干擾,未進行卡爾曼濾波,拉桿式位移傳感器進行了校準(zhǔn)標(biāo)定,采樣率100 spot/s。

圖8 本文算法與位移傳感器測得位移比對圖Fig.8 Comparison of displacement by this algorithm and measurement by the displacement sensor

如表1 所示,圖像算法測得的最大位移為15.7795 mm, 位移傳感器測得最大位移為15.7990 mm,兩者相差0.0195 mm,精度達(dá)到±0.02 mm。同理,取本文算法中間時刻數(shù)據(jù)13.5017 mm,對應(yīng)地,取拉桿式位移傳感器對應(yīng)數(shù)據(jù)為13.467 mm,兩者相差0.033 mm,精度達(dá)到±0.03 mm,但圖像算法在0 ～400 幀表現(xiàn)不太理想,這是因為沖壓發(fā)動機啟動瞬間會產(chǎn)生劇烈的振動和噪聲,對本文圖像算法產(chǎn)生了一定干擾,需采用補償或濾波算法進行優(yōu)化。

表1 圖像算法與拉桿式位移傳感器測量結(jié)果比較Table 1 Comparison between this algorithm and the measurement results of the pull rod displacement sensor

4.3 卡爾曼優(yōu)化實驗驗證

假設(shè)噪聲符合標(biāo)準(zhǔn)高斯正態(tài)分布,滑動密封段緩慢移動可以簡化為線性微分方程,疊加噪聲模型建立卡爾曼濾波線性狀態(tài)模型。通過Matlab 2019b 軟件仿真實驗,將拉桿式位移傳感器獲取數(shù)據(jù)作為真實值,將攝影測量值作為觀測值。為了保持拉桿式位移傳感器測量數(shù)據(jù)和本文采集的原始數(shù)據(jù)保持?jǐn)?shù)據(jù)點數(shù)一致,假設(shè)每隔5 點取1個數(shù),得到圖9 中,其中卡爾曼濾波結(jié)果如圖中藍(lán)色曲線所示。卡爾曼濾波結(jié)果和真實值的差值平均約為±0.01 mm,算法在3 幀內(nèi)快速收斂(以30 幀/s 采集,在0.1 s 內(nèi)算法收斂),算法測量精度較未進行 卡 爾 曼 濾 波 提 升 了 3 倍( ± 0.03 mm/±0.01 mm),和真實值擬合較好,算法性能各方面均表現(xiàn)優(yōu)秀。

圖9 卡爾曼濾波對比結(jié)果圖Fig.9 Contrast of Kalman filter with real values

4.4 算法在線實驗驗證

針對如圖10 中ROI 區(qū)域218×132 分辨率的視頻,優(yōu)化前算法執(zhí)行大概需要60 s 時間,采用繼續(xù)縮小感興趣區(qū)域、SIMD 指令集、多線程技術(shù)結(jié)合執(zhí)行優(yōu)化后,對于同分辨率同一視頻,算法處理結(jié)束不到10 s,而視頻總幀數(shù)約為1500 幀,算法幀率達(dá)到了150 幀/s,算法性能提升了6 倍多,遠(yuǎn)高于位移實時測量要求。

圖10 在線實顯軟件界面截圖Fig.10 Screenshot of online display software interface

5 結(jié)論

針對沖壓發(fā)動機直連試驗過程中傳統(tǒng)方法采用位移傳感器受高溫難布置、易脫落和測點單一等問題,本文提出了沖壓發(fā)動機試驗復(fù)雜背景下面內(nèi)水平和垂直位移的高精度測量方法。

1)該方法保持了空域亞像素圖像的測量速度,應(yīng)用卡爾曼濾波大大減少了系統(tǒng)過程噪聲和測量噪聲對測量結(jié)果的影響,將測量精度提升約3 倍,實現(xiàn)了在線高精度測量。

2)在算法工程優(yōu)化上,使用感興趣區(qū)域、SIMD 指令集、多線程技術(shù)結(jié)合實現(xiàn)了在當(dāng)前配置計算機上算法執(zhí)行效率提升6 倍多,即從24 幀/s提升到150 幀/s,遠(yuǎn)高于在線監(jiān)測要求的幀率。

3)文中提出的空域位移高精度測量方法不僅可以應(yīng)用在航天某些高精度視覺檢測領(lǐng)域,還可以應(yīng)用在鐵軌路面沉降測量和橋梁等大型結(jié)構(gòu)變形高精度全天候?qū)崟r監(jiān)測中。