基于結(jié)構(gòu)光的白車身面差三維測量方法

譚毅，嚴(yán)海源，楊延竹

1深圳市寶能汽車有限公司；2東華大學(xué)機(jī)械工程學(xué)院

1 引言

在汽車制造領(lǐng)域中，轎車車身通過一系列零件裝配而成，其裝配質(zhì)量與產(chǎn)品外觀和各零件質(zhì)量密切相關(guān)[1]。面差是評價裝配質(zhì)量的一種衡量標(biāo)準(zhǔn)，在裝配過程中，如果白車身和車門之間存在較大的面差，將直接導(dǎo)致汽車車身的外觀不協(xié)調(diào)和密封性差，無法達(dá)到性能要求，因此測量面差對于汽車裝配至關(guān)重要[2]。要提高產(chǎn)品質(zhì)量，需提高裝配質(zhì)量，對裝配的面差特征進(jìn)行穩(wěn)定、精確的測量是最有效的解決途徑之一[3]。通過對面差的實(shí)時測量，結(jié)合電腦反饋的處理結(jié)果分析判斷，可以快速找到誤差源頭，提高裝配質(zhì)量，減少后期的維修次數(shù)，增加生產(chǎn)利潤。

目前對面差特征的測量方法主要有兩種：一是接觸式測量，主要通過間隙尺、面差尺和面差表等工具進(jìn)行測量；二是非接觸測量，通過光學(xué)以及圖像處理技術(shù)測量面差等特征，主要包括單目結(jié)構(gòu)光及雙目結(jié)構(gòu)光測量[4]。采用結(jié)構(gòu)光三維測量方法[5，6]具有快速、高精度、非接觸以及方便保存測量數(shù)據(jù)等優(yōu)點(diǎn)，現(xiàn)階段已廣泛應(yīng)用于逆向工程、機(jī)械加工和汽車制造等現(xiàn)代產(chǎn)業(yè)中。

對白車身和車門之間面差特征測量，國外發(fā)達(dá)國家已開發(fā)出比較成熟的結(jié)構(gòu)光面差三維測量裝置，并廣泛地應(yīng)用于在線測量白車身面差特征中[7]。國內(nèi)高校也相繼開發(fā)出測量面差的結(jié)構(gòu)光設(shè)備以及方法，如陳曉博[8]提出基于雙目視覺對白車身面差特征的三維測量方法，通過提取縫隙邊緣輪廓線、匹配縫隙線邊緣點(diǎn)對以及三維重建等對測量方法進(jìn)行研究分析。但該方法測量效率低，不適用于需要實(shí)時測量的工業(yè)現(xiàn)場。結(jié)構(gòu)光三角測量法正在逐步完善，隨著自動化程度的較大提升，有效和精確的測量數(shù)據(jù)為提高裝配質(zhì)量提供了更多支持，在工業(yè)測量領(lǐng)域中的運(yùn)用日益增多[9]。

在上述研究的基礎(chǔ)上，本文提出了基于多線結(jié)構(gòu)光的面差三維測量方法。將激光發(fā)射器產(chǎn)生的多條激光線投影至被測物體之間，對采集的圖像進(jìn)行去噪處理，根據(jù)三角法測量原理，亞像素提取光條紋中心確保精度，將采集到的縫隙間表面點(diǎn)云進(jìn)行點(diǎn)云預(yù)處理，通過查找輪廓線的面差特征點(diǎn)和RANSAC基準(zhǔn)直線擬合，計算得到測量結(jié)果。分析結(jié)果表明，該三維測量方法能有效提升白車身面差測量結(jié)果的高效性和精確性，可以滿足面差特征測量精度的需求。

2 測量原理及流程

2.1 結(jié)構(gòu)光視覺測量原理

結(jié)構(gòu)光測量原理見圖1，激光發(fā)射器投射多線結(jié)構(gòu)光至被測物表面，根據(jù)采集的光紋二維畸變圖像，經(jīng)三角法解算得到被測物表面三維點(diǎn)云[10]。

圖1 結(jié)構(gòu)光測量原理

2.2 測量流程

采用線結(jié)構(gòu)光三維測量方法，在測量白車身面差特征時，由于測量位置復(fù)雜和被測物表面材質(zhì)的性能差異，導(dǎo)致所得到的三維點(diǎn)云數(shù)據(jù)散亂，車身和車門的間隙存在大量無效點(diǎn)云數(shù)據(jù)及三維測量時有異常點(diǎn)。這些異常三維點(diǎn)云數(shù)據(jù)會導(dǎo)致難以對有效點(diǎn)云數(shù)據(jù)進(jìn)行處理、面差特征點(diǎn)識別錯誤以及擬合基準(zhǔn)直線時誤差較大等問題，因此，要對采集的三維點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，過濾掉大量無效點(diǎn)云數(shù)據(jù)和噪點(diǎn)，確保后續(xù)的識別定位面差特征點(diǎn)以及基準(zhǔn)直線擬合精度。面差特征測量流程見圖2。

圖2 面差特征測量流程

(1)圖像去噪

在車身面差特征測量中，被測物通常由各種材質(zhì)組成，表面材質(zhì)性能差異較大，會導(dǎo)致拍攝的圖像除有效區(qū)域外還包含多余的光條信息。為除去多余的光條信息，一般是在圖像中篩選保留被測物體區(qū)域，對非被測物體區(qū)域進(jìn)行過濾。對于在多線激光點(diǎn)附近的噪點(diǎn)數(shù)據(jù)，對點(diǎn)云采用濾波處理[11]。白車身和車門之間的數(shù)據(jù)一般呈直線段或弧線段，可采用雙邊濾波進(jìn)行去噪處理。雙邊濾波對圖像進(jìn)行帶權(quán)平滑，相對邊緣較遠(yuǎn)的像素對邊緣的像素值影響甚微，這樣不僅濾掉了存在的少數(shù)噪聲點(diǎn)，起到平滑作用，同時還保護(hù)了圖像邊緣信息。

(2)亞像素提取光條紋中心

要測量白車身和車門之間的面差特征，還需精準(zhǔn)定位識別光條紋中心線上的面差特征點(diǎn)。因此，光條紋中心提取和面差特征點(diǎn)識別對該結(jié)構(gòu)光三維測量方法尤為關(guān)鍵，一般通過灰度質(zhì)心法、極值法、幾何中心法以及Hessian矩陣法進(jìn)行光條紋中心提取?；叶荣|(zhì)心法通過計算光條紋各截面上的灰度分布質(zhì)心作為各截面的光條紋中心點(diǎn)。對比其他方法，采用灰度質(zhì)心法可縮小由灰度分布不對稱引起的誤差，且該方法計算快速，實(shí)現(xiàn)簡單。因此，本文采用灰度質(zhì)心法進(jìn)行亞像素提取條紋中心輪廓線。

設(shè)條紋截面中一點(diǎn)坐標(biāo)為(xi，yi)，該點(diǎn)灰度值為g(xi，yi)，i=1，2，…，N，截面像素點(diǎn)個數(shù)為N，則光條紋某一截面中心點(diǎn)橫、縱坐標(biāo)如下

(1)

圖3是拍攝的多激光光條紋圖像。右邊局部放大的是用灰度質(zhì)心法提取的亞像素光條紋中心線坐標(biāo)。

圖3 提取光紋中心線

(3)特征點(diǎn)提取

獲取到亞像素光條紋中心線坐標(biāo)后，測量面差特征需精準(zhǔn)定位識別光條紋中心線上的面差特征點(diǎn)和1條通過基準(zhǔn)面擬合的基準(zhǔn)直線。車身與車門之間的面差特征如圖4所示，面差為求取面差特征點(diǎn)與基準(zhǔn)面擬合直線的垂直距離。

圖4 面差特征點(diǎn)

圖4中的面差特征點(diǎn)A一般取一條擬合直線與擬合圓弧的交點(diǎn)。使用直線擬合與圓弧擬合求交點(diǎn)的方法容易受四周噪點(diǎn)影響，導(dǎo)致結(jié)果不準(zhǔn)確且計算復(fù)雜，因此提出了尋找斜率差值極大值點(diǎn)的方法。由圖可知，特征點(diǎn)A處的斜率突變最大，即通過遍歷搜索到斜率突變最大的點(diǎn)記為面差特征點(diǎn)A。遍歷光紋中心線上的點(diǎn)，除首尾兩點(diǎn)外，依次求取離散點(diǎn)的斜率，每個離散點(diǎn)斜率計算式為

(2)

式中，i為離散點(diǎn)索引；k為該點(diǎn)斜率；X，Z分別為該離散點(diǎn)橫坐標(biāo)和高度值。

求取當(dāng)前點(diǎn)與下一個點(diǎn)的斜率，再求取兩個相鄰點(diǎn)間的斜率差值的絕對值Δk，有

Δk=|ki-ki+1|

(3)

判斷Δk值是否大于某個閾值，這里設(shè)為0.7，將滿足該條件的點(diǎn)記為候選特征點(diǎn)，保存該點(diǎn)信息存入容器中，最后從中查找符合條件的最大斜率差值的點(diǎn)(即面差特征點(diǎn)A)。

計算面差特征還需計算基準(zhǔn)面擬合直線，根據(jù)上述面差特征的定義對參考基準(zhǔn)輪廓線進(jìn)行直線擬合。由于面差特征的形狀多樣，其中偏離基準(zhǔn)擬合直線距離大的點(diǎn)會影響直線擬合精度，因此采用隨機(jī)抽樣一致法進(jìn)行基準(zhǔn)直線擬合。隨機(jī)抽樣一致法與最小二乘法不同，最小二乘法通過計算全部點(diǎn)云數(shù)據(jù)進(jìn)行直線擬合，其中偏離距離大的點(diǎn)與噪聲點(diǎn)不會被過濾，而是直接參與計算并影響其擬合結(jié)果，擬合直線中的異常點(diǎn)云數(shù)據(jù)的偏差距離越大，其擬合直線誤差就越大。在面差特征的三維測量中，難以完全刪除內(nèi)部光條紋中心輪廓附近的噪點(diǎn)。隨機(jī)抽樣一致法是從全部點(diǎn)云數(shù)據(jù)中選取部分點(diǎn)云數(shù)據(jù)，再通過余下未被選取的點(diǎn)云數(shù)據(jù)檢驗(yàn)選取的部分點(diǎn)云數(shù)據(jù)，經(jīng)一定次數(shù)迭代后，最后選擇最接近擬合模型的點(diǎn)云集。該方法既降低了一般參數(shù)估計方法的擬合誤差，還減小了擬合點(diǎn)云數(shù)據(jù)集中彎線區(qū)域?qū)θ奎c(diǎn)云模型擬合參數(shù)的影響。

設(shè)全部待擬合點(diǎn)云為M，選取點(diǎn)云集P的最小點(diǎn)數(shù)為n，閾值為t，當(dāng)余下點(diǎn)云在設(shè)定的閾值范圍內(nèi)，則保存在候選集里。經(jīng)過幾次迭代后，篩選符合的最佳擬合直線，結(jié)合擬合的基準(zhǔn)線和特征點(diǎn)的距離求取面差特征。獲取的最佳擬合方程可表示為

(4)

3 實(shí)驗(yàn)與分析

通過上述研究，采用多線結(jié)構(gòu)光三角測量方法對模擬樣件進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)平臺及模擬樣件見圖5。實(shí)驗(yàn)中，采用多線激光器及?？礛V-CA050-20UM型號相機(jī)(相機(jī)分辨率為2592×2048，幀率60fps，靶面大小1")。相機(jī)距多線激光器光軸約為60mm，其光軸間的夾角約為15°，工作距離約為200mm。模擬樣件高度為1.5mm，白車身面差質(zhì)量特征要求為±0.1mm。通過實(shí)驗(yàn)檢測模擬樣件的面差是否滿足誤差范圍，以檢驗(yàn)白車身面差的有效性。測量18組面差數(shù)據(jù)，檢測結(jié)果見表1。

圖5 實(shí)驗(yàn)平臺及模擬樣件

可以看出，測量偏差符合面差特征質(zhì)量技術(shù)要求，該方法可以有效提升白車身面差測量的高效性以及穩(wěn)定性。

4 結(jié)語

在白車身裝配質(zhì)量的實(shí)際需求中，存在人工測量精度差、效率低等問題，本文提出基于結(jié)構(gòu)光的面差三維測量方法，并在模擬零件面差進(jìn)行三維測量實(shí)驗(yàn)。在面差特征計算過程中，將斜率差值極大值點(diǎn)作為面差特征點(diǎn)，并采用RANSAC算法進(jìn)行基準(zhǔn)直線擬合。分析結(jié)果表明，該三維測量方法精度較高，能滿足面差特征測量精度的需求。