視覺坐標(biāo)測(cè)量系統(tǒng)的自動(dòng)對(duì)焦策略研究

畢超，張洋，張超，周鵬

1北京航空精密機(jī)械研究所精密制造技術(shù)航空科技重點(diǎn)實(shí)驗(yàn)室；2北京遙感設(shè)備研究所

1 引言

在航空發(fā)動(dòng)機(jī)中，高壓渦輪葉片上的氣膜孔具有數(shù)量多、孔徑小、深徑比大且分布位置復(fù)雜等特點(diǎn)，其實(shí)際幾何技術(shù)狀態(tài)會(huì)對(duì)此類葉片的冷卻效果、承溫能力和服役壽命等產(chǎn)生重要影響[1]。要加工出符合設(shè)計(jì)要求的氣膜孔特征，就需實(shí)現(xiàn)其孔徑、軸線角度和孔心坐標(biāo)等形位參數(shù)的檢測(cè)與控制，從而為加工過程反饋信息。針對(duì)氣膜孔的幾何特點(diǎn)與檢測(cè)需求，本文研制出了非接觸式新型視覺坐標(biāo)測(cè)量系統(tǒng)，采用工業(yè)相機(jī)作為前端傳感器，將其搭載于三坐標(biāo)運(yùn)動(dòng)平臺(tái)上，通過X、Y和Z軸運(yùn)動(dòng)實(shí)現(xiàn)測(cè)量軌跡，從而將視覺測(cè)量技術(shù)與坐標(biāo)測(cè)量技術(shù)結(jié)合，充分應(yīng)對(duì)高壓渦輪葉片氣膜孔的質(zhì)量控制任務(wù)。

在實(shí)際應(yīng)用中，確保工業(yè)相機(jī)采集到清晰、高質(zhì)量的氣膜孔圖像是提高后續(xù)圖像處理與參數(shù)計(jì)算精度的關(guān)鍵步驟，因此系統(tǒng)需具備自動(dòng)對(duì)焦功能，即通過一定的對(duì)焦策略使系統(tǒng)自動(dòng)由離焦?fàn)顟B(tài)調(diào)整到正焦?fàn)顟B(tài)[2]。在正焦?fàn)顟B(tài)下，被測(cè)表面處于系統(tǒng)的最佳成像位置(工業(yè)相機(jī)的物方焦平面)上，由工業(yè)相機(jī)采集到的圖像清晰、細(xì)節(jié)豐富、對(duì)比強(qiáng)烈，從而可以真實(shí)、準(zhǔn)確地反映出被測(cè)物理量，這是實(shí)現(xiàn)精密測(cè)量的必要前提，直接關(guān)系到整個(gè)系統(tǒng)的精度水平。

在眾多自動(dòng)對(duì)焦方式中，基于數(shù)字圖像的被動(dòng)式對(duì)焦技術(shù)不依賴距離信息，直接通過對(duì)焦評(píng)價(jià)函數(shù)計(jì)算出圖像或圖像序列的清晰度，并將其作為調(diào)焦?fàn)顟B(tài)的評(píng)價(jià)標(biāo)準(zhǔn)，而后利用一維峰值搜索算法尋找到對(duì)焦區(qū)間內(nèi)的最佳成像位置，具有操作性強(qiáng)、可靠性高以及易于實(shí)現(xiàn)自動(dòng)化等優(yōu)點(diǎn)，因而被廣泛應(yīng)用于各類光學(xué)成像系統(tǒng)中[3]。將自動(dòng)對(duì)焦技術(shù)應(yīng)用于視覺測(cè)量系統(tǒng)，不僅提高了系統(tǒng)的檢測(cè)精度與自動(dòng)化水平，而且推動(dòng)了視覺測(cè)量?jī)x器向智能化方向發(fā)展。

通常說來，視覺測(cè)量系統(tǒng)的被動(dòng)式自動(dòng)對(duì)焦策略包含兩個(gè)核心環(huán)節(jié)：對(duì)焦評(píng)價(jià)函數(shù)與對(duì)焦搜索算法[4]。前者用于計(jì)算圖像的清晰度，清晰度越大，表明圖像越清晰、質(zhì)量越高，其所對(duì)應(yīng)的位置也越接近于最佳成像位置；后者用于通過已有的清晰度數(shù)據(jù)搜尋最佳成像位置，從而引導(dǎo)系統(tǒng)調(diào)整到正焦?fàn)顟B(tài)實(shí)現(xiàn)自動(dòng)對(duì)焦。

目前，相關(guān)科研人員已經(jīng)在光學(xué)系統(tǒng)的自動(dòng)對(duì)焦手段與方法方面開展了許多研究工作。王燦等[5]提出了一種定焦相機(jī)的自動(dòng)對(duì)焦技術(shù)，將相機(jī)配置在運(yùn)動(dòng)系統(tǒng)中，采用DFT濾波與Laplacian梯度算子相結(jié)合的對(duì)焦評(píng)價(jià)函數(shù)計(jì)算出圖像清晰度，并通過遍歷搜索算法自動(dòng)搜尋焦點(diǎn)位置，實(shí)現(xiàn)了無參考圖庫情況下的相機(jī)自動(dòng)對(duì)焦。羅文睿[6]針對(duì)數(shù)字顯微鏡的自動(dòng)對(duì)焦問題，提出了一種改進(jìn)爬山算法，分為粗調(diào)焦和精調(diào)焦兩個(gè)階段，并且在不同階段分別采用不同的對(duì)焦評(píng)價(jià)函數(shù)，從而在保證調(diào)焦精度的條件下有效提高了自動(dòng)對(duì)焦速度。張豐收等[7]針對(duì)單克隆抗體細(xì)胞的顯微成像，提出了一種基于改進(jìn)Sobel梯度函數(shù)的自動(dòng)對(duì)焦評(píng)價(jià)算法，并通過爬山算法在對(duì)焦區(qū)間內(nèi)搜索對(duì)焦位置，從而獲得了清晰度更高的細(xì)胞顯微圖像。

本文開展了新型視覺坐標(biāo)測(cè)量系統(tǒng)自動(dòng)對(duì)焦策略的研究與實(shí)驗(yàn)驗(yàn)證，主要包括對(duì)焦評(píng)價(jià)函數(shù)和對(duì)焦搜索算法。前者用于計(jì)算圖像序列的清晰度并將其作為對(duì)焦判據(jù)，通過改進(jìn)的Prewitt邊緣檢測(cè)算子實(shí)現(xiàn)，將原有Prewitt算子的梯度計(jì)算方向由2個(gè)增至4個(gè)，以提高圖像清晰度計(jì)算的靈敏度和穩(wěn)定性；后者用于確定最佳成像位置，通過函數(shù)逼近法實(shí)現(xiàn)，選取清晰度峰值鄰近的數(shù)據(jù)點(diǎn)并應(yīng)用Gaussian函數(shù)擬合出清晰度曲線，而后將解析出的峰值點(diǎn)坐標(biāo)作為最佳成像位置，從而完成系統(tǒng)的自動(dòng)對(duì)焦。

2 自動(dòng)對(duì)焦策略

視覺系統(tǒng)的對(duì)焦就是通過不斷改變被測(cè)物體與工業(yè)相機(jī)之間的相對(duì)距離(物距)而使系統(tǒng)達(dá)到正焦?fàn)顟B(tài)的過程，此時(shí)被測(cè)物體處于工業(yè)相機(jī)的最佳成像位置上，采集到的圖像細(xì)節(jié)最清晰，信息最豐富[8]。

根據(jù)實(shí)現(xiàn)原理的不同，自動(dòng)對(duì)焦可以分為主動(dòng)式和被動(dòng)式兩大類。其中，主動(dòng)式對(duì)焦基于成像理論，根據(jù)調(diào)焦公式對(duì)系統(tǒng)的物方焦平面位置進(jìn)行精確計(jì)算，而后通過測(cè)距傳感器與運(yùn)動(dòng)機(jī)構(gòu)的配合不斷判斷和調(diào)整物距，最終使被測(cè)表面處于相機(jī)的物方焦平面上從而完成自動(dòng)對(duì)焦；被動(dòng)式對(duì)焦以計(jì)算機(jī)圖像處理技術(shù)為基礎(chǔ)，通過分析和處理被測(cè)物體的圖像獲得清晰度數(shù)值，以此判斷系統(tǒng)的對(duì)焦程度，而后經(jīng)由搜索算法尋找到使圖像清晰度達(dá)到最大的位置，并將其作為最佳成像位置，從而完成自動(dòng)對(duì)焦[9]。

相比于主動(dòng)式對(duì)焦，被動(dòng)式對(duì)焦直接對(duì)圖像進(jìn)行處理和分析，無須另外配備測(cè)距傳感器，不僅降低了硬件成本和實(shí)現(xiàn)難度，減小了系統(tǒng)的體積和重量，并且其圖像清晰度可以定量、客觀地評(píng)價(jià)調(diào)焦結(jié)果，因而適用范圍更加廣泛和靈活，已經(jīng)成為自動(dòng)對(duì)焦領(lǐng)域的研究熱點(diǎn)。因此，本文采用被動(dòng)式自動(dòng)對(duì)焦方式來實(shí)現(xiàn)視覺坐標(biāo)測(cè)量系統(tǒng)的自動(dòng)對(duì)焦功能，主要包括計(jì)算圖像清晰度的對(duì)焦評(píng)價(jià)函數(shù)與尋找最佳成像位置的對(duì)焦搜索算法。在該系統(tǒng)中，被測(cè)物體固定在工作臺(tái)上，三坐標(biāo)運(yùn)動(dòng)平臺(tái)帶動(dòng)工業(yè)相機(jī)在對(duì)焦方向上運(yùn)動(dòng)，從而改變物距及對(duì)焦?fàn)顟B(tài)，最終通過自動(dòng)對(duì)焦策略使系統(tǒng)達(dá)到正焦?fàn)顟B(tài)。

如圖1所示，在包含最佳成像位置的對(duì)焦區(qū)間內(nèi)，以一定步長(zhǎng)等間隔采集被測(cè)物體的圖像，同時(shí)記錄下每幅圖像的位置或坐標(biāo)。在采集圖像的過程中，系統(tǒng)經(jīng)歷了“離焦—正焦—離焦”的狀態(tài)變化，因而這些圖像在整體上呈現(xiàn)“模糊—清晰—模糊”的變化，從而構(gòu)成一系列具有不同清晰度的圖像集合，稱為圖像序列[10]。通過對(duì)焦評(píng)價(jià)函數(shù)計(jì)算出圖像序列中每幅圖像的清晰度，再利用對(duì)焦搜索算法尋找到對(duì)焦區(qū)間內(nèi)的最佳成像位置，最后使工業(yè)相機(jī)退回到該位置完成自動(dòng)對(duì)焦。

圖1 圖像序列的采集過程

2.1 對(duì)焦評(píng)價(jià)函數(shù)

確定對(duì)焦評(píng)價(jià)函數(shù)是自動(dòng)對(duì)焦策略的首要問題，用于量化計(jì)算輸入圖像的清晰程度，并輸出該圖像的清晰度數(shù)值。由于對(duì)焦評(píng)價(jià)函數(shù)的種類較多，在不同應(yīng)用對(duì)象和場(chǎng)合下的評(píng)價(jià)效果也不盡相同，因而需根據(jù)被測(cè)對(duì)象的性質(zhì)及其圖像特點(diǎn)有針對(duì)性地選取合適且適用的函數(shù)或算子。

本文的被測(cè)對(duì)象為高壓渦輪葉片上的氣膜孔，具有一定的特殊性：葉片大多由高溫合金或單晶金屬材料制成，表面粗糙度較低，外觀有光澤且具有反光特性；葉片表面的結(jié)構(gòu)組織排列屬性及熱障涂層等會(huì)使其表面呈現(xiàn)出特定的紋理和細(xì)節(jié)特征，不同于常規(guī)工業(yè)產(chǎn)品[11]。因此，要使工業(yè)相機(jī)瞄準(zhǔn)被測(cè)氣膜孔的出口表面，即實(shí)現(xiàn)對(duì)分布于葉身型面上氣膜孔的自動(dòng)對(duì)焦，就需有針對(duì)性地開展對(duì)焦評(píng)價(jià)算法的研究，以構(gòu)建或選取出最合適的對(duì)焦評(píng)價(jià)函數(shù)。

通常說來，一個(gè)適用的對(duì)焦評(píng)價(jià)函數(shù)應(yīng)具備靈敏度高、計(jì)算量小和穩(wěn)定性好等特點(diǎn)，并且要使圖像序列的清晰度曲線呈現(xiàn)為單峰、無偏的形態(tài)特征，如圖2所示，橫坐標(biāo)為每幅圖像的位置或坐標(biāo)，縱坐標(biāo)為圖像清晰度。

圖2 圖像序列的清晰度曲線

對(duì)于一幅像素?cái)?shù)目為M×N的灰度圖像I，定義的對(duì)焦評(píng)價(jià)函數(shù)為

式中，D(I)為圖像I的清晰度計(jì)算結(jié)果；x，y為像素在圖像I中的坐標(biāo)；Gx(x，y)和Gy(x，y)分別為像素(x，y)處在水平和垂直方向上的梯度卷積模板；Gxy(x，y)和Gyx(x，y)分別為該像素處增加的在+45°與-45°方向上的梯度卷積模板。

改進(jìn)Prewitt邊緣檢測(cè)算子通過卷積模板檢測(cè)圖像中的邊緣特征，其卷積模板為

2.2 對(duì)焦搜索算法

對(duì)焦搜索算法確定出對(duì)焦區(qū)間內(nèi)清晰度最大、質(zhì)量最好的圖像所對(duì)應(yīng)的位置或坐標(biāo)，并將其作為最佳成像位置，其理論基礎(chǔ)是圖像序列的清晰度曲線為單峰，在峰值兩側(cè)單調(diào)，并且在最佳成像位置達(dá)到峰值。

在應(yīng)用過程中，要求對(duì)焦搜索算法具有一定的高效性和穩(wěn)定性，盡量避免重復(fù)搜索或搜索失敗，這樣既可以減少自動(dòng)對(duì)焦時(shí)間，又能避免判斷失誤或來回振蕩。目前，常用的對(duì)焦搜索算法有遍歷法、黃金分割法、爬山法與函數(shù)逼近法等[12]。其中，遍歷法通過比較每幅圖像的清晰度大小尋找到峰值，并將其對(duì)應(yīng)的圖像位置作為最佳成像位置，由于圖像數(shù)量有限，因而對(duì)焦精度欠缺；黃金分割法與爬山法均需要進(jìn)行變步長(zhǎng)迭代搜索，不利于提高對(duì)焦效率，而且一旦清晰度曲線出現(xiàn)局部極大值，這兩種搜索算法就有可能陷入局部極大值的鄰近區(qū)域而無法跳脫，導(dǎo)致對(duì)焦失敗；函數(shù)逼近法是將每幅圖像的清晰度數(shù)值與其位置或坐標(biāo)組成樣本數(shù)據(jù)點(diǎn)集，而后選擇合適的二階或三階函數(shù)對(duì)數(shù)據(jù)點(diǎn)集進(jìn)行曲線擬合，從而逼近未知的清晰度曲線并解析得出其峰值，因而也叫曲線擬合法。

根據(jù)對(duì)焦原理可知，在對(duì)焦區(qū)間內(nèi)，圖像的清晰度與其位置間存在著一定的函數(shù)關(guān)系，即清晰度函數(shù)，因而自動(dòng)對(duì)焦過程就是求取清晰度函數(shù)或曲線峰值點(diǎn)的過程。因此，在通過最小二乘函數(shù)擬合獲得了近似的清晰度曲線后，就可以用擬合曲線的峰值點(diǎn)近似作為清晰度曲線的峰值點(diǎn)，從而獲取到最大清晰度數(shù)值的圖像位置，實(shí)現(xiàn)自動(dòng)對(duì)焦。

本文采用函數(shù)逼近法作為視覺坐標(biāo)測(cè)量系統(tǒng)的對(duì)焦搜索算法。如圖2所示，將圖像序列的清晰度曲線與已知函數(shù)曲線進(jìn)行比較，可以看出，其形態(tài)特征與Gaussian曲線較為接近，呈現(xiàn)為近似對(duì)稱的鐘形，因而選用一維Gaussian函數(shù)進(jìn)行清晰度曲線擬合，函數(shù)為

式中，a(a>0)為函數(shù)的峰值大??；b為函數(shù)峰值點(diǎn)的位置或坐標(biāo)；c與函數(shù)曲線的半峰全寬有關(guān)。

在實(shí)際應(yīng)用中，逼近效果的好壞主要取決于擬合樣本的選取。在整個(gè)對(duì)焦區(qū)間內(nèi)進(jìn)行函數(shù)擬合時(shí)，逼近效果容易受到局部峰值的干擾和影響而造成擬合效果差、對(duì)焦誤判等；在全局峰值附近小范圍內(nèi)進(jìn)行函數(shù)擬合時(shí)，由于參與擬合的數(shù)據(jù)質(zhì)量易于控制，因而擬合效果較好，并且可以較準(zhǔn)確地解析出最佳成像位置。因此，函數(shù)逼近法在峰值附近的搜索效果較好，在獲取到近似的清晰度函數(shù)后，即可將x=b作為峰值對(duì)應(yīng)的最佳成像位置。

3 系統(tǒng)硬件

本文研制的視覺坐標(biāo)測(cè)量系統(tǒng)如圖3所示，主要由三坐標(biāo)運(yùn)動(dòng)平臺(tái)、工業(yè)相機(jī)、雙軸位置轉(zhuǎn)臺(tái)和葉片夾具構(gòu)成。其中，三坐標(biāo)運(yùn)動(dòng)平臺(tái)為移動(dòng)橋式結(jié)構(gòu)，X，Y，Z軸的行程均為500mm，各軸光柵尺的分辨率為0.5μm，重復(fù)定位精度為2.5μm。工業(yè)相機(jī)選用美國(guó)菲力爾公司的Grasshopper3系列高性能面陣相機(jī)，該相機(jī)采用Sony ICX674型CCD芯片，分辨率為1920×1440，像元尺寸為4.54μm×4.54μm，幀率為26fps，標(biāo)準(zhǔn)C接口，通過USB3.0數(shù)據(jù)接口進(jìn)行圖像數(shù)據(jù)傳輸，并且?guī)в蠪PGA和幀緩存架構(gòu)。為了配合工業(yè)相機(jī)，選用日本茉麗特公司的MML-ST系列定焦定倍遠(yuǎn)心鏡頭，該鏡頭可以為高端檢測(cè)和對(duì)準(zhǔn)應(yīng)用提供精確的成像能力，其放大倍率為8×，分辨率為4.4μm，景深為0.07mm，工作距離為64.9mm。

圖3 視覺坐標(biāo)測(cè)量系統(tǒng)

在三坐標(biāo)運(yùn)動(dòng)平臺(tái)的Z軸末端安裝工業(yè)相機(jī)，通過X，Y，Z軸的運(yùn)動(dòng)實(shí)現(xiàn)在系統(tǒng)空間中的測(cè)量軌跡和準(zhǔn)確定位，并且其移動(dòng)距離和空間位置均可由各軸的光柵尺精確讀取。工業(yè)相機(jī)的成像光軸方向與Y軸平行，Y軸方向即為系統(tǒng)的對(duì)焦方向。

4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析

針對(duì)本文所提出的基于改進(jìn)Prewitt算子與Gaussian函數(shù)擬合的自動(dòng)對(duì)焦策略，分別進(jìn)行對(duì)焦重復(fù)性及對(duì)焦精度的檢驗(yàn)實(shí)驗(yàn)，以驗(yàn)證其有效性和精度水平。在實(shí)驗(yàn)過程中，選用定制的長(zhǎng)方體實(shí)驗(yàn)件作為被測(cè)物體，其制作材料與表面粗糙度等特性均參照高壓渦輪葉片，并具有良好的形位精度和表面質(zhì)量。

4.1 對(duì)焦重復(fù)性實(shí)驗(yàn)

將長(zhǎng)方體實(shí)驗(yàn)件放置在工作臺(tái)上，應(yīng)用千分表等對(duì)其進(jìn)行調(diào)整和找正，使其前表面朝向工業(yè)相機(jī)且與系統(tǒng)的XOZ平面平行，而后將實(shí)驗(yàn)件固定。通過X，Y，Z軸的運(yùn)動(dòng)配合，使實(shí)驗(yàn)件前表面進(jìn)入工業(yè)相機(jī)的視場(chǎng)中，并將照明光源調(diào)到適當(dāng)亮度，使圖像中的細(xì)節(jié)特征得到最大限度的展示且不出現(xiàn)過多亮斑。在自動(dòng)對(duì)焦過程中，保持實(shí)驗(yàn)件不動(dòng)，控制Y軸帶動(dòng)工業(yè)相機(jī)到達(dá)對(duì)焦起始位置并在對(duì)焦方向上移動(dòng)，如圖4所示，對(duì)焦區(qū)間的大小設(shè)為0.5mm(包含對(duì)焦位置在內(nèi))，并且按照0.01mm的步長(zhǎng)等間隔采集實(shí)驗(yàn)件前表面圖像，同時(shí)記錄下采集每幅圖像時(shí)的相機(jī)位置，從而得到包含51幅圖像的圖像序列，其中的兩幅圖像見圖5。

圖4 對(duì)焦重復(fù)性的實(shí)驗(yàn)現(xiàn)場(chǎng)

圖5 圖像序列中的兩幅圖像

對(duì)圖像序列進(jìn)行中值濾波，在濾除噪聲的同時(shí)最大限度地保持圖像的細(xì)節(jié)信息，而后應(yīng)用基于改進(jìn)Prewitt算子的對(duì)焦評(píng)價(jià)函數(shù)計(jì)算出每幅圖像的清晰度，從而得到清晰度曲線的數(shù)據(jù)點(diǎn)集，如圖6所示，結(jié)果與上文的分析相符。

由于函數(shù)逼近法在峰值附近的搜索效果較好，因而在全局峰值點(diǎn)左右各選取鄰近的5個(gè)數(shù)據(jù)點(diǎn)來進(jìn)行清晰度曲線的Gaussian擬合，得到的擬合函數(shù)為

圖6 清晰度曲線的數(shù)據(jù)點(diǎn)集

擬合優(yōu)度R2=0.9978，根據(jù)上述擬合結(jié)果，解析得到的最佳成像位置為x=221.5795，如圖7所示。通過三坐標(biāo)運(yùn)動(dòng)平臺(tái)使工業(yè)相機(jī)運(yùn)動(dòng)到Y(jié)=221.5795mm處，并采集實(shí)驗(yàn)件前表面圖像，如圖8所示，該圖像即為正焦圖像，其清晰度的計(jì)算結(jié)果為27.2965，均高于圖像序列中全部已有圖像的清晰度，表明系統(tǒng)已經(jīng)處于正焦?fàn)顟B(tài)。

圖7 清晰度曲線的擬合結(jié)果

圖8 正焦圖像

以相同實(shí)驗(yàn)條件連續(xù)進(jìn)行10次自動(dòng)對(duì)焦實(shí)驗(yàn)，各實(shí)驗(yàn)所得最佳成像位置如圖9所示。

圖9 對(duì)焦重復(fù)性的實(shí)驗(yàn)結(jié)果

可知，10次實(shí)驗(yàn)所得最佳成像位置的平均值為221.5805mm，標(biāo)準(zhǔn)差為0.0006mm，并且重復(fù)性≤0.0030mm。因此，本文提出的自動(dòng)對(duì)焦策略能夠正確判別出系統(tǒng)的最佳成像位置，并且對(duì)焦重復(fù)性精度良好，可以滿足后續(xù)氣膜孔形位參數(shù)的檢測(cè)要求。

4.2 對(duì)焦精度實(shí)驗(yàn)

通過測(cè)量長(zhǎng)方體實(shí)驗(yàn)件的厚度尺寸驗(yàn)證系統(tǒng)的對(duì)焦精度水平。選取兩個(gè)相同的實(shí)驗(yàn)件，分別標(biāo)記為實(shí)驗(yàn)件1和實(shí)驗(yàn)件2，將它們緊密貼合構(gòu)成組合實(shí)驗(yàn)件。將該組合實(shí)驗(yàn)件放置在工作臺(tái)上，應(yīng)用千分表等進(jìn)行調(diào)整和找正，使二者的同側(cè)前表面朝向工業(yè)相機(jī)且與系統(tǒng)的XOZ平面平行，而后固定組合實(shí)驗(yàn)件。應(yīng)用本文提出的自動(dòng)對(duì)焦策略使工業(yè)相機(jī)分別對(duì)焦于實(shí)驗(yàn)件1和實(shí)驗(yàn)件2的同側(cè)前表面，并解析得到各自的最佳成像位置，分別記為Y1=b1和Y2=b2。如圖10所示，L′=|Y1-Y2|即可作為實(shí)驗(yàn)件1的厚度尺寸L=9.9960mm的測(cè)量結(jié)果，通過比對(duì)L′與L來評(píng)價(jià)對(duì)焦精度，實(shí)驗(yàn)現(xiàn)場(chǎng)如圖11所示。

圖10 厚度尺寸L的測(cè)量原理

圖11 對(duì)焦精度的實(shí)驗(yàn)現(xiàn)場(chǎng)

保持相同實(shí)驗(yàn)條件，連續(xù)對(duì)厚度尺寸L進(jìn)行10次重復(fù)性測(cè)量實(shí)驗(yàn)，并計(jì)算測(cè)量誤差δ=L′-L，所得實(shí)驗(yàn)結(jié)果如表1所示。

表1 對(duì)焦精度的實(shí)驗(yàn)結(jié)果

由表可知，實(shí)驗(yàn)件1的厚度尺寸L測(cè)量結(jié)果的平均值為9.9968mm，標(biāo)準(zhǔn)差為0.0016mm，并且各次測(cè)量誤差均≤±0.0030mm。置信系數(shù)取3，則單次測(cè)量的極限誤差為±0.0048mm，從而驗(yàn)證了本文研制的視覺坐標(biāo)測(cè)量系統(tǒng)的對(duì)焦精度水平，表明了本文提出的自動(dòng)對(duì)焦策略的可行性和有效性。

5 結(jié)語

針對(duì)所研制的用于氣膜孔檢測(cè)的新型視覺坐標(biāo)測(cè)量系統(tǒng)，開展了其自動(dòng)對(duì)焦策略的算法研究與實(shí)驗(yàn)驗(yàn)證，通過對(duì)焦評(píng)價(jià)函數(shù)和對(duì)焦搜索算法輔助系統(tǒng)達(dá)到正焦?fàn)顟B(tài)。其中，對(duì)焦評(píng)價(jià)函數(shù)通過改進(jìn)的Prewitt邊緣檢測(cè)算子實(shí)現(xiàn)，將原有Prewitt算子的梯度計(jì)算方向由2個(gè)增至4個(gè)，用于計(jì)算圖像序列的清晰度；而對(duì)焦搜索算法采用函數(shù)逼近法實(shí)現(xiàn)，通過Gaussian函數(shù)和清晰度峰值點(diǎn)鄰近的數(shù)據(jù)點(diǎn)集對(duì)清晰度曲線進(jìn)行擬合，擬合優(yōu)度達(dá)到了0.9978，并將解析出的峰值點(diǎn)位置作為最佳對(duì)焦位置，從而完成自動(dòng)對(duì)焦。

選取長(zhǎng)方體實(shí)驗(yàn)件和組合實(shí)驗(yàn)件分別進(jìn)行對(duì)焦重復(fù)性與對(duì)焦精度水平的驗(yàn)證實(shí)驗(yàn)，對(duì)焦重復(fù)性≤0.0030mm，對(duì)焦方向上的尺寸測(cè)量精度≤±0.0030mm、單次測(cè)量極限誤差為±0.0048mm，從而驗(yàn)證了本文提出的自動(dòng)對(duì)焦策略的可行性和有效性，進(jìn)而為后續(xù)氣膜孔的形位參數(shù)測(cè)量奠定了基礎(chǔ)。