連鑄坯三維測量多線結(jié)構(gòu)光的中心條紋快速提取

孫傳富， 彭 濤， 陸永剛， 徐 錕， 張之江*

（1.上海大學(xué) 特種光纖與光接入網(wǎng)重點實驗室，上海 200444；2.中冶寶鋼技術(shù)服務(wù)有限公司，上海 201999）

1 引 言

在連鑄坯的生產(chǎn)過程中，由鋼水凝固產(chǎn)生的連鑄坯受到高溫的影響，通常會產(chǎn)生許多表面質(zhì)量問題，不利于后續(xù)的生產(chǎn)加工與處理，因此，需要對連鑄坯邊緣進行倒角來提高連鑄坯的質(zhì)量。連鑄坯的倒角工序是在連鑄坯的邊緣位置利用火焰吹掃槍切削邊緣，需要一套高精度的測量系統(tǒng)來測量連鑄坯邊緣所在的位置，進而配合執(zhí)行機構(gòu)上的火焰清理完成連鑄坯的倒角工序。

近年來，結(jié)構(gòu)光三維測量系統(tǒng)因測量速度快、精度高而得到了廣泛應(yīng)用[1］。結(jié)構(gòu)光測量方法主要分為面結(jié)構(gòu)光測量與線結(jié)構(gòu)光測量。其中，面結(jié)構(gòu)光測量是利用投影儀將預(yù)先編碼的圖案投影到被測物體上，并通過相機記錄包含三維形狀信息的畸變圖案[2］，然后利用相移算法等方式提取相位圖以重建對象的輪廓[3］。線結(jié)構(gòu)光測量系統(tǒng)主要由線結(jié)構(gòu)光發(fā)生器以及工業(yè)相機組成?；诠鈱W(xué)三角法的原理，由線結(jié)構(gòu)光發(fā)生器向待測物體表面投射線結(jié)構(gòu)光，線結(jié)構(gòu)光條紋受到待測物體表面輪廓的調(diào)制會產(chǎn)生形變。再由工業(yè)相機采集線結(jié)構(gòu)光圖像并分析線結(jié)構(gòu)光條紋的形變信息，進而獲得待測物體的三維信息[4］。

在連鑄坯測量現(xiàn)場中，被測連鑄坯尺度較大，單個結(jié)構(gòu)光發(fā)生器無法實現(xiàn)高精度測量；且測量環(huán)境中存在高溫、粉塵等影響，若選用功耗較大的多個投影設(shè)備進行現(xiàn)場測量，難以保證系統(tǒng)的穩(wěn)定性且成本較高，因此，通常選用功率較低的多個線結(jié)構(gòu)光發(fā)生器進行連鑄坯的三維測量。

在線結(jié)構(gòu)光視覺測量中，線結(jié)構(gòu)光條紋中心的提取尤為重要，直接影響最終的測量精度[5］。傳統(tǒng)的線結(jié)構(gòu)光中心條紋提取方法根據(jù)提取精度的不同主要分為像素級和亞像素級兩大類。其中，像素級提取方法有極值法[6］、閾值法[7］以及骨架細(xì)化法[8］等。這些方法獲得的光條中心精度較低，在高精度視覺測量中應(yīng)用較少。亞像素級方法包括灰度質(zhì)心法[9］、Steger算法[10-11］等。其中，灰度質(zhì)心法是利用圖像中光條分布區(qū)域內(nèi)的灰度信息計算質(zhì)心并將它作為線結(jié)構(gòu)光的中心，該方法能夠減少條紋灰度分布不對稱引起的誤差且計算速度較快。Steger算法是利用Hessian矩陣計算線結(jié)構(gòu)光條紋的法線方向，將法線方向上的極值點作為最終的線結(jié)構(gòu)光中心。該方法精度高、魯棒性好，但其計算量較大，速度相對較慢[12］。

傳統(tǒng)方法在線結(jié)構(gòu)光中心提取上的速度及精度均有不足。為了提高提取速度及精度，文獻[13］在傳統(tǒng)重心方法上結(jié)合輪廓跟蹤算法對圖像中的線結(jié)構(gòu)光部分進行分析，顯著降低了線結(jié)構(gòu)光圖像光條中心計算的復(fù)雜度。文獻[14］提出一種自適應(yīng)閾值的內(nèi)部推進算法進行光條中心提取，在魯棒性、速度、精度上均具有良好的效果。針對粗糙金屬表面上不符合高斯分布的線結(jié)構(gòu)光中心提取，文獻[15］對粗糙金屬表面的反射特性進行了分析，并根據(jù)反射特性設(shè)計了一系列的圖像增強與分割方法對線結(jié)構(gòu)光圖像進行預(yù)處理，并利用灰度質(zhì)心法進行光條中心的提取。該方法在圖像預(yù)處理上具有良好的效果，但在中心點提取中直接使用傳統(tǒng)灰度質(zhì)心法精度略有不足。文獻[16］根據(jù)金屬表面的不均勻反射特性提出利用區(qū)域增長的方式消除激光散斑噪聲的影響，并利用灰度質(zhì)心法的結(jié)果作為初值，結(jié)合Sobel算子計算光條的梯度向量，在梯度方向利用雙線性插值的方式得到光條中心的亞像素坐標(biāo)。該方法計算過程較為復(fù)雜，在處理多線結(jié)構(gòu)光條紋時用時較長，不滿足快速測量的需求。

本文提出了一種多線結(jié)構(gòu)光中心條紋提取方法，首先對連鑄坯圖像進行背景差分等處理以獲取線結(jié)構(gòu)光圖像，利用線結(jié)構(gòu)光邊緣定位光條在圖像中的位置并提取感興趣區(qū)域（Re?gion of Interest， ROI），以傳統(tǒng)灰度質(zhì)心方法獲得光條中心點并對該中心點進行優(yōu)化，最后得到高精度的線結(jié)構(gòu)光條紋的亞像素中心坐標(biāo)。此方法應(yīng)用于連鑄坯現(xiàn)場三維測量中取得了良好的效果。

2 圖像分析與處理

2.1 連鑄坯表面反射特性分析

連鑄坯是由鋼水直接澆鑄產(chǎn)生的粗加工工件，其表面平整性較差，且存在顆粒較大的鋼渣等殘留物。當(dāng)線結(jié)構(gòu)光投射到連鑄坯表面時，表面的不平整使得投射在其表面的激光條紋發(fā)生無規(guī)則散射。根據(jù)粗糙表面反射理論，激光以一定角度入射到粗糙物體表面時，入射光發(fā)生散射[15］。該部分的散射分為鏡面反射以及無規(guī)則散射，前者遵循幾何光學(xué)反射定律；后者則形成光斑狀的散射中心，從中心向兩端延伸的散射光帶，對光條成像的影響較大[15-17］。

連鑄坯三維測量系統(tǒng)在最初的結(jié)構(gòu)設(shè)計階段，考慮到現(xiàn)場測量環(huán)境以及相機與激光模組的安裝位置條件，以及待測連鑄坯與安裝位置的距離，為保證線結(jié)構(gòu)光投影在對應(yīng)的相機視場內(nèi)，投影線結(jié)構(gòu)光以約45°的角度進行安裝。連鑄坯表面線結(jié)構(gòu)光條紋的橫截面并不能滿足標(biāo)準(zhǔn)高斯分布，而是隨入射角度發(fā)生偏移[18］，如圖1所示。除此之外，線結(jié)構(gòu)光發(fā)生器與投射物體表面對焦不清晰，投射表面不平整性引起反射等情況，導(dǎo)致成像時激光灰度值變化曲線并不具有單峰性，會出現(xiàn)圖1（c）中的陡峭變化。

圖1 激光條紋橫截面灰度統(tǒng)計Fig.1 Gray-scale statistics of laser stripe cross-section

2.2 圖像背景去噪

根據(jù)上述分析，相機成像平面上的光強噪聲是由環(huán)境背景光、線結(jié)構(gòu)光投影方向以及連鑄坯表面的反射特性等多方面因素疊加產(chǎn)生的。工業(yè)現(xiàn)場測量環(huán)境中，光線變化較為常見，背景波動較為明顯，所以圖像噪聲較大。連鑄坯三維測量系統(tǒng)中，采集連鑄坯的原始圖像與線結(jié)構(gòu)光投影圖像之間的時間間隔較短，因此認(rèn)為現(xiàn)場環(huán)境光對圖像的影響是不變的[19］。連鑄坯三維測量系統(tǒng)采集的連鑄坯部分圖像如圖2所示。

圖2 連鑄坯圖像Fig.2 Images of casting slab

線結(jié)構(gòu)光中心提取過程中，圖像的有效信息為圖像中線結(jié)構(gòu)光條紋區(qū)域的灰度分布，而現(xiàn)場測量中環(huán)境光是以噪聲的形式存在。如圖3所示，圖3（a）是不帶有線結(jié)構(gòu)光條紋的連鑄坯灰度曲面，圖像中明顯存在大量的噪聲。圖3（b）圖為帶有線結(jié)構(gòu)光條紋的灰度曲面，將帶有線結(jié)構(gòu)光條紋的圖像與不帶有線結(jié)構(gòu)光條紋的圖像通過背景差分的方式可以有效去除環(huán)境噪聲的影響[19］。圖3（c）為通過背景差分處理后的灰度曲面，可以明顯看出在無線結(jié)構(gòu)光條紋分布的區(qū)域，圖像噪聲明顯降低。

圖3 連鑄坯灰度曲面Fig.3 Gray scale surfaces of casting slab

背景差分法有效抑制了圖像中的環(huán)境噪聲，如圖4所示。圖4（a）為背景差分之后的圖像，可以看出圖像中環(huán)境背景噪聲較大程度上受到抑制，線結(jié)構(gòu)光條紋部分的特征保留。圖4（b）為圖4（a）中第4條激光線的片段圖像。圖4（c）和圖4（d）分別對應(yīng)圖4（b）在兩個光條截面處的灰度統(tǒng)計圖，可以看出，由于連鑄坯表面的不平整性導(dǎo)致結(jié)構(gòu)光無規(guī)則散射，光條投影效果依舊較差。需要進一步根據(jù)圖像特征分離有效的ROI區(qū)域，并通過光條中心提取算法獲取準(zhǔn)確的光條中心點。

2.3 光條區(qū)域定位

在光條中心提取過程中，為避免隨機噪聲的影響同時加快處理速度，通常只對帶有線結(jié)構(gòu)光條紋的區(qū)域進行處理。如圖4（a）所示，圖像包含多條激光線，需要首先區(qū)分圖像中的各條激光線，再對單條激光線進行激光中心條紋提取，才能獲得較為精確的激光中心條紋坐標(biāo)。為獲取多線結(jié)構(gòu)光在圖像中的分布信息，選取圖像中單行的灰度數(shù)據(jù)進行分析。圖5為圖4（a）經(jīng)背景差分后第2 560行的灰度統(tǒng)計圖，可以看出，在圖像中的8條線結(jié)構(gòu)光條紋處圖像灰度值變化較為明顯，與背景灰度值間存在較大差異?？筛鶕?jù)該特點進行結(jié)構(gòu)光條紋的光條區(qū)域定位。

圖4 背景差分法處理后的圖像Fig.4 Image processed by background difference method

圖5 第2 560行灰度值曲線Fig.5 Gray value curves at line 2560th row

為確定單個激光條紋所在的ROI，需要對背景差分得到的圖像進行處理，主要包括高斯模糊和自適應(yīng)多閾值分割。選用5×5的高斯卷積核與原圖進行卷積，再利用對圖像亮度及對比度具有較強魯棒性的OTSU算法對高斯模糊后的圖像進行閾值分割[20］。閾值分割處理后的圖像根據(jù)x方向上其像素值的變化確定激光線所在的大致區(qū)域。

根據(jù)激光條紋橫截面灰度值呈現(xiàn)突變分布的性質(zhì)，選取合適的光條紋灰度閾值以確定激光條紋在圖像中的具體位置。在激光線的正常分布區(qū)域，取光條橫截面上灰度值大于光條紋灰度閾值的兩個臨界像素點分別對應(yīng)每條激光線的左右邊緣。并根據(jù)激光條紋呈直線分布的特點，選取左右邊緣特征點分別擬合直線，根據(jù)兩條直線之間的位置關(guān)系便可依次有序分隔定位激光線。具體實現(xiàn)過程如下：

（1） 選取合適的間隔值dis沿圖像的y方向遍歷圖像像素點，若該像素點在x方向上的前一個 像 素 點 灰 度 值I(i-1，n?dis)小 于 激 光 線 低 閾 值l_thre，且下一個像素點灰度值I(i+1，n?dis)大于激光線閾值h_thre，則像素點(i，n?dis)判定為激光線左邊緣點，表示為：

若該像素點在x方向上的上一個像素點的灰度值I(i-1，n?dis)大于激光線閾值h_thre，且下一個像素點灰度值I(i+1，n?dis)小于激光線低閾值l_thre，則判定像素點(i，n?dis)為激光線右邊緣點，表示為：

（2） 由于同一間隔行中連續(xù)兩個左右邊緣點定位一條線結(jié)構(gòu)光條紋，則每一行可定位圖像投影線結(jié)構(gòu)光數(shù)量線結(jié)構(gòu)光條紋。實際環(huán)境中，由于投影結(jié)構(gòu)光在圖像中較弱導(dǎo)致左右邊緣所定位的結(jié)構(gòu)光數(shù)量小于圖像投影線的結(jié)構(gòu)光數(shù)量，因此，選取定位線結(jié)構(gòu)光條紋數(shù)量等于圖像投影線結(jié)構(gòu)光數(shù)量的左右邊緣點并利用最小二乘法進行線性回歸擬合直線。將定位激光線數(shù)量不等于圖像投影線結(jié)構(gòu)光數(shù)量的左右邊緣點分別進行不同的直線匹配，計算邊緣點到直線的歐式距離，以最小歐式距離的直線與邊緣點進行匹配，完成線結(jié)構(gòu)光邊緣匹配，實現(xiàn)光條紋的完整定位。

（3） 單條激光線ROI的確定。根據(jù)上一步驟中所確定的單條激光線的左右邊緣點，選取合適的左右邊緣距離進行ROI提取與拼接，實現(xiàn)單條激光線ROI區(qū)域提取。

2.4 中心提取

在背景差分的圖像中進行光條區(qū)域定位，將多線結(jié)構(gòu)光圖像分割成多個單條激光線的ROI區(qū)域。由于連鑄坯表面的復(fù)雜反射特性，光條在不同位置處的寬度不均勻。為獲取準(zhǔn)確的光條中心亞像素坐標(biāo)，本文在傳統(tǒng)灰度質(zhì)心法的基礎(chǔ)上，在光條紋法線方向上，采用自適應(yīng)灰度閾值結(jié)合光條中心點鄰域信息對線結(jié)構(gòu)光條紋中心進行優(yōu)化，獲得高精度的光條中心。步驟如下：

（1） 利用傳統(tǒng)灰度質(zhì)心法獲取光條行方向上的中心點；

（2） 根據(jù)行方向中心點求解光條梯度方向上的自適應(yīng)灰度閾值，重新利用該閾值計算光條中心點；

（3） 利用質(zhì)心方法對中心點進行重提取，獲取高精度的光條亞像素中心點。

2.4.1 傳統(tǒng)灰度質(zhì)心法

光條中心提取時，首先利用灰度質(zhì)心方法處理ROI提取出行方向的中心點?；叶荣|(zhì)心法是對預(yù)處理之后圖像線結(jié)構(gòu)光截面上的多個像素及其灰度信息加權(quán)計算求得條紋的亞像素中心，計算公式如下[21］：

其中：Cp(xp，yp)是亞像素中心坐標(biāo)，I(i，j)是圖像在第i行第j列的像素灰度值，t0表示光條紋閾值。

2.4.2 自適應(yīng)灰度閾值

在傳統(tǒng)灰度質(zhì)心方法中，光條紋閾值一定程度上影響了光條中心的計算結(jié)果。連鑄坯測量中，當(dāng)現(xiàn)場環(huán)境光較強或是線結(jié)構(gòu)光投影較弱時，背景差分方式獲得的圖像受到現(xiàn)場環(huán)境光照的影響，光條紋區(qū)域的灰度值較小，使用固定閾值的灰度質(zhì)心法會導(dǎo)致部分光條中心點的缺失。因此，本文利用自適應(yīng)灰度質(zhì)心法的閾值來解決此類問題。

以行方向上的中心點為中心，利用Sobel算子計算一定范圍像素點的梯度方向[22］，并統(tǒng)計梯度方向相同的像素點數(shù)量，以數(shù)量最多的梯度方向作為光條在該區(qū)域內(nèi)的梯度方向。沿著梯度方向上的像素點作為光條截面的像素點，通過光條截面像素點的灰度積分比例獲取自適應(yīng)灰度閾值?；叶裙鈼l截面上的像素點自適應(yīng)灰度閾值為：

式中：emp表示灰度積分比例，為經(jīng)驗值；I(i，j)表示光條截面像素點的灰度值；Ith表示自適應(yīng)灰度閾值。

在獲得光條截面方向上的自適應(yīng)灰度閾值后，再通過灰度質(zhì)心法計算光條的中心點，公式如下：

2.4.3 光條中心重提取

為提高線結(jié)構(gòu)光條紋中心點精度，進一步優(yōu)化獲得較為平滑的中心條紋點，對由灰度質(zhì)心法得到的線結(jié)構(gòu)光條紋中心點進行優(yōu)化。

如圖6所示，在圖像坐標(biāo)系o-xy內(nèi)由灰度質(zhì)心法求出各點的初始結(jié)果，Cp(xp，yp)為其中一點。以Cp為中心，rp為距離范圍，選取范圍內(nèi)共(2rp+1)個點重新計算質(zhì)心作為優(yōu)化后的結(jié)果值，即有：

圖6 灰度質(zhì)心法優(yōu)化原理Fig.6 Optimization principle of gray-gravity method

3 實 驗

3.1 實驗環(huán)境

實驗環(huán)境為中冶寶鋼連鑄坯清理吹掃工作現(xiàn)場，連鑄坯三維測量系統(tǒng)實物如圖7所示。系統(tǒng)中，工業(yè)相機使用大恒水星ME2P-2621-15U3M相機，相機分辨率為5 120×5 120 pixel，像素物理尺寸為2.5 μm×2.5 μm；相機所裝配的鏡頭為LM12FC24M型號的Kowa鏡頭，焦距為12 mm。激光器是由深圳森泰達(dá)公司生產(chǎn)的KYL650N200-X1670單線激光器，其功率為50 mW，波長為650 nm，激光光源距離待測連鑄坯約1.7 m。

圖7 連鑄坯三維測量系統(tǒng)現(xiàn)場Fig.7 Scene of three-dimensional measurement system for casting slab

3.2 圖像ROI提取與自適應(yīng)閾值

為了測試本文所提出的ROI提取方法的有效性，實驗中使用圖4（a）背景差分圖像對連鑄坯表面的線結(jié)構(gòu)光進行ROI提取。根據(jù)大量現(xiàn)場采集圖像得到的經(jīng)驗性數(shù)據(jù)，間隔值dis取10，激光線低閾值l_thre取10，高閾值h_thre取30。經(jīng)過圖像背景差分后，根據(jù)該閾值對亮條紋以及暗條紋均可以快速定位出連鑄坯表面線結(jié)構(gòu)光條紋的位置。最終提取效果如圖8所示，對差分圖像中的8條激光線自左到右依次提取片段。所獲得的線結(jié)構(gòu)光ROI片段均能完整地定位出線結(jié)構(gòu)光在圖像中的準(zhǔn)確位置。

圖8 線結(jié)構(gòu)光ROI提取片段圖像Fig.8 Image of ROI extraction fragment of line-struc?tured light

在單線結(jié)構(gòu)光條紋ROI內(nèi)進行自適應(yīng)閾值計算，選取灰度積分比例emp為0.7。設(shè)置自適應(yīng)閾值的初值為0，并設(shè)定一個較小的步長進行迭代求解，當(dāng)灰度積分比例大于等于經(jīng)驗值時，則可求得自適應(yīng)閾值。所得到的自適應(yīng)灰度閾值效果如圖9所示。從圖9可以明顯觀察到，自適應(yīng)閾值可以準(zhǔn)確地根據(jù)圖像像素灰度值分離光條與圖像背景，抑制背景中散斑噪聲的影響。

圖9 自適應(yīng)灰度閾值Fig.9 Adaptive gray threshold

3.3 光條中心線提取魯棒性測試

為了證明本文所提出的光條提取方法的魯棒性，采用不同方法與本文方法進行比較，得到的誤差對比如圖10所示。其中，Steger方法、GGM方法以及本文提出的方法得到的是亞像素級別的光條中心坐標(biāo)，極值法與幾何中心法得到的是像素級別的中心點坐標(biāo)。如表1所示，極值法與幾何中心法的像素中心點標(biāo)準(zhǔn)差明顯高于其他3種亞像素中心提取方法。亞像素提取方法中，傳統(tǒng)灰度質(zhì)心法提取出的光條中心點標(biāo)準(zhǔn)差高于本文所提出的方法與Steger方法。本文提出的方法以及Steger方法處理連鑄坯表面激光條紋得到的光條紋中心點的平均像素值與標(biāo)準(zhǔn)差較為接近，均可獲得平滑性良好的光條中心點。

表1 不同光條中心提取方法的提取誤差Tab.1 Extraction errors of different strip center extrac?tion methods （pixel）

圖10 不同光條中心提取方法的誤差對比Fig.10 Comparison of extraction errors of different stripe center extraction methods

進一步將本文所提出的方法應(yīng)用于連鑄坯三維測量系統(tǒng)所采集的其他圖像中，無論在光條光強較弱還是光條過曝的情況下，本文所提出的方法均可以提取到精度高且較為平滑的條紋中心點，如圖11所示，進一步驗證了本文方法的魯棒性。

圖11 不同亮度激光線的提取結(jié)果Fig.11 Extraction results of different laser lines with dif?ferent brightnesses

3.4 光條中心線提取速度測試

在速度測試實驗中，用于圖像處理的計算機的CPU型號為Intel i5-1135G7 2.40 GHz，RAM為16 G。軟件環(huán)境為Visual Studio 2015。對實驗使用現(xiàn)場所采集到的7組不同連鑄坯圖像進行測試，其中圖像的尺寸為5 120×5 120 pixel。對于每組圖像，使用傳統(tǒng)灰度質(zhì)心法、Steger方法以及本文提出的方法提取圖像中完整的8個光條的中心條紋。其中，本文方法的rp值取5。

在程序計算的復(fù)雜度上，傳統(tǒng)灰度質(zhì)心法的計算過程最為簡單，本文方法是基于灰度質(zhì)心法結(jié)果的優(yōu)化，因此運行時間比傳統(tǒng)灰度質(zhì)心法更長；而Steger方法在計算過程中涉及到高斯核與圖像中每個像素的卷積過程，因此運行速度最慢。所測試的數(shù)據(jù)在不同方法下光條中心點提取算法的運行時長如表2所示。其中，GGM方法與本文方法利用8個線程對分離出的單個光條圖像進行同步處理。從表2可以看出，實際算法運行過程中灰度質(zhì)心法算法的運行時長明顯低于其他兩種方法，Steger方法速度最慢，本文提出的方法居中。本文方法的單組圖像平均處理時長約為300 ms，運行時長為傳統(tǒng)灰度質(zhì)心法的3倍左右，顯著低于Steger方法，滿足連鑄坯三維測量系統(tǒng)的應(yīng)用需求。

表2 光條中心點提取運行時長Tab.2 Running time of light bar center point extraction（ms）

3.5 現(xiàn)場應(yīng)用

為驗證本文提出方法在工業(yè)測量現(xiàn)場應(yīng)用中的可靠性，采用多線結(jié)構(gòu)光中心提取算法結(jié)合搭建的連鑄坯三維測量系統(tǒng)對現(xiàn)場長約11 m的連鑄坯進行了三維測量。

連鑄坯三維測量系統(tǒng)中共有7臺線性排列的工業(yè)相機，除1，2號相機外，相鄰兩臺工業(yè)相機之間視場相切。7臺相機共采集視場內(nèi)54條線結(jié)構(gòu)光的圖像，對投射到連鑄坯表面的線結(jié)構(gòu)光進行三維重建獲取連鑄坯上下邊緣位置的三維點坐標(biāo)，進而配合現(xiàn)場的控制火焰吹掃槍執(zhí)行機構(gòu)完成連鑄坯的倒角工序。

連鑄坯三維測量系統(tǒng)中，相機標(biāo)定方法采用單目標(biāo)定[23］算法得到相機內(nèi)參，再通過公共視場的雙目標(biāo)定方法，得到多個相機間的外參矩陣。完成相機坐標(biāo)系間的坐標(biāo)轉(zhuǎn)換，使其可統(tǒng)一到同一坐標(biāo)系下。其中，相機單目標(biāo)定的重投影誤差約為0.005 pixel，雙目標(biāo)定的重投影誤差約為0.1 pixel。光平面標(biāo)定方法是利用交比不變法獲取激光器發(fā)射的光平面在相機坐標(biāo)系下的三維平面方程[24］，光平面的標(biāo)定誤差約為0.003 mm。

在獲得圖像上的光斑中心的二維像素坐標(biāo)后，可通過相機內(nèi)參獲得在相機坐標(biāo)系下的一條射線，與光平面相交，聯(lián)立方程求解得到唯一點，即為所求的三維點坐標(biāo)。圖12（a）為7臺工業(yè)相機采集到的完整連鑄坯圖像。以圖12（a）中4號相機為例，部分光條中心提取效果如圖12（b）所示。將7臺工業(yè)相機視場內(nèi)的線結(jié)構(gòu)光三維測量結(jié)果統(tǒng)一至1號相機坐標(biāo)系下，形成的三維點云如圖12（c）所示。

表3為連鑄坯三維測量系統(tǒng)測得的圖12（a）中連鑄坯表面線結(jié)構(gòu)光上下邊緣在上下兩個執(zhí)行機構(gòu)坐標(biāo)系下的部分三維坐標(biāo)。根據(jù)最終測量結(jié)果中標(biāo)準(zhǔn)偏差進行系統(tǒng)性能評估，對上下邊緣三維坐標(biāo)數(shù)據(jù)中x坐標(biāo)進行線性回歸擬合直線，并計算標(biāo)準(zhǔn)偏差。最終測得標(biāo)準(zhǔn)偏差在2 mm以內(nèi)，滿足工業(yè)測量現(xiàn)場連鑄坯三維坐標(biāo)的測量要求。

表3 連鑄坯上下邊緣點三維測量結(jié)果Tab.3 Three dimensional measurement results of upper and lower edge points of casting slab （mm）

圖12 連鑄坯表面線結(jié)構(gòu)光及點云圖Fig.12 Line-structured light on surface of casting slab and its three-dimensional reconstruction

4 結(jié) 論

針對連鑄坯表面不平整特性導(dǎo)致的投影線結(jié)構(gòu)光不規(guī)則散射等問題，本文提出了一種對連鑄坯表面圖像處理及多線結(jié)構(gòu)光中心條紋提取的方法。通過分析背景差分后圖像的灰度特性，可以準(zhǔn)確提取線結(jié)構(gòu)光條紋在圖像中的位置，并利用自適應(yīng)閾值法獲取完整的線結(jié)構(gòu)光條紋的ROI。在光條中心提取中，該方法相較于傳統(tǒng)的灰度質(zhì)心法，獲得的條紋亞像素坐標(biāo)更為準(zhǔn)確，且速度相較于Steger算法更快。本文方法在傳統(tǒng)灰度質(zhì)心法上進行改進，對連鑄坯三維測量系統(tǒng)圖像中心的提取效果較好，能夠提取到亞像素光條紋中心點，最終測量結(jié)果的標(biāo)準(zhǔn)偏差在2 mm以內(nèi)，適用于連鑄坯的三維現(xiàn)場測量。