基于雙目視覺(jué)的板材平面測(cè)量研究

王浩猛，坎 標(biāo)，芮明先，馬順喜

(1.常州大學(xué) 機(jī)械與軌道交通學(xué)院，江蘇 常州 213164；2.江蘇羚羊機(jī)械有限公司，江蘇 常州 213311)

0 引言

在工業(yè)生產(chǎn)中，由于傳統(tǒng)的尺寸測(cè)量設(shè)備操作復(fù)雜、效率低下，其接觸式的測(cè)量方法也可能會(huì)損傷被測(cè)物體表面，因此已無(wú)法滿足工業(yè)測(cè)量智能化、自動(dòng)化的發(fā)展需求。機(jī)器視覺(jué)通過(guò)模仿人類視覺(jué)識(shí)別物體，實(shí)現(xiàn)了對(duì)被測(cè)物體的測(cè)量與控制，而雙目視覺(jué)技術(shù)是其中一種重要方式。與激光視覺(jué)等主動(dòng)式測(cè)量方法不同，雙目視覺(jué)并不需要向外界發(fā)送信號(hào)，在不對(duì)物體進(jìn)行干擾的情況下就可以實(shí)現(xiàn)測(cè)量。雙目視覺(jué)技術(shù)采用兩個(gè)攝像頭模擬人類雙眼來(lái)實(shí)現(xiàn)測(cè)控，在高精度工業(yè)測(cè)量、智能導(dǎo)航、虛擬現(xiàn)實(shí)、交通路標(biāo)識(shí)別和復(fù)雜環(huán)境場(chǎng)景重建都受到廣泛應(yīng)用。隨著焊接加工朝自動(dòng)化方向發(fā)展，雙目視覺(jué)技術(shù)因其具有非接觸、精度高、速度快等優(yōu)點(diǎn)也越來(lái)越受到工業(yè)領(lǐng)域的廣泛關(guān)注。通過(guò)計(jì)算機(jī)處理雙目視覺(jué)左右圖像比人類利用雙眼獲取信息更為準(zhǔn)確，后續(xù)圖像處理也更為方便。實(shí)現(xiàn)雙目視覺(jué)測(cè)量所需要的設(shè)備較為簡(jiǎn)單，僅需要兩個(gè)相機(jī)鏡頭和相應(yīng)的固定支架便可以實(shí)現(xiàn)，結(jié)構(gòu)簡(jiǎn)單且易于安裝使用，成本較為低廉，因此雙目視覺(jué)測(cè)量法受到廣泛應(yīng)用。雙目視覺(jué)技術(shù)的測(cè)量原理能夠應(yīng)用于焊接過(guò)程中板材的尺寸測(cè)量領(lǐng)域，通過(guò)雙目相機(jī)實(shí)現(xiàn)工業(yè)板材自動(dòng)化測(cè)量逐漸成為一種提高生產(chǎn)效率的重要手段[1]。

單一的視覺(jué)角度只能得到二維圖像，并不能獲取到物體的三維信息，而雙目視覺(jué)技術(shù)通過(guò)采集相機(jī)左右圖像，對(duì)同一目標(biāo)在左右兩個(gè)成像平面上的差異進(jìn)行計(jì)算，獲得目標(biāo)物體與相機(jī)之間的位置關(guān)系，建立起物體在三維空間的坐標(biāo)信息，具有非常大的發(fā)展?jié)摿Αｋp目視覺(jué)用于工業(yè)板材測(cè)量，能夠計(jì)算出板材上各點(diǎn)的三維坐標(biāo)，實(shí)現(xiàn)板材上各特征點(diǎn)間的尺寸測(cè)量[2-4]。肖心遠(yuǎn)利用搭建出的雙目視覺(jué)機(jī)器人焊縫跟蹤系統(tǒng)采集水下對(duì)接焊縫圖像，對(duì)圖像進(jìn)行處理得到焊縫邊緣線的特征元素，進(jìn)而求取出水下對(duì)接焊機(jī)器人的末端位姿，并根據(jù)機(jī)器人系統(tǒng)的位姿模型實(shí)現(xiàn)焊槍姿態(tài)獲取[5]。張澤采用雙目視覺(jué)技術(shù)和雙驅(qū)動(dòng)運(yùn)動(dòng)機(jī)構(gòu)結(jié)合獲取到飛機(jī)蒙皮合金件內(nèi)部的圖像，將光源系統(tǒng)調(diào)節(jié)和圖像融合，解決了同種材料下目標(biāo)的提取，完成了飛機(jī)蒙皮的化學(xué)銑削加工區(qū)域輪廓三維重建，獲得輪廓區(qū)域的三維坐標(biāo)信息[6]。張仕軍將多模型級(jí)聯(lián)與雙目視覺(jué)系統(tǒng)結(jié)合獲取鑄件缺陷圖像，利用三角測(cè)量法對(duì)鑄件表面缺陷進(jìn)行三維定位，建立出工件坐標(biāo)系與圖像坐標(biāo)系的關(guān)系，從而實(shí)現(xiàn)了工件平面缺陷位置信息的三維映射[7]。楊皓天針對(duì)葡萄采摘自動(dòng)化設(shè)計(jì)出基于雙目視覺(jué)定位的采摘機(jī)器人設(shè)備進(jìn)行果柄抓取，通過(guò)葡萄采摘關(guān)鍵特征提取邏輯的設(shè)計(jì)，優(yōu)化了雙目視覺(jué)中相機(jī)標(biāo)定和立體匹配的關(guān)鍵過(guò)程，識(shí)別出采摘目標(biāo)的典型特征，確定了取景范圍和幾何形狀識(shí)別，提高了雙目視覺(jué)定位精度[8]。但以上都沒(méi)有考慮到實(shí)際待測(cè)目標(biāo)在圖像中像素坐標(biāo)位置的準(zhǔn)確性。在板材焊接工藝生產(chǎn)中，板材在進(jìn)行儲(chǔ)藏或運(yùn)輸時(shí)可能會(huì)與周圍物體發(fā)生碰撞磨損，導(dǎo)致板材表面和棱角處信息缺失，這對(duì)于板材的尺寸測(cè)量大為不利。焊接自動(dòng)化升級(jí)的發(fā)展需求也對(duì)板材測(cè)量的方法和精度有了更高的要求。本文以板材尺寸視覺(jué)測(cè)量為出發(fā)點(diǎn)，設(shè)計(jì)了一種基于亞像素檢測(cè)的雙目視覺(jué)尺寸測(cè)量系統(tǒng)。該系統(tǒng)能夠?qū)Π宀谋砻嫣卣鼽c(diǎn)進(jìn)行亞像素級(jí)精度坐標(biāo)識(shí)別，改善了板材測(cè)量中板材特征點(diǎn)識(shí)別不準(zhǔn)確的問(wèn)題，將目標(biāo)圖像像素點(diǎn)坐標(biāo)提高到亞像素級(jí)，并通過(guò)計(jì)算板材邊緣上各特征點(diǎn)間的距離，實(shí)現(xiàn)板材輪廓目標(biāo)點(diǎn)間的尺寸測(cè)量，同時(shí)進(jìn)行三維點(diǎn)云重建，通過(guò)點(diǎn)云圖像直觀顯示出物體整體輪廓特征，增強(qiáng)板材輪廓展示效果。

1 雙目視覺(jué)測(cè)量原理

雙目視覺(jué)測(cè)量通過(guò)將兩鏡頭處于不同位置和角度拍攝同一物體，對(duì)所獲兩張左右圖像進(jìn)行像素點(diǎn)間的匹配得到兩幅左右圖像間的視差，利用物體與相機(jī)之間的距離與視差成反比，建立兩者相對(duì)位置關(guān)系，獲取到圖像的深度信息，并根據(jù)三角測(cè)量原理轉(zhuǎn)換成物體目標(biāo)點(diǎn)的三維空間坐標(biāo)，從而實(shí)現(xiàn)尺寸測(cè)量的[9-10]。三維空間目標(biāo)點(diǎn)的信息處理是雙目視覺(jué)最重要的研究?jī)?nèi)容。針對(duì)三維空間某目標(biāo)物體，以雙目相機(jī)鏡頭光心Ocl和Ocr為中心，相機(jī)兩鏡頭之間的光心距離為基線b，選取其上任意一點(diǎn)作為目標(biāo)點(diǎn)P，點(diǎn)P在相機(jī)成像平面O1和O2上的投影點(diǎn)分別為Pl和Pr，相機(jī)焦距為f，建立理想狀態(tài)下的平行光軸雙目視覺(jué)系統(tǒng)模型。雙目視覺(jué)相機(jī)模型如圖1所示。

圖1 雙目視覺(jué)相機(jī)模型

在物體三維空間實(shí)際位置與物體左右圖像像素坐標(biāo)進(jìn)行轉(zhuǎn)換時(shí)包含了4個(gè)坐標(biāo)系，分別是世界坐標(biāo)系、相機(jī)坐標(biāo)系、圖像坐標(biāo)系和像素坐標(biāo)系。4個(gè)坐標(biāo)系相互聯(lián)系變換，實(shí)現(xiàn)同一目標(biāo)物體在圖像像素坐標(biāo)系與世界坐標(biāo)系之間的坐標(biāo)轉(zhuǎn)換。在世界坐標(biāo)系下的目標(biāo)點(diǎn)P的空間坐標(biāo)為(Xw，Yw，Zw)，點(diǎn)P在相機(jī)成像平面的左右投影點(diǎn)像素坐標(biāo)為Pl(ul，vl)、Pr(ur，vr)，由此建立起目標(biāo)點(diǎn)的三維坐標(biāo)與圖像像素坐標(biāo)之間的轉(zhuǎn)換關(guān)系：

(1)

(2)

式中，(ul，vl，1)與(ur，vr，1)為點(diǎn)P在左右成像平面上的投影點(diǎn)Pl，Pr的齊次坐標(biāo)，Zl與Zr是點(diǎn)P在左右相機(jī)坐標(biāo)系中平行光軸方向的坐標(biāo)值，Ml與Mr為左右相機(jī)的投影矩陣，通過(guò)相機(jī)標(biāo)定實(shí)驗(yàn)獲得，而(Xw，Yw，Zw，1)是在世界坐標(biāo)系下點(diǎn)P的齊次坐標(biāo)，mij則是Ml與Mr這兩矩陣的第i行、第j列元素。

通過(guò)最小二乘法對(duì)公式進(jìn)行聯(lián)立求解，可得點(diǎn)P的空間坐標(biāo)(Xw，Yw，Zw)。因此當(dāng)雙目相機(jī)的內(nèi)外參數(shù)通過(guò)標(biāo)定實(shí)驗(yàn)獲得后，只需對(duì)目標(biāo)點(diǎn)在相機(jī)左右圖像上的像素坐標(biāo)進(jìn)行代入計(jì)算便可求得其三維空間坐標(biāo)。

2 相機(jī)標(biāo)定

利用相機(jī)標(biāo)定獲取相機(jī)參數(shù)是雙目視覺(jué)系統(tǒng)中的基礎(chǔ)環(huán)節(jié)，其標(biāo)定結(jié)果的精度直接影響了后續(xù)測(cè)量結(jié)果的準(zhǔn)確性，因此在進(jìn)行雙目視覺(jué)測(cè)量之前有必要進(jìn)行相機(jī)標(biāo)定[11-12]。相機(jī)標(biāo)定能夠建立起被測(cè)物體表面任意點(diǎn)的空間位置與其圖像對(duì)應(yīng)點(diǎn)間的關(guān)系。進(jìn)行雙目測(cè)量需要通過(guò)相機(jī)標(biāo)定來(lái)獲取到相機(jī)的內(nèi)參數(shù)，如相機(jī)的焦距等，也要獲得相機(jī)的外參數(shù)，如相機(jī)的位置和旋轉(zhuǎn)方向等，同時(shí)還需要得到畸變參數(shù)便于后續(xù)圖像處理[13-14]。相機(jī)標(biāo)定方式主要有兩種，分別是相機(jī)自標(biāo)定法和傳統(tǒng)標(biāo)定法。自標(biāo)定法不需要參照物就能實(shí)現(xiàn)標(biāo)定，但標(biāo)定所得精度較低，難以滿足工業(yè)測(cè)量需要。傳統(tǒng)標(biāo)定法利用參照物實(shí)現(xiàn)標(biāo)定，主要分為3D立體標(biāo)定法、基于徑向約束的標(biāo)定法和張正友標(biāo)定法[15]。3D立體標(biāo)定需要高精度的標(biāo)定物，成本很高，基于徑向約束的標(biāo)定法也需要高精度的設(shè)備支撐。針對(duì)上述各種方法優(yōu)缺點(diǎn)和雙目系統(tǒng)測(cè)量需求，張正友標(biāo)定法因其標(biāo)定物易于制作且成本低，標(biāo)定精度也很高，故采用張正友標(biāo)定法對(duì)雙目測(cè)量系統(tǒng)的左右鏡頭進(jìn)行標(biāo)定。相機(jī)標(biāo)定實(shí)驗(yàn)通過(guò)將邊長(zhǎng)為18 mm的7×10的黑白正方形組合繪制而成的棋盤(pán)格標(biāo)定板作為標(biāo)定參照物放置于雙目相機(jī)前方，在相機(jī)保持不動(dòng)的情況下，調(diào)整棋盤(pán)格與相機(jī)平面的方向和角度，拍攝位姿和角度各不相同的板材左右圖像18對(duì)，采用MATLAB的標(biāo)定工具箱對(duì)相機(jī)拍攝出的棋盤(pán)格左右圖像進(jìn)行標(biāo)定，計(jì)算出相機(jī)的內(nèi)外參數(shù)。確定重投影誤差整體平均在0.20個(gè)像素，滿足實(shí)驗(yàn)測(cè)量需求。重投影誤差如圖2所示。

圖2 重投影誤差

3 圖像校正

雙目系統(tǒng)測(cè)量公式是在理想狀態(tài)下推導(dǎo)的，在理想狀態(tài)下雙目相機(jī)的兩個(gè)攝像頭的光軸平行，而在實(shí)際中，由于出現(xiàn)生產(chǎn)制造誤差和安裝偏差導(dǎo)致兩相機(jī)鏡頭光軸并不平行，使得雙目相機(jī)拍攝物體時(shí)會(huì)發(fā)生圖像畸變現(xiàn)象，雙目相機(jī)左右成像平面也無(wú)法實(shí)現(xiàn)面與面之間互相平行的狀態(tài)，干擾立體匹配求取視差，致使雙目測(cè)量系統(tǒng)誤差較大影響板材尺寸測(cè)量結(jié)果的準(zhǔn)確性，因此為了獲得理想的雙目視覺(jué)系統(tǒng)需要對(duì)圖像進(jìn)行校正[16]。雙目視覺(jué)測(cè)量系統(tǒng)中的圖像校正主要是畸變矯正和立體校正兩種?；兂C正能消除因透鏡透視失真和鏡頭安裝誤差引起的徑向畸變和切向畸變，而立體校正通過(guò)極線約束的方法可以實(shí)現(xiàn)兩幅圖像共面行對(duì)準(zhǔn)，保證兩個(gè)成像平面上的同名投影點(diǎn)在兩像素坐標(biāo)系中處于同一行，從而降低下一步立體匹配中對(duì)應(yīng)像素點(diǎn)一一匹配的計(jì)算量。采用MATLAB的RectifyStereoImages函數(shù)對(duì)圖像進(jìn)行校正，輸入上述相機(jī)標(biāo)定獲取到的相機(jī)內(nèi)外參數(shù)，處理后得到校正后左右圖像，如圖3(a)和圖3(b)所示。

圖3 雙目相機(jī)校正后左右圖像

4 基于HARRIS的亞像素角點(diǎn)提取

在板材進(jìn)行儲(chǔ)藏和運(yùn)輸時(shí)，板材易受到碰撞和擠壓，導(dǎo)致板材表面和棱角處產(chǎn)生磨損和斷裂現(xiàn)象，特征點(diǎn)信息不明顯，準(zhǔn)確識(shí)別與提取出特征點(diǎn)對(duì)于尺寸測(cè)量精度的提高具有重要作用。傳統(tǒng)HARRIS算子基于灰度圖像實(shí)現(xiàn)角點(diǎn)檢測(cè)，在圖像的光照變化方面有較好的穩(wěn)定性，用于板材檢測(cè)角點(diǎn)具有較為優(yōu)越的效果。針對(duì)校正后雙目視覺(jué)左右圖像，利用HARRIS角點(diǎn)檢測(cè)法提取圖像目標(biāo)特征角點(diǎn)的像素坐標(biāo)[17]。HARRIS角點(diǎn)檢測(cè)法通過(guò)在目標(biāo)點(diǎn)周圍設(shè)置一個(gè)可以任意移動(dòng)的局部窗口，在滑動(dòng)小窗口時(shí)，計(jì)算窗口朝著多個(gè)方向移動(dòng)時(shí)的灰度變化，采用角點(diǎn)響應(yīng)函數(shù)結(jié)合設(shè)定閾值進(jìn)行判定該像素點(diǎn)是否為角點(diǎn)。角點(diǎn)響應(yīng)函數(shù)公式如下：

R=det(M)-k[trace2(M)]

(3)

式中，M為圖像的自相關(guān)函數(shù)的矩陣，det(M)為矩陣M的行列式，trace(M)為矩陣的跡，k為經(jīng)驗(yàn)常數(shù)。由于k取值范圍在0.04到0.06之間，k減小時(shí)，角點(diǎn)響應(yīng)值R增大，其他條件不變時(shí)，檢測(cè)到的角點(diǎn)會(huì)變多，為了盡可能的獲取更多的特征角點(diǎn)信息，本文k取值為0.04。計(jì)算圖像的響應(yīng)值R，設(shè)定閾值T，當(dāng)像素點(diǎn)的響應(yīng)值R大于閾值T時(shí)，該像素點(diǎn)認(rèn)定為角點(diǎn)。

由于HARRIS特征角點(diǎn)檢測(cè)是像素級(jí)別的，精度不高，也容易產(chǎn)生特征角點(diǎn)的誤檢。實(shí)際環(huán)境中圖像的特征角點(diǎn)并非一定位于像素正中心，而是位于像素內(nèi)部，將像素劃分成更小的單位，建立亞像素坐標(biāo)，精確角點(diǎn)位置坐標(biāo)到亞像素級(jí)[18]。利用亞像素可以滿足精度要求較高的工業(yè)測(cè)量領(lǐng)域需求，實(shí)現(xiàn)進(jìn)一步的更高精度的尺寸測(cè)量。對(duì)HARRIS特征角點(diǎn)進(jìn)行亞像素坐標(biāo)提取，還可以消除誤差角點(diǎn)，增加坐標(biāo)數(shù)據(jù)可靠性。在角點(diǎn)O周圍像素點(diǎn)有兩種，一種不在邊緣，如點(diǎn)A，另一種卻位于邊緣，如點(diǎn)B。A點(diǎn)處的灰度梯度為0，B點(diǎn)到角點(diǎn)O的矢量方向垂直于B點(diǎn)處的灰度梯度，Hi為B點(diǎn)處的灰度梯度方向，如圖4所示。針對(duì)任意角點(diǎn)坐標(biāo)，將其鄰域內(nèi)所有點(diǎn)分別代入下列公式，通過(guò)求解可獲得角點(diǎn)亞像素級(jí)像素坐標(biāo)，公式如下所示：

圖4 亞像素位置特征示意圖

(4)

5 雙目立體匹配和三維重建

5.1 弱紋理區(qū)域檢測(cè)

在板材拍攝圖像中，板材平面屬于弱紋理區(qū)域，區(qū)域內(nèi)的像素點(diǎn)具有十分相似的特性，板材輪廓尺寸測(cè)量需要精準(zhǔn)的測(cè)量板材的輪廓部位，對(duì)輪廓進(jìn)行準(zhǔn)確提取便于后續(xù)測(cè)量步驟。針對(duì)板材平面弱紋理區(qū)域，采用區(qū)域生長(zhǎng)算法進(jìn)行板材區(qū)域提取[19]。區(qū)域生長(zhǎng)算法是根據(jù)圖像像素的灰度連續(xù)相似性對(duì)性質(zhì)相似的區(qū)域進(jìn)行合并提取，能分割出目標(biāo)區(qū)域與背景，保留住板材輪廓信息，并增強(qiáng)板材輪廓顯示效果。算法通過(guò)將板材弱紋理區(qū)域中心上的一點(diǎn)作為種子像素點(diǎn)，檢測(cè)種子點(diǎn)周圍鄰域8個(gè)像素點(diǎn)，將與種子點(diǎn)灰度值相似的像素點(diǎn)集合，不相似像素點(diǎn)則略過(guò)，形成更大的弱紋理區(qū)域，依次檢測(cè)判定，直至遍歷所有像素點(diǎn)，將板材所有像素點(diǎn)聚合在一起，劃分出板材與背景兩處不同區(qū)域。由于板材平面噪聲與灰度并不均一，區(qū)域生長(zhǎng)算法處理后的弱紋理區(qū)域圖像中存在內(nèi)部空洞區(qū)域與過(guò)分切割，采用膨脹和腐蝕操作加強(qiáng)區(qū)域邊界。通過(guò)將膨脹和腐蝕操作與區(qū)域生長(zhǎng)算法進(jìn)行結(jié)合，實(shí)現(xiàn)左右圖像內(nèi)板材弱紋理區(qū)域的確定，也獲取到板材表面弱紋理區(qū)域的輪廓信息。板材圖像的弱紋理區(qū)域如圖5(a)和圖5(b)所示，其中板材平面弱紋理區(qū)域位于白色部分，而背景區(qū)域位于黑色部分。

圖5 弱紋理區(qū)域圖像

5.2 立體匹配

雙目視覺(jué)中立體匹配利用對(duì)應(yīng)左右圖像間的視差值，實(shí)現(xiàn)左右圖像逐像素點(diǎn)的匹配，因此視差值的精準(zhǔn)獲取對(duì)于匹配的準(zhǔn)確性十分重要。立體匹配通過(guò)比較左圖像與右圖像中的像素之間的相似度，獲取對(duì)應(yīng)像素點(diǎn)之間的X坐標(biāo)之差，從而計(jì)算出任意對(duì)應(yīng)點(diǎn)間的視差值，進(jìn)一步處理能獲取到左右圖像的深度信息，確定目標(biāo)物體的空間坐標(biāo)，為圖像的三維重建提供數(shù)據(jù)支撐。兩個(gè)對(duì)應(yīng)的像素點(diǎn)就是同名點(diǎn)，兩個(gè)同名點(diǎn)間的X坐標(biāo)之差就是視差值。立體匹配分別有代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算、視差優(yōu)化4個(gè)步驟[20]。立體匹配按照種類來(lái)劃分，可以分為全局立體匹配，局部立體匹配和半全局立體匹配。劃分立體匹配不同種類主要依靠代價(jià)聚合來(lái)實(shí)現(xiàn)。實(shí)驗(yàn)基于半全局立體匹配算法(SGM，semi global matching)實(shí)現(xiàn)立體匹配[21]。SGM算法具有匹配效果好和速度快的優(yōu)點(diǎn)，能滿足板材尺寸的快速測(cè)量需求。立體匹配需要先定義出像素間的匹配代價(jià)，確定好像素的相關(guān)性。利用SOBEL算子處理板材原始左右圖像，對(duì)處理后圖像和原始圖像分別計(jì)算其BT代價(jià)，將兩個(gè)代價(jià)值直接相加實(shí)現(xiàn)代價(jià)融合，采用成塊計(jì)算將任意像素點(diǎn)的代價(jià)值用其鄰域代價(jià)值替換，通過(guò)比較代價(jià)值的大小可尋找到左右圖像中的同名像素點(diǎn)，從而實(shí)現(xiàn)初始視差圖的較好獲取。采用SGM算法通過(guò)構(gòu)建能量函數(shù)實(shí)現(xiàn)代價(jià)聚合，并利用贏家通吃算法(WTA，winner takes all)，通過(guò)建立鄰接像素的關(guān)系，優(yōu)化代價(jià)矩陣，保證每個(gè)像素的代價(jià)值根據(jù)相鄰點(diǎn)的代價(jià)值重新計(jì)算，確定最小聚合代價(jià)對(duì)應(yīng)的視差值，并將該視差作為最佳視差，從而確定所有像素點(diǎn)對(duì)應(yīng)的最優(yōu)視差值并得到視差圖。能量函數(shù)如下：

(5)

式中，E(d)為視差圖d的能量函數(shù)，第一項(xiàng)C(p，dp)是像素點(diǎn)在d的代價(jià)值，dp、dq則是像素點(diǎn)p和像素點(diǎn)q的視差值，Np為像素點(diǎn)p的鄰域像素點(diǎn)，p1、p2為懲罰系數(shù)，T為判斷函數(shù)，賦值為0或1，根據(jù)判斷條件決定。第二項(xiàng)對(duì)像素點(diǎn)p鄰域像素中和p的視差相差為1情況下施加懲罰來(lái)平滑，第三項(xiàng)為像素點(diǎn)p鄰域像素中和p的視差相差大于1時(shí)施加懲罰進(jìn)行平滑。

在獲得視差圖之后，需要對(duì)視差圖進(jìn)行優(yōu)化，對(duì)其中的錯(cuò)誤視差進(jìn)行刪除，保證像素點(diǎn)兩幅圖像中對(duì)應(yīng)像素點(diǎn)間的準(zhǔn)確匹配，提高視差圖的質(zhì)量和顯示效果。對(duì)于錯(cuò)誤視差的刪除，采用左右一致性法，對(duì)左圖任意像素點(diǎn)獲取其在右圖的匹配像素點(diǎn)，確保該匹配像素點(diǎn)在左圖中的匹配像素點(diǎn)仍是原像素點(diǎn)。主要通過(guò)計(jì)算對(duì)應(yīng)像素點(diǎn)的視差值進(jìn)行求差，允許誤差在1個(gè)像素，若是差值小于1個(gè)像素，則認(rèn)為這對(duì)像素點(diǎn)為正確匹配，否則視為誤匹配并對(duì)其進(jìn)行剔除，從而實(shí)現(xiàn)每個(gè)像素點(diǎn)有且只有一個(gè)對(duì)應(yīng)點(diǎn)，即每個(gè)像素點(diǎn)最多只存在一個(gè)正確視差。生成的視差圖如圖6所示。

圖6 視差圖

5.3 三維重建

利用立體匹配獲取到的視差圖信息，通過(guò)MATLAB程序的ReconstructScene函數(shù)，進(jìn)行深度信息提取和三維空間坐標(biāo)計(jì)算，同時(shí)建立點(diǎn)云數(shù)據(jù)的坐標(biāo)系，進(jìn)行板材圖像的三維點(diǎn)云模型重建，并將板材三維點(diǎn)云圖像單獨(dú)提取出來(lái)，增強(qiáng)了展示效果。生成的三維點(diǎn)云圖像如圖7所示。三維點(diǎn)云圖像較好的顯示出板材輪廓特征和板材的弱紋理區(qū)域特征，板材輪廓四周的關(guān)鍵特征角點(diǎn)信息得到很好地保留，點(diǎn)云圖較為直觀的展示出板材的信息，也為板材的尺寸測(cè)量可行性提供側(cè)面支撐。

圖7 三維點(diǎn)云圖

6 實(shí)驗(yàn)結(jié)果與分析

6.1 亞像素方法與像素級(jí)方法對(duì)比分析

為驗(yàn)證基于HARRIS的亞像素檢測(cè)方法對(duì)于提高板材平面尺寸視覺(jué)測(cè)量精度的有效性，比較其與傳統(tǒng)HARRIS像素級(jí)檢測(cè)方法的優(yōu)劣，通過(guò)計(jì)算出兩種方法檢測(cè)到的板材角點(diǎn)像素坐標(biāo)對(duì)應(yīng)的三維坐標(biāo)，利用兩種方法檢測(cè)到的角點(diǎn)三維坐標(biāo)間距與實(shí)際測(cè)量值進(jìn)行比較，根據(jù)測(cè)量誤差進(jìn)行驗(yàn)證。實(shí)驗(yàn)的硬件設(shè)備主要有彩色工業(yè)雙目相機(jī)、99 mm×99 mm×2 mm的金屬板材、相機(jī)支架、棋盤(pán)格、刻度尺條貼、游標(biāo)卡尺、數(shù)據(jù)線、筆記本電腦和自行搭建的X型材工作臺(tái)。測(cè)量實(shí)驗(yàn)具體通過(guò)將彩色工業(yè)雙目相機(jī)固定在工作臺(tái)上，利用雙目相機(jī)拍攝出位于X型材工作臺(tái)上的板材圖像。對(duì)板材正面輪廓上4個(gè)角點(diǎn)從左上角按順時(shí)針命名為A、B、C、D，4個(gè)角點(diǎn)間的距離作為測(cè)量目標(biāo)，采用傳統(tǒng)HARRIS檢測(cè)方法檢測(cè)出兩角點(diǎn)像素級(jí)坐標(biāo)，基于HARRIS的亞像素檢測(cè)方法提取出兩角點(diǎn)的亞像素坐標(biāo)，根據(jù)三角測(cè)距原理計(jì)算出兩種方法檢測(cè)到的角點(diǎn)對(duì)應(yīng)的三維空間坐標(biāo)，并分別計(jì)算出對(duì)應(yīng)三維間距，同時(shí)利用游標(biāo)卡尺進(jìn)行實(shí)際測(cè)量作為真實(shí)距離，得到兩種方法的測(cè)量誤差進(jìn)行比較。測(cè)量結(jié)果如表1所示。

表1 亞像素測(cè)量結(jié)果

由表1中兩種方法獲取的測(cè)量結(jié)果的角點(diǎn)間距和誤差可以看出，通過(guò)亞像素角點(diǎn)檢測(cè)方法獲取到的板材目標(biāo)點(diǎn)間的尺寸比傳統(tǒng)HARRIS角點(diǎn)檢測(cè)法測(cè)量的尺寸更接近于真實(shí)尺寸，亞像素法測(cè)量的相對(duì)誤差整體小于傳統(tǒng)HARRIS測(cè)量相對(duì)誤差，亞像素法測(cè)量的相對(duì)尺寸誤差在2.6%以內(nèi)，準(zhǔn)確性較高。亞像素角點(diǎn)檢測(cè)法在板材尺寸視覺(jué)測(cè)量上具有實(shí)際的應(yīng)用價(jià)值，尺寸測(cè)量精度優(yōu)于像素級(jí)測(cè)量方法。

6.2 測(cè)量目標(biāo)與相機(jī)相對(duì)位置差異影響分析

選取板材輪廓上兩個(gè)角點(diǎn)A和B，將板材與相機(jī)的相對(duì)水平位置進(jìn)行改變，利用基于HARRIS的亞像素方法檢測(cè)不同相對(duì)水平位置上的板材角點(diǎn)坐標(biāo)，驗(yàn)證板材角點(diǎn)與雙目相機(jī)的相對(duì)水平位置差異對(duì)雙目視覺(jué)測(cè)量精度的影響。具體通過(guò)每次在工作臺(tái)水平方向上背向板材移動(dòng)相機(jī)，改變相機(jī)與板材之間的相對(duì)水平距離，獲取在不同相對(duì)水平位置下的板材輪廓上兩角點(diǎn)間的雙目視覺(jué)亞像素測(cè)量距離。實(shí)驗(yàn)以雙目相機(jī)拍攝的圖像中板材輪廓能完整顯示時(shí)的相機(jī)與板材最接近處作為初始實(shí)驗(yàn)測(cè)量對(duì)象，此時(shí)雙目相機(jī)與板材在水平方向相對(duì)距離為330 mm。保持板材位置不動(dòng)，在水平方向上背向移動(dòng)雙目相機(jī)，每次水平方向上背向移動(dòng)100 mm并進(jìn)行計(jì)算該處亞像素視覺(jué)測(cè)量間距和測(cè)量誤差，測(cè)量結(jié)果如表2所示。

表2 不同相對(duì)位置下的測(cè)量結(jié)果

由表2中不同相對(duì)位置下的尺寸測(cè)量結(jié)果可知，在板材與雙目相機(jī)間的水平方向相對(duì)距離較小時(shí)，雙目視覺(jué)尺寸測(cè)量結(jié)果更接近目標(biāo)真實(shí)尺寸，誤差較小，測(cè)量精度較高。當(dāng)相機(jī)與板材之間的水平方向相對(duì)距離逐漸增大時(shí)，雙目視覺(jué)測(cè)量出的尺寸與實(shí)際尺寸差距逐漸增大，雙目視覺(jué)測(cè)量尺寸誤差整體逐漸增大，但誤差整體均小于5%，說(shuō)明雙目視覺(jué)亞像素測(cè)量方法有一定的適用性，在實(shí)際工程測(cè)量中具有較好的應(yīng)用價(jià)值。測(cè)量數(shù)據(jù)結(jié)果也說(shuō)明本文設(shè)計(jì)的基于雙目視覺(jué)技術(shù)的板材尺寸亞像素測(cè)量系統(tǒng)獲取的目標(biāo)空間坐標(biāo)數(shù)據(jù)較準(zhǔn)確，板材尺寸測(cè)量方案合理可行，其測(cè)量結(jié)果可為自動(dòng)化焊接過(guò)程提供板材尺寸數(shù)據(jù)參考。

7 結(jié)束語(yǔ)

本文構(gòu)建了對(duì)板材的非接觸式尺寸測(cè)量系統(tǒng)，采用雙目視覺(jué)技術(shù)實(shí)現(xiàn)了板材平面輪廓尺寸測(cè)量，利用亞像素技術(shù)獲得板材特征角點(diǎn)信息，提高了板材尺寸測(cè)量精度。通過(guò)實(shí)驗(yàn)數(shù)據(jù)可知，基于HARRIS的亞像素檢測(cè)法提高了角點(diǎn)像素坐標(biāo)獲取的準(zhǔn)確性，對(duì)板材測(cè)量尺寸精度的提高具有較好的效果，不同深度下的板材測(cè)量整體誤差在5%以下，具有很好的應(yīng)用前景，滿足工業(yè)自動(dòng)化測(cè)量需要。