邢作常，田素博，辛麗麗，白雪衛(wèi)，張祖立

(沈陽農(nóng)業(yè)大學(xué) 工程學(xué)院，沈陽　110161)

?

基于立體視覺的農(nóng)機熱鍛件測量系統(tǒng)設(shè)計

邢作常，田素博，辛麗麗，白雪衛(wèi)，張祖立

(沈陽農(nóng)業(yè)大學(xué) 工程學(xué)院，沈陽110161)

摘要：為解決農(nóng)機熱態(tài)鍛件的在線尺寸測量問題，提出了一種基于計算機雙目立體視覺的解決方案。針對熱鍛件的圖像獲取、特征提取、圖像匹配和三維重建等問題展開研究，分別采用光譜選擇性圖像采集方案、形態(tài)學(xué)角點和輪廓提取方案，基于標定立體校正的快速匹配和重建方案，構(gòu)建了一套在線測量系統(tǒng)。為提高系統(tǒng)的實時性，采用OpenCV計算機視覺庫函數(shù)實現(xiàn)相應(yīng)算法。以一個被加熱至1 000℃圓柱體鍛件為試驗對象，測量結(jié)果直徑相對誤差為2.20%，高度相對誤差為1.81%，用時87s。試驗結(jié)果表明：所提出的農(nóng)機高溫熱鍛件幾何參數(shù)測量方法能夠滿足鍛造生產(chǎn)現(xiàn)場對尺寸測量實時、精確、高效的要求。

關(guān)鍵詞：農(nóng)業(yè)機械；雙目立體視覺；圖像采集；立體校正；三維重建

0引言

大部分農(nóng)業(yè)機械的工作環(huán)境(尤其是田間作業(yè)機械)都比較惡劣，因此對其工作部件的機械性能有較高要求，如耙片、犁體、割刀、錘等；甚至一些連接件(如齒輪、傳動軸、殼體)都要求有較高韌性和耐沖擊性，這些零件的成形往往需要經(jīng)過鍛造加工。圖1、圖2為耕地機械中的犁托和連接板，采用模具鍛造。

鍛造車間現(xiàn)場強震、粉塵、輻射、高溫、強光等惡劣環(huán)境使得高溫熱鍛件的在線尺寸測量面臨諸多困難，國內(nèi)外對其進行了很多研究。美國開發(fā)了Hot-Eye小鍛件三維測量系統(tǒng)，其基于CCD成像和激光原理，精度為±0.1mm，10s可完成100mm×100mm鍛件的測量[1]，但價格昂貴。德國開發(fā)了LaCam-Forge鍛件測量系統(tǒng)，它采用激光測距原理，通過激光器掃描鍛件表面，采集數(shù)據(jù)，經(jīng)過計算機處理完成尺寸測量[2]，但只適合測量大型鍛件。燕山大學(xué)采用圖像灰度識別鍛件邊界并計算出鍛件的直徑[3]，缺點是只能獲得簡單尺寸，且操作麻煩、精度低。吉林大學(xué)提出了一種使用數(shù)字濾波技術(shù)和結(jié)構(gòu)光三維測量技術(shù)進行熱鍛件尺寸檢測的方法，但穩(wěn)定性和精度有待提高[4]。

圖1　農(nóng)機熱鍛件(連接板)

圖2　農(nóng)機熱鍛件(犁托)

目前，國內(nèi)一般采用傳統(tǒng)的人工直接測量法，如圖3所示。這種測量方法誤差大、速度慢、勞動條件差、強度高[5-6]。計算機立體視覺具有實時、高精度、高效率、非接觸及信息豐富等特點，是一種有前途的新型測量方法。因此，將計算機視覺引入到農(nóng)機鍛件生產(chǎn)，實現(xiàn)對農(nóng)機熱鍛件三維尺寸的快速、非接觸、精密及自動化測量，具有現(xiàn)實意義。

圖3　工人使用卡鉗測量鍛件尺寸

本文采用計算機雙目立體視覺技術(shù)，先利用光譜選擇性原理采集高溫鍛件的二維圖像，然后經(jīng)過圖像預(yù)處理、攝像機標定、標定立體校正、圖像匹配、深度計算、三維重建和測量等過程，完成高溫鍛件三維重建和測量。整個系統(tǒng)在Microsoft Visual Studio 10.0平臺上采用OpenGL和OpenCV編程，實現(xiàn)各部分算法。

1測量系統(tǒng)介紹

1.1圖像采集原理

圖像采集是計算機視覺的基礎(chǔ)，其方式很多，主要決定于應(yīng)用目的和場合，還要考慮光照條件、鏡頭性能、對象及背景特點、視點差異等因素的影響，以利于立圖像處理。鍛壓車間內(nèi)復(fù)雜的背景、粉塵、鍛件的高溫輻射、表面氧化層、強光、水汽等都加大了圖像采集和圖像處理的難度。其中，影響最嚴重的是高溫鍛件的強光輻射干擾(它們遠遠大于鍛件的反射光)。為消除這些影響，使拍攝的高溫鍛件圖像接近于常溫時圖像，本文采用光譜選擇性圖像采集方法[7]。

所謂光譜選擇性圖像采集方法就是根據(jù)高熱鍛件強輻射光的光譜特點(即波長)，選擇合適的濾光片裝在鏡頭前，濾除對成像有影響的強輻射光及其它干擾光(前提是濾光片的通帶必須在CCD的感光波段內(nèi))。熱鍛件輻射曲線和CCD感光度曲線如圖4所示。從圖4可以看出：通帶范圍可選擇在400～460nm之間的窄帶濾波片。試驗發(fā)現(xiàn)：透過上述濾光片進入CCD攝像機的光線強度不足以使其感光，因此必須使用輔助照明光源；輔助照明光源的光譜能量分布必須在CCD感光區(qū)，本文選擇氙燈。

圖4　熱鍛件輻射曲線和CCD感光度曲線

1.2農(nóng)機熱鍛件雙目視覺測量系統(tǒng)介紹

農(nóng)機熱鍛件計算機雙目立體視覺測量系統(tǒng)的硬件部分由照明光源、低帶通濾光片、CCD攝像機、控制盒、圖像采集卡和圖像工作站等組成。其工作原理為：在照明光源的照射下，農(nóng)機熱鍛件表面反射光線通過帶通濾光片進入攝像機，在CCD芯片上成像并被圖像采集卡采集；然后，在圖像工作站中通過三維重建及測量算法對其進行處理，進而得到農(nóng)機熱鍛件的三維幾何尺寸。其中，照明光源和帶通濾光片的作用是避開高溫鍛件的高能量輻射段，消除強輻射光對成像質(zhì)量的影響，便于圖像的進一步處理。系統(tǒng)軟件工作流程如圖5所示。

系統(tǒng)軟件部分主要包括圖像獲取、三維重建及測量程序。其中，三維重建是整個程序的核心。本文三維重建過程包括以下幾個步驟[8-10]：

1)消除畸變。根據(jù)攝像機內(nèi)參數(shù)，采用數(shù)學(xué)方法消除攝像機徑向和切向上的鏡頭畸變。

2)攝像機校正。由攝像機立體標定結(jié)果，通過重投影輸出數(shù)學(xué)意義上平行對準的校正圖像。

3)圖像匹配。搜索左右圖像中對應(yīng)的相同特征，并輸出的視差圖。

4)重投影。根據(jù)攝像機標定結(jié)果，由視差圖求出深度圖。

圖5　軟件工作流程

2雙目視覺原理及其組成

2.1立體視覺原理

如圖6所示，三維空間點P在左右圖像上的成像點為pl和pr，相應(yīng)的水平坐標為xl和xr，視差d=xl-xr。假設(shè)兩攝像機的像平面準確位于同一平面，并且兩幅圖是行對準的，焦距fl=fr，T為基線長度。由三角形相似可以推出深度z。這就是計算機雙目視覺三角測量原理。

(1)

圖6　三角測量原理

2.2攝像機標定

攝像機的幾何模型或參數(shù)決定其圖像點與空間點的相互關(guān)系，此關(guān)系是三維重建和三維測量的基礎(chǔ)。通過數(shù)學(xué)和實驗方法求解攝像機的幾何模型或參數(shù)的過程稱為標定。顯然，攝像機標定精度直接決定三維重建和三維測量的精度。攝像機標定主要分為不需要標定物的自標定法和需要標定物的傳統(tǒng)標定法兩大類。傳統(tǒng)攝像機標定法算法簡單、運行可靠、精度高、應(yīng)用廣。本文采用的張正友標定法介于二者之間。它使用二維平面模板，通過從不同角度拍攝的同一平面模板的圖像，即可求出攝像機的內(nèi)外參數(shù)[11-12]。

2.3圖像預(yù)處理

由攝像機獲取的原始鍛件圖像不能直接用于立體匹配和三維重建，其原因主要有3個：一是目標與背景的分離；二是原始圖像需要進行去噪和平滑處理，以減少噪音對匹配質(zhì)量的影響；三是一些特殊的原因。例如，本文的目標是熱鍛件輪廓尺寸檢測，只需將輪廓進行匹配和三維重建。所以，簡單的措施是提取輪廓并二值化閾值分割，得到黑白二值化的輪廓圖像，便于圖像立體匹配和三維重建。本文圖像預(yù)處理(包括了輪廓提取)的主要流程如圖7所示。

圖7　圖像預(yù)處理工作流程

2.4特征提取

降低匹配難度、提高匹配質(zhì)量的重要措施是選擇合適的圖像特征并進行匹配。根據(jù)匹配策略不同，用于匹配的主要特征主要有區(qū)域特征、線狀特征和點狀特征等。特征的選擇除考慮匹配策略外，還要考慮對象的特點和測量或三維重建的目的。本文以普通農(nóng)機熱鍛件為對象，目的是測量其基本輪廓尺寸。所以，本文特征提取選擇輪廓和角點，可使用形態(tài)學(xué)濾波或Canny算子對圖像進行邊緣及角點檢測。

2.5立體校正

進行立體匹配最基本的約束是極線約束。所謂極線約束，就是給定左圖像上的任意點，它在右圖像上的匹配點一定在對應(yīng)極線上；反之亦然。極線約束使對匹配點二維搜索轉(zhuǎn)變成沿著極線的一維搜索，不僅節(jié)省了大量的計算，還排除了許多導(dǎo)致虛假匹配的點；但增加了另外的計算量—極線計算。

立體校正的目的是將攝像機校正為數(shù)學(xué)意義上的前向平行對準形式，即通過調(diào)整攝像機幾何角度和位置，使其重投影的圖像平面準確地位于同一個平面，并且行完全對準。這樣，在右圖像上對應(yīng)于左圖像特征的匹配點一定出現(xiàn)在相同行上。如圖8和圖9所示，經(jīng)過校正之后，M1、M2一定在同一行上。由于不需要再進行極線計算，因而大大提高了匹配質(zhì)量和速度。

圖8　攝像機校正前系統(tǒng)坐標系

圖9　攝像機校正后系統(tǒng)坐標系

2.6圖像匹配

立體匹配就是求同一個空間點在不同圖像中的對應(yīng)點，并進一步求得視差圖。當三維物體被投影為二維圖像時，同一物體在不同視點下的圖像會有很大不同，所有因素(如光照條件、物體的物理光學(xué)特性和幾何形狀、攝像機畸變及噪聲干擾等)都被綜合成單一的灰度值。因此，匹配需要一些約束。本文采用：極線約束，即左右圖像中的匹配點位于對應(yīng)的一條直線上，從而將匹配點的搜索從二維縮小到了一維[13-14]；唯一性約束，即左右圖像中對應(yīng)的匹配點必須是唯一的；保序性約束，即對應(yīng)匹配點在左右圖像中的先后順序保持一致。本文就是以三角測量原理和極線約束原理為根據(jù)，設(shè)計了基于標定立體校正的高效立體匹配和三維重建方法，即通過標定立體校正，將攝像機校正為數(shù)學(xué)意義上的前向平行對準關(guān)系(極線水平)，使匹配點的搜索僅在同行水平線上進行[15-18]。本文采用灰度相似度和視差梯度相似度作為特征匹配的依據(jù)[19]。為了減少錯誤匹配，算法還安排了對稱行測試。

本文立體匹配算法如下所述：

1)預(yù)過濾，使圖像亮度歸一化，減少左右圖像亮度差異并加強紋理。

2)對左圖像上的每個特征點，依據(jù)灰度相似度和視差梯度相似度，在右圖像的對應(yīng)行上尋找最佳匹配?？刂破ヅ渌阉鞯闹饕獏?shù)有開始搜索位置和搜索長度。

3)再過濾，去除壞的匹配點。

4)反方向匹配，即對右圖像上的每個特征點，依據(jù)灰度相似度和視差梯度，在左圖像的對應(yīng)行上尋找最佳匹配。

5)再過濾，去除壞的匹配點。

6)進行對稱性測試，移除非對稱的匹配。

只有通過正反兩次匹配、過濾檢測的匹配點才被視為有效。這樣大大降低了噪音的影響，提高了匹配精度。

2.7深度計算和三維重建

立體匹配后，得到視差圖。如果給定視差d和2D點(x，y)，則3D深度為

(2)

(3)

其中，三維坐標就是(X/W，Y/W，Z/W)，Q為重投影矩陣。

3基于OpenCV的測量系統(tǒng)實現(xiàn)

OpenCV (Intel open source computer vision library)是開放的計算機視覺函數(shù)庫，用來實現(xiàn)常用的計算機視覺算法，具備強大的矩陣運算和圖像處理能力。OpenCV函數(shù)具有良好的接口，開發(fā)效率高，執(zhí)行速度快，因此被廣泛應(yīng)用于工程實際[20]。

3.1立體標定

OpenCV采用張氏標定法。該方法使用通用的黑白棋盤格平面模板，獲取模板至少在3個不同位置的圖像，求得棋盤角點的空間坐標(z=0)和圖像坐標的對應(yīng)關(guān)系，從而確定攝像機的內(nèi)參外參數(shù)。主要過程如下：

1)用cvFindChessboardCorners()函數(shù)找出棋盤角點；

2)用cvFindCornerSubPix()函數(shù)找出亞像素精度的棋盤角點；

3)計算相應(yīng)角點在空間坐標系下的坐標；

4)用cvStereoCalibrate()函數(shù)，根據(jù)棋盤角點的空間坐標系的坐標值和圖像坐標系的坐標值，一次計算出系統(tǒng)所有內(nèi)外參數(shù)。

3.2立體校正

求得攝像機內(nèi)外參數(shù)后，就可對被測對象的左右圖像對進行立體校正，主要過程如圖10～圖14所示。

1)用cvUndistortPoints()函數(shù)對圖像進行去畸變處理。

2)用cvFindFundamentalMat()函數(shù)計算基礎(chǔ)矩陣。

3)用cvSteroRectify()函數(shù)計算校正映射。

4)用cvRemap()函數(shù)校正圖像。

圖10　校正前左右圖片

圖11　校正后左右圖片

圖12　輪廓提取

圖13　輪廓形態(tài)學(xué)處理

圖14　深度圖和三維重建圖

3.3特征提取

特征提取的主要目的是提取角點和輪廓、降低圖像匹配和三維重建工作量，為立體匹配和三維重建打下基礎(chǔ)，提高其質(zhì)量。

1)用直方圖均衡化函數(shù)hist_equalize()預(yù)處理圖像(去噪和平滑)。

2)用cvCanny()函數(shù)提取輪廓(或形態(tài)學(xué)方法)。

3)用cvDialiate()函數(shù)對輪廓進行形態(tài)學(xué)去噪和平滑處理。

3.4立體匹配與三維重建

依據(jù)灰度相似度和視差梯度相似度，來進行特征匹配。

1)用cvFindStereoCorrespondence()函數(shù)獲取輪廓視差圖。

2)用cvPerspectiveTransform()函數(shù)獲得輪廓深度圖。

3)通過points _ reconstruc-tion()函數(shù)進行點三維重建。

4)通過triangulation()函數(shù)進行三角化。

5)通過three _ dimensional _ show()函數(shù)顯示三維信息。

最后3個步驟是在攝像機標定和立體匹配的基礎(chǔ)上的三維重建和三維顯示。三維顯示使用了OpenGL函數(shù)。本文采用Delaunay三角劃分和貼紋理(函數(shù)glTexImage2D())，最終通過OpenGL編程顯示出物體的三維模型。

4三維重建及測量實驗

根據(jù)上述算法和OpenGL、OpenCV函數(shù)，以熱鍛件的三維尺寸測量為目標，在Windows XP平臺下使用VC++設(shè)計了一個基于OpenCV3.1版本的計算機三維重建及測量系統(tǒng)。為驗證系統(tǒng)的可行性，在實驗室做了三維重建及測量實驗。實驗采用頂面有槽的圓柱形鍛件，通過電熱器加熱至1 000℃左右，如圖15所示。測量參數(shù)主要是圓柱直徑、圓柱高、槽深和槽寬。采用分辨率為1 024×1 024的黑白CCD攝像機，測量結(jié)果如表1所示。

圖15　實驗用圖片

項目實際值/mm測量值/mm誤差/%圓柱直徑59.60(已考慮熱脹)60.912.20圓柱高度197.82(已考慮熱脹)201.401.81.槽寬度10.00(未考慮熱脹)9.564.40槽深度10.00(未考慮熱脹)10.353.50

程序經(jīng)過嚴格的測試，運行穩(wěn)定，速度快，但測量誤差較大。對于微小結(jié)構(gòu)(如鍵槽)，誤差高達4.4%，但大尺寸測量誤差最低1.81%。文獻[5]指出我國鍛件余量高達15%，因此該方法仍有實際意義。為方便使用，基于VisualC++開發(fā)了熱鍛件雙目立體視覺三維測量操作界面，可以快速調(diào)用OpenCV函數(shù)，提高了系統(tǒng)可操作性。系統(tǒng)界面采用菜單式如圖16所示。

圖16　測量系統(tǒng)界面

5結(jié)論

1)為提高匹配效率和質(zhì)量，系統(tǒng)以極線約束和三角測量原理為依據(jù)，提出了一種基于標定立體校正和雙向匹配的快速圖像匹配和三維重建方法。實驗證明：該方法匹配效率高，誤匹配率小，重建速度快。

2)為避免高溫輻射和強光干擾對鍛件圖像質(zhì)量的影響，采用濾光片進行光譜選擇，從而使采集的圖像達到了常溫時圖像采集的效果。

3)靈活地選用形態(tài)學(xué)結(jié)構(gòu)元素和基本操作(如開運算、閉運算、腐蝕、膨脹和梯度操作)。普通的梯度運算一般不能很好地獲得外圍邊緣。通過求取膨脹后的圖像與腐蝕后的圖像的差值(即形態(tài)學(xué)梯度)，檢測圖像邊緣(即懸崖)，效果較好。

4)檢測圓柱鍛件用時87s，誤差在1.81%～4.40%之間。試驗結(jié)果表明：基于OpenCV的計算機雙目視覺在線尺寸測量系統(tǒng)具有一定的精度、速度、效率和穩(wěn)定性，能夠滿足農(nóng)機熱鍛件現(xiàn)場實時檢測的要求，具有一定的現(xiàn)實意義。

參考文獻：

[1]趙亞飛，陳柏金，郭文行,等．基于OpenCV的高溫鍛件邊緣檢測[J]．自動化技術(shù)與應(yīng)用，2013，32(7) ：77-81．

[2]Chen Frank，Brown G M, Song Mumin．Overview of three-dimensional shape measurement using optical methods[J]． Opt Eng，2000，39(1)：10-12．

[3]聶紹珉，唐景林，郭寶峰，等．基于CCD的大型鍛件尺寸測量研究[J]．塑性工程學(xué)報，2005(S)：85-88．

[4]NIE Shao-min，TANG Jinglin，GUO Baofeng，etal. The Research of Measurement of Large-size Forging Work piece based on CCD [J]．Jourhnal of Plasticity Engineering，2005，12(S)：85-88．

[5]趙毅，王明輝，馬品奎，等.熱態(tài)鍛件結(jié)構(gòu)光三維測量技術(shù)[J].中國機械工程，2006，17(s1)：125-128．

[6]Zhao Yi， Wang Minghui, Ma Pinkui,etal．Structured Light 3D Measurement Technology of HotForging[J].China Mechanical Engineering，2006，17(S1)：125-128.

[7]何祝斌，初冠南，張吉，等．鍛造技術(shù)的發(fā)展—從前8屆國際塑性加工會議看鍛造技術(shù)的發(fā)展[J]．塑性工程學(xué)報，2008，15(4)：13-17．

[8]He Zhu-bin, Chu Guannan，Zhang Ji，etal. Development of forging technology[J].Journal of Plasticity Engineering，2008，15(4)：13-17.

[9]聶紹民，李樹奎．大鍛件熱態(tài)在線尺寸測量研究綜述[J]．金屬加工，2008(11)：22-25．

[10]王邦國，大型鍛件熱態(tài)幾何參數(shù)視覺測量技術(shù)研究[D]．大連：大連理工大學(xué),2011.

[11]楊福增，劉珊，陳麗萍，等.基于立體視覺技術(shù)的多種農(nóng)田障礙物檢測方法[J]．農(nóng)業(yè)機械學(xué)報，2012， 43(5)：168-172．

[12]Tsai RY．A versatile camera calibration technique for high-accuracy 3Dmachine vision metrology using off-the-shelf TV cameras and lenses[J]．IEEE Journal of Robotics and Automation，1987，3(4)：323-344．

[13]王傳宇，趙 明，閻建河,等.基于雙目立體視覺技術(shù)的玉米葉片三維重建[J]．農(nóng)業(yè)工程學(xué)報，2010，26(4)：198-202．

[14]Wang Chuanyu，Zhao Ming，Yan Jianhe, et al.Three-dimensional reconstruction of maize leaves based on binocular stereo vision system[J].Transactions of the CSAE，2010，26(4)：198-202．

[15]彭輝，吳鵬飛，翟瑞芳,等．基于視差圖像的重疊果實圖像分割算法[J]．農(nóng)業(yè)機械學(xué)報，2012，43(6)：167-173．

[16]Peng Hui，Wu Penggei， Zhai Ruifang, et al．Image Segmentation Algorithm for Overlapping Fruits Based on Disparity Map[J]．Transaction of the Chinese Society for Agricultural Machinery,2012,43(6)：167-173.

[17]Park J S．Interactive 3d reconstruction from multiple images：a primitive-based approach [J]．Pattern Recognition Letters，2005，26(16)：2558-2571．

[18]Zhang Z Y．A flexible new technique for camera calibration [J]．Transactions on Pattern Analysis and Machine Intelligence，2000，22(11)：1330-1334．

[19]Papadimitrious D V， Dennis T J．Epipolar line estimation and rectification for stereo image pairs[J]．IEEE Trans on Image Processing，1996，5(4)：672-676．

[20]Lin Guoyu,Chen Xu,Zhang Weigong．A robust epipolar rectification method of stereo pairs[C]//2010 InternationalConference on Measuring Technology and Mechatronics Automation.Changsha：IEEE, 2010： 322-326．

[21]呂朝輝，陳曉光，鄭元杰，等．立體視覺技術(shù)在秧苗直立度測定中的應(yīng)用[J]．農(nóng)業(yè)工程學(xué)報，2001，17(4)：127-130．

[23]張凱良，楊麗，張鐵中．草莓采摘位置機器視覺與激光輔助定位方法[J]．農(nóng)業(yè)機械學(xué)報，2010，41(4)：151-156．

[24]Zhang Kailiang，Yangli，Zhang Tiezhong．Object locating method of laser-assisted machine vision for strawberry harvesting [J]．Transaction of the Chinese Society for Agricultural Machinery，2010，41(4)：151-156.

[25]趙春江，楊亮，郭新宇,等．基于立體視覺的玉米植株三維骨架重建[J]．農(nóng)業(yè)機械學(xué)報，2010，41(4)：157-162．

[26]ZhaoChunjiang，YangLiang，GuoXinyu，etal．Corn Skeleton Reconstruction Based on Stereo Vision[J].Transaction of the Chinese Society for Agricultural Machinery，2010，41(4)：157-162.

[27]王傳宇，趙明，閻建河．基于雙目立體視覺的苗期玉米株形測量[J]．農(nóng)業(yè)機械學(xué)報，2009，40(5)：145-148．

[28]Wang Chuanyu, Zhao Ming， Yan Jianhe. Measurement of maize seedling morphological traits based on binocular stereo vision[J]．Transaction of the Chinese Society for Agricultural Machinery,2009, 40(5)：145-148.

[29]Sun C． Fast stereo matching using sub regioning and 3D maximum-surface techniques [J]．International Journal of Computer Vision,2002，47(1-3)：99-117．

The Measurement System Design of the Agricultural Machinery Hot Forging Parts Based on the Stereoscopic Vision

Xing Zuochang, Tian Subo, Xin Lili, Bai Xuewei, Zhang Zuli

(College of Engineering, Shenyang Agricultureal University, Shenyang 110161,China)

Abstract：Aiming to solve the online measurement problem exists in hot forging process of agricultural machinery components, a solution was explored base on the stereo vision of computer in this study. The image acquisition, feature extraction and 3D reconstruction of hot forging parts were studied. A set of real-time measurement system were constructed with spectra selective image acquisition, morphology corner detection and contour extraction，rapid matching and 3D reconstruction based on stereo rectification. In order to enhance the real- time function of system, the relevant algorithm was realized by using functions of OpenCV. The experiment, which was based on cylinder forging (heated to 1000℃, indicated that the relative errors of measurement diameter and height were 2.20% and 1.81% by using 87s. The experiment results indicated that the geometric measurement method of agricultural machinery hot forging parts could satisfy the requirements of real time, precision and high efficiency of dimension measurement on production spot.

Key words：agriculture machinery; stereo vision； image capture；3D reconstruction；stereo rectification

文章編號：1003-188X(2016)02-0171-08

中圖分類號：S220.3；TP391.41

文獻標識碼：A

作者簡介：邢作常(1971-)，男，河南新鄉(xiāng)人，博士研究生，(E-mail)xingzuochang@163.com。通訊作者：張祖立(1952-)，男，沈陽人，教授，博士生導(dǎo)師，(E-mail)syauzhangzuli@163.com。

基金項目：國家自然科學(xué)基金項目(51405311)

收稿日期：2015-03-26