高禮圳，劉書(shū)桂，韓振華

(天津大學(xué) 精密測(cè)試技術(shù)及儀器國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300072)

?

零件的角點(diǎn)提取及匹配定位

高禮圳，劉書(shū)桂*，韓振華

(天津大學(xué) 精密測(cè)試技術(shù)及儀器國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300072)

摘要：本文基于三坐標(biāo)測(cè)量機(jī)(CMM)設(shè)計(jì)了一套視覺(jué)檢測(cè)系統(tǒng)，該系統(tǒng)能夠?qū)α慵?shí)際空間特征信息進(jìn)行比較全面地提取。針對(duì)位于CMM平臺(tái)上帶有角點(diǎn)的零件，利用Harris算子提取從CMM三個(gè)不同方位獲取的零件圖像的角點(diǎn)。對(duì)于Harris算子提取到的角點(diǎn)，本文提出一種八鏈碼搜索法和SUSAN區(qū)域法相結(jié)合的偽角點(diǎn)剔除方法，最后基于立體視覺(jué)的原理，提出“距離空間圖”匹配算法，將以上3幅圖像一一建立匹配關(guān)系。實(shí)驗(yàn)中多次改變零件在CMM中姿態(tài)時(shí)，多次實(shí)驗(yàn)數(shù)據(jù)表明本文的角點(diǎn)提取精度與真實(shí)角點(diǎn)間僅存在1～2像素的偏差，零件的定位誤差為1～3 mm。通過(guò)實(shí)驗(yàn)驗(yàn)證，角點(diǎn)匹配和定位的穩(wěn)定性和精度滿足要求，具有一定的抗干擾性和實(shí)用性。

關(guān)鍵詞:三坐標(biāo)測(cè)量機(jī)；Harris算子；角點(diǎn)匹配；立體視覺(jué)；距離空間圖

1引言

在防碰撞系統(tǒng)[1-2]中，零件位姿的判定和定位是進(jìn)行智能路徑規(guī)劃和自動(dòng)檢測(cè)的前提和基礎(chǔ)[3-4]，而對(duì)于有角點(diǎn)的零件，利用角點(diǎn)信息在零件姿態(tài)判定中極其重要，因此角點(diǎn)提取和匹配定位在防碰撞系統(tǒng)中是必不可少的。

角點(diǎn)一般是指圖像中亮度變化劇烈的像素點(diǎn)或者指圖像中梯度值和梯度變化率都很高的像素點(diǎn)，它反映了圖像的局部特征。角點(diǎn)檢測(cè)是圖像處理中的一個(gè)關(guān)鍵預(yù)處理步驟，常用于圖像匹配、運(yùn)動(dòng)物體跟蹤以及目標(biāo)識(shí)別等方面[5]?，F(xiàn)有的特征點(diǎn)提取方法可分為基于模板的特征點(diǎn)檢測(cè)、基于邊緣的特征點(diǎn)檢測(cè)和基于亮度變化的特征點(diǎn)檢測(cè)。基于模板的特征點(diǎn)檢測(cè)算法需要設(shè)計(jì)復(fù)雜的模板，對(duì)于復(fù)雜圖像不適用；基于邊緣的特征點(diǎn)檢測(cè)算法對(duì)邊緣檢測(cè)的依賴性很大；而基于亮度變化的特征點(diǎn)檢測(cè)方法已成為研究熱點(diǎn)，Harris、SUSAN和SIFT算法等都屬于該類算法[6]。

文獻(xiàn)[5]中提出利用雙掩膜進(jìn)行非極大值抑制方法提取角點(diǎn)，但是掩膜設(shè)計(jì)成為一大難點(diǎn)。文獻(xiàn)[7]中利用全局和局部邊緣的曲率特性提取角點(diǎn)，對(duì)邊緣檢測(cè)要求很高。文獻(xiàn)[8]中利用多尺度Harris算法需要在多個(gè)尺度上檢測(cè)角點(diǎn)，但是計(jì)算量比傳統(tǒng)算法大大增加。目前用于圖像匹配的方法主要有兩大類[9]:一是基于灰度相關(guān)的匹配方法，該方法是對(duì)2幅圖像的灰度相似度進(jìn)行計(jì)算估計(jì)，盡管該算法簡(jiǎn)單，匹配準(zhǔn)確率高，但不適合于光軸之間夾角很大的多個(gè)相機(jī)間的匹配，且計(jì)算量大；另一種是基于圖像特征的方法，該方法主要有點(diǎn)匹配、線匹配和面匹配，由于線特征為一維特征，面特征為二維特征，其匹配算法要考慮到的方向、尺度位置等因素受噪聲、 遮擋影響較大。而點(diǎn)特征包含圖像中豐富的信息，其提取算法是計(jì)算機(jī)視覺(jué)中比較成熟且經(jīng)典的技術(shù),如Harris算法，SUSAN算法。角點(diǎn)是最常用的目標(biāo)特征之一，它們常用于圖像單尺度下的角點(diǎn)檢測(cè)。但是實(shí)際中由Harris提取到的角點(diǎn)包含很多雜亂無(wú)章且包含無(wú)用信息的偽角點(diǎn)，這些偽角點(diǎn)主要是由光照和零件上的毛刺所引起的。對(duì)于所獲得的角點(diǎn)，利用現(xiàn)有的匹配算法[9-12]無(wú)法直接建立匹配關(guān)系。

針對(duì)以上問(wèn)題，本文提出了八鏈碼搜索法和SUSAN區(qū)域法相結(jié)合的偽角點(diǎn)剔除方法。該方法利用八鏈碼搜索法刪除圖像的內(nèi)部偽角點(diǎn)后，再利用SUSAN 區(qū)域法刪除位于輪廓上的偽角點(diǎn)，最后基于立體視覺(jué)原理，提出“距離空間圖”的匹配算法，對(duì)留下的角點(diǎn)進(jìn)行匹配和定位。通過(guò)實(shí)驗(yàn)證明，本文的偽角點(diǎn)剔除方法和匹配定位算法有較高的精度，具有一定的實(shí)用性。

2角點(diǎn)提取和剔除

實(shí)驗(yàn)中為避免外部環(huán)境的干擾，先用位于CMM[14]3個(gè)不同方位的相機(jī)分別獲取放零件前的背景圖像，然后再獲取放零件后的零件圖像，兩圖像相減后得到去除背景后的零件圖像。對(duì)于相減后的圖像，經(jīng)預(yù)處理后采用Harris算法[15]提取圖像特征點(diǎn)。該方法使用圖像的一階差分來(lái)計(jì)算每個(gè)像素處的平均平方梯度矩陣M，如式(1)。通過(guò)特征值分析，如式(2)，給出角點(diǎn)響應(yīng)。該方法原理簡(jiǎn)單、運(yùn)算量小、使用方便。實(shí)驗(yàn)中發(fā)現(xiàn)可檢測(cè)性、定位性、穩(wěn)定性都滿足要求，運(yùn)算速度也較快[5]，但是同時(shí)也會(huì)檢測(cè)到很多偽角點(diǎn)。對(duì)于所獲得的角點(diǎn)，利用現(xiàn)有的匹配算法無(wú)法直接建立匹配關(guān)系。因此，在匹配前應(yīng)該把這種偽角點(diǎn)刪除，下面將通過(guò)以下兩個(gè)步驟來(lái)刪除偽角點(diǎn)。

(1)

(2)

式(1)中，矩陣M即為每個(gè)像素的平均平方梯度矩陣，I表示了點(diǎn)(x,y)處的像素亮度，*是卷積符號(hào)，W是一個(gè)3×3高斯低通濾波器。式(2)中，det(M)為矩陣M的行列式，tr(M)為矩陣的跡，k為一個(gè)經(jīng)驗(yàn)值，通常被選定為0.04。R為角點(diǎn)響應(yīng)函數(shù)的值，設(shè)定一個(gè)合理的閾值條件threshold，當(dāng)R的值大于此閾值時(shí)，此時(shí)圖像點(diǎn)即為感興趣的特征點(diǎn)。

2.1內(nèi)部偽角點(diǎn)剔除

八鏈碼搜索如下圖1所示，對(duì)于由Harris算法提取的角點(diǎn)，首先從八鏈碼的0方向搜索連續(xù)兩個(gè)大于某閾值的像素點(diǎn)，該閾值可以取該角點(diǎn)像素值的一半。如果能搜到滿足上面條件的像素點(diǎn)集，那么再?gòu)陌随湸a的1方向搜索，直到八鏈碼的8個(gè)方向都能搜索到滿足條件的點(diǎn)集，那么這個(gè)角點(diǎn)屬于內(nèi)部偽角點(diǎn)。否則如果有一個(gè)方向不滿足搜索條件，那么停止其他方向的搜索，因?yàn)樵摻屈c(diǎn)一定不屬于內(nèi)部偽角點(diǎn)。

圖1　八鏈碼的方向圖 Fig.1　Eight-chain-code direction

2.2輪廓上偽角點(diǎn)剔除

SUSAN算法[16]是由牛津大學(xué)的S M Smith提出的，同樣也是一種基于灰度的特征點(diǎn)獲取方法。其基本原理是通過(guò)圖像中目標(biāo)與背景的對(duì)比度確定閾值，將模板中的各點(diǎn)與核心點(diǎn)(當(dāng)前點(diǎn))的灰度值用相似比較函數(shù)進(jìn)行比較，得到與核心點(diǎn)灰度相近的點(diǎn)的集合區(qū)域稱為核值相似區(qū)(Univalue Segment Assimilating Nucleus，USAN)。實(shí)驗(yàn)通過(guò)對(duì)留下的角點(diǎn)利用SUSAN模板進(jìn)行搜索，其在輪廓上的角點(diǎn)處的USAN區(qū)大于在邊緣交線上的角點(diǎn)處的USAN區(qū)，由此，響應(yīng)圖像中的角點(diǎn)特征。在實(shí)際操作時(shí)，對(duì)于模板內(nèi)任一像素點(diǎn)R與模板中心像素N，通過(guò)給定的閾值t來(lái)判斷該像素點(diǎn)是否屬于USAN區(qū)域，其判別函數(shù)為:

(3)

那么以N為中心像素點(diǎn)模板內(nèi) USAN區(qū)域的大小為:

(4)

式中，S(N,r)表示以N為中心，r為半徑的圓形模板，表示模板中USAN區(qū)域的大小。然后，將n(N,r)與預(yù)先給定閾值G進(jìn)行比較，由此剔除圖像中輪廓上的角點(diǎn)[17]。

3特征點(diǎn)匹配

本實(shí)驗(yàn)中，3個(gè)相機(jī)分別位于CMM三個(gè)不同的方位，如下圖2所示，相機(jī)1位于CMM的正前方，相機(jī)2位于CMM的橫梁上，相機(jī)3位于CMM的左方，各相機(jī)與CMM之間的坐標(biāo)關(guān)系已標(biāo)定。其中零件擺放在CMM的工作平臺(tái)上，且都在3個(gè)相機(jī)的視場(chǎng)范圍內(nèi)。本文中設(shè)計(jì)的視覺(jué)系統(tǒng)都能夠較大限度地提取零件的三維特征信息，由于3個(gè)相機(jī)的光軸基本相互垂直，相機(jī)之間能夠互相約束景深尺寸，可以較大限度地減少視覺(jué)系統(tǒng)的定位誤差。

圖2　相機(jī)與CMM的方位圖 Fig.2　Orientation diagram of camera and CMM

圖3　對(duì)極幾何約束圖 Fig.3　Diagram of epipolar geometry

由于特征點(diǎn)提取不夠精確，匹配兩圖中的對(duì)應(yīng)點(diǎn)成為本文最大的困難。理想情況下，對(duì)于圖像點(diǎn)x和x′的兩條反向投影的射線，如果滿足對(duì)極幾何約束x′TFx=0，其中F為基本矩陣，那么這兩條射線共面，從而相交于一個(gè)三維點(diǎn)X。但是在實(shí)際中，非理想測(cè)量點(diǎn)x和x′反向投影的射線在三維空間中一般不共面，如下圖3(a)所示，測(cè)量點(diǎn)不滿足對(duì)極幾何約束[18]。對(duì)極線I′=Fx是過(guò)x的射線的像，而對(duì)極線I=FTx′是過(guò)x′的射線的像。因?yàn)樯渚€不相交，x′不在I′上，并且x不在I上，如下圖3(b)所示。

圖4　多視圖確定空間點(diǎn) Fig.4　Multiple views to determine the point

針對(duì)上述出現(xiàn)的問(wèn)題，本文采用一種新的判定方法，考慮到本實(shí)驗(yàn)中防碰撞系統(tǒng)實(shí)際應(yīng)用場(chǎng)合和系統(tǒng)所需精度等，將測(cè)量點(diǎn)x和x′反向投影的射線之間的異面距離不超過(guò)3 mm作為判定條件，若滿足這一條件就判定這兩點(diǎn)是匹配點(diǎn)。取兩射線公垂線的中點(diǎn)作為三維點(diǎn)X。在雙目視圖中，這種方法會(huì)出現(xiàn)多義性，因?yàn)橐环鶊D像中的某個(gè)點(diǎn)可能會(huì)對(duì)應(yīng)另一幅視圖中多個(gè)點(diǎn)，如圖4(a)所示。這是由重構(gòu)的多義性引起的[18]，但是在三視圖中它不具有多義性。若空間一個(gè)點(diǎn)在3幅視圖中都有對(duì)應(yīng)點(diǎn)，那么兩兩視圖按上述方法確定一個(gè)三維點(diǎn)，這樣就可以構(gòu)成一個(gè)三角形，將三角形的重心作為三視圖中的三維點(diǎn)X，如圖4(b)所示。

圖5　距離空間圖 Fig.5　Diagram of distance space

從這3幅視圖中尋找出對(duì)應(yīng)的匹配點(diǎn)，關(guān)鍵的匹配算法是首先構(gòu)建“距離空間圖”，如圖5所示，即3幅視圖中的角點(diǎn)兩兩之間的反向投影射線之間的異面距離構(gòu)成的三維圖。假如視圖1、2、3中分別有n1、n2、n3個(gè)角點(diǎn)，那么視圖1和2之間角點(diǎn)構(gòu)成的距離關(guān)系有n1×n2種，同理視圖2和3之間有n2×n3種，視圖3和1之間有n3×n1種。然后從“距離空間圖”中挑選出距離不大于3 mm的情形。算法首先搜索由3個(gè)視圖確定一個(gè)空間點(diǎn)的情況，接著搜索由兩個(gè)視圖確定一個(gè)空間點(diǎn)情況。前面已經(jīng)驗(yàn)證了由兩個(gè)視圖確定一個(gè)點(diǎn)時(shí)，會(huì)出現(xiàn)多種情形，即一對(duì)一、一對(duì)多(多對(duì)一)的兩種情形。圖中有標(biāo)記符的格子表示滿足距離不大于3 mm條件的組合。坐標(biāo)軸上的格子數(shù)表示對(duì)應(yīng)視圖上的角點(diǎn)數(shù)。

本文具體的匹配算法及操作如下所述：

(1)搜索由3個(gè)視圖確定一個(gè)空間點(diǎn)時(shí)，搜索方法是在“距離空間圖”每一個(gè)面上尋找一個(gè)標(biāo)記格，看這3個(gè)標(biāo)記格能否組合成一個(gè)閉合通路。若能找到滿足閉合通路條件的3個(gè)點(diǎn)，說(shuō)明存在一個(gè)空間點(diǎn)在3個(gè)視圖中都有對(duì)應(yīng)標(biāo)記點(diǎn)，然后刪除這3個(gè)格子所對(duì)應(yīng)的行與列，繼續(xù)重復(fù)上述步驟，直到搜索完畢。如下圖所示，●符號(hào)所表示的是3個(gè)視圖確定一個(gè)空間點(diǎn)的情況。

(2)搜索由兩個(gè)視圖確定一個(gè)空間點(diǎn)中的一對(duì)一的情況時(shí)，只需在“距離空間圖”任意兩個(gè)面中尋找兩個(gè)標(biāo)記格，使其滿足同行或同列，并且所在的行與列中沒(méi)有其他標(biāo)記符，刪除這兩個(gè)標(biāo)記格所在的行與列，然后重復(fù)搜索，直到搜索完為止。■符號(hào)對(duì)應(yīng)的是雙視圖中的一對(duì)一的情況。

(3)最后搜索雙視圖中一對(duì)多(多對(duì)一)的情況時(shí)，搜索方法同一對(duì)一的情形類似，只不過(guò)一個(gè)面中的標(biāo)記格所在的行或列在另一面中的同行或同列中存在多個(gè)標(biāo)記格，刪除滿足條件的行與列，然后重復(fù)搜索直到搜索完畢?！?hào)則是一對(duì)多(多對(duì)一)的情況。 假如一對(duì)多(多對(duì)一)的情況有N個(gè)，那么會(huì)出現(xiàn)2N種組合的解。

4實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)所用的三坐標(biāo)測(cè)量機(jī)為?？怂箍抵圃斓腉lobal classic SR 07.10.07。相機(jī)1、相機(jī)2和相機(jī)3的型號(hào)為MQ013MG-E2，分辨率為1 280×1 024。相機(jī)1和相機(jī)3所用鏡頭型號(hào)為VT1614-M2，焦距標(biāo)注值為16 mm，相機(jī)2所用鏡頭型號(hào)為VTS0614-M2，焦距標(biāo)注值為6 mm。本實(shí)驗(yàn)在VS2010平臺(tái)上用C++語(yǔ)言實(shí)現(xiàn)了Harris角點(diǎn)提取，用本文的偽角點(diǎn)剔除方法剔除了內(nèi)部偽角點(diǎn)和輪廓上的偽角點(diǎn)，并且利用提出的匹配算法成功的實(shí)現(xiàn)了特征點(diǎn)之間的匹配。

4.1特征點(diǎn)提取和剔除

實(shí)驗(yàn)結(jié)果如圖6所示。圖6(a)、6(b)、6(c)表示Camera 1、2、3得到的零件圖像用Harris提取100個(gè)角點(diǎn)的圖，圖6(d)、6(e)、6(f)表示剔除內(nèi)部偽角點(diǎn)后的角點(diǎn)圖，圖6(g)、6(h)、6(i)表示剔除輪廓上偽角點(diǎn)后的角點(diǎn)圖。從圖6中可以看到，最后各視圖中的角點(diǎn)定位準(zhǔn)確，盡管有些特征點(diǎn)由于遮擋只在一個(gè)視圖中成像而無(wú)法確定該特征點(diǎn)，但這不影響后續(xù)的匹配。

圖6　角點(diǎn)圖像 Fig.6　Corner detection image

4.2角點(diǎn)匹配結(jié)果

根據(jù)3節(jié)中的匹配算法，對(duì)處理后的Harris特征點(diǎn)進(jìn)行匹配，匹配結(jié)果如圖7所示。

圖7　特征匹配結(jié)果 Fig.7　Matching result

圖7(a)、7(b)、7(c)分別是由Camera 1、2、3拍攝的圖片，從圖中可以看到，大部分特征點(diǎn)得到正確匹配，但由于有些特征點(diǎn)僅在一個(gè)視圖中成像，故無(wú)法找到這些點(diǎn)的匹配點(diǎn)。多次實(shí)驗(yàn)證明，該算法的匹配率達(dá)到95%以上。

4.3角點(diǎn)定位

將圖7中的四組匹配點(diǎn)①、②、③、④所確定

的角點(diǎn)編號(hào)為角點(diǎn)1、2、3、4。表1是各相機(jī)的內(nèi)部參數(shù)，(μ0ν0)為主點(diǎn)，f為焦距，k1為徑向畸變系數(shù)。表2是角點(diǎn)在各視圖中的像素坐標(biāo)(像素大小為0.005 3 mm)，其中“-”表示角點(diǎn)在視圖中不存在。表3是各相機(jī)與CMM之間的坐標(biāo)轉(zhuǎn)換關(guān)系，α、β、γ分別代表繞X、Y、Z軸旋轉(zhuǎn)，tx、ty、tz分別代表向X、Y、Z方向的平移。對(duì)于由兩個(gè)視圖確定的角點(diǎn)，如角點(diǎn)1，將Camera1和Camera3中匹配像點(diǎn)的反向投影射線的公垂線的中點(diǎn)作為三維點(diǎn)X。因此三維點(diǎn)X在CMM中的坐標(biāo)可通過(guò)Camera1和Camera3來(lái)求解。對(duì)于由3個(gè)視圖確定的角點(diǎn)，求解可以參考圖4(b)。表4是計(jì)算得到的角點(diǎn)在CMM中的坐標(biāo)與用CMM測(cè)量得到的坐標(biāo)。由表4可知，在這4個(gè)角點(diǎn)中，x方向最大偏差為1.72 mm，y方向最大偏差為1.88 mm，z方向最大偏差為1.36 mm。定位最大偏差為2.17 mm。

表1　相機(jī)內(nèi)部參數(shù)

表2　角點(diǎn)在各視圖中的像素坐標(biāo)

表3　相機(jī)與CMM之間的坐標(biāo)轉(zhuǎn)換關(guān)系

表4　定位精度檢測(cè)

造成表4中數(shù)據(jù)誤差的的主要因素有以下兩個(gè)：

(1)角點(diǎn)提取不準(zhǔn)確

由于光照不均勻和零件本身存在毛刺等因素導(dǎo)致提取到的角點(diǎn)可能與真實(shí)角點(diǎn)存在1～2個(gè)像素的偏差。

(2)標(biāo)定誤差

本實(shí)驗(yàn)中，相機(jī)與CMM之間的關(guān)系是間接地借助光筆來(lái)標(biāo)定的，先建立光筆與CMM之間的關(guān)系，然后建立光筆與相機(jī)之間的關(guān)系，這種標(biāo)定方法精度不是特別高，這是測(cè)量數(shù)據(jù)中最主要的誤差來(lái)源。

5結(jié)論

針對(duì)Harris算法提取的角點(diǎn)，本文提出了一種八鏈碼搜索法和SUSAN區(qū)域法相結(jié)合的偽角點(diǎn)剔除方法，利用八鏈碼搜索法剔除內(nèi)部偽角點(diǎn)和SUSAN區(qū)域法剔除位于輪廓上的偽角點(diǎn)。最后在本文提出的“距離空間圖”匹配算法下成功實(shí)現(xiàn)了匹配，同時(shí)對(duì)利用角點(diǎn)信息來(lái)判定和定位零件的位姿誤差進(jìn)行了分析。實(shí)驗(yàn)數(shù)據(jù)顯示，本文提取的角點(diǎn)與真實(shí)角點(diǎn)間存在1～2個(gè)像素的偏差，且定位誤差在1～3 mm范圍內(nèi)。基本滿足實(shí)驗(yàn)中防碰撞系統(tǒng)提出的誤差要求。該方法與其它角點(diǎn)提取和匹配算法相比具有簡(jiǎn)單、直接、高效等特點(diǎn)。但是該方法只能針對(duì)具有明顯角點(diǎn)的零件，不適合于像球、圓柱體等具有自由曲面的零件。

參考文獻(xiàn)：

[1]馬一凡.防碰撞系統(tǒng)中零件識(shí)別研究[D].天津：天津大學(xué)，2014.

MA Y F. Research on recognition of parts in anti-collision system[D]. Tianjin:Tianjin University,2014.(in Chinese)

[2]王懷瑜.防碰撞系統(tǒng)中體素相交檢測(cè)算法的研究[D].天津：天津大學(xué)，2014.

WANG H Y. Research on an algorithm of primitive intersection detection in an anti-collision system[D]. Tianjin:Tianjin University,2014.(in Chinese)

[3]劉書(shū)桂,趙金才,李建蘋(píng),等.智能坐標(biāo)測(cè)量系統(tǒng)中零件位姿自動(dòng)識(shí)別[J].天津大學(xué)學(xué)報(bào),2006,39(10):1241-1246.

LIU SH G,ZHAO J C,LI J P,etal.. Automatic recognition for position and orientation of parts in intelligent coordinate measuring system[J].J.TianjinUniversity,2006,39(10):1241-1246.(in Chinese)

[4]馬新輝,張國(guó)雄,王建利,等.智能三坐標(biāo)測(cè)量機(jī)中零件位置自動(dòng)識(shí)別系統(tǒng)[J].儀器儀表學(xué)報(bào),2003,24(2):165-170.

MA X H,ZHANG G X,WANG J L,etal.. Autamatic recognition for the position and orientation of parts in intelligent CMM[J].ChineseJ.ScientificInstrument,2003,24(2):165-170.(in Chinese)

[5]房超,王小鵬,牛云鵬,等.基于改進(jìn)Harris算法的角點(diǎn)檢測(cè)[J].計(jì)算機(jī)與數(shù)字工程,2011,39(5):142-144.

FANG CH,WANG X P,NIU Y P,etal.. Corner detection based on an improved Harris algorithm[J].ComputerandDigitalEngineering,2011,39(5):142-144.(in Chinese)

[6]喬警衛(wèi),胡少興.三維重建中特征點(diǎn)提取與匹配算法研究[J].系統(tǒng)仿真學(xué)報(bào),2008,20:400-403.

QIAO J W,HU SH X. Research on feature point extraction and matching in 3D reconstruction[J].J.SystemSimulation,2008,20:400-403.(in Chinese)

[7]黃鳳山,劉恩福,方憶湘,等.基于智能三坐標(biāo)測(cè)量機(jī)的零件位姿單目立體視覺(jué)識(shí)別[J].光學(xué) 精密工程,2013,21(5):1326-1332.

HUANG F SH,LIU E F,FANG Y X,etal.. Single camera stereo vision recognization for parts pose based on intelligent three coordinate measuring machine[J].Opt.PrecisionEng.,2013,21(5):1326-1332.(in Chinese)

[8]許佳佳.結(jié)合Harris與SIFT 算子的圖像快速配準(zhǔn)算法[J].中國(guó)光學(xué),2015,8(4):574-581.

XU J J. Fast image registration method based on Harris and SIFT algorithm[J].ChineseOptics,2015,8(4):574-581.(in Chinese)

[9]高晶,吳育峰,吳昆,等.基于角點(diǎn)檢測(cè)的圖像匹配算法[J].儀器儀表學(xué)報(bào),2013,34(8):1717-1725.

GAO J,WU Y F,WU K,etal.. Image matching method based on corner detection[J].ChineseJ.ScientificInstrument,2013,34(8):1717-1725.(in Chinese)

[10]程德志,李言俊,余瑞星.基于改進(jìn)SIFT算法的圖像匹配方法[J].計(jì)算機(jī)仿真，2011,28(7):285-289.

CHENG D Z,LI Y J,YU R X. Image matching method based on improved SIFT algorithm[J].ComputerSimulation,2011,28(7):285-289.(in Chinese)

[11]全燕鳴,黎淑梅,麥青群.基于雙目視覺(jué)的工件尺寸在機(jī)三維測(cè)量[J].光學(xué) 精密程,2013,21(4):1054 -1061.

QUAN Y M,LI S M,MAI Q Q. On-machine 3D measurement of workpiece dimensions based on binocular vision[J].Opt.PrecisionEng.,2013,21(4):1054-1061.(in Chinese)

[12]田浩南,張葉.基于邊緣及特征點(diǎn)匹配的立體圖像質(zhì)量評(píng)價(jià)[J].液晶與顯示,2015,30(4):666-672.

TIAN H N,ZHANG Y. Quality evaluation of stereo image based on edge and characteristic point matching[J].ChineseJ.LiquidCrystalsandDisplays,2015,30(4):666-672.(in Chinese)

[13]劉書(shū)桂,余飛,韓振華.基于OpenCasCade的虛擬三坐標(biāo)測(cè)量機(jī)碰撞檢測(cè)方法[J].納米技術(shù)與精密工程,2016.

LIU SH G,YU F,HAN ZH H. Collision detection of virtual coordinate measuring machine based on OpenCasCade[J].NanotechnologyandPrecisionEngineering,2016.(in Chinese)

[14]張國(guó)雄.三坐標(biāo)測(cè)量機(jī)[M].天津:天津大學(xué)出版社,1999.

ZHANG G X.CoordinateMeasuringMachine[M]. Tianjin:Tianjin University Press,1999.(in Chinese)

[15]HARRIS C G,STEPHENS M. A combined corner and edge detector[C]. Proceedings of the 4thA Ivey Vision Conference,Manchester,UK,1988:147-151.

[16]SMITH S M. Feature based image sequence understanding[D]. Oxford,UK:Oxford University, 1992.

[17]王付新,黃毓瑜,孟 偲,等.三維重建中特征點(diǎn)提取算法的研究與實(shí)現(xiàn)[J].工程圖學(xué)學(xué)報(bào),2007,3:91-96.

WANG F X,HUANG Y Y,MENG C,etal. Research and realization of the feature point extraction algorithm in 3D reconstruction[J].J.EngineeringGraphics,2007,3:91-96(in Chinese)

[18]HARTLEY R,ZISSERMAN H.計(jì)算機(jī)視覺(jué)中的多視圖幾何[M].安徽:安徽大學(xué)出版社，2002,8:216-217,178-179.

HARTLEY R,ZISSERMAN H.MultipleViewGeometryinComputerVision[M]. Anhui:Anhui University Press, 2002,8:216-217,178-179.(in Chinese)

收稿日期:2016-04-05；

修訂日期:2016-04-26

基金項(xiàng)目：天津市自然科學(xué)基金重點(diǎn)資助項(xiàng)目(No.13JCZDJC34500)

文章編號(hào)2095-1531(2016)04-0397-08

中圖分類號(hào)：TH744.3

文獻(xiàn)標(biāo)識(shí)碼:A

doi:10.3788/CO.20160904.0397

作者簡(jiǎn)介：

髙禮圳(1991—)，男，江西吉安人，碩士研究生，主要從事圖像處理和計(jì)算機(jī)視覺(jué)方面的研究。E-mail：gaolz1002@163.com

劉書(shū)桂(1954—)，男，湖南人，教授，博士，博士生導(dǎo)師，主要從事智能坐標(biāo)測(cè)量技術(shù)、自動(dòng)測(cè)量與控制技術(shù)方面的研究 。E-mail：sgliu@tju.edu.cn

Corner extraction and matching location of parts

GAO Li-zhen, LIU Shu-gui*, HAN Zhen-hua

(StateKeyLaboratoryofPrecisionMeasuringTechnologyandInstruments,TianjinUniversity,Tianjin300072,China)*Correspondingauthor,E-mail:sgliu@tju.edu.cn

Abstract:In this paper, a set of visual inspection system is designed based on three coordinate measuring machine(CMM), and the new visual system can extract the actual spatial feature information of the parts. For the parts with corner which is on the platform of CMM, the Harris operator is used to extract corners in the images obtained from three different orientation of the CMM. For the corner points extracted by the Harris operator, this paper proposes a method of eliminating the false corners, which combines eight-chain-code false corner search method and SUSAN method. Finally, based on the principle of stereo vision, the “Distance spatial map” matching algorithm is put forward, and then the three images are matched one by one. Although the position and orientation of parts are changed for many times in the experiment, the experiment results show that there are 1-2 pixels difference between extracted corners and the real corner points, and the position error of parts is 1-3 mm. Through the experiment, the accuracy and stability of corner matching and positioning can meet the requirements, and with anti-interference and practicability as well as.

Key words:CMM;Harris operator;corner matching;stereo vision;distance spatial map

Supported by Key Project of Natural Science Foundation of Tianjin City(No.13JCZDJC34500)