賈振元,樊超楠,劉 巍,楊景豪,徐鵬濤
(大連理工大學(xué) 機械工程學(xué)院,遼寧 大連 116024)
?
雙目視覺測量中等匹配點的光條中心提取
賈振元,樊超楠,劉巍*,楊景豪,徐鵬濤
(大連理工大學(xué) 機械工程學(xué)院,遼寧 大連 116024)
為了精確、快速提取激光條中心,使其提取結(jié)果更適用于工業(yè)現(xiàn)場特征尺寸的雙目視覺測量,提出了一種等匹配點的激光條中心提取方法。利用灰度重心法粗提取出激光條中心點,計算灰度梯度方向,確定光條邊界。接著,根據(jù)左右圖像中激光條的粗提取結(jié)果確定基準(zhǔn)光條,對另一幅圖像中的對應(yīng)光條進行插值。然后結(jié)合灰度梯度方向與插值結(jié)果對激光條進行重提取,得到等匹配點的亞像素中心坐標(biāo)。最后,利用激光條中心點提取結(jié)果重建陶瓷平板、金屬板表面及加工現(xiàn)場鍛件表面的特征信息。實驗結(jié)果表明,本文方法提取陶瓷板與金屬板的激光條中心點的匹配率分別為99.887%與98.276%,寬度重建的相對誤差分別為0.638%與0.488%,激光條中心提取結(jié)果能有效重建鍛件表面的特征信息,滿足工業(yè)現(xiàn)場對測量的精度、速度和魯棒性要求。
雙目視覺測量;光條中心提?。坏绕ヅ潼c;亞像素
作為機器視覺方法中的一種,雙目立體視覺技術(shù)以其精度高、實時在線、非接觸及可獲取全域信息等優(yōu)勢在工程測量中得到了廣泛應(yīng)用[1-3]。雙目立體視覺測量系統(tǒng)通常采用線激光作為輔助光源,利用雙目攝像機采集激光條的原始數(shù)據(jù)。由于激光器投射出的激光條在被測物表面具有一定寬度,雙目攝像機采集到的激光條也具有一定寬度,需要通過提取圖像中激光條中心點重建測量所需要的特征信息,得到測量要求的尺寸或形貌參數(shù)[4-5]。因此,激光條中心點提取是雙目視覺測量中的重要環(huán)節(jié),準(zhǔn)確、高效地提取出激光條中心點對提高雙目視覺測量的精度、速度、魯棒性極為重要。
傳統(tǒng)的光條中心提取方法主要利用光條自身的幾何屬性及其灰度信息,包括曲線擬合法和灰度重心法等[6]。然而,這些方法均未考慮截面的方向問題。Steger利用Hessian陣計算了光條方向,在光條的法矢量方向上提取中心點[7-8],這是一種高精度的光條提取算法,然而較大的計算量及復(fù)雜的參數(shù)設(shè)置限制了它在工業(yè)現(xiàn)場的應(yīng)用。針對各類光條提取方法的優(yōu)勢以及不同的應(yīng)用需求,眾多學(xué)者展開了研究,以期獲得更具適應(yīng)性的中心提取結(jié)果。熊會元等人在利用閾值法獲取光條中心初值的基礎(chǔ)上,以灰度梯度與Bazen方法確定中心提取的截面方向,從而獲得了精確的光條中心[9]。賈倩倩等人以光條中點的梯度方向確定光條的法向,設(shè)定合理的梯度閾值實現(xiàn)了光條中心的亞像素提取[10]。趙博華等人提出了一種適用于粗糙金屬表面的光條中心提取方法,通過對噪聲來源及其特性進行分析有效去除了光條投射在粗糙金屬表面上時常見的噪聲,利用灰度重心法提取出了光條的中心[11]。田慶國等人通過多邊形表征輪廓線實現(xiàn)激光條的分段,對每段光條分別確定提取的截面方向,利用灰度重心法實現(xiàn)了截面內(nèi)光條中心的快速高精度提取[12]。劉振等人在灰度閾值的基礎(chǔ)上以互相關(guān)值區(qū)分光條的有效區(qū)域與噪聲,通過曲線擬合法提取中心點,提高了曲線擬合法的抗干擾性和魯棒性[13]。李鳳嬌等人利用細化光條的方式得到光條中心初值,并在此基礎(chǔ)上選取最優(yōu)的高斯核方差求得光條的亞像素中心,有效解決了高反光環(huán)境下光條中心的高精度提取問題[14]。上述方法考慮到了激光條中心提取的速度、方向性與算法的抗噪性,解決了不同環(huán)境下激光條中心精確提取存在的問題,然而并未針對提取結(jié)果在雙目視覺系統(tǒng)下的魯棒性開展研究。
本文提出了一種基于等匹配點需求的激光條中心點提取方法。在分析雙目視覺系統(tǒng)測量原理及工業(yè)現(xiàn)場測量環(huán)境中光條特性的基礎(chǔ)上,利用灰度重心法粗提取由左右攝像機同時采集得到的被測物表面的激光條中心,計算光條的灰度梯度,判斷光條邊界;通過比對兩幅圖像的粗提取結(jié)果確定基準(zhǔn)光條及需要插值的對應(yīng)光條,并進行激光條中心點的重提取,得到滿足一一對應(yīng)關(guān)系的特征點;最后,利用極線約束對提取結(jié)果進行匹配并重建待測物表面的特征信息,并通過實驗驗證了本文提出的激光條中心點提取方法的精度及現(xiàn)場測量的速度和魯棒性。
2.1雙目視覺測量系統(tǒng)
本文采用的雙目視覺測量系統(tǒng)由輔助光源(激光器)、雙目攝像機(左攝像機、右攝像機)、圖形工作站以及待測物體組成,如圖1所示。測量前,需要對整個測量系統(tǒng)進行標(biāo)定,以確定攝像機所拍攝的圖像、攝像機及被測物之間的空間關(guān)系。測量時,激光器發(fā)出線狀光投射到待測物體表面作為特征信息,雙目攝像機采集激光條及待測物圖像,圖形工作站處理激光條的特征信息,然后利用系統(tǒng)標(biāo)定結(jié)果進行左右攝像機特征信息的匹配,完成特征的三維重建,獲得待測物體的幾何尺寸。
圖1 雙目視覺測量系統(tǒng)示意圖
圖2 雙目視覺測量原理圖
實際測量中,攝像機獲取的待測物表面激光條圖像具有一定寬度,采用圖像中激光條的中心點作為尺寸測量的有效特征信息。如圖2所示,以被測物表面激光條上在世界坐標(biāo)系OXWYWZW的3個空間點P1,P2,P3為例,P1l,P2l,P3l及P1r,P2r,P3r分別為左右攝像機拍攝圖像中的點基元,通過攝像機標(biāo)定技術(shù)可確定以兩攝像機光心Ol,Or為原點的左右攝像機坐標(biāo)系之間的空間位置關(guān)系參數(shù)Rc,Tc及它們與世界坐標(biāo)系的空間位置關(guān)系參數(shù)Rl,Tl和Rr,Tr,進而得到標(biāo)定參數(shù)R,T。利用左右圖像中P1l,P2l,P3l及P1r,P2r,P3r的精確二維坐標(biāo),點基元間的一一對應(yīng)關(guān)系以及標(biāo)定參數(shù),可重建P1,P2,P3的空間三維坐標(biāo)。因此,在由左右攝像機拍攝的激光條圖像進行三維重建還原被測物尺寸的過程中,激光條中心點的提取精度及提取后左右圖像中點基元匹配的準(zhǔn)確性,對三維重建的精度、速度及魯棒性至關(guān)重要。
2.2加工現(xiàn)場雙目視覺測量的光條特性分析
在雙目視覺測量中,理論上激光條光強在其截面服從高斯分布,然而在實際測量環(huán)境下,拍攝圖像受到各種因素的影響,光條強度并不嚴格服從高斯分布[15]。分析在鍛件廠使用CCD攝像機獲取的鍛件表面的激光條圖像,結(jié)果如圖3所示。
(a)實際拍攝的光條圖像
(b)圖像灰度分布
如圖3(a)所示,選取整體灰度分布較為均勻的光條,對同一根激光條上的5個不同截面位置討論其截面灰度的分布情況,圖3(b)為激光條不同位置的截面灰度分布。由此可知,選取的截面位置不同,光條在截面內(nèi)的灰度分布不同且差異較大。因此,在加工現(xiàn)場的在線測量中,利用同一種曲線模型進行光條截面能量的擬合會有較大的提取誤差。HESSIAN陣方法的計算量較大且參數(shù)設(shè)置復(fù)雜,而灰度重心法能夠減小因激光條形態(tài)不對稱、灰度分布不均勻等引起的誤差,且對截面位置的改變不敏感,較一般的中心提取方法的魯棒性更強,同時兼顧了提取精度與速度[16],所以在線測量中灰度重心法的應(yīng)用更為廣泛。
常用的光條中心提取算法通常以某一方向的像素為單位確定光條中心點提取的橫截面位置,并在該橫截面內(nèi)進行激光條中心點的精確提取。對于雙目視覺測量系統(tǒng)來說,測量過程中左右攝像機視場不可避免地存在差別,以像素為單位確定提取位置的方法往往導(dǎo)致左右圖像中同一激光條提取出的中心點數(shù)量不一致。本文選取加工現(xiàn)場雙目視覺測量系統(tǒng)采集到的激光條邊界較為清晰的左右圖像,對其中5根激光條以每行像素為橫截面的方式進行中心點提取,提取后的中心點數(shù)量如表1所示。
表1 左右圖像激光條中心點數(shù)量
由于雙目視覺測量系統(tǒng)的布局受工業(yè)現(xiàn)場環(huán)境的限制,左右攝像機視場存在差別,因而其左右圖像的光條點數(shù)不一致。左右圖像中待匹配的中心點實際上并不嚴格對應(yīng)被測物表面的同一個真實點,將它們強行匹配會影響后續(xù)的重建結(jié)果,從而影響測量精度。
雙目視覺測量系統(tǒng)精準(zhǔn)測量的前提是特征信息的高精度獲取。考慮到激光條的灰度特性,同時使提取結(jié)果更有利于提高測量后續(xù)匹配和重建的精度,本文提出了等匹配點的激光條中心提取方法。采用灰度重心法進行激光條中心的粗提取,以左右圖像中同一激光條粗提取中心點數(shù)量多的為基準(zhǔn)光條,對相應(yīng)激光條進行插值計算,最后對基準(zhǔn)光條及插值后激光條進行中心點重提取。
3.1光條中心粗提取
提取激光條中心前,對左右攝像機拍攝得到的二維圖像進行預(yù)處理,分離背景并降低噪聲,確定感興趣區(qū)域Iimage,在此基礎(chǔ)上根據(jù)實際的待測物的邊界信息獲取激光條的首尾邊界,進一步確定激光條特征的感興趣區(qū)域Ilaser。
根據(jù)雙目視覺測量系統(tǒng)中激光條圖像的灰度特性,選取合適的灰度閾值Gthreshold,根據(jù)式(1)對圖像進行二值化處理:
(1)
其中:0-uv為圖像坐標(biāo)系,g(u,v)表示像素坐標(biāo)為(u,v)的像素點對應(yīng)的灰度值。若f(u,v)=0,則像素點(u,v)為背景;若f(u,v)=1,則像素點(u,v)為有效信息點。保留f(u,v)=1的所有像素點(u,v),構(gòu)成二維圖像感興趣區(qū)域Iimage。
在圖像獲取過程中,以激光條整體的近似方向為坐標(biāo)軸ov方向。沿ov方向提取以單像素為單位ou方向內(nèi)激光條的灰度重心點,如式(2)所示,可求得每行像素的激光條中心點坐標(biāo):
(2)
其中:vi為第i行像素所對應(yīng)的像素點在ov方向的坐標(biāo)值,則(u,vi)為第i行像素所對應(yīng)的所有像素點,所得(uic,vic)為第i行像素內(nèi)的激光條中心像素坐標(biāo)初值。遍歷Iimage內(nèi)的每行像素點,可求得激光條所有中心點的像素坐標(biāo)初值。
在雙目視覺測量系統(tǒng)所獲取的圖片中,由于被測物及背景的表面屬性不同且具有一定的空間關(guān)系,其二維圖像的灰度分布也并不相同,對Iimage中粗提取出的激光條中心點進行灰度值及幾何位置變化的相關(guān)判斷,可確定激光條投射在待測物表面的首尾邊界點。
對g(u,v)求取偏導(dǎo)數(shù)可得到(uic,vic)對應(yīng)的灰度梯度值(uic,vic),即有:
(3)
如圖4所示,根據(jù)圖像灰度的分布特性,灰度梯度的絕對值在邊緣處較大,可利用激光條中心點(uic,vic)在ov方向的梯度值絕對值|vic|判斷激光條在待測物邊界處的中心點坐標(biāo)。根據(jù)實際測量情況選取合適的灰度梯度閾值vthreshold,以式(4)作為邊界判斷條件進行判斷:
(4)
如圖4(a)所示,比較滿足邊界條件的像素中心點在ov方向的坐標(biāo)值,可得到激光條的首尾邊界中心點。實際測量過程中,不是所有的待測物邊緣都具有比較明顯的梯度變化,在圖像灰度基本呈現(xiàn)一致的情況下,基于灰度變化的定位方式會失效?;诠鈼l的連續(xù)性,待測物與背景之間的空間位置關(guān)系會使光的曲率發(fā)生變化,如圖4(b)所示,可以利用光條中心線曲率的變化來定位這一類邊界點。將光條邊界點附近的中心點進行曲線擬合得到F(u,v)=0,根據(jù)零穿越定理在最大曲率變化處有F″(u,v)=0,即為邊界點的位置。
(a)灰度梯度變化定位(a)Localization withgray gradient
(b)曲率變化定位(b)Localization with curvature change
3.2插值與光條中心重提取
左右激光條圖像粗提取操作得到的中心點數(shù)量不相同,對另一幅圖像的激光條插值進行光條中心重提取。
根據(jù)3.1節(jié)可得左右圖像中激光條的有效中心點,其點數(shù)分別為nL,nR。在左右圖像中對同一根光條的中心點數(shù)進行比較,確定插值單位q,即:
(5)
插值點ov方向的坐標(biāo)計算方法為:
v=v1+i·q,i=1,2,3,…,n,
(6)
其中:v1為待插值光條起始點ov方向的坐標(biāo),n為基準(zhǔn)圖像中光條中心點的數(shù)量。
對基準(zhǔn)光條及插值后的圖像進行光條精提取,確定精提取的激光條中心點的搜索方向l:
(7)
對每個中心點初值按其所對應(yīng)的l方向確定中心點的感興趣區(qū)域Icentre:
(8)
求取激光條在該方向內(nèi)的灰度重心,得到:
(9)
其中:g(u,v)為(u,v)對應(yīng)的灰度值。
插值光條在精提取后,光條中心提取的光條中心點分布均勻,且左右圖像中激光條中心點數(shù)相等。按順序一致性原則設(shè)定左右圖像中對應(yīng)點為初始匹配點對,利用標(biāo)定結(jié)果與極線約束剔除初始匹配點對中的粗大誤差,可實現(xiàn)中心點的一一匹配。
應(yīng)用Matlab實現(xiàn)本文方法,利用實驗室自主搭建的雙目視覺測量系統(tǒng)進行實驗。如圖5所示,采用兩臺裝有50 mm定焦鏡頭且分辨率為4 008 pixel×2 672 pixel的SVS11002C攝像機,采用450 nm藍紫激光器作為線激光光源,圖形工作站為HP-Z820。
圖5 雙目視覺測量系統(tǒng)
4.1實驗室實驗
4.1.1方法對比實驗
為驗證本文方法應(yīng)用在雙目視覺測量中的優(yōu)勢,選取800 mm×600 mm的標(biāo)準(zhǔn)陶瓷平板作為被測物進行實驗室實驗,視場為2 m×1.4 m。選用工業(yè)測量現(xiàn)場應(yīng)用最為廣泛的灰度重心法作為對比,分別利用灰度重心法和本文方法提取被測物表面的激光條。
由表2可見,直接利用灰度重心法得到的左右圖像的激光條中心點數(shù)量相差較大,而利用本文方法得到的激光條中心點數(shù)量一致。采用極線約束方法匹配提取出的激光條中心點構(gòu)成的初始匹配點對,本文提出的激光條中心點提取方法得到的提取結(jié)果匹配率達到99.887%。
表2 灰度重心法與本文方法提取點數(shù)
基于三角原理[16-17]對兩種方法得到的匹配點進行三維重構(gòu)。如圖6(a)所示,直接利用灰度重心法得到的重建結(jié)果中存在如下問題:
(1)誤匹配點較多。表現(xiàn)為圖中明顯的離散噪聲,主要因為提取結(jié)果不滿足極線約束或存在共極線現(xiàn)象。
(2)大量特征信息丟失。這是由于提取結(jié)果中心的點數(shù)量相差較大,所以在利用極線約束進行匹配的過程中易因中心點不滿足約束條件、匹配初值選取不當(dāng)而導(dǎo)致無法匹配,如圖6(a)中光條8、9缺失邊界信息,無法用于后續(xù)測量。數(shù)據(jù)量的減少將極大影響測量精度。
(3)缺少邊界信息判斷。邊界信息對于實現(xiàn)工業(yè)現(xiàn)場特征尺寸的測量具有重要意義,因提取方法缺少邊界識別的過程,故需要對重建數(shù)據(jù)進行邊界信息的判斷,從而增大了工業(yè)現(xiàn)場還原長度、高度及軸類直徑等特征尺寸的難度。
(b)灰度重心法
(a)本文方法
相比之下,如圖6(b)所示,本文的提取方法得到了等量的光條中心點,可構(gòu)成合理的初始匹配點對,有效避免了漏匹配與誤匹配,保證了測量所需數(shù)據(jù)的完整性。此外,本文方法利用灰度梯度變化識別待測物邊界,可得到清晰的邊界信息,便于還原工業(yè)現(xiàn)場需要測量的特征尺寸。以高度為測量對象,進一步處理圖中光條中心點的重建數(shù)據(jù),可得陶瓷板高度為596.172 mm,相對誤差為0.638%。而灰度重心法由于需要手動選取待測物邊界并剔除被測物外的數(shù)據(jù)點,不能達到工業(yè)現(xiàn)場的測量需求。
4.1.2魯棒性驗證實驗
為驗證本文方法的魯棒性,選取標(biāo)準(zhǔn)金屬平板進行驗證實驗,被測物大小為800 mm×600 mm,平面度為0.2 mm,實驗視場為2 m×1.4 m,如圖7所示。
圖7 金屬板測量實驗
改變激光條投射方向與金屬板位置并采集圖像,分別進行5組實驗,每組實驗投射10根激光條,測量結(jié)果如表3所示。利用本文方法提取激光條中心后,匹配點的平均匹配率達到98.276%,保證了用于信息的數(shù)據(jù)量滿足測量的需求。重建匹配點三維信息,用于擬合平面的重建點均方根誤差值均在0.180 9~0.222 0 mm,符合工業(yè)現(xiàn)場對測量所需數(shù)據(jù)點的魯棒性要求。激光條中心點用于重建待測目標(biāo)高度的平均值為597.073 mm,平均誤差為0.488%,滿足高度重建的精度要求。
表3 魯棒性驗證實驗結(jié)果
4.2現(xiàn)場應(yīng)用
為驗證利用本文提出方法在工業(yè)現(xiàn)場測量的可靠性,這里對鍛件加工現(xiàn)場的熱態(tài)鍛件進行了測量。圖8(a)為投射有激光條的待測方形鍛件表面,圖8(b)為利用本文提出方法實時重建所得到的三維數(shù)據(jù),鍛件高度的測量結(jié)果為1 438.7 mm。
(a)待測方形鍛件
(b)三維重構(gòu)結(jié)果
圖9(a)為投射有激光條的待測軸類鍛件表面,圖9(b)為利用本文提出方法實時重建所得到的三維數(shù)據(jù),尺寸為800 mm×600 mm。
(a)待測軸類鍛件
(b)三維重構(gòu)結(jié)果
將圖9(b)所示鍛件表面的8根光條從左至右進行編號,依次求取對應(yīng)位置鍛件直徑的近似值,其結(jié)果如表4所示。測量結(jié)果表明,直徑從左至右依次增大,符合熱態(tài)鍛件的實際形貌特征。
表4 鍛件直徑的測量結(jié)果
實驗結(jié)果表明,利用本文方法得到的提取結(jié)果構(gòu)成了合理的初始匹配點對,在提高匹配速度的同時有效避免了漏匹配與誤匹配,保障了重建特征信息的數(shù)據(jù)量。提取過程中待測物邊界的識別,對于現(xiàn)場重建數(shù)據(jù)的處理以及特征尺寸還原也具有重要意義。因此,本文方法可以滿足工業(yè)現(xiàn)場對雙目視覺測量的速度、精度及魯棒性要求。
本文提出了一種適用于雙目視覺測量的等匹配點光條中心提取方法,利用灰度重心法得到粗提取結(jié)果確定基準(zhǔn)光條,對其對應(yīng)的激光條進行插值,在此基礎(chǔ)上提取激光條中心,獲得左右匹配點數(shù)量相同的特征信息。該方法考慮到雙目視覺測量系統(tǒng)中后續(xù)匹配、重建對光條中心點提取結(jié)果的需求,對確定光條橫截面的單位進行插值,在滿足激光條中心提取精度的基礎(chǔ)上保證了左右圖像中光條中心點的數(shù)量一致,利于測量中特征點信息的匹配和重建構(gòu)造合理初值,降低了對匹配算法的要求。利用該提取方法在2 m×1.4 m視場內(nèi)進行了實驗室實驗,陶瓷平板上的10根激光條提取結(jié)果理想,提取后的匹配魯棒性好,測量陶瓷平板及金屬板的高度相對誤差分別為0.638%和0.488%。本文方法對加工現(xiàn)場鍛件表面特征信息的提取結(jié)果可重建出鍛件的特征尺寸,且測量結(jié)果穩(wěn)定,滿足加工現(xiàn)場的測量需求。
[1]WANG J, WANG X, LIU F,etal.. Modeling of binocular stereo vision for remote coordinate measurement and fast calibration [J].OpticsandLasersinEngineering, 2014, 54: 269-274.
[3]SUN J, MA H, ZENG D. Three-dimensional infrared imaging method based on binocular stereo vision [J].OpticalEngineering, 2015, 54(10):103111.
[4]SUN Q, CHEN J, LI C. A robust method to extract a laser stripe centre based on grey level moment [J].OpticsandLasersinEngineering, 2015, 67: 122-127.
[5]USAMENTIAGA R, MOLLEDA J, GARCIA D F,etal.. Flatness measurement using two laser stripes to remove the effects of vibrations[C].Vancouver,BC,Canada:InstituteofElectricalandElectronicsEngineersInc., 2014:4296-4304.
[6]李瑩瑩,張志毅,袁林. 線結(jié)構(gòu)光光條中心提取綜述 [J]. 激光與光電子學(xué)進展, 2013, 10(10): 9-18.LI Y Y, ZHANG ZH Y, YUAN L. Survey on linear structured light stripe center extraction [J].Laser&OptoelectronicsProgress, 2013,10(10): 9-18.(in Chinese)
[7]STEGER C. An unbiased detector of curvilinear structures [J].PatternAnalysisandMachineIntelligence,IEEETransactionson, 1998, 20(2): 113-125.
[8]STEGER C.ExtractingCurvilinearStructures:ADifferentialGeometricApproach[M]. Computer Vision—ECCV’96, Springer,1996: 630-641.
[9]熊會元,宗志堅,陳承鶴. 線結(jié)構(gòu)光條紋中心的全分辨率精確提取[J]. 光學(xué) 精密工程,2009, 17(5): 1057-1062
XIONG H Y, ZONG ZH J, CHEN CH H. Accurately extracting full resolution centers of structured light stripe [J].Opt.PrecisionEng., 2009, 17(5): 1057-1062.(in Chinese)
[10]賈倩倩,王伯雄,羅秀芝. 光切法形貌測量中光條中心的亞像素提取[J]. 光學(xué) 精密工程,2010, 18(2): 390-396.
JIA Q Q, WANG B X, LUO X ZH. Extraction of central positions of light stripe in sub-pixel in 3D surface measurement based on light sectioning method [J].Opt.PrecisionEng., 2010, 18(2): 390-396.(in Chinese)
[11]趙博華,王伯雄,張金,等. 粗糙金屬表面光條中心提取方法[J]. 光學(xué) 精密工程,2011,18(9): 2138-2145.
ZHAO B H, WANG B X, ZHANG J,etal.. Extraction of laser stripe center on rough metal surface [J].Opt.PrecisionEng., 2011,18(9): 2138-2145.(in Chinese)
[12]田慶國,葛寶臻,李云鵬,等. 利用輪廓線多邊形表示實時提取光帶中心線[J]. 光學(xué) 精密工程,2012,19(6): 1357-1364.
TIAN Q G, GE B ZH, LI Y P,etal.. Real-time extraction of light stripe central line based on contour polygonal representation [J].Opt.PrecisionEng., 2012,19(6): 1357-1364.(in Chinese)
[13]劉振,李聲,馮常. 基于互相關(guān)算法的激光條紋中心提取[J]. 中國激光,2013, 40(5): 197-202.
LIU ZH, LI SH, FENG CH. Laser stripe center extraction based on cross-correlation algorithm [J].ChineseJ.Lasers, 2013,40(5):197-202.(in Chinese)
[14]李鳳嬌,李小菁,劉震. 基于多尺度分析的激光光條中心點坐標(biāo)提取方法[J]. 光學(xué)學(xué)報,2014, 11(11): 103-108.
LI F J, LI X J, LIU ZH. A multi-scale analysis based method for extracting coordinates of laser light stripe centers [J].ActaOpticaSinica, 2014,34(11):103-108.(in Chinese)
[15]ZHANG Y, LIU W, LI X,etal.. Accuracy improvement in laser stripe extraction for large-scale triangulation scanning measurement system [J].OpticalEngineering, 2015, 54(10): 105108.
[16]張廣軍.視覺測量[M]. 北京:科學(xué)出版社,2008.
ZHANG G J.VisionMeasurement[M]. Beijing: Science Press,2008.(in Chinese)
[17]邾繼貴,于之靖.視覺測量原理與方法[M]. 北京:機械工業(yè)出版社, 2011.
ZHU J G, YU ZH J.ThePrincipleofVisionMetrology[M]. Beijing: China Machine Press, 2011.(in Chinese)
賈振元(1963-),男,遼寧朝陽人,博士,教授,博士生導(dǎo)師,1980年、1984年、1987年于大連理工大學(xué)分別獲得學(xué)士、碩士、博士學(xué)位,主要研究方向為精密/特種加工和精密測量、精密控制。E-mail:jzyxy@dlut.edu.cn
劉巍(1979-),男,內(nèi)蒙赤峰人,博士,副教授,博士生導(dǎo)師,2007年于大連理工大學(xué)獲得博士學(xué)位,主要從事功能材料與智能控制等方面的研究。E-mail:lw2007@dlut.edu.cn
(版權(quán)所有未經(jīng)許可不得轉(zhuǎn)載)
Extraction of laser stripe centers based on equal matching points for binocular vision measurement
JIA Zhen-yuan, FAN Chao-nan, LIU Wei*, YANG Jing-hao, XU Peng-tao
(CollegeofMechanicalEngineering,DalianUniversityofTechnology,Dalian116024,China)
*Correspondingauthor,E-mail:lw2007@dlut.edu.cn
In order to extract laser stripe centers accurately and quickly and provide more suitable extraction results for binocular vision measurement of feature dimension, a laser stripe center extraction method with equivalent matching point was proposed. The gray centroid method was employed to extract central points of laser stripe, to calculate gray-gradient directions and to determine boundaries of laser stripe. Then coarse extraction results of laser stripe in the left and right images were used to determine reference laser stripe, with which the interpolation of corresponding laser stripe in another image was conducted. The laser stripes were extracted again based on gray-gradient directions and interpolation results and then sub pixel center coordinate with equivalent matching point was gained. Afterwards, the central point extraction results of the laser stripe were used to reconstruct surface feature information of ceramic plate, metal plate and forge piece on processing site. Experimental results show that, matching ratio for extraction of laser stripe centers of ceramic plate and metal plate with this method reaches 99.887% and 98.276% respectively as well as relative error for reconstruction of width is 0.638% and 0.488% respectively. Center extraction results of laser stripe can rebuild surface feature information of forge piece effectively and can meet measurement accuracy, speed and robustness requirement on industrial site.
binocular vision measurement; extraction of laser stripe centers; equivalent matching points; subpixel
2016-01-18;
2016-03-15.
國家自然科學(xué)基金資助項目(No.51227004,No.51375075);遼寧省自然科學(xué)基金資助項目(No.2014028010);國家973重點研究發(fā)展計劃資助項目(No.2014CB46504);創(chuàng)新研究群體科學(xué)基金資助項目(No.51321004)
1004-924X(2016)07-1582-10
TP242.62;TP751.2
Adoi:10.3788/OPE.20162407.1582