歐陽美龍

（遼東學院，遼寧丹東，118003）

一種基于BP神經網絡測量物體高度的快速方法

歐陽美龍

（遼東學院，遼寧丹東，118003）

本文提出的方法是在相位測量法的基礎上，利用神經網絡建立折疊相位與高度的映射關系，不需要嚴格搭建系統(tǒng)，也不需要展開相位及標定系統(tǒng)，不必考慮由系統(tǒng)的非線性所帶來的誤差。測量結果的精度在十個微米左右，標準方差在一個微米以下，是一種快速有效且準確穩(wěn)定的機器視覺高度測量方法。

機器視覺檢測；高度測量；光柵投影；相位測量法；人工神經網絡；相位-高度映射

1 系統(tǒng)原理及組成

圖1 系統(tǒng)組成示意圖

在相位測量法中，變形光柵像可理解為三維物面對投影柵像的相位和振幅調制,即可由解調求得相位變化，并由相位—高度關系求出相對參考面的高度。典型的交叉光軸測量系統(tǒng)如圖1所示。

本實驗中求解相位值采用的是時域中的N步相移法。N 步相移法是將投影到物體上的正弦條紋移動N-1次，每次移動的相位值為 2π/N ，從而得到N幅條紋圖像，計算出各點的相位主值，再經反正切計算得到折疊相位值φ(x,y)。

折疊相位φ(x,y)與高度沒有明確的計算公式，但是存在一一對應的關系。神經網絡的功能之一就是建立輸入與輸出之間復雜的映射關系，而不需要兩者之間的對應公式。因此，若把已知的相位值φ(x,y)與高度值h(x,y)分別作為神經網絡的輸入與輸出即可得到兩者的映射關系，再求得待測物體的相位值便能得到物體的高度值。

2 實驗設計

投影儀和攝像機采取斜投正采的方式并保持一定夾角不變，一維平移臺沿z軸在豎直方向上平移，采集回的條紋圖片保存到計算機中。

2.1 實驗方法及過程

2.1.1 建立網絡映射關系

由計算機控制投影儀向一維手動平移臺上投射單條的正弦條紋，平移臺精度為0.01mm。以0.05mm的高度為間距移動平移臺，重復投射四步相移條紋圖并采集條紋圖像作為樣本圖像。利用前述的N步相移法解出樣本圖像中在各高度下條紋的相位圖，如圖2所示。在各相位圖中條紋中心位置處選取坐標相同的一點，以此點為中心向外擴展出一個N*N 的方形區(qū)域（不要超出條紋范圍），選取此區(qū)域內所有點的相位值并求取平均值，作為該點的相位值。再將得到的相位值與高度值對應，形成樣本點對，如表1所示。

圖2 解得的樣本圖像的相位圖（其中X,Y是坐標值，Index是相位值）

表1 樣本點對

將樣本點對輸入神經網絡訓練，即將由樣本圖像獲得的平均相位值作為神經網絡的輸入值，樣本集的高度值作為神經網絡的輸出值，由神經網絡的擬合功能獲得相位-高度映射關系。

圖3 神經網絡待逼近的函數

圖4 訓練結果誤差曲線

2.1.2 實物測量

首先，將平移臺調整至零刻度，并將待測量的小磁塊放置在平移臺上，再次投射相移條紋圖在小磁塊上，由攝像機采集回變形條紋圖作為神經網絡的實物圖像。將實物圖像按前述實驗方法操作，得到待測小磁塊的相位圖如圖5所示，紅色方框為待測小磁塊的大致邊緣。從實物圖像的相位圖中選定的點的平均相位值如表2所示。

表2 實物圖像中選定點的平均相位值

將由實物圖像獲得的平均相位值輸入神經網絡，由網絡的自回憶功能可得到小磁塊的高度值，結果如表3所示。

圖5 待測小磁塊的相位圖

表3 BP神經網絡參數及實驗結果

3 總結

本文中通過神經網絡建立的相位—高度映射關系，使用的是折疊相位，無需將相位進行展開操作，因此精度更高也更易于得到。

獲取樣本數據時，必須選取相位圖中同一點的相位與高度映射，該點應在光柵條紋中心范圍內大致選取，而無需嚴格位于光柵條紋的中心位置，因此更加易于選取。

若工件的擺放位置可固定已知的話，求解相位圖時便可框選出工件范圍加以計算，而無需求解整幅圖像的相位，從而降低計算量，加快求解的速度。

[1] Zhang ZH, Zhang D, Peng X, Hu XT. Performance analysis of a 3D full-field sensor based on fringe projection. Opt Lasers Eng 2004;42:341–53.

[2] Huang L, Qian KM, Pan B, Asundi AK. Comparison of Fourier transform,win-dowed Fourier transform, and wavelet transform methods for phase extraction from a single fringe pattern in fringe projection profilometry. Opt Lasers Eng 2010;48:141–8.

[3] Zhang S. Recent progresses on real-time 3D shape measurement using digital fringe projection techniques. Opt Lasers Eng 2010;149-158-48.

A Fast Method for Measuring Objects’ Height Based on BP Neural Network

OuYang Meilong
(Eastern Liaoning University,Dandong Liaoning,118003)

In this paper, a new effective and simple machine vision measuring method is proposed. This method aims at solving a problem that the central position of laser can hardly be extracted accurately in the methods for measuring objects’ height based on line structured light. This method can slove objects’phase by means of phase measuring profilometry, and build a nonlinear map between phase of structured light and height based on self-recall function of artificial neural network. Then the information of objects’height can be obtained so long as the phases of objects are known Its accuracy is about ten microns

Machine vision detection;Height measuring;Grating projection;Phase measuring profilometry;Map of phase-height;Artificial neural network