汪小涵+趙杰

[摘 要] 針對傳統(tǒng)測量方法無法滿足復雜工件尺寸在線檢測精度的問題，研究了一種由線結構光條紋中心提取、測量系統(tǒng)標定、工件尺寸三維測量三部分組成的基于線結構光視覺技術的工件尺寸在線三維測量系統(tǒng)。其中，線結構光條紋中心提取部分采用極大值法優(yōu)化光條紋區(qū)域，并結合Hessian矩陣方法提取線結構光條紋中心；測量系統(tǒng)標定部分采用基于平面標定板的相機參數(shù)標定方法和基于最小二乘法擬合的線結構光平面參數(shù)標定方法；工件尺寸三維測量部分通過聯(lián)立相機投影方程和線結構光平面方程計算工件實際尺寸。利用實際工件進行實驗研究，結果表明此測量系統(tǒng)能滿足工件測量要求。

[關鍵詞] 工件尺寸測量；線結構光；條紋中心提?。还馄矫鏄硕?；三維測量

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 21. 089

[中圖分類號] TM930 [文獻標識碼] A [文章編號] 1673 - 0194（2017）21- 0178- 05

0 引 言

工件尺寸是衡量加工工件質量優(yōu)劣的一項重要指標，工件加工過程中工件尺寸不僅是工件質量評估的依據(jù)，還為改善工件加工工藝提供重要的反饋信息，促進工業(yè)技術的進步。

隨著工業(yè)制造水平的發(fā)展，工件愈加趨于多樣化、復雜化和曲面化，導致工件尺寸測量困難，因此急需更加精確的工件尺寸測量方法。由于傳統(tǒng)的接觸式測量需要接觸工件導致其表面磨損，影響工件尺寸質量，因此非接觸式工件尺寸測量方法是目前研究的熱點[1]。

非接觸式工件尺寸測量方法主要有采用超聲波測量儀、立體視覺測量系統(tǒng)和三維激光掃描儀等來測量的方法。超聲波測量儀首先向待測工件投射超聲波，在待測工件內(nèi)部來回反射形成震蕩，然后計算超聲波往返一次的傳播時間和傳播速度，得出待測工件的高度等尺寸信息，但超聲波易受環(huán)境溫度變化影響，導致工件尺寸測量精度不高[2]。立體視覺測量系統(tǒng)采用兩臺相機從不同角度同時獲取待測工件圖像，通過立體匹配算法得出視差圖，結合三角測量原理獲取被測工件的三維尺寸信息。但由于立體匹配算法無法兼顧精度和速度的難度，達不到工件尺寸測量的要求[3]。三維激光掃描儀采用非接觸高速激光脈沖獲取工件表面的三維信息，在三維形貌檢測、大型設備檢測等領域廣泛應用，但其成本昂貴，難以普及[4]。

線結構光視覺測量技術是結合激光掃描技術和視覺處理技術的新興工件尺寸測量技術，具有實時性、高精度和通用性的優(yōu)點[5]。線結構光視覺測量工件尺寸方法首先對待測工件表面投射光束形成條紋，其次通過攝像機采集工件表面條紋圖像并計算條紋中心坐標，然后基于三角測量原理進行空間尺度變換以獲取工件三維尺寸[6]。一個完整的線結構光視覺測量系統(tǒng)包括圖像采集，線結構光條紋中心提取，測量系統(tǒng)標定，三維點云獲取四部分。其中，線結構光條紋中心提取部分和測量系統(tǒng)標定部分最為關鍵。

線結構光條紋中心提取是對條紋圖像中一定像素寬度的條紋轉化為單像素寬度條紋以獲取準確的像平面坐標[7]。目前，線結構光條紋中心提取方法主要分為兩大類，即基于形態(tài)特征的方法與基于灰度特征的方法[8]?；谛螒B(tài)特征的方法是利用條紋圖像的幾何特征、形態(tài)學特征對條紋中心進行提取，主要方法有邊緣法[9]、閾值法[10]幾何中心法[11]以及細化法[12]等?；谛螒B(tài)特征的方法實現(xiàn)簡單，處理速度快，但在處理過程中易受噪聲影響，且不具有亞像素精度?；诨叶忍卣鞯姆椒ㄊ且罁?jù)條紋橫截面灰度值呈高斯分布的特性提取條紋，主要有極值法[13]、灰度重心法[14]、曲線擬合法[15]、Hessian矩陣法[16]等。其中，極值法是求條紋上灰度值最大的點即條紋中心?；叶戎匦姆ㄊ且罁?jù)在條紋內(nèi)灰度呈高斯排列，沿條紋橫截面取灰度重心即條紋中心。曲線擬合法采用高斯曲線來擬合條紋橫截面灰度分布，但由于光照影響和工件反射率不同導致灰度分布非嚴格對稱，影響測量精度。Hessian矩陣法首先利用Hessian矩陣得到圖像中條紋的法線方向，其次沿法線方向求Hessian矩陣最大特征值對應的坐標，然后采用泰勒展開式求出亞像素位置，該方法精度高、魯棒性好，能夠完整的提取出條紋中心點，但由于進行多次大規(guī)模高斯卷積運算，處理速度低。

線結構光視覺測量系統(tǒng)標定包括相機參數(shù)標定和線結構光平面參數(shù)標定。相機參數(shù)標定是依據(jù)相機成像模型建立二維圖像點和三維空間點之間的映射關系。當前，F(xiàn)aig提出了一種非線性模型標定的非線性優(yōu)化算法，但沒有考慮相機畸變的影響[17]。Tsai提出了一種基于徑向一致性約束的非線性優(yōu)化方法，采用兩步法估算相機內(nèi)、外部參數(shù)，從而獲得較高標定精度，但對切向畸變的相機，標定精度較差[18]。Zhang提出一種棋盤格標定方法，采用線性模型估計相機參數(shù)，并對相機非畸變特性通過非線性優(yōu)化技術進一步優(yōu)選相機參數(shù)，獲得了較高精度[19]。線結構光平面參數(shù)標定是基于三角測量原理使圖像上條紋中心點和空間物點一一映射的約束信息。Huynh等使用立體靶標，基于交比不變原理計算相機坐標系下標定點的三維坐標，但由于立體標靶不同平面之間光照不同，難以獲得高質量的標定圖像[20]。文[21]提出了基于平面靶標的線結構光平面參數(shù)標定方法，標定過程中反復移動平面標靶獲取線結構光平面的標定點，并轉換到相機坐標系下，通過最小二乘優(yōu)化方法計算線結構光平面參數(shù)，具有一定的穩(wěn)定性。

本文針對當前測量方法無法滿足復雜工件尺寸檢測精度的問題，研究了一種基于線結構光視覺技術的工件尺寸在線三維測量系統(tǒng)。主要包括三部分：基于極大值條紋區(qū)域優(yōu)化方法和Hessian矩陣方法相結合的線結構光條紋中心提取部分、基于棋盤格標定法的相機參數(shù)標定和基于最小二乘擬合的線結構光平面參數(shù)標定部分、三維數(shù)據(jù)獲取部分。以精密儀器測量方法為依據(jù)，驗證工件尺寸測量系統(tǒng)的精度，結果表面所研究的系統(tǒng)滿足工件尺寸測量要求，且具有一定的通用性。

1 工件尺寸三維測量系統(tǒng)工作原理

本文所研究的工件尺寸三維測量系統(tǒng)如圖1所示，包括線結構光條紋中心提取、測量系統(tǒng)標定、工件三維信息計算三部分組成。

（1）線結構光條紋中心提取部分：首先采用閾值分割方法對條紋圖像初步提取條紋區(qū)域，并結合極大值法進一步優(yōu)化條紋區(qū)域，然后通過Hessian矩陣方法提取條紋區(qū)域中心點。

（2）測量系統(tǒng)標定部分：采用棋盤格標定方法對相機參數(shù)進行標定，并采用最小二乘法對線結構光平面參數(shù)進行標定。

（3）工件尺寸三維信息計算部分：結合相機標定參數(shù)和線結構光平面參數(shù)，采用矩陣轉換公式由圖像中條紋中心計算工件尺寸三維信息。

2 工件尺寸三維測量系統(tǒng)

2.1 線結構光條紋中心提取

在相機采集的線結構光條紋圖像中，由于條紋寬度具有幾個甚至十幾個像素，因此需要提取條紋圖像中的條紋中心。在條紋圖像中條紋中心提取是工件尺寸測量的關鍵，其提取算法的精度和速度直接影響線結構光視覺測量系統(tǒng)的性能。

首先，由于在線結構光條紋圖像中，除條紋區(qū)域外的圖像信息對條紋中心的提取是無價值的，故采用閾值分割方法式從線結構光條紋圖像中初步提取條紋區(qū)域。其次，在圖像的條紋區(qū)域中，由于光照影響和工件材質不同引起的反射率變化影響導致條紋區(qū)域灰度值出現(xiàn)異常，因此采用極大值法優(yōu)化條紋區(qū)域，不僅減少了工件材質等引起的噪聲，而且提高測量速度。最后，通過Hessian矩陣方法[16]求取亞像素精度的條紋中心點坐標。算法包括以下三部分：

（1）初步條紋區(qū)域提取

采用帶濾光片的相機對工件進行拍攝，在采集線結構光條紋圖像中，條紋部分的灰度值明顯大于其他部分的灰度值，因此采用閾值分割方法對圖像條紋區(qū)域進行提取，如式（1）所示。

（2）條紋區(qū)域優(yōu)化

由于線結構光的特性，理想條紋區(qū)域的灰度值應呈高斯分布，但由于外界光照影響及工件表面反射率不同的影響導致提取的條紋區(qū)域灰度值有異常。為了減小異常值的影響，采用極大值方法搜索條紋區(qū)域灰度最大值，在灰度最大值坐標附近選擇τ個像素對條紋區(qū)域進行優(yōu)化，如式（2）所示。

3 實驗結果與分析

本文所研究的基于線結構光視覺技術的工件尺寸在線三維測量系統(tǒng)實驗平臺如圖2所示。其中，采用DO3THINK公司、型號為CFV130M-H2、分辨率為1024*1280的黑白相機，采用焦距為8 mm 的computar鏡頭，采用功率線結構光發(fā)射器的功率為20 mW，波長為650 nm，濾光片的直徑為30.5 mm，波長為650 nm。

（1）線結構光條紋中心提取

本文采用復雜工件以驗證三維測量系統(tǒng)的精度，其復雜工件尺寸如圖3（a）所示，帶濾光片的黑白相機采集的工件條紋圖像如圖3（b）所示。采用2.1所述的線結構光條紋中心提取算法對其進行處理，結果如圖3（c）所示。

由上述誤差曲線分析可知，本文所提方法具有更加穩(wěn)定的優(yōu)點，能有效去除外界的影響，且實際測得算法時間在50～70 ms，滿足在線檢測的要求。

（2）測量系統(tǒng)標定

采用2.2所述的標定方法對測量系統(tǒng)進行標定，其平面標定板如圖5所示，則系統(tǒng)標定參數(shù)如表1所示。

（3）工件測量

為了驗證所研究工件尺寸測量系統(tǒng)的精度，以精密儀器測得工件尺寸大小為依據(jù)，測得結果如表2所示。可以看出，最大測量誤差在0.1 mm左右，故此系統(tǒng)測量誤差在0.2mm以內(nèi)，符合工件尺寸測量要求。其工件尺寸三維測量數(shù)據(jù)如圖6所示。

4 結 論

本文研究了一種基于線結構光視覺技術的工件尺寸在線三維測量系統(tǒng)，其主要創(chuàng)新之處在于改進了傳統(tǒng)的Hessian矩陣線結構光條紋中心提取方法以滿足復雜工件檢測精度和速度的要求。由條紋中心數(shù)據(jù)結合相機標定參數(shù)計算復雜工件尺寸，通過實驗進行對比分析。結果表明，所研究的測量系統(tǒng)能夠獲得較滿意的測量精度，且具有一定的通用性。因此，可應用于實際工件制造業(yè)中工件尺寸的測量，為工件加工過程提供重要的反饋信息。在進一步的工作中，如何獲得更精確的工件尺寸以及更高效檢測速度是下一步研究的重點內(nèi)容。

主要參考文獻

[1]全燕鳴，黎淑梅，麥青群，等. 基于雙目視覺的工件尺寸在機三維測量[J]. 光學精密工程， 2013， 21（4）：1054-1061.

[2]張步超. 一種高精度的超聲波厚度測量儀[J]. 儀器儀表標準化與計量， 2005（6）：35-36.

[3]張旭蘋， 汪家其， 張益昕， 等. 大尺度三維幾何尺寸立體視覺測量系統(tǒng)實現(xiàn)[J]. 光學學報， 2012， 32（3）：140-147.

[4]周森， 郭永彩， 高潮. 基于激光掃描的大尺寸圓錐體幾何測量系統(tǒng)[J]. 中國激光，2014（5）：211-220.

[5]宋大虎， 李忠科， 程春霞， 等. 基于線結構光的三維坐標測量技術研究[J]. 計算機工程， 2012， 38（22）：291-292.

[6]易宗超. 基于線激光的列車外輪廓三維測量和限界檢測[D]. 武漢：華中科技大學，2012.

[7]劉斌，沈康，魏兆超，等. 基于線結構光視覺技術的微小直徑高精度測量系統(tǒng)[J]. 儀器儀表學報， 2014（S2）.

[8]胡斌， 李德華， 金剛，等. 基于方向模板的結構光條紋中心檢測方法[J]. 計算機工程與應用， 2002， 38（11）：59-60.

[9]Kweon I S， Kanade T. Extracting Topographic Terrain Features from Elevation Maps[J]. Cvgip Image Understanding， 1994， 59（2）：171–182.

[10]Rioux M， Bird T. White Laser， Synced Scan （3D Scanner）[J].IEEE Computer Graphics & Applications， 1993， 13（3）：15-17.

[11]Lorenz C， Carlsen I C， Buzug T M， et al. Multi-scale line segmentation with automatic estimation of width， contrast and tangential direction in 2D and 3D medical images[C]//CVRMed-MRCAS'97. Springer Berlin Heidelberg，1997.

[12]Lam L， Lee S W， Suen C Y. Thinning methodologies-a comprehensive survey[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2002， 14（9）：869-885.

[13]雷海軍， 李德華， 王建永，等. 一種結構光條紋中心快速檢測方法[J]. 華中科技大學學報：自然科學版， 2003， 31（1）：74-76.

[14]Jedynak B， Rozé J P. Tracking Roads in Satellite Images by Playing Twenty Questions[C]//Automatic Extraction of Man-Made Objects from Aerial and Space Images，1995：33F-41F.

[15]Steger C. An Unbiased Detector of Curvilinear Structures[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，1998，20（2）：113-125.

[16]Wu F C， Wang Z H， Hu Z Y. Cayley Transformation and Numerical Stability of Calibration Equation[J]. International Journal of Computer Vision， 2009， 82（2）：156-184.

[17]Tsai R Y. An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision[C]//ProceedingsIEEE Conference.on Computer Vision & Pattern Recognition， 1986：364-374.

[18]Zhang Z. A Flexible New Technique for Camera Calibration[C]//IEEE Transactions on Pattern Analysis and Machine Intelligence，2000， 22（11）： 1330-1334.

[19]Huynh D Q， Owens R A， Hartmann P E. Calibrating a Structured Light Stripe System： A Novel Approach[J]. International Journal of Computer Vision， 1999， 33（1）：73-86.

[20]許麗， 張之江. 結構光測量系統(tǒng)的誤差傳遞分析[J]. 光學精密工程， 2009， 17（2）：306-313.

[21]余樂文， 張達， 張元生. 基于線結構光的三維測量系統(tǒng)關鍵技術研究[J]. 光電子·激光， 2016（2）：156-161.