房家軍，郁漢琪，花慧敏

(南京工程學(xué)院，江蘇 南京 211167)

1 引言

在科學(xué)技術(shù)不斷發(fā)展的背景下，很多制造行業(yè)的新技術(shù)被研發(fā)出來(lái)，并且在行業(yè)發(fā)展中起到非常重要的作用。制造工業(yè)的發(fā)展帶動(dòng)了工件生產(chǎn)數(shù)量的增長(zhǎng)，在這樣的情況下，工廠對(duì)工件尺寸測(cè)量有了更高的要求。在需要重復(fù)性工作的情況下，人工視覺(jué)在長(zhǎng)時(shí)間工作中保持集中狀態(tài)變得困難，這導(dǎo)致諸如測(cè)量效率差，精度低和損壞工作面等問(wèn)題，這些問(wèn)題如果不能夠及時(shí)得到解決，那么就會(huì)影響到最終工件生產(chǎn)的質(zhì)量和使用壽命。如果使用手工測(cè)量的方式，不僅需要消耗大量的時(shí)間、人力，而且測(cè)量精度也無(wú)法得到保障。利用雙目立體相機(jī)能夠快速有效的捕捉到測(cè)量對(duì)象的特征參數(shù)，完成非接觸式工件尺寸的高效測(cè)量，因此得到了大多數(shù)制造公司的歡迎，在國(guó)內(nèi)外工件制造業(yè)中得到很好的推廣和應(yīng)用。

本文在研究的過(guò)程中，主要采用的是Halcon提出的雙目視覺(jué)測(cè)量方法，完成了對(duì)工件尺寸的無(wú)接觸識(shí)別、定位和測(cè)量，在此基礎(chǔ)上搭建轉(zhuǎn)換模型，通過(guò)幾何方法來(lái)達(dá)到精準(zhǔn)測(cè)量的目的。在具體操作落實(shí)的過(guò)程中，可以利用雙目相機(jī)來(lái)對(duì)需要處理的圖像進(jìn)行最初處理，在此過(guò)程中可以獲得圖形的三維坐標(biāo)，通過(guò)這些坐標(biāo)來(lái)進(jìn)行幾何計(jì)算，進(jìn)而實(shí)現(xiàn)無(wú)接觸高效率的工件尺寸測(cè)量。

2 雙目視覺(jué)測(cè)量系統(tǒng)工作原理介紹

雙目視覺(jué)測(cè)量系統(tǒng)的工作原理就是要從兩個(gè)不同位置的空間點(diǎn)觀察同一物體，來(lái)獲得在不同視角下的圖像，進(jìn)而由三角幾何方法來(lái)獲取圖像像素間的視差，求得物體的空間信息。

三維空間的基礎(chǔ)組成部分是空間點(diǎn)，其三維立體結(jié)構(gòu)先由點(diǎn)組成線，然后由線組成面，最后再由面組成。因此，空間點(diǎn)的坐標(biāo)測(cè)量是雙目立體視覺(jué)研究的最基本內(nèi)容[1]。

圖1主要反映的是雙目視覺(jué)測(cè)量模型構(gòu)成情況，在等待測(cè)量的目標(biāo)兩側(cè)放置兩臺(tái)不同的攝像機(jī)，通過(guò)兩臺(tái)攝像機(jī)來(lái)對(duì)相同的目標(biāo)進(jìn)行拍攝，這樣來(lái)完成對(duì)目標(biāo)的識(shí)別、定位和測(cè)量。首先就是要在空間中隨意選擇一點(diǎn)，設(shè)置為P(X，Y，Z)，在此左右側(cè)找到相應(yīng)的投影坐標(biāo)為Pl(ul，vl)、Pr(ur，vr)。圖中的Ol、Or、f指代的是攝像機(jī)焦距，而相機(jī)光軸方向則為n。而P和對(duì)應(yīng)的投影坐標(biāo)聯(lián)系起來(lái)，就能夠獲取P點(diǎn)的三維空間坐標(biāo)參數(shù)值。

圖1 雙目立體視覺(jué)測(cè)量模型構(gòu)成

在雙目立體視覺(jué)測(cè)量模型中，被測(cè)目標(biāo)會(huì)直接影響到攝像機(jī)位置的擺放，所以，需要借助世界坐標(biāo)系來(lái)完成攝像機(jī)定位。想要實(shí)現(xiàn)世界坐標(biāo)系和攝像機(jī)坐標(biāo)系間的轉(zhuǎn)換，可以把R和T兩大矩陣結(jié)合起來(lái)，其中R是旋轉(zhuǎn)矩陣，而T則是平移矩陣。

在明確兩個(gè)坐標(biāo)系之間存在的轉(zhuǎn)換關(guān)系之后，就可以對(duì)圖像、攝像機(jī)以及世界三大坐標(biāo)系間的關(guān)系進(jìn)行確定。并且在此基礎(chǔ)上，能夠進(jìn)一步計(jì)算得出圖像坐標(biāo)系中P所對(duì)應(yīng)的世界坐標(biāo)系參數(shù)值。而在整個(gè)過(guò)程中，涉及到的計(jì)算公式如下。

=M1M2XM=MXM

(1)

在式(1)中，u與v主要指代的是數(shù)字圖像中的像素坐標(biāo)，接著就是要通過(guò)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系，把等待測(cè)量的XM，YM，ZM三個(gè)點(diǎn)通過(guò)旋轉(zhuǎn)和平移后，計(jì)算得出相機(jī)坐標(biāo)系中的參數(shù)值。因?yàn)橄鄼C(jī)成像原理主要是投影成像原理，因此，可以借助相機(jī)內(nèi)部參數(shù)來(lái)獲取圖像坐標(biāo)系。M1主要指代的是相機(jī)內(nèi)部參數(shù)矩陣，而M2主要指代的是外參矩陣。

因?yàn)樵赑兩側(cè)對(duì)應(yīng)的有兩個(gè)投影點(diǎn)，分別用M1和M2表示左右攝像機(jī)的投影矩陣[2]。則有如下兩個(gè)公式：

(2)

(3)

其中，(ul，vl，1)和(ur，vr，1)分別表示左右兩側(cè)投影點(diǎn)Pl、Pr在投影平面上的齊次坐標(biāo)。(XM，YM，ZM，1)主要指代的是空間P世界坐標(biāo)系中所對(duì)應(yīng)的齊次坐標(biāo)。通過(guò)上述公式的整合運(yùn)算，那么就可以把Zcl和Zcr兩項(xiàng)去掉，就可以計(jì)算得出相應(yīng)的線性方程，方程主要對(duì)應(yīng)的3個(gè)不同的坐標(biāo)值，分別是XM，YM，ZM，具體方程為：

(4)

(5)

聯(lián)立以上兩個(gè)方程組便可得到待測(cè)點(diǎn)P在世界坐標(biāo)系的坐標(biāo)(XM，YM，ZM)。 雙目視覺(jué)測(cè)量系統(tǒng)主要過(guò)程如圖2所示。

3 雙目系統(tǒng)標(biāo)定及立體校正

3.1 攝像機(jī)標(biāo)定介紹

相機(jī)標(biāo)定主要指代的是相機(jī)圖像自身的像素坐標(biāo)和空間三維坐標(biāo)存在的關(guān)系，因?yàn)樾枰跍y(cè)量目標(biāo)的兩側(cè)放置兩個(gè)不同的攝像機(jī)，所以可以利用左右攝像機(jī)模型，以此來(lái)標(biāo)定特征點(diǎn)圖像坐標(biāo)，并且計(jì)算得出相機(jī)內(nèi)外參數(shù)。攝像機(jī)內(nèi)部參數(shù)涉及到畸變系數(shù)、焦距等，而旋轉(zhuǎn)和平移參數(shù)能夠反映出相機(jī)的外參數(shù)。

圖2 軟件算法流程

在具體進(jìn)行雙目系統(tǒng)標(biāo)定的過(guò)程中，需要使用到標(biāo)定板，本文在實(shí)驗(yàn)中主要采用的標(biāo)定板的長(zhǎng)和寬各為30 mm，平面標(biāo)定模板的圖像陣列是橫縱各七位，詳情如圖3(a)。在具體操作的過(guò)程中，需要借助到先進(jìn)的處理軟件Halcon，在此軟件中，可以使用gen_caltab()功能來(lái)轉(zhuǎn)換為標(biāo)定描述文件，同時(shí)完成兩個(gè)攝像機(jī)初始內(nèi)參數(shù)的設(shè)置。接著就是要打開(kāi)攝像機(jī)來(lái)獲取拍攝目標(biāo)的位置圖片，在此步驟開(kāi)展的過(guò)程中，需要注意確保標(biāo)定板都能夠在拍攝圖像范圍內(nèi)。之后就是要通過(guò)軟件的find_caltab()功能來(lái)確定標(biāo)定板實(shí)際所處區(qū)域，借助find_marks_and_pose()功能來(lái)進(jìn)一步處理標(biāo)定板，詳情如圖3(b)、(c)。通過(guò)算子來(lái)對(duì)獲取標(biāo)定板的具體圖像坐標(biāo)，并且明確標(biāo)定板和攝像機(jī)兩者間的位置關(guān)系。最后就是要借助binocular_calibration()函數(shù)來(lái)完成雙目標(biāo)定，進(jìn)而獲取相機(jī)內(nèi)外參數(shù)，找到兩個(gè)攝像機(jī)的位置[3]。

3.2 立體校正分析

通過(guò)雙目標(biāo)定能夠大致確定兩個(gè)攝像機(jī)之間存在的位置關(guān)系，并且能夠計(jì)算得出相機(jī)的內(nèi)參數(shù)，完成之后就需要借助軟件中的gen_binocular_rectification_map功能來(lái)對(duì)兩個(gè)攝像機(jī)內(nèi)外參數(shù)進(jìn)行校正，在校正的過(guò)程中，會(huì)有相應(yīng)的校正映射圖，通過(guò)圖形的對(duì)比計(jì)算來(lái)獲取校正后的內(nèi)外參數(shù)。最后就是要借助map_image()函數(shù)來(lái)把收集到的隱射圖像轉(zhuǎn)換為幾何結(jié)構(gòu)，表1主要反映的是校正前后內(nèi)外參數(shù)的變化情況。

通過(guò)立體校正后可以發(fā)現(xiàn)，前后兩幅圖像的主點(diǎn)列坐標(biāo)是保持一致的，意味著從水平向上看，外極限處于水平狀態(tài)。通過(guò)表1中的參數(shù)數(shù)據(jù)可以得知，校正后右圖像的X軸方向有一定的移動(dòng)，意味著右圖像和左圖像之間有4.06542 cm的距離差，而其他方向并沒(méi)有發(fā)生旋轉(zhuǎn)和平移。由此可以得知，標(biāo)定所得到的結(jié)果和攝像機(jī)實(shí)際所擺放位置沒(méi)有差別，也意味著標(biāo)定得出的參數(shù)值有較高的精確度。

圖3 標(biāo)定板構(gòu)成

表1 校正前后攝像機(jī)內(nèi)外參數(shù)統(tǒng)計(jì)

4 圖像采集和處理

4.1 圖像獲取介紹

本文涉及到的測(cè)量系統(tǒng)中，選擇測(cè)量對(duì)象的基本特征：工件為金屬材料，表面涂有漆且光滑，在光照情況下有少許反光，工件結(jié)構(gòu)為對(duì)稱(chēng)結(jié)構(gòu)。

測(cè)量方法是實(shí)時(shí)采集，把攝像機(jī)和計(jì)算機(jī)連接起來(lái)，設(shè)置好符合要求的參數(shù)值。使用圖像采集助手(Image Acquisition)檢測(cè)到相機(jī)后，再使用專(zhuān)業(yè)性的軟件Halcon來(lái)進(jìn)一步的進(jìn)行處理，得到的采集圖像詳情為圖4(a)。

4.2 圖像預(yù)處理分析

通過(guò)左右兩側(cè)的攝像機(jī)來(lái)采集目標(biāo)的左右不同方向的圖像，但是在具體操作的過(guò)程中受到各種不同因素的影響，從而使得相機(jī)拍攝的圖像質(zhì)量也受到影響，導(dǎo)致無(wú)法精確的把邊緣和輪廓區(qū)分開(kāi)來(lái)。所以，想要得到精準(zhǔn)的處理結(jié)果，那么就需要對(duì)原始圖像進(jìn)行預(yù)處理，這個(gè)步驟非常重要，會(huì)直接影響到最終的處理結(jié)果。

在具體落實(shí)圖像預(yù)處理步驟的過(guò)程中，需要把圖像校正成為標(biāo)準(zhǔn)幾何結(jié)構(gòu)，接著就是要對(duì)圖像進(jìn)行灰度化處理，借助軟件中的median_image()算子來(lái)完成降噪操作，確保圖像的邊緣細(xì)節(jié)能夠得到有效保留，這對(duì)于后續(xù)圖像特征信息的提取非常有利。下圖4(b)主要反映的是圖像校正結(jié)果。接著就是要對(duì)工件等待測(cè)量的區(qū)域進(jìn)行識(shí)別并確定，利用connection()算子來(lái)進(jìn)行連通域化處理，這對(duì)于單個(gè)區(qū)域操作比較有利[4]。最后調(diào)用select_shape()算子進(jìn)行形狀選擇，打開(kāi)特征直方圖，由面積、行、列等特征，提取出目標(biāo)物體的區(qū)域，結(jié)果如圖4(c)所示。

5 特征點(diǎn)提取分析

獲取到目標(biāo)左右拍攝圖像后，需要對(duì)兩個(gè)圖像特征進(jìn)行提取，接著就是要利用立體匹配來(lái)獲取物體的三維信息。需要明確的是，如果特征提取精確度不高，那么就會(huì)對(duì)最終工件尺寸的測(cè)量結(jié)果造成不利影響。邊緣銳角和輪廓是測(cè)量工件尺寸必不可少的信息，如果少了這些重要信息，那么最終測(cè)量結(jié)果的精確度就會(huì)大大降低[5]。

5.1 邊緣檢測(cè)分析

本文在提取邊緣輪廓的過(guò)程中，主要利用canny算子和亞像素邊緣檢測(cè)方式相結(jié)合的方法來(lái)進(jìn)行操作。使用canny算子的優(yōu)勢(shì)在于能夠?qū)σ恍┎环蠈?shí)情的偽邊緣信息進(jìn)行剔除，盡可能多的保留真實(shí)的邊緣特征信息，這對(duì)于目標(biāo)定位非常有利。

圖4 預(yù)處理后的圖像

亞像素是一種物理量，主要存在兩個(gè)單位像素間，此像素計(jì)算量不大，并且能夠在一定程度上提高精度，可以通過(guò)計(jì)算亞像素來(lái)完成精確度較高的在線檢測(cè)工作。首先就是要利用canny算子來(lái)獲取邊緣點(diǎn)位置和輪廓信息，完成粗定位，接著就是要進(jìn)一步確定邊緣點(diǎn)，明確主要的梯度方向，在獲取亞像素精度邊緣的過(guò)程中，可以使用雙線性插值來(lái)輔助操作。最后，就是要對(duì)邊緣進(jìn)行細(xì)化處理[6]。canny亞像素邊緣檢測(cè)如圖5(a)所示。

5.2 特征點(diǎn)提取

在提取特征點(diǎn)的之前，需要首先找到亞像素的邊緣，接著就以亞像素邊緣處作為基點(diǎn)，進(jìn)行等距取點(diǎn)，得到的就是特征點(diǎn)。利用intersection_11()算子獲取兩直線的相交點(diǎn)，接著就是利用distance_ps()算子來(lái)獲取距離參數(shù)值，主要測(cè)量計(jì)算的是直線到感興區(qū)域之間的距離。兩線相交點(diǎn)在低于預(yù)設(shè)閾值的情況下，成為特征點(diǎn)；如果不符合要求，那么就進(jìn)一步尋找，直到滿足要求[7]。圖5(b)主要反映的是工件特征點(diǎn)獲取情況。

(a)canny亞像素邊緣檢測(cè)

(b)獲取左圖像特征點(diǎn)

圖5 特征點(diǎn)獲取示意

6 立體匹配分析

所謂的立體匹配就是要在三維空間中找到某個(gè)目標(biāo)物體在不同方位位置的關(guān)系。對(duì)獲取到的圖像進(jìn)行立體校正后，能夠基于極限約束原則來(lái)降維搜索。因?yàn)榇嬖谥欢ǖ恼`差，那么就需要在符合像素要求的候選點(diǎn)中專(zhuān)門(mén)性的選擇3個(gè)候選匹配點(diǎn)。因?yàn)榭臻g中點(diǎn)的視差值越小，其深度就越大，因此，需要找到空間點(diǎn)的視差值的最大和最小值，接著就是需要在最大最小區(qū)域內(nèi)進(jìn)行搜索。d∈[dmin，dmax]可由圖像中產(chǎn)生的最大和最小距離計(jì)算出dmin和dmax。

視差搜索區(qū)域此時(shí)的長(zhǎng)度表達(dá)式為：L=dmax-dmin+1，這種方法很大程度上縮減了搜索范圍，大大減少了時(shí)間，匹配成功的可能性也有所提高[8]。圖6主要反映的是搜索原理示意圖。

圖6 特征原理示意

首先就是要以左側(cè)圖像的特征點(diǎn)為中心，利用gen_rectangle1()算子來(lái)設(shè)定鄰域窗口，尺寸大小是(m，n)。接著就是要借助recduce_domain()算子來(lái)對(duì)區(qū)域進(jìn)行轉(zhuǎn)化處理，使其轉(zhuǎn)化為特征點(diǎn)模板圖像，圖7(a)中矩形框就是所謂的模板。接著就需要利用軟件，在外極線上來(lái)確定匹配點(diǎn)的搜索區(qū)域，利用recduce_domain()算子來(lái)對(duì)這個(gè)區(qū)域進(jìn)行轉(zhuǎn)化，使其變成等待搜索區(qū)域，這樣操作的好處就是能夠把原有的搜索范圍大大縮小。最后使用find_ncc_model()算子來(lái)搜索符合要求的匹配點(diǎn)。當(dāng)NCC值的相似度大于0.95時(shí)，則該點(diǎn)作為匹配點(diǎn)。結(jié)果如圖7(c)所示。

圖7 立體匹配操作流程

7 雙目立體測(cè)量分析

通過(guò)(4)和(5)兩個(gè)公式可以得知，想要獲取空間點(diǎn)的三維坐標(biāo)數(shù)值，就需要確定空間點(diǎn)在左右兩個(gè)圖像中的坐標(biāo)值，除此之外，還需要了解左右兩個(gè)攝像機(jī)的內(nèi)外參數(shù)。然而這些參數(shù)值要在完成相機(jī)標(biāo)定和立體匹配成功后才能得到。最后采用上述方法，由disparity_to_point_3d()算子來(lái)得到特征點(diǎn)相應(yīng)的三維坐標(biāo)值，圖8主要反映的是三維點(diǎn)云圖所構(gòu)成的目標(biāo)整體輪廓圖形[9]。

圖8 三維點(diǎn)云

基于Halcon計(jì)算工件三維點(diǎn)云的外包圍矩形的代碼實(shí)現(xiàn)如下：

get_domain (X, Domain)

get_region_points (Domain, Rows, Columns)

get_grayval (X, Rows, Columns, GrayvalX)

get_grayval (Y, Rows, Columns, GrayvalY)

get_grayval (Z, Rows, Columns, GrayvalZ)

dev_clear_window ()

gen_object_model_3d_from_points (GrayvalX, GrayvalY, GrayvalZ, ObjectModel3D)

smallest_bounding_box_object_model_3d(ObjectModel3D,'oriented',Pose,Length1, Length2, Length3)

gen_box_object_model_3d (Pose, Length1, Length2, Length3, ObjectModel3D1)

dev_get_window (WindowHandle)

visualize_object_model_3d(WindowHandle,[ObjectModel3D,ObjectModel3D1],[],[],['alpha_1'], [0.5], [], [], [], PoseOut)

利用上述代碼找出工件三維點(diǎn)云的外包圍矩形，并計(jì)算工件三維尺寸。最后就是要對(duì)比測(cè)量值和實(shí)際值，詳情對(duì)比結(jié)果如表2。

表2 工件尺寸測(cè)量值和實(shí)際值的對(duì)比結(jié)果統(tǒng)計(jì)

通過(guò)對(duì)比分析工件尺寸測(cè)量值和實(shí)際值可以得知，兩者間的誤差基本上都控制在合理范圍內(nèi)，由此可以得知，本文所使用的雙目視覺(jué)系統(tǒng)有著較好的應(yīng)用效果，測(cè)量誤差基本控制在±0.3 mm之內(nèi)，準(zhǔn)確性良好。

8 結(jié)論

想要獲取更高的工件尺寸測(cè)量結(jié)果，那么就需要確保測(cè)量系統(tǒng)的穩(wěn)定性、實(shí)時(shí)性。本文在對(duì)工件尺寸進(jìn)行測(cè)量的時(shí)候，主要采用的視覺(jué)軟件Halcon有著非常良好的穩(wěn)定性，并且測(cè)量結(jié)果的精確度也較高，能夠滿足大批量工件尺寸測(cè)量的需求。本次設(shè)計(jì)的系統(tǒng)使得工件生產(chǎn)效率得到一定程度的提升，并且使得勞動(dòng)力成本得到合理有效的控制。整個(gè)系統(tǒng)節(jié)能效果非常好，使用非常簡(jiǎn)單方便，能夠大范圍地普及應(yīng)用，體現(xiàn)出很大的市場(chǎng)價(jià)值和應(yīng)用前景。