王 葉，謝 雷

(1. 上海大學(xué) 理學(xué)院 物理系，上海 200444；2. 上海大學(xué) 通信與信息工程學(xué)院 通信工程系，上海 200444)

1 基本原理

1.1 機(jī)器視覺

機(jī)器視覺(Robot Vision)顧名思義就是視覺感知機(jī)器的意思，現(xiàn)在屬于人工智能的一大技術(shù)發(fā)展方向，而某些計(jì)算機(jī)圖像分析系統(tǒng)定義為計(jì)算機(jī)視覺(Computer Vision).霍恩[1]描述的機(jī)器視覺系統(tǒng)架構(gòu)如圖1所示.

圖1 機(jī)器視覺系統(tǒng)架構(gòu)

圖1中的場景位于圓形光照區(qū)域內(nèi)，成像儀器完成對場景的成像，機(jī)器視覺(軟件部分)對圖像進(jìn)行理解和解釋，這種理解和解釋都是基于符號和算法程序的.

機(jī)器視覺的核心問題是：從一張或多張圖像中生成一個符號描述，該描述顯然和場景有關(guān)，并且包含完成指定任務(wù)所需的全部信息.

機(jī)器視覺的基本任務(wù)是：1)建立起對成像過程的基本理解；2)探討對成像過程求逆的方法.具體實(shí)現(xiàn)時，機(jī)器視覺系統(tǒng)有專用和通用的(指提供一般化的二次開發(fā)環(huán)境)之分，當(dāng)然還沒有一個能夠處理所有機(jī)器視覺問題的通用系統(tǒng).

1.2 OpenMV

OpenMV是一種機(jī)器視覺系統(tǒng)，開發(fā)者的目標(biāo)是要構(gòu)建機(jī)器視覺的類似“Arduino”的開發(fā)環(huán)境，這種系統(tǒng)為用戶和開發(fā)者提供友好簡便的界面和封裝對一般用戶而言難度較大的算法.該系統(tǒng)自定義MicroPython語言并成為標(biāo)準(zhǔn)CPython實(shí)現(xiàn)的子集；硬件方面，系統(tǒng)基于STM32的嵌入式系統(tǒng)設(shè)計(jì)以及可擴(kuò)充的外圍和相應(yīng)底層封裝，最大限度內(nèi)嵌軟硬件一體化解決方案，這樣就為用戶提供了一個十分緊湊且通用的機(jī)器視覺開發(fā)平臺或環(huán)境.

本文采用的實(shí)際系統(tǒng)為OpenMV4(STM32H7)，主頻達(dá)480 MHz，板載的光學(xué)傳感器(CMOS Camera VGA)型號是OV7725，最高幀速60 fps.

1.3 干涉條紋成像過程和特點(diǎn)

干涉條紋的成像不同于一般光照條件下的成像，尤其對于單純的邁克耳孫干涉儀的干涉條紋成像，本文把這種成像稱為“光源性”成像，原因在于成像過程及圖像特征主要由光源特性(光波)，且為相干性決定，而將主要由非相干性的光強(qiáng)(照度)和場景變換決定的成像稱為“光場性”成像.這里的干涉條紋“場景”可以理解為在光源性的“相干場”的作用下形成的“景”.機(jī)器視覺的任務(wù)就如下面的過程描述：基于光源的成像過程的基本理解→光學(xué)圖像特性→圖像形態(tài)特征→符號描述，圖2給出了本文設(shè)計(jì)的干涉條紋機(jī)器視覺實(shí)現(xiàn)路線圖.

圖2 機(jī)器視覺實(shí)現(xiàn)路線圖

干涉是光波動性的結(jié)果，時間相干性告訴我們，某一時刻兩束光的疊加是兩個有限長波列(或一個有限長波列的分振幅波列)的疊加，不同時刻的光波波列是隨機(jī)的，即空間某個位置的疊加光波的相位差可以認(rèn)為是恒定的，但是疊加幅度會有起伏，邁克耳孫干涉儀干涉條紋圖像具有如下特點(diǎn)：

1) 在激光(如He-Ne激光)邁克耳孫干涉儀中，假設(shè)雙點(diǎn)源球面波干涉的理想情況下(虛光源都位于中心軸上)，圖像的形狀特征為同心圓[2]，在一些情況下偏離為橢圓或其它形狀[2,3]，以灰度圖描述，指圖像中的等灰度軌跡為圓或橢圓；

2) 由于干涉儀的“點(diǎn)源”成像特性，光源中心(源點(diǎn))容易在干涉圖像中心形成灰度飽和，干涉圖像視場的中心坐標(biāo)難以測定；

3) 由于共軸性偏離，在光程差變化時，干涉圖像中心會發(fā)生漂移，即干涉條紋會發(fā)生整體漂移[4](或偏心)；

4) 條紋可見度存在起伏，主要原因?yàn)?擴(kuò)展光束形成的光斑強(qiáng)度不均勻和不對稱；光源的量子和相干特性增加了全局和局域性灰度噪聲.

如果認(rèn)為隨機(jī)變量是遍歷的，則對某處干涉強(qiáng)度采取統(tǒng)計(jì)平均是可行的(它們的強(qiáng)度是相關(guān)的，會影響相位精度)，相當(dāng)于作低通濾波，然而可能最好的辦法是使用中值濾波，它既能衰減隨機(jī)噪聲又不會使邊界模糊，故這里采用3×3格子的中值濾波作為圖像預(yù)處理，下面給出進(jìn)一步的算法.

2 算法

2.1 灰度采樣

如圖3,設(shè)視場坐標(biāo)系xOy，c代表以中心O為圓心的圓環(huán)(并不代表實(shí)際的干涉環(huán))，在c上取P1、P2、P3和P44個坐標(biāo)點(diǎn)，分別位于坐標(biāo)軸上對稱位置，設(shè)它們的圖像灰度值為g1、g2、g3和g4，從P1、P2、P3和P4出發(fā)沿各自徑向存在長度為ld的線段，命名為灰度采樣線L.

圖3 視場坐標(biāo)系

定義與圓環(huán)c相關(guān)的灰度統(tǒng)計(jì)量為

[g1(x0+d,0)-g3(-x0-d,0)]2+

[g1(x0+d,0)-g4(0,-y0-d)]2+

[g2(0,y0+d)-g3(-x0-d,0)]2+

[g2(0,y0+d)-g4(0,-y0-d)]2+

[g3(-x0-d,0)-g4(0,-y0-d)]2}

(1)

(ld>0的偶數(shù)),為4個方向的灰度采樣線中任意兩條之間所有對應(yīng)點(diǎn)之間的灰度差的平方和，在理想條件下，干涉條紋中心必和圓環(huán)c的中心重合，即位于視場原點(diǎn)上.若圓環(huán)c存在整體漂移，則c(i=0,j=0的情況)變?yōu)槟硞€漂移位置cij(i、j不同時為零的情況)時的灰度統(tǒng)計(jì)量為

(2)

(Δg)ij=[g1(x0+i+d,j)-g2(i,y0+j+d)]2+

[g1(x0+i+d,j)-g3(-x0+i-d,j)]2+

[g1(x0+i+d,j)-g4(i,-y0+j-d)]2+

[g2(i,y0+j+d)-g3(-x0+i-d,j)]2+

[g2(i,y0+j+d)-g4(i,-y0+j-d)]2+

[g3(-x0+i-d,j)-g4(i,-y0+j-d)]2

(3)

在規(guī)定的漂移范圍內(nèi)的相似性判據(jù)為：(∑Δg)ij取最小值時所對應(yīng)的圓環(huán)cij，此圓環(huán)可能已偏離視場中心.

又當(dāng)存在縱向縮放時的表達(dá)式(干涉環(huán)發(fā)生橢圓化形變)為

(4)

(Δg)ijv=[g1(x0+i+d,j)-

g2(i,y0+j+d+v)]2+[g1(x0+i+d,j)-

g3(-x0+i-d,j)]2+[g1(x0+i+d,j)-

g4(i,-y0+j-d-v)]2+[g2(i,y0+j+d+v)-

g3(-x0+i-d,j)]2+[g2(i,y0+j+d+v)-

g4(i,-y0+j-d-v)]2+[g3(-x0+i-d,j)-

g4(i,-y0+j-d-v)]2

(5)

上述算法可以稱為干涉條紋同心形態(tài)搜索算法，依據(jù)是基于灰度采樣線的灰度統(tǒng)計(jì)量所給出的干涉條紋的形態(tài)相似性，此算法又是建立在“光源性”成像的干涉條紋特征及其動態(tài)變化基礎(chǔ)之上的.為了計(jì)算方便，實(shí)際輸出結(jié)果的描述為cij或cijv的外接矩形及其參數(shù).

2.2 特征模板

定義4個灰度采樣線形態(tài)特征模板T1—T4(用含有l(wèi)d個元素的行向量表示)，分別表示灰度最大，灰度最小，灰度從大到小和灰度從小到大，后兩者也稱為等差向量，模板的大小可變，但是元素總數(shù)為大于1的奇數(shù)，模板定義如表1所示.灰度形態(tài)特征模板表示為

表1 灰度形態(tài)特征模板

Ti=[tij],i=1,2,3,4;j=1,2,…,ld

(6)

T1、T2灰度模板由每幀圖像或有效區(qū)域的灰度最大值和灰度最小值構(gòu)成其元素，T3、T4灰度模板由對灰度采樣線進(jìn)行灰度值重整得到，在灰度最大值和最小值之間進(jìn)行均勻分割，模板T3線性減小，模板T4線性增加.

2.3 判據(jù)和規(guī)則

定義距離

(7)

lj是灰度采樣線L的第j個元素，tij是Ti模板的第j個元素.匹配判據(jù)為(Dist.)i中最小的那個，即取最相似的模板Ti作為輸出

To=Ti→minmun of(Dist.)i

(8)

由于存在4個方向的灰度采樣線，實(shí)際計(jì)算時應(yīng)對4條采樣線上對應(yīng)元素求平均值后再計(jì)算模板和距離.經(jīng)連續(xù)采集兩幀圖像，根據(jù)兩個輸出模板的前后相互關(guān)系可以得到精度取決于幀速和條紋移動速度的冒出陷入的條紋合計(jì)總數(shù)(為正時表示冒出，為負(fù)時表示陷入，可以有小數(shù)，即條紋細(xì)分?jǐn)?shù)).

當(dāng)幀速vf和條紋移動速率vfr大約滿足

(9)

可以用圖4的模板變換關(guān)系確定干涉條紋的冒出和陷入的計(jì)數(shù)規(guī)則，精度為0.5個條紋，冒出加0.5，陷入減0.5.

圖4 過極值點(diǎn)的條紋計(jì)數(shù)規(guī)則

3 實(shí)驗(yàn)

基于OpenMV4(STM32H7)，實(shí)驗(yàn)采用兩種方案進(jìn)行，首先是對仿真干涉條紋進(jìn)行檢測，圖5為用Matlab 編制的一段仿真干涉條紋陷入的視頻中的11幀畫面(每隔20幀取一幅)，放映速度為每秒25幀，將攝像頭對準(zhǔn)電腦顯示屏上播放的仿真干涉條紋并使部分中心級條紋位于視場區(qū)域，仿真干涉條紋存在可辨中心并易于和視場中心重合，而且仿真干涉條紋的視場亮度比較穩(wěn)定且條紋不會發(fā)生漂移或抖動，本系統(tǒng)通過手機(jī)發(fā)送字符命令啟動測量，測量所得環(huán)數(shù)和仿真條紋的陷入環(huán)數(shù)嚴(yán)格相符.接著進(jìn)行真實(shí)的邁克爾遜干涉實(shí)驗(yàn)，OpenMV機(jī)器視覺集成開發(fā)環(huán)境和干涉條紋檢測系統(tǒng)軟件界面如圖6所示(與仿真干涉條紋檢測實(shí)驗(yàn)所用系統(tǒng)相同)，在抓圖之前，程序關(guān)閉了自動增益和白平衡，并將對比度、亮度和飽和度設(shè)為合適值.從界面視頻窗口觀察到的干涉條紋中心確實(shí)處于飽和狀態(tài)，但并不影響本算法的執(zhí)行，實(shí)驗(yàn)方法和步驟如下：

圖5 仿真干涉條紋

1) 按一般的激光邁克爾遜干涉儀調(diào)整步驟調(diào)整干涉條紋至圓環(huán)狀態(tài)并大致位于毛玻璃屏中央；

2) 打開OpenMV機(jī)器視覺系統(tǒng)應(yīng)用程序(圖6)，連接設(shè)備(OpenMV4)后啟動執(zhí)行主程序，程序進(jìn)入主循環(huán)后循環(huán)執(zhí)行干涉條紋同心形態(tài)搜索算法.將攝像頭對準(zhǔn)干涉條紋所處毛玻璃顯示屏，調(diào)整攝像頭位置(也可以細(xì)微調(diào)整干涉條紋整體平移)使視場中的方框所代表的區(qū)域取在中心區(qū)域外可辨的第一個干涉環(huán)和第二個干涉環(huán)之間，方框的大小可以預(yù)先設(shè)置，攝像頭和毛玻璃屏之間的距離和干涉條紋聚焦成像及大小也可以調(diào)整；

圖6 OpenMV機(jī)器視覺集成開發(fā)環(huán)境及干涉條紋檢測系統(tǒng)

3) 觀察干涉條紋同心形態(tài)搜索算法的計(jì)算結(jié)果，即步驟2的調(diào)整過程可以將式(1)給出的(∑Δg)c值變?yōu)樽钚r作為調(diào)整到位的判據(jù)(灰度采樣的相似性判據(jù))；

4) 發(fā)送干涉條紋測量命令，程序進(jìn)入環(huán)數(shù)測量子循環(huán)，此后有三種干涉條紋同心形態(tài)搜索算法可供選擇運(yùn)用，即式(1)的搜索算法對應(yīng)于干涉條紋始終為圓且不發(fā)生漂移的情況，式(2)、(3)的搜索算法對應(yīng)于干涉條紋始終為圓且發(fā)生微小漂移的情況，式(4)、(5)的搜索算法對應(yīng)于干涉條紋發(fā)生微小漂移且存在縱向橢圓化的情況，如果干涉儀及機(jī)器視覺系統(tǒng)處于比較理想的狀態(tài)，則干涉條紋整體在測量過程中始終保持圓環(huán)形狀并且沒有漂移，灰度采樣線所在的圓環(huán)c(方框)固定不變，如果灰度采樣線所在的圓環(huán)(方框)既發(fā)生漂移或又存在橢圓化(變成矩形框)，則圖像的cij或cijv參數(shù)發(fā)生變化.每幀圖像的基于灰度采樣線的干涉條紋形態(tài)用形態(tài)特征模板Ti描述，比較相鄰兩幀圖像的干涉條紋形態(tài)特征模板的變化即可得到干涉條紋動態(tài)變化情況.由于測量是自動進(jìn)行的，只要干涉條紋發(fā)生冒出或陷入(相位差發(fā)生變化)，被檢區(qū)域(方框附近)的干涉條紋形態(tài)就將發(fā)生變化，體現(xiàn)在極值處，冒出陷入的半環(huán)數(shù)以及總的環(huán)數(shù)將被檢出.

軟件界面視頻窗口左上角的數(shù)據(jù)表示程序處理當(dāng)前幀的用時為66 ms，右下角顯示的FPS為幀速，當(dāng)前為每秒15幀，它是處理時間的倒數(shù).在式(9)的條件下實(shí)驗(yàn)測得陷入的干涉條紋總數(shù)為18.5個，和仿真干涉條紋檢測相比，實(shí)際干涉條紋檢測實(shí)驗(yàn)的整體光場強(qiáng)度和干涉條紋對比度隨時間可能發(fā)生變化，由于程序采用連續(xù)幀的兩個模板比較算法以及全域?qū)ΨQ多采樣線灰度統(tǒng)計(jì)算法，緩慢的光場強(qiáng)度變化以及對比度漲落就被上述算法抑制或平均掉了，另外手動測量會因?yàn)榇嬖趤砘囟秳拥仍蚨a(chǎn)生計(jì)數(shù)誤差，如果這種抖動發(fā)生在峰頂或谷底附近且速率低于幀速，則可能的過峰或過谷過程將被正常檢測而不會遺漏，其它地方發(fā)生的抖動對當(dāng)前精度下(0.5個條紋)的測量結(jié)果沒有影響.

下面通過實(shí)驗(yàn)數(shù)據(jù)進(jìn)一步說明測量的有效性以及進(jìn)行誤差分析.表2為實(shí)際手動測得的冒出和陷入50個條紋的數(shù)據(jù)，每隔5個條紋記錄一次數(shù)據(jù)，為保證標(biāo)稱環(huán)數(shù)差Δk的準(zhǔn)確性，采用錄制視頻后復(fù)播查數(shù)據(jù)的方式記錄數(shù)據(jù).

表2 干涉條紋測量數(shù)據(jù)

實(shí)驗(yàn)過程符合或作如下假設(shè)：各次測量Oi或Ii互不相關(guān)；Oi或Ii符合正態(tài)分布，方差相同；過極值點(diǎn)的條紋計(jì)數(shù)規(guī)則(圖4)有效可靠或失效概率較低(如由極值點(diǎn)附近發(fā)生快速抖動導(dǎo)致漏檢的概率較低，而過極值點(diǎn)來回抖動一次如果雙向都漏檢則不會產(chǎn)生影響).

從表2數(shù)據(jù)看出，條紋冒出過程的檢測非常準(zhǔn)確，條紋陷入過程的第2個記錄和第1個記錄之間出現(xiàn)漏檢，接著記錄數(shù)據(jù)保持準(zhǔn)確，直到第9個記錄和第8個記錄之間又出現(xiàn)漏檢，說明偶然出現(xiàn)的漏檢將可能使數(shù)據(jù)發(fā)生整體偏移(數(shù)據(jù)2-8)，如果運(yùn)用逐差法處理數(shù)據(jù)，將可能使這種整體偏移得到某種程度的校準(zhǔn)，如設(shè):

x1i=Oi+5-Oi,

x2i=Ii+5-Ii,i=1,…,5

(10)

采用所謂的簡易算法計(jì)算A類不確定度，即將逐差后的結(jié)果x1i和x2i視為等精度測量值，則A類不確定度計(jì)算公式為

t0.95≈2.78

和

(11)

表3 數(shù)據(jù)處理

冒出25個條紋的檢測結(jié)果：

x1=25.0±0.5(個)

(12)

陷入25個條紋的檢測結(jié)果：

x2=-24.7±0.6(個)

(13)

顯然，適當(dāng)增加測量次數(shù)(環(huán)數(shù))及選擇合適的逐差間隔將提高測量可靠性和減小相對誤差，對于干涉條紋相移型檢測方法來說其實(shí)際的條紋檢測精度(條紋細(xì)分度)一般不高(裸眼檢測原則上有1個環(huán)的視覺誤差)，因此產(chǎn)生的B類不確定度相對于A類數(shù)值上可能較大.

4 結(jié)束語

本文就干涉條紋檢測技術(shù)提出了一種基于機(jī)器視覺的解決方案，發(fā)現(xiàn)研究過程對于光干涉及其干涉條紋有了更深的理解，技術(shù)上需要指出的是，本文只是基于OpenMV的軟硬件一體化架構(gòu)，運(yùn)用其內(nèi)嵌的一些基本的圖像采集和處理函數(shù)結(jié)合MicroPython或Python語言來對自己提出的核心算法進(jìn)行編程，主要考慮的是效率、魯棒和實(shí)時性，從實(shí)現(xiàn)路線圖來看，也可以采用其他方法，比如基于開源的OpenCV圖像處理以及計(jì)算機(jī)視覺算法，組件自己的攝像頭和嵌入式系統(tǒng)等，最后形成的都是某種意義上專用的干涉條紋檢測系統(tǒng).另一方面，從干涉條

紋檢測技術(shù)的歷史來看，此類干涉條紋的檢測經(jīng)歷了從模擬方式(包括裸眼)到數(shù)字化[5-8]，從一維光電信號到二維圖像處理的過程[9]，并且和現(xiàn)代光電子及通信技術(shù)進(jìn)行了融合[10,11]，隨著人工智能時代的到來，干涉條紋的檢測技術(shù)會得到很大發(fā)展.