馬大智，于斌超，張彥澤，劉 巍，樂 毅，楊繼之，陳欽韜

（1.大連理工大學(xué) 機(jī)械工程學(xué)院，遼寧 大連 116024；2.中國空間技術(shù)研究院 北京衛(wèi)星制造廠，北京 100094）

引言

隨著我國載人航天、探月等重大科技專項(xiàng)的深入，對大型航天器艙體的高精度制造提出了更高的要求。其中大型航天器艙體結(jié)構(gòu)均為焊接結(jié)構(gòu)，對此大型結(jié)構(gòu)的變形進(jìn)行數(shù)值模擬，因計算規(guī)模和計算量大，以及收斂困難等原因難以實(shí)現(xiàn)[1]。為了消除焊接裝配過程中帶來的尺寸偏差，滿足產(chǎn)品的裝配精度要求，需要在整艙狀態(tài)下對艙體進(jìn)行組合加工，原位高精度測量是保證艙體在整艙狀態(tài)下局部零件面型特征高精度加工的重要前提[2]。

雙目視覺作為原位高精度測量技術(shù)之一，因其效率高、精度高、魯棒性強(qiáng)等優(yōu)勢，在航空航天、精密制造、產(chǎn)品質(zhì)量檢測等領(lǐng)域得到了廣泛的應(yīng)用[3-5]。針對大型艙體殼體表面零件分布廣泛且數(shù)目眾多的特性，雙目視覺測量技術(shù)可以精確、穩(wěn)定、快速獲得局部特征的位置信息[6]。

大型艙體零件加工現(xiàn)場往往伴隨著復(fù)雜光源干擾，由于艙體殼體金屬表面的局部高反光特性，視覺測量系統(tǒng)容易誤提取艙體表面的視覺標(biāo)志點(diǎn)，從而使視覺測量無法正常進(jìn)行。上海交通大學(xué)的張麗芳，周軍[7]通過拍攝一組同一場景不同曝光度的圖像，選取不同曝光量圖像信息最豐富的圖塊進(jìn)行拼接，再對圖像邊界融合得到抑制反光的增強(qiáng)圖像。但是圖像采集需要較長的曝光時間，加工現(xiàn)場的振動會影響圖像采集質(zhì)量，降低雙目視覺測量精度。華僑大學(xué)的謝超，謝明紅[8]提出了一種應(yīng)用局部自適應(yīng)閾值方法檢測圓形標(biāo)志點(diǎn)，對受到光照干擾不同位置的灰度值不在同一等級的圖像，采用局部自適應(yīng)閾值檢測圓形標(biāo)志點(diǎn)的位置。但該方法難以解決反光光斑帶來的誤提取問題。采用人工分割目標(biāo)所在的感興趣區(qū)域，再在該區(qū)域內(nèi)提取視覺標(biāo)志點(diǎn)的方法，可以有效解決誤提取問題，但又降低了視覺測量效率和自動化程度?；谝曈X標(biāo)志點(diǎn)與艙體殼體表面易于區(qū)分，特征穩(wěn)定這一特性，本文使用基于深度卷積神經(jīng)網(wǎng)絡(luò)的方法[9-10],通過識別整個視覺標(biāo)志點(diǎn)的全部特征，自動分割標(biāo)志點(diǎn)所在的感興趣區(qū)域，可有效減少誤提取，提高雙目視覺測量系統(tǒng)的測量效率。

同時為實(shí)現(xiàn)大型航天器艙體原位測量，將視覺測量系統(tǒng)固定在工業(yè)機(jī)器人末端，控制機(jī)器人運(yùn)動完成多位姿下對零件面型的測量，再通過不同位姿之間測量的公共視覺標(biāo)志點(diǎn)將測量數(shù)據(jù)拼接到同一坐標(biāo)系下，最后生成點(diǎn)云圖輸出完成測量。

1 系統(tǒng)組成

高精度視覺測量系統(tǒng)主要由雙目工業(yè)相機(jī)、工業(yè)機(jī)器人、上位機(jī)組成，其中雙目工業(yè)相機(jī)安裝在工業(yè)機(jī)器人末端。系統(tǒng)功能主要包含圖像預(yù)處理、視覺標(biāo)志點(diǎn)三維重建、機(jī)器人控制、圖像拼接和結(jié)果輸出顯示等，其工作流程如圖1所示。

圖1 高精視覺測量系統(tǒng)工作流程Fig.1 Process of high precision vision measurement system

雙目工業(yè)相機(jī)獲取高質(zhì)量艙體零件表面圖像并發(fā)送給上位機(jī)。上位機(jī)獲取圖像后，命令工業(yè)機(jī)器人移動到下一個位姿，同時對圖像進(jìn)行預(yù)處理、標(biāo)志點(diǎn)提取和三維重建。工業(yè)機(jī)器人移動到下一位姿后，命令工業(yè)相機(jī)采集圖像。艙體零件全部測量完成后，將不同位姿下獲取的標(biāo)志點(diǎn)三維坐標(biāo)轉(zhuǎn)換到同一坐標(biāo)系下，并輸出顯示。

高精度視覺測量系統(tǒng)中的工業(yè)相機(jī)型號為Vieworks VC-12MC-M/C 65（分辨率6 004×7 904 像素，圖像傳感器CMOS，全畫幅，幀率20 f/s），鏡頭型號為EF16-35 mm f/2.8 LIIUSM（鏡頭焦距50 mm，光圈F2.8）。拍攝條件如下：圖片像素為6 004×7 904像素，物距為1 200 mm，保證測量精度的有效視場約為300 mm×300 mm。工業(yè)機(jī)器人型號為庫卡KR10-R1420，上位機(jī)軟件開發(fā)基于C++的MFC、OpenCV和基于Python 的Pytorch。工業(yè)機(jī)器人控制基于庫卡的RSIVisualShell，實(shí)驗(yàn)驗(yàn)證視覺測量精度的激光跟蹤儀型號為Leica-AT960，實(shí)驗(yàn)系統(tǒng)如圖2所示。

圖2 高精度視覺測量實(shí)驗(yàn)系統(tǒng)示意圖Fig.2 Schematic diagram of high precision vision measurement experimental system

2 系統(tǒng)功能實(shí)現(xiàn)

雙目視覺測量系統(tǒng)功能實(shí)現(xiàn)主要包含以下4 個部分：1）對圖像進(jìn)行預(yù)處理，是指使用深度卷積神經(jīng)網(wǎng)絡(luò)提取視覺標(biāo)志點(diǎn)所在的感興趣區(qū)域；2）提取圖像中視覺標(biāo)志點(diǎn)中心并三維重建；3）基于UDP/IP 通信協(xié)議對工業(yè)機(jī)器人實(shí)時控制；4）利用視覺標(biāo)志公共點(diǎn)拼接不同位姿下得到的測量數(shù)據(jù)，完成整個艙體零件表面測量后將結(jié)果以三維點(diǎn)云形式輸出。

2.1 圖像預(yù)處理

在機(jī)器視覺領(lǐng)域，一般通過提取圓形視覺標(biāo)志點(diǎn)提取圖像信息，因此從圖像中準(zhǔn)確且完整地檢測出標(biāo)志點(diǎn)是一個關(guān)鍵問題。由于艙體殼體的高反光表面和現(xiàn)場復(fù)雜光源干擾，處理雙目相機(jī)獲取的高質(zhì)量圖像時，容易誤提取零件表面的視覺標(biāo)志點(diǎn)以外的光斑，影響后續(xù)測量精度。傳統(tǒng)的圓提取算法在面對復(fù)雜現(xiàn)場環(huán)境下，為提高識別的準(zhǔn)確率，需要設(shè)置嚴(yán)格的圖像二值化閾值和圓度、面積等約束條件，在提取的圓形輪廓中篩選出視覺標(biāo)志點(diǎn)。但不同場景下參數(shù)變化較大，難以廣泛適用，通過劃出圖像中可能存在視覺標(biāo)志點(diǎn)的感興趣區(qū)域，再在區(qū)域內(nèi)提取視覺標(biāo)志點(diǎn)，可以有效減少由誤提取帶來的精度損失。如果通過人工分割標(biāo)志點(diǎn)所在的感興趣區(qū)域則會降低視覺測量效率和自動化程度，而采用基于卷積神經(jīng)網(wǎng)絡(luò)方式預(yù)先分割視覺標(biāo)志點(diǎn)所在的感興趣區(qū)域，再在區(qū)域內(nèi)提取視覺標(biāo)志點(diǎn)，可以有效減少由誤提取帶來的精度損失，同時提高測量效率。

在圖像特征的提取與分類領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典而廣泛應(yīng)用的深度學(xué)習(xí)結(jié)構(gòu)[11-12]，卷積神經(jīng)網(wǎng)絡(luò)提供了一種端到端的學(xué)習(xí)模型，經(jīng)過梯度下降方法訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)到圖像中的特征，實(shí)現(xiàn)對圖像特征的提取、分類等功能[13]。傳統(tǒng)的提取圓形視覺標(biāo)志點(diǎn)方法需先將圖像進(jìn)行二值化處理，再通過圓度、面積等約束條件搜尋標(biāo)志點(diǎn)中心的圓形反光區(qū)域[14]，這一過程忽略了視覺標(biāo)志點(diǎn)的其他圖形信息，因此容易與高反光表面上的圓形反光斑點(diǎn)混淆，從而造成誤提取。采用基于卷積神經(jīng)網(wǎng)絡(luò)的方法直接處理原圖像可以充分利用視覺標(biāo)志點(diǎn)的全部信息，準(zhǔn)確定位視覺標(biāo)志點(diǎn)所在的感興趣區(qū)域，極大程度上抑制了局部高反光對標(biāo)志點(diǎn)產(chǎn)生的影響。在此基礎(chǔ)上對感興趣區(qū)域內(nèi)視覺標(biāo)志點(diǎn)的圓形反光區(qū)域中心進(jìn)行檢測，可以有效保證測量的準(zhǔn)確性。

基于卷積神經(jīng)網(wǎng)絡(luò)分割視覺標(biāo)志點(diǎn)所在感興趣區(qū)域的方法流程包括：將原圖像的分辨率由6 004×7 904 像素降采樣并調(diào)整到1 500×2 000 像素，以提高后續(xù)神經(jīng)網(wǎng)絡(luò)計算效率；將圖像以錯位形式分別切分為48 個和35 個分辨率為250×250像素的子圖像，圖像切分方式如圖3 和圖4所示。將切分后的圖像送入第1 層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行二分類，確定圖像中是否有視覺標(biāo)志點(diǎn)，如果包含標(biāo)志點(diǎn)，再將圖像送入第2 層卷積神經(jīng)網(wǎng)絡(luò)分割出視覺標(biāo)志點(diǎn)感興趣區(qū)域。其中切分后的圖像足夠小，從而保證每個圖像至多有一個視覺標(biāo)志點(diǎn)，錯位切分則可保證圖像邊緣的點(diǎn)也能夠準(zhǔn)確識別。

圖3 原圖切分為48 個250×250 像素子圖像Fig.3 Original image that divided into 48 sub-images with 250 × 250 pixels

圖4 原圖錯位切分為35 個250×250 像素子圖像Fig.4 Original image that divided into 35 sub-images with 250 × 250 pixels

第1 層卷積神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)對輸入圖像進(jìn)行二分類，總體結(jié)構(gòu)如圖5所示。輸入尺寸為250×250像素單通道圖像，經(jīng)過3 個卷積層、池化層和4 個全連接層，中間層激活函數(shù)為修正線性單元（rectified linear unit，ReLU）函數(shù)，輸出層激活函數(shù)為Sigmoid 函數(shù)，輸出值在0～1 之間，表示輸入圖像是否包含視覺標(biāo)志點(diǎn)。輸出值大于0.75 表示包含標(biāo)志點(diǎn)，再繼續(xù)將圖像送入第2 層卷積神經(jīng)網(wǎng)絡(luò)分割出感興趣區(qū)域。

第2 層卷積神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)分割出輸入圖像中視覺標(biāo)志點(diǎn)的感興趣區(qū)域位置，總體結(jié)構(gòu)如圖6所示。輸入尺寸為250×250 像素單通道圖像，經(jīng)過3 個卷積層、池化層和4 個全連接層，中間層激活函數(shù)為修正線性單元函數(shù)，輸出值為感興趣區(qū)域的左上角坐標(biāo)和右下角坐標(biāo)。

圖6 第2 層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 Convolutional neural network structure of layer 2

使用7 500 張和12 000 張圖像分別對第1、2 層卷積網(wǎng)絡(luò)進(jìn)行訓(xùn)練，數(shù)據(jù)集中部分訓(xùn)練圖像如圖7所示。使用200 張和350 張圖像分別對第1、2 層卷積網(wǎng)絡(luò)進(jìn)行測試，準(zhǔn)確率均達(dá)到了97%以上。

圖7 數(shù)據(jù)集中部分圖像Fig.7 Part of images in dataset

根據(jù)第2 層卷積神經(jīng)網(wǎng)絡(luò)輸出值在圖像中劃出所有視覺標(biāo)志點(diǎn)的感興趣區(qū)域，由于圖以錯位形式切分了2 次，感興趣區(qū)域會出現(xiàn)重疊，但對后續(xù)提取視覺標(biāo)志點(diǎn)不會造成影響，區(qū)域劃出后圖像如圖8所示。為方便后續(xù)圖像處理，將非感興趣區(qū)域內(nèi)像素的灰度值設(shè)置為0，處理后圖像如圖9所示。

圖8 劃出感興趣區(qū)域后圖像Fig.8 Image that marked regions of interest

圖9 將非感興趣區(qū)域像素灰度值設(shè)置為0 的圖像Fig.9 Image that set gray value of pixels out of regions of interest to zero

2.2 標(biāo)志點(diǎn)三維重建

對雙目相機(jī)獲取的高質(zhì)量圖像進(jìn)行預(yù)處理后，對圖像中的視覺標(biāo)志點(diǎn)中心進(jìn)行提取。首先設(shè)置適當(dāng)?shù)亩祷撝祵D像進(jìn)行二值化處理；然后提取二值圖像的所有獨(dú)立區(qū)域輪廓[15]，計算每個區(qū)域輪廓的圓度值C，面積S，通過設(shè)置適當(dāng)?shù)膱A度閾值C′、面積閾值(Smin,Smax)，將滿足條件的區(qū)域輪廓篩選為視覺標(biāo)志點(diǎn)區(qū)域輪廓，然后使用基于最小二乘的橢圓擬合法計算區(qū)域中心位置坐標(biāo)[16]。一

般二次曲線方程可表示為

方程（1）中各個系數(shù)由下式表示：

將輪廓點(diǎn)(xi,yi)代入公式（1）后得到F(xi,yi)，可認(rèn)為是誤差距離，運(yùn)用最小二乘原理得到方程中各個系數(shù)的值a。二次曲線的最小二乘擬合可表示為

擬合后橢圓圓心為視覺標(biāo)志點(diǎn)中心坐標(biāo)，上述圖像處理過程如圖10所示。

圖10 圖像處理過程Fig.10 Process of image processing

分別獲取左右圖像的視覺標(biāo)志點(diǎn)中心的位置坐標(biāo)后，對其進(jìn)行匹配和三維重建。由于大型艙體零件表面布置大量視覺標(biāo)志點(diǎn)，同時左右相機(jī)公共視場小，因此左右相機(jī)圖像中可能出現(xiàn)非公共標(biāo)志點(diǎn)，為提高左右圖像視覺標(biāo)志點(diǎn)匹配的魯棒性，消除誤匹配，使用基于極線約束的標(biāo)志點(diǎn)立體匹配方法[3]。極線約束是將對應(yīng)匹配點(diǎn)搜索范圍由全局圖像縮小到極線這條直線上，從而提高匹配的精度與魯棒性。圖11 為左右圖像視覺標(biāo)志點(diǎn)中心匹配結(jié)果。

圖11 左右圖像視覺標(biāo)志點(diǎn)中心匹配Fig.11 Match of center of left and right images visual mark points

左右圖像的視覺標(biāo)志點(diǎn)匹配完成后，對左右相機(jī)圖像平面進(jìn)行立體校正，然后根據(jù)小孔成像模型，跟據(jù)公式（4）對視覺標(biāo)志點(diǎn)進(jìn)行三維重建，得到左相機(jī)坐標(biāo)系下視覺標(biāo)志點(diǎn)中心三維坐標(biāo)(X,Y,Z)：

式中：(ul,ur)和(vl,vr)是標(biāo)志點(diǎn)中心分別在左右圖像中的坐標(biāo)；s為像素的物理尺寸；d是2 個相機(jī)間的視差；Tx是左右相機(jī)光心距離；f是相機(jī)焦距。這些參數(shù)通過對雙目相機(jī)標(biāo)定獲得[17]。

2.3 機(jī)器人控制

測量大型艙體零件表面時，需將雙目相機(jī)放在多個位姿狀態(tài)才能進(jìn)行。為實(shí)現(xiàn)雙目視覺測量系統(tǒng)的高效與自動化，將雙目視覺放置在工業(yè)機(jī)器人末端，通過控制工業(yè)機(jī)器人運(yùn)動完成測量，再通過多位姿間坐標(biāo)轉(zhuǎn)換關(guān)系將不同位姿測量得到的數(shù)據(jù)統(tǒng)一在同一坐標(biāo)系下。

機(jī)器人控制是通過上位機(jī)與庫卡機(jī)器人傳感器通訊軟件RSIVisual 間進(jìn)行信息交互實(shí)現(xiàn)的，其中信息交互使用UDP 無連接協(xié)議，上位機(jī)將下一步機(jī)器人需要移動的具體位姿（機(jī)器人末端在基座坐標(biāo)系下位置X，Y，Z和角度A，B，C）以XML 形式的數(shù)據(jù)流發(fā)送給機(jī)器人控制系統(tǒng)，機(jī)器人控制系統(tǒng)接收后開始運(yùn)動并將機(jī)器人當(dāng)前位姿信息（同上）以XML 形式的數(shù)據(jù)流實(shí)時發(fā)送給上位機(jī)。上位機(jī)在判斷機(jī)器人移動到指定位姿后發(fā)送視覺測量指令。

由于工業(yè)機(jī)器人絕對定位精度相對較低[18]，直接采用機(jī)器人控制系統(tǒng)發(fā)送運(yùn)動信息難以實(shí)現(xiàn)高精度拼接不同位姿下的視覺測量數(shù)據(jù)。因此，利用位姿之間公共點(diǎn)計算位姿間坐標(biāo)轉(zhuǎn)換關(guān)系，然后進(jìn)行拼接。為保證不同位姿之間能夠測量到足夠的公共視覺標(biāo)志點(diǎn)，同時使測量路徑易于規(guī)劃，采用一種滑動窗口的方法對艙體零件表面進(jìn)行測量。即工業(yè)機(jī)器人末端沿艙體表面方向一次移動一段固定距離，保證鄰近測量位姿之間，雙目相機(jī)公共視場內(nèi)有足夠數(shù)量的視覺標(biāo)志點(diǎn)，以提高后續(xù)拼接精度，如圖12所示。其中方形窗口表示雙目視覺公共視場，隨著位姿變化窗口以固定距離向右移動。

圖12 滑動窗口測量示意圖Fig.12 Diagram of sliding window measurement

2.4 標(biāo)志點(diǎn)拼接

通過位姿之間測量的公共視覺標(biāo)志點(diǎn)計算位姿間坐標(biāo)轉(zhuǎn)換關(guān)系。給定2 個位姿下對應(yīng)的公共視覺標(biāo)志點(diǎn)集合P={p1,p2,...pn}和Q={q1,q2,···qn}，它們之間位姿轉(zhuǎn)換關(guān)系R和t可由SVD方法計算獲得，首先計算標(biāo)志點(diǎn)集合中心點(diǎn)，并將點(diǎn)集中心化，即：

式中：μP和 μQ代表標(biāo)志點(diǎn)集合P={p1,p2,···pn}和Q={q1,q2,···qn}的中心點(diǎn)，將其中心化后可獲得標(biāo)志點(diǎn)集合和。將中心化后獲得的標(biāo)志點(diǎn)集合轉(zhuǎn)換成N×3矩陣，計算協(xié)方差矩陣H，并將SVD分解，即：

最后計算點(diǎn)集之間旋轉(zhuǎn)矩陣R和 平移向量t：

計算出轉(zhuǎn)換關(guān)系R和t后，將雙目相機(jī)在各個位姿下測量的視覺標(biāo)志點(diǎn)三維坐標(biāo)統(tǒng)一到同一坐標(biāo)系下，完成三維重建。

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證雙目視覺測量系統(tǒng)可靠性，實(shí)驗(yàn)使用了鋁膜包覆式碳纖維艙段模擬件模擬大型艙體零件，碳纖維模擬件減輕了環(huán)境溫濕度變化對實(shí)驗(yàn)結(jié)果帶來的影響。同時在室內(nèi)光照條件穩(wěn)定的實(shí)驗(yàn)條件下，使用高精度陶瓷標(biāo)定板對雙目相機(jī)進(jìn)行了標(biāo)定。然后將標(biāo)定過的雙目相機(jī)固定在工業(yè)機(jī)器人末端，對碳纖維艙段模擬件表面布置的視覺標(biāo)志點(diǎn)進(jìn)行測量。其中視覺標(biāo)志點(diǎn)安放在可替換激光跟蹤儀靶球的標(biāo)準(zhǔn)靶座上，方便后續(xù)使用激光跟蹤儀對視覺測量精度進(jìn)行驗(yàn)證。圖13 為放置在工業(yè)機(jī)器人末端的雙目相機(jī)，圖14 為鋁膜包覆式碳纖維艙段模擬件。

圖13 放置在工業(yè)機(jī)器人末端的雙目相機(jī)Fig.13 Binocular cameras placed at end of industrial robots

圖14 鋁膜包覆式碳纖維艙段模擬件Fig.14 Aluminum film-coated carbon fiber simulated cabin component

整個艙段模擬件長度約1.2 m，半徑約899 mm。為完成整個艙段模擬件測量，工業(yè)機(jī)器人需攜帶雙目相機(jī)切換到多個位姿從艙段左側(cè)開始向右側(cè)逐步測量，每切換一次位姿，雙目相機(jī)有效測量視野向右移動約150 mm。直到工業(yè)機(jī)器人切換到下一個位姿后，雙目相機(jī)有效測量視野中不再出現(xiàn)新的視覺靶球，則說明視覺測量系統(tǒng)已達(dá)艙段最右側(cè)，測量結(jié)束。整個測量實(shí)驗(yàn)工業(yè)機(jī)器人共計切換了9 個位姿，為驗(yàn)證視覺測量精度，使用激光跟蹤儀測量各個視覺標(biāo)志點(diǎn)三維位置，同時將全部位姿下視覺標(biāo)志點(diǎn)測量的三維位置統(tǒng)一到同一坐標(biāo)系下，完成整個艙體零件表面測量后，將激光跟蹤儀和視覺測量的標(biāo)志點(diǎn)位置以三維點(diǎn)云的形式輸出，如圖15 和圖16所示。

圖15 激光跟蹤儀測量標(biāo)志點(diǎn)三維點(diǎn)云Fig.15 Three-dimensional point clouds of mark points measured by laser tracker

圖16 視覺測量標(biāo)志點(diǎn)三維點(diǎn)云Fig.16 Three-dimensional point clouds of mark points measured by vision

以激光跟蹤儀測量結(jié)果為真值，對比拼接后各個標(biāo)志點(diǎn)到1 號標(biāo)志點(diǎn)距離驗(yàn)證視覺測量精度，結(jié)果如圖17所示。同時對比位姿1 到位姿9，各個位姿下拼接后的視覺測量精度RMS 如圖18所示。

圖17 拼接后視覺測量精度Fig.17 Accuracy of visual measurement after splicing

圖18 位姿1 到位姿9 視覺測量精度RMSFig.18 RMS of vision measurement accuracy from position 1 to 9

實(shí)驗(yàn)結(jié)果表明：在1.2 m×1 m 范圍內(nèi)，共計切換9 個位姿情況下各個標(biāo)志點(diǎn)到1 號標(biāo)志點(diǎn)距離視覺測量精度RMS 可達(dá)0.049 mm，最大誤差控制在100 μm 以內(nèi)。同時在保證各個位姿視覺測量精度的前提下，采用滑動窗口的方法使用相鄰位姿間公共標(biāo)志點(diǎn)拼接測量結(jié)果，并未出現(xiàn)明顯的精度下降。

4 結(jié)論

本文敘述的基于雙目立體視覺的大型艙體零件測量系統(tǒng)，通過基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別技術(shù)避免了視覺標(biāo)記點(diǎn)的誤提取，保障了系統(tǒng)可靠運(yùn)行。同時利用工業(yè)機(jī)器人技術(shù)實(shí)現(xiàn)了多位姿下對大型艙體零件的視覺測量，最后通過拼接多位姿下視覺標(biāo)記點(diǎn)測量數(shù)據(jù)將其統(tǒng)一到同一坐標(biāo)系下，完成對艙體零件表面特征的三維重建。整個測量系統(tǒng)具有效率高、穩(wěn)定性高等特點(diǎn)，通過與激光跟蹤儀作對照試驗(yàn)，在1.2 m×1 m 范圍內(nèi)9 個位姿的拼接精度RMS 可達(dá)0.049 mm，表明該系統(tǒng)有較高的精度。