趙鵬飛，馬 健，郭海利，顧 進(jìn)

（1.南京航空航天大學(xué)，江蘇南京 210016；2.空軍裝備部駐蕪湖地區(qū)軍代室，安徽蕪湖 241007；3.國營蕪湖機(jī)械廠，安徽蕪湖 241007；4.江蘇金陵機(jī)械制造總廠，江蘇南京 211100）

目前，在中距和近距激光光斑測(cè)量中，主要依靠人工測(cè)量手段對(duì)光斑進(jìn)行捕捉和保存，這種方式不利于測(cè)量數(shù)據(jù)的管理。同時(shí)，人工測(cè)量存在風(fēng)險(xiǎn)性大，且識(shí)別準(zhǔn)確性差的問題。為了降低操作人員的風(fēng)險(xiǎn)，提高測(cè)量效率，采用圖像處理技術(shù)代替人工測(cè)量，實(shí)現(xiàn)智能捕捉激光出現(xiàn)的位置與形態(tài)，對(duì)激光光斑圖像進(jìn)行實(shí)時(shí)采集、定位以及角度分析，并實(shí)現(xiàn)測(cè)量圖像和數(shù)據(jù)的自動(dòng)存儲(chǔ)與導(dǎo)出。這一技術(shù)具有重要的應(yīng)用價(jià)值和前景。

激光光斑自動(dòng)檢測(cè)技術(shù)是一種自動(dòng)、智能、高效、穩(wěn)定的檢測(cè)方法。當(dāng)光斑光強(qiáng)分布均勻時(shí)，采用灰度重心法[1]、閾值分割法[2]等可以使光斑定位精度達(dá)到亞像素級(jí)別，但這只是理想的情況。在實(shí)際測(cè)量中，存在很多不可控的因素，如光斑存在散斑等，同時(shí)光線的折射以及反射，使得CCD 相機(jī)拍攝到的圖像中光斑強(qiáng)度不均勻，且?guī)в泻軓?qiáng)的噪聲，導(dǎo)致目標(biāo)與背景難以分離。這些特點(diǎn)將導(dǎo)致光斑自動(dòng)檢測(cè)的準(zhǔn)確率降低，無法滿足工業(yè)現(xiàn)場(chǎng)的要求。為了解決該問題，趙琦[3]提出了一種高精度的激光光斑中心定位方法，該方法采用最大類間方差，在降低了噪聲干擾的同時(shí)，提高了光斑定位精度。許丹丹[4]等人提出了一種自適應(yīng)ROI 提取算法對(duì)光斑中心進(jìn)行準(zhǔn)確測(cè)量，首先對(duì)光斑圖像進(jìn)行結(jié)構(gòu)相似度（SSIM）計(jì)算得到自適應(yīng)ROI，然后將提取到的ROI進(jìn)行類間方差最大化（Otsu）的圖像分割，得到光斑二值圖；其次對(duì)光斑二值圖進(jìn)行圓擬合，最后得到光斑中心坐標(biāo)。沈翀[5]等人首先將三通道的影像分割成三幅，分別為R、G 及B 的單通道影像；然后截取R 通道的影像中包含光斑的ROI；其次，對(duì)ROI 影像二值化及使用圓形結(jié)構(gòu)元素的開運(yùn)算進(jìn)行光斑圖像雜散圖像信息的去除；最后提取光斑連通域輪廓，再用橢圓擬合函數(shù)定位光斑中心。石達(dá)順[6]等人提出一種基于統(tǒng)計(jì)高斯擬合算法，結(jié)合二維高斯曲面的分布特性，對(duì)圓形光斑的灰度分布進(jìn)行分析，指出了在對(duì)圓形光斑灰度擬合時(shí)需對(duì)光斑像素點(diǎn)進(jìn)行有效篩選，避免因光照或噪聲等帶來的擬合誤差。但這些算法大多是針對(duì)圓形激光光斑進(jìn)行處理的，算法運(yùn)行效率低，并且對(duì)非規(guī)范形狀的光斑中心定位算法還需進(jìn)一步研究。針對(duì)這一問題，提出一種新的高精度光斑中心定位算法，能夠有效克服噪聲及光強(qiáng)不均勻的情況，實(shí)現(xiàn)不規(guī)范激光光斑中心定位檢測(cè)。

1 激光光斑中心檢測(cè)原理

激光光斑檢測(cè)是通過激光對(duì)靶板進(jìn)行照射，獲得激光光斑圖像[7]。然后通過實(shí)時(shí)的圖像分析軟件對(duì)采集到的圖像進(jìn)行處理，檢測(cè)光斑位置并計(jì)算光斑的大小、質(zhì)心等參數(shù)，并通過終端設(shè)備進(jìn)行讀取與顯示，從而實(shí)現(xiàn)對(duì)激光光斑檢測(cè)性能的評(píng)估，其主要工作原理如圖1 所示。

圖1 激光光斑中心檢測(cè)原理圖

針對(duì)工業(yè)相機(jī)的激光光斑檢測(cè)，提出一種基于中心定位算法的激光光斑檢測(cè)系統(tǒng)。首先對(duì)激光光斑圖像進(jìn)行梯形校正，去除鏡頭拍攝物體帶來的畸變變化；然后對(duì)圖像進(jìn)行去噪和增強(qiáng)等預(yù)處理操作，以消除圖像中噪聲以及散射光斑的影響；最后結(jié)合光斑中心定位算法對(duì)激光光斑圖像進(jìn)行光斑中心定位，其檢測(cè)方法框圖如圖2 所示。

圖2 激光光斑中心檢測(cè)方法框圖

2 改進(jìn)的光斑中心檢測(cè)算法

2.1 梯形校正

在鏡頭拍攝物體時(shí)存在成像的畸變，會(huì)造成圖像的失真[8]。為了消除梯形失真帶來的影響，采用幾何投影變換方法對(duì)畸變圖像進(jìn)行梯形（透視）校正。幾何投影變換[9]方法是解決圖像像素位置變化的一種有效手段，所有像素點(diǎn)的位置關(guān)系可以用式（1）表示：

其中，u(x0,y0) 和v(x0,y0) 為原圖像到失真圖像的坐標(biāo)變化函數(shù)。當(dāng)確定兩幅圖像間所有像素點(diǎn)的位置變化關(guān)系后，可以通過逆變換[10]對(duì)失真圖像進(jìn)行校正，如式（2）所示：

為了計(jì)算坐標(biāo)函數(shù)，提取原圖像和失真圖像的四個(gè)參考點(diǎn)為對(duì)應(yīng)點(diǎn)，再結(jié)合雙線性變換進(jìn)行求解，如式（3）所示：

以靶板的四個(gè)參考點(diǎn)為對(duì)應(yīng)點(diǎn)，首先采用自動(dòng)閾值分割[11]對(duì)畸變圖像進(jìn)行分割，然后采用區(qū)域填充、邊界提取的方法進(jìn)一步得到校正靶板與背景分離的圖像，提取圖像輪廓；然后對(duì)失真圖進(jìn)行縱橫比計(jì)算，并和原圖像縱橫比進(jìn)行對(duì)比，得到四個(gè)參考點(diǎn)的坐標(biāo)；最后通過幾何投影變換方法對(duì)失真圖像進(jìn)行梯形校正，如圖3 所示。

圖3 靶板梯形校正效果圖

2.2 圖像預(yù)處理

工業(yè)相機(jī)拍攝的環(huán)境較為復(fù)雜，常常導(dǎo)致得到的目標(biāo)圖像并不是非常理想。為了得到圖像更好的特征，利用圖像增強(qiáng)與圖像去噪技術(shù)，對(duì)光斑圖像進(jìn)行預(yù)處理操作，從而消除干擾因素對(duì)圖像的影響。

2.2.1 圖像增強(qiáng)

圖像增強(qiáng)算法[12]一般可以分為基于空域的方法和基于頻域的方法，文中采用基于空域的直方圖均衡法[13]直接對(duì)原始圖像進(jìn)行圖像像素的增強(qiáng)。對(duì)激光光斑圖像采用直方圖均衡法，就是對(duì)圖像的灰度級(jí)分布以及灰度值進(jìn)行映射變換，使其均勻分布。圖像灰度級(jí)的分布可以用概率密度函數(shù)Pr(rk)來表示，如式（4）所示：

由于對(duì)原始圖像進(jìn)行歸一化處理，所以0 ≤rk≤1，Pr代表圖像中每個(gè)像素點(diǎn)的像素灰度級(jí)，k=0,1,2,…,N-1,nk為圖像中出現(xiàn)rk這種灰度的像素個(gè)數(shù)，N是圖像中的像素個(gè)數(shù)的總數(shù)。直方圖均衡化的變換函數(shù)T(rk)如式（5）所示：

通過計(jì)算得到均衡后每個(gè)像素的灰度值。

2.2.2 圖像去噪

噪聲會(huì)影響光斑圖像的質(zhì)心精度。通過采用中值濾波法[14]對(duì)激光光斑進(jìn)行去噪處理，消除噪聲對(duì)圖像的影響。中值濾波算法采用一個(gè)滑動(dòng)窗口，并對(duì)這個(gè)窗口中的所有灰度值由低到高進(jìn)行排序，然后利用窗口中灰度值的中值來代替中心點(diǎn)的灰度值，進(jìn)而實(shí)現(xiàn)對(duì)噪聲的抑制和消除。

2.3 光斑中心定位算法

為了得到精確的激光光斑中心，首先將原始光斑圖像轉(zhuǎn)換為二值圖像，然后對(duì)二值圖像進(jìn)行形態(tài)學(xué)運(yùn)算閉操作[15]，閉操作可以消除圖像中一些小的間斷和一些空洞區(qū)域，使目標(biāo)的輪廓線更加清晰明顯，進(jìn)而可以容易地找到目標(biāo)光斑的外輪廓線。由于二值圖像值只有0 和1，因此對(duì)圖像白色部分即像素值為1 的部分求均值，可以求出光斑中心的大概位置(px,py)，如式（6）所示：

式中，(xj,yj) 為像素值為1 的點(diǎn)的像素坐標(biāo)，z為像素值為1的像素點(diǎn)的個(gè)數(shù)。找到圖像中像素值為0的一系列點(diǎn)(xj,yj)，并計(jì)算得到像素值為0的點(diǎn)與光斑中心點(diǎn)的距離r，同時(shí)找到最小距離rm，如式（7）和式（8）所示：

式中,(xi,yi)為像素值為0 的點(diǎn)的像素坐標(biāo)，n為像素值為0 的點(diǎn)的個(gè)數(shù)。

沿光斑中心點(diǎn)與距光斑中心點(diǎn)最近的點(diǎn)(xm,ym)的方向移動(dòng)圓心(px,py)，移動(dòng)距離為一個(gè)像素點(diǎn)，同時(shí)更新光斑中心點(diǎn)位置(px,py) 。不斷重復(fù)上述步驟，直到計(jì)算出最小距離rmin，退出循環(huán)。此時(shí)點(diǎn)(px,py)即為光斑中心點(diǎn)。激光光斑中心檢測(cè)算法具體處理效果如圖4 所示。

圖4 激光光斑中心檢測(cè)算法

2.4 圖像坐標(biāo)變換

圖像坐標(biāo)變換的過程實(shí)際是建立圖像世界與三維世界位置的關(guān)系，將圖像坐標(biāo)系下的坐標(biāo)轉(zhuǎn)化為世界坐標(biāo)系下坐標(biāo)，得到坐標(biāo)的實(shí)際值[16]。由于靶板上的四個(gè)點(diǎn)在圖像中被映射為矩形，矩形的頂點(diǎn)在世界坐標(biāo)系下的距離已知，因此可以建立起圖像坐標(biāo)系與世界坐標(biāo)系對(duì)應(yīng)的距離映射關(guān)系。根據(jù)此映射關(guān)系，將光斑中心點(diǎn)坐標(biāo)(px,py)映射為世界坐標(biāo)系下的具體坐標(biāo)值。

3 實(shí)驗(yàn)結(jié)果及分析

在實(shí)驗(yàn)過程中，采用CCD 對(duì)各種形狀的激光光斑圖像進(jìn)行采集，并在Matlab 軟件上對(duì)原始圖像進(jìn)行預(yù)處理，處理后得到尺寸為114×114 的圖像。最后利用提出的算法對(duì)激光光斑圖像進(jìn)行光斑中心定位，并與現(xiàn)有的一些算法進(jìn)行對(duì)比分析。

采用基于中心定位算法的光斑中心檢測(cè)結(jié)果如圖5 和圖6 所示，圖5 所示為采用閉操作填補(bǔ)輪廓線中的斷裂，得到目標(biāo)光斑的外輪廓線圖像；圖6 所示為采用中心定位算法得到的激光光斑中心圖像。

圖5 激光光斑輪廓圖

圖6 激光光斑中心定位圖

采用結(jié)合光斑中心定位的光斑檢測(cè)算法，最小化圖中像素值為0 的點(diǎn)與光斑中心點(diǎn)的距離，不斷更新光斑中心點(diǎn)位置，從而避免了雜光等因素的影響，提高了檢測(cè)的準(zhǔn)確性。最后將提出的算法與傳統(tǒng)的灰度重心法、圓心擬合法得到的光斑中心坐標(biāo)進(jìn)行比較如表1 所示。

表1 激光光斑中心定位坐標(biāo)比較結(jié)果

從表1 可以看出，在面對(duì)非規(guī)則光斑時(shí)，所提算法得到的兩組光斑中心坐標(biāo)值與實(shí)際值誤差在三個(gè)像素點(diǎn)之內(nèi)，而灰度重心法和圓擬合法的誤差都比較大，無法精確地計(jì)算出非規(guī)則光斑中心坐標(biāo)。由此可見，該文的算法在檢測(cè)現(xiàn)場(chǎng)對(duì)非規(guī)則光斑進(jìn)行光斑中心定位時(shí)，可以得到更為精確的結(jié)果，檢測(cè)軟件采集圖像如圖7 所示。

圖7 檢測(cè)軟件現(xiàn)場(chǎng)采集圖像

4 結(jié)束語

機(jī)器視覺檢測(cè)具有比人眼更高的辨別精度和速度，且具有安全性，優(yōu)點(diǎn)突出。提出的算法能夠?qū)崿F(xiàn)對(duì)不同形狀光斑中心的精確定位，并能夠滿足光斑運(yùn)動(dòng)的實(shí)時(shí)性要求。首先，算法對(duì)圖像質(zhì)量要求不高，對(duì)存在光線干擾及不同程度的噪聲干擾的情況具有較好的抗干擾能力；其次，對(duì)較為模糊的圖像仍能精確地實(shí)現(xiàn)圖像特征點(diǎn)的識(shí)別。提出算法具有較強(qiáng)的實(shí)用性，能夠滿足各種形狀激光光斑高精度測(cè)量的需求。實(shí)驗(yàn)結(jié)果顯示，在較為復(fù)雜的檢測(cè)現(xiàn)場(chǎng)下，該文所提出的算法能夠檢測(cè)到較為準(zhǔn)確的激光光斑位置。