王浩猛，坎 標(biāo)，芮明先，馬順喜

(1.常州大學(xué) 機械與軌道交通學(xué)院，江蘇 常州 213164；2.江蘇羚羊機械有限公司，江蘇 常州 213311)

0 引言

在工業(yè)生產(chǎn)中，由于傳統(tǒng)的尺寸測量設(shè)備操作復(fù)雜、效率低下，其接觸式的測量方法也可能會損傷被測物體表面，因此已無法滿足工業(yè)測量智能化、自動化的發(fā)展需求。機器視覺通過模仿人類視覺識別物體，實現(xiàn)了對被測物體的測量與控制，而雙目視覺技術(shù)是其中一種重要方式。與激光視覺等主動式測量方法不同，雙目視覺并不需要向外界發(fā)送信號，在不對物體進(jìn)行干擾的情況下就可以實現(xiàn)測量。雙目視覺技術(shù)采用兩個攝像頭模擬人類雙眼來實現(xiàn)測控，在高精度工業(yè)測量、智能導(dǎo)航、虛擬現(xiàn)實、交通路標(biāo)識別和復(fù)雜環(huán)境場景重建都受到廣泛應(yīng)用。隨著焊接加工朝自動化方向發(fā)展，雙目視覺技術(shù)因其具有非接觸、精度高、速度快等優(yōu)點也越來越受到工業(yè)領(lǐng)域的廣泛關(guān)注。通過計算機處理雙目視覺左右圖像比人類利用雙眼獲取信息更為準(zhǔn)確，后續(xù)圖像處理也更為方便。實現(xiàn)雙目視覺測量所需要的設(shè)備較為簡單，僅需要兩個相機鏡頭和相應(yīng)的固定支架便可以實現(xiàn)，結(jié)構(gòu)簡單且易于安裝使用，成本較為低廉，因此雙目視覺測量法受到廣泛應(yīng)用。雙目視覺技術(shù)的測量原理能夠應(yīng)用于焊接過程中板材的尺寸測量領(lǐng)域，通過雙目相機實現(xiàn)工業(yè)板材自動化測量逐漸成為一種提高生產(chǎn)效率的重要手段[1]。

單一的視覺角度只能得到二維圖像，并不能獲取到物體的三維信息，而雙目視覺技術(shù)通過采集相機左右圖像，對同一目標(biāo)在左右兩個成像平面上的差異進(jìn)行計算，獲得目標(biāo)物體與相機之間的位置關(guān)系，建立起物體在三維空間的坐標(biāo)信息，具有非常大的發(fā)展?jié)摿?。雙目視覺用于工業(yè)板材測量，能夠計算出板材上各點的三維坐標(biāo)，實現(xiàn)板材上各特征點間的尺寸測量[2-4]。肖心遠(yuǎn)利用搭建出的雙目視覺機器人焊縫跟蹤系統(tǒng)采集水下對接焊縫圖像，對圖像進(jìn)行處理得到焊縫邊緣線的特征元素，進(jìn)而求取出水下對接焊機器人的末端位姿，并根據(jù)機器人系統(tǒng)的位姿模型實現(xiàn)焊槍姿態(tài)獲取[5]。張澤采用雙目視覺技術(shù)和雙驅(qū)動運動機構(gòu)結(jié)合獲取到飛機蒙皮合金件內(nèi)部的圖像，將光源系統(tǒng)調(diào)節(jié)和圖像融合，解決了同種材料下目標(biāo)的提取，完成了飛機蒙皮的化學(xué)銑削加工區(qū)域輪廓三維重建，獲得輪廓區(qū)域的三維坐標(biāo)信息[6]。張仕軍將多模型級聯(lián)與雙目視覺系統(tǒng)結(jié)合獲取鑄件缺陷圖像，利用三角測量法對鑄件表面缺陷進(jìn)行三維定位，建立出工件坐標(biāo)系與圖像坐標(biāo)系的關(guān)系，從而實現(xiàn)了工件平面缺陷位置信息的三維映射[7]。楊皓天針對葡萄采摘自動化設(shè)計出基于雙目視覺定位的采摘機器人設(shè)備進(jìn)行果柄抓取，通過葡萄采摘關(guān)鍵特征提取邏輯的設(shè)計，優(yōu)化了雙目視覺中相機標(biāo)定和立體匹配的關(guān)鍵過程，識別出采摘目標(biāo)的典型特征，確定了取景范圍和幾何形狀識別，提高了雙目視覺定位精度[8]。但以上都沒有考慮到實際待測目標(biāo)在圖像中像素坐標(biāo)位置的準(zhǔn)確性。在板材焊接工藝生產(chǎn)中，板材在進(jìn)行儲藏或運輸時可能會與周圍物體發(fā)生碰撞磨損，導(dǎo)致板材表面和棱角處信息缺失，這對于板材的尺寸測量大為不利。焊接自動化升級的發(fā)展需求也對板材測量的方法和精度有了更高的要求。本文以板材尺寸視覺測量為出發(fā)點，設(shè)計了一種基于亞像素檢測的雙目視覺尺寸測量系統(tǒng)。該系統(tǒng)能夠?qū)Π宀谋砻嫣卣鼽c進(jìn)行亞像素級精度坐標(biāo)識別，改善了板材測量中板材特征點識別不準(zhǔn)確的問題，將目標(biāo)圖像像素點坐標(biāo)提高到亞像素級，并通過計算板材邊緣上各特征點間的距離，實現(xiàn)板材輪廓目標(biāo)點間的尺寸測量，同時進(jìn)行三維點云重建，通過點云圖像直觀顯示出物體整體輪廓特征，增強板材輪廓展示效果。

1 雙目視覺測量原理

雙目視覺測量通過將兩鏡頭處于不同位置和角度拍攝同一物體，對所獲兩張左右圖像進(jìn)行像素點間的匹配得到兩幅左右圖像間的視差，利用物體與相機之間的距離與視差成反比，建立兩者相對位置關(guān)系，獲取到圖像的深度信息，并根據(jù)三角測量原理轉(zhuǎn)換成物體目標(biāo)點的三維空間坐標(biāo)，從而實現(xiàn)尺寸測量的[9-10]。三維空間目標(biāo)點的信息處理是雙目視覺最重要的研究內(nèi)容。針對三維空間某目標(biāo)物體，以雙目相機鏡頭光心Ocl和Ocr為中心，相機兩鏡頭之間的光心距離為基線b，選取其上任意一點作為目標(biāo)點P，點P在相機成像平面O1和O2上的投影點分別為Pl和Pr，相機焦距為f，建立理想狀態(tài)下的平行光軸雙目視覺系統(tǒng)模型。雙目視覺相機模型如圖1所示。

圖1 雙目視覺相機模型

在物體三維空間實際位置與物體左右圖像像素坐標(biāo)進(jìn)行轉(zhuǎn)換時包含了4個坐標(biāo)系，分別是世界坐標(biāo)系、相機坐標(biāo)系、圖像坐標(biāo)系和像素坐標(biāo)系。4個坐標(biāo)系相互聯(lián)系變換，實現(xiàn)同一目標(biāo)物體在圖像像素坐標(biāo)系與世界坐標(biāo)系之間的坐標(biāo)轉(zhuǎn)換。在世界坐標(biāo)系下的目標(biāo)點P的空間坐標(biāo)為(Xw，Yw，Zw)，點P在相機成像平面的左右投影點像素坐標(biāo)為Pl(ul，vl)、Pr(ur，vr)，由此建立起目標(biāo)點的三維坐標(biāo)與圖像像素坐標(biāo)之間的轉(zhuǎn)換關(guān)系：

(1)

(2)

式中，(ul，vl，1)與(ur，vr，1)為點P在左右成像平面上的投影點Pl，Pr的齊次坐標(biāo)，Zl與Zr是點P在左右相機坐標(biāo)系中平行光軸方向的坐標(biāo)值，Ml與Mr為左右相機的投影矩陣，通過相機標(biāo)定實驗獲得，而(Xw，Yw，Zw，1)是在世界坐標(biāo)系下點P的齊次坐標(biāo)，mij則是Ml與Mr這兩矩陣的第i行、第j列元素。

通過最小二乘法對公式進(jìn)行聯(lián)立求解，可得點P的空間坐標(biāo)(Xw，Yw，Zw)。因此當(dāng)雙目相機的內(nèi)外參數(shù)通過標(biāo)定實驗獲得后，只需對目標(biāo)點在相機左右圖像上的像素坐標(biāo)進(jìn)行代入計算便可求得其三維空間坐標(biāo)。

2 相機標(biāo)定

利用相機標(biāo)定獲取相機參數(shù)是雙目視覺系統(tǒng)中的基礎(chǔ)環(huán)節(jié)，其標(biāo)定結(jié)果的精度直接影響了后續(xù)測量結(jié)果的準(zhǔn)確性，因此在進(jìn)行雙目視覺測量之前有必要進(jìn)行相機標(biāo)定[11-12]。相機標(biāo)定能夠建立起被測物體表面任意點的空間位置與其圖像對應(yīng)點間的關(guān)系。進(jìn)行雙目測量需要通過相機標(biāo)定來獲取到相機的內(nèi)參數(shù)，如相機的焦距等，也要獲得相機的外參數(shù)，如相機的位置和旋轉(zhuǎn)方向等，同時還需要得到畸變參數(shù)便于后續(xù)圖像處理[13-14]。相機標(biāo)定方式主要有兩種，分別是相機自標(biāo)定法和傳統(tǒng)標(biāo)定法。自標(biāo)定法不需要參照物就能實現(xiàn)標(biāo)定，但標(biāo)定所得精度較低，難以滿足工業(yè)測量需要。傳統(tǒng)標(biāo)定法利用參照物實現(xiàn)標(biāo)定，主要分為3D立體標(biāo)定法、基于徑向約束的標(biāo)定法和張正友標(biāo)定法[15]。3D立體標(biāo)定需要高精度的標(biāo)定物，成本很高，基于徑向約束的標(biāo)定法也需要高精度的設(shè)備支撐。針對上述各種方法優(yōu)缺點和雙目系統(tǒng)測量需求，張正友標(biāo)定法因其標(biāo)定物易于制作且成本低，標(biāo)定精度也很高，故采用張正友標(biāo)定法對雙目測量系統(tǒng)的左右鏡頭進(jìn)行標(biāo)定。相機標(biāo)定實驗通過將邊長為18 mm的7×10的黑白正方形組合繪制而成的棋盤格標(biāo)定板作為標(biāo)定參照物放置于雙目相機前方，在相機保持不動的情況下，調(diào)整棋盤格與相機平面的方向和角度，拍攝位姿和角度各不相同的板材左右圖像18對，采用MATLAB的標(biāo)定工具箱對相機拍攝出的棋盤格左右圖像進(jìn)行標(biāo)定，計算出相機的內(nèi)外參數(shù)。確定重投影誤差整體平均在0.20個像素，滿足實驗測量需求。重投影誤差如圖2所示。

圖2 重投影誤差

3 圖像校正

雙目系統(tǒng)測量公式是在理想狀態(tài)下推導(dǎo)的，在理想狀態(tài)下雙目相機的兩個攝像頭的光軸平行，而在實際中，由于出現(xiàn)生產(chǎn)制造誤差和安裝偏差導(dǎo)致兩相機鏡頭光軸并不平行，使得雙目相機拍攝物體時會發(fā)生圖像畸變現(xiàn)象，雙目相機左右成像平面也無法實現(xiàn)面與面之間互相平行的狀態(tài)，干擾立體匹配求取視差，致使雙目測量系統(tǒng)誤差較大影響板材尺寸測量結(jié)果的準(zhǔn)確性，因此為了獲得理想的雙目視覺系統(tǒng)需要對圖像進(jìn)行校正[16]。雙目視覺測量系統(tǒng)中的圖像校正主要是畸變矯正和立體校正兩種。畸變矯正能消除因透鏡透視失真和鏡頭安裝誤差引起的徑向畸變和切向畸變，而立體校正通過極線約束的方法可以實現(xiàn)兩幅圖像共面行對準(zhǔn)，保證兩個成像平面上的同名投影點在兩像素坐標(biāo)系中處于同一行，從而降低下一步立體匹配中對應(yīng)像素點一一匹配的計算量。采用MATLAB的RectifyStereoImages函數(shù)對圖像進(jìn)行校正，輸入上述相機標(biāo)定獲取到的相機內(nèi)外參數(shù)，處理后得到校正后左右圖像，如圖3(a)和圖3(b)所示。

圖3 雙目相機校正后左右圖像

4 基于HARRIS的亞像素角點提取

在板材進(jìn)行儲藏和運輸時，板材易受到碰撞和擠壓，導(dǎo)致板材表面和棱角處產(chǎn)生磨損和斷裂現(xiàn)象，特征點信息不明顯，準(zhǔn)確識別與提取出特征點對于尺寸測量精度的提高具有重要作用。傳統(tǒng)HARRIS算子基于灰度圖像實現(xiàn)角點檢測，在圖像的光照變化方面有較好的穩(wěn)定性，用于板材檢測角點具有較為優(yōu)越的效果。針對校正后雙目視覺左右圖像，利用HARRIS角點檢測法提取圖像目標(biāo)特征角點的像素坐標(biāo)[17]。HARRIS角點檢測法通過在目標(biāo)點周圍設(shè)置一個可以任意移動的局部窗口，在滑動小窗口時，計算窗口朝著多個方向移動時的灰度變化，采用角點響應(yīng)函數(shù)結(jié)合設(shè)定閾值進(jìn)行判定該像素點是否為角點。角點響應(yīng)函數(shù)公式如下：

R=det(M)-k[trace2(M)]

(3)

式中，M為圖像的自相關(guān)函數(shù)的矩陣，det(M)為矩陣M的行列式，trace(M)為矩陣的跡，k為經(jīng)驗常數(shù)。由于k取值范圍在0.04到0.06之間，k減小時，角點響應(yīng)值R增大，其他條件不變時，檢測到的角點會變多，為了盡可能的獲取更多的特征角點信息，本文k取值為0.04。計算圖像的響應(yīng)值R，設(shè)定閾值T，當(dāng)像素點的響應(yīng)值R大于閾值T時，該像素點認(rèn)定為角點。

由于HARRIS特征角點檢測是像素級別的，精度不高，也容易產(chǎn)生特征角點的誤檢。實際環(huán)境中圖像的特征角點并非一定位于像素正中心，而是位于像素內(nèi)部，將像素劃分成更小的單位，建立亞像素坐標(biāo)，精確角點位置坐標(biāo)到亞像素級[18]。利用亞像素可以滿足精度要求較高的工業(yè)測量領(lǐng)域需求，實現(xiàn)進(jìn)一步的更高精度的尺寸測量。對HARRIS特征角點進(jìn)行亞像素坐標(biāo)提取，還可以消除誤差角點，增加坐標(biāo)數(shù)據(jù)可靠性。在角點O周圍像素點有兩種，一種不在邊緣，如點A，另一種卻位于邊緣，如點B。A點處的灰度梯度為0，B點到角點O的矢量方向垂直于B點處的灰度梯度，Hi為B點處的灰度梯度方向，如圖4所示。針對任意角點坐標(biāo)，將其鄰域內(nèi)所有點分別代入下列公式，通過求解可獲得角點亞像素級像素坐標(biāo)，公式如下所示：

圖4 亞像素位置特征示意圖

(4)

5 雙目立體匹配和三維重建

5.1 弱紋理區(qū)域檢測

在板材拍攝圖像中，板材平面屬于弱紋理區(qū)域，區(qū)域內(nèi)的像素點具有十分相似的特性，板材輪廓尺寸測量需要精準(zhǔn)的測量板材的輪廓部位，對輪廓進(jìn)行準(zhǔn)確提取便于后續(xù)測量步驟。針對板材平面弱紋理區(qū)域，采用區(qū)域生長算法進(jìn)行板材區(qū)域提取[19]。區(qū)域生長算法是根據(jù)圖像像素的灰度連續(xù)相似性對性質(zhì)相似的區(qū)域進(jìn)行合并提取，能分割出目標(biāo)區(qū)域與背景，保留住板材輪廓信息，并增強板材輪廓顯示效果。算法通過將板材弱紋理區(qū)域中心上的一點作為種子像素點，檢測種子點周圍鄰域8個像素點，將與種子點灰度值相似的像素點集合，不相似像素點則略過，形成更大的弱紋理區(qū)域，依次檢測判定，直至遍歷所有像素點，將板材所有像素點聚合在一起，劃分出板材與背景兩處不同區(qū)域。由于板材平面噪聲與灰度并不均一，區(qū)域生長算法處理后的弱紋理區(qū)域圖像中存在內(nèi)部空洞區(qū)域與過分切割，采用膨脹和腐蝕操作加強區(qū)域邊界。通過將膨脹和腐蝕操作與區(qū)域生長算法進(jìn)行結(jié)合，實現(xiàn)左右圖像內(nèi)板材弱紋理區(qū)域的確定，也獲取到板材表面弱紋理區(qū)域的輪廓信息。板材圖像的弱紋理區(qū)域如圖5(a)和圖5(b)所示，其中板材平面弱紋理區(qū)域位于白色部分，而背景區(qū)域位于黑色部分。

圖5 弱紋理區(qū)域圖像

5.2 立體匹配

雙目視覺中立體匹配利用對應(yīng)左右圖像間的視差值，實現(xiàn)左右圖像逐像素點的匹配，因此視差值的精準(zhǔn)獲取對于匹配的準(zhǔn)確性十分重要。立體匹配通過比較左圖像與右圖像中的像素之間的相似度，獲取對應(yīng)像素點之間的X坐標(biāo)之差，從而計算出任意對應(yīng)點間的視差值，進(jìn)一步處理能獲取到左右圖像的深度信息，確定目標(biāo)物體的空間坐標(biāo)，為圖像的三維重建提供數(shù)據(jù)支撐。兩個對應(yīng)的像素點就是同名點，兩個同名點間的X坐標(biāo)之差就是視差值。立體匹配分別有代價計算、代價聚合、視差計算、視差優(yōu)化4個步驟[20]。立體匹配按照種類來劃分，可以分為全局立體匹配，局部立體匹配和半全局立體匹配。劃分立體匹配不同種類主要依靠代價聚合來實現(xiàn)。實驗基于半全局立體匹配算法(SGM，semi global matching)實現(xiàn)立體匹配[21]。SGM算法具有匹配效果好和速度快的優(yōu)點，能滿足板材尺寸的快速測量需求。立體匹配需要先定義出像素間的匹配代價，確定好像素的相關(guān)性。利用SOBEL算子處理板材原始左右圖像，對處理后圖像和原始圖像分別計算其BT代價，將兩個代價值直接相加實現(xiàn)代價融合，采用成塊計算將任意像素點的代價值用其鄰域代價值替換，通過比較代價值的大小可尋找到左右圖像中的同名像素點，從而實現(xiàn)初始視差圖的較好獲取。采用SGM算法通過構(gòu)建能量函數(shù)實現(xiàn)代價聚合，并利用贏家通吃算法(WTA，winner takes all)，通過建立鄰接像素的關(guān)系，優(yōu)化代價矩陣，保證每個像素的代價值根據(jù)相鄰點的代價值重新計算，確定最小聚合代價對應(yīng)的視差值，并將該視差作為最佳視差，從而確定所有像素點對應(yīng)的最優(yōu)視差值并得到視差圖。能量函數(shù)如下：

(5)

式中，E(d)為視差圖d的能量函數(shù)，第一項C(p，dp)是像素點在d的代價值，dp、dq則是像素點p和像素點q的視差值，Np為像素點p的鄰域像素點，p1、p2為懲罰系數(shù)，T為判斷函數(shù)，賦值為0或1，根據(jù)判斷條件決定。第二項對像素點p鄰域像素中和p的視差相差為1情況下施加懲罰來平滑，第三項為像素點p鄰域像素中和p的視差相差大于1時施加懲罰進(jìn)行平滑。

在獲得視差圖之后，需要對視差圖進(jìn)行優(yōu)化，對其中的錯誤視差進(jìn)行刪除，保證像素點兩幅圖像中對應(yīng)像素點間的準(zhǔn)確匹配，提高視差圖的質(zhì)量和顯示效果。對于錯誤視差的刪除，采用左右一致性法，對左圖任意像素點獲取其在右圖的匹配像素點，確保該匹配像素點在左圖中的匹配像素點仍是原像素點。主要通過計算對應(yīng)像素點的視差值進(jìn)行求差，允許誤差在1個像素，若是差值小于1個像素，則認(rèn)為這對像素點為正確匹配，否則視為誤匹配并對其進(jìn)行剔除，從而實現(xiàn)每個像素點有且只有一個對應(yīng)點，即每個像素點最多只存在一個正確視差。生成的視差圖如圖6所示。

圖6 視差圖

5.3 三維重建

利用立體匹配獲取到的視差圖信息，通過MATLAB程序的ReconstructScene函數(shù)，進(jìn)行深度信息提取和三維空間坐標(biāo)計算，同時建立點云數(shù)據(jù)的坐標(biāo)系，進(jìn)行板材圖像的三維點云模型重建，并將板材三維點云圖像單獨提取出來，增強了展示效果。生成的三維點云圖像如圖7所示。三維點云圖像較好的顯示出板材輪廓特征和板材的弱紋理區(qū)域特征，板材輪廓四周的關(guān)鍵特征角點信息得到很好地保留，點云圖較為直觀的展示出板材的信息，也為板材的尺寸測量可行性提供側(cè)面支撐。

圖7 三維點云圖

6 實驗結(jié)果與分析

6.1 亞像素方法與像素級方法對比分析

為驗證基于HARRIS的亞像素檢測方法對于提高板材平面尺寸視覺測量精度的有效性，比較其與傳統(tǒng)HARRIS像素級檢測方法的優(yōu)劣，通過計算出兩種方法檢測到的板材角點像素坐標(biāo)對應(yīng)的三維坐標(biāo)，利用兩種方法檢測到的角點三維坐標(biāo)間距與實際測量值進(jìn)行比較，根據(jù)測量誤差進(jìn)行驗證。實驗的硬件設(shè)備主要有彩色工業(yè)雙目相機、99 mm×99 mm×2 mm的金屬板材、相機支架、棋盤格、刻度尺條貼、游標(biāo)卡尺、數(shù)據(jù)線、筆記本電腦和自行搭建的X型材工作臺。測量實驗具體通過將彩色工業(yè)雙目相機固定在工作臺上，利用雙目相機拍攝出位于X型材工作臺上的板材圖像。對板材正面輪廓上4個角點從左上角按順時針命名為A、B、C、D，4個角點間的距離作為測量目標(biāo)，采用傳統(tǒng)HARRIS檢測方法檢測出兩角點像素級坐標(biāo)，基于HARRIS的亞像素檢測方法提取出兩角點的亞像素坐標(biāo)，根據(jù)三角測距原理計算出兩種方法檢測到的角點對應(yīng)的三維空間坐標(biāo)，并分別計算出對應(yīng)三維間距，同時利用游標(biāo)卡尺進(jìn)行實際測量作為真實距離，得到兩種方法的測量誤差進(jìn)行比較。測量結(jié)果如表1所示。

表1 亞像素測量結(jié)果

由表1中兩種方法獲取的測量結(jié)果的角點間距和誤差可以看出，通過亞像素角點檢測方法獲取到的板材目標(biāo)點間的尺寸比傳統(tǒng)HARRIS角點檢測法測量的尺寸更接近于真實尺寸，亞像素法測量的相對誤差整體小于傳統(tǒng)HARRIS測量相對誤差，亞像素法測量的相對尺寸誤差在2.6%以內(nèi)，準(zhǔn)確性較高。亞像素角點檢測法在板材尺寸視覺測量上具有實際的應(yīng)用價值，尺寸測量精度優(yōu)于像素級測量方法。

6.2 測量目標(biāo)與相機相對位置差異影響分析

選取板材輪廓上兩個角點A和B，將板材與相機的相對水平位置進(jìn)行改變，利用基于HARRIS的亞像素方法檢測不同相對水平位置上的板材角點坐標(biāo)，驗證板材角點與雙目相機的相對水平位置差異對雙目視覺測量精度的影響。具體通過每次在工作臺水平方向上背向板材移動相機，改變相機與板材之間的相對水平距離，獲取在不同相對水平位置下的板材輪廓上兩角點間的雙目視覺亞像素測量距離。實驗以雙目相機拍攝的圖像中板材輪廓能完整顯示時的相機與板材最接近處作為初始實驗測量對象，此時雙目相機與板材在水平方向相對距離為330 mm。保持板材位置不動，在水平方向上背向移動雙目相機，每次水平方向上背向移動100 mm并進(jìn)行計算該處亞像素視覺測量間距和測量誤差，測量結(jié)果如表2所示。

表2 不同相對位置下的測量結(jié)果

由表2中不同相對位置下的尺寸測量結(jié)果可知，在板材與雙目相機間的水平方向相對距離較小時，雙目視覺尺寸測量結(jié)果更接近目標(biāo)真實尺寸，誤差較小，測量精度較高。當(dāng)相機與板材之間的水平方向相對距離逐漸增大時，雙目視覺測量出的尺寸與實際尺寸差距逐漸增大，雙目視覺測量尺寸誤差整體逐漸增大，但誤差整體均小于5%，說明雙目視覺亞像素測量方法有一定的適用性，在實際工程測量中具有較好的應(yīng)用價值。測量數(shù)據(jù)結(jié)果也說明本文設(shè)計的基于雙目視覺技術(shù)的板材尺寸亞像素測量系統(tǒng)獲取的目標(biāo)空間坐標(biāo)數(shù)據(jù)較準(zhǔn)確，板材尺寸測量方案合理可行，其測量結(jié)果可為自動化焊接過程提供板材尺寸數(shù)據(jù)參考。

7 結(jié)束語

本文構(gòu)建了對板材的非接觸式尺寸測量系統(tǒng)，采用雙目視覺技術(shù)實現(xiàn)了板材平面輪廓尺寸測量，利用亞像素技術(shù)獲得板材特征角點信息，提高了板材尺寸測量精度。通過實驗數(shù)據(jù)可知，基于HARRIS的亞像素檢測法提高了角點像素坐標(biāo)獲取的準(zhǔn)確性，對板材測量尺寸精度的提高具有較好的效果，不同深度下的板材測量整體誤差在5%以下，具有很好的應(yīng)用前景，滿足工業(yè)自動化測量需要。