李佐超,郭 威,景春暉,張代聰,馬訓(xùn)鳴

(西安工程大學(xué)機(jī)電工程學(xué)院,陜西 西安 710600)

0 引言

隨著計(jì)算機(jī)視覺(jué)與光電技術(shù)的迅速發(fā)展,基于機(jī)器視覺(jué)的檢測(cè)技術(shù)得到檢測(cè)行業(yè)的高度重視。其中,線結(jié)構(gòu)光[1]主動(dòng)視覺(jué)測(cè)量技術(shù)以其測(cè)量精度高、抗環(huán)境干擾能力強(qiáng)的優(yōu)勢(shì),在缺陷檢測(cè)[2]、目標(biāo)定位[3]、逆向工程[4]等眾多領(lǐng)域得到了廣泛應(yīng)用。結(jié)構(gòu)光測(cè)量系統(tǒng)的精度受到設(shè)備標(biāo)定、傳感器性能環(huán)境光等眾多因素的影響,尤其是面對(duì)表面反光特性復(fù)雜的被測(cè)物體時(shí),如何獲取可靠的光條圖像,對(duì)于保證測(cè)量精度具有重要意義。為了提升條紋圖像的質(zhì)量,國(guó)內(nèi)外學(xué)者針對(duì)結(jié)構(gòu)光測(cè)量系統(tǒng)的不同環(huán)節(jié)開(kāi)展了深入研究。文獻(xiàn)[5]提出了1種實(shí)時(shí)曝光調(diào)節(jié)技術(shù),以獲取穩(wěn)定的灰度圖像。文獻(xiàn)[6]研究了圖像傳感器的參數(shù)標(biāo)定對(duì)測(cè)量精度的影響。文獻(xiàn)[7]研究了直方圖的自適應(yīng)曝光控制方法,以提高測(cè)量精度。文獻(xiàn)[8]通過(guò)分析曝光時(shí)間與條紋信度評(píng)估結(jié)果,獲得最優(yōu)曝光時(shí)間。文獻(xiàn)[9]通過(guò)連通域分析,實(shí)現(xiàn)圖像感興趣區(qū)域(region of interest,ROI)的提取及濾噪。文獻(xiàn)[10]提出了1種基于自適應(yīng)窗口的灰度中心法,解決了條紋圖像受光照變化與噪聲干擾的問(wèn)題。但在上述各項(xiàng)研究中,參數(shù)標(biāo)定研究不能解決被測(cè)物體表面反光特性的復(fù)雜性問(wèn)題,且自適應(yīng)曝光控制以及圖像預(yù)處理等方法對(duì)受欠曝光與過(guò)曝光雙重影響的測(cè)量場(chǎng)景適應(yīng)性較差。文獻(xiàn)[11]提出以光條截面所具有的能量和作為條紋可信度評(píng)估依據(jù)。能量越高,即條紋存在的可信度越高。但這種方法存在的問(wèn)題是過(guò)曝光下條紋的信度值較高,會(huì)導(dǎo)致條紋灰度過(guò)飽和;同時(shí),伴隨干擾條紋與散斑的產(chǎn)生,所以實(shí)際條紋可靠性較低。

本文結(jié)合文獻(xiàn)[11]的可信度評(píng)估方法,在改進(jìn)的條紋信度評(píng)估基礎(chǔ)上,實(shí)現(xiàn)了1種通用型的多重曝光條紋提取法。

1 條紋信度評(píng)估數(shù)學(xué)模型

單線結(jié)構(gòu)光三維測(cè)量利用三角測(cè)量原理,通過(guò)相機(jī)、激光發(fā)生器、被測(cè)物體的空間三角位置來(lái)計(jì)算光條中心位置的三維坐標(biāo),以達(dá)到獲取物體表面三維數(shù)據(jù)的目的。

條紋截面的灰度分布直接影響條紋中心提取的準(zhǔn)確性。在固定拍攝角度下,被掃描工件表面各處的反光程度不同,實(shí)際的條紋圖像中往往存在多種低可信度的條紋圖。低可信度條紋灰度圖像如圖1所示。

圖1 低可信度條紋灰度圖像Fig.1 Low confidence striped gray scale images

根據(jù)條紋的能量水平和截面寬度可將其分為2類(lèi),分別為欠曝光條紋和過(guò)曝光條紋。欠曝光條紋處可能存在輪廓線,但截面能量密度處于低水平,灰度分布不均勻,一般認(rèn)為可信度較低。過(guò)曝光條紋處存在輪廓線,但條紋截面灰度過(guò)飽和且產(chǎn)生的散斑使條紋干擾嚴(yán)重,條紋寬度已超過(guò)正常范圍。

根據(jù)上述分析可知,可靠的結(jié)構(gòu)光條紋應(yīng)該具有2個(gè)特征。

①能量特征,即達(dá)到一定的能量水平,避免重建圖像中出現(xiàn)欠曝光條紋。

②合理?xiàng)l紋寬度特征,即防止過(guò)曝光下產(chǎn)生高能量但低可信度的條紋。

由此,本文選定條紋能量密度與寬度作為條紋可信度水平的評(píng)估依據(jù)。

單線結(jié)構(gòu)光圖像采集過(guò)程中,需盡量使條紋法向在圖像中水平分布,即條紋法向橫截面垂直分布。在此前提下,光條圖像上任意1列的能量密度計(jì)算方法如下。

①條紋截面寬度估計(jì)。

在M行N列的光條圖像f中,對(duì)于其中任意1列x,以某種方法得到條紋中心點(diǎn)的縱坐標(biāo)yC。中心處灰度值為Pmax,結(jié)構(gòu)光條紋邊緣最小灰度值為Pmin≤50%。以yC為中心向光帶兩端搜索首個(gè)Pmin值的像素點(diǎn)a和b,則a、b分別為條紋兩端邊界像素。其中像素個(gè)數(shù)wx被定義為條紋寬度。

②環(huán)境噪聲與基底噪聲。

由于環(huán)境光線及電荷耦合器件(charge conpled device,CCD)熱噪聲的影響,實(shí)際光條圖像中必然具有一定的噪聲,從而影響能量計(jì)算的準(zhǔn)確性。本文從條紋兩端a、b分別向外延伸w個(gè)像素,以其灰度累計(jì)作為條紋總噪聲。圖像f中單個(gè)像素灰度值為f(xi,yi),則第x列的條紋總噪聲為:

(1)

式中:Nx為第x列像素的總噪聲;wx為第x列像素的條紋截面寬度;yj為第x列像素的條紋截面像素的橫坐標(biāo)。

③光條截面能量和。

條紋截面能量即條紋截面寬度范圍內(nèi)像素的灰度值之和。圖像中第x列像素的能量可表示為:

(2)

式中:Ex為條紋截面能量累計(jì)和;ya、yb為條紋截面邊界像素橫坐標(biāo)。

④光條能量密度及歸一化處理。

條紋能量密度即條紋截面寬度范圍內(nèi)灰度值之和與截面像素寬度的比值。本文以最大像素值進(jìn)行歸一化處理。第x列的能量密度可表示為:

(3)

式中:Rx為第x列像素的歸一化能量密度;Dmax=255。

根據(jù)上述計(jì)算方法,本文以圖1中的條紋圖像為例,分別標(biāo)記出4種不同灰度分布狀態(tài)的條紋區(qū)域。其各包含50列像素。待評(píng)估條紋區(qū)域如圖2所示。

圖2 待評(píng)估條紋區(qū)域Fig.2 Striped areas to be assessed

區(qū)域①中的條紋形態(tài)較好,具有較高的可信度,故將此處條紋作為其他條紋的參照。區(qū)域②為過(guò)曝光區(qū)域。區(qū)域③為欠曝光區(qū)域。區(qū)域④中灰度分布較為正常。 本文將圖2中4種不同灰度分布狀態(tài)的條紋區(qū)域分別輸入信度評(píng)估體系,得到不同條紋區(qū)域能量密度和寬度分布圖。不同條紋區(qū)域能量密度分布如圖3所示。

圖3 不同條紋區(qū)域能量密度分布圖Fig.3 Distribution of energy density in different stripe regions

圖2中區(qū)域②由于過(guò)曝光導(dǎo)致條紋灰度值飽和,并且在條紋周?chē)a(chǎn)生了散斑。此處條紋的實(shí)際可信度較低,但處于過(guò)曝光下的條紋具有較高的能量水平。圖3中的過(guò)曝光條紋曲線相應(yīng)體現(xiàn)了這一狀況。由此可知,僅通過(guò)能量密度評(píng)估指標(biāo)不容易區(qū)分過(guò)曝光與形態(tài)較好的條紋。

對(duì)于圖2中區(qū)域③,即處于欠曝光狀態(tài)下的條紋,條紋灰度值和可信度均較低。圖3中對(duì)應(yīng)的欠曝光條紋曲線也驗(yàn)證了這一情況。

對(duì)于圖2中區(qū)域④,從圖3的條紋圖像中可以直觀看出此時(shí)的條紋形態(tài)較好。其在圖3中所對(duì)應(yīng)的正常條紋曲線與參照條紋的能量密度曲線最接近。

不同條紋區(qū)域?qū)挾确植既鐖D4所示。

圖4 不同條紋區(qū)域?qū)挾确植紙DFig.4 Width distribution of different stripe areas

由圖3可知,能量密度可以有效識(shí)別條紋圖中曝光不足區(qū)域,但存在明顯的不足,即能量密度在過(guò)曝光區(qū)域同樣表現(xiàn)出較高的值。為了解決這一問(wèn)題,本文增加了條紋截面寬度參數(shù)來(lái)標(biāo)記過(guò)曝光區(qū)域。在圖4中直觀體現(xiàn)出:參照條紋與正常條紋的寬度基本位于5～6個(gè)像素、過(guò)曝光區(qū)域的條紋寬度基本在7個(gè)以上像素。顯然,條紋寬度與條紋灰度分布的可信度同樣具有非常直接的聯(lián)系。

由此可知,基于條紋能量密度與寬度雙參數(shù)對(duì)條紋截面灰度分布信度進(jìn)行評(píng)估的方法符合實(shí)際情況。

2 雙參數(shù)多重曝光條紋拼接

基于上述分析,本文設(shè)計(jì)了1種適用于單線結(jié)構(gòu)光可信條紋提取的多重曝光法。

(1)設(shè)定區(qū)域標(biāo)記原則。

本文設(shè)定能量密度為條紋下限參數(shù),將條紋截面寬度設(shè)定為截面上限參數(shù),以此標(biāo)記適用于測(cè)量的可信條紋。本文將圖像輸入信度評(píng)估體系,以輸出圖像評(píng)估結(jié)果。條紋圖像中:滿(mǎn)足評(píng)估標(biāo)準(zhǔn)的像素列標(biāo)記為“可信條紋”,其列號(hào)統(tǒng)計(jì)為集合Q;不滿(mǎn)足評(píng)估標(biāo)準(zhǔn)的像素列標(biāo)記為“不可信條紋”,其列號(hào)統(tǒng)計(jì)為集合U。

(2)設(shè)定曝光時(shí)間控制參數(shù)。

①條紋可信度閾值(能量密度Rt、條紋截面寬度Wt)。

②首次曝光時(shí)間t0。t0可以設(shè)定為0 ms,或者使得表面反光最強(qiáng)處條紋特征處于設(shè)定的信度閾值范圍內(nèi)。

③曝光時(shí)間調(diào)節(jié)單位步長(zhǎng)Δt、步長(zhǎng)系數(shù)λ。掃描反光特性復(fù)雜的表面時(shí),曝光量往往與條紋灰度呈現(xiàn)非線性關(guān)系。通過(guò)設(shè)置步長(zhǎng)系數(shù)實(shí)現(xiàn)可調(diào)步長(zhǎng)。λ值由上一次曝光中可信條紋集合中素列增量ε確定。

ε定義為:

ε=Cn-Cn-1

(4)

式中:Cn為第n次曝光融合后圖像中的可信條紋計(jì)數(shù)。

λ定義為:

(5)

④拍攝停止標(biāo)志。圖像中可信條紋所包含的序列占整幅圖像序列的比例為k。k的設(shè)定用于判斷拍攝是否停止,以及保證重建條紋圖像的全局可信度。

(3)條紋圖像重建。

本文創(chuàng)建M行N列的圖像序列It作為模板圖像,存儲(chǔ)可用于測(cè)量的條紋序列。相機(jī)采集到的條紋圖像序列儲(chǔ)存在It中。每次曝光后標(biāo)記圖像中的可信條紋序列,將其替換到模板圖像IT中對(duì)應(yīng)位置,并進(jìn)行圖像信度評(píng)估。替換式為:

IT(x,yj)=It(x,yj),x∈Qn且x∈Un-1

(6)

式中:Qn為第n次曝光圖像的可信條紋集合;Un-1為第(n-1)次曝光重建后模板圖像中的不可信條紋集合。

對(duì)于已經(jīng)替換到模板中的合格像素列,其將一直保留在模板圖像中,不再更新。每次曝光后隨即進(jìn)行圖像評(píng)估與重建,直到模板圖像中的k達(dá)到設(shè)定閾值,則圖像采集結(jié)束。多重曝光流程如圖5所示。

圖5 多重曝光流程圖Fig.5 Multiple exposure flowchart

圖像重建原則如圖6所示。

圖 6 圖像重建原則Fig.6 Principles of image reconstruction

3 試驗(yàn)與分析

為驗(yàn)證所提方法的可靠性,本文搭建了單線結(jié)構(gòu)光測(cè)量平臺(tái),被測(cè)物體需要具備反射特性復(fù)雜的表面。由于使用后的鐵軌同時(shí)存在銹蝕、摩擦高亮等不同表面狀態(tài),故將其選為被測(cè)對(duì)象。試驗(yàn)中采用了自行設(shè)計(jì)的線激光3D相機(jī)。CCD圖像傳感器為30萬(wàn)像素。線激光發(fā)生器波長(zhǎng)為45 mW、線寬為0.15 mm。

針對(duì)鐵軌段固定位置,本文分別采用雙參數(shù)信度多重曝光法、能量信度法[11]多重曝光、傳統(tǒng)最優(yōu)曝光法提取條紋圖像。通過(guò)試驗(yàn)分析可知:曝光在2.0 ms時(shí),過(guò)曝光區(qū)域的條紋達(dá)到單次曝光下質(zhì)量最優(yōu);曝光在10 ms時(shí),條紋達(dá)到單次曝光下最優(yōu)。雙參數(shù)信度多重曝光、單次最優(yōu)曝光10.0 ms與能量信度多重曝光效果對(duì)比如圖7所示。

圖7 效果對(duì)比Fig.7 Effect comparison

鐵軌表面反射強(qiáng)度變化復(fù)雜,同時(shí)存在銹蝕、摩擦、高亮等不同表面狀態(tài)。試驗(yàn)中通過(guò)在鐵軌表面使用3D掃描顯影劑獲取理想條紋,使用灰度重心法分別提取不同方法所獲取條紋的中心位置,并分別計(jì)算雙參數(shù)信度重建、能量信度重建、單次最優(yōu)曝光與理想條紋中心的偏移距離,以此作為條紋中心誤差。試驗(yàn)以誤差數(shù)據(jù)的均值與方差來(lái)表征曲線的精度。均值代表測(cè)量所得的中心曲線與理想曲線的接近程度、方差代表測(cè)量所得曲線的穩(wěn)定性。

不同條紋提取方法的誤差均值與方差如表1所示。

表1 不同條紋提取方法的誤差均值與方差Tab.1 Error mean and variance of different stripe extraction methods

由表1中均值與方差數(shù)據(jù)對(duì)比可知,相對(duì)于單次曝光條紋,通過(guò)基于信度評(píng)估的多重曝光法所提取的條紋,其中心曲線的精度與穩(wěn)定性都得到了顯著提升。

4 結(jié)論

針對(duì)單線結(jié)構(gòu)光條紋輪廓條紋提取時(shí),復(fù)雜反射特性表面受到欠曝光與過(guò)曝光雙重影響的問(wèn)題,本文提出了1種基于信度評(píng)估的線結(jié)構(gòu)光多重曝光條紋提取方法?；趯?duì)條紋的能量密度與寬度模型的分析,本文建立條紋可信度評(píng)估標(biāo)準(zhǔn)。在多重曝光下,依據(jù)此評(píng)估標(biāo)準(zhǔn),本文提取各幀圖像中的可信條紋序列,并重建為全局可靠的條紋圖像。本文利用所提方法進(jìn)行了對(duì)比試驗(yàn)。由試驗(yàn)數(shù)據(jù)可知,在使用相同的條紋中心計(jì)算方法時(shí),相對(duì)于能量信度方法與傳統(tǒng)的最優(yōu)曝光法,所提條紋提取方法的誤差均值分別降低了0.17與0.45個(gè)像素,其方差對(duì)應(yīng)降低了0.17與0.07。試驗(yàn)結(jié)果表明,所提方法有效解決了過(guò)曝光與欠曝光雙重影響下條紋圖像信度不足的問(wèn)題,保證了最終光條紋圖像的全局可靠性,有效提升了條紋中心計(jì)算的精度與穩(wěn)定性。