[发明专利]结构光三维双视觉模型建模方法

说明书

本发明涉及一种用于工业检测和视觉导引的结构光三维双视觉模型建模立法。

视觉检测技术以其大量程、大视场、测量速度快、光条图像易于提取及较高精度等特点在工业环境中得到了愈来愈广泛的应用。结构光三维视觉检测广泛地应用于工件的完整性、表面平整度的测量；微电子器件(IC芯片、PC板、BGA)等的自动检测；软质、易脆零部件的检测；各种模具三维形状的检测；机器人的视觉导引等。这种系统柔性好；测量为非接触式、动态响应快，能满足大量生产“节拍”短的要求，而且整个测量过程高度自动化。

建立合理的视觉检测模型是结构光三维视觉检测过程中的重要步骤，目前视觉检测模型的建模方法主要有两种：常规建模方法和基于BP(BackPropagation)神经网络的建模方法。

(1)常规建模方法是基于摄像机针孔成像理论的方法，但针孔成像理论只是一种近似，否则在摄像机感光面上不会有任何光强。因此，视觉检测通用模型从严格意义上讲是不准确的，尤其在远光轴的情况下这种近似更为严重。

另外，视觉检测系统精密而复杂，影响系统精度的参数，除了数学模型误差外，还包括许多系统参数及摄像机内部、外部参数，如光学系统调整误差、CCD光敏元非均匀误差、视频信号转换误差等。其中一部分可以用数学模型描述，而有些则很难用模型描述。因此，采用常规方法建立起来的结构光三维视觉检测模型与实际系统所具有的数学模型仍存在一定的差异。如果忽略了这些微小的误差和干扰，将会降低系统的测量精度。目前结构光三维多视觉检测精度在0.5-1mm左右。

(2)基于BP神经网络的视觉模型建模方法：这种方法国内外都有相关的文献报道，比如Ming Cheng等人(Optical Engineering，Vol.34，No.12，1995，pp3572-3576)，邓文怡等人(华中理工大学学报，Vol.27，No.1，1999，pp78-80)均采用了该方法。但这些报道都采用常用的BP网络，而且是用于单视觉检测模型。然而，BP网络存在一些无法克服的缺点和不足，主要表现在：结构上BP网络通常使用较多的隐层，使得网络变得复杂，训练速度缓慢。实际训练上，BP网络存在局部最优问题，并且收敛速度慢、效率低，其精度往往不高，报道文献中给出的精度只有0.31-0.34mm。

本发明的目的是建立以少的隐层、高的精度、收敛速度快的双视觉检测模型。