[发明专利]一种激光条纹的中心线提取方法

说明书

技术领域

本发明属于机器视觉技术领域，更具体地，涉及一种线结构光视觉传感器的激光条纹的中心线提取方法。

背景技术

随着制造工业的迅速发展，产品形状设计日益复杂，复杂曲面在工程领域中广泛使用，变截面复杂曲面更是在航空发动机叶片、汽轮机叶片、船用螺旋桨桨叶中广泛应用。这类零件以其强扭曲、薄壁、易变形、低损伤等特点，造成加工检测上的困难。基于机器视觉技术的非接触式测量在这类零件的检测上得到了广发应用。目前，结构光三维形貌测量技术在运用中有双目视觉测量和线结构光视觉测量两种方式，线结构光测量系统由于其快速、精确、稳定性好，而且结构简单，易于实现等优势，在各个领域得到了更广泛的应用。

光视觉传感器是利用线结构光测量的仪器，该仪器主要用于检测上述零件表面形貌，获得加工误差、表面质量等方面的信息。根据线结构光视觉传感器测量模型，可得关系式：

其中，s为比例因子，(u，v)为图像坐标，(X_W，Y_W，Z_W)为世界坐标，α_x,α_y,u₀,v₀为相机内部参数，R、t为相机外部参数，M₁、M₂、M为参数矩阵。

由公式(1)可知，在当一个完成标定的传感器A，B，C，D，M1，M2均为已知值，要想得到点的世界坐标P_W(X_W，Y_W，Z_W)，只需要知道图像坐标(u，v)，而图像坐标的获得，则需要对扫描采集到的图像数据进行处理，得到激光条纹中心线，将中心线上点的图像坐标点集带入式(1)，即可求得三维世界坐标点集。通过以上可知，激光条纹中心线提取的精度便是线结构光视觉传感器测量精度的主要影响要素，也可认为中心线提取是该传感器开发过程中的核心算法。

目前技术中，中心线提出主要有下述两种方法：

1、高斯分布法

对于单模激光器而言，其出射光线的强度可以假设是服从高斯分布的，那么根据高斯分布的特征可以认为线结构激光条纹中心就是图像中激光光条上光强的高斯分布中心。如图1所示，图中的曲线代表理想情况下线结构激光光条上某一行像素的光强分布，对于所有的采样点(c_i,p_i)，i＝1,2,…,n，根据高斯分布对称性的特点可知：

对上式进行变换即可得到光条中心的计算公式：

其中，横坐标c_i代表图像中像素的列坐标，纵坐标p_i代表该像素点上的灰度值。

这种提取方法计算简单，同时对光条中心的提取也能达到亚像素精度。但是，这种方法对于图像中每一行光条中心的提取都需要计算所有列像素点的灰度值，而且计算的起始和结束列坐标不好确定，同时这种方法在计算过程中受到噪声的影响也比较大。

基于高斯分布对线结构光条中心提取主要是根据高斯分布中心对称的特点进行计算的。但是当线结构光在被测物体表面被调制，反射后的光强分布发生变形，不再是对称性的高斯分布，如图2所示，那么这些基于高斯分布的光条中心提取方法就不适用了。其中，图2(a)表示被测物体表面反射率不连续导致反射后的光强发生变形的情况，图2(b)表示被测物体表面反光不均匀导致的光强呈现非高斯分布的情况，图2(c)表示被测物体表面边缘曲率过大导致的光强呈现非高斯分布的情况。

2、光条细化点判定法

该方法根据线结构光在被测物体表面形成的光条具有一定宽度的特点，在光条中心提取过程中通过对较宽的光条图像进行细化，对光条的外层像素进行剥离，最后得到单像素宽度的光条图像，达到光条提取的目的。这种光条提取方法的关键就是图像细化算法的选择，所选取的细化方法要保证光条中心提取结果的完整性和准确性。

最常用的细化算法是基于数学形态学使用结构单元模板来实现的，计算时，定义四个消除模板D＝{D1，D2，D3，D4}和四个保留模板E＝{E1，E2，E3，E4}。如图3所示，在模板中，0代表图像的黑色像素，1代表图像的白色像素，X代表黑色或白色像素。