[发明专利]一种基于线结构光的冰形轮廓测量的方法

权利要求书

1.一种基于线结构光的的冰形轮廓测量方法，其特征在于，包含以下步骤：S1：测量系 统标定；S2：测量图像采集；S3：线结构光图像处理；S4：冰形实际轮廓测量；

在步骤S1中，测量系统标定采用LM-BP神经网络标定法标定摄像机和激光平面，计算出 图像坐标到激光平面上标定板特征点坐标的映射模型，它们满足关系式： ；

具体标定过程如下：

1）：标定板采用二维平面板，平面板上要有二维坐标已知的棋盘格角点，以它们的二维 坐标作为；

2）：用丝线法使得标定板平面与激光平面重合，将标定板放在与激光器所发射光线所 在的平面重合的位置，打开两个摄像机，釆集图像；

3）：用Harris算子提取特征点，得到左右两幅特征点图像；

4）：用Forstner算子求解两幅图像的特征点坐标；

5）：将得到的全部特征点分为前后两部分，一部分用于训练，另一部分用于检测， 其中，前3/4组特征点作为LM-BP神经网络的输入，相应地选取已知平面坐标的前3/ 4坐标点（即激光平面坐标）作为网络输出，另外后1/4用于检验网络的误差，训练神经网络 直至网络达到要求；

其中，LM-BP神经网络标定流程如下：

1）：从训练集中取出某一样本，把信息输入网络中；

2）：通过各节点间的连接情况正向逐层处理后，得到神经网络实际输出；

3）：计算网络实际输出与期望输出的误差；

4）：将误差逐层反向回传至之前各层，并按一定原则将误差信号加载到连接权值上，使 整个神经网络的连接权值向误差减小的方向转化；

5）：对训练集中每一个输入—输出样本重复以上步骤，直到整个训练样本集的误差减 小到符合要求为止；

6）：作为建立在BP神经网络算法基础上的优化训练算法，LM算法是高斯—牛顿法的一 种优化改进形式，总的来说它既有梯度下降法的全局特性，也有高

斯—牛顿法的局部特性；

7）：根据高斯—牛顿法则有：

对于LM算法有：

LM算法是提供了牛顿法的速度和梯度下降法的收敛的一种方法，比原来的梯度下降法 的收敛速度提高了几十倍甚至是上百倍，既保证了算法可以收敛又保证了算法的速度；

步骤S2中图像采集流程是：所需的硬件设备包含摄像机、镜头、滤光片、激光器、工控 板、支架，将设备安装至被测冰形上；通过激光器向冰形表面投射线结构光，对冰形轮廓表 面进行调制，得到畸变激光光条，利用摄像机采集激光器投射的冰形线结构光图像；

步骤S3中线结构光图像处理，用于提取图像中激光线的中心坐标，该步骤包含以下子 步骤：

1）：采用中值滤波对图像进行去噪；

2）：对去噪后图像进行二值化处理，去除密集噪声；

3）：采用目标骨架提取算法，提取激光中心线；

4）：采用MatLab中的imcontour函数计算激光中心线图像坐标；

步骤S4：冰形实际轮廓测量，将激光中心线图像坐标输入到训练好的神经网络 中，网络的输出则是激光平面内坐标，得到了冰形的实际轮廓值。

2.根据权利要求1所述的冰形轮廓测量方法，其特征在于，采用多个线结构光测量装置 来实现不同角度对冰形轮廓的完整测量，这里采用两个激光光源、两个摄像机来实现。

3.根据权利要求1所述的冰形轮廓测量方法，其特征在于，调节两个激光器使得两个激 光平面在一个平面内，用丝线法将标定板平面与激光平面重合后，两个摄像机同时采集图 像，使用LM-BP神经网络进行标定，完成两个摄像机和两个激光器标定系统坐标系的统一。