[发明专利]一种基于结构光视觉成像系统的弹簧节距测量方法

权利要求书

1.一种基于结构光视觉成像系统的弹簧节距测量方法，其特征在于：先使线结构光与弹簧轴线方向平行照射，标记好亮度超过阈值的区域，使用两步重心提取法提取精确的光心坐标并拟合直线，根据光心在直线上的投影点，计算平均导程并评价其稳定性；其具体步骤如下：

1)安装好线结构光发射器与工业相机，固定相对位置，系统安装完毕；

2)对远心系统的参数进行标定需要两步，第一步，根据坐标系，物像转换关系用一个矩阵变换形式表示，即：

g＝P·R·T·Ψ (1)

式中，g——像方坐标矩阵；

P——内参矩阵；

R——旋转矩阵；

T——平移矩阵；

Ψ——物方坐标矩阵；

设O_v到Z_u轴的距离为C₁,O_v到X_u轴的距离为C₂，则上述诸子矩阵为

其中，k为双远心镜头的放大倍率与CMOS像源尺寸的比率，将上述子矩阵代入式(1)得到远心镜头系统物象映射关系为：

x＝0

y_u＝-y_v/k

z_u＝-x_v/(k·sinb)

图像坐标与像素坐标的关系为：

其中m是CMOS像源尺寸的倒数，像源尺寸一般为正方形，所以不做长宽上的区别，

选定矩形窗口范围，选取左上和右下的两个坐标A、B，得到区域范围内所有角点像方坐标与对应物方坐标的值，将得到的像方坐标与对应物方坐标代入式(1)，以最小二乘法解出所有参数，但该结果只考虑到一阶误差，由于镜头制造和安装的问题，一般会存在径向畸变、偏心畸变、薄棱镜畸变而影响图像的精度，该图像畸变过程为：

其中下标d代表图像畸变后的坐标；

第二步标定，将R,T,P,q₁,h₁,h₂,s₁,s₂代入下式，使用Levenberg-Marquardt算法来优化各变量，得到最小的代价函数F：

其中，属于图像坐标系，是根据方程(1)重映射的点，代入最优化的初值中，R,T,P均为第一步得到的值，q₁,h₁,h₂,s₁,s₂均为0；

3)将弹簧固定在测量平面上，调整线结构光使得线结构光与弹簧轴线平行，工业相机拍摄弹簧图像；

4)对图像使用均值滤波，然后取R通道，并对R通道使用二值化处理，仅保留亮度值220以上的数据，对图像进行8连通域查找，并记录所有亮点块的坐标，此时所有亮点的亮度为1，其余暗点为0，使用的均值滤波算法为：

其中，f(x_i,y_j)为点(x_i,y_j)的亮度值；

8连通域算法为，对上式中的每个M矩阵进行判断，若除中间点外的8个像素亮度值有为1的，则将该像素坐标归到连通域集合G_n，由此亮块区域归类为多个连通域集合；

5)对二值化图像做屏蔽操作，方法为选取弹簧视野区域内的两点坐标，从而获得一个矩形，该矩形窗口内仅保留感兴趣区域，去除背景杂光与无需参与计算的弹簧表面亮点；

6)对每个连通域集合计算重心坐标，算法为：

其中，L_n为连通域集合G_n的重心坐标；

7)利用步骤6得到的粗略重心坐标，对均值滤波后取的R通道图像使用圆形窗口加权重心法，窗口半径为N个像素，N的数值根据相机像素而定，重新寻找更精确的重心坐标，加权重心算法为：

其中，m为加权次数；

8)对所有重提取的重心坐标位置进行直线拟合，获得大致经过重心坐标的直线的方程Y＝AX+B，直线拟合算法为：

其中，pinv为求非标准方阵的广义逆的函数；

9)将所有重心坐标垂直投影在该直线上，对所有直线上点的距离取平均值，得到平均像素距离d及方差，点到直线的投影算法为：

联立以上方程，解出投影点(X₁,Y₁)的坐标，其中(X₀,Y₀)为重提取的重心坐标；

10)根据拟合直线的三角函数关系，将d分解为x轴方向和y轴方向，分别除以放大系数k与k·sinb，得到平均导程D：