[发明专利]一种快速高精度的三维形面测量方法

摘要

本发明属于计算机视觉测量技术领域，涉及一种基于光条宽度突变识别边界的三维形面测量方法。测量方法采用差影法对双目视觉测量系统采集到的光条图像进行去噪，根据激光光条在不同材料物体表面的反射特性不同，使得光条宽度会在边界轮廓处发生变化，根据光条宽度的变化精确识别边界位置，对边界以内的光条信息进行匹配重建，最终实现三维形面的快速高精度测量。测量方法包括图像采集，光条图像去噪及合成，光条中心提取，边界轮廓识别，匹配光条中心点及重建三维形面步骤。该方法测量精度高，减小了冗余计算量，提高了处理效率，可满足一般大型复合零部件形面的快速高精度三维测量要求。

主权项

一种快速高精度的三维形面测量方法，其特征是，测量方法采用差影法对双目视觉测量系统采集到的光条图像进行去噪，根据激光光条在不同材料物体表面的反射特性不同，使得光条宽度会在边界轮廓处发生变化，根据光条宽度的变化精确识别边界位置，对边界以内的光条信息进行匹配重建，最终实现三维形面的快速高精度测量；测量方法包括图像采集，光条图像去噪及合成，光条中心提取，边界轮廓识别，匹配光条中心点及重建三维形面步骤；该方法的具体步骤如下：第一步 对被测物三维形面进行图像采集、光条图像去噪及合成；1)光条图像采集、快速去噪方法采用激光扫描加双目视觉测量系统对被测物体的表面进行图像采集，得到原始无光条图像和不同时刻的激光光条图像；由于对图像采集的过程中，光照环境基本相同，采用如下公式对所有光条扫描的图像进行去噪处理：Fi(x,y)＝fi(x,y,ti)‑f0(x,y)  (1)其中，Fi(x,y)为第i张光条图像去噪后的初始灰度图像，fi(x,y,ti)为第i张光条灰度图像，f0(x,y)为原始无光条的灰度图像；由于在图像采集过程中的噪声影响，光条图像与原始无光条图像在除光条区域外的灰度并不完全相同，因此去噪处理过程中定义一个灰度阈值R，当光条灰度图像fi(x,y,ti)某一元素减去原始无光条灰度图像f0(x,y)对应元素的值小于R时，将Fi(x,y)中对应元素的值置0；当光条灰度图像fi(x,y,ti)某一元素减去原始无光条灰度图像f0(x,y)对应元素的值大于R时，保留相减得到的灰度值，公式如下：Hi(x,y)=0(Fi(x,y)≤R)Fi(x,y)(Fi(x,y)>R)---(2)]]>其中，Hi(x,y)为第i张光条图像去噪后得到的灰度图像；2)光条图像合成 为实现扫描光条图像的快速提取与匹配，将上述得到的所有去噪后的光条灰度图像Hi(x,y)进行合成，得到一张包含所有扫描光条信息的合成图像，然后进行一次性的光条提取和匹配，大大减少了冗余计算量，提高了光条图像处理效率；图像合成公式如下：G(x,y)＝∑Hi(x,y)   (3)其中，G(x,y)表示所有光条图像合成后的灰度图像；第二步对合成的光条图像进行光条中心提取，识别被测物边界点位置1)光条中心提取 在合成的图像上，对每一根光条使用灰度重心法提取其横截面方向重心点坐标，灰度重心法提取光条重心的公式如下：(uik,vik)=Σj=mnj×IijΣj=mnIij---(4)]]>其中为第k根光条第i行的灰度重心点坐标，Iij为第i行第j列灰度值，(m,n)为第k根光条的列坐标区间，利用此公式求出所有光条各行的重心坐标，并将其作为光条中心坐标；2)基于光条宽度突变的边界点识别首先,采用阈值分割的方法分割出图像光条连通区域，由上到下逐行搜索光条宽度值d，将每一根光条不同行的宽度值设为di，则得到一根光条不同行的所有宽度值，如下：d＝[dp dp+1 … dp+i dp+i+1 … dp+n]其中，dp表示第p行光条宽度值，p为光条连通区域的首行，n为光条连通区域的总行数；利用光条图像第i行的上下各λ行光条宽度并以离散方差的形式定义第i行光条宽度的变化率ψi，ψi=Σj=i-λi+λ(dj-μ)22λ+1---(5)]]>其中,μ表示上下各λ行光条宽度的平均值，公式如下：μ=Σj=i-λi+λdj/(2λ+1)---(6)]]>为满足运算规则，将i＝p和i＝p+n处溢出部分的宽度值dp‑λ和dp+n+λ按等于0进行处理；对每一根光条利用公式(5)计算得到的宽度变化率会由于光条两端断开、一端断开一端连续、两端连续而分别产生两个、三个、四个不同的极值点，设定一个阈值ψ0，其值的大小与被测物、背景及激光光条有关，来判定被测物的两个边界位置；设由上述公式得到的极值点的极值为其中，c＝1～s，i＝2～4，其所对应的光条中心位置为则：(uick,vick)∈edgepointψic≤ψ0(uick,vick)∉edgepointψic>ψ0---(7)]]>由此得到被测物第k根光条的两个边界位置，接着对所有光条进行同样的操作，得到所有光条对应的边界轮廓位置；第三步 三维形面还原识别出边界轮廓以后，对边界轮廓内的信息进行保留，而对边界轮廓外的信息予以剔除，然后对轮廓内的光条信息进行三维重建；1)光条中心匹配 利用极线约束对双目视觉测量系统中左、右相机的图像进行对应左、右图像光条中心的匹配；具体做法是：首先采用八点归一化算法计算出左、右相机的基本矩阵F，然后通过左、右相机采集到的光条图像之间的极线约束关系进行对应点匹配；设左图像光条中心点xi'与右图像光条中心点xi′′相匹配，极线约束条件为：xi′TFxi′′=0---(8)]]>其中，xi'为左相机采集的图像光条中心点的像面坐标；xi′′为与xi'相匹配由右相机所采集图像光条中心点的像面坐标；F为两相机之间的基本矩阵；2)三维重建，对得到的匹配点进行三维重建，重建公式如下：xi=zXi′f1yi=zYi′f1zi=f1(f2ty-Yi′′tz)Y1(r7Xi′+r8Yi′+r9f1)-f2(r4Xi′+r5Yi′+r6f1)---(9)]]>其中，X′i，Y′i分别为左相机采集的图像光条中心点xi′的像面横纵坐标；Xi′′，Yi′′分别为右相机采集的图像光斑中心点xi‘'的像面横纵坐标；f1、f2分别为左、右相机标定得到的焦距；是右相机相对于左相机的旋转矩阵，[tx ty tz]是右相机相对于左相机的平移矩阵，由此得到重建的三维形面。