[发明专利]基于显微视觉的微动平台位移测量方法及系统

摘要

本发明公开基于显微视觉的微动平台位移测量方法及系统，步骤：图像序列采集：通过微视觉系统采集一组图片序列；粗匹配位置获取：利用改进的粒子群优化算法在整个搜索域内快速搜索，获得图像块的粗匹配位置；最佳匹配位置获取：在以粗匹配位置为中心，利用全搜索块匹配算法在小邻域内搜索，获得最佳匹配位置；微动平台位移计算：根据微视觉系统成像模型建立图像雅各比矩阵，将图像空间中最佳匹配位置对应的位移转换为微动平台实际位移。本发明利用改进的粒子群算法和全区域搜索算法相结合，减少了计算资源消耗，实现了快速匹配与位移测量；该方法相对于已有微位移测量技术，测量设备成本低、精度高、可用于测量面内双自由度的微动系统。

主权项

1.基于显微视觉的微动平台位移测量方法，其特征是，步骤如下：步骤(1)：图像序列采集：通过微视觉系统采集一组图像序列；步骤(2)：粗匹配位置获取：利用改进的粒子群优化算法在整个搜索域内快速搜索，获得图像块的粗匹配位置；步骤(3)：最佳匹配位置获取：再以粗匹配位置为中心，利用全区域搜索匹配算法在小邻域内搜索，获得最佳匹配位置；步骤(4)：微动平台位移计算：根据微视觉系统成像模型建立图像雅各比矩阵，将图像空间中最佳匹配位置对应的位移转换为微动平台实际位移；所述步骤(2)中，粗匹配位置获取包括：步骤(2‑1)：确定图像ROI区域，将ROI区域作为图像块匹配的解空间，ROI区域确定根据XY二自由度微动平台的位行程x_R、显微镜放大倍数k、相机像元尺寸p以及图像块尺寸大小[X,Y]决定，选取的ROI区域尺寸最小为：步骤(2‑2)：选择累计绝对误差作为匹配准则，累计绝对误差也是粒子群优化算法的目标函数，对每个图像中每个像素点[x+u,y+v]^T，对应的适应值fit为：其中，x为图像像素点横坐标，y为图像像素点纵坐标，u为图像块横轴方向运动量，v为纵轴方向运动量；f_j(x,y)代表在j时刻每个图像中每个像素点所对应的位置；步骤(2‑3)：粒子初始化：将I个初始粒子均匀分布在解空间，利用式(2)计算每个粒子对应的适应值；步骤(2‑4)：将第i个粒子在n次迭代过程中得到适应值[fit_i,1,fit_i,2,...fit_i,n]里面最小的适应值作为每个粒子的局部最优解pbest[i]：pbest[i]＝min{fit_i,1,fit_i,2,...fit_i,n}；选择所有粒子在n次迭代过程中适应值最小的粒子作为全局最优解gbest[n]，即：gbest[n]＝min{pbest₁,pbest₂,...pbest_I}；每个粒子以公式(3)更新自己的位置和速度：式中，n表示第n次迭代，C₁,C₂为学习因子，设为2，R₁,R₂为随机数，R₁,R₂∈[0,1]；表示第i个粒子在第n+1次迭代过程中的速度，表示第i个粒子在第n+1次迭代过程中的位置，表示第i个粒子在第n次迭代过程中的速度，表示第i个粒子在第n次迭代过程中的位置；步骤(2‑5)：计算第n次迭代后，粒子i与当前全局最优解的粒子之间的距离r_gbest,i：计算粒子i与整个粒子群所经过位置的最近距离r_nearest,i：其中，p∈[1,2,...I],q∈[1,2,...n‑1]；每个粒子更新自己位置后，粒子根据设定规则更新自己的适应值fit_i,n；步骤(2‑6)：重复步骤(2‑4)‑(2‑5)，直到满足最大迭代次数，并计算出的全局最优解对应的坐标作为粗匹配位置所述粒子根据设定规则更新自己的适应值fit_i,n如下：a.如果r_gbest,i<r₀，式中r₀为设定阈值，则新粒子i根据式(2)更新其适应值；b.如果r_gbest,i>r₀且r_nearest,i>r₀，则新粒子i根据式(2)更新其适应值；c.如果r_gbest,i>r₀且r_nearest,i<r₀，则用新粒子i距离整个粒子群所经过位置最近点的适应值代替新粒子的适应值，fit_i,n＝SAD_nearest。