基于双目立体视觉的低频振动测量

舒新炜,杨　波（上海理工大学光电信息与计算机工程学院,上海 200093）

测试技术

基于双目立体视觉的低频振动测量

舒新炜,杨波
（上海理工大学光电信息与计算机工程学院,上海 200093）

为了满足物体振动的测量要求,基于双目立体视觉测量的原理,设计了一套可以在线采集、离线处理的非接触式低频振动测量的视觉系统。通过滤波去除噪声,采用Canny算子和最小二乘法椭圆拟合提取到标志点的轮廓和中心坐标,在已知特征点的空间分布规律的条件下,通过相应的坐标排序方式,对左右视图对应特征点进行准确的匹配,获得了特征点的三维坐标数据。最后对比每一帧图像中对应特征点三维坐标数据,得到待测物的振动信息。通过直线导轨作为振动源带动待测物运动的方式进行了测量实验,实验结果显示,该系统的检测精度达到±0.15 mm/m以上,基本满足低频振动测量的稳定可靠、精度高等要求。

双目立体视觉；振动；非接触式；离线处理

引 言

振动测量技术是现代制造业的关键技术之一,随着现代工业制造水平的发展,大型结构件和复杂装备的动态测试在重大装备的科学试验和设计中具有广泛的应用。在能源领域,风力发电机大型叶片的振动测试是叶片结构设计验证的重要环节,发电机的整体振动测试能够有效反映整机的运转状态。在汽车领域,发动机和车身主要结构件的振动测试能够有效改进车辆的整体舒适性。在航空领域,发动机叶片设计必须经过振动测试。

传统的振动测量一般为接触式测量,或者为非接触式的多普勒式激光测量。接触式测量安装过程较复杂,且易对测量结果造成影响,多普勒式激光测量适用于单点,或者待测区域较小的情况。对于较大面积、多点的待测对象,上诉两种方法都不适用。非接触式测量是指不接触被测物体的前提下进行精准测量,这种方式具有以下优点:（1）排除接触测量对柔性物体测量的人为受力干扰；（2）可以测量一些不可接触的物体,如辐射体等；（3）采集速度较快。

目前常用的非接触式测量方法有激光测量和双目立体测量等。激光测量的方法利用干涉原理,精度可达到μm级,但是视场较小,不适合于大型被测物。双目立体视觉三维测量技术是在计算机视觉的基础上发展起来的一项新型非接触测量技术,它具有测量速度快、测量精度高的显著优点,目前已经成为测量方面的研究热点。全燕鸣等基于双目视觉对工件尺寸进行了在机三维测量［1］,郭俊锋等通过内窥镜设计了双目测量系统［2］,其系统测量误差在±0.2 mm。本文在此基础上提出了一种基于标志点识别振动测量方法,该方法以双目视觉原理为基础,在待测物表面贴适当的特征标志点,借用OpenCV开源函数库,同时结合实际应用需求,实现了对振动目标的振动数据进行高精度测量的目的。

1　双目视觉系统

1.1双目视觉原理

图1为双目视觉测量的基本原理［3］。设左摄像机位于世界坐标系原点处,左摄像机坐标系Ol-XlYlZl与世界坐标系O-XYZ重合,左图像坐标系为OlXlYl,有效焦距为fl；右摄像机坐标系Or-XrYrZr,右图像坐标系为Or-XrYr,有效焦距为fr。空间标识点中心P（Xw,Yw,Zw）在两个摄像机像面的像点分别为Pl（ul,vl）、Pr（ur,vr）,它们之间满足式:

式中:z1和z2为比例系数；sxl和syl分别为左相机图像水平和垂直的尺度因子；u0l和v0l为左相机像素坐标系下图像坐标系原点的坐标；fxl和fyl为左相机在X和Y方向上的焦距；sxr和syr分别为右相机图像水平和垂直的尺度因子；u0r和v0r为右相机像素坐标系下图像坐标系原点的坐标；fxr和fyr为右相机在X和Y方向上的焦距；Ml和Mr分别为左右相机的内部参数；Rlr和tlr为右摄像机坐标系相对于左相机坐标系的旋转矩阵和平移矢量；RT为相机的外部参数矩阵,由Rlr和tlr组成。在已知Ml、Mr、Rlr、tlr以及P点在左右图像上位置Pl（ul,vl）、Pr（ur,vr）的条件下,根据式（1）中的几何关系可以确定空间点P的三维坐标［4］。

1.2双目视觉系统搭建

本文提出的双目视觉振动测量系统硬件结构主要由工业相机组、图像采集端、光源、相机支架、数据处理终端组成。双目视觉测量系统的结构示意图如图2所示。由于待测物大小不同,需要相应地调节摄像机视场大小,因此两相机的间距固定为0.8 m,角度为4级可调,4个角度分别为50.3°、62.8°、78.7°、82.4°,共有3组镜头,焦距分别为25 mm、75 mm、105 mm,根据不同的视场范围选择合适焦距的镜头,待测物距离相机支架中心0.5 m。

测量的流程如图3所示,根据待测物的大小,确定对应的相机镜头和相机角度后,对双目视觉系统进行内外参数的标定,获取相机组的内外参数,同步采集图像,采集完成后循环读取采集到的图像,提取特征点的图像坐标,并做匹配,计算出该特征点的三维坐标,保存坐标。

图2　结构示意图Fig.2　Photo of the system

图3　测量流程Fig.3　Measuring process

图4　标定板Fig.4　Calibration plate

2　核心算法

要测量物体的振动,首先在待测物表面粘贴众多的反光标志点,标志点的空间分布为网格状,测量每帧图像各个标志点的三维坐标,对比所有图像中相应点的三维坐标变化,得到待测物的振动信息。

2.1测量系统标定

理想的相机标定是以针孔模型和透视投影为基础,但实际中的镜头都存在一定的畸变。本文采用考虑畸变的非线性模型作为摄像机标定的几何模型［5］,基于张正友［6］、李洪海等［7］提出的标定算法,使用棋盘格标定板,见图4。在标定单个相机的基础上,借用OpenCV的stereoCalibrate［8］函数对双目视觉测量系统进行标定。

2.2标志点识别与定位

标志点作为待测物表面上的参考点,测量前先行粘贴于待测物的表面［9］。本文采用的是圆形的反光标志点如图5（a）所示,该标志点的反光特性为按照入射光的方向反射光线,相机采集到的图像中,标志点具有较高的对比度,如图5（b）所示。但实际采集到的图像会有噪声,在处理前先进行滤波处理,滤波算子会影响到轮廓提取的精度,不合适的算子会导致错误的结果,经过试验,本文采用3*3的高斯滤波。接着采用Canny算子在图像中提取标志点的轮廓,通常根据摄像机成像的原理,圆心标志点的成像会变成椭圆,因此需要对图像进行椭圆拟合［10］,本文采用最小二乘法对边缘轮廓进行椭圆拟合［11］,如图5（c）所示。由于实际环境中会有噪声存在,拟合的椭圆中会有部分为非标志点,而对于特定视场下采集到的标志点的图像,标志点所占的像素面积,轮廓像素量,圆形度等条件都是在固定范围内的,通过对上诉条件的约束,可达到准确识别标志点的目的,如图5（d）所示,以每个拟合的椭圆的中心作为该标志点在图像上的坐标。

图5　圆形标志点及处理结果Fig.5　Circular landmark and processing results

2.3标志点的匹配

由于标志点有一定的面积,每行标志点在图像上的位置都在一定的范围内,且与相邻行区分较为明显。因此,本文采用一种较为简单的空间排序方式。算法流程如图6所示。经过排序后,每个视图的特征点都能准确匹配。

图6　匹配流程图Fig.6　Matching process

3　实 验

为了验证本文方法的有效性以及精度,以电控直线导轨产生振动来源。实验所需:两台性能参数完全一样的Optronis公司的CL-600高速工业相机,尼康105 mm定焦镜头,cameralink图像采集卡,PI的M112-dg电控导轨,计算机以及相应的图像处理软件。

将一块100*100大小的铝合金板固定在电动导轨上作为待测物,在待测物表面贴6*7的网格分布的标志点,待测物距离相机固定架的中心约为0.7 m,相机视场范围对角线约为0.2 m。调整好相机的角度后,使用棋盘格标定板对相机组进行标定,标定结果见表1。

表1　标定结果Tab.1　The result of calibration

在实际标定中,相机夹角以及相机间距由于装配的原因,实际值与理想值会有一定的偏差。由反投影计算得标定误差为0.8个像素,标定结果较为准确。

通过软件控制电动导轨,以0.1 mm的步距运动,做20次重复试验,测量系统同步采集图像,实验装置如图7所示。通过Canny算子检测边缘,使用最小二乘法对边缘轮廓进行椭圆拟合,并去除噪声点。使用位置排序的方法,对椭圆的中心进行配对,并计算各匹配中心的三维坐标值。计算相邻两幅图中对应点的空间距离,图8和表2为第1、10、20、30、40点测试结果与误差分析。

图7　实验装置Fig.7　Experiment setup

表2　测量结果Tab.2　Measurement results

图8　每点20组数据误差Fig.8　20 groups of data error of every point

从表2和图8中的数据可以看出,在视场范围约为0.2 m条件下,标志点振动测量结果与实际值基本一致,数据线性度较好,误差小于0.03 mm,标准差小于0.013 mm,测量精度达到了±0.15 mm/m。

误差产生的主要原因:

（1）相机标定的误差,由于相机标定存在误差,导致三维坐标反算矩阵不十分准确,影响后续的计算；

（2）圆心提取的误差,本文的圆心提取精度只到亚像素级,对后续计算有一定影响。

4　结 论

本文提出了一种基于双目视觉的振动测量方法,介绍了双目视觉测量的构成及工作原理,研究了系

统所采用的核心算法,包括相机的标定,标志点的识别、匹配,三维坐标反算等。实验表明,测量精度达到了±0.15 mm/m,可满足大多数振动位移测量的要求。相对于传统的方法,本文方法还具有可适用于不同的视场范围,不同待测物,不会对待测物造成影响的优点。由于使用高速相机组,系统成本较高,同时对数据存储要求和环境要求都高,因此还有待进一步的改进。

［1］ 全燕鸣,黎淑梅,麦青群.基于双目视觉的工件尺寸在机三维测量［J］.光学精密工程,2013,21（4）:1054-1061.

［2］ 郭俊锋,刘鹏,焦国华,等.三维测量工业内窥镜的双目光学系统［J］.光学精密工程,2014,22（9）:2337-2344.

［3］ 张广军.机器视觉［M］.北京:科学出版社,2005.

［4］ 冯宇.基于计算机立体视觉的三维重建系统研究［D］.青岛:青岛科技大学,2009.

［5］ 王中任.大型工件在机视觉测量关键技术研究［D］.广州:华南理工大学,2009.

［6］ ZHANG Z Y.A flexible new technique for camera calibration［J］.IEEE Transactions on pattern Analysis and Machine Intelligence, 2000,22（11）:1330-1334.

［7］ 李洪海,王敬东.摄像机标定技术研究［J］.光学仪器,2007,29（4）:7-12.

［8］ BRADSKI G,KAEHLER A.Learning Open CV［M］.Nanjing:Southeast University Press,2009.

［9］ 刘建伟,梁晋,梁新合,等.大尺寸工业视觉测量系统［J］.光学精密工程,2010,18（1）:126-134.

［10］ 周艳青,薛河儒,姜新华.一种基于圆形标志点的摄像机标定方法［J］.内蒙古农业大学学报,2014,35（1）:155-159.

［11］ 殷永凯,刘晓利,李阿蒙,等.圆形标志点的亚像素定位及其应用［J］.红外与激光工程,2008,37（增刊）:47-50.

（编辑:刘铁英）

The measurement of low frequency vibration based on stereo vision

SHU Xinwei,YANG Bo
（School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China）

In order to meet the requirement of vibration measurement,an online collection, offline processing of non-contact visual system of low frequency vibration measuring was designed based on the principle of binocular stereo vision.The filter was used for removing the noise and the Canny operator and the ellipse fitting based on the least squares were used for extracting the both of the contour and center coordinates of the feature points.Furthermore, according to the matching algorithm based on the epipolar constraint and the spatial distribution law of feature points,the 3D coordinate data of the feature points were obtained. Finally,the vibration information of the object was obtained by comparing the 3D coordinate data of the feature points in the each frame image.As a linear guide of the vibration source,an experiment to measure the low frequency vibration shows that the measurement accuracy can reach±0.15 mm/m.And it can satisfy the precision and efficiency demands of the low frequency vibration measuring.

stereo vision；vibration；non-contact；offline processing

TP 39

A

10.3969/j.issn.1005-5630.2016.02.001

1005-5630（2016）02-095-05

2015-07-08

国家重大仪器专项（2013YQ470765）

舒新炜（1991—）,男,硕士研究生,主要从事机器视觉方面的研究。E-mail:james951@126.com

杨 波（1977—）,男,副研究员,主要从事光学设计、机器视觉方面的研究。E-mail:yangbo@usst.edu.cn