基于线结构光视觉技术的工件尺寸三维测量系统研究

汪小涵+赵杰

[摘 要] 针对传统测量方法无法满足复杂工件尺寸在线检测精度的问题，研究了一种由线结构光条纹中心提取、测量系统标定、工件尺寸三维测量三部分组成的基于线结构光视觉技术的工件尺寸在线三维测量系统。其中，线结构光条纹中心提取部分采用极大值法优化光条纹区域，并结合Hessian矩阵方法提取线结构光条纹中心；测量系统标定部分采用基于平面标定板的相机参数标定方法和基于最小二乘法拟合的线结构光平面参数标定方法；工件尺寸三维测量部分通过联立相机投影方程和线结构光平面方程计算工件实际尺寸。利用实际工件进行实验研究，结果表明此测量系统能满足工件测量要求。

[关键词] 工件尺寸测量；线结构光；条纹中心提取；光平面标定；三维测量

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 21. 089

[中图分类号] TM930 [文献标识码] A [文章编号] 1673 - 0194（2017）21- 0178- 05

0 引 言

工件尺寸是衡量加工工件质量优劣的一项重要指标，工件加工过程中工件尺寸不仅是工件质量评估的依据，还为改善工件加工工艺提供重要的反馈信息，促进工业技术的进步。

随着工业制造水平的发展，工件愈加趋于多样化、复杂化和曲面化，导致工件尺寸测量困难，因此急需更加精确的工件尺寸测量方法。由于传统的接触式测量需要接触工件导致其表面磨损，影响工件尺寸质量，因此非接触式工件尺寸测量方法是目前研究的热点[1]。

非接触式工件尺寸测量方法主要有采用超声波测量仪、立体视觉测量系统和三维激光扫描仪等来测量的方法。超声波测量仪首先向待测工件投射超声波，在待测工件内部来回反射形成震荡，然后计算超声波往返一次的传播时间和传播速度，得出待测工件的高度等尺寸信息，但超声波易受环境温度变化影响，导致工件尺寸测量精度不高[2]。立体视觉测量系统采用两台相机从不同角度同时获取待测工件图像，通过立体匹配算法得出视差图，结合三角测量原理获取被测工件的三维尺寸信息。但由于立体匹配算法无法兼顾精度和速度的难度，达不到工件尺寸测量的要求[3]。三维激光扫描仪采用非接触高速激光脉冲获取工件表面的三维信息，在三维形貌检测、大型设备检测等领域广泛应用，但其成本昂贵，难以普及[4]。

线结构光视觉测量技术是结合激光扫描技术和视觉处理技术的新兴工件尺寸测量技术，具有实时性、高精度和通用性的优点[5]。线结构光视觉测量工件尺寸方法首先对待测工件表面投射光束形成条纹，其次通过摄像机采集工件表面条纹图像并计算条纹中心坐标，然后基于三角测量原理进行空间尺度变换以获取工件三维尺寸[6]。一个完整的线结构光视觉测量系统包括图像采集，线结构光条纹中心提取，测量系统标定，三维点云获取四部分。其中，线结构光条纹中心提取部分和测量系统标定部分最为关键。

线结构光条纹中心提取是对条纹图像中一定像素宽度的条纹转化为单像素宽度条纹以获取准确的像平面坐标[7]。目前，线结构光条纹中心提取方法主要分为两大类，即基于形态特征的方法与基于灰度特征的方法[8]。基于形态特征的方法是利用条纹图像的几何特征、形态学特征对条纹中心进行提取，主要方法有边缘法[9]、阈值法[10]几何中心法[11]以及细化法[12]等。基于形态特征的方法实现简单，处理速度快，但在处理过程中易受噪声影响，且不具有亚像素精度。基于灰度特征的方法是依据条纹横截面灰度值呈高斯分布的特性提取条纹，主要有极值法[13]、灰度重心法[14]、曲线拟合法[15]、Hessian矩阵法[16]等。其中，极值法是求条纹上灰度值最大的点即条纹中心。灰度重心法是依据在条纹内灰度呈高斯排列，沿条纹横截面取灰度重心即条纹中心。曲线拟合法采用高斯曲线来拟合条纹横截面灰度分布，但由于光照影响和工件反射率不同导致灰度分布非严格对称，影响测量精度。Hessian矩阵法首先利用Hessian矩阵得到图像中条纹的法线方向，其次沿法线方向求Hessian矩阵最大特征值对应的坐标，然后采用泰勒展开式求出亚像素位置，该方法精度高、鲁棒性好，能够完整的提取出条纹中心点，但由于进行多次大规模高斯卷积运算，处理速度低。

线结构光视觉测量系统标定包括相机参数标定和线结构光平面参数标定。相机参数标定是依据相机成像模型建立二维图像点和三维空间点之间的映射关系。当前，Faig提出了一种非线性模型标定的非线性优化算法，但没有考虑相机畸变的影响[17]。Tsai提出了一种基于径向一致性约束的非线性优化方法，采用两步法估算相机内、外部参数，从而获得较高标定精度，但对切向畸变的相机，标定精度较差[18]。Zhang提出一种棋盘格标定方法，采用线性模型估计相机参数，并对相机非畸变特性通过非线性优化技术进一步优选相机参数，获得了较高精度[19]。线结构光平面参数标定是基于三角测量原理使图像上条纹中心点和空间物点一一映射的约束信息。Huynh等使用立体靶标，基于交比不变原理计算相机坐标系下标定点的三维坐标，但由于立体标靶不同平面之间光照不同，难以获得高质量的标定图像[20]。文[21]提出了基于平面靶标的线结构光平面参数标定方法，标定过程中反复移动平面标靶获取线结构光平面的标定点，并转换到相机坐标系下，通过最小二乘优化方法计算线结构光平面参数，具有一定的稳定性。

本文针对当前测量方法无法满足复杂工件尺寸检测精度的问题，研究了一种基于线结构光视觉技术的工件尺寸在线三维测量系统。主要包括三部分：基于极大值条纹区域优化方法和Hessian矩阵方法相结合的线结构光条纹中心提取部分、基于棋盘格标定法的相机参数标定和基于最小二乘拟合的线结构光平面参数标定部分、三维数据获取部分。以精密儀器测量方法为依据，验证工件尺寸测量系统的精度，结果表面所研究的系统满足工件尺寸测量要求，且具有一定的通用性。

1 工件尺寸三維测量系统工作原理

本文所研究的工件尺寸三维测量系统如图1所示，包括线结构光条纹中心提取、测量系统标定、工件三维信息计算三部分组成。

（1）线结构光条纹中心提取部分：首先采用阈值分割方法对条纹图像初步提取条纹区域，并结合极大值法进一步优化条纹区域，然后通过Hessian矩阵方法提取条纹区域中心点。

（2）测量系统标定部分：采用棋盘格标定方法对相机参数进行标定，并采用最小二乘法对线结构光平面参数进行标定。

（3）工件尺寸三维信息计算部分：结合相机标定参数和线结构光平面参数，采用矩阵转换公式由图像中条纹中心计算工件尺寸三维信息。

2 工件尺寸三维测量系统

2.1 线结构光条纹中心提取

在相机采集的线结构光条纹图像中，由于条纹宽度具有几个甚至十几个像素，因此需要提取条纹图像中的条纹中心。在条纹图像中条纹中心提取是工件尺寸测量的关键，其提取算法的精度和速度直接影响线结构光视觉测量系统的性能。

首先，由于在线结构光条纹图像中，除条纹区域外的图像信息对条纹中心的提取是无价值的，故采用阈值分割方法式从线结构光条纹图像中初步提取条纹区域。其次，在图像的条纹区域中，由于光照影响和工件材质不同引起的反射率变化影响导致条纹区域灰度值出现异常，因此采用极大值法优化条纹区域，不仅减少了工件材质等引起的噪声，而且提高测量速度。最后，通过Hessian矩阵方法[16]求取亚像素精度的条纹中心点坐标。算法包括以下三部分：

（1）初步条纹区域提取

采用带滤光片的相机对工件进行拍摄，在采集线结构光条纹图像中，条纹部分的灰度值明显大于其他部分的灰度值，因此采用阈值分割方法对图像条纹区域进行提取，如式（1）所示。

（2）条纹区域优化

由于线结构光的特性，理想条纹区域的灰度值应呈高斯分布，但由于外界光照影响及工件表面反射率不同的影响导致提取的条纹区域灰度值有异常。为了减小异常值的影响，采用极大值方法搜索条纹区域灰度最大值，在灰度最大值坐标附近选择τ个像素对条纹区域进行优化，如式（2）所示。

3 实验结果与分析

本文所研究的基于线结构光视觉技术的工件尺寸在线三维测量系统实验平台如图2所示。其中，采用DO3THINK公司、型号为CFV130M-H2、分辨率为1024*1280的黑白相机，采用焦距为8 mm 的computar镜头，采用功率线结构光发射器的功率为20 mW，波长为650 nm，滤光片的直径为30.5 mm，波长为650 nm。

（1）线结构光条纹中心提取

本文采用复杂工件以验证三维测量系统的精度，其复杂工件尺寸如图3（a）所示，带滤光片的黑白相机采集的工件条纹图像如图3（b）所示。采用2.1所述的线结构光条纹中心提取算法对其进行处理，结果如图3（c）所示。

由上述误差曲线分析可知，本文所提方法具有更加稳定的优点，能有效去除外界的影响，且实际测得算法时间在50～70 ms，满足在线检测的要求。

（2）测量系统标定

采用2.2所述的标定方法对测量系统进行标定，其平面标定板如图5所示，则系统标定参数如表1所示。

（3）工件测量

为了验证所研究工件尺寸测量系统的精度，以精密仪器测得工件尺寸大小为依据，测得结果如表2所示。可以看出，最大测量误差在0.1 mm左右，故此系统测量误差在0.2mm以内，符合工件尺寸测量要求。其工件尺寸三维测量数据如图6所示。

4 结 论

本文研究了一种基于线结构光视觉技术的工件尺寸在线三维测量系统，其主要创新之处在于改进了传统的Hessian矩阵线结构光条纹中心提取方法以满足复杂工件检测精度和速度的要求。由条纹中心数据结合相机标定参数计算复杂工件尺寸，通过实验进行对比分析。结果表明，所研究的测量系统能够获得较满意的测量精度，且具有一定的通用性。因此，可应用于实际工件制造业中工件尺寸的测量，为工件加工过程提供重要的反馈信息。在进一步的工作中，如何获得更精确的工件尺寸以及更高效检测速度是下一步研究的重点内容。

主要参考文献

[1]全燕鸣，黎淑梅，麦青群，等. 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]张步超. 一种高精度的超声波厚度测量仪[J]. 仪器仪表标准化与计量， 2005（6）：35-36.

[3]张旭苹， 汪家其， 张益昕， 等. 大尺度三维几何尺寸立体视觉测量系统实现[J]. 光学学报， 2012， 32（3）：140-147.

[4]周森， 郭永彩， 高潮. 基于激光扫描的大尺寸圆锥体几何测量系统[J]. 中国激光，2014（5）：211-220.

[5]宋大虎， 李忠科， 程春霞， 等. 基于线结构光的三维坐标测量技术研究[J]. 计算机工程， 2012， 38（22）：291-292.

[6]易宗超. 基于线激光的列车外轮廓三维测量和限界检测[D]. 武汉：华中科技大学，2012.

[7]刘斌，沈康，魏兆超，等. 基于线结构光视觉技术的微小直径高精度测量系统[J]. 仪器仪表学报， 2014（S2）.

[8]胡斌， 李德华， 金刚，等. 基于方向模板的结构光条纹中心检测方法[J]. 计算机工程与应用， 2002， 38（11）：59-60.

[9]Kweon I S， Kanade T. Extracting Topographic Terrain Features from Elevation Maps[J]. Cvgip Image Understanding， 1994， 59（2）：171–182.

[10]Rioux M， Bird T. White Laser， Synced Scan （3D Scanner）[J].IEEE Computer Graphics & Applications， 1993， 13（3）：15-17.

[11]Lorenz C， Carlsen I C， Buzug T M， et al. Multi-scale line segmentation with automatic estimation of width， contrast and tangential direction in 2D and 3D medical images[C]//CVRMed-MRCAS'97. Springer Berlin Heidelberg，1997.

[12]Lam L， Lee S W， Suen C Y. Thinning methodologies-a comprehensive survey[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2002， 14（9）：869-885.

[13]雷海军， 李德华， 王建永，等. 一种结构光条纹中心快速检测方法[J]. 华中科技大学学报：自然科学版， 2003， 31（1）：74-76.

[14]Jedynak B， Rozé J P. Tracking Roads in Satellite Images by Playing Twenty Questions[C]//Automatic Extraction of Man-Made Objects from Aerial and Space Images，1995：33F-41F.

[15]Steger C. An Unbiased Detector of Curvilinear Structures[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，1998，20（2）：113-125.

[16]Wu F C， Wang Z H， Hu Z Y. Cayley Transformation and Numerical Stability of Calibration Equation[J]. International Journal of Computer Vision， 2009， 82（2）：156-184.

[17]Tsai R Y. An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision[C]//ProceedingsIEEE Conference.on Computer Vision & Pattern Recognition， 1986：364-374.

[18]Zhang Z. A Flexible New Technique for Camera Calibration[C]//IEEE Transactions on Pattern Analysis and Machine Intelligence，2000， 22（11）： 1330-1334.

[19]Huynh D Q， Owens R A， Hartmann P E. Calibrating a Structured Light Stripe System： A Novel Approach[J]. International Journal of Computer Vision， 1999， 33（1）：73-86.

[20]許丽， 张之江. 结构光测量系统的误差传递分析[J]. 光学精密工程， 2009， 17（2）：306-313.

[21]余乐文， 张达， 张元生. 基于线结构光的三维测量系统关键技术研究[J]. 光电子·激光， 2016（2）：156-161.