基于机器视觉的金属结构变形测量

谢柳辉，冯晓蕾，周 晓，王进举，任泓宇

（1.广东省特种设备检测研究院 东莞检测院，东莞523003；2.武汉理工大学 机电工程学院，武汉430070）

随着我国基础设施的不断建设，金属结构的应用场景越来越多。金属结构受到外力会发生形变，因此须要检测大型结构的塑性变形参数，目前的测量大多采用仪器测量法、 传感器测量法、GPS 测量方法等来实现[1-6]。仪器测量法存在测量速度慢、无法同时测量多点以及测量精度易受操作人员影响等问题[1-2]；传感器测量法会对测量对象本身造成干扰[4]；GPS 测量方法设备体积大，精度不高[7]。

因为基于机器视觉的图像测量技术具有非接触、远距离、高精度、测量范围大等[8]优点，近年来被广泛应用于医学诊断、工业测量、航空航天等领域[9]。然而视觉图像测量系统的精度受光源、待测目标特征、相机的抖动等影响较大[8]，难以在远距离测量时达到亚像素测量精度。

为了提高测量精度，在此设计出一种特殊的靶标系统，与光源进行无缝贴合，解决了其他视觉测量方案中光源不稳定，采集的图像噪声大等问题，然后通过将特殊靶标和亚像素边缘检测算法结合在一起，构建成亚像素精度测量系统。

1 金属结构变形测量系统组成及工作原理

基于机器视觉的金属结构变形测量系统由光源靶标系统、图像采集及处理系统组成，如图1 所示。

图1 基于机器视觉的金属结构形变测量系统组成Fig.1 Composition of metal structure deformation measurement system based on machine vision

首先将光源靶标固定于待测点，再将图像采集系统固定于测量位置，利用图像处理系统求出待测点的位移。

系统的工作原理如下：测量时，光源发射出均匀的光线，经过由菲林制作的靶标。由于菲林的特性，光线一部分透过靶标的透明区域，其余部分被黑色区域遮挡，图像采集系统获取到与靶标图案一致的图像。当待测位置发生形变时，固定在上面的光源靶标会产生相同的位移。图像处理系统首先对获取到的靶标图像进行预处理；利用传统边缘检测算法获取靶标白色区域的最外侧像素边缘点坐标；利用亚像素边缘检测算法进行校正；通过菱形约束算法获取相机坐标系中靶标的中心亚像素坐标；通过坐标转换算法得到靶标的物理水平和垂直位移量。整个测量系统的流程如图2 所示。

2 系统设计与实现

光源靶标系统由光源、靶标、供电单元构成，如图3 所示。光源采用菱形LED 面灯，如图3a 所示；靶标的制作利用菲林输出技术，在菲林片上形成黑色和透明相邻的区域，如图3b 所示；利用菲林靶标的单面黏性，无缝贴合在光源面板上组成光源靶标系统，如图3c 所示。

图2 系统测量流程Fig.2 System measurement flow chart

图3 光源靶标系统组成Fig.3 Composition of light-target system

图像采集系统主要由工业相机、镜头、上位机、相机驱动软件、供电单元及三脚架等组成。相机和镜头固定在三脚架上，与上位机相连接；利用上位机软件采集处理图像，其安装过程相比于其他测量系统简单、省时。

3 图像处理系统研究

图像处理系统通过对靶标图像进行处理，得到靶标中心在像平面的位置。通过大型结构变形前后的靶标中心位置之差以及尺度转换系数，就可以获取到待测点的形变量。

图像处理系统主要由3 个部分组成：图像去噪、靶标中心定位追踪、坐标转换。

3.1 图像去噪

由于光电系统的基本特性，图像采集系统获取的图像是真实图像与随机噪声的叠加。因此，为了获取质量更好的图像，需要对图像进行滤波操作。图像高斯滤波是在二维空间利用正态分布计算平滑模板，并利用该模板与灰度图像做卷积运算，对于图像中随机噪声的处理具有很好的效果。对试验中获取的图片中ROI 区域进行高斯滤波前后对比，处理结果如图4 所示。

图4 图像噪声处理Fig.4 Image noise processing

3.2 靶标中心定位追踪

靶标中心定位追踪有3 个步骤：菱形边缘粗定位；菱形边缘亚像素定位；利用菱形约束计算中心。各步骤操作结果如图5 所示。

图5 靶标定位追踪Fig.5 Target location and tracking

步骤1菱形边缘点粗定位。图像处理系统采用阈值处理和区域边缘追踪来定位像素边缘点，图像处理系统的边缘点粗定位结果如图5a 所示。

在靶标中，同心菱形之间的黑色和透明区域相等，但是由于数字相机特性的影响，获取到的图像中亮环比暗环宽，如图6a 所示。为获取菱形的真实边缘，对图像进行了阈值处理。在阈值处理后的图像中，对应的亮环和暗环宽度相等，如图6b 所示。

对阈值处理前后图像中对应相同的区域，进行灰度值绘制。x1x2和x2x3分别为阈值处理后的亮环、暗环的宽度，如图6c 所示。有

阈值处理后，应用区域边缘追踪算法提取最外侧菱形的像素边缘点，在此采用文献[10]提出的边缘追踪算法。

图6 阈值处理Fig.6 Threshold processing

步骤2菱形边缘亚像素定位。在图像采集系统获取图像时，像素的灰度值由对照射像素区域上的光照进行积分得到。因此，获取到的像素边缘，实际上是一块包含真实边缘的区域。文献[11]提出利用以像素边缘点为中心，周围5×5 像素区域的空间矩来计算相应的真实边缘，即亚像素边缘。像素边缘点O1和定位的亚像素边缘点O2如图5b 所示。

步骤3菱形中心计算。定位出菱形四条边的亚像素边缘后，利用菱形的对边平行特征对边缘线进行约束，设两平行对边的方程分别为

式中：k为边缘线的斜率；b1，b2分别为对边边缘在y向上的截距，像素。

然后，利用菱形的亚像素边缘点坐标，进行对边边缘线的最小二乘拟合，即

式中：（xi，yi），（xj，yj） 分别为2 条对边的亚像素边缘点坐标；n，m分别为2 条对边的边缘点个数。

利用最小二乘拟合求解出菱形的4 条边的方程后，可以求出4 条边的4 个交点（x1，y1），（x2，y2），（x3，y3），（x4，y4）。根据这4 个交点即可求出菱形的中心坐标（x，y），即

3.3 坐标转换

经过靶标定位追踪，得到的靶标中心是在像平面中的坐标，需要经过转换系数将其转换为物理世界中的坐标。坐标转换原理如图7 所示，尺度转换系数s为

式中：s为尺度转换系数，mm/像素；A2B2为物体物理尺寸，mm；A1B1为物体像平面尺寸，像素。

图7 坐标转换Fig.7 Coordinate transformation

对应到该系统中，有

式中：l为菱形物理边长，mm；L为对应的菱形图像边长，像素。

4 结语

基于机器视觉的金属结构变形测量系统，在理论上具有亚像素测量精度，且抗干扰性强，在远距离测量物体变形领域具有较好的应用场景和研究价值。