劉萍堅(jiān)　王員根　徐　培

摘 要：在研究光條式結(jié)構(gòu)光三維測(cè)量方法的基礎(chǔ)上，構(gòu)建一種基于機(jī)器視覺(jué)的結(jié)構(gòu)光三維掃描系統(tǒng)。該系統(tǒng)利用圖像處理提取激光條紋信息，采用三角法測(cè)量方法獲取深度信息，通過(guò)建立數(shù)學(xué)模型確定在量程范圍內(nèi)的各種參數(shù)進(jìn)行誤差與精度分析。實(shí)驗(yàn)結(jié)果表明該系統(tǒng)的有效性和精度要求。

關(guān)鍵詞：機(jī)器視覺(jué)；結(jié)構(gòu)光；深度圖像；三維測(cè)量

中圖分類號(hào)：TP371 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1004－373X(2009)04－111－03

Machine Vision－based Structured Light 3D Scanning System

LIU Pingjian1,WANG Yuangen1,XU Pei2

(1.Zhongkai University of Agriculture and Engineering,Guangzhou,510225,China;

2.OPT Machine Vision Technology Co.Ltd.,Dongguan,523129,China)

Abstract：In this paper,machine vision－based structured light 3D measuring method is presented on the basis of study of bar structured light system.The system extracts laser stripe information by exploiting image processing techniques,uses the trigonometry method to acquire depth information,and implements error and precision analysis to all kinds of parameters ensured in metre scale by designing mathematic model.The experimental results demonstrate the efficiency and precision of the proposed system.

Keywords：machine vision;structured light;depth image;3D measurement

0 引 言

隨著制造技術(shù)的快速發(fā)展和制造領(lǐng)域的不斷擴(kuò)大，使得對(duì)制造產(chǎn)品的質(zhì)量要求也越來(lái)越高。傳統(tǒng)意義上很多對(duì)產(chǎn)品的檢測(cè)方法已經(jīng)不能適應(yīng)現(xiàn)代制造業(yè)的要求。計(jì)算機(jī)視覺(jué)［1－3］檢測(cè)技術(shù)具有操作、維護(hù)簡(jiǎn)單，測(cè)量速度快，精度高，測(cè)量范圍廣等眾多無(wú)可比擬的優(yōu)點(diǎn)，被認(rèn)為是檢測(cè)技術(shù)領(lǐng)域中最具有發(fā)展?jié)摿Φ募夹g(shù)。機(jī)器視覺(jué)被稱為自動(dòng)化的眼睛，在國(guó)民經(jīng)濟(jì)、科學(xué)研究及國(guó)防建設(shè)上都有著廣泛的應(yīng)用。機(jī)器視覺(jué)不但可以實(shí)現(xiàn)無(wú)接觸觀測(cè)，還可以長(zhǎng)時(shí)間保持精度，因此，機(jī)器視覺(jué)系統(tǒng)可以廣泛應(yīng)用于長(zhǎng)時(shí)間的、惡劣的環(huán)境［4,5］。

在此探討了線性結(jié)構(gòu)光三維掃描系統(tǒng)的特點(diǎn)。設(shè)計(jì)一種能夠測(cè)量物體深度的結(jié)構(gòu)光三維掃描系統(tǒng)，通過(guò)圖像處理技術(shù)對(duì)激光條紋進(jìn)行提取，并建立數(shù)學(xué)模型，采用三角法測(cè)量方法獲取深度信息，對(duì)工件圖像進(jìn)行重建。最后，實(shí)驗(yàn)結(jié)果驗(yàn)證了該系統(tǒng)的有效性。

1 基于機(jī)器視覺(jué)的結(jié)構(gòu)光三維掃描系統(tǒng)模型

結(jié)構(gòu)光測(cè)量［6,7］是將激光器發(fā)出的光束經(jīng)過(guò)光學(xué)系統(tǒng)形成某種形式的光，包括點(diǎn)、單線、多線、單圓、同心多圓、網(wǎng)格、十字交叉、灰度編碼圖案、顏色編碼圖案和隨機(jī)紋理投影等投向景物，在景物上形成特定的圖案，并通過(guò)圖像處理，對(duì)圖案進(jìn)行提取，然后根據(jù)三角法進(jìn)行計(jì)算，從而得到景物表面的深度信息。根據(jù)投射光圖案的種類可分為單點(diǎn)法、單線法和圖案法。

1.1 系統(tǒng)的硬件結(jié)構(gòu)設(shè)計(jì)

如圖1所示，文中所設(shè)計(jì)的結(jié)構(gòu)光三維掃描系統(tǒng)由3大部分組成，分別是運(yùn)動(dòng)平臺(tái)、激光器和攝像機(jī)。系統(tǒng)的運(yùn)動(dòng)平臺(tái)由導(dǎo)軌絲杠機(jī)構(gòu)成，絲杠上的滑塊帶動(dòng)工件左右運(yùn)動(dòng)，絲杠由伺服馬達(dá)驅(qū)動(dòng)。攝像機(jī)垂直于導(dǎo)軌運(yùn)動(dòng)平面。激光器和攝像機(jī)與攝像機(jī)呈固定角度安裝。激光器所射出的線形光斑垂直于工件的運(yùn)動(dòng)方向。激光器與攝像機(jī)的相對(duì)角度可以調(diào)節(jié)，調(diào)節(jié)范圍由20°~45°之間。運(yùn)動(dòng)平臺(tái)行程為100 mm，圖像分辨率為0.2 mm/pixel。

1.2 系統(tǒng)的數(shù)學(xué)模型建立

系統(tǒng)的數(shù)學(xué)模型如圖2所示。工件放置于運(yùn)動(dòng)平臺(tái)上，攝像機(jī)垂直安裝在運(yùn)動(dòng)平臺(tái)正上方，激光與水平面的夾角Е泉В激光器產(chǎn)生一字的線性結(jié)構(gòu)光，由于物體表面與運(yùn)動(dòng)平臺(tái)的高度差，條形光斑同時(shí)照射在物體上的A處和平臺(tái)的B處。用攝像機(jī)獲得光斑的圖像，經(jīng)圖像采集卡輸入至計(jì)算機(jī)，經(jīng)過(guò)圖像處理，可以測(cè)量出點(diǎn)A與點(diǎn)B的距離d，根據(jù)三角法公式tan θ=H/d，可以通過(guò)光斑間距d計(jì)算出工件的高度H。б虼宋鎰標(biāo)和像坐標(biāo)對(duì)應(yīng)關(guān)系為：

Иxg=kxi

yg=kyi

zg=kH（1）И

其中：xg，yg，zg分別為物坐標(biāo)；k為像素－毫米轉(zhuǎn)換系數(shù)；xi，yi分別為圖像坐標(biāo)。

圖1 系統(tǒng)結(jié)構(gòu)圖

圖2 系統(tǒng)數(shù)學(xué)模型圖

2 結(jié)構(gòu)光光斑提取的相關(guān)理論與方法

從系統(tǒng)的數(shù)學(xué)模型可知，物體的深度信息H主要受θ和d的影響，而θ主要表現(xiàn)為系統(tǒng)誤差，因此，有必要對(duì)條紋間距d進(jìn)行深入研究，以提高系統(tǒng)的精度。其主要包括：圖像增強(qiáng)、圖像二值化以及圖像細(xì)化。

2.1 圖像增強(qiáng)

圖像增強(qiáng)主要增加圖像的對(duì)比度，突出圖像中的高頻部分［8］。算法描述為：設(shè)原圖像的灰度級(jí)為x，其最大和最小灰度級(jí)分別為xmax和xmin；期望圖像灰度級(jí)的最大和最小值分別為ymax和ymin；則與原圖像灰度級(jí)x相對(duì)應(yīng)的期望灰度級(jí)：

Иy=ymax－yminxmax－xmin(x－xmin)+ymin(2)И

若令：a=ymax－yminxmax－xmin，b=xmaxymin－xminymaxxmax－xminВ則式(2)可改寫為：

Иy=ax+b(3)И

式(3)是一個(gè)線性函數(shù)：參數(shù)a是函數(shù)的斜率；b是函數(shù)在y軸的截距；x表示輸入圖像的灰度；y表示輸出圖像的灰度。

2.2 圖像二值化

這里所采用的256色的灰度圖像，通過(guò)選取閾值t，將小于t的灰度全設(shè)為0，即黑色；將大于t的灰度全部設(shè)為255，即白色。這樣，目標(biāo)就從背景中獨(dú)立出來(lái)。采用文獻(xiàn)［9］提出的一種基于熵的自動(dòng)閾值提取方法。б環(huán)圖像的直方圖可以表示為:

Иp(h)=g(h)/G(4)И

式中：G表示灰度值的總和；g(h)表示圖像灰度等級(jí)為h的像素個(gè)數(shù)。一幅具有［0,N-1］Щ葉戎搗段圖像的直方圖的熵可以表示為：ИH=－∑N－1i=0p(h)ln p(h)(5)И

式（6）中，ta表示圖像分割的閾值，則不同閾值范圍內(nèi)的熵可以表示為：

ИH=－∑ta+1i=tap(h)ln p(h)(6)И

總熵可以表示為А芁－1aHa通過(guò)求解一組優(yōu)化的閾值，可以使總熵達(dá)到最大。其中：L表示閾值的個(gè)數(shù)，a=0,1,…,L-1。

2.3 圖像細(xì)化

圖像的細(xì)化［10］是一個(gè)通過(guò)迭代去除目標(biāo)圖像上不影響連通性的輪廓象素點(diǎn)，以得到最終寬度為一個(gè)像素的圖像骨架的過(guò)程。對(duì)被處理的圖像進(jìn)行細(xì)化有助于突出圖像的形狀特點(diǎn)和減少冗余的信息量。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 系統(tǒng)標(biāo)定

實(shí)驗(yàn)通過(guò)基于機(jī)器視覺(jué)結(jié)構(gòu)光三維掃描系統(tǒng)獲取扳手三維圖像，為獲得準(zhǔn)確的三維圖像，首先采用40 mm的標(biāo)準(zhǔn)塊規(guī)進(jìn)行測(cè)量，測(cè)量結(jié)果與誤差如表1所示。圖3為三維掃描系統(tǒng)的測(cè)量軟件界面。

圖3 測(cè)量軟件界面

3.2 實(shí)驗(yàn)內(nèi)容與步驟

用該系統(tǒng)獲取準(zhǔn)確的扳手圖像信息如圖4、圖5所示。對(duì)所獲取的信息進(jìn)行圖像增強(qiáng)、腐蝕和去除小顆粒濾波處理，再根據(jù)三角法測(cè)量原理測(cè)量計(jì)算出扳手的厚度。

圖4 扳手手柄處圖像

圖5 扳手鉗口圖像

對(duì)所獲取的圖像信息進(jìn)行圖像處理，首先對(duì)圖像進(jìn)行圖像增強(qiáng)，增加圖像的對(duì)比度，突出圖像中的高頻部分，如圖6、圖7所示。其次采用自動(dòng)閾值技術(shù)對(duì)圖像進(jìn)行二值化處理，如圖8所示。為了得到更清晰的圖像，采用相關(guān)的濾波器將小顆粒噪聲去除，處理結(jié)果如圖9所示。

表1 測(cè)量結(jié)果與誤差表

第一組實(shí)驗(yàn)結(jié)果第二組實(shí)驗(yàn)結(jié)果第三組實(shí)驗(yàn)結(jié)果第四組實(shí)驗(yàn)結(jié)果

高度/mm誤差/mm高度/mm高度/mm誤差/mm誤差/mm高度/mm誤差/mm

40.5940.59442.1932.19342.8782.87841.4001.400

40.0430.04341.9381.93841.1311.13141.6691.669

41.9381.93839.788-0.21240.0560.05640.5800.580

41.6691.66941.9241.92441.9381.93841.9381.938

41.4001.40040.8490.84941.9381.93841.9381.938

41.1311.13140.9970.99742.4752.47541.6691.669

41.4001.40040.8630.86341.9381.93842.9992.999

41.9381.93842.1932.19341.3871.38742.1932.193

42.0722.07241.8031.80341.9381.93842.4752.475

41.6691.66941.9381.93842.7442.74442.7442.744

43.0133.01341.1311.13142.7442.74442.7442.744

42.7442.74441.3871.38742.4752.47541.9381.938

40.8630.86342.4752.47543.2683.26839.788-0.212

40.5940.59442.4622.46240.0560.05641.9241.924

41.1311.13142.3412.34140.3250.32540.8490.849

圖6 原圖像

圖7 圖像增強(qiáng)后的圖像

圖8 二值化處理后的圖像

圖9 去除小顆粒濾波

3.3 實(shí)驗(yàn)數(shù)據(jù)

圖10、圖11給出了扳手手柄和鉗口處的高度信息提取結(jié)果。通過(guò)對(duì)多處截面進(jìn)行高度信息提取，可以重構(gòu)處扳手的三維圖像，如圖12、圖13所示。

圖10 扳手手柄處測(cè)量結(jié)果

圖11 扳手鉗口處測(cè)量結(jié)果

3.4 結(jié)果分析

經(jīng)過(guò)分析上述的測(cè)量數(shù)據(jù)，總體誤差為4.47%。從實(shí)驗(yàn)測(cè)量結(jié)果來(lái)看，實(shí)現(xiàn)系統(tǒng)還有待進(jìn)一步提高。影響其精度的主要原因如下：

（1） 由于本系統(tǒng)采用的激光光斑比較粗，從一定程度上影響了精度。

（2） 對(duì)激光光斑的提取算法性能不足，可進(jìn)一步改進(jìn)。

圖12 手柄測(cè)量重構(gòu)結(jié)果

圖13 鉗口測(cè)量重構(gòu)結(jié)果

4 結(jié) 語(yǔ)

這里就基于機(jī)器視覺(jué)結(jié)構(gòu)光三維掃描系統(tǒng)進(jìn)行深入的探討和實(shí)驗(yàn)，具體包括以下3個(gè)方面：結(jié)構(gòu)光光斑提取相關(guān)的圖像處理的理論和方法，對(duì)系統(tǒng)所獲取的原始圖像進(jìn)行圖像增強(qiáng)、腐蝕和去除小顆粒濾波處理；基于機(jī)器視覺(jué)結(jié)構(gòu)光三維掃描系統(tǒng)的架構(gòu)。設(shè)計(jì)實(shí)驗(yàn)所用設(shè)備，確定三角法測(cè)量物體深度的數(shù)學(xué)模型；在工業(yè)檢測(cè)中運(yùn)用該系統(tǒng)進(jìn)行實(shí)驗(yàn)，誤差為4.47%，驗(yàn)證了該系統(tǒng)的有效性和精度要求。

參 考 文 獻(xiàn)

［1］Marr D.Vision.San Francisco:Freeman Publisher,1982.

［2］David A Forsyth,Jean Ponce.Computer Vision:A ModernApproach［M］.Beijing:Publishing House of Electronics Industry,2004.

［3］馬頌德.計(jì)算機(jī)視覺(jué)［M］.北京:北京大學(xué)出版社,1998.

［4］陳海東.機(jī)器視覺(jué)的快速匹配與識(shí)別定位方法及其在自動(dòng)檢測(cè)中的應(yīng)用研究［D］.廣州：華南理工大學(xué),1999.

［5］張廣軍.機(jī)器視覺(jué)［M］.北京:科學(xué)出版社,2005.

［6］Batlle J,Mouaddib E,Salvi J.Recent Progress in CodedStructured Light as a Technique to Solve the Correspondence Problem:A Survey［J］.Pattern Recognition,1998,31(7):963－982.

［7］陳向榮,朱志剛,石定機(jī).基于雙外極線的結(jié)構(gòu)光深度信息快速獲?。跩］.清華大學(xué)學(xué)報(bào),1998(Z1):99－102.

［8］章毓晉.圖像處理和分析［M］.北京:清華大學(xué)出版社,1999.

［9］吳冰,秦志遠(yuǎn).自動(dòng)確定圖像二值化最佳閾值的新方法［J］.測(cè)繪學(xué)院學(xué)報(bào),2001,15(1):284－286.

［10］王懷群.二值圖像的細(xì)化［J］.無(wú)錫輕工大學(xué)學(xué)報(bào),2001,20(3):315－318.

作者簡(jiǎn)介 劉萍堅(jiān) 女，1986年出生，廣東東莞人。

王員根 男，1976年出生，江西新余人，講師，博士研究生。研究方向多媒體信息處理與通信。