基于线结构光视觉的轴径测量算法研究

发布时间：2016-09-28 06:27

第 1 章绪 论

传统的轴径测量方法大多属于接触式测量[3]，如游标卡尺测量、螺旋测微器测量、三坐标测量等。接触式测量方法不仅存在测量效率低，工作强度大，并且可能损伤已经加工表面等缺点，最重要的是接触式测量方法很难实现轴径的在线测量。随着工业摄像机及相关技术的发展，基于机器视觉技术的测量方法越来越多的应用在工业生产中。机器视觉技术有如下几个优点：(1)测量速度快，与电脑集成可以实现智能检测；(2)机器视觉是一种非接触式测量方法，可以实现在线检测；(3)机器视觉技术可以代替人类在很多恶劣环境或高危的情况下完成测量[4]。目前已经提出的基于机器视觉技术的轴径测量方法中[5-7]，有的方法测量精度较低；有的方法虽然轴径测量精度很高，但是对测量环境和测量条件的要求严格，导致测量成本高，适用性差。基于上述背景，本文提出了一种基于线结构光视觉技术测量轴径的方法。 

..

第 2 章  光条中心点检测

2.1   线激光器及光条截面灰度分布模型

线结构光是点激光器产生的激光束经由透镜系统产生。本文采用的线激光器是通过柱面镜和球面镜组合的方法，将点光源变为线光源。如图 2.1 所示，点光源发射出的激光光束经过组合透镜后，在 Y 轴方向上发散，在 X 轴方向上会聚，在投影距离 S 处聚焦，形成了一条在 Y 轴上扩展，宽度为 W 的光带。由于在激光束的横截面上的能量为高斯分布，因此在经过透镜后的光束在 X 和 Y 方向仍然呈高斯分布[98]。 线结构光投射到被测物体表面形成具有一定宽度的光条，因此确定光条图像的灰度分布模型对光条中心提取算法有着重要的作用。因为光条的灰度分布会受到被测物表面材质和形貌的影响，所以本文分别对在不同材质和形貌表面上的光条图像灰度分布进行了分析和对比，图 2.2 为光条在不同材质和形貌表面的图像。

2.2   光条中心检测算法

光条中心检测是线结构光测量技术的关键环节，光条中心检测的精度直接影响结构光测量的精度。根据光条中心点的检测精度可以将光条检测算法分为像素级光条中心检测算法和亚像素级光条中心检测算法。像素级光条中心点检测算法较简单，运算速度较快。由于受到算法精度的影响，该类算法只能得到像素级的光条中心点位置。亚像素级的光条中心检测算法精度高，可以得到中心点的亚像素位置，并且该类算法相对于像素级检测算法具有受噪音的影响小、鲁棒性好等特点。方向模板法不仅能很好的保留光条上的灰度信息，具有较强的抗噪音能力，并且可以通过增加四个方向以外的其他方向模板，提高光条中心检测精度。但是由于该方法使用卷积计算，因此运算量大，处理速度慢，且检测精度只能达到像素级。

第 3 章   线结构光视觉测量系统标定 .............. 33 

3.1   线结构光测量系统标定模型 ...... 33 
3. 3.2   光平面标定改进方法 .............. 40
3.3   线结构光测量系统的标定实验及标定精度分析 ................... 42
3.4   本章小结 ....... 53 
第 4 章   线结构光视觉轴径测量算法 .............. 55 
4.1   线结构光视觉测量轴径模型及拟合点处理 ........................... 55
4.2   虚拟平面标定 ...... 59
4.3   轴径测量算法 ........... 63
第 5 章   线结构光轴径测量实验 ................ 69 
5.1   实验条件 ................. 69 
5.2   轴径测量实验及测量结果 ....... 70
5.3   圆心约束模型测量精度的影响因素分析 ............................... 73 

第 5 章 线结构光轴径测量实验

5.1 实验条件

如图 5.1 所示，本实验选取两根两端带有顶尖孔的阶梯轴。轴 1 有 4 段阶梯，且表面经验特殊处理，反射率较低。轴 2 有 7 段阶梯，并且各轴段均与该轴两端顶尖孔确定的轴线同轴。

5.2   轴径测量实验及测量结果

为了得到虚拟平面的方程系数，需要对被测轴轴线进行标定。如图 5.3 所示，设计、制作专用夹具夹持标定板，并安装在实验台的两顶尖之间。该专用夹具的定位面用高精度线切割加工，保证顶尖连线与标定板面共面。绕轴线转动标定板，采集至少两个位置以上标定板的图像。由于受到镜头景深的影响，标定板的转动不宜过大。如图 5.2 所示，被测轴通过两顶尖装夹到实验台上，将线结构光投射到被测轴上，并使用摄像机采集轴上光条的图像。沿导轨定位面移动两顶尖座的位置，就可以使线结构光投射到每个被测轴段上，并保证被测轴轴线的方向不发生变化。为了确保测量的准确性，在测量每个轴径时，旋转被测轴并采集 5 幅被测轴上的光条图像。用 Steger 算法检测光条中心点的亚像素坐标，并根据第四章的轴径测量算法得到被测轴的轴径，并将 5 次测量的均值作为测量值。
.....

第 6 章结论与展望

为了提高线结构光视觉测量轴径的精度，本文对轴表面光条中心点检测、线结构光测量系统的标定和轴径测量算法进行了理论和实验研究，取得的创新及主要结论如下：1.本文提出了一种轴表面上光条中心点检测的评价方法，并利用该方法对重心法、高斯拟合法、Steger 算法进行了对比测试实验，结果表明 Steger 算法更适用于轴表面上光条中心点的检测。针对高反射率表面上光条图像质量较差的问题，研究了一种光条归一化算法，并实验验证了该算法提高光条图像质量的效果。 2.由于传统的光平面标定使用标定纸，而测量物体为金属，，考虑表面材质反光的差异对测量精度的影响。本文提出了一种利用量块优化光平面参数的改进标定方法。测量实验表明改进标定方法的精度明显要高于传统的标定方法。3.在分析了镜头光圈、背光源功率和激光器功率对标定精度影响的基础上，通过实验确定了最佳镜头光圈、背光源功率和激光器功率，提高了线结构光测量系统的标定精度。4.由于光平面与被测轴轴线不垂直，因此在与被测轴轴线垂直的虚拟平面上，提出了利用圆心约束的轴径测量算法，解决椭圆拟合算法测量轴径精度低的问题。

........

参考文献（略）

本文编号：125025