基于计算机视觉的钢板测量系统研究

王 直, 赵越超

(1.江苏科技大学 计算机科学与工程学院, 江苏 镇江 212003)(2.江苏科技大学 电子信息学院， 江苏 镇江 212003)

在造船行业中,船用钢板的弯曲成型是重要的环节．目前国内外造船厂大都依靠工人采用手工卡样板的方法对钢板成型情况进行判断,这种方法耗时耗力,且精度较低．针对这一问题,研发钢板加工过程中钢板三维形状的在线检测系统势在必行．文献[1]对钢板板宽及中心位置的检测研究,文献[2]对水火弯板线位移的测量研究[2],两者只是对钢板一定参数的测量,对三维形状的检测还没有涉及．

物体三维几何形状的测量方法基本可分为接触式和非接触式两大类[3],因为加工环境的关系,接触式测量显然不可行．在非接触式测量方法中,综合成本和效果,主动式的视觉测量是比较好的选择．目前主动式视觉测量技术以结构光法和相位移法优势最为明显,其测量原理都是基于光学三角法[4]．由于结构光法的快速、精确、简便,因而在三维物体面形测量中广泛采用．而相比于其他结构光法,点结构光又是比较鲁棒的三角化深度获取方法,多用于基于三角测量原理的测量系统中．文中采用光学投影仪投影点阵结构光,投影的点阵包含足够的信息量以用来重建测量,因为目标钢板属于弱纹理,而且点阵结构光是无编码的,所以在特征匹配时会出现问题．针对这个问题,参考基于结构光与核线的匹配方法[5],在点阵结构光法中利用与点阵结构光相对应的平行线结构光进行匹配．实验结果表明,匹配结果令人满意．

1 构建三维测量系统

文中构建的系统以计算机视觉原理为基础重建投影的点阵,最后获得钢板的三维测量结果．系统示意图如图1,主要包括两台高分辨率工业相机,一台光学投影仪,把它们固定在测量架上通过USB线与工控机相连,通过工控机控制投影仪投影和图像数据采集,以便进行钢板三维表面的重建测量．

图1 系统构建Fig.1 System building

2 系统工作原理

系统的工作流程如图2,在系统工作之前应先对相机进行标定,标定是为了测量出相机的外参和内参,系统中相机标定采用文献[6]的标定法,标定后的相机固定在测量架上不再移动．

图2 系统工作流程Fig.2 System workflow

2.1 图像采集

图像采集阶段需要采集以下3类图像:原始钢板图像、点阵结构光钢板投影图像和线阵结构光钢板投影图像，其采集结果如图3,场景中的钢板长宽均约为1 m,钢板右上角被踮起．

a) 原始钢板图像

b) 点结构光投影图像

c) 线结构光投影图像

拍摄采集的原始钢板图像作为投影后图像的场景图片,可以方便之后的特征提取．这里的点阵结构光与线阵结构光相互对应,投影的点阵结构光的每一列点连成线便构成了与其对应的线阵结构光．投影及图像采集控制程序由Labview8.6图形化编程语言编写．

2.2 特征提取

文中特征提取包括线特征提取及点特征提取,线特征的提取采用Laplace算子,点特征的提取采用SURF算法[7]．特征提取的结果如图4,特征提取过程中利用了原始钢板图像作为场景信息,图中显示的结果是以投影后图像与原始场景图像的差值图像为输入进行特征提取的．

a) 线特征提取结果

b) 点特征提取结果

点特征提取中有一些圆圈颜色较重一点,这证明有些投影特征点被提取了多次,这是由于所拍摄图像像素的分辨率较高,一个投影点在图像中呈现的像素可能分化成了几个特征点,这里拟合这些相近的特征点使其与投影点相对应．

2.3 特征点匹配

采用一种基于与点阵结构光对应的平行线结构光的特征点匹配方法．如图5,垂直的平行线结构光的每一条线结构光与点阵结构光的每一列点结构光投影重合并且一一对应,图中m1和m2是相对应的线结构光．使结构光均在视口范围内,以最左边的线结构光为参考,利用同名结构光分组特征点．图中在m2上的分组特征点群中寻找与p点匹配的特征点p′,由于相机已经标定,知道p′必过与p对应的极线n2,由此可以在m2上的特征点群中寻找出p的匹配点p′,这种匹配方法同时也可以很好的滤除点结构光特征点提取时的噪声点．

图5 特征匹配示意图Fig.5 Feature matching schematic

2.4 三维重建

根据计算机多视几何原理[8],由图像对应的特征点,利用相机的内部参数和相机之间的外部参数计算出特征点所对应的空间三维坐标．两视图几何的重建示意如图6,两个相机图像上匹配的点分别为PLj=(xLj,yLj,1)和PRj=(xRj,yRj,1),其中：1≤j≤N,根据多视几何理论,求解公式(1),可得到N个对应点的空间齐次坐标Xj=(xj,yj,zj,1)T．在计算完初始的点之后,还需要优化反向投影误差,以测量到精确的点．

图6 两视图几何Fig.6 Two-view geometry

(1)

式中：M1和M2分别表示两个相机的投影矩阵(由相机的内部参数和外部参数所组成的3×4的矩阵),而[PLj]×可表示为公式(2)的形式,[PRj]×也同此形式．

(2)

2.5 点云数据处理与曲面拟和

三维重建后的点云包含投影在场景边缘中的点结构光,需要滤除这些噪声点,这属于逆向工程中点云数据分割的范畴．文中投射在场景中的点与投射在钢板上的点存在空间位移差,因此采用一种基于几何特性的点云数据过滤方法[9]．最后,采用Delaunay三角剖分算法对点云进行三角化,拟合点云成曲面．

3 实验结果

钢板上投影点的三维点云如图7,三角化结果如图8．通过三维重建的点云数据经过坐标变换后,与激光法测量到的三维数据做比较,可以得到最大的误差点不超过1.5 mm．

图7 三维点云Fig.7 3D point cloud

图8 点云三角化Fig.8 Point cloud triangulation

4 结论

利用与点阵结构光相对应平行线结构光把点阵分组编码,此方法匹配效果较好,经过三维重建与点云过滤,重建后钢板上的投影点与实际投影点一一对应．经过坐标变换与实际测量数据比较,测量结果误差较小,可以用于实际钢板测量应用中．

参考文献(References)

[1] 王卫平,何平安,张明建,等.基于激光光刀法的钢板板宽及中心位置视觉测量系统[C]∥2007年全国第十六届十三省(市)光学学术会议论文集.陕西：陕西省光学学会，2007:140-144.

[2] 向祖权,王呈方.水火弯板线位移的视觉测量方法[J].船海工程,2002,(6):24-26.

Xiang Zuquan,Wang Chengfang.Vision measuring technology of the linear distortion of line heating[J].Ship&OceanEngineering, 2002,(6):24-26.(in Chinese)

[3] 张舜德,朱东波,卢秉恒.反求工程中三维几何形状测量及数据预处理[J].机电工程技术,2001,(1):7-10.

Zhang Shunde,Zhu Dongbo,Lu Bingheng.The measurement and data pre-processing of three dimensional profiles in reverse engineering[J].Machanical&ElectricalEngineeringTechnology,2001,(1):7-10.(in Chinese)

[4] 赵天宇,吴易明,陈良益,等.结构光法和相位移法的对比研究[J].科学技术与工程,2007,7(17):4429-4431.

Zhao Tianyu,Wu Yiming,Chen Liangyi,et al.Research on structured light and phase measurement by comparison[J].ScienceTechnologyandEngineering,2007,7(17):4429-4431.(in Chinese)

[5] 王朝晖,熊晓光,万霞.基于结构光与核线的匹配方法研究[J].现代测绘,2005,28(5):34-35,44.

Wang Zhaohui,Xiong Xiaoguang,Wan Xia.The design and realization of common vector electric map system[J].ModernSurveyingandMaping,2005,28(5):34-35,44.(in Chinese)

[6] Zhang Zhengyou.A flexible new technique for camera calibration[J].IEEETransactionsonPatternAnalysisandMachineIntelligence, 2000, 22(11):1330-1334.

[7] Bay H, Tuytelaars T, Van gool L.Surf: Speeded up robust features[J].ComputerVisionandImageUnderstanding, 2008,110(3):346-359.

[8] Richard H, Andrew Z.Multiple view geometry in computer vision[M].Cambridg: Cambridge University Press,2003:178-182.

[9] 曾齐红.机载激光雷达点云数据处理与建筑物三维重建[D].上海:上海大学,2009:25-35.