（检测技术与自动化装置专业论文）激光视觉在线测量数据的重建.pdf

摘要 自动测量技术是随着科学技术和机械制造工业的发展而发展的，特别是现代 科学技术的飞速前进，使检测技术趋向高精度、高效率。论文重点是基于一种激 光视觉测量方法来完成对物体轮廓的测量并提出一些改善精度的措施。这种测量 方法使用对映函数的观念，先利用c c d 获取被激光照射到的物体表面的三维信 息，再根据对映函数原理把c c d 像平面所获取的数据转换为空间点数据，这样 便完成了对物体轮廓的测量。在具体的实现过程中，论文主要做了以下工作和创 新： 1 、在视觉测量原理方面详细介绍了使用最小回归误差分析方法的对映函 数原理以及能够提高测量精度的次像素原理； 2 、在图像处理方面，给出了直方图、闽值分割、条纹细化等原理的详细介 绍，在给出的左右c c d 的数据拟合过程中创建了可调节精度的杂点滤 除方法； 3 、在测量系统的总体设计部分，充分注意到了各部件的内部标定和部件间 的标定问题，从而保证了系统的测量精度，并给出了新颖的激光探测传 感器水平度和垂直度的校正方法； 4 、在软件开发方面，参考了软件工程学中所提出的开发步骤和注意事项， 保障了系统软件开发过程中的高速度、低错误、代码可重用性等重要指 标；还利用c + + b u i l d e r 的强大功能，自行开发了一套测量软件。 关键词： 激光视觉 c c d 图像处理软件工程 a b s t r a c t m e a s u r e m e n tt e c h n o l o g yi sd e v e l o p i n gi nt h ep a c ew i t ht e c h n o l o g yi m p r o v e m e n ta n d m e c h a n i c a lm a n u f a c t u r i n gd e v e l o p m e n t e s p e c i a l l yw i t ht h er a p i dp r o g r e s so fe l e c t r o n i c s t e c h n o l o g y ，m e a s u r e m e n tt e c h n o l o g yt e n d st oh i g hp r e c i s i o na n de f f i c i e n t t h e s i su s e sa t e c h n i q u eo fl a s e r - b a s e dv i s i o nt om e a s u r eas u b j e c t sp m f i l ea n dg i v e ss o m es t e p st op r o v e p r e c i s i o n t h et e c h n i q u eu s e sam a p p i n gf i m c t i o nt h e o r y f i r s t l y , c c d sg r a s pt h el i n ei m a g e p r o j e c t e db yt h el a s e ra n dg e tt h e3 - di n f o r m a t i o no fa no b j e c t ，s e c o n d l y , w es w i t c ht h e c c d s i m a g ed a t at os p a c ep o i n td a t ab a s e do nm a p p i n gf u n c t i o nt h e o r y , t h e n ，t h em e a s u r i n g i sc o m p l e t e d d u r i n gt h er e a l i z a t i o n ，t h ei m p o r t a n tw o r ka n di n n o v a t i o n sa r e ： a ) t h e s i su s e sm i n i m u me r r o ra n a l y s i sa te s t a b l i s h i n gm a p p i n gf u n c t i o na n da c h i e v i n g t h es u b p i x e lm e a s u r i n g ，i m p r o v e st h ep r e c i s i o no f m e a s u r i n gg r e a t l y b ) t h e s i sd i s c u s s e sh i s t o g r a m s ，t h r e s h o l dd i v i s i o n ，s t r i p et h i n n i n ga ti m a g ep r o c e s s i n g ， a n de s t a b l i s h e saf i l t e rm e t h o dt ot h en o i s ed u r i n gm e r g i n gt h el e f ta n dr i g h tc c d s i n f o c ) t h e s i sn o t i c e st h ec a l i b r a t i o ni n s i d e t h ee q u i p m e n t sa n dt h ew h o l es y s t e mt o i m p r o v ep r e c i s i o na n dg i v e san e w c o r r e c tm e t h o do f t h el a s e rd e t e c t e rs e n s o r sl e v e l a n dv e r t i c a ld e g r e e 小t h e s i su s e st h ep r o g r e s sa n dt h en o t i c e sp r e s e n t e db ys o f t w a r ee n g i n e e r i n ga t s o f t w a r ep r o g r a n m f i n g ，t h u se n s u r et h es o f t w a r e sq u i c k ，l o we r r o r , a n dh i 曲c o d e s r e u s i n gi d e n t i t y t h i st h e s i sa l s oi n c l u d e st h ec + + b u i l d e rl a n g u a g e sg i g a n t i cp o w e r a te x p l o i t a t i o n i ta l s og i v e sn e wm e a s u r i n gs o f t w a r et h a ta d o p t i n gb o t ht o p d o w n a n db o t t o m - u pm e t h o d s k e y w o r d ：l a s e r - b a s e dm a c h i n ev i s i o n c c d c o m p u t e rg r a p h i c s s o f t w a r ee n g i n e e r i n g 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得 的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已 经发表或撰写过的研究成果，也不包含为获得 叁逮堡墨盘鲎 或其他教 育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的 任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名：互迕签字目期：f 年：；月 日 学位论文版权使用授权书 本学位论文作者完全了解 墨生堡墨盘堂 有关保留、使用学位论文 的规定。特授权墨盗堡兰盘鲎可以将学位论文的全部或部分内容编入有 关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编，以供 查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子文件。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：互迕导师签名： 娜芬毋 签字日期：矽嘶 弓月 j 目 签字日期：，力j 一年3 月日 第一章绪论 第一章绪论 1 1 引言 1 1 1 激光视觉简介 激光视觉是指用激光、摄像机和计算机代替人眼对目标进行识别、跟踪和测量等， 是机器视觉的个种类。机器视觉测量技术是一种先进的非接触测量手段，具有系统组 成灵活、工作空间大、精度合适、自动化程度高等特点，非常适合工业现场的在线测量 与质量监控。三维物体表面轮廓测量是获取物体形态特征的一种重要手段，在机器视觉、 自动加工、工业检测、产品质量控制领域具有重要意义和广阔的应用前景。光学非接触 测量由于其高分辨率、无破坏、数据获取速度快等优点而被认为是最有前途的三维形貌 测量方法。视觉测量是采用摄像机作为传感器件，借助计算机强大的数据处理能力实现 对物体( 物点) 空间位置的测量：较大规模的视觉测量系统一般由多个视觉传感器组成， 以完成大空间范围内的测量，要解决的主要问题有视觉传感器的设计、传感器的局部标 定和系统全局标定等。如果被测空间较小，一个传感器也可以组成视觉测量系统，此时 局部标定和全局标定是统一的。视觉传感器的具体结构很灵活，由被钡对象来决定，但 它们的测量原理是致的。 1 1 2 机器视觉的发展 机器视觉主要起源于两个方面：一个是摄影测量学，另个是统计模式识别。2 0 世纪6 0 年代，r o b e r t s i l j 通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱 柱等多面体的三维结构，并且可以描述物体的形状和他们的空间关系。r o b e r t s 的研究 开创了以理解三维场景为目的的机器视觉研究。7 0 年代中期，麻省理工学院人工智能实 验室吸引了国际上许多知名学者参与关于计算机视觉理论的研究，d a v i dm a r r 教授应邀 在该实验室领导一个以博士为主的研究小组。m a r r 2 1 的视觉理论系统地概括了人工智能、 神经生理学、模式识别、图像处理等学科已经取得的所有重要成果，现在看来虽有许多 不足之处，但仍是视觉研究迄今为止最为系统的视觉理论。对机器视觉的全球性研究热 潮是从2 0 世纪8 0 年代初开始的，到了8 0 年代中期，机器视觉获得了蓬勃发展，在m a r r 视觉计算理论框架的基础上，新概念、新方法、新理论不断涌现，如基于感觉群体的物 体识别理论框架、主动视觉理论框架和视觉理论集成框架等。目前，机器视觉仍然是一 个十分活跃的研究领域。随着计算机科学、人工智能、信号处理以及其他相关领域学科 的发展，机器视觉理论的研究会得到更深入的发展。 目前国内在激光视觉测量的研究领域有天津大学、四川大学、重庆大学、西安交通 大学等高等院校。如天津大学叶声华教授领导的课题组成功地利用激光视觉测量法及白 光条纹视觉测量法完成了夏利、依维克等白车身的在线监测p 】、汽车四轮定位【4 】、无缝 钢管直线度例以及b a g 芯片管脚共面性【6 12 j 等方面的测量课题。测量不确定度为0 0 5 m m 的水平。华南理工大学和重庆大学利用线结构光进行鞋楦3 d 轮廓的测量【】，取得了一 定的研究成果。测量不确定度可以到0 1 m m 。 香港科技大学主要研究人体3 d 数据扫描，并在服装业及医学上得到应用。台湾大 第一章绪论 学在激光视觉3 d 测量领域做了大量的研究工作，主要研究成果有3 d 激光扫描系统，现 已经商品化，并已做到c c d 局部放大扫描并整合所有数据，所研究的自动化曲面拼按方 法在国际发表多篇文章，并获得多项发明专利。 在国外，这一研究领域德国、英国、加拿大、美国等国家发展较快，已经有数种产 品问世，美国斯坦福大学利用线结构激光视觉测量原理，建立了可组合的大型扫描仪， 扫描出意大利艺术雕像的3 d 数据，并将扫描数据作了处理。英国“3 ds c a n n e r s ”公司 运用线结构激光扫描技术1 4 l ，配合关节式测量手臂，进行了多轴、多角度扫描测量。另 外与激光扫描视觉测量相类似的白光条纹视觉测量方法在国外也有较快发展，如瑞士 “n e w p o n ”公司开发了流动式光学三坐标测量仪a t 0 5 ，利用自光条纹和多视角图像 拼接技术，实现了大范围曲面的3 d 检测。 1 1 3 机器视党的应用 机器视觉正在被广泛的应用于许多方面，可以说需要人类视觉的场合几乎都有机器 视觉的应用，特别是在许多人类视觉无法感知的场合，如在精确定量感知、危险场景感 知以及不可见物体感知等场合，机器视觉更能显示其无可比拟的优越性。机器视觉主要 在以下几方面应用： 夺工业自动化生产和检测：机器视觉技术在自动化生产装配线上得到了很好的应 用，能够用于识别零部件，为工业机器人或机械手提供是否操作或进行什么样操作的指 令。机器视觉技术也可由测量仪器来取得待测物体外形的资料点群，进而重建出c a d 模型。然后，可在电脑中对此模型进行设计变更及修改，并且可以很快的转移至c a m 软件中，付诸生产。另外，汽车零件的外观，药品包装的正误，i c 字符印刷的测量，电 路板焊接的好坏等检测流程，现今很多都使用机器视觉技术，从而使检测变得精确、快 速、可靠以及数字化。 夺航空宇航：在航空宇航中的应用主要包括三个方面：航空摄影图像、气象卫星 图像和资源卫星图像，这三种图像的共同特点是在高空对地表或地层进行远距离成像， 尽管它们的成像原理和成像方法不完全相同，但机器视觉的理论和方法在这三个方面都 获得了成功的应用。 夺医学图像分析：目前医学图像已经广泛用于医学诊断，成像方法包括传统的x 射线成像、计算机层析( c o m p u t e dt o m o g r a p h y , c t ) 、核磁共振成像( m a g n e t i cr e s o r l a l l c e i m a g i n g ，m r i ) 、超声波成像等，机器视觉在医学图像诊断方面有两类应用，一是对图像 进行增强、标记、染色等帮助医生诊断疾病，并协助医生对感兴趣的区域进行测量和比 较：二是利用专家知识系统对图像进行分析和解释，给出诊断结果。 夺机器人视觉和自动导航装置：移动机器人可同时获得某一场景的两幅图像，并 以此恢复场景的三维信息，利用这些信息来识别目标、识别道路、判断障碍物等。自动 导航装置将立体图像和运动信息组合起来，与周围环境进行自主交互，这种技术已用于 无人汽车、无人飞机和无人战车等。 令交通监察和安全鉴别：在这方面主要用于交通事故现场勘察、车场监视、车辆 识别、车牌号识别、探测并跟踪“可疑”目标。根据面孔、眼底、指纹等图像特征识别 第一章绪论 特定的人。 夺国防系统：如雷达成像、图像制导、目标识别等。 夺其他应用：机器视觉还用于各类体育运动分析、人体测量、食品、农业、心理 学、电视电影制作、远程教育、虚拟现实等。 机器视觉是人类视觉的扩展和延伸。随着该学科研究与开发的不断深入和计算机性 能的快速提高，机器视觉将会被广泛应用于更复杂的场合。 1 2 课题的研究意义 在制造业中有多种不同的特殊曲面，如汽车外壳、精密模具、玩具模型等，如何测 量这些曲面而得到其外形数据，是目前广泛关注的研究课题【1 矾。三维轮廓测量通常分为 接触式“”1 测量和非接触式1 2 1 - 3 4 1 测量两种。其中，非接触式测量技术有着无损伤、速度 快、精度高等优点，所以受到越来越多的瞩目。非接触测量技术根据测量定位方式不同 可分为三角法【2 1 】和飞行时间法【2 2 】，而根据测量理论与系统架构的不同可分为激光扫描【2 3 】 结构光1 2 “、双镜头【2 5 】、叠纹1 2 6 】、干涉仪等不同的方法，每种方法各有优缺点。 三维轮廓非接触测量领域里的关键问题就是如何提高精度和速度。本课题就是在前 人的基础上，结合三角法、结构光法、双镜头法以及激光技术等多种原理来完成的，其 目的主要是找到更合适的办法来对那些特殊的曲面进行快速、高精度的测量。 1 3 课题的研究思路及其主要内容 1 3 1 课题的研究思路 本文在“天津市高等学校科技发展基金项e l ”的资助下，根据机器视觉原理，结合 图像处理、数理统计、c + + 语言、软件工程与生理学知识，建立了激光视觉在线测量系 统，研究了激光视觉测量中如何解决速度慢、精度低的关键性技术问题，开发了相应的 激光视觉三维测量软件。 在此过程中，我们结合项目的需要和实际情况，采用了下述研究思路。 夺 充分利用已知条件：我们已经拥有一台商用三维扫描仪，在其硬件资源的基础上， 对关键部件( 激光探头) 进行改进，分析相关算法的同时开发相配套的应用软件。 夺 分解复杂过程：在机器视觉过程中尽量做到模块化，各模块之间相对独立，以减少 处理过程中的相互牵制，提高运算速度。 夺 利用实验结果来帮助分析问题：在算法的研究过程中，往往会遇到很复杂的问题， 在理论分析的同时，如果巧妙利用实验结果来帮助分析问题的所在，就能取得事半功倍 的效果。 夺 寻求新的算法：在保证精度和速度的前提下寻求新方案、新算法，在解决问题的同 时，进一步简化操作、增强灵活性和实用性，同时也力求扩大使用范围。 此系统的研究必将促进激光视觉在工业测量、人体测量、残肢恢复、多姿形态分析 及城市数字化建模等领域的应用。 第一章绪论 1 3 2 课题的主要内容 论文由七章组成，其主要内容和组织结构如下： 第一章，绪论，本章简单介绍了机器视觉和激光视觉的基本思想、理论体系、发展 与应用，分析了三维测量中数据重构在应用中应解决的关键问题和技术，介绍了本课题 的研究思路、研究的主要内容和全文的结构安排。 第二章，激光视觉测量原理，本章介绍了本项目所应用的主要原理，包括：结构光 法、最小回归对映函数法、二激光十字交叉线确定特征点法、以及亚像素原理等，并根 据这些原理完成从空间平面点到影像平面点的对映函数的建立过程。 第三章，图像处理算法的研究，本章系统地讨论了课题所用到的一些图像处理的基 础算法，包括：灰度直方图原理、阈值分割原理、细化原理和边缘检测原理，并结合多 种原理与课题的特殊情况确定了采用直方图的迭代法求最佳阈值、采用面心法进行条纹 细化、采用c a n n y 算子进行边缘检测等方法、左右c c d 数据的拟合技术，最后通过对比 名种数据拟合原理的特点，最终选择了均值法进行数据拟合，并在拟合过程中给出了杂 点滤除的创新方法。 第四章，程序设计的方法及其对软件质量的影响，本章主要介绍程序设计方法及技 术对本测量软件质量的影响，通过对软件工程和软件体系结构等原理的探讨，得出软件 开发的步骤以及在软件开发过程中应注意的一些事项；然后介绍了c + + 语言面向对象开 发的先进特性；最后给出了本系统的开发工具c + + b u i l d e r 在本系统的用户界面开 发方面所做的贡献。 第五章，激光视觉测量系统的总体设计，本章先提出了视觉测量系统的总体要求， 然后给出了系统的组成方案：接着介绍了针对c c d 内部、激光探测传感器以及系统各部 件间的标定问题；论文还在系统校正部分给出了利用激光面和三坐标位移机构来校正激 光探测器的水平度与垂直度的创新方法；最后给出了本测量系统的测量过程和测量软件 的用户界面。 第六章，实验数据处理以及综合误差分析，本章在实验的基础上，使用s u r f a c e 三 维软件，对分别测量平面和球体的两次实验结果进行定性和定量分析，并给出误差分析 结果。 第七章，总结和展望，本章对本课题的研究成果进行了总结，找出了研究中需要改 进的方面，并对三维测量系统的应用前景作了推断。 第二章激光视觉原理 第二章激光视觉测量原理 前一章中已经提到了激光视觉技术的意义，这一章主要介绍激光视觉技术的原理。 实际上用于测量的原理很多，这里只介绍与本项目有关的一些原理。 2 1 结构光原理 测量原理如图2 - 1 所示，激光发射器、c c d 、物体p 位于同平面，利用激光发射 器产生一光刀平面投射到待测物体上，光刀平面与物体表面相交形成一条亮线，利用亮 线在c c d 像面上的成像位置可获得物体表面上亮线的三维坐标，如果加上扫描系统则 可获得物体表面多线的三维信息。利用结构光原理可实现许多测量系统，包括点光源法 1 2 8 1 、线光源法1 2 9 - 3 0 】、栅格法 3 1 - 3 2 j 、彩色编码条法吲等多种测量系统。 p ( x ，y ，z ) 激光发射器 图2 - 1 结构光原理 上图是激光测量系统的最基本原理，虽然使用上图所示的原理会有盲区，但只要在 c c d 相对z 轴的对称部位再加一部c c d ，构成双目测量系统，就可以解决以上问题， 不过还需要一些标定技术，这些会在后面的章节中做进一步介绍。 2 2 对映函数法原理 所谓对映函数法，就是找出上图中光刀投射到物体所产生的亮线( 以下简称亮线) 的空间坐标与c c d 像平面的影像坐标之间的方法。基于成像原理，在c c d 的量测范围 内的任意一点，皆会对映成像到c c d 像平面上的一个像素点，反之则不然。如图2 2 所示，选取空间中已知距离的特征点构成一特殊平面a b c d ，通过c c d 获取其影像， 因为透视成像，这些整齐排列的特征点在c c d 像平面呈现出如图2 - 3 所示的a b c d 排列， 如果能找出两者之间的明确关系，并能正确找出空白资料点部分所对映的数值，则可使 用视觉技巧进行测量，即所有成像点在c c d 内某一像素的点，均可正确对映至其相关 ! 兰垩塑堂塑鲎垦里 的空间坐标值，再配合激光扫描技术，就可以进而获得物体的三维轮廓信息。 br 一 一一、一 c 图2 - 2 空间特征平面 露i l f 。 d 一i d 一 ：一j 一一； 土i 图2 - 3 影像中的特征平面 2 2 1 选择最小回归对映函数原理的原因 若要实现上节中的对映函数原理，可眺使用类神经网络做对映，也可以使用最小回 归多项式做对映。考虑到类神经网络在学习时要花较长的时间，本项目使用了最小回归 多项式做对映。 2 2 2 最小回归理论简介 已知两个元素之间存在关系的变量对( z ，y ) ，其元素值可由实验得来，欲知x 、y 之间的关系，先求出估计函数多= f ( x ) ，则与真实值y 之间的偏差( d e v i a t i o n ) ，也就是 误差( e r r o r ) 为 e = y 一夕 ( 2 1 ) 1一叫- r _l：l- 厂鬻一 _l，j；“ 一一 誊- 第二章激光视觉原理 但真实y 值只在一组资料中为已知，所以，只有在这些已知点上才能求出其偏差，只好 由这些有限点上的偏差来推导出估计函数了。 假设已知m 对资料：( 。1 ，y 1 ) ，( x 2 ，y 2 ) ，( ，y m ) ，若利用这些已知资料导 出x 、y 的近似关系厂( x ) ，则可由厂( x ) 产生x l ，x l ，x 。上的估计函数值死，p ， ，萝。与原已知函数比较，得到偏差：e l = y l 一多1 ，e 2 = y 2 一多2 ，e 。= y 。一萝。 由偏差去推导出厂( x ) 的方法很多，主要目的在于找到一个f ( x ) ，并保证这些偏差最小。 2 2 3 最小回归对映函数原理 如2 2 节所述，图2 2 的a b c d 空间平面被特征点区分出来而对映到如图2 - 3 的a b c d 影像平面，设每一个特征点k 在影像平面a b c d 的坐标( x t ，y t ) 皆能对映至空间平面 a b c d 的坐标( s t ，r t ) ，利用这些离散的对映点，影像平面a b e d 与空间平面a b c d 的 对映关系能够用平方回归多项式表示，即 nn 一， r ( x ，y ) = c x i y ， e r = ( r 一月) 2 k = o = ( & 一s ) 2 ( 2 3 ) k 卸 当求出回归系数后，整个对映关系即能够完整地建立，任何一个在影像( x ，) 坐标点 的测量点，通过这个回归多项式的计算，即可得对映的空间坐标点( s ，r ) 。 2 3 次像素点解析度原理 由于一般影像资料是阻像素为单位的，故像素点造成资料解析上的限制，所以本节 将介绍对次像素解析度回归对映函数的研究，希望能利用次像素解析的方法提高现有测 量的解析度准确性。本研究使用特制块规当作标准量规进行实验，但是标准量规精度要 求高而不易制作。本节将介绍利用双激光线交叉投射到校正板平面上，再配合图像处理 技术选取十字交叉点为特征点，结合三坐标测量仪的精密平移功能，建立空间平面与影 之q 为b与数函差曝的 y y 妒 缝豢 = 力 b 飘 月 于对相其 厶 匪得求差瞑归回小最由可 办 与 叽 o 呵 一一 | | 撇一嘞吗 归回 此因 第二章激光视觉原理 像平面的对应关系。 2 3 1 次像素点简介 1 9 3 0 年，s c h m a l t z 首次提出了用投射光束的方式来对外形轮廓进行测量【3 ”。在轮 廓面的取样与记录要达到约o 2 m m 的精度，对一个2 0 0 m m x2 0 0 m m 的物体就必须在这 个视域内提供1 0 0 0 x1 0 0 0 个像素点的解析能力，姑且不论能有如此大的解析力的c c d 的价格，光是这么直接的做法将导致无法接受的数据点信息量，而代替的方法是在同一 c c d 上通过适度地调整空间解析能力，而能在相同的精确度但明显减少数据量的前提 下重建轮廓。如果激光柬能经过简单的影像内差整修处理，特别是在光横截面的灰度值 分布为线性增加时，则外形轮廓上的点可通过内差而得到l o 分之1 像素点的空间分割。 这样，在同样的精度需求下可只由1 0 0 1 0 0 个像素点感测而得到，这就是次像素点解 析度的概念。 2 3 2 次像素回归对映函数的建立 本研究使用线激光为光源，通过c c d 获取激光束横截面的影像，再配合c m m 平 移机构提供的精确的定位与平移功能，透过c c d 相机内每像素点的坐标和它的相对世 界坐标系中的关系，可得到更精确的3 d 轮廓。 建立对映关系的几何架构如图2 - 4 所示，一个线激光固定在c m m 工作台上，其所 z， 一 探测传感器 ，的移动方向 h - 工作台的移动方向 图2 - 4 空间特征平面的形成 射器 第二章激光视觉原理 投射于平台上的激光线平行于c m m 的_ ，轴，由另激光发射器与c c d 相机构成的光 学探测传感器安装于c m m 的z 轴上，此光学探测传感器投射出的激光线平行于c m m 的戈轴。若c m m 工作台连续的沿x 轴移动，则一系列由a 至口的对映点将被找出， 如此将探测传感器由a b 沿垂直方向往c d 移动，则空间平面上a b c d 的网格将通过光 学探测传感器记录，因而空间平面a b c d 将对映到c c d 影像平面a b c d ，如图2 3 所示。 使用双激光十字线的方法来做特征点的定位，除了可省去标准块规制作时所遭遇的 困难并可将标准特征点的定位能力提高至次像素点的解析力，双激光十字线的影像通过 获取后可产生如图2 5 的结果，通过对荧幕上相同x 坐标值的影像点坐标值进行加和运 算，可得到在影像上各行灰阶的加和分布图，如图2 6 水平方向统计图所示的分布，通 过选取适当的临界值将统计数值高于统计临晃值的影像整行清除，可得如图2 7 所示的 水平激光影像，在影像中灰度值高于灰阶临界值的有效点定为激光线tt7 ，线上每个有 效点的影像坐标定为( x ，y ，) ，同样方法对列进行灰阶加和运算可得到如图2 8 所示的 另组垂直影像线vv ，线上每个有效点的影像坐标定为( “，) ，接着使用最小回归 分析理诊来求此两组瓷料线交点p ，可达次像点解析的精度。设线tt 以方程 图2 - 5 二激光十字交叉线以确定c c d 中的特征点 图2 - 6 二激光影像灰度值加和分布图 y f = 盘x t + 6 表示，线vv 以y 。= e x ，+ 厂表示，线tt 与线vv 相对应的误差函数e f 与e 。分别用下式表示 笙三里堂堂堡堂堕垄 解方程式 e 。= ( y 。f e x x 扩厂) 2 j = l 拿o a 鹕熹= 。d d 可求得a 、b 系数，解方程式 堡：o 与堕：o o e。a 厂 可求得g 、厂系数，则次像点解析度的p 点坐标值( x p , y 。) 为 x 。= ( ，一b ) ( a e ) ， y 。= ( a x f b x e ) ( a g ) ( 2 5 ) ( 2 6 ) ( 2 7 ) ( 2 8 ) 若点p 在空间坐标为( s p , r p ) ，则由c c d 影像坐标( x p , y p ) 对映到空间坐标( s pr ，) 的关系即可被建立。在得到空间a b c d 平面及影像平面a b c d 的对映资料后，便可依前 面所提到的最小回归对映法，求出空间平面a b c d 与影像平面a b c d 的对映函数，且解 析度也可达到次像素点的目标。 图2 7 行统计i 临界值过滤掉的激光线影像 2 、j 6 一xd y，l 。闻 | | e 第二章激光视觉原理 图2 - 8 列统计临界值过滤掉的激光线影像 2 ，4 本章小结 本项目所完成的激光视觉测量系统应用了结构激光原理，以二激光十字交叉线来确 定c c d 像平面中的特征点，并配合最小回归对映函数法最终完成从空间平面点到影像 平面点的映射，也就完成了最终测量。 第三章图像处理算法的研究 第三章图像处理算法的研究 在第二章提到的测量过程中，c c d 捕获到的图像经p i e o l o 数据采集卡进入计算机之 后需要进行一系列的处理图像处理。本章将系统讨论本项目所用到的一些图像处理 的基础算法，包括：灰度直方图原理、阙值分割原理、细化原理和边缘检测原理。 3 ，1 灰度直方图原理 灰度直方图是数字图像处理中一个最简单、最有用的工具，它描述了一幅图像的灰 度级内容。任何一幅图像的直方图都包括了可观的信息，某些类型的图像还可由其直方 图完全描述i j ”。 灰度直方图的定义如下：灰度直方图是灰度值的函数，描述的是图像中具有该灰度 值的像素的个数，其横坐标表示像素的灰度级别，纵坐标是该灰度出现的频率( 像素个 数) 。图3 一l 的灰度直方图如图3 - 2 所示。 图3 - 1 原始图像 灰度直方图也有另一种方式的定义：假设有一幅由函数d ( x ，y ) 所定义的连续图 像，它平滑地从中心的高灰度级变化到边沿的低灰度级。我们可以选择某一灰度级d 。， 然后定义一条轮廓线，该轮廓线连接了图像上所有具有灰度级d 的点。所得到的轮廓 第三章图像处理算法的研究 2 6 6 1 3 jl 图3 _ 2 图像灰度直方图 线形成了包围灰度级大于等于d i 的区域的封闭曲线。如图3 - 3 所示，图像中有一条灰 度级为d 的轮廓线，在更高的灰度级d z 处还有第二条轮廓线。设爿。是第一条轮廓线 所包围区域的面积，爿2 是第二条轮廓线所包围的区域的面积。 图3 - 3 图像的灰度轮廓线 将一幅连续的图像中被具有灰度级d 的所有轮廓线所包围的面积称为该图像的阈 lff|vj 第三章图像处理算法的研究 值面积函数a ( d ) 。直方图可定义为： h ( d ) 2 昀盟卷幽一面d 卸) ( 3 - 1 ) 由上式可以得出结论：一幅连续图像的直方图是其面积函数的导数的负值。负号的 出现是由于随着d 的增加a ( d ) 在减小。如果将图像看成是一个二维的随机变量，则 面积函数相当于其累积分布函数，而灰度直方图相当于其概率密度函数。 对于离散函数，我们固定d 为1 ，则上式变为： h ( d ) = a ( d ) 一a ( d + 1 ) ( 3 - 2 ) 3 2 图像分割原理 在图像分析和处理的应用研究中，人们往往对一些“有意义”的区域感兴趣，即图像 中某些特定的、具有独特性质的区域，这些区域被定义为目标，其他部分称作背景。为 了识别和分析目标，需要将这些区域从图像中分离并提取出来，这就是图像分割技术。 特征的选取可以是灰度、形状因子、纹理等等。图像分割的方法很多，经典的如基于像 素直方图的阚值分割法，基于邻域的区域生长法等。近年来还不断涌现出了许多新的方 法：如基于小波分析和变换的分割技术，基于数学形态学的分割技术等等。本文阐述了 对闽值分割法的一些研究。 阈值法是常用的一种图像分割方法。图像阈值分割就是把图像空间根据阈值分割成 一些有意义的区域。其基本思想是利用图像的灰度特征来选择一个( 或多个) 最佳灰度 阈值，并将图像中每个像素的灰度值与各阈值相比较，认为属于同一个部分的像素是同 一个物体。闽值法分为全局阂值法和局部阈值法，全局阚值法利用图像的全局信息( 如 整个图像的直方图) 对整幅图像求出最优分割阈值，可以是单阈值，也可以是多阈值； 局部阈值法是把原始的整幅图像分为几个小的子图像，再对每个子图像应用全局阈值法 分别求出最优分割阈值。闽值分割法的结果很大程度上依赖于对阈值的选择。在此结合 全局闽值法和局部阈值法，通过目标和背景的平均灰度值辗转计算阈值，直至得到最优 阈值以进行二值化分割处理【j 。 阈值分割法的特点是1 3 7 ：( 1 ) 原理清晰、易懂；( 2 ) 算法实现简单、清楚，运算量 小；( 3 ) 分割效果较好，对于对比度分明、反差大的图像分割效果几乎与其它大运算量 的方法相当。从效率( 分割效果，运算量) 上来考虑，阈值法确为上选。 3 2 1 阈值分割的定义 灰度的阈值变换可以将一幅灰度图像转换为黑白二值图像。它的操作过程是先由用 户指定一个阈值或系统经过计算自动得到阈值，如果图像中某像素的灰度值小于该闽 值，则该像素的灰度值设置为o ，否则灰度值设置为2 5 5 。 灰度阅值变换的变换函数表达式如下： 厂：j o“7 ( 3 3 ) 1 2 5 5 x 2 ， 第三章图像处理算法的研究 其中7 1 为指定的闽值。 3 2 2 最佳阈值的选取原则 阈值化是图像分割中一种重要技术，传统的方法是根据图像的一维灰度直方图选择 阈值。由用户直接指定分割用的阈值，一般是用户凭经验或试验来获得，这样能保证程 序的代码较少，运行速度较快，但是它的适用范围非常小。比如说，当图像的信噪比较 低或光照条件变化较大时，这个阈值就不适用了。如果我们使用的测量系统的工作环境 严格保持不变，就可使用这种直接指定阈值的方法，否则，就需要另想其它方法。 所谓最佳阈值是指使图像中目标和背景分割错误最小的阈值。设某幅图像由一个暗 的目标物体和亮的背景组成，见图3 - 4 ，且已知其灰度级分布概率密度函数分别为p l ( z ) 和p ，( z ) ，目标物像素数占全图像素的比例为0 ，则该图像总的灰度级分布概率密度函 数p ( z ) 可表示为： p ( z ) = o p l ( z ) + ( 1 一o ) p 2 ( z ) ( 3 - 4 ) p 1 ( z )p 2 ( z ) z t 图3 - 4 最佳阈值示意图 若选取z ，为分割阈值，则总的错误概率e ( z ：) 为： e ( z f ) = ( 1 一o ) e l ( z f ) + o e 2 ( z f ) 式中： e x ( z ，) = e p 2 ( z ) d z e 2 ( 乙) = ( p l ( z ) d z l ， 最佳阈值就是使e ( z ，) 为最小值时的z ， r u l e ) ，则有： ( 3 5 ) ( 3 - 6 ) ( 3 7 ) 对式( 3 - 5 ) 应用莱布尼茨法则( i i e b n i t z s 印1 ( z f ) = ( 1 一o ) p 2 ( z f ) ( 3 8 ) 不妨设p 1 ( z ) 和p 2 ( z ) 为正态分布函数，其灰度均值分别为肌和卢2 ，对灰度均值的 标准偏差分别为和盯2 ，则有： p l ( z ) = e x p - ( z 一1 ) 2 】( 2 d f ) ) ( j 名玎1 ) ( 3 9 ) p 2 ( z ) = e x p 一( z 一2 ) 2 】，( 2 盯；) ) ( 互开口2 ) ( 3 1 0 ) 第三章图像处理算法的研究 将式( 3 9 ) 和式( 3 - l o ) 代人式( 3 8 ) 且对两边求对数得到： 爿z j + b z f + c = 0 ( 3 - 1 1 ) 式中： a = o - ? 一盯； 口= 2 ( 卢1 仃i 一_ “2 仃f ) c = 盯；一蠢彳+ 仃1 2 芦；i n ( o - 2 p l q p 2 ) p l = 口 p 2 = 1 - 0 式( 3 1 1 ) 是z ，的二次方程式，其正数解即为最佳阈值。 3 2 2 1 迭代法求最佳灰度阈值 对仅有单个物体的图像而言，设物体和背景的灰度级呈正态分布，分布概率密度函 数分别为p 1 ( z ) 和p 2 ( z ) ，其灰度均值分别为1 和2 。对灰度均值的标准偏差分别为盯l 和盯，目标物像素数占全图像素比为0 ，则使分割误差最小的阈值z ，满足式( 3 1 1 ) ： 爿z ? + b z ，+ c = 0 式中： a = 盯i 一盯i ，b = 2 ( l 盯；一2 盯；) ， c = 盯2 2 ；一一所2 + 盯f ；i n ( o 2 p 17 1p 2 ) ， p l = 0 p 2 = 1 0 将式( 3 一1 0 ) 变形为： 一z ；+ b z t + c = 0 式中：b = b a ，c = c a ，且可推出迭代公式 z f = 4 b z f + c ( 3 一1 2 ) ( 3 1 3 ) 取初始阈值为z f o ( 它可按任一种阈值计算方法求取) ，代入上式迭代( 每次均需重新计 算参数b 、c ) ，直到下式满足时迭代结束： l z ，一再i s ( 3 - 1 4 ) 其中s 为指定的小正数。 每次迭代均需要重新计算参数6 、c ，这只要重新求得朋、1 2 2 、p 1 、p 2 、o - 1 、仃2 即可。朋和2 可近似认为是直方图中两个峰值对应的灰度值。p 1 、p 2 则通过计算物体 和背景的像素数得出。设n ( z ) 是灰度值为z 的像素的数目，它可由直方图得到，当阈值 为五时，物体的像素数为： z l = ( z ) ( 3 1 5 ) 一 背景的像素数为： 4 n 2 = n ( z ) ( 3 1 6 ) 第三章图像处理算法的研究 于是 p l = 啊( n l + n 2 ) p 2 = ”2 ( n l + n 2 ) 方差也是由直方图近似计算得到： 盯f 一，挚2 等h f z = 。l 盯；：2 艺( z 2 塑) 一； 盯；= 2 詈) 一；z= z 2 ( 3 。1 7 ) ( 3 1 8 ) ( 3 - 1 9 ) ( 3 2 0 ) 如果待分割图像中有两个或两个以上的物体，那么图像的直方图呈多峰状。此时先 将直方图中最显著的峰对应的物体看作“物体”，其它物体和背景均看作“背景”，运用 前面叙述的阈值选取法将“物体”取出来，就完成了对第一个物体的分割，然后可仿此 取出其它所有物体。 3 2 2 2p 片法及一维灰度直方图分割 如果已知分割正确的图像的一些特征，那么阈值确定只要试验不同的值，看是否满 足特征即可。例如打印的纸张，如果已知打印的字符占一张纸面积的百分比，就可找到 合适的阈值，使条件满足。这就叫p 片法，这种方法适用于已经知道目标面积比的情况。 基于图像灰度直方图分析的闽值分割方法是最直观、应用最普遍的图像分割方法。 该方法是基于以下假设进行的：图像中像素的灰度在较少几个灰度僮附近出现的概率较 大。一般认为灰度直方图的每个峰值代表一类目标区域，而谷值则是从一类目标区域到 另一类目标区域的过渡点。由于图像的一维灰度直方图仅反映了图像的灰度分布，当图 像的信噪比较低，或由于光照等因素的影响，使得图像的一维灰度直方图不一定出现明 显的蜂和谷时，往往不能得到令人满意的分割效果，甚至还可能产生严重的分割错误。 直方图阈值分割就是尽量对这些波峰所代表的目标区域进行分割。如果图像由不同的灰 度区域组成，特别是区域较为明显时，其灰度直方图一般会表现出数个峰值，并具有一 系列深谷。此时，最优灰度闽值的选取较为容易( 只要检测出深谷的灰度值即可) ，能 获得很好的图像分割效果【3 ”。 3 2 2 3 二维灰度直方图求最佳阈值 针对上述情况，引入二维直方图的概念。二维直方图由图像像素的灰度值和各像素 点与其给定邻域的平均灰度值共同构成。它不仅利用了图像的一阶灰度统计特性，同时 也包含了各像素点与其邻域间的空间相关信息。 下面图3 - 4 为一幅灰度图像的二维直方图，横坐标为灰度级，纵坐标为平均灰度值。 现假设灰度级数为三，故直方图中有r 个元素，元素表示其自身灰度级为f 且其邻域 平均灰度值为，的像素出现的次数，o n 删( m 和分别为图像的长和宽) ，如果门 限矢量为( t ，s ) ，故直方图就被分割为四个象限。因为目标或背景的像素主要决定于 直方图的对角线附近，故第0 象限和第1 象限包含目标类和背景类的分布，第2 象限和 第二三章图像处理算法的研究 第3 象限包含边缘附近像素和噪声点的分布。如图3 - 5 所示。 (0,0)t灰度级 s 平均灰度值 图3 - 5 一幅灰度图像的二维直方图 如果目标物体的内部具有均匀一致的灰度值，并分布在另一个灰度值的均匀背景 上，那么图像的灰度宜方图将有明显的双峰。这种情况下可选择两峰之间的谷点作为阈 值。这就是常说的峰谷法。该方法的优点是比较简单，但不适合于两峰值相差比较大、 又宽且平的谷底的图像。 在确定阈值时，如果闽值定得过高，偶然出现的物体点就会被认作背景；如果闽值 定得过低，则会发生将背景点当作目标点的情况1 3 ”。 图像的最佳阈值可以通过两个直方图峰谷交叠所对应的灰度范围确定。另外，基于 图像直方图的