基于數(shù)學(xué)形態(tài)學(xué)的便攜式光筆三坐標視覺測量系統(tǒng)

基于數(shù)學(xué)形態(tài)學(xué)的便攜式光筆三坐標視覺測量系統(tǒng)

1基于數(shù)學(xué)形態(tài)算法的特征點圖像數(shù)字處理方法三維測量主要分為兩種類型：閉合測量和非閉合測量。接觸式測量裝備中的機械三坐標測量機和機器人關(guān)節(jié)臂測量機是一種高效率的精密測量儀器,廣泛應(yīng)用于機械制造、電子、汽車檢測及航空航天等工業(yè)中視覺坐標測量技術(shù)是近年來在三維測量技術(shù)領(lǐng)域中發(fā)展起來的新測量技術(shù)隨著視覺坐標測量技術(shù)和結(jié)構(gòu)光測量技術(shù)的發(fā)展,許多學(xué)者對便攜式光筆視覺坐標測量技術(shù)進行了深入的研究。在光筆的圖像處理研究方面,李保章提出了一種基于灰度質(zhì)心法的徑向截面掃描法,對光筆圖像進行處理本文研究的光筆測量系統(tǒng)在測量過程中,由于測量環(huán)境復(fù)雜,背景光亮度變化較大,以及測量過程中存在手持光筆抖動等不確定因素,很容易出現(xiàn)與光筆特征點光斑大小差不多的小光斑,從而在圖像上形成一些假標志點。為了排除這些偽區(qū)域,有效地區(qū)分背景圖像和目標圖像,本文提出了基于數(shù)學(xué)形態(tài)算法的、便攜式光筆的、特征點圖像的數(shù)字處理方法。在對拍攝的光筆圖像進行數(shù)字濾波處理和圖像分析等圖像預(yù)處理之后,引入數(shù)學(xué)形態(tài)學(xué)的算法,對預(yù)處理后的數(shù)字圖像進行處理。本文利用數(shù)學(xué)形態(tài)算法的基本思想,首先,定義一個圓形的結(jié)構(gòu)元素,并利用其對平滑濾波后的圖像進行開運算;然后,將平滑濾波后的圖像減去開運算后得到的圖像,并為相減得到的圖像自動選擇一個閥值進行二值化分割;最后,根據(jù)預(yù)先定義的圓度算子刪除非標志點區(qū)域,提取出只有回光反射標志點的二值化圖像,從而實現(xiàn)光筆測量系統(tǒng)中特征點圖像的有效識別。與現(xiàn)有的特征點圖像的數(shù)字處理方法相比,本文所提出的方法具有以下3個優(yōu)點:1)能夠?qū)夤P上粘貼的回光反射標志點圖像進行快速和準確的追蹤定位,從而提高計算和測量速度;2)能夠有效地排除不屬于標志點區(qū)域的偽區(qū)域,得到完全屬于標志點的分割區(qū)域;3)提高了圖像分析和處理速度以及光筆測量系統(tǒng)的穩(wěn)定性和測量效率。2光刻測量系統(tǒng)的組成和測量原理2.1特征點成像算法便攜式光筆測量系統(tǒng)主要由2臺參數(shù)相同的、用來追蹤光筆方位和姿態(tài)的、高分辨率的CCD攝像機,以及帶有探頭的手持式光筆和計算機組成,結(jié)構(gòu)如圖1所示。其中,光學(xué)測頭上的特征點是整個視覺測量系統(tǒng)的成像目標,光筆筆體上至少粘貼3個回光反射標志點,特征點與光筆下端安裝的球形測量探頭之間的相對位置關(guān)系是已知的。測量過程中,投影儀向被測物體投射光柵圖像,探頭接觸被測表面,以光學(xué)測頭上的光學(xué)特征點(回光反射標志點)作為成像目標;2臺預(yù)先標定好的攝像機從不同角度拍攝光筆筆體上的回光反射標志點的圖像,經(jīng)圖像采集卡采集圖像,并傳入計算機進行圖像分析處理,得到特征點的二維像面坐標,再經(jīng)過數(shù)字圖像處理,得到特征點的三維坐標;利用特征點之間已知的幾何約束關(guān)系和攝像機的透視投影模型,建立特征點與對應(yīng)像點的求解關(guān)系,通過采用位置不變原理的單點多姿態(tài)估計優(yōu)化算法進行求解,確定回光反射標志點的空間坐標;最后,由預(yù)先編制好的程序解算出安裝在光筆上的球形筆尖探頭測點中心的空間三維坐標,從而實現(xiàn)視覺坐標測量。2.2光筆筆體的svd分解在能夠有效地提取光筆圖像的基礎(chǔ)上,需要采用一定的算法來求解空間被測點的三維坐標。本文采用基于位置不變原理的單點多姿態(tài)光筆測頭自標定算法,利用基于雙目立體視覺匹配算法和剛體變換理論,快速準確地獲取被測點的三維坐標,即光筆測頭空間三維坐標。位置不變原理的光筆多姿態(tài)算法將光筆測頭的筆尖固定在一個確定的位置,通過旋轉(zhuǎn)光筆筆體來改變光筆相對于攝像機的傾斜角度,拍攝圖像。通過采集光筆n個不同姿態(tài)下的圖像,采用雙目立體視覺匹配算法,就可以獲得n組光筆標志點在攝像機坐標系下的三維坐標:{Q由光筆模型上標志點的自標定算法可知,光筆筆體上5個回光反射標志點在光筆坐標系下的三維空間坐標為:{Q式中,R利用矩陣理論知識中的SVD分解來計算式1中的R式2中,兩兩相減得到1個新的方程組:由于式3方程組是一個線性方程組,有3個未知數(shù);因此,只要N≥2,就可以解算出Q為了能夠?qū)⑻卣鼽c自標定算法有效地運用在便攜式光筆測量系統(tǒng)中,實現(xiàn)特征點像面坐標和空間被測點之間的坐標轉(zhuǎn)換,從而完成便攜式光筆測量系統(tǒng)的三維測量計算,必須具有光筆筆體上特征點有效的數(shù)字圖像信息。如何運用數(shù)字圖像的處理與分析技術(shù),有效地排除因環(huán)境光亮度變化大而形成的帶有假標志點的背景圖像,準確地獲取復(fù)雜背景下的光筆筆體上目標特征點的數(shù)字圖像的有效信息,成為便攜式光筆測量系統(tǒng)能夠?qū)崿F(xiàn)快速穩(wěn)定測量的關(guān)鍵技術(shù)之一。本文重點討論了光筆上被測特征點目標圖像的數(shù)字識別方法。3光筆筆體上的圖像出現(xiàn)模糊和不穩(wěn)定由于光筆測量系統(tǒng)測量過程中的背景復(fù)雜,測量環(huán)境不穩(wěn)定,在手持光筆測量的過程中,存在光筆抖動等不確定因素,同時,CCD攝像機拍攝的原始圖像會受到外界環(huán)境中隨機噪聲的干擾,使得圖像質(zhì)量下降,圖像模糊,目標特征被淹沒,影響目標的檢測;因此,對快速準確地獲取光筆筆體上目標特征點的數(shù)字圖像非常不利,不適合直接對CCD攝像機拍攝的原始圖像進行分析處理。為了準確地獲取復(fù)雜背景下光筆筆體目標特征點的數(shù)字圖像,快速和準確地實現(xiàn)光筆圖像上特征點的追蹤與定位,為后續(xù)的三維計算提供準確有效的圖像信息,保證便攜式光筆測量系統(tǒng)的測量精度和穩(wěn)定性,需要對CCD攝像機拍攝的原始進行圖像預(yù)處理。圖像預(yù)處理是指對拍攝的圖像進行濾波去噪聲、對比度增強、圖像銳化和圖像分割等處理,以使圖像滿足應(yīng)用需求。3.1光筆筆體上的輪廓濾波數(shù)字圖像的噪聲被視為隨機平穩(wěn)的過程,在圖像進行分析之前,需要利用圖像平滑處理來對噪聲進行抑制或消除,以提高圖像的質(zhì)量。光筆測量系統(tǒng)的數(shù)字圖像攝取和傳輸過程存在一定的隨機噪聲干擾,使得像面上某些點的灰度值不能真實地反映實際景物的情況。為了快速和準確地提取光筆測量系統(tǒng)中回光反射標志點的輪廓,需要對光筆測量系統(tǒng)所拍攝的原始光筆圖像進行濾波去噪聲處理?？紤]到光筆測量系統(tǒng)要求在濾波前、后圖像中的物體邊緣輪廓位置不能改變,并且能夠顯著地降低或者消除噪聲,本文采用具有旋轉(zhuǎn)對稱性的高斯平滑濾波器對光筆圖像進行濾波處理。二維高斯平滑濾波器的公式為:將式4與原始圖像函數(shù)f(r,c)進行卷積運算,結(jié)果為平滑濾波后的圖像g(r,c):式中,ue3c1為卷積運算符;g(r,c)為經(jīng)過平滑濾波后的輸出圖像;g對于圖像上的每一個像素點,濾波后的圖像g(r,c)通過平移卷積模板到各像素點(r,c)處,計算模板與該像素點(r,c)鄰域加權(quán)得到。圖2所示是一幅平滑濾波前的測量場景圖像,圖3所示是將圖2經(jīng)過高斯平滑濾波之后的圖像,從圖2和圖3可以看出濾波前、后灰度截面的變化。由此可見,通過高斯平滑濾波器的濾波處理,能夠很好地抑制噪聲,同時又能夠很好地保留邊緣位置信息。3.2光筆圖像聚合式閾值分割處理數(shù)字圖像經(jīng)過平滑濾波處理之后得到的仍然是一幅照片,只是抑制了一些噪聲,無法提供照片內(nèi)有用的信息。為了得到光筆筆體上的白色標志點區(qū)域,必須對圖像進行分割。閾值分割是最常用的圖像分割方法,通過其將圖像劃分成若干個互不交疊的區(qū)域,每個區(qū)域是具有一致的,有意義的屬性像素的集合,相鄰區(qū)域之間有著一定的屬性差異,形成區(qū)域間的邊界輪廓。本文對光筆圖像進行圖像分割的目的是將原圖像分成背景部分和目標部分,并且最終達到有效地剔除背景部分的目的。設(shè)f(r,c)是圖像(r,c)處的灰度值,灰度級為m,如果灰度值t是圖像的一個閾值,則用閾值對圖像進行分割的準則如下。目標部分:f(r,c)≥T背景部分:f(r,c)≤T經(jīng)過閾值分割處理后得到的圖像可以定義為:在圖像二值化閾值分割方法當中,最重要的是如何確定所需要的閾值。由于光筆測量環(huán)境比較復(fù)雜,背景光亮度變化較大,照明不均勻,全局閾值在圖像分割過程中只使用1個固定閾值,很難滿足要求;局部閾值法是由像素灰度值和此像素鄰域的局部灰度特性來確定像素閾值,這個方法能適應(yīng)復(fù)雜光照的環(huán)境,選取合適的尺度可以得到很好的分割效果,但是直接運用的區(qū)域不好劃分。4特征點最大的識別干擾光筆筆體上回光反射標志點在CCD攝像機像平面上的圖像為橢圓形光斑,測量現(xiàn)場的背景比較復(fù)雜,亮度變化比較大,容易出現(xiàn)與光筆上回光反射標志點光斑大小差不多的小光斑,會在圖像上形成一些假的標志點,其對特征點橢圓形光斑的準確識別干擾最大,并影響測量過程中對標志點輪廓的提取,從而影響測量系統(tǒng)的精度。盡管非目標的背景圖像灰度變化比較大,并且組成復(fù)雜,但是光筆筆體上特征點成像的圖像仍有以下2個特點:1)特征點圖像與光筆筆體的灰度差較大,有利于橢圓形光斑的提取;2)粘貼的特征點在三維空間是標準的空間圓,光斑圖像為類似橢圓形狀的亮度高的白色圓斑,有利于圖像識別。基于光筆圖像的以上特點,為了能夠準確和有效地區(qū)分出圖像的背景部分和目標部分,本文提出了一種基于數(shù)學(xué)形態(tài)算法的數(shù)字圖像處理算法,實現(xiàn)了圖像上回光反射標志點的無歧義準確追蹤,并驗證了這個算法的有效性和穩(wěn)定性。4.1基于數(shù)學(xué)形態(tài)算法的圖像檢測數(shù)學(xué)形態(tài)學(xué)的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀,以達到對圖像分析和識別的目的。數(shù)學(xué)形態(tài)算法本身的結(jié)構(gòu)特性決定了可以利用并行算法實現(xiàn)形態(tài)學(xué)分析和處理算法的并行運算,可大大提高圖像分析和處理的速度。本文將數(shù)學(xué)形態(tài)學(xué)引入到光筆圖像分割當中,在光筆測量系統(tǒng)中取得了良好的效果。算法原理為:采用一個特定的結(jié)構(gòu)元素收集圖像的信息,當其在圖像中不斷移動時,便可考察圖像各個部分之間的相互關(guān)系,從而了解圖像的結(jié)構(gòu)特征;然后,利用數(shù)學(xué)形態(tài)學(xué)的開運算算法,補償不均勻的背景亮度。以如圖4所示的一個特意設(shè)置的復(fù)雜測量場景來描述此算法的步驟和效果。數(shù)學(xué)形態(tài)算法的具體步驟如下。1)建立結(jié)構(gòu)元素。由于光筆筆體上回光反射標志點是橢圓形的外觀,因此將結(jié)構(gòu)元素的形狀定義為圓形。根據(jù)測量系統(tǒng)的結(jié)構(gòu)特點,將結(jié)構(gòu)元素的尺寸定義為8個像素左右,即要求結(jié)構(gòu)元素大到不能完全匹配圖像上白色標志點即可。2)利用建立的結(jié)構(gòu)元素特征對平滑濾波處理后的圖像進行開運算,其結(jié)果是得到一幅新的圖像。開運算可以產(chǎn)生對整個圖像背景的合理估計,如圖5所示。從圖5可以看出,開運算對圖像背景進行了很好的估計。3)將平滑濾波處理后的圖像直接減去對其開運算得到的圖像。對2幅圖像的結(jié)果相減可以消除具有不均勻光照的復(fù)雜背景,相減得到的新圖像如圖6所示。從圖6可以看出,光筆上回光反射的橢圓形標志點得到了增強,同時對圖像背景光強進行了均勻化和比較強的抑制;因此,目標更加顯著,圖像更容易分割。4)為相減得到的圖像自動選擇一個閾值,進行二值化分割,這個自動閾值算法如下;a.選擇1個閾值t的初始值;b.用t來分割圖像,生成2組像素,G利用得到的閾值進行二值化分割后得到的圖像如圖7所示。從圖7中以看出,手持式光筆圖像上面的白色標志點區(qū)域已經(jīng)被完好地分割出來。4.2光筆圖像的回光反射在得到二值化圖像之后,存在一些不屬于標志點區(qū)域的背景圖像,必須通過一定的準則排除偽區(qū)域,也就是刪除非標志點分割區(qū)域的背景圖像,得到完全屬于標志點的分割區(qū)域。本文采用圓度算子e來定義滿足形狀要求的分割區(qū)域。式中,A是分割區(qū)域的面子;p是分割區(qū)域的周長。很顯然,當分割區(qū)域是圓形時,e=1.0。對于測量系統(tǒng)而言,可以設(shè)置e=0.85,得到如圖8所示的光筆圖像。從圖8可以看出,圖像上還是有部分不屬于標志點區(qū)域的偽區(qū)域,這是因為在傾斜方向會產(chǎn)生數(shù)字圖像特有的誤差;所以,要加以修正。將相臨2個像素點距離P將二值圖像分割區(qū)域R的面積A定義為:由式9可知,區(qū)域面積就是區(qū)域內(nèi)的像素點數(shù)。在系統(tǒng)深度(500mm)測量范圍內(nèi),通過實際測量,確定出光筆上回光反射標志點在CCD攝像機像面上的封閉輪廓所占像素個數(shù)范圍A。根據(jù)測量系統(tǒng)的景深和測量距離的特點,在本系統(tǒng)中,實際測量面積為500mm×400mm,圖像面積為795×596,據(jù)此,估算A=(πr4.3被分割區(qū)域的邊緣輪廓由于光筆測量時采用的是基于位置不變原理的單點多姿態(tài)算法,因此,測量時和在2個CCD攝像機像面上,均會呈現(xiàn)各種不同的姿態(tài)。在采用式2求解被測點三維坐標時,必須知道同一個標志點在2個CCD攝像機中的像面坐標,即必須把光筆筆體上的標志點在2幅圖像上一一對應(yīng)起來。進行圖像分割提取出目標部分圖像后,還需要提取出被分割區(qū)域的邊緣輪廓,以便進行后續(xù)的橢圓最小二乘擬合。為了高效地提取被分割區(qū)域的邊緣輪廓,對于已經(jīng)進行圖像分割得到的光筆圖像,該算法首先按照從下到上和從左到右的順序?qū)ふ冶环指顓^(qū)域的邊緣輪廓。當搜索到通過分割得到的第1個分割區(qū)域像素點時,將其作為第1個分割區(qū)域的輪廓像素點,并作為第1個邊界點。定義初始的搜索方向為沿向左上方的方向,如果左上方的點是目標點,則為邊界點;否則搜索方向順時針旋轉(zhuǎn)45°,如此循環(huán)反復(fù),直到找到下一個目標點為止。然后,把這個目標點作為新的邊界點,在當前搜索方向的基礎(chǔ)上,逆時針旋轉(zhuǎn)90°,繼續(xù)用同樣的方法搜索下一個目標點,直到返回最初的邊界點(即閉合)為止。在找到第1個分割區(qū)域的輪廓后,對其做一個記錄,并對其加以屏蔽,該做法是本算法的關(guān)鍵所在,其主要目的是避免因陷入重復(fù)尋找1個區(qū)域的邊緣輪廓,而無法找到所有的區(qū)域輪廓。如此反復(fù),直到把圖像內(nèi)所有分割區(qū)域的輪廓邊緣位置都記錄下來。多目標輪廓提取程序流程如圖10所示。5光筆與攝像機的內(nèi)壓電試驗光筆測量