服務(wù)熱線
18613981349
淺談大尺寸鑄鐵砝碼視覺(jué)測(cè)量拼接技術(shù) 說(shuō)明：
摘要：針對(duì)大尺寸鋁合金鑄鐵砝碼的視覺(jué)測(cè)量，研究了圖像拼接方法。首先利用經(jīng)過(guò)標(biāo)定的攝像機(jī)采集多幅具有重疊區(qū)域的序列圖像，然后使用Harris和RANSAC算法提取精確特征點(diǎn)，并進(jìn)行相鄰圖像重疊區(qū)域的特征點(diǎn)匹配，生成了完整的工件圖像，最后，通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法的可行性。〇引言尺寸的精密測(cè)量在現(xiàn)代制造業(yè)中具有重要的作用和意義，它是衡量和保證產(chǎn)品加工質(zhì)量的必要過(guò)程。對(duì)于大尺寸工件，傳統(tǒng)的測(cè)量方法是采用大尺寸導(dǎo)軌或標(biāo)準(zhǔn)件進(jìn)行，但這種測(cè)量方法成本高、精度低、操作不方便;也有采用間接法測(cè)量，如弓高弦長(zhǎng)法、滾子法等，這類方法存在原理誤差，可靠性低。隨著計(jì)算機(jī)技術(shù)、光電技術(shù)、圖像處理與分析技術(shù)的成熟，視覺(jué)測(cè)量技術(shù)可以解決上述兩種方法的不足[1]。但是由于攝像機(jī)視角、工作距離等因素的限制，當(dāng)工件尺寸超出相機(jī)視野時(shí)，攝像機(jī)不能一次性地?cái)z取大尺寸工件的完整圖像。
為了得到鑄鐵砝碼大視角圖像，目前多采用三維掃描系統(tǒng)實(shí)現(xiàn)物體三維重構(gòu)，但是這種方法需要在測(cè)量表面添加標(biāo)志點(diǎn)，費(fèi)時(shí)且攝像機(jī)標(biāo)定復(fù)雜。圖像拼接技術(shù)研究的是如何將不同角度拍攝的具有重疊區(qū)域的序列圖像拼接成全景圖。本文基于機(jī)器視覺(jué)軟件Halconl2,研究攝像機(jī)參數(shù)標(biāo)定、待拼接圖像的攝取規(guī)則、圖像畸變消除、特征點(diǎn)提取以及圖像之間轉(zhuǎn)換關(guān)系確定，以獲得具有較高拼接精度的工件完整圖像，并以大型汽車發(fā)動(dòng)機(jī)鋁合金進(jìn)氣凸輪軸蓋的拼接測(cè)量結(jié)果來(lái)驗(yàn)證該拼接方法的可行性。
攝像機(jī)標(biāo)定
攝像機(jī)標(biāo)定是實(shí)現(xiàn)精密測(cè)量的關(guān)鍵技術(shù)[2]，但鏡頭存在或多或少的畸變，對(duì)于大多數(shù)鏡頭而言，它們的畸變可充分地近似為徑向畸變，因此所拍攝的圖像都存在徑向畸變，在圖像拼接前，對(duì)攝像機(jī)參數(shù)進(jìn)行標(biāo)定可校正鏡頭的畸變，提高圖像拼接精度。為了標(biāo)定攝像機(jī)，本文首先建立攝像機(jī)投射模型，如圖1所示。
通過(guò)攝像機(jī)標(biāo)定，可以確定攝像機(jī)坐標(biāo)系與世界坐標(biāo)系的相對(duì)位置關(guān)系以及攝像機(jī)如何實(shí)現(xiàn)三維空間點(diǎn)到二維圖像點(diǎn)的投影，此操作在機(jī)器視覺(jué)函數(shù)庫(kù)Halconl2中實(shí)現(xiàn)。實(shí)現(xiàn)攝像機(jī)標(biāo)定最簡(jiǎn)單的方法是使用標(biāo)定板，攝像機(jī)采集的部分不同位姿的標(biāo)定板圖像如圖2所示。待拼接圖像的攝取規(guī)則為減小圖像拼接誤差，經(jīng)反復(fù)實(shí)驗(yàn)，拍攝的序列圖像需要注意以下幾點(diǎn)：①圖像須有重疊部分，重疊區(qū)域?yàn)?/span>1/3最好;②圖像的重疊區(qū)域必須紋理化或有特征點(diǎn)，以便允許在自動(dòng)匹配過(guò)程中識(shí)別圖像中的相同點(diǎn)，在一些缺少紋理的重疊區(qū)域可通過(guò)適當(dāng)定義圖像配準(zhǔn)方式來(lái)解決，如果整個(gè)對(duì)象顯示很小的紋理，那么重疊區(qū)域應(yīng)該被選擇大些;③重疊區(qū)域的大小大致相同，一般來(lái)說(shuō)，規(guī)模差異不應(yīng)該超過(guò)5%?10%;④相鄰圖像明暗度應(yīng)相接近，否則拼接處縫隙清晰可見(jiàn)。本文以大型汽車發(fā)動(dòng)機(jī)鋁合金進(jìn)氣凸輪軸蓋的拼接為例，圖4為將鋁合金鑄造件分塊拍攝，然后按順序排列的2幀圖像，從圖中可明顯看出兩幅圖像符合該攝取規(guī)則要求。
鑄鐵砝碼特征點(diǎn)的提取
Halcon軟件提供了多種算子用于提取特征點(diǎn)，比較重要的算子有points_foerstner、points_harris、points_lepetit等。未文采用Harris角點(diǎn)提取算法[4]，該算法是C.Harris同M.Stephens在1988年提出的，是在改進(jìn)Momvec算子后形成的算子，它的提取思想是:判斷圖像上某一點(diǎn)沿任意方向發(fā)生很小偏移時(shí)其灰度是否有明顯變化，若有則為角點(diǎn)，在使用該算法時(shí)需要選擇合適的高斯平滑系數(shù)。該算法與Forstnert特征點(diǎn)提取算法相比，具有計(jì)算簡(jiǎn)單、穩(wěn)定性強(qiáng)、不受閾值影響等優(yōu)勢(shì)。
鑄鐵砝碼特征點(diǎn)匹配及全景圖像生成圖像
特征點(diǎn)匹配是圖像拼接的關(guān)鍵技術(shù)，目的是找到圖像對(duì)之間特征點(diǎn)的對(duì)應(yīng)關(guān)系，即求取相鄰圖像重疊區(qū)域?qū)?yīng)點(diǎn)投影變換關(guān)系，使相鄰圖像在重疊區(qū)域的坐標(biāo)能精確配準(zhǔn)[5]。圖像匹配精度是圖像拼接質(zhì)量的決定性因素。在完成特征點(diǎn)提取后，本文先采用歸一化互相關(guān)法（NCC)尋找相鄰兩幅圖像對(duì)應(yīng)點(diǎn)關(guān)系，完成初始化匹配，然后通過(guò)調(diào)節(jié)模板大小、搜索窗口中心偏移量、搜索區(qū)域大小、對(duì)應(yīng)匹配方法的閾值等參數(shù)進(jìn)行魯棒性匹配，剔除誤匹配點(diǎn)，使圖像對(duì)達(dá)到最好匹配效果。圖5為Harris算法提取的特征點(diǎn)及匹配結(jié)果圖像，經(jīng)RANSAC魯棒性匹配，得到了相鄰兩幅圖像正確匹配點(diǎn)的對(duì)極線，最終圖像拼接結(jié)果如圖6所示。拼接過(guò)程用到的關(guān)鍵算子有：①算子pr〇j_match_points_ransac()，可根據(jù)圖像對(duì)應(yīng)點(diǎn)關(guān)系計(jì)算投影變灰矩陣;②算子gen_bundle_adjusted_mosaic()，將多幅輸入圖像捆綁合成為一幅全景圖像，各輸入圖像的相對(duì)位姿由3X3的投影矩陣來(lái)定義。
以上是淺談大尺寸鑄鐵砝碼視覺(jué)測(cè)量拼接技術(shù)的詳細(xì)介紹！
聯(lián)系方式
網(wǎng)址：http://m.bao0.com
