基于DIC-邊緣檢測(cè)的大尺度測(cè)量技術(shù)研究

徐飛鴻，張 樟

?

基于DIC-邊緣檢測(cè)的大尺度測(cè)量技術(shù)研究

徐飛鴻，張 樟*

(長(zhǎng)沙理工大學(xué)土木與建筑工程學(xué)院，長(zhǎng)沙 410004)

為研究和完善大尺寸測(cè)量技術(shù)，提出了將數(shù)字圖像相關(guān)方法與邊緣檢測(cè)相結(jié)合的大尺度測(cè)量技術(shù)．首先，在待測(cè)結(jié)構(gòu)表面待測(cè)點(diǎn)上粘貼預(yù)制散斑圖，將結(jié)構(gòu)分為若干段；然后，通過(guò)數(shù)字圖像相關(guān)方法計(jì)算相鄰測(cè)點(diǎn)間像素距離；再通過(guò)邊緣檢測(cè)計(jì)算邊界部分像素距離；最終將像素距離轉(zhuǎn)換為實(shí)際結(jié)構(gòu)尺寸．本文還對(duì)大型機(jī)械進(jìn)行測(cè)量，實(shí)驗(yàn)結(jié)果表明該方法可以實(shí)現(xiàn)大尺寸結(jié)構(gòu)測(cè)量，也為大尺寸測(cè)量技術(shù)提供了一種新的思路．

DIC；曲面擬合；大尺寸測(cè)量；邊緣識(shí)別；高斯曲面；轉(zhuǎn)換系數(shù)

大尺度幾何尺寸測(cè)量技術(shù)是現(xiàn)代測(cè)試技術(shù)中的一個(gè)重要分支，它突破傳統(tǒng)意義上500 mm[1]的大尺度界限，可實(shí)現(xiàn)對(duì)尺寸大、外形不規(guī)則、移動(dòng)困難的大型結(jié)構(gòu)的精確幾何測(cè)量．自1976年D. Marr教授提出Marr視覺(jué)理論以來(lái)，國(guó)內(nèi)外學(xué)者利用圖像技術(shù)，提出了多種方法來(lái)解決結(jié)構(gòu)幾何尺寸的測(cè)量問(wèn)題．文獻(xiàn)[2]采用雙目立體視覺(jué)測(cè)量對(duì)被測(cè)物體拍攝，利用兩幅圖像視差重建物體的三維信息，從而實(shí)現(xiàn)物體空間位置的精確定位和尺寸的測(cè)量．2015年，Galetto等針對(duì)室內(nèi)大中尺寸空間坐標(biāo)測(cè)量問(wèn)題開(kāi)發(fā)了測(cè)量系統(tǒng)[3]——移動(dòng)空間坐標(biāo)測(cè)量系統(tǒng)(mobile spatial coor-dinate measuring system, MScMS)．MScMS-Ⅱ采用光學(xué)三角測(cè)量定位原理，測(cè)量效率高，而且受環(huán)境不利因素影響較小．2012年，張旭蘋(píng)[1]提出了基于計(jì)算機(jī)視覺(jué)的大尺度三維幾何尺寸測(cè)量方法，實(shí)現(xiàn)了在大尺度條件下，對(duì)被測(cè)物體三維幾何尺寸的非接觸式高速高精度穩(wěn)定測(cè)量．2014年，史金龍，錢強(qiáng)等[4]提出了基于投影測(cè)量拼接的方法，來(lái)解決大尺寸結(jié)構(gòu)的測(cè)量問(wèn)題．2015年，陳海林，熊芝等[5]采用了一種基于坐標(biāo)變換拼接的方法，達(dá)到對(duì)結(jié)構(gòu)尺寸測(cè)量的目的．?dāng)?shù)字圖像相關(guān)方法在本質(zhì)上屬于現(xiàn)代數(shù)字圖像處理與分析技術(shù)的新型光測(cè)技術(shù)，卻鮮有學(xué)者利用該方法對(duì)大尺寸結(jié)構(gòu)進(jìn)行研究．因此，本文為大尺寸測(cè)量技術(shù)提供了一種新的思路．

1 基本原理

數(shù)字圖像相關(guān)方法[6](Digital Image Correlation Method，簡(jiǎn)稱DICM)，又稱為數(shù)字散斑相關(guān)方法(Digital Speckle Correlation Method，簡(jiǎn)稱DSCM)，這是一種基于現(xiàn)代數(shù)字圖像分析技術(shù)的光學(xué)測(cè)量新方法．?dāng)?shù)字圖像相關(guān)測(cè)量系統(tǒng)示意圖如圖1所示．?dāng)?shù)字圖像記錄被測(cè)對(duì)象表面灰度值，經(jīng)過(guò)數(shù)字化轉(zhuǎn)換之后，被離散成為一個(gè)×像素大小，具有不同灰度的矩陣，×的值即該數(shù)字圖像的分辨率．通過(guò)對(duì)變形前后的圖片進(jìn)行比較計(jì)算，可以得到圖片中所包含的位移等信息．

圖1 數(shù)字圖像相關(guān)測(cè)量系統(tǒng)示意圖

1.1 DIC基本原理

圖2 兩步曲面擬合法示意圖

1.2 邊緣檢測(cè)原理

邊緣檢測(cè)技術(shù)[12]對(duì)于處理數(shù)字圖像非常重要．由于采樣等緣故，輪廓邊緣區(qū)域總會(huì)存在模糊．為了將背景和目標(biāo)區(qū)分開(kāi)來(lái)，需要提取出邊緣．邊緣檢測(cè)算子是檢測(cè)整像素邊緣最簡(jiǎn)單的方法．其中Prewitt邊緣檢測(cè)算子可以抑制噪聲，檢測(cè)出邊緣點(diǎn)．本文在檢測(cè)整像素邊界時(shí)采用的是Prewitt算子．Prewitt算子作為一種邊緣樣板算子，利用的是圖像像素點(diǎn)的灰度差，在邊緣處達(dá)到極限檢測(cè)邊緣．Prewitt算子由

目前研究亞像素邊緣檢測(cè)算法[13]，主要可以分為3類：矩方法、插值法和擬合法．本文采用擬合法去求解邊緣亞像素距離．

文獻(xiàn)[14]提出基于函數(shù)曲線擬合的亞像素邊緣檢測(cè)算法，即在梯度方向上進(jìn)行高斯曲線擬合亞像素定位算法．亞像素邊緣檢測(cè)本質(zhì)上就是根據(jù)邊緣鄰域內(nèi)灰度分布情況去定位邊緣．如圖3所示，圖像邊緣紅線劃過(guò)區(qū)域的灰度分布情況與灰度梯度分布情況．背景和物體由灰度圖像兩邊等值部分來(lái)表示．根據(jù)中心極限定理，圖像邊緣的梯度變化情況符合高斯分布，而高斯曲線最大值點(diǎn)，即為對(duì)應(yīng)的亞像素邊緣點(diǎn)．本文提出高斯曲面擬合，以整像素邊界為中心，選取7×7像素窗口獲取其灰度矩陣，然后計(jì)算灰度梯度矩陣，對(duì)灰度梯度矩陣進(jìn)行高斯曲面擬合，擬合之后的高斯曲面極值線，即為我們所要計(jì)算的邊緣亞像素位置．

圖3 圖像邊緣垂直方向上灰度分布圖和梯度分布圖

1.3 距離測(cè)量原理

圖4 像素距離標(biāo)定示意圖

DIC數(shù)字圖像相關(guān)方法計(jì)算距離的精度可以達(dá)到0.01像素，假如不考慮的誤差，通過(guò)誤差公式可以知道，該方法比傳統(tǒng)方法可以提高100倍計(jì)算精度．實(shí)驗(yàn)中，采用較高分辨率攝像機(jī)，用DIC方法可以獲得比較高的測(cè)量精度．如果被測(cè)結(jié)構(gòu)尺寸較大，則可采用分段測(cè)量來(lái)提高精度．

圖5為預(yù)制散斑標(biāo)定示意圖．為了便于計(jì)算轉(zhuǎn)換系數(shù)，預(yù)制散斑標(biāo)定圖需要滿足如下要求：第一，標(biāo)定散斑圖像自身需要包含2處完全相同的散斑信息，如圖5中左上角小十字叉所涵蓋的矩形區(qū)域與右下角小十字叉所涵蓋的矩形區(qū)域內(nèi)有完全相同散斑信息；第二，2處包含相同散斑信息的散斑區(qū)域需要有明顯標(biāo)記，且在散斑圖中需要相隔合適距離．

圖5 預(yù)制散斑標(biāo)定示意圖

2 實(shí)驗(yàn)過(guò)程與分析

下面通過(guò)一則實(shí)際案例來(lái)介紹用DIC方法測(cè)量距離的具體操作：汽車起重機(jī)兩支腿間距測(cè)量．

2.1 測(cè)量方法

測(cè)量基本原理：將預(yù)制的散斑粘貼在需要測(cè)量的2點(diǎn)處，通過(guò)高精度照相機(jī)進(jìn)行采集，圖片再利用matlab編程進(jìn)行計(jì)算，得到2點(diǎn)之間的亞像素距離．測(cè)量方案的基本原則是先整體后局部，將汽車起重機(jī)2支腿之間的距離分成20段，設(shè)置19個(gè)測(cè)點(diǎn)，然后依次測(cè)量相鄰測(cè)量點(diǎn)之間的距離，為了盡量減小測(cè)量誤差，采用了往返多次測(cè)量的方法．由于起重機(jī)兩支腿左右邊緣處很難利用散斑圖精確定位其邊緣，本文利用邊緣檢測(cè)技術(shù)對(duì)邊緣進(jìn)行識(shí)別計(jì)算，得到邊緣處像素．通過(guò)吊鉛垂線的方式以保證邊緣處散斑圖與結(jié)構(gòu)邊緣垂直．具體測(cè)點(diǎn)布置如圖6所示．

圖6 測(cè)點(diǎn)布置

2.2 散斑圖間距離測(cè)量

Matlab程序編寫(xiě)是使用matlab自身的ginput函數(shù)，利用散斑圖自身的特征點(diǎn)，進(jìn)行人工點(diǎn)選計(jì)算搜索區(qū)域和圖像匹配子區(qū)．程序編寫(xiě)基本思路如下：圖7中以左側(cè)散斑圖一號(hào)點(diǎn)為搜索起點(diǎn)，右側(cè)散斑圖二號(hào)點(diǎn)為搜索終點(diǎn)，再以這2個(gè)點(diǎn)為對(duì)角線形成的矩形區(qū)域內(nèi)進(jìn)行計(jì)算搜索(形成計(jì)算搜索子區(qū))，同時(shí)利用3號(hào)點(diǎn)和4號(hào)點(diǎn)形成圖像匹配子區(qū)．利用圖像匹配子區(qū)的灰度矩陣去計(jì)算搜索子區(qū)中搜索與之相匹配的灰度矩陣，用改進(jìn)的2步曲面擬合法計(jì)算，可得到相關(guān)系數(shù)最大值點(diǎn)，從而獲得亞像素距離．利用這種思路不需要進(jìn)行全場(chǎng)搜索，大大節(jié)省了搜索時(shí)間，提高了程序運(yùn)行速度．

圖7 計(jì)算參考點(diǎn)的選擇

圖8是在整像素搜索時(shí)對(duì)應(yīng)的相關(guān)系數(shù)矩陣．

圖8 最大相關(guān)系數(shù)點(diǎn)求取

由圖8可知：第一，最大相關(guān)系數(shù)點(diǎn)的相關(guān)性明顯高于其他點(diǎn)，并且相關(guān)系數(shù)最大值點(diǎn)的相關(guān)系數(shù)為1．因此可以保證匹配過(guò)程中相關(guān)系數(shù)最大點(diǎn)的唯一性，減少誤匹配的可能性．第二，最大相關(guān)系數(shù)點(diǎn)在2條凸起的正交線交點(diǎn)上，這是由于制作散斑圖時(shí)，中間有2條互相垂直的白色十字條．由于白色十字條在散斑圖中對(duì)應(yīng)的灰度值比散斑圖中其他點(diǎn)的灰度值大，在匹配時(shí)，計(jì)算得到的相關(guān)系數(shù)明顯高于四周．從另一方面確定所得相關(guān)系數(shù)最大值點(diǎn)位置．

2.3 整像素識(shí)別效果圖

由于計(jì)算時(shí)不需要獲取左右兩側(cè)整個(gè)車邊線整個(gè)邊界，所以這里僅截取小部分邊緣進(jìn)行識(shí)別．Prewitt算子對(duì)于邊緣識(shí)別所得到的識(shí)別雖然存在個(gè)別點(diǎn)的誤差，但整體效果較為良好，可以滿足計(jì)算所需精度．本文采用Prewitt算子進(jìn)行整像素邊界識(shí)別，見(jiàn)圖9．

圖9 算子識(shí)別前后效果圖

2.4 亞像素識(shí)別效果

以整像素邊界為中心，以7×7像素為擬合窗口，對(duì)灰度梯度進(jìn)行曲面擬合，圖10是擬合所得結(jié)果圖．圖11是局部邊界的灰度梯度高斯擬合極值線圖．圖12是車身左側(cè)邊緣與粘貼在車身的最左側(cè)散斑圖中心距離的計(jì)算結(jié)果．從圖12中分析可知，基于高斯曲面擬合的的亞像素邊緣檢測(cè)算法可以識(shí)別出亞像素邊界．對(duì)局部邊緣灰度梯度進(jìn)行高斯曲面擬合，擬合之后，計(jì)算兩條高斯曲面極值線的距離，即為所求亞像素距離．如果個(gè)別點(diǎn)存在較大誤差，這可能是由于噪聲干擾引起的，則需要對(duì)偏差較大點(diǎn)進(jìn)行剔除．

圖10 7×7窗口的亞像素邊緣識(shí)別效果圖

圖11 局部邊界的灰度梯度高斯曲面擬合圖

圖12 局部邊緣距離計(jì)算效果圖

2.5 數(shù)據(jù)處理結(jié)果匯總

表1中第一列d0與d19對(duì)應(yīng)車身兩側(cè)邊緣的編號(hào)，d1至d18為車身上相鄰兩散斑圖間距編號(hào)．

表1 數(shù)據(jù)處理結(jié)果匯總表

表1中第二列為各段的亞像素距離．采用2.2節(jié)所述方法計(jì)算d1至d18段距離，結(jié)合2.3節(jié)和2.4節(jié)所述方法計(jì)算d0與d19段距離．第三列為所計(jì)算各段對(duì)應(yīng)的轉(zhuǎn)換系數(shù)，其計(jì)算過(guò)程如1.3節(jié)所述．通過(guò)同一圖片計(jì)算d0與d1的距離，因此兩者轉(zhuǎn)換系數(shù)相同，d18與d19同理．將各段像素距離與轉(zhuǎn)換系數(shù)相乘，最終得到的段的實(shí)際尺寸．

3 結(jié)論

本文將數(shù)字圖像相關(guān)方法與邊緣檢測(cè)相結(jié)合，提出DIC-邊緣檢測(cè)的大尺度測(cè)量技術(shù)，并通過(guò)對(duì)大型機(jī)械進(jìn)行測(cè)量實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該方法可以實(shí)現(xiàn)大型結(jié)構(gòu)的尺寸測(cè)量，具有一定的實(shí)際工程指導(dǎo)意義，也為大尺寸測(cè)量技術(shù)提供了一種新的思路．

[1]張旭蘋(píng), 汪家其, 張益昕, 等. 大尺度三維幾何尺寸立體視覺(jué)測(cè)量系統(tǒng)實(shí)現(xiàn)[J]. 光學(xué)學(xué)報(bào), 2012, 32(3): 1-8.

[2]HSU T S, WANG T C. An Improvement Stereo Vision Images Processing for Object Distance Measurement[J]. International Journal of Automation and Smart Technology, 2015, 5(2): 85-90.

[3]GALETTO M, MASTROGIACOMO L, MORONI G, et al. Artifac-based calibration and performance verification of the MScMS-II[J]. Procedia CIRP, 2015(27): 77-83.

[4]史金龍, 錢強(qiáng), 龐林斌, 等. 大尺度鋼板的三維測(cè)量和拼接[J]. 光學(xué)精密工程, 2014, 22(5): 1165-1170.

[5]陳海林, 熊芝, 宋小春, 等. 大尺寸工件視覺(jué)測(cè)量中的圖像拼接方法[J]. 計(jì)算機(jī)測(cè)量與控制, 2015, 23(2): 523-525.

[6]王永紅, 恒梁, 王碩, 等. 數(shù)字散斑相關(guān)方法及應(yīng)用進(jìn)展[J]. 中國(guó)光學(xué), 2013(04): 470-480.

[7]張愛(ài)華, 婁小平, 呂乃光. 數(shù)字圖像相關(guān)中亞像素算法的比較[J]. 北京信息科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2013(03): 53-56.

[8]王琳霖, 唐晨. 基于梯度法的數(shù)字散斑圖像相關(guān)亞像素搜索算法[J]. 光電技術(shù)應(yīng)用, 2011(03): 45-48; 52.

[9]LU H, CARY P D. Deformation Measurement by Digital Image Correlation: Implementation of a Second-order Displacement Gradient[J]. Experimental Mechanics, 2000, 40(4): 393-400.

[10]林皓. 數(shù)字圖像相關(guān)方法及其試驗(yàn)應(yīng)用[D]. 長(zhǎng)沙: 長(zhǎng)沙理工大學(xué), 2013.

[11]徐飛鴻, 代坤. 一種改進(jìn)的數(shù)字圖像亞像素位移測(cè)量算法[J]. 長(zhǎng)沙理工大學(xué)學(xué)報(bào): 自然科學(xué)版, 2014, 11(1): 75-80.

[12]鄒柏賢, 張然, 苗軍. Prewitt圖像邊緣檢測(cè)方法的改進(jìn)[J]. 微電子學(xué)與計(jì)算機(jī), 2013(05): 23-26.

[13]劉偉, 薛國(guó)新. 亞像素邊緣檢測(cè)算法[J]. 常州大學(xué)學(xué)報(bào): 自然科學(xué)版, 2012, 24(4): 53-56.

[14]尚雅層, 陳靜, 田軍委. 高斯擬合亞像素邊緣檢測(cè)算法[J]. 計(jì)算機(jī)應(yīng)用, 2011, 31(1): 179-181.

(責(zé)任編校：陳健瓊)

Technical Research on Large Scale Measurement Based on DIC- Edge Detection

XU Feihong, ZHANG Zhang

(School of Civil Engineering and Architecture, Changsha University of Science and Technology, Changsha, Hunan 410004, China)

In order to study and improve the large-scale measurement technology, a large-scale measurement technology combining digital image correlation method and edge detection is proposed. Paste the pre-speckle pattern on the point to be measured on the surface to be measured and divide the structure into sections. The pixel distance between adjacent measuring points is calculated by digital image correlation method, and the pixel distance of boundary part is calculated by edge detection. The pixel distance is finally converted to the actual structure size. The experimental results show that the method can realize large-scale structure measurement and also provides a new idea for large-scale measurement technology.

DIC; curved surface fitting; large scale measurement; edge recognition; gauss curve; conversion factor

TH161+.11

A

10.3969/j.issn.1672-7304.2017.04.0002

1672–7304(2017)04–0006–06

2017-02-22

徐飛鴻(1962-)，男，湖南益陽(yáng)人，教授，主要從事結(jié)構(gòu)損傷與診斷、數(shù)字圖像相關(guān)、結(jié)構(gòu)試驗(yàn)技術(shù)等研究．E-mail: 214265257@qq.com.

通訊作者簡(jiǎn)介：張樟(1990-），男，湖南平江人，碩士研究生，主要從事數(shù)字圖像相關(guān)方法研究．E-mail: 1040055812@qq.com