基于線激光輪廓傳感器的魚體表面重構技術與誤差分析

石勝旗，陳云云，賀燕紅，蔡勇，姜凱友

1. 中國水產舟山海洋漁業有限公司（舟山 316000）；2. 浙江大學舟山海洋研究中心（舟山 316000）

我國是水產品生產、貿易和消費大國，水產品加工業同漁業捕撈與養殖構成水產業的三大支柱，其中水產品加工業的發展對于漁業的發展起著橋梁紐帶作用[1]。但是，中國傳統水產品加工行業為勞動力密集型行業，水產品加工裝備普遍自動化程度不高、智能化水平偏低[2]。人工加工一方面勞動強度大，另一方面依靠工人個人技術，加工質量差、廢品率高。在國際市場萎縮、人民幣升值、勞動力成本上升、漁業資源減少的新經濟形式下，我國勞動密集型和資源密集型的水產品加工業面臨更大的挑戰[3]。研制自動化、智能化加工裝備，實現機器換人，是提高中國水產品加工行業競爭力的關鍵所在。

對于魚體定重切塊自動化設備，準確測量外形是重要環節。激光位移傳感器通過檢測成像光斑的位置變化計算測量點位移，具有高精度、非接觸的特性[4-5]，契合魚體測量這一應用。試驗以魷魚定重切片為應用背景，實現并優化一種基于線激光輪廓傳感器的魚體表面重構技術。

1 基于線激光輪廓傳感器的魚體表面重構系統

線激光輪廓傳感器是一種基于激光位移傳感器的高效輪廓檢測傳感器，其基本原理是激光三角測距法[6-9]。該方法由激光發射器經匯聚透鏡組向被測物體表面發射靜態激光線，激光線在被測物表面發生漫反射，光線通過接收透鏡組，投射到光敏傳感器矩陣上，形成光斑。對于傳感器矩陣的某一列，其上光斑的中心位置由傳感器與被測物體表面之間的距離決定。激光三角測距法測量位移光路如圖1所示。圖1中A、B為激光到被測物表面的入射點，A’、B’為A、B漫反射后在傳感器上的像點，O為接收透鏡的中心，S1為AO的長度，S2為A’O的長度，α為入射光與接收透鏡光路的夾角，β為像面與接收透鏡光路的夾角，δx為入射點位移，δy為像點位移。

圖1 激光三角測距法光路

激光三角測距法計算如式（1）所示。

基于線激光輪廓傳感器構建的表面重構系統，包括線激光輪廓傳感器、傳送帶、傳送帶伺服電機、伺服電機驅動器、計算機，如圖2所示，設備主要指標參數如表1所示。其中，伺服驅動器接收計算機控制指令，控制伺服電機，使傳送帶攜帶魚體勻速前進，同時，將脈沖信號發送給線激光輪廓傳感器。線激光輪廓傳感器固定于傳送帶正上方，掃描寬度大于魚體寬度，獲取魚體表面三維點云數據。計算機接收點云數據后進行表面重構與可視化處理。

圖2 魚體三維重構系統

表1 魚體表面重構系統設備參數

線輪廓傳感器掃描一次可獲取一組包含X軸（橫向）、Z軸（高度）的二維數據。控制伺服電機勻速運動后，可獲得包含X軸、Y軸（縱向）、Z軸的三維點云數據。數據具備魚體基本信息，如圖3（b）所示。通過坐標變換、濾波、降采樣、三角剖分等算法處理后可獲得如圖3（c）所示的表面三維重構圖[10-11]。

圖3 魷魚片實物、點云、三維重構圖

2 誤差分析與邊緣優化算法

如圖4（a）和（b）所示，是一塊與魷魚片類似的標準長方體塊（L=100 mm，W=34.9 mm，H=9.0 mm）及其點云圖像，分析點云行列數據，結果如圖4（c）和（d）所示。

由圖4（c）和（d）數據可知，未經過處理的標準塊點云數據前沿存在脈沖噪聲，兩側和后沿模糊。測量寬度比真實寬度大2.3 mm，誤差為6.6%，其中，列高度均值穩定的寬度比真實寬度小3.4 mm，誤差為-9.7%，測量長度比真實長度大1 mm，誤差為1%，測量高度均值比真實值小0.64 mm，誤差為7.1%，根據點云計算體積比真實體積小10 mm3。

圖4 標準塊及點云數據問題

點云數據三維重構后體積精度高，但是寬度和平均高度上存在較大誤差。通過觀察試驗過程，發現引起該問題的主要原因是線激光發射器扇形斜射光路在垂直邊緣被遮擋，導致數據缺失，如圖5所示。

圖5 入射激光斜射產生光路遮擋

邊緣高度誤差與寬度誤差會影響切片外形和體積計算。針對激光輪廓傳感器掃描時的垂直邊緣模糊問題，提出一種“邊緣對折，單邊滾動平滑”算法。算法通過高度梯度值選擇被平滑點，通過被平滑點附近高度均值找對折點，對折相加，通過單邊滾動平滑濾波去除相加點的噪聲。

計算高度梯度：

式中：P(i,j)表示i行j列點云高度值；Kij表示i行j列點云數據行方向斜率；Xres表示行方向分辨率；Wi表示i行高度值突變點；K表示被平滑點斜率突變閥值；Mi表示i行轉折點與之后窗口長度為n的點的均值；Km表示對折點的高度比；Di表示i行邊緣對折點；NZi表示i行第1個非0點。

3 試驗過程與算法實測性能分析

通過算法優化，標準塊表面重構圖像的寬度比真實寬度大0.2 mm，誤差為0.57%，其中，列高度均值穩定的寬度比真實寬度小0.1 mm，誤差為-0.3%，測量長度與真實長度一致，測量高度均值比真實值小0.1 mm，誤差為-1%，高度標準差為0.558 mm，體積比真實體積小0.5 mm3，相較于原始點云數據，有明顯改善。

將算法應用于如圖6所示的10條魷魚塊，對測量數據、原始點云數據、算法優化后的數據從體積、平均高度、平均寬度3個方面進行對比，對比結果如圖7所示。

由于魷魚塊不像標準塊有精確的外形，無法準確測量長寬高，無法直接計算體積，因此通過游標卡尺測量前、前中、中、后中、后5個點的寬度和高度估算均值，通過如圖8所示排水法進行實際體積測量。其中，游標卡尺精度為0.02 mm，排水法使用的量筒測量精度為1 mL。

由試驗結果可知，算法在實際魷魚塊的點云圖像處理上，可有效優化寬度和高度值，減少邊緣誤差，提高表面重構精度。

圖6 待測試魷魚塊

圖7 魷魚塊測量、點云、優化數據比較

圖8 排水法測體積

4 結語

試驗設計一套基于線激光輪廓傳感器的魚體表面掃描與三維重構系統；分析線激光輪廓傳感器由于光路遮擋導致輸出點云數據在垂直邊緣丟失，從而引起寬度、高度測量誤差的現象；設計一種“邊緣對折，單邊滾動平滑”算法，可有效還原本系統垂直面輪廓，降低平均高度誤差，提高魚體表面重構準確度。