基于機器視覺的金屬結(jié)構(gòu)變形測量

謝柳輝，馮曉蕾，周 曉，王進舉，任泓宇

（1.廣東省特種設備檢測研究院 東莞檢測院，東莞523003；2.武漢理工大學 機電工程學院，武漢430070）

隨著我國基礎設施的不斷建設，金屬結(jié)構(gòu)的應用場景越來越多。金屬結(jié)構(gòu)受到外力會發(fā)生形變，因此須要檢測大型結(jié)構(gòu)的塑性變形參數(shù)，目前的測量大多采用儀器測量法、 傳感器測量法、GPS 測量方法等來實現(xiàn)[1-6]。儀器測量法存在測量速度慢、無法同時測量多點以及測量精度易受操作人員影響等問題[1-2]；傳感器測量法會對測量對象本身造成干擾[4]；GPS 測量方法設備體積大，精度不高[7]。

因為基于機器視覺的圖像測量技術(shù)具有非接觸、遠距離、高精度、測量范圍大等[8]優(yōu)點，近年來被廣泛應用于醫(yī)學診斷、工業(yè)測量、航空航天等領(lǐng)域[9]。然而視覺圖像測量系統(tǒng)的精度受光源、待測目標特征、相機的抖動等影響較大[8]，難以在遠距離測量時達到亞像素測量精度。

為了提高測量精度，在此設計出一種特殊的靶標系統(tǒng)，與光源進行無縫貼合，解決了其他視覺測量方案中光源不穩(wěn)定，采集的圖像噪聲大等問題，然后通過將特殊靶標和亞像素邊緣檢測算法結(jié)合在一起，構(gòu)建成亞像素精度測量系統(tǒng)。

1 金屬結(jié)構(gòu)變形測量系統(tǒng)組成及工作原理

基于機器視覺的金屬結(jié)構(gòu)變形測量系統(tǒng)由光源靶標系統(tǒng)、圖像采集及處理系統(tǒng)組成，如圖1 所示。

圖1 基于機器視覺的金屬結(jié)構(gòu)形變測量系統(tǒng)組成Fig.1 Composition of metal structure deformation measurement system based on machine vision

首先將光源靶標固定于待測點，再將圖像采集系統(tǒng)固定于測量位置，利用圖像處理系統(tǒng)求出待測點的位移。

系統(tǒng)的工作原理如下：測量時，光源發(fā)射出均勻的光線，經(jīng)過由菲林制作的靶標。由于菲林的特性，光線一部分透過靶標的透明區(qū)域，其余部分被黑色區(qū)域遮擋，圖像采集系統(tǒng)獲取到與靶標圖案一致的圖像。當待測位置發(fā)生形變時，固定在上面的光源靶標會產(chǎn)生相同的位移。圖像處理系統(tǒng)首先對獲取到的靶標圖像進行預處理；利用傳統(tǒng)邊緣檢測算法獲取靶標白色區(qū)域的最外側(cè)像素邊緣點坐標；利用亞像素邊緣檢測算法進行校正；通過菱形約束算法獲取相機坐標系中靶標的中心亞像素坐標；通過坐標轉(zhuǎn)換算法得到靶標的物理水平和垂直位移量。整個測量系統(tǒng)的流程如圖2 所示。

2 系統(tǒng)設計與實現(xiàn)

光源靶標系統(tǒng)由光源、靶標、供電單元構(gòu)成，如圖3 所示。光源采用菱形LED 面燈，如圖3a 所示；靶標的制作利用菲林輸出技術(shù)，在菲林片上形成黑色和透明相鄰的區(qū)域，如圖3b 所示；利用菲林靶標的單面黏性，無縫貼合在光源面板上組成光源靶標系統(tǒng)，如圖3c 所示。

圖2 系統(tǒng)測量流程Fig.2 System measurement flow chart

圖3 光源靶標系統(tǒng)組成Fig.3 Composition of light-target system

圖像采集系統(tǒng)主要由工業(yè)相機、鏡頭、上位機、相機驅(qū)動軟件、供電單元及三腳架等組成。相機和鏡頭固定在三腳架上，與上位機相連接；利用上位機軟件采集處理圖像，其安裝過程相比于其他測量系統(tǒng)簡單、省時。

3 圖像處理系統(tǒng)研究

圖像處理系統(tǒng)通過對靶標圖像進行處理，得到靶標中心在像平面的位置。通過大型結(jié)構(gòu)變形前后的靶標中心位置之差以及尺度轉(zhuǎn)換系數(shù)，就可以獲取到待測點的形變量。

圖像處理系統(tǒng)主要由3 個部分組成：圖像去噪、靶標中心定位追蹤、坐標轉(zhuǎn)換。

3.1 圖像去噪

由于光電系統(tǒng)的基本特性，圖像采集系統(tǒng)獲取的圖像是真實圖像與隨機噪聲的疊加。因此，為了獲取質(zhì)量更好的圖像，需要對圖像進行濾波操作。圖像高斯濾波是在二維空間利用正態(tài)分布計算平滑模板，并利用該模板與灰度圖像做卷積運算，對于圖像中隨機噪聲的處理具有很好的效果。對試驗中獲取的圖片中ROI 區(qū)域進行高斯濾波前后對比，處理結(jié)果如圖4 所示。

圖4 圖像噪聲處理Fig.4 Image noise processing

3.2 靶標中心定位追蹤

靶標中心定位追蹤有3 個步驟：菱形邊緣粗定位；菱形邊緣亞像素定位；利用菱形約束計算中心。各步驟操作結(jié)果如圖5 所示。

圖5 靶標定位追蹤Fig.5 Target location and tracking

步驟1菱形邊緣點粗定位。圖像處理系統(tǒng)采用閾值處理和區(qū)域邊緣追蹤來定位像素邊緣點，圖像處理系統(tǒng)的邊緣點粗定位結(jié)果如圖5a 所示。

在靶標中，同心菱形之間的黑色和透明區(qū)域相等，但是由于數(shù)字相機特性的影響，獲取到的圖像中亮環(huán)比暗環(huán)寬，如圖6a 所示。為獲取菱形的真實邊緣，對圖像進行了閾值處理。在閾值處理后的圖像中，對應的亮環(huán)和暗環(huán)寬度相等，如圖6b 所示。

對閾值處理前后圖像中對應相同的區(qū)域，進行灰度值繪制。x1x2和x2x3分別為閾值處理后的亮環(huán)、暗環(huán)的寬度，如圖6c 所示。有

閾值處理后，應用區(qū)域邊緣追蹤算法提取最外側(cè)菱形的像素邊緣點，在此采用文獻[10]提出的邊緣追蹤算法。

圖6 閾值處理Fig.6 Threshold processing

步驟2菱形邊緣亞像素定位。在圖像采集系統(tǒng)獲取圖像時，像素的灰度值由對照射像素區(qū)域上的光照進行積分得到。因此，獲取到的像素邊緣，實際上是一塊包含真實邊緣的區(qū)域。文獻[11]提出利用以像素邊緣點為中心，周圍5×5 像素區(qū)域的空間矩來計算相應的真實邊緣，即亞像素邊緣。像素邊緣點O1和定位的亞像素邊緣點O2如圖5b 所示。

步驟3菱形中心計算。定位出菱形四條邊的亞像素邊緣后，利用菱形的對邊平行特征對邊緣線進行約束，設兩平行對邊的方程分別為

式中：k為邊緣線的斜率；b1，b2分別為對邊邊緣在y向上的截距，像素。

然后，利用菱形的亞像素邊緣點坐標，進行對邊邊緣線的最小二乘擬合，即

式中：（xi，yi），（xj，yj） 分別為2 條對邊的亞像素邊緣點坐標；n，m分別為2 條對邊的邊緣點個數(shù)。

利用最小二乘擬合求解出菱形的4 條邊的方程后，可以求出4 條邊的4 個交點（x1，y1），（x2，y2），（x3，y3），（x4，y4）。根據(jù)這4 個交點即可求出菱形的中心坐標（x，y），即

3.3 坐標轉(zhuǎn)換

經(jīng)過靶標定位追蹤，得到的靶標中心是在像平面中的坐標，需要經(jīng)過轉(zhuǎn)換系數(shù)將其轉(zhuǎn)換為物理世界中的坐標。坐標轉(zhuǎn)換原理如圖7 所示，尺度轉(zhuǎn)換系數(shù)s為

式中：s為尺度轉(zhuǎn)換系數(shù)，mm/像素；A2B2為物體物理尺寸，mm；A1B1為物體像平面尺寸，像素。

圖7 坐標轉(zhuǎn)換Fig.7 Coordinate transformation

對應到該系統(tǒng)中，有

式中：l為菱形物理邊長，mm；L為對應的菱形圖像邊長，像素。

4 結(jié)語

基于機器視覺的金屬結(jié)構(gòu)變形測量系統(tǒng)，在理論上具有亞像素測量精度，且抗干擾性強，在遠距離測量物體變形領(lǐng)域具有較好的應用場景和研究價值。