哈尔滨理工大学 机械动力工程学院,黑龙江 哈尔滨 150080
针对结构光测量时手工调节相机参数易导致图像质量的随机性,进而导致标定精度的下降及调参环节重复繁琐的问题,提出了一种结构光测量的相机标定自适应调参方法。首先,设计了一套相机自动调参装置,根据三个调参环调节时的图像变化机理,选取标定板面积占比、图像清晰度及图像对比度三个参数,分别定义焦距调节环、对焦环及光圈调节环。其次,为实现相机的高精度标定自适应参数调节,针对传统Brenner函数的缺陷,通过一种改进的Brenner自动阈值函数,实现对图像清晰度的精确快速对焦,并对标定板图像感兴趣区域的前景与背景进行分割,计算图像对比度,根据标定的重投影误差,确定标定相机的最优调节区间,以自适应调参搜索控制方法进行标定参数调节。最后,为提高自适应标定调参时电机的搜索定位速度,建立了调参函数模型,并通过物距及像素长度自适应计算焦距。三维测量调参实验表明,相比于手工标定,基于提出的调参方法能在5 s内实现自动调参,且重投影误差减少66.57%。
结构光测量 自动调参 清晰度评价 自动曝光 相机标定 structural light measurement automatic parameter adjustment clarity evaluation automatic exposure camera calibration 红外与激光工程
2022, 51(8): 20210778
哈尔滨理工大学 机械动力工程学院, 黑龙江 哈尔滨 150080
薄壁叶片在结构光检测过程中,由于其表面粗糙度较小,易产生强烈的反光现象,影响求解条纹相位主值,进而无法准确重构出三维点云。本文以加工过程中的叶片作为研究对象,提出一种对在机检测过程中的条纹图像进行图像增强处理的Retinex算法,恢复条纹在高反光位置的信息。首先,对薄壁叶片的反光特性进行分析,通过实验标定出最优曝光的灰度区间和理想灰度值,建立了光圈转动角度与图像平均灰度的相机响应曲线模型,调节光圈和曝光时间至最优曝光的灰度区间并以此作为检测条件。其次,基于Retinex算法处理条纹图像,通过改进的双边滤波代替常用的高斯滤波,在去除光照的同时有效保留了条纹的边缘信息。最后,对薄壁叶片进行单目结构光检测。实验结果表明,经本文算法处理后的条纹图像,通过Canny算子检测出的条纹数量最多,图像信息熵平均增长率达18.21%,解算的相位主值误差最小,利用手持式激光扫描仪检测的标准点云进行偏差分析,点云的正、负偏差分别降至0.0589 mm和−0.0590 mm,与原点云的偏差值相比分别减少了44.6%和44.1%,表面质量得到明显改善。本文提出的图像增强算法有效抑制了面结构光检测过程中的金属表面反光。
结构光检测 金属反光 图像增强 双边滤波 薄壁叶片 structure light detection metal reflection image enhancement bilateral filter thin walled blade