本发明属于三维机器视觉领域，涉及一种基于线激光的精密零件的三维全貌测量方法。该方法基于激光三角法，利用高速相机采集反射激光条纹的变化来反应物体表面的高度变化，从而采集到该时刻的物体截面轮廓。然后通过平移扫描和旋转扫描方式相结合，并根据计算出的不同视角间的旋转平移矩阵，将不同视角下的二维轮廓数据转化为同一坐标系下的点云数据，最后对点云进行曲面重构，得到被测物体的真实三维全貌数据。本发明所设计的三维全貌测量方法，相对与其他非接触式测量方法，其测量方式更加灵活，适用于多样化的工况条件，测量精度较高，点云效果更好，可以有效提高计算机的处理效率。
1.一种基于线激光的精密零件三维全貌测量方法，其特征是，包含步骤如下：
步骤1：启动用于采集精密零件轮廓的线激光传感器以及用于运动控制的多轴扫描平台；利用所述的线激光传感器对被测物进行单次采集，得到被测物的截面轮廓P；对被测物进行平移扫描，即沿其中一轴多次采集轮廓，得到批处理轮廓数据B；
步骤2：利用最小二乘法对步骤1中所述的截面轮廓P进行倾斜校正：设测量得到截面轮廓为P(xi，yi) i＝0，1，2…，n，按照公式(1)得到补偿后的截面轮廓P′(xi，yi-axi-b)；
步骤3：利用阶梯量块分别对传感器坐标系的x、y、z各轴向进行标定，设所述阶梯量块标准轮廓为S，按照公式(2)使得轮廓测量误差ep在不同补偿比例c下取得最小值；
步骤4：通过步骤1至步骤3得到经过标定的轮廓数据cP′，根据步骤3中所述线激光传感器的坐标系确定所述经过标定的轮廓数据的世界坐标系和单位，将所述的标定轮廓数据转换为三维点云数据，每个点对应的x轴坐标已固定，z轴坐标由步骤3所述的阶梯量块的尺寸确定，y轴坐标由步骤1所述的线激光传感器的采集频率和步长决定；
步骤5：按照公式(3)将三维点云进行双边滤波来去除点云噪声，计算得到d为待处理点在其法向量方向上的调整距离；按照公式(4)计算所需的权重Wc和Ws，设p为P中一点，N(p)表示点p的k邻域，||p-pi||表示从点pi到点p的向量的模长，表示点p处的法向量，表示向量 与从点pi到点p的向量的内积；
步骤6：利用标准球体对所述的多轴扫描平台进行转轴标定；将半径为RB的标定球放在所述扫描平台的转台上，通过步骤1中所述的平移扫描方法获得部分球面的点云数据，得到所述球面的球面坐标 按照公式(5)构造非线性方程组；
步骤7：求解步骤6中所述球面的球心坐标On(xn，yn，zn)，驱动步骤6所述转台旋转，在N(N≥4)个位置分别测量步骤6所述球面的三维数据，利用步骤6共求得N组球心坐标数据，将所述的球心坐标按照公式(6)构造N组线性方程组；
步骤8：求解步骤7中所述的线性方程组，拟合出步骤7中所述球心On的旋转轨迹平面方程PB，按照公式(7)计算PB的法向量u；将步骤7中所述球心坐标On代入公式(8)求得步骤7中所述球心的旋转转轴与步骤7中所述的球心所在平面的交点On′(xn′，yn′，zn′)；
步骤9：设Ru为待转换点云的旋转矩阵，T(xn′，yn′，zn′)为待转换点云的平移矩阵，旋转角度为θ；结合步骤8中计算出的u和On′，利用公式(9)(10)计算不同视角下的每片点云在对应世界坐标系下的坐标；
步骤10：将步骤9所述的待转换点云按转轴扫描顺序转换到同一坐标系内，完成点云的粗配准，再通过查找迭代最近点对所述粗配准后的点云进行精细配准；设待配准的两个点云为Pi，Qi，按照公式(11)定义目标函数ε(a)，计算出的步骤9所述的旋转矩阵Ru，T(xn′，yn′，zn′)，采用遍历搜索法得到满足阈值内的刚体变换矩阵R和T；
步骤11：对于步骤10中所述的待变换点云数据Pi，将步骤10中所述的刚体变换矩阵R和T代入公式(12)，得到步骤10中所述的配准后点云Qi；
步骤12：重复步骤10和步骤11完成待转换的全部视角点云的精细配准，得到被测物的三维全貌点云数据；
步骤13：通过建立栅格对点云进行下采样，对步骤12所述的点云数据进行精简，按照公式(13)对步骤12得到的点云数据进行点云精简，其中d为体素栅格的边长，α为比例因子，N为步骤12得到点云的点云数量，(Dx，Dy，Dz)表示步骤12得到点云数据在x、y、z三个坐标轴方向的最大(xmax，ymax，zmax)、最小(xmin，ymin，zmin)坐标值，并根据公式(14)得到；
步骤14：通过构造神经网络的方法将步骤13所述的精简后的点云数据转换为多边形进行曲面重建，按照公式(15)构造网络核函数 并求取径向作用范围σ和作用中心Pi；设ωi为待训练的网络权值，按照公式(16)对步骤13中精简后的点云P进行插值，得到被测物体的全貌高精度三维重构f(P)；
一种基于线激光的精密零件三维全貌测量方法
技术领域
[0001] 本发明涉及一种基于激光扫描的精密零件的三维全貌测量方法，更具体的说，本发明涉及一种能够将激光轮廓信息转换为实际三维点云的三维全貌测量方法。
背景技术
[0002] 随着光电传感器件以及计算机技术的日趋成熟，光学三维测量方法已广泛应用于工业检测、逆向工程、医学扫描、文物保护、军事科技等多个领域，并且对自由曲面的检测具有成型快、精度高的优势。按照成像方式的不同，光学三维测量技术可分为激光三角法、飞行时间法、双目视觉法和光谱共焦法。对于较为精密的零件细节和复杂的工况环境下，常采用激光三角法进行测量。由于线激光的每次采样数据都是物体的截面轮廓，所以一般在三维重建过程中首先要与运动装置达到同步，然后确定世界坐标系，将轮廓数据转换为点云数据，最后根据计算出的旋转平移矩阵将各点云进行配准，融合成完整的物体三维全貌模型。而由于被测物的表面材料特性使得轮廓数据出现尖峰、死角，导致点云处理过程变得复杂，进而直接影响到三维重建效果。为了解决精密零件三维全貌测量这一难题，本发明基于激光三角法的测量原理，设计了一种针对精密零件的三维全貌测量方法。
发明内容
[0003] 本发明设计了一种基于线激光的精密零件三维全貌测量方法，该方法能够应用于高精度三维测量中，弥补传统光学建模点云质量不佳的缺陷。
[0004] 所述的三维全貌测量方法的硬件系统包括：
[0005] 用于获取零件轮廓的线激光轮廓扫描仪；
[0006] 用于精度控制、轮廓采集和数据处理的计算机；
[0007] 用于同步触发采集信号的光栅尺和编码器；
[0008] 用于固定扫描仪探头和运动控制的多轴扫描平台；
[0009] 用于标定的标准量块和标定球；
[0010] 本发明设计了一种基于线激光的精密零件的三维全貌测量方法，其特征是，包含步骤如下：
[0011] 步骤1：启动用于采集精密零件轮廓的线激光传感器以及所述的用于运动控制的多轴扫描平台；利用所述的线激光传感器对被测物进行单次采集，得到被测物的截面轮廓P；对被测物进行平移扫描，即沿其中一轴多次采集轮廓，得到批处理轮廓数据B；
[0012] 步骤2：利用最小二乘法对步骤1中所述的截面轮廓P进行倾斜校正；设测量得到截面轮廓为P(xi，yi)i＝1，2…，n，按照公式(1)得到补偿后的截面轮廓P′(xi，yi-axi-b)；
[0013]
[0014] 步骤3：利用阶梯量块分别对传感器坐标系的x、y、z各轴向进行标定，设所述阶梯量块标准轮廓为S，按照公式(2)使得轮廓测量误差ep在不同补偿比例c下取得最小值；
[0015] ep＝min∑(cP′-S) 公式(2)
[0016] 步骤4：通过以上步骤得到经过标定的轮廓数据cP′，根据步骤3中所述线激光传感器的坐标系确定所述标定轮廓数据的世界坐标系和单位，将所述的标定轮廓数据转换为三维点云数据，每个点对应的x轴坐标已固定，z轴坐标由步骤3所述的阶梯量块的尺寸确定，y轴坐标由步骤1所述的线激光传感器的采集频率和步长决定；
[0017] 步骤5：按照公式(3)将三维点云进行双边滤波来去除点云噪声，计算得到d为待处理点在其法向量方向上的调整距离；按照公式(4)计算所需的权重Wc和Ws，设p为P中一点，N(p)表示点p的k邻域，||p-pi||表示从点pi到点p的向量的模长，表示点p处的法向量，表示向量 与从点pi到点p的向量的内积；
[0018]
[0019]
[0020] 步骤6：利用所述的标准球体对所述的多轴扫描平台进行转轴标定；将半径为RB的标定球放在所述扫描平台的转台上，通过步骤1中所述法的平移扫描方法获得部分球面的点云数据，得到所述球面的球面坐标 按照公式(5)构造非线性方程组；
[0021]
[0022] 步骤7：求解步骤6中所述球面的球心坐标On(xn，yn，zn)，驱动步骤6所述转台旋转，在N(N≥4)个位置分别测量步骤6所述球面的三维数据，利用步骤6共求得N组球心坐标数据，将所述的球心坐标按照公式(6)构造N组线性方程组；
[0023] Axn+Byn+Czn+D＝0 公式(6)
[0024] 步骤8：求解步骤7中所述的线性方程组，拟合出步骤6中所述球心On的旋转轨迹平面方程PB，按照公式(7)计算PB的法向量u；将步骤6中所述球心坐标On代入公式(8)求得步骤6中所述球心的旋转转轴与步骤6中所述的球心所在平面的交点On′(xn′，yn′，zn′)；
[0025]
[0026]
[0027] 步骤9：设Ru为待转换点云的旋转矩阵，T(xn′，yn′，zn′)为待转换点云的平移矩阵，旋转角度为θ；结合步骤8中计算出的u和On′，利用公式(9)(10)计算不同视角下的每片点云在对应世界坐标系下的坐标；
[0028]
[0029]
[0030]
[0031] 步骤10：将步骤9所述的各部分点云按所述的转轴扫描顺序转换到同一坐标系内，完成点云的粗略配准，再通过查找迭代最近点对所述粗配准后的点云进行精细配准；设待配准的两个点云为Pi，Qi，按照公式(11)定义目标函数ε(a)，计算出的步骤9所述的旋转平移矩阵Ru，T(xn′，yn′，zn′)，采用遍历搜索法得到满足阈值内的刚体变换矩阵R，T；
[0032]
[0033] 其中，Φp为Pi中一点pi处的拟合曲面对应点；
[0034] 步骤11：对于步骤10中所述的待变换点云数据Pi，将步骤10中所述的刚体变换矩阵和旋转平移矩阵R，T代入公式(12)，得到步骤10中所述的配准后点云Qi；
[0035] Qi＝RPi+T 公式(12)
[0036] 步骤12：重复步骤10和步骤11完成待转换的全部视角点云的精细配准，得到被测物的三维全貌点云数据；
[0037] 步骤13：通过建立栅格对点云进行下采样，对步骤12所述的点云数据进行精简，按照公式(13)对步骤12得到的点云数据进行点云精简，其中d为体素栅格的边长，α为比例因子，N为步骤12得到点云的点云数量，(Dx，Dy，Dz)表示步骤12得到点云数据在x、y、z三个坐标轴方向的最大(xmax，ymax，zmax)、最小(xmin，ymin，zmin)坐标值，并根据公式(14)得到；
[0038]
[0039]
[0040] 步骤14：通过构造神经网络的方法将步骤13所述的精简后的点云数据转换为多边形进行曲面重建，按照公式(15)构造网络核函数 并求取径向作用范围σ和作用中心Pi；设ωi为待训练的网络权值，按照公式(16)对步骤13中精简后的点云P进行插值，得到被测物体的全貌高精度三维重构f(P)；
[0041]
[0042]
[0043] 所测量的三维全貌信息运算完毕。本发明专利所涉及的三维全貌测量方法流程图如图1所示。得到的f(P)即为被测物的三维全貌信息。
[0044] 本发明的有益效果是：通过本发明所介绍的三维点云全貌测量方法，可以解决小型复杂工件点云噪声大、匹配精度低等问题，无需喷涂显影剂，即可实现小型工件完整点云数据的高精度三维全貌测量，避免了传统结构光三维测量方法中存在的缺陷。
附图说明
[0045] 图1：线激光三维全貌测量方法流程图；
[0046] 图2：量块阶梯三维点云数据；
[0047] 图3：转轴标定方法示意图；
[0048] 图4：通过本发明测得的工件三维全貌效果图。
具体实施方式
[0049] 激光三角法是利用激光器向被测物体表面投射一束激光，根据相机获取到的激光光条变化而计算出物体的截面形状。
[0050] 经测定，实验场景下通过线激光传感器每次拍摄可以采集到的条纹宽度(x轴向)为16mm，批处理长度(y轴向)为100mm，高度差范围(z轴向)为16mm，最高采集频率为500Hz。
[0051] 量块阶梯采用厚度为1.08mm，1.5mm，2mm的标准量块组合成阶梯，扫描出的量块阶梯点云数据如图2所示。去掉边缘数据以减少误差，标定出的倾斜补偿直线为y＝1.167×10-5x+1.078，补偿比例c＝0.993。
[0052] 转轴标定所用的标定球为半径RB＝10mm的陶瓷球，每次顺时针旋转60°，共测量6次，得到6个球体的点云数据，计算6个球心坐标 并计算出转轴法向量u和旋转平面方程PB，如图3所示为转轴标定方法示意图。
[0053] 根据转轴标定结果和精细配准方法，将6部分点云按照θ＝i×60，(i＝1，2，…6)换算出旋转平移矩阵进行坐标变换。
[0054] 将点云数据通过构造神经网络将点云进行曲面重构，最后得到完整的工件三维全貌数据，如图4所示为工件三维全貌测量的效果图。
[0055] 本发明设计了一种基于线激光的精密零件的三维全貌测量方法，其特征是，包含步骤如下：
[0056] 步骤1：启动用于采集精密零件轮廓的线激光传感器以及所述的用于运动控制的多轴扫描平台；利用所述的线激光传感器对被测物进行单次采集，得到被测物的截面轮廓P；对被测物进行平移扫描，即沿其中一轴多次采集轮廓，得到批处理轮廓数据B；
[0057] 步骤2：利用最小二乘法对步骤1中所述的截面轮廓P进行倾斜校正；设测量得到截面轮廓为P(xi，yi)i＝1，2…，n，按照下式得到补偿后的截面轮廓P′(xi，yi-axi-b)；
[0058]
[0059] 步骤3：利用阶梯量块分别对传感器坐标系的x、y、z各轴向进行标定，设所述阶梯量块标准轮廓为S，按照下式使得轮廓测量误差ep在不同补偿比例c下取得最小值；
[0060] ep＝min∑(cP′-S)
[0061] 步骤4：通过以上步骤得到经过标定的轮廓数据cP′，根据步骤3中所述线激光传感器的坐标系确定所述标定轮廓数据的世界坐标系和单位，将所述的标定轮廓数据转换为三维点云数据，每个点对应的x轴坐标已固定，z轴坐标由步骤3所述的阶梯量块的尺寸确定，y轴坐标由步骤1所述的线激光传感器的采集频率和步长决定；
[0062] 步骤5：按照下式将三维点云进行双边滤波来去除点云噪声，计算得到d为待处理点在其法向量方向上的调整距离；按照下式计算所需的权重Wc和Ws，设p为P中一点，N(p)表示点p的k邻域，||p-pi||表示从点pi到点p的向量的模长，表示点p处的法向量，表示向量 与从点pi到点p的向量的内积；
[0063]
[0064]
[0065] 步骤6：利用所述的标准球体对所述的多轴扫描平台进行转轴标定；将半径为RB的标定球放在所述扫描平台的转台上，通过步骤1中所述法的平移扫描方法获得部分球面的点云数据，得到所述球面的球面坐标 按照下式构造非线性方程组；
[0066]
[0067] 步骤7：求解步骤6中所述球面的球心坐标On(xn，yn，zn)，驱动步骤6所述转台旋转，在N(N≥4)个位置分别测量步骤6所述球面的三维数据，利用步骤6共求得N组球心坐标数据，将所述的球心坐标按照下式构造N组线性方程组；
[0068] Axn+Byn+Czn+D＝0
[0069] 步骤8：求解步骤7中所述的线性方程组，拟合出步骤6中所述球心On的旋转轨迹平面方程PB，按照下式计算PB的法向量u；将步骤6中所述球心坐标On代入下式求得步骤6中所述球心的旋转转轴与步骤6中所述的球心所在平面的交点On′(xn′，yn′，zn′)；
[0070]
[0071]
[0072] 步骤9：设Ru为待转换点云的旋转矩阵，T(xn′，yn′，zn′)为待转换点云的平移矩阵，旋转角度为θ；结合步骤8中计算出的u和On′，利用下式计算不同视角下的每片点云在对应世界坐标系下的坐标；
[0073]
[0074]
[0075]
[0076] 步骤10：将步骤9所述的各部分点云按所述的转轴扫描顺序转换到同一坐标系内，完成点云的粗略配准，再通过查找迭代最近点对所述粗配准后的点云进行精细配准；设待配准的两个点云为Pi，Qi，按照下式定义目标函数ε(a)，计算出的步骤9所述的旋转平移矩阵Ru，T(xn′，yn′，zn′)，采用遍历搜索法得到满足阈值内的刚体变换矩阵R，T；
[0077]
[0078] 其中，Φp为Pi中一点pi处的拟合曲面对应点；
[0079] 步骤11：对于步骤10中所述的待变换点云数据Pi，将步骤10中所述的刚体变换矩阵和旋转平移矩阵R，T代入下式，得到步骤10中所述的配准后点云Qi；
[0080] Qi＝RPi+T
[0081] 步骤12：重复步骤10和步骤11完成待转换的全部视角点云的精细配准，得到被测物的三维全貌点云数据；
[0082] 步骤13：通过建立栅格对点云进行下采样，对步骤12所述的点云数据进行精简，按照下式对步骤12得到的点云数据进行点云精简，其中d为体素栅格的边长，α为比例因子，N为步骤12得到点云的点云数量，(Dx，Dy，Dz)表示步骤12得到点云数据在x、y、z三个坐标轴方向的最大(xmax，ymax，zmax)、最小(xmin，ymin，zmin)坐标值，并根据下式得到；
[0083]
[0084]
[0085] 步骤14：通过构造神经网络的方法将步骤13所述的精简后的点云数据转换为多边形进行曲面重建，按照下式构造网络核函数 并求取径向作用范围σ和作用中心Pi；设ωi为待训练的网络权值，按照下式对步骤13中精简后的点云P进行插值，得到被测物体的全貌高精度三维重构f(P)；
[0086]
[0087]
[0088] 本发明专利所涉及的三维全貌测量方法流程图如图1所示。
[0089] 本发明与现有的三维重建方法的最大区别是：现有三维重建方法对小型工件的重建精度不够且对表面材料要求较高，从而造成点云缺失和点云噪声大，拼接精度低等问题，需要喷涂显影剂才能避免该类问题发生。而本发明所设计的三维全貌测量方法，通过两种标定方法使提取的轮廓和融合的点云中不仅包含较多细节信息，而且也包含了整个物体完整的全局信息，从根本上解决了现有方法存在的问题。因此本发明所设计的方法可以解决小型工件的高精度三维全貌测量问题。
[0090] 综上所述，本发明所述三维全貌测量方法的优点是：
[0091] (1)由于提取轮廓的校正方法更精确，因此本发明所设计的三维全貌测量方法更加符合实际模型的轮廓尺寸。
[0092] (2)由于通过转轴标定和最近点迭代双重配准方法，因此，本发明所设计的三维重建方法可以做到高精度的点云配准。
[0093] (3)通过双边滤波和点云精简解决了不同表面材质物体的测量难题，无需喷涂显影剂等着色材料，测量过程绿色环保，也节约了测量中耗材成本。
[0094] 以上示意性的对本发明及其实施方式进行了描述，该描述没有局限性，附图中所示的也只是本发明的实施方式之一。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，采用其它形式的同类部件或其它形式的各部件布局方式，不经创造性的设计出与该技术方案相似的技术方案与实施例，均应属于本发明的保护范围。
