本發(fā)明為基于雙目立體視覺的工件檢測與三維測量系統(tǒng)及檢測方法，屬于圖像處理與機器視覺領(lǐng)域，涉及halcon軟件，具體涉及工廠生產(chǎn)工件的實時在線檢測。

背景技術(shù)：

在目前的工業(yè)生產(chǎn)中，在線檢測、測量大批工件時，人工視覺檢測、測量常出現(xiàn)效率低下且精度不高、容易損傷工件表面等問題。對于普通的機械測量工具而言，雖不易出現(xiàn)人工測量問題，但都是固定程式控制測量，對工件的位置要求特別高，否則無法測量，未達(dá)到尺寸測量的完全智能化。而非接觸式雙目立體視覺測量系統(tǒng)不僅具有測量精度高、生產(chǎn)效率高、實時性強等優(yōu)點，更為重要的是，由于雙目攝像機的存在，實現(xiàn)了工件三維尺寸測量的智能化，受到了廣大生產(chǎn)企業(yè)的青睞，已成為國內(nèi)外解決先進(jìn)制造業(yè)中測量問題的研究熱點。因此研究實用工件的非接觸式快速檢測方法意義重大。

技術(shù)實現(xiàn)要素：

本發(fā)明提供的基于雙目立體視覺的工件檢測與三維測量系統(tǒng)包括圖像采集模塊、攝像機標(biāo)定模塊、圖像預(yù)處理模塊、立體校正模塊、三維信息恢復(fù)模塊以及檢測與測量模塊；具體檢測方法步驟為：

a、圖像采集；b、攝像機標(biāo)定；c、圖像預(yù)處理；d、立體校正；e、三維信息恢復(fù)；f、檢測和測量；g、剔除不合格產(chǎn)品。

所述的圖像采集模塊的功能為：在低角度led環(huán)形光的垂直照射下，工件在傳送帶上運動到指定位置時，光電傳感器會觸發(fā)ccd相機、攝像頭工作，攝像頭將被測場景中的目標(biāo)成像到ccd靶面上，將其變成電信號。攝像機標(biāo)定模塊的功能為：建立攝像機圖像像素坐標(biāo)與場景點三維坐標(biāo)之間的關(guān)系，根據(jù)攝像機模型，由標(biāo)定板己知特征點的圖像坐標(biāo)和世界坐標(biāo)求解攝像機的內(nèi)外參數(shù)。圖像預(yù)處理模塊的功能為：圖像采集卡先將采集的電信號轉(zhuǎn)化為數(shù)字圖像信息，在計算機內(nèi)實現(xiàn)存儲、處理。圖像處理軟件采用德國mvtec公司開發(fā)的具有標(biāo)準(zhǔn)的機器視覺算法包、擁有應(yīng)用廣泛的機器視覺集成開發(fā)環(huán)境的halcon軟件，其應(yīng)用范圍幾乎沒有限制，并且程序的移植性好、抗干擾能力強。立體校正模塊的功能為：采用相交光軸結(jié)構(gòu)的視覺測量系統(tǒng)，將工件圖像立體校正為標(biāo)準(zhǔn)的外極線幾何結(jié)構(gòu)。三維信息恢復(fù)模塊的功能為：通過特征點提取和立體匹配獲取特征點視差值，從而恢復(fù)空間點的三維坐標(biāo)信息。檢測和測量模塊的功能為：通過模型匹配檢測剔除不合格產(chǎn)品，然后測量得到工件的一些參數(shù)，并對工件的規(guī)格進(jìn)行分類。

前面所述系統(tǒng)中，優(yōu)選方案為，所述步驟b的具體步驟如下所示：

b1、采集多幅標(biāo)定板圖像，通過閾值分割找到標(biāo)定板的內(nèi)部區(qū)域；

b2、通過亞像素邊緣提取方法得到標(biāo)定板各個圓點的邊緣，通過最小二乘圓擬合獲取圓點的圓心坐標(biāo)，確定圓心坐標(biāo)與它們在圖像中投影之間的對應(yīng)關(guān)系以及標(biāo)定板與攝像機之間大致的位置關(guān)系，即攝像機的外參初始值；

b3、通過修改并調(diào)用halcon庫函數(shù)來確定兩個攝像機的內(nèi)參數(shù)、外參數(shù)以及兩個攝像機之間的相對位置關(guān)系；最后，通過多次測量取平均值來確定相關(guān)參數(shù)信息。

前面所述系統(tǒng)中，優(yōu)選方案為，所述步驟c、d具體步驟如下：

c1、把采集的彩色圖像對通過加權(quán)平均法轉(zhuǎn)化為灰度圖像；

c2、通過中值濾波對圖像對進(jìn)行圖像平滑，達(dá)到去除噪聲的同時保留邊緣銳度和圖像細(xì)節(jié)的目的；

d、將圖像對校正為標(biāo)準(zhǔn)極線幾何結(jié)構(gòu)，使兩圖像對應(yīng)像素點只存在水平方向的平移而不存在任何旋轉(zhuǎn)。

前面所述系統(tǒng)中，優(yōu)選方案為，所述步驟e具體步驟如下：

e1、對平滑處理后的圖像進(jìn)行自動全局閾值分割；

e2、對分割后的圖像形態(tài)學(xué)處理提取出圖像中工件部分，用基于canny的亞像素邊緣檢測算子提取亞像素邊緣，并通過骨骼化方法進(jìn)行邊緣細(xì)化，減少邊緣毛刺，提高檢測的精確度；

e3、采用基于圖像邊緣輪廓特征點提取算法，將輪廓邊緣分割成曲線和直線多個部分，分別對其進(jìn)行亞像素邊緣擬合，進(jìn)一步提高邊緣信息的精確度；通過ramer算法對擬合后的邊緣輪廓進(jìn)行遞歸細(xì)分提取特征點，并通過兩兩擬合直線的交點獲取工件的邊緣頂點，提高后期關(guān)鍵尺寸測量的準(zhǔn)確性；

e4、采用極線約束與基于灰度的模板匹配相結(jié)合的方法進(jìn)行立體匹配，這個約束把一個點在另一副圖像上的搜索從二維降到了一維，通過標(biāo)定可獲取圖像視差的最大最小值，將搜索范圍限制在極線上的一個很小區(qū)間內(nèi)，這樣可以大大縮小對應(yīng)點的搜索空間；找到匹配點搜索范圍后，采用基于灰度的模板匹配來尋找匹配點，由于兩個攝像機視角不同，光照也會產(chǎn)生一定的差異，所以采用ncc相似度量，消除光照影響；

e5、通過獲取的左右圖像上的坐標(biāo)和攝像機的內(nèi)外參數(shù)，利用三角形測量原理計算出特征點的空間三維坐標(biāo)，獲取空間點的三維點云。

前面所述系統(tǒng)中，優(yōu)選方案為，所述步驟f具體步驟如下：

f1、基于以上基礎(chǔ)通過密集型重構(gòu)算法，獲取圖像每個點的三維空間坐標(biāo)，創(chuàng)建模型，將獲取的工件的三維模型與標(biāo)準(zhǔn)模型進(jìn)行校對，通過匹配比率判斷工件是否合格，剔除不合格產(chǎn)品；

f2、對合格工件進(jìn)行測量，獲取邊緣特征點的空間三維點云，并對空間點云進(jìn)行平滑、擬合，測量工件關(guān)鍵尺寸。

前面所述系統(tǒng)中，優(yōu)選方案為，剔除裝置和計算機相連，當(dāng)檢查到不合格產(chǎn)品時，計算機會觸發(fā)一個信號給剔除裝置，進(jìn)而使不合格產(chǎn)品剔除。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于：

1、本發(fā)明采用基于canny的亞像素邊緣檢測函數(shù)。圖像測量中，精確的邊緣定位是影響測量結(jié)果精確度的關(guān)鍵因素，使用亞像素邊緣檢測算子可以得到高精度的測量結(jié)果。該算法先利用canny算子進(jìn)行邊緣點的粗定位，在像素級上確定邊緣點的坐標(biāo)和梯度方向，然后再用基于雙線性插值的亞像素邊緣檢測算法獲得亞像素精度的邊緣，并通過骨骼化方法進(jìn)行邊緣細(xì)化，減少邊緣毛刺，最后通過亞像素邊緣擬合，進(jìn)一步提高邊緣信息的精確度。

2、本發(fā)明采用基于圖像邊緣輪廓特征點提取算法。通過ramer算法對擬合后的邊緣輪廓進(jìn)行遞歸細(xì)分，直到得到的全部線段到各自對應(yīng)的輪廓段的最大距離小于某一指定閾值為止，提取線段與輪廓的交點作為特征點。并將輪廓邊緣分割成曲線和直線多個部分，提取兩兩擬合直線的交點通過判斷確定其為工件的邊緣頂點并作為特征點，提高關(guān)鍵尺寸測量的準(zhǔn)確性。

3、本發(fā)明采用基于atukey權(quán)重函數(shù)的最小二乘法擬合。在擬合時，最小二乘法對于遠(yuǎn)離邊緣的離群值沒有很好的魯棒性，到真實邊緣很遠(yuǎn)的點在計算過程中會占有很大的權(quán)重，計算后得到不準(zhǔn)確的邊緣輪廓。本發(fā)明提出引入atukey權(quán)重函數(shù)來減小離群值的影響。權(quán)重值的迭代思想是第一次權(quán)重為1，然后用梯度下降法尋找到一個解向量，以此求下一次迭代的權(quán)重值。

4、本發(fā)明采用極線約束與基于灰度的模板匹配相結(jié)合的方法進(jìn)行立體匹配，這個約束極大的降低了待驗證的可能匹配點對的數(shù)量，把一個點在另一副圖像上的搜索從二維降到了一維，通過標(biāo)定可獲取圖像視差的最大最小值，則搜索范圍可以限制在極線上的一個很小區(qū)間內(nèi)，這樣可以大大縮小對應(yīng)點的搜索空間，既可以提高特征點的搜索速度，也可以減少誤匹配的數(shù)量。找到匹配點搜索范圍后，然后采用基于灰度的模板匹配來尋找匹配點，由于兩個攝像機視角不同，光照也會產(chǎn)生一定的差異，所以采用ncc相似度量，消除光照影響。

附圖說明

圖1是圖像處理系統(tǒng)結(jié)構(gòu)圖；其中1為相機，2為傳送帶，3為光電觸發(fā)器，4為pc機，5為剔除設(shè)備，6為被測物體，7為環(huán)形光源；

圖2是圖像處理流程圖。

具體實施方式

下面結(jié)合實施例和實驗例詳細(xì)說明本發(fā)明的技術(shù)方案，但保護(hù)范圍不限于此。

實施例一種基于雙目立體視覺的工件檢測方法以及實現(xiàn)這種方法的圖像處理系統(tǒng)，從而實現(xiàn)工件的實時在線檢測。

圖像處理系統(tǒng)結(jié)構(gòu)圖包含圖像采集模塊、攝像機標(biāo)定模塊、圖像預(yù)處理模塊、立體校正模塊、三維信息恢復(fù)模塊以及檢測與測量模塊。

圖1為本發(fā)明的系統(tǒng)結(jié)構(gòu)圖，其包括：

led環(huán)形光，在傳送帶的正上方，為ccd相機提供光源；

工件被放置到傳送帶上，通過ccd相機；

光電觸發(fā)器，該光電觸發(fā)器與光源系統(tǒng)、ccd相機相連，用于觸發(fā)ccd相機、攝像頭工作；

圖像處理單元為安裝在計算機內(nèi)部的halcon軟件，用于將采集的圖像進(jìn)行濾波、自動閾值分割、亞像素邊緣提取與擬合、特征點提取、極線約束與基于灰度的模板匹配相結(jié)合的方法進(jìn)行立體匹配等處理，進(jìn)而獲得工件的三維空間點云通過擬合測量關(guān)鍵尺寸，實現(xiàn)工件的檢測與三維測量；

圖2為本發(fā)明的圖像處理流程圖，該方案包括如下步驟：

a、ccd相機采集工件的圖像；

b、攝像機標(biāo)定；

c、對采集的圖像進(jìn)行圖像預(yù)處理及極線校正，具體步驟如下所示：

c1、把采集的彩色圖像對通過加權(quán)平均法轉(zhuǎn)化為灰度圖像；

c2、通過中值濾波對圖像對進(jìn)行圖像平滑并校正為標(biāo)準(zhǔn)極線幾何結(jié)構(gòu)；

d、對處理圖像進(jìn)行極線立體校正；

e、三維信息恢復(fù)，具體步驟如下所示：

e1、對平滑處理后的圖像進(jìn)行自動全局閾值分割；

e2、對分割后的圖像形態(tài)學(xué)處理提取出圖像中工件部分；用基于canny的亞像素邊緣檢測算子提取亞像素邊緣，并通過骨骼化方法進(jìn)行邊緣細(xì)化，減少邊緣毛刺，提高檢測的精確度；

e3、采用基于圖像邊緣輪廓特征點提取算法；將輪廓邊緣分割成曲線和直線多個部分，分別對其進(jìn)行亞像素邊緣擬合，進(jìn)一步提高邊緣信息的精確度；通過ramer算法對擬合后的邊緣輪廓進(jìn)行遞歸細(xì)分提取特征點，并通過兩兩擬合直線的交點獲取工件的邊緣頂點，提高后期關(guān)鍵尺寸測量的準(zhǔn)確性；

e4、采用極線約束與基于灰度的模板匹配相結(jié)合的方法進(jìn)行立體匹配，這個約束把一個點在另一副圖像上的搜索從二維降到了一維，通過標(biāo)定可獲取圖像視差的最大最小值，將搜索范圍限制在極線上的一個很小區(qū)間內(nèi)，這樣可以大大縮小對應(yīng)點的搜索空間；找到匹配點搜索范圍后，采用基于灰度的模板匹配來尋找匹配點，由于兩個攝像機視角不同，光照也會產(chǎn)生一定的差異，所以采用ncc相似度量，消除光照影響；

e5、若要確定空間中某點的三維坐標(biāo)，只需要知道該點在左右圖像上的坐標(biāo)和攝像機的內(nèi)外參數(shù)；而這些條件在完成攝像機系統(tǒng)標(biāo)定和立體匹配成功后即可獲得；然后利用三角形測量原理即可獲得特征點的空間三維坐標(biāo)，獲取空間點的三維點云；

f、檢測與測量，具體步驟如下所示：

f1、基于以上基礎(chǔ)通過密集型重構(gòu)算法，獲取圖像每個點的三維空間坐標(biāo)，創(chuàng)建模型，將獲取的工件的三維模型與標(biāo)準(zhǔn)模型進(jìn)行校對，通過匹配比率判斷工件是否合格，剔除不合格產(chǎn)品；

f2、對合格工件進(jìn)行測量，獲取邊緣特征點的空間三維點云，并對空間點云平滑、擬合，測量工件關(guān)鍵尺寸；

g、剔除裝置和計算機相連，當(dāng)檢查到不合格產(chǎn)品時，計算機會觸發(fā)一個信號給剔除裝置，進(jìn)而使不合格產(chǎn)品剔除。

應(yīng)當(dāng)指出的是，具體實施方式只是本發(fā)明比較有代表性的例子，顯然本發(fā)明的技術(shù)方案不限于上述實施例，還可以有很多變形。本領(lǐng)域的普通技術(shù)人員，以本發(fā)明所明確公開的或根據(jù)文件的書面描述毫無異議的得到的，均應(yīng)認(rèn)為是本專利所要保護(hù)的范圍。