一種三維編織復合材料預制件表面參數(shù)自動測量系統(tǒng)的制作方法
【技術領域】
[0001] 本發(fā)明涉及一種三維編織復合材料預制件表面參數(shù)自動測量系統(tǒng)，該系統(tǒng)對碳纖 維材質的三維編織復合材料預制件的表面參數(shù)具有較好的自動測量效果，屬于圖像處理技 術領域，可應用于三維編織領域中預制件表面參數(shù)（編織角和花節(jié)距）的自動化測量。
【背景技術】
[0002] 三維編織復合材料是一種新的網(wǎng)狀結構復合材料。是20世紀80年代隨著三維整 體編織高新紡織技術的出現(xiàn)而產生的。三維編織復合材料技術利用三維編織技術將纖維束 編織成所需要的結構形狀，形成預制件，然后以預制件為增強骨架，采用樹脂傳遞模塑工藝 (RTM)或樹脂膜滲透工藝（RFI)，進行浸膠固化，直接形成復合材料結構。三維編織復合材 料以其優(yōu)異的綜合性能在航天、航空、交通、建筑、機械、體育、醫(yī)療、軍事等領域的應用越來 越廣泛。
[0003] 表面編織角和編織花節(jié)長度（花節(jié)距）是三維編織復合材料預制件的兩個重要表 面參數(shù)。從它們可以推斷出預制件的內部結構和整體的纖維體積含量。因此對預制件參數(shù) 的測量技術進行研究是非常關鍵的?；ü?jié)距h，是指在一個機器編織周期中沿著編織方向產 生的長度；表面編織角Θ，是指三維編織物表面上纖維束與織物軸向方向形成的夾角。編 織角和花節(jié)距的示意圖如圖2所示，其中圖2-1為理想情況下編織角和和花節(jié)距，圖2-2為 實際情況下編織角和花節(jié)距。
[0004]目前對于這兩個表面參數(shù)的測量多為人工測量，這種方法主觀依賴性強，效率低。 因此，一個三維編織復合材料預制件表面參數(shù)自動測量系統(tǒng)的建立，對提高紡織業(yè)自動化 檢測水平具有重要意義。近年來，計算機技術和數(shù)字圖像處理技術取得了很大的發(fā)展，并且 已經(jīng)成功運用于紡織工業(yè)。這些相關領域的研究成果使得利用數(shù)字圖像處理技術實現(xiàn)織物 組織結構的自動檢測、分析成為可能。
[0005] 現(xiàn)有的織物表面參數(shù)測量的研究成果中主要有以下幾類方法：三點測角法、四點 測角法[1];基于傅立葉功率譜的平均編織角的測量[2];基于曲線擬合的編織角的測量 [3];基于小波變換多分辨率分析的花節(jié)長度的自動化測量[4]。
[0006] 在這些方法，但仍存在一些問題。首先三點測角法、四點測角法，需對計算機顯示 屏上的織物圖像進行手工點點，這一方法主觀依賴性強，自動化程度低；基于角向功率譜圖 測量平均編織角的方法不適合測量單個編織角；基于曲線擬合方法的編織角的測量，測量 結果的好壞依賴于曲線擬合的好壞；基于小波變換多分辨率分析法測量花節(jié)長度，依賴于 織物圖像模板的截取及相關參數(shù)的求解。因此，一個高效、準確、能同時測每個編織角和每 個花節(jié)距的方法，對于分析預制件內部結構等具有重要意義。
[0007]參考文獻
[0008] [1]吳德隆，沈懷榮.紡織結構復合材料力學性能[M]·長沙：國防科技大學出版 社，1988, 30-34
[0009] [2]ffan,Z.K., &Li,J.L. (2006).Braidedanglemeasurementtechniquefor three-dimensionalbraidedcompositematerialpreformusingmathematical morphologyandimagetexture.AUTEXResearchJournal?6 (1)?30-39.
[0010] [3]萬振凱，沈俊輝，王希山.復合材料預制件編織角測量研究.紡織學報，2004， 25(3) :42-43.
[0011] [4]貢麗英，萬振凱.編織復合材料預制件花節(jié)長度的自動測量系統(tǒng)實現(xiàn)[J].計 算機測量與控制· 2006,14(6) :730-733.

【發(fā)明內容】

[0012] 本發(fā)明的目的是克服上述現(xiàn)有技術的不足，提供一種能夠自動測量三維編織復合 材料預制件編織角和花節(jié)距（花節(jié)長度）的系統(tǒng)。為此，本發(fā)明采用如下的技術方案。
[0013] 三維編織復合材料預制件編織角和花節(jié)距的自動測量系統(tǒng)，包括下列部分和步 驟：
[0014] 1.硬件部分：主要是織物圖像的采集系統(tǒng)，包括：基于量塊的圖像標定和基于"自 然光+偏振片+CCD相機"的圖像采集。
[0015] 2.軟件部分：主要是織物圖像的處理系統(tǒng)，包括圖像預處理，結合克隆連接、最小 二乘擬合、自相關和ACSS角點檢測四個算法的角點檢測和參數(shù)測量。
[0016] 1)直方圖均衡化和BM3D濾波對采集的圖像進行預處理；
[0017] 2)基于克隆連接的邊緣檢測，提取邊緣并連接；
[0018] 3)在低尺度〇 = 3下計算曲率，將曲率局部極大值點確定為準角點；
[0019] 4)對于每一個準角點在它的支撐區(qū)內計算動態(tài)曲率門限，對準角點進行篩選；
[0020] 5)計算每一個準角點的張開角度，當160°彡θ200°時剔除該準角點；
[0021] 6)根據(jù)灰度信息和相位一致性信息篩除偽角點；
[0022]7)對角點位置進行校正；
[0023] 8)根據(jù)圖像的自相關性判斷是否存在漏檢角點，并根據(jù)相鄰角點確定的直線斜率 計算漏檢角點的位置；
[0024]9)根據(jù)檢測到的角點圖，計算編織角和花節(jié)距。
[0025] 本發(fā)明具有如下的技術效果：
[0026]1.方法簡單，易于實施。本發(fā)明在圖像拍攝的過程中不需要特殊光源的照射，僅在 自然光照斜射條件下拍攝，且偏振片便于安裝和旋轉。結合克隆連接、最小二乘擬合、自相 關和ACSS角點檢測四個算法的角點檢測算法簡單、計算量小。
[0027] 2.準確性高。本發(fā)明在檢測過程中，去除偽角點的干擾，對角點的位置進行校正并 對漏檢角點進行補檢測。
[0028] 3.能同時檢測每個編織角和每個花節(jié)距，具有較好的測量效果。
【附圖說明】
[0029]圖1:本發(fā)明的三維編織復合材料預制件表面參數(shù)自動測量系統(tǒng)整體設計圖。
[0030] 圖2:編織角Θ和花節(jié)距h示意圖。圖2-1為理想情況下編織角和和花節(jié)距。圖 2-2為實際情況下編織角和花節(jié)距。
[0031] 圖3:織物采集系統(tǒng)。
[0032] 圖4:加偏振片和未加偏振片采集圖像的對比圖。圖4-1為未加偏振片采集的圖， 圖4-2為加偏振片后采集的圖。
[0033] 圖5:原始采集圖像與預處理后的圖像。圖5-1為原始采集的圖像，圖5-2為直方 圖均衡化后的圖Fhe，圖5-3為Fhe經(jīng)過BM3D濾波后的圖FBM3D。
[0034] 圖6 :基于克隆邊緣檢測圖的邊緣圖F。。
[0035] 圖7:最小二乘邊緣擬合后的圖Fflt。
[0036] 圖8 :Canny檢測邊緣與真實邊緣對比圖。圖8-1為原圖，圖8-2為Canny邊緣檢 測的邊緣圖，圖8-3為手工標注的真實的邊緣圖。
[0037] 圖9 :角點初步檢測圖匕"。
[0038] 圖10:第296行像素灰度圖和第296行自相關圖。圖10-1為待掃描的直方圖均 衡化后的圖，圖10-2為圖10-1第296行像素灰度圖（橫軸是像素位置，取值為[0，n]，n為 圖像的列數(shù)；縱軸是像素灰度值），圖10-3為圖10-1第296行自相關圖（橫軸是自相關性 計算序號，取值為[0,2n-l];縱軸為自相關函數(shù)值）
[0039] 圖11 :最終角點檢測結果圖FfcOT。
[0040] 圖12:參數(shù)測量中部分角點示意圖。
【具體實施方式】
[0041] 本發(fā)明的整體系統(tǒng)設計如圖1所示，系統(tǒng)分為兩部分：硬件部分和軟件部分。硬件 部分主要是織物的采集系統(tǒng)，包括基于量塊的圖像標定和基于"自然光+偏振片+CCD相機" 的圖像采集。軟件部分主要是織物圖像的處理系統(tǒng)，包括圖像預處理，結合克隆連接、最小 二乘擬合、自相關和ACSS角點檢測四個算法的角點檢測和參數(shù)測量。下面結合附圖，對本 發(fā)明技術方案的具體實施過程加以說明。
[0042]1.硬件部分（織物圖像的采集系統(tǒng)）
[0043] 包括圖像標定和圖像采集。
[0044] 1. 1圖像標定
[0045] 采用標準3cm的量塊對待采集的織物圖像進行標定。將量塊放在織物一側且使量 塊表面與織物表面在同一水平面上，并且量塊在電腦顯示屏上處于水平或垂直的方向。如 圖3所示。
[0046] 1. 2圖像采集
[0047] "自然光+偏振片+CXD相機"的織物圖像采集方案。將偏振片安裝在(XD相機鏡 頭前，相機的光軸垂直于織物表面且通過織物中心，自然光從織物兩側傾斜射入。如圖3所 示。旋轉偏振片以及調整曝光時間，選擇反光小、對比度好、清晰的圖片進行存儲。圖4-1 為不加偏振片拍攝的圖像，圖像表面存在大量反光；圖4-2為加偏振片拍攝的圖像，圖像表 面的反光被很大程度地削弱了。
[0048] 2.軟件部分（織物圖像的處理系統(tǒng)），包括圖像預處理、角點檢測和參數(shù)測量。
[0049] 2. 1對采集的圖像進行直方圖均衡化，得到圖像Fhe;對F 行BM3D濾波，得到圖 像？》?。如圖5所示，圖5-1為原始拍攝的圖像；圖5-2為直方圖均衡化后的圖Fhy比圖5-1 的亮度、對比度均得到了提高；圖5-3為圖FBM3D，噪聲及織物的紋理與圖5-2相比，很大程度 地被削弱了。
[0050] 2. 2對預處理后的圖像進行基于克隆連接的邊緣檢測。首先，由Sobel算子求FBM3D 的X方向的梯度圖FdPy方向的梯度圖Fy，并計算其梯度圖FjP角度圖Fkc]t;將梯度圖Fg 進行Canny非極大值抑制，得到圖像Nm;其次，分別用大閾值Thb和小閾值Ths對圖像Nm進 行限制，分別得到圖像Dnm和圖像Dns，由Dnm根據(jù)閾值Thl進一步得到圖像F1;由Dns根 據(jù)閾值Th2得到圖像F2,如下式：
[0055] 其中i)ww(ij)為3X3鄰域的均值。再次，以圖像F2為基礎，對F1進行克隆邊緣 連接，由循環(huán)控制參數(shù)控制連接長度，得到邊緣圖像F。;對Fc進行形態(tài)學細化為單像素邊 緣并進行面積濾波得到邊緣圖Fthin(如圖6);對？^"用最小二乘法對未連接的邊緣進行直 線擬合并連接，得到邊緣圖Fflt (如圖7);最后，對邊緣圖匕^進行提取并連接，得到圖Fff;
[0056] 本步驟避免原ACSS角點檢測中用Canny邊緣檢測由于亮度等因素的影響形成的 偽邊緣，如圖8所示，圖8-1畫圈部分為存在亮度影響的部分；圖8-2為Canny邊緣檢測的 結果，在畫圈部位存在偽邊緣；圖8-3為手動標注的真實邊緣；
[0057] 2. 3在低尺度〇 = 3下計算曲率，將曲率局部極大