基于雙目視覺的電梯導軌自動測量系統(tǒng)的制作方法
【專利摘要】為了解決電梯導軌人工測量勞動強度大、效率和精度低的問題，設計了一套基于雙目視覺的電梯導軌自動測量系統(tǒng)，該系統(tǒng)由硬件系統(tǒng)和軟件系統(tǒng)組成。針對電梯導軌表面對比度低、特征點少等問題，使用激光網(wǎng)格投影到待測量的工件表面，使工件表面具備確定的可識別特征，并使用RANSAC算法提取特征網(wǎng)格；然后使用SURF算法進行圖像特征點的提取和匹配，并根據(jù)相機標定結果計算特征點的空間坐標；最后根據(jù)特征點的空間坐標，計算電梯導軌的形位公差。實驗結果表明，該系統(tǒng)選型合理，軟件穩(wěn)定性好、效率高，提高了電梯導軌的測量效率和精度，具有很好的實用價值。
【專利說明】
基于雙目視覺的電梯導軌自動測量系統(tǒng)
技術領域
[0001] 本發(fā)明涉及的是一種圖像處理技術領域的系統(tǒng)，具體是一種基于雙目視覺的電梯 導軌自動測量系統(tǒng)。
【背景技術】
[0002] 電梯導軌的加工質量，是影響電梯運行質量的重要因素，是保證電梯安全、可靠、 穩(wěn)定運行的一項重要性能指標。GBJ310-88《電梯安裝工程質量檢驗評定標準》中對電梯導 軌垂直度的要求為每5m允許偏差0.7mm，檢驗方法為"吊線，尺量檢查"。這種"吊線，尺量檢 查"導軌垂直度的方法在電梯行業(yè)沿用了數(shù)十年，其優(yōu)點是測量工具、量具簡單，測量數(shù)據(jù) 直觀;缺點是測量精度因人而異，不易實現(xiàn)測量數(shù)據(jù)自動采集，工作效率低。近年來，電梯行 業(yè)中出現(xiàn)了用于導軌檢測的激光垂準儀，使用高精度的激光束代替吊垂線，使檢測精度有 所提高，測量原理和工藝與"吊線法"基本相同，但是這種方法需要在每個檢測位置上由人 工逐一測量，測量精度不高，而且測量數(shù)據(jù)由人工讀取，缺少與現(xiàn)在具有強大處理能力計算 機的接口能力。此外，通過人工測量電梯導軌的平面度和平行度更是耗時耗力、精確度低。
[0003] 近些年，機器視覺技術發(fā)展迅速，并且在工業(yè)無損檢測中的應用越來越普遍，如工 業(yè)零件檢測、汽車零/配件裝配檢測，以及工業(yè)字符識別等。機器視覺技術的迅速發(fā)展為電 梯導軌的自動檢測提供了良好的理論基礎。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對現(xiàn)有技術存在的上述不足，提出一種基于雙目視覺的電梯導軌自動測 量系統(tǒng)。本發(fā)明的系統(tǒng)硬件穩(wěn)定，算法魯棒性好，能夠適應電梯導軌制造車間的惡劣環(huán)境， 用于電梯導軌自動測量，具有較好的實用價值。
[0005] 本發(fā)明是通過以下技術方案實現(xiàn)的：
[0006] 本發(fā)明包括:雙目視覺硬件系統(tǒng)和雙目視覺軟件系統(tǒng)。
[0007] 所述雙目視覺硬件系統(tǒng)，包括光源、相機和鏡頭。
[0008] 所述雙目視覺軟件系統(tǒng)，包括相機標定、特征提取與特征匹配、特征點坐標計算和 形位公差計算。
[0009] 與現(xiàn)有技術相比，本發(fā)明的有益效果是:有效地加快了電梯導軌檢測的速度，增加 了檢測的精度，擁有良好的重復性，具有與計算機良好的接口能力。
【具體實施方式】
[0010] 下面對本發(fā)明的實施例作詳細說明：本實施例在以本發(fā)明技術方案為前提下進行 實施，給出了詳細的實施方式和過程，但本發(fā)明的保護范圍不限于下述的實施例。
[0011] 本實施例包括:雙目視覺硬件系統(tǒng)和雙目視覺軟件系統(tǒng)。
[0012] 所述雙目視覺硬件系統(tǒng)，包括光源、相機和鏡頭。
[0013] 所述的光源，具體是:光源按照其照明方式不同，可以分為背向照明和前向照明， 背向光源通常能夠獲得較高的對比度，而前向照明可以獲得檢測物體的表面信息。為了更 好地提取工件的表面特征，本系統(tǒng)采用前向照明。由于電梯導軌表面對比度低、特征點少， 本文使用激光器將網(wǎng)格投影到待測量的工件表面，使該表面具備確定的可識別紋理及特 征。
[0014] 所述的相機，具體是:本系統(tǒng)采用成本低廉、原理簡單的CCD工業(yè)攝像機進行圖像 的采集。雙目視覺系統(tǒng)中有兩種攝像模式，分別為立體平行模式和立體匯聚模式。如果兩臺 CCD攝像機按照光軸平行安裝，則構成立體平行模式;若兩臺攝像機，按照兩光軸成一定角 度進行安裝，使得兩光軸同時匯聚于目標物體上，則構成立體匯聚模式。立體平行模式標定 方便、計算簡便，但是對于視角較小的攝像機，當兩臺攝像機之間距離，即基線一定且物體 距離攝像機一定，攝像機無法同時獲得物體完整圖像而造成盲區(qū)。但是立體匯聚模式雙目 攝像機，可以通過調(diào)整兩光軸之間的角度，使得兩攝像機同時匯聚到目標上，消除盲區(qū)，進 而獲得高質量的圖像。因此，本系統(tǒng)左右兩攝像機采用立體匯聚模式放置。
[0015] 所述的鏡頭，具體是:鏡頭的基本光學性能有焦距、分辨率和景深等。其中，焦距是 確定鏡頭最主要的參數(shù)，焦距f的計算公式為：
(1)
[0017]式中，v為C⑶芯片的靶面尺寸;V為視場尺寸;D為工作距離。
[0018]本系統(tǒng)中，電梯導軌的尺寸為133mmX 85mm，是視場尺寸；圖像傳感器尺寸為 5.632mmX 5.632mm，是芯片靶面尺寸;工作距離為300mm。利用視場尺寸和芯片尺寸的對角 線值代入式（1)，得到焦距為15.13mm，因此，本系統(tǒng)選用KAWA公司生產(chǎn)的LM16JC10M鏡頭，該 鏡頭焦距為16 ± 3mm。
[0019]所述雙目視覺軟件系統(tǒng)，包括相機標定、特征提取與特征匹配、特征點坐標計算和 形位公差計算。
[0020] 所述的相機標定，具體是采用MATLAB平臺上的Jean-Yves Bouguet攝像機標定工 具箱。在雙目立體標定過程中，左攝像機投影矩陣Ml為： mh mi2 mn
[0021] Ml= mi, ml2i < (2) ni}l mln m\} #4
[0022]以左攝像機為基準，則右攝像機投影矩陣M2為： mu mi2 mn
[0023] M2 ~ mlx m\A (3) /ft 分 772^2 ^^34
[0024]假設已經(jīng)成功確定兩幅圖像中，圖像點A1和圖像點A2為空間中一點A的在兩幅圖 像中的對應點。同時，還假設已通過攝像機標定獲得兩臺攝像機的投影矩陣Ml和M2。于是 有： r ]「尤- 叫 mn ml y
[0025] Zci = i^i = m\x ml22 ml23 m\4 ^ (4) _1」卜<」丄 廠， ， ， ， a-l mn mn mh ml y
[0026] Z(：2 = V% - fnl{ mL m^4 ^ (5) 1 m^{ ml， m：3 L ' - ^ 1
[0027] 式(4)和式(5)中，（111，￥1，1)和(11 2，￥2，1)分別為41和六2在圖像中的齊次坐標；（父， Y，Z，1)是A點在世界坐標系內(nèi)的齊次坐標;:= l,2;i _= 1,...，:3;../ =_1, ...,4):分別為Mk的第i行 第j列元素。將式(4)和式(5)中的ZcdPZC2消去，得到關于X、Y、Z的四個線性方程：
[{u\m\x -mln)X + (uiml2 ~m\2)Y+-mlu)Z = m\A-inmM
[0028] <： . . 「 " ,* ' , , (6) [(vimn -m21)X + (vimJ2-m22)Y+(vimJ3 -m23)Z = m14 -vimM
[ ] I + (M2/?jp -?Wp)y + (W2?Mj3 -ni^Z - nt^ -inm^ 7
[(v2??3, -m^X + (v2W322 -ml2)Y + (v2inj3 -m；3)Z = m；A -vm]Av
[0030] 由解析幾何知識可得，空間內(nèi)的平面方程為線性方程，兩個平面方程聯(lián)立為這兩 個平面交線的方程，則式(6)和式(7)的幾何意義是經(jīng)過01A1和經(jīng)過02A2的直線。又因為A是 01A1和02A2的交點，必然同時滿足式(6)和式(7)。因此，通過聯(lián)立式(6)和式(7)求出A點的 三維坐標(X，Y，Z)。然而，這4個聯(lián)立的線性方程只包含(X，Y，Z)3個變量。這是因為之前假設 A1和A2是空間中同一點A的對應點。在實際應用中，由于數(shù)據(jù)噪聲的存在，通常采用最小二 乘法解得X、Y、Z，即空間點的三維坐標。
[0031] 所述的特征提取與特征匹配包括:無激光網(wǎng)格投影圖像的特征提取與匹配和有激 光網(wǎng)格投影圖像的特征提取與匹配。
[0032]所述的無激光網(wǎng)格投影圖像的特征提取與匹配，具體是：本系統(tǒng)采用SURF算法進 行無激光網(wǎng)格投影圖像的特征提取與匹配。具體的SURF算法的基本流程如圖1所示。首先采 集實驗圖像，并在原圖像的基礎上建立積分圖像，通過不同尺寸盒子濾波模板積分圖像求 取Hessian矩陣行列式的響應圖像，在響應圖像上采用3D非極大值抑制，求取各種不同尺度 的斑點。然后利用在特征點檢測時形成的積分圖像生成SURF特征描述子，最后進行圖像匹 配。如圖2和圖3所示，為使用SURF算法分別進行底面和頂面特征匹配的結果。將兩幅圖中對 應的特征點用圓圈標出，并用直線相連接。通過SURF算法，可以得到多對匹配點。
[0033]所述的有激光網(wǎng)格投影圖像的特征提取與匹配，具體是：由于使用SURF算法進行 有激光網(wǎng)格投影圖像匹配時會產(chǎn)生大量的誤匹配，因此，本發(fā)明采用RANSAC算法對網(wǎng)格特 征進行提取，進而進行圖像匹配。如圖4和圖5所示，為使用RANSAC算法進行網(wǎng)格特征提取的 結果。對激光網(wǎng)格進行提取之后，計算出直線相互之間的交點作為特征點。由于激光網(wǎng)格具 有相對確定的位置關系，只需要根據(jù)特征點的相對位置進行特征匹配即可。
[0034] 所述的特征點坐標計算，具體是：經(jīng)過圖像匹配，可以得到多對匹配點。將匹配點 的坐標代入式(6)和(7)，便可以得到特征點的空間坐標。
[0035] 所述的形位公差計算包括平面度和平行度計算。
[0036] 所述的平面度計算，具體是:平面的標準方程為
[0037] Ax+By+Cz+D = 0 (8)
[0038]計算得至ljn(n>3)個點的坐標為Xl、yi、Zl，（i = l，. . .，n)，各點到平面的距離為
(c>)
[0040] 根據(jù)平面標準方程式(8)和式(9)構造以下函數(shù)，該函數(shù)即為最小二乘中心平面應 該滿足的關系式
[0041 ] :=: - min (10) i-1
[0042]所述平面度的計算，具體是:根據(jù)GB/T1182-2008國家標準中平行度公差定義，面 對基準平面平行度公差帶的定義為，公差帶為間距等于公差值t，平行于基準平面的兩平行 平面所限定的區(qū)域。方向為基準平面的法向，大小為兩平行平面的間距。電梯導軌底面作為 基準要素，必須先剔除平面度誤差。最小二乘法評定平面度誤差是符合最小條件法的評定 準則，采用此方法后求得的殼體平面可看作理想平面。求出基準平面后，計算導軌頂面上各 特征點到基準平面的距離，然后求出最大距離與最小距離之差，就得到導軌頂面相對導軌 底面的平行度。
[0043]實施效果
[0044] 如圖6所示，為系統(tǒng)流程圖，按照該流程，便可以得到電梯導軌底面的平面度誤差 和頂面相對于底面的平行度誤差。在本文的實驗中，從相機拍照到計算出形位公差，平均耗 時為8.5秒。測得的底面的平面度公差為0.11，三坐標測量機測得的結果為0.15,結果相近。 頂面相對于底面的平行度公差為0.032，三坐標測量機測得的結果為0.041，結果相近。
[0045] 本實施例相比于人工檢測，擁有更高的檢測速度和精度，并且擁有良好的重復性， 避免了人工測量帶來的偶然誤差；同時，該系統(tǒng)具有與計算機良好的接口能力，發(fā)展和改良 空間巨大，可以有效地代替人工測量。
【附圖說明】
[0046] 圖1 SURF算法的基本流程圖；
[0047]圖2 SURF算法頂面匹配結果；
[0048]圖3 SURF算法底面匹配結果；
[0049] 圖4 RANSAC算法頂面特征提取結果；
[0050] 圖5 RANSAC算法底面特征提取結果；
[0051]圖6系統(tǒng)流程圖。
【主權項】
1. 一種基于雙目視覺的電梯導軌自動測量系統(tǒng)，包括雙目視覺硬件系統(tǒng)和雙目視覺軟 件系統(tǒng)。 所述雙目視覺硬件系統(tǒng)，包括光源、相機和鏡頭。 所述雙目視覺軟件系統(tǒng)，包括相機標定、特征提取與特征匹配、特征點坐標計算。2. 根據(jù)權利要求1所述的基于雙目視覺的電梯導軌自動測量系統(tǒng)，其特征是，所述的光 源，具體是:光源按照其照明方式不同，可以分為背向照明和前向照明，背向光源通常能夠 獲得較高的對比度，而前向照明可以獲得檢測物體的表面信息。為了更好地提取工件的表 面特征，本系統(tǒng)采用前向照明。由于電梯導軌表面對比度低、特征點少，使用激光器將網(wǎng)格 投影到待測量的工件表面，使該表面具備確定的可識別紋理及特征。3. 根據(jù)權利要求1所述的基于雙目視覺的電梯導軌自動測量系統(tǒng)，其特征是，所述的相 機，具體是:采用成本低廉、原理簡單的CCD工業(yè)攝像機進行圖像的采集，左右兩攝像機采用 立體匯聚模式放置。4. 根據(jù)權利要求1所述的基于雙目視覺的電梯導軌自動測量系統(tǒng)，其特征是，所述的相 機標定，具體是:采用MATLAB平臺上的Jean-Yves Bouguet攝像機標定工具箱進行標定。5. 根據(jù)權利要求1所述的基于雙目視覺的電梯導軌自動測量系統(tǒng)，其特征是，所述的特 征提取與特征匹配，包括:無激光網(wǎng)格投影圖像的特征提取與匹配和有激光網(wǎng)格投影圖像 的特征提取與匹配。6. 根據(jù)權利要求5所述的特征提取與特征匹配，其特征是，所述的無激光網(wǎng)格投影圖像 的特征提取與匹配，具體是：系統(tǒng)采用SURF算法進行無激光網(wǎng)格投影圖像的特征提取與匹 配。首先采集實驗圖像，并在原圖像的基礎上建立積分圖像，通過不同尺寸盒子濾波模板積 分圖像求取Hessian矩陣行列式的響應圖像，在響應圖像上采用3D非最大值抑制，求取各種 不同尺度的斑點。然后利用在特征點檢測時形成的積分圖像生成SURF特征描述子，最后進 行圖像匹配。7. 根據(jù)權利要求5所述的特征提取與特征匹配，其特征是，所述的有激光網(wǎng)格投影圖像 的特征提取與匹配，具體是：由于使用SURF算法進行有激光網(wǎng)格投影圖像匹配時會產(chǎn)生大 量的誤匹配，因此，本發(fā)明采用RANSAC算法對網(wǎng)格特征進行提取，進而進行圖像匹配。對激 光網(wǎng)格進行提取之后，計算出直線相互之間的交點作為特征點。由于激光網(wǎng)格具有相對確 定的位置關系，只需要根據(jù)特征點的相對位置進行特征匹配即可。
【文檔編號】G01B21/30GK105928484SQ201610184490
【公開日】2016年9月7日
【申請日】2016年3月28日
【發(fā)明人】秦煜, 吳靜靜, 安偉
【申請人】江南大學