线结构光三维视觉传感器的一种B样条神经网络模型

　　引　言

　　自由表面轮廓的测量与重构是逆向工程中两个重要问题,在航空、造船、汽车制造等行业有着广泛的应用。如何高效地获得自由曲面的数学表达形式,很大程度上取决于测量方法的效率和精度。表面轮廊测量方法大体可分为接触式测量和非接触式测量,其中典型的接触式测量设备是三坐标测量机,其优点是测量精度高,但由于是逐点接触式测量,测量速度慢,效率低,对某些特殊材料制成的物体也无法测量,因而限制了它的应用范围。另一方面,正发展起来的以机器视觉为主的非接触式测量方法,以其测量速度快、精度合适而引起人们越来越多的重视,成为表面轮廓测量的一个重要手段。目前机器视觉三维测量方法主要包括:基于视差的双目立体视觉法,基于主动式光学三角形的激光逐点扫描及结构光法,基于相位位移的莫尔条纹法等。其中线结构光三维视觉测量以结构简单、测量速度快、精度高而成为一种很有前途的测量方法。这种方法基于主动式光学三角形原理,应用光学成象原理,光电转换技术,以及数字图象处理技术,通过求解空间几何关系,实现对物体空间坐标的计算。因此,建立合适的数学模型并实现其结构参数的准确标定,是线结构光视觉传感器进行三维坐标测量的关键。然而由于线结构光视觉传感器的象点坐标与物点空间坐标之间的映射关系是非线性的,所以结构参数的标定比较困难,而且常常要用到一些专用设备,标定繁琐、费时,精度也难得到保证,有必要寻求一种简单易行的标定方法。

　　本文根据线结构光视觉传感器的工作原理并结合实验室的具体情况,利用高阶神经网络的非线性函数逼近能力,构造了线结构光三维传感器的B样条神经网络模型,并将测得的象点坐标作为网络输入,对应的物点空间坐标作为网络输出对神经网络进行训练,训练好的神经网络模型在满足一定要求下,反映出图象平面象点坐标与空间位置坐标的一一对应的非线性关系。采用这种方法减少了标定过程所需的时间和设备,简化了标定过程。

　　1　线结构光三维视觉传感器的测量原理

　　线结构光三维视觉传感器是依据主动光学三角形的测量原理工作的。如图1a所示,传感器由两部分组成:一是线光源垂直投射到被测物体表面,在空间形成一光平面;另一方向上,受被测物体表面形状调制的光场由CCD摄像机接收。这两部分位置固定,并在精密伺服机构驱动下沿着与光平面垂直的x方向运动。

　　在图1中,设光平面与被测物体表面的交线为l,由于CCD象平面与光平面为一对共轭面,因此在CCD象平面上存在唯一的一条曲线l′与l对应。又因为光平面与坐标平面YOZ平行,所以如果能够找出平面曲线l和l′之间的映射关系,就可以通过l′在象平面上的象点坐标求得l上对应点在Y和Z方向的位置信息。最后,曲线l的X方向位置由精密伺服机构给出,从而可知l上各点的三维坐标。光平面对整个物体表面进行扫描,可获得整个物体表面的三维信息。由以上分析易知,对物体进行三维测量的关键问题之一就是建立CCD象平面与光平面上点与点之间的映射关系。最直接的方法是建立传感器的数学模型,并计算模型中的各个结构参数,但在实际测量中要准确地确定投射器与CCD摄像机之间的位置关系是很难的,这将严重影响测量的精度。解决此问题的一个方法是在光平面与CCD象平面上取大量的实测样本点,采用函数逼近的方法建立CCD象平面与光平面上点之间的映射关系,将其作为视觉传感器的数学模型。