反求工程中融合特征捕捉的光学三维测量方法

　　引 言

　　近年来，制造行业中随着产品需求个性化的日益增加，反求工程得到了越来越广泛的应用。反求工程主要包括数字化测量、实体模型重建及模型评价三个部分，其最终目的是获得精确的实体模型，从而服务于快速原型制造或快速产品开发等。在实体模型重建中，特征技术具有十分关键的作用[1, 2]，主要体现在：

　　1) 可以提高建模效率，实现产品的快速反求;

　　2) 可以提高建模精度，实现产品的精确建模;

　　3) 可以提高反求模型的修改能力，实现产品的创新设计。

　　因此，如何实现精确的特征识别和提取，成为目前的热门研究问题和应用的核心技术。国内外对特征识别和提取已经有了一定的研究[3-6]。AlrashdanA 等[4]采用法矢方向发生突变的点作为特征点，利用神经网络方法来自动提取。Yang M 等[5]采用参数二次曲面方法逼近点云数据，求出逼近曲面的法矢和曲率值，利用曲率提取特征点。Milroy J 等[6]采用局部坐标系内的二次多项式曲面来逼近点云，利用曲面的微分特性估计点云数据的曲率值，求出曲率极值点，从中提取出特征点。由于曲面逼近的方法过程复杂，胡鑫等[3]提出了基于深度图像的曲率求解方法，直接利用点云求解法矢和曲率，根据曲率极值点获得特征点。上述方法的特点都是直接对原始测量数据进行处理，对大量点云数据的处理不仅效率低下，同时由于点云密度的影响和测量本身的误差使得所提取特征的表达精度受到了很大影响，甚至与原型相去甚远。这主要是由于在反求的过程中，把三维数据采集和实体模型重建作为两个孤立的过程分别进行考虑所造成的。事实上，测量过程中的很多信息在点云数据中已经无法反映出来，充分利用测量过程中的相关信息，显然有利于提高实体模型重建的效率和精度。本文提出在测量过程中进行特征的捕捉，从而保证特征表达的精度，提高模型重建的效率和精度。

　　1 物体表面的三维测量

　　光学三维测量方法很多，如激光扫描、立体视觉、相位测量等。测量时采用结构光照明，由相机获得物体表面对结构光的调制信息，然后通过图像处理进行信息解调获得表面三维信息。目前的测量方法中大多基于三角测量原理，如线结构光扫描、FTP、相移法等。

　　1.1 测量原理

　　图1 所示为三角测量的基本原理[7]。点P 和C 分别表示投影仪和CCD 相机的光心，CP 与参考平面R 平行，R 则与直角坐标系的X-Y 平面一致，坐标系的 Z 轴平行于相机光轴。图中 PSP 和 ISP 分别为投影仪和CCD 的焦平面，FW 表示 CCD 相机在 X 轴方向的视场宽。测量时投影光线 PA 经由物体上 H 点成像于 ISP 上的像素点 F(j*, k)，而没有物体时PA 则经过参考面R上A 点成像于像素点 E(j, k)。由于CP 和参考面平行，故三角形ABH 和PCH 相似，设z(x, y)表示 H(x, y)点的高度HH′，则有