呂　波，王紫陽，柯希林，晏　濤，王中任

(湖北文理學院 機械與汽車工程學院，湖北　襄陽　441053)

0　引言

尺寸的精密測量在現(xiàn)代制造業(yè)中具有重要的作用和意義，它是衡量和保證產(chǎn)品加工質量的必要過程。對于大尺寸工件，傳統(tǒng)的測量方法是采用大尺寸導軌或標準件進行，但這種測量方法成本高、精度低、操作不方便；也有采用間接法測量，如弓高弦長法、滾子法等，這類方法存在原理誤差，可靠性低。隨著計算機技術、光電技術、圖像處理與分析技術的成熟，視覺測量技術可以解決上述兩種方法的不足[1]。但是由于攝像機視角、工作距離等因素的限制，當工件尺寸超出相機視野時,攝像機不能一次性地攝取大尺寸工件的完整圖像。為了得到大視角圖像，目前多采用三維掃描系統(tǒng)實現(xiàn)物體三維重構，但是這種方法需要在測量表面添加標志點，費時且攝像機標定復雜。圖像拼接技術研究的是如何將不同角度拍攝的具有重疊區(qū)域的序列圖像拼接成全景圖。本文基于機器視覺軟件Halcon12,研究攝像機參數(shù)標定、待拼接圖像的攝取規(guī)則、圖像畸變消除、特征點提取以及圖像之間轉換關系確定，以獲得具有較高拼接精度的工件完整圖像，并以大型汽車發(fā)動機鋁合金進氣凸輪軸蓋的拼接測量結果來驗證該拼接方法的可行性。

1　攝像機標定

攝像機標定是實現(xiàn)精密測量的關鍵技術[2]，但鏡頭存在或多或少的畸變，對于大多數(shù)鏡頭而言，它們的畸變可充分地近似為徑向畸變，因此所拍攝的圖像都存在徑向畸變，在圖像拼接前，對攝像機參數(shù)進行標定可校正鏡頭的畸變，提高圖像拼接精度。

為了標定攝像機，本文首先建立攝像機投射模型，如圖1所示。通過攝像機標定，可以確定攝像機坐標系與世界坐標系的相對位置關系以及攝像機如何實現(xiàn)三維空間點到二維圖像點的投影，此操作在機器視覺函數(shù)庫Halcon12中實現(xiàn)。實現(xiàn)攝像機標定最簡單的方法是使用標定板，攝像機采集的部分不同位姿的標定板圖像如圖2所示。利用Halcon標定助手可以快速、準確地進行攝像機標定，獲取攝像機內方位參數(shù)，包括焦距f、畸變系數(shù)κ、縮放比例因子sx和sy、圖像中心點行列坐標值cx和cy，使用Halcon提供的算子change_radial_distortion_image()可以消除圖像徑向畸變。

圖1　攝像機標定模型

圖2　不同位姿的標定板圖像

2　圖像的拼接

圖像拼接對象是一組相鄰圖像中具有部分重疊區(qū)域的有序圖片[3]，拼接過程的具體流程如圖3所示。

圖3　圖像拼接流程

2.1　待拼接圖像的攝取規(guī)則

為減小圖像拼接誤差，經(jīng)反復實驗，拍攝的序列圖像需要注意以下幾點：①圖像須有重疊部分，重疊區(qū)域為1/3最好；②圖像的重疊區(qū)域必須紋理化或有特征點，以便允許在自動匹配過程中識別圖像中的相同點，在一些缺少紋理的重疊區(qū)域可通過適當定義圖像配準方式來解決，如果整個對象顯示很小的紋理，那么重疊區(qū)域應該被選擇大些；③重疊區(qū)域的大小大致相同，一般來說，規(guī)模差異不應該超過5%～10%；④相鄰圖像明暗度應相接近，否則拼接處縫隙清晰可見。本文以大型汽車發(fā)動機鋁合金進氣凸輪軸蓋的拼接為例，圖4為將鋁合金鑄造件分塊拍攝，然后按順序排列的2幀圖像，從圖中可明顯看出兩幅圖像符合該攝取規(guī)則要求。

圖4　鋁合金鑄造件待拼接圖像

2.2　特征點的提取

Halcon軟件提供了多種算子用于提取特征點，比較重要的算子有points_foerstner、points_harris、points_lepetit等。本文采用Harris角點提取算法[4]，該算法是C.Harris同M.Stephens在1988年提出的，是在改進Moravec算子后形成的算子，它的提取思想是：判斷圖像上某一點沿任意方向發(fā)生很小偏移時其灰度是否有明顯變化，若有則為角點，在使用該算法時需要選擇合適的高斯平滑系數(shù)。該算法與Forstnert特征點提取算法相比，具有計算簡單、穩(wěn)定性強、不受閾值影響等優(yōu)勢。

2.3　特征點匹配及全景圖像生成

圖像特征點匹配是圖像拼接的關鍵技術，目的是找到圖像對之間特征點的對應關系，即求取相鄰圖像重疊區(qū)域對應點投影變換關系，使相鄰圖像在重疊區(qū)域的坐標能精確配準[5]。圖像匹配精度是圖像拼接質量的決定性因素。在完成特征點提取后，本文先采用歸一化互相關法(NCC)尋找相鄰兩幅圖像對應點關系，完成初始化匹配，然后通過調節(jié)模板大小、搜索窗口中心偏移量、搜索區(qū)域大小、對應匹配方法的閾值等參數(shù)進行魯棒性匹配，剔除誤匹配點，使圖像對達到最好匹配效果。圖5為Harris算法提取的特征點及匹配結果圖像，經(jīng)RANSAC魯棒性匹配，得到了相鄰兩幅圖像正確匹配點的對極線，最終圖像拼接結果如圖6所示。拼接過程用到的關鍵算子有：①算子proj_match_points_ransac()，可根據(jù)圖像對應點關系計算投影變換矩陣；②算子gen_bundle_adjusted_mosaic()，將多幅輸入圖像捆綁合成為一幅全景圖像，各輸入圖像的相對位姿由3×3的投影矩陣來定義。

圖5　Harris角點提取及匹配結果

3　實驗與結果分析

本文測量對象為某型汽車發(fā)動機的鋁合金進氣凸輪軸蓋，其零件圖及主要大尺寸如圖7所示。

獲取被測工件一組清晰的存在部分重疊區(qū)域的有序圖片，是利用圖像拼接技術進行圖像拼接融合的前提條件[6]。圖8為搭建的拼接測量系統(tǒng)，主要由3個模塊組成：精密十字模組和雷賽運動控制卡等組成的運動控制平臺；由大恒130萬像素的CMOS相機、平行背光源和Computar鏡頭(f=12 mm)等構成的圖像采集模塊；以計算機為核心的圖像處理分析和控制處理模塊。

圖6　圖像拼接結果

圖7　進氣凸輪軸蓋

圖8　圖像拼接測量平臺

在拍攝圖像前，首先將攝像機光軸調整到與測量工件表面垂直位置，根據(jù)此時攝像機的視野大小和相鄰圖像重疊區(qū)域面積確定攝像機在攝取工件相鄰兩幅圖像時運動平臺的移動方式；然后手動調節(jié)鏡頭光圈，在能夠拍攝清晰的、對比度較好的圖像后，將標定板放置在測量平臺上，采集11張不同位姿的標定板圖像，完成攝像機標定工作；最后啟動運動平臺，分塊拍攝工件序列圖像。圖9為6幅圖像拼接得到的工件全景圖，針對零件上的重要尺寸(本文注值為344±0.13)，拼接測量結果如圖10所示，本方法的測量結果與利用三維掃描儀測量的結果如表1所示。

圖9　6幅圖像拼接得到的工件全景圖

圖10　拼接測量結果

根據(jù)表1測量結果繪制折線圖，如圖11所示。經(jīng)過分析，本測量方法產(chǎn)生誤差的原因有：①硬件設備自身精度不夠；②攝像機標定誤差造成測量誤差；③由于外界環(huán)境光干擾，相機拍攝的圖像灰度值易發(fā)生變化，造成相同特征點匹配困難；④尺寸計算算法誤差。

表1　本方法的測量結果與利用三維掃描儀測量的結果

4　結束語

本文基于Halcon12實現(xiàn)了鋁合金鑄造件圖像拼接，對待拼接圖像的攝取規(guī)則、特征點提取和特征點匹配等幾個方面進行了分析，并完成了相關尺寸的測量工作。試驗結果表明：在合理的光照條件下，該方法能快速有效地實現(xiàn)大尺寸工件視覺圖像拼接測量，具有一定的應用價值。

圖11　測量數(shù)據(jù)折線圖

參考文獻：

[1]遲健男.視覺測量技術[M].北京：機械工業(yè)出版社，2011.

[2]斯蒂格,尤里奇,威德曼,等.機器視覺算法與應用[M].楊少榮,吳迪靖,段德山,譯.北京：清華大學出版社,2008.

[3]王中任,金燕鳴.大尺寸工件在機視覺測量的圖像拼接方法[J].工具技術,2010(10):95-97.

[4]Milolajczyk K,Schmid C.Scale and affine invariant interest point detectors[J].Intl Journal of Computer Vision,2004,60(1):63-86.

[5]譚杰.基于Halcon的圖像拼接算法研究[J].微電子學與計算機,2011,28(12):184-187.

[6]全思博,龔金云.基于圖像拼接的大尺寸零件精密測量[J].機電工程技術,2009,38(7):59-61.