孫猛超, 李鐵軍, 史家浩, 李賽雷, 鄭凱文, 劉今越

(河北工業(yè)大學(xué) 機械工程學(xué)院,天津 300131)

0 引 言

當(dāng)前巡檢機器人對設(shè)備運行狀態(tài)的檢測，通常是通過用紅外測溫裝置檢測熱缺陷以及基于可見光圖像分析的開關(guān)、儀表等設(shè)備的自動識別[1]。存在普適性差、智能水平低和難以對設(shè)備的運行狀態(tài)做出準確的評估等問題。三維的振動信號可以為設(shè)備的安全評估和健康檢測等提供豐富的有效信息。根據(jù)振動測量方法與被測對象是否接觸可以分為接觸式測量和非接觸式測量。在實際的檢測環(huán)境下的接觸式測量方法存在布線、成本和通用性差等問題無法在實際中應(yīng)用。而機器視覺測量技術(shù)作為一種新的測量技術(shù)，其以非接觸、高效率、高精度、無負載效應(yīng)等特點受到越來越多研究者的關(guān)注[2]。

近年來，基于機器視覺的三維振動測量技術(shù)開始嶄露頭角。崇愛新等人[3]通過在軌旁的設(shè)施上部署的參考標(biāo)靶、軌腰上部署的待測編碼標(biāo)志，用鏈式雙目相機三維測距算法完成了鋼軌的位移測量。黃鵬程等人[4]通過在待測物體上粘貼多個圓形發(fā)光標(biāo)志點來實現(xiàn)對目標(biāo)物體的三維振動測量。陳忠等人[5]通過雙目高速攝像機連續(xù)采集散斑動態(tài)變形圖像實現(xiàn)結(jié)構(gòu)全場振動的測量。歹英杰等>人[6]通過雙目拍攝目標(biāo)靶振動圖像，根據(jù)目標(biāo)點像素位置信息獲得目標(biāo)點空間坐標(biāo)，進而求出動目標(biāo)空間位姿。劉巍等人[7]將便攜式合作靶標(biāo)安裝在工作臺上，利用雙目視覺測量合作靶標(biāo)以準確表征機床運動位置信息。上述所提的方法都能實現(xiàn)對目標(biāo)物體的三維振動測量，但是都需要在目標(biāo)物體上粘附特殊標(biāo)志或者對目標(biāo)物體的表面有著較高的要求[8～11]，難以滿足巡檢機器人對設(shè)備運行狀態(tài)的檢測要求。

為了解決智能巡檢機器人對機電設(shè)備的狀態(tài)檢測問題,針對雙目視覺測量三維振動時存在需要物理目標(biāo)附著、實時性差和特征點假匹配等問題,提出一種基于特征點的三維振動信息提取的方法。通過追蹤被測目標(biāo)像素特征點對被測目標(biāo)進行實時的三維振動測量。利用雙目視覺原理將特征點像素位移的變化裝換成實際的位移變化，從而得出目標(biāo)物體三維振動。最后構(gòu)建了一個智能巡檢機器人對機電設(shè)備的狀態(tài)檢測實驗平臺，對所提算法進行了驗證，實驗結(jié)果表明本文所提方法具有較好的準確性。

1 理論與方法

1.1 相機標(biāo)定與極線校正

雙目相機安裝在機械臂末端。由于存在安裝和制造誤差的存在，需要對相機進行標(biāo)定和對采集的圖像進行極線校正。相機在測量前還需要進行鏡頭校準，鏡頭校準采用文獻[12]的方法，再利用MATLAB工具箱對雙目相機進行標(biāo)定。極線校正可以使兩幅圖像的極線相互平行[13]，就好像產(chǎn)生了虛擬的平行式立體視覺模型[14]。極線校正的過程如圖1所示，校正前兩個相機的光心并不平行，兩相機光心的連線叫基線，像平面與基線的交點為極點，像點與極點所在的直線為極線，左右極線與基線構(gòu)成的平面為空間點對應(yīng)的極平面。校正時假設(shè)極點的位置在無窮遠處，兩個相機的光軸平行，使得兩幅圖像對應(yīng)極線處于同一水平上，即將成像面從Πl(fā)0和Πr0變換到Πl(fā)1和Πr1的過程，此時極線相互平行。本文采用Bouguet算法對圖像進行校正。

圖1 極線校正示意

1.2 特征點的提取

尺度不變特征變換(scale-invariant feature transform，SIFT)是在計算機視覺領(lǐng)域中檢測和描述圖像中局部特征的算法[15]。SIFT算法的實質(zhì)是在不同的尺度空間上查找關(guān)鍵點(特征點)，并計算出關(guān)鍵點的方向并得出128維的特征點描述子。

算法將圖像進行高斯卷積操作與降采樣，來獲取不同尺度的圖像。再將相鄰的高斯金字塔圖相減得到的新圖像，對新圖像的每一個像素點進行如下操作：將一個像素點和它同一平面相鄰的8個像素點和上下層的9×2個像素點共26個進行比較，當(dāng)這個像素點在上、中、下三層圖像構(gòu)成的魔方形狀空間中為極大值或者極小值時，認為此點是初步特征點。但是極值點是通過離散空間得到的，離散空間和連續(xù)空間得到的極值差別還是很大的。所以，需要對尺度空間函數(shù)進行三維二次曲線擬合，使極值點達到亞像素級的精確定位。

為了獲得準確的關(guān)鍵點的特征信息，對特征點的方向進行定義，對高斯差分金字塔中的像素點梯度表示為

(1)

梯度幅度

m(x,y)={[L(x-1,y)-L(x-1,y)]2+

[L(x,y+1)-L(x,y-1)]2}1/2

(2)

梯度方向

(3)

將梯度方向360°每10°作為一個方向在區(qū)域半徑中統(tǒng)計幅度和方向，以直方圖的形式表達方向的數(shù)量，主峰值作為該點的主方向。將特征點鄰近區(qū)域分成4×4個區(qū)域共16個區(qū)域，并且在每個區(qū)域統(tǒng)計梯度信息生成8維的直方圖。這樣就將一個特征點的描述子通過128維的向量表達出來。

1.3 特征點的選取與匹配

通過計算匹配特征點之間的歐氏距離來判斷兩幀之間的特征點是否為同一點。將所有匹配特征點的歐氏距離進行排序，選取歐氏距離較小的多個特征點(本文為20個,選取的特征點需要滿足位于雙目相機的共同視野范圍內(nèi))并讀取這些特征點在圖像中的坐標(biāo)位置；并以這些特征點為中心，半徑為a個像素形成一個基圓(a為被測目標(biāo)的最大像素位移的5倍)，后一幀圖像在這個基圓內(nèi)獲取并匹配特征點。這樣不需要遍歷圖像的所有特征點即可完成特征點的匹配，大大縮短計算時間。

1.4 錯誤匹配點的剔除

為了消除匹配時的錯誤匹配，由于本文所采用的方法是攝像頭不動，將采用方差閾值的方法消除假匹配點公式如下

(X1-X)2+(Y1-Y)2≤a2

(4)

式中X1,Y1為一個特征點的某幅圖像中的像素坐標(biāo)，X,Y為該特征點在另一幅圖像中的像素坐標(biāo)，α為設(shè)定的閾值。

1.5 像素位移轉(zhuǎn)換成工程位移

雙目立體視覺是基于視差，通過三角法原理獲取物體的三維信息,即由左右兩個攝像頭的成像平面和被測物體組成的三角形。兩相機的位置關(guān)系可以通過標(biāo)定得到，因此可以通過雙目公共視野的物體成像坐標(biāo)計算出物體在世界坐標(biāo)系下三維坐標(biāo)。圖2為雙目立體成像原理。

圖2 雙目立體成像原理

兩攝像機投影中心之間的距離為基線距離B。兩攝像機在同一時刻同一平面觀看世界坐標(biāo)系中的一點P，分別在各自的成像平面形成坐標(biāo)PL(XL,YL)和PR(XR,YR)。又因為兩攝像機在同一平面，所以YL=YR=Y。由幾何三角關(guān)系可得如下關(guān)系式

(5)

由此計算出，特征點P在攝像機坐標(biāo)系下的三維坐標(biāo)

(6)

由于像素坐標(biāo)系和成像平面相差一個縮放和一個原點平移,P點的像素坐標(biāo)系與成像平面的關(guān)系為

u=α×X+cx，v=β×X+cy

(7)

可得

α×(XL-XR)=ul-ur

(8)

將式(8)代入式(6)中，得到如下表達式

(9)

式中 (u0,v0)為圖像的主點坐標(biāo)；(ul,vl)為Pl在像素坐標(biāo)系下的坐標(biāo)；ur為Pr的橫軸像素坐標(biāo)值；fx為f×α；fy為f×β。

由于上面已經(jīng)獲得了目標(biāo)圖像中的特征點每一時刻的像素坐標(biāo),因此可以通過雙目測量原理得出每一時刻目標(biāo)的實際坐標(biāo)，從而得出目標(biāo)物體的三維振動信息。

2 實 驗

將實驗室的一個房間作為實驗環(huán)境，模擬巡檢的場景。規(guī)劃出一條機器人巡檢的路徑和機械臂到達測量目標(biāo)點的位置。對獲取的圖像進行圖像校正、特征點匹配，獲取目標(biāo)物體的振動信息與加速度計和激光位移傳感器進行驗證。

2.1 實驗系統(tǒng)

實驗將小型空氣壓縮機作為測量對象，實驗系統(tǒng)包括移動機器人地盤、UR5機械臂、雷達、自制雙目相機、計算機2臺、三軸加速度計、激光位移傳感器和小型空氣壓縮機。實驗布局如圖3所示。

圖3 實驗系統(tǒng)

在UR5機械臂末端安裝自制的雙目相機，加速度計采用的是粘附式粘貼在空氣壓縮機上。三軸加速度計型號為Kistler—8396A2D0DTTA00，雙目相機型號為A5131MU210，激光測振儀型號為OFV—505/5000高性能單點激光測振儀，測量時采樣頻率均為120 Hz，為本次實驗相機圖像采集的幀率均為120 fps，分辨率為1 280像素×1 024像素。小型空氣壓縮機型號為550W—30L，功率為550 W，存儲罐30 L，氣壓0.7 MPa，排氣量40 L/min。雷達安裝在小車前端，型號為YDLIDAR G4，搭載移動機器人上的筆記本為神州K650。

2.2 實驗分析

移動機器人地盤搭載著機械臂、雙目相機和雷達等，移動機器人地盤按照預(yù)先設(shè)定的巡檢軌跡通過雷達定位，準確的到達測量目標(biāo)的附近；機械臂將雙目相機移動測量位置。為了消除機械臂和移動地盤的抖動帶來的測量誤差，將機械臂和移動地盤的電機處于斷電狀態(tài)。獲取圖像后對圖像進行校正，再進行特征點分提取與匹配，最后計算出特征點的三維坐標(biāo)來獲取被對象的振動信息。實驗時，保持空氣壓縮機始終在壓縮空氣狀態(tài)下。并用雙目相機、三軸加速度計和激光測振儀同時記錄測量信息。左右相機分別采集3 600幀圖像，時長為30 s。

將雙目視覺采集的X方向的振動位移信號跟激光位移傳感器采集的信號進行波形匹配，結(jié)果如圖4所示。從圖中可以看出，視覺測量的結(jié)果和激光測振儀測量的振動信號波形重合度很高。將雙目相機采集的三維振動信號與加速度計采集的加速度三維振動信號進行快速傅里葉變換(fast Fourier transform，F(xiàn)FT)，結(jié)果如圖5所示。

圖4 激光測振儀與視覺X位移對比

圖5 快速傅里葉變換

2.3 實驗結(jié)果評價

對于X方向的位移用公式來判斷激光位移傳感器測量出的位移波形和視覺測量出來的相關(guān)性。公式如下

(10)

式中ρy1yc為離散化形成下的相關(guān)系數(shù)，可衡量信號y1(n)和yc(n)波形在同一采樣數(shù)據(jù)窗N內(nèi)的相似程度。ρy1yc在0～1變換，ρy1yc=1為完全相關(guān)，ρy1yc=0為兩個數(shù)據(jù)之間完全沒有相關(guān)性。視覺測量的空壓機X方向的位移和激光位移傳感器測量的波形相關(guān)性如表1所示。加速度計測量出的三維振動頻率和雙目測量出的三維振動頻率的對比如表2所示。

表1 位移傳感器與視覺的X方向位移波形相關(guān)性

表2 加速度計與視覺測量的頻率對比

3 結(jié) 論

本文所提方法能在無物理目標(biāo)附著的情況下進行實時的三維振動測量，與激光位移傳感器在位移為40 μm左右的波形下重合度達到95.15 %以上，與三軸加速度計的幅頻值對比獲得99.97 %以上的準確率。實驗驗證了該方法的可行性和準確性。相較于傳統(tǒng)的雙目視覺三維振動測量方法，在測量目標(biāo)物體時對目標(biāo)的輪廓沒有特殊要求，也不需要對目標(biāo)物體粘附特殊的標(biāo)志。