摘 要：为实现在高亮度条件下模型外形轮廓的测量，首先在计算机上生成随机矢量化散斑图案，并用激光雕刻技术制成散斑片作为散斑投射模板，采用光波为850 nm的VCSEL激光器作为投射光源并制成激光散斑投射器。在高亮度条件下，通过给相机加装窄带滤光镜实现散斑图像的清晰获取，最后基于数字图像相关法完成图像的立体匹配并最终解算出模型点云。实验表明：该方法在20 400 lx条件下仍然可以实现模型的外形轮廓测量，且标准球测量结果相对偏差为0.038 4%；应用近红外激光散斑投射并给相机加装窄带滤光镜可有效减少干扰光影响，可以在高亮度条件下完成模型轮廓的精准测量。
关键词：轮廓测量；数字图像相关法；散斑；近红外激光
文献标志码：A 文章编号：1674-5124（2017）11-0017-05
0 引 言
基于结构光的计算机视觉是光学测量的一个重要分支，它是将一定模式的光投射到被测物体表面，通过分析图案在物体上的变形，应用数学模型来求取物体的三维信息[1]。这是一种主动式给待测物体投射标记点的方法，通常可分为点结构光、线结构光和面结构光，由于面结构光在轮廓测量具有很高的效率，近年来得到快速发展和广泛应用。其中Li等[2-3]对结构光法进行了深入研究，除了结构光法以外，Malowany等[4]应用激光测距的方法对锅炉实现了几何模型测量，Umemoto等[5]应用莫尔条纹的方法实现了混凝土的表面测量，Li等[6-7]采用相移法进行轮廓测量。而在特殊环境下的模型轮廓测量，如在高亮度条件下，往往无法采集到清晰且带有特征图案的图像，所以无法正常解算模型点云。激光扫描用于轮廓测量主要体现在地形、地貌和建筑物测量[8-9]，而对工业产品的轮廓测量主要针对的是室内较为理想的场合，而在复杂光照条件下的轮廓测量目前还少有研究。
本文结合双目立体视觉[10-11]和数字图像相关法[12-13]，设计并实现了近红外激光散斑投射测量系统，利用窄带滤光镜的透光特性来最大程度地消除干扰光的影响，从而实现了高亮度条件下的模型轮廓测量。该散斑投射测量系统体积小、便携，测量速度快，具有潜在的应用价值。
1 关键技术
1.1 随机矢量化散斑图案生成
红外激光散斑主动投射器需要一个散斑模板，即散斑片。首先在计算机上生成散斑矢量图，使用激光雕刻制成透光散斑模板，计算机设计矢量化散斑包括4步：
1）设置光源
在图像范围内，随机放置N个虚拟光源，整个图像范围内所有区域均受到该光源的影响，光源强度和位置随机，如图1（a）所示。
2）生成灰度图像
图像中每个像素点的灰度值受所有光源影响，其计算公式为
g（x，y）=Kie-[（x-sxi）2+（y-syi）2]/σ2（1）
式中：g（x，y）——像素灰度值；
Ki——每个光源的亮度（0～255随机数）；
（sxi，syi）——每个光源的坐标位置（随机数）；
σ——光强因子（1～10间取值）。
为了得到像素级的随机散斑，光源个数N一般取图像宽度的2～3倍，且最终的灰度值必须进行归一化处理使之介于0～255之间，生成的灰度图像如图1（b）所示。
3）图像二值化
对生成的灰度图像进行二值化处理，即图像中大于128的像素点灰度值置为255，其余像素点灰度值置为0，可得到黑白两色的二值化图像，如图1（c）所示。
4）矢量化
对二值化图像进行逐行扫描，将所有连同的白色区域连接为矩形单元，最终整幅矢量图由H（图像高度）层微小矩形堆积而成，如图1（d）所示。
随机矢量化散斑图像绘制完成后，选用玻璃镜片通过激光刻蚀雕刻制成透光散斑片，将其作为激光散斑投射的模板。
1.2 近红外激光散斑投射器
投射器的作用是将精细的散斑图案投射到模型表面，激光器发光透过扩散镜和聚焦镜最后通过特制的散斑片将散斑图案投射出去，镜头调焦使投射到模型表面的散斑图案是清晰可见的，图2为投射光路示意图。
模型轮廓测量的前提是能够获得清晰的散斑图像，在干扰光影响严重的情况下，选择的光源需要有高亮度和抗干扰性。考虑到垂直腔面发射激光器（VCSEL）具有单位面积功率高、抗干扰性强、光波单一等优点，最终选用激光器品牌为PRINCETON OPTRONICS，型号为Part # PCW-SMV-2-W0850，其输出功率为2 W，波长为（850±10）nm。图3为最终组装成的投射器实物，与1角钱硬币相比較，可见投射器体积很小。
1.3 数字图像相关法的立体匹配
双目立体视觉原理与人类双目视觉的立体感知类似，通过两个视点观察同一个物体得到两个视角下的图像，计算不同图像同一视点的视差来获取物体的三维形貌，在光学测量具有广泛应用。在这过程中，寻找两幅图像公共点即立体匹配是非常重要的一项工作，本文基于数字图像相关法完成图像匹配。
数字图像相关法（digital image correlation，DIC）是通过对物体变形前后的两幅图像进行相关计算来求取物体位移及变形的方法。其中的相关计算就是求取两幅图像中的对应点，即立体匹配。对于轮廓测量，对同一瞬态两个相机拍摄的图像进行相关计算。如图4所示，其中左侧是相机1的图像，右侧是相机2的图像。在相机1的图像中，取待匹配点C为中心（2M+1）×（2M+1）（M为大于0的自然数，通常取值在[7，10]之间）大小的矩形图像作为参考子图像，即为选取的种子点。在相机2的图像中，通过一定的搜索方法，按照预先定义的相关系数进行相关计算，寻找与参考子图像相似度最大的以C′为中心的目标子图像，则C′即为C点在图像2中的对应点。
相关系数是表征两个图像子区相似程度的数学度量，数字图像相关法通过求取相关系数的极值来完成图像匹配，本文采用一种引入线性光强变化模型的最小距离平方和系数[14]：
CSSD=[f（xi，yj）-r0-r1·g（xi′，yj′）]2
（2）
其中r0和r1用于补偿由于光照和相机光圈差异引起的灰度线性变化，该相关系数具有良好的抗干扰能力，进行图像匹配时的误匹配概率较小。
2 系统方案总体设计与实现
基于上述理论研究，本文设计并实现近红外激光散斑投射测量系统。系统工作流程如图5所示，图6为触发信号示意图。首先由计算机发出触发信号，激光器发光瞬间光线通过特制的散斑片将散斑图案投射到模型表面，与此同时双相机同步采集图像，基于数字图像相关法完成图像匹配并最终解算出模型点云。激光器发出的红外光的波长为（850±10）nm，环境光及干扰光绝大多数都不属于850 nm附近的光波，通过给相机镜头加装850 nm的窄带滤光镜，可以只允许850 nm附近的光波进入相机，从而有效消除环境光及干扰光对测量的影响。窄带滤光镜的中心波长为（850±10）nm，峰值透过率T>80%。
设计系统测量幅面为200 mm×150 mm，相机选用dart红外相机，分辨率为1 280×960，相元尺寸为3.75 μm，相机间距为150 mm，测量距离为300 mm，设计并搭建相关硬件支架，测量头实物如图7所示。
3 实验研究
3.1 高亮度轮廓测量
使用高功率LED灯创造不同亮度条件，用照度仪检测被测对象附近区域亮度。分别使用不加装窄带滤光镜的相机和加装窄带滤光镜的相机进行图像采集，最后用采集到的图像进行比对测试和点云解算。为防止反光对测量的影响，将金属质被测对象做显影剂喷涂处理，由于激光波长为不可见的红外光，所以被测对象色泽对测量不产生影响。
使用LED灯创造4个不同亮度，分别为23，716，
3 350，20 400 lx，图8为在不同亮度条件下，相机不加装850 nm窄带滤光镜采集到的图像，图9为加装850 nm窄带滤光镜采集得到的图像。用采集到的图像在相同的条件下进行点云解算，得到的点云数量统计如表1所示，其中图10为在照度为20 400 lx时，给相机加装滤光镜的条件下解算得到的点云数量。
由上述实验可知，在相机未加装850 nm窄带滤光镜时，随着亮度的增加，散斑图案逐渐不清晰，图像灰度分布趋于全白（灰度值为255），在3 350 lx时散斑特征明显减少，解算得到的点云剧减，只有461个；在相机加装滤光镜时，无论在何种亮度条件下，散斑图案总是清晰可辨的，图像灰度分布跳动大，在照度为20 400 lx时仍然可以解算出点云，且解算得到的点云数量与在正常条件下解算的大致相同。
3.2 误差验证
为验证激光散斑投射进行轮廓测量的可靠性，对一标准球进行测量，测量温度为23 ℃，标准直径为99.998 mm，用激光散斑投射的方法进行5次实验，将每次解算得到的点云导入到Geomagic中进行球体拟合，并记录拟合结果。
由测量结果可知，5次拟合球体直径的平均值为99.974 mm，相对偏差为0.038 4%，测量的误差可以满足一般的工业要求。值得注意的是，采用数字图像相关法匹配是一种区域匹配方法，它适用于模型表面光滑平整的情况，对于表面褶皱、起伏变化较多的模型，在进行图像匹配时应选取较小的参考子图形或者选用更为合适的匹配方法。
4 结束语
本文以数字图像相关法作为理论基础，设计并实现了近红外激光散斑投射测量系统，通过给相机加装窄带滤光镜的方法实现了高亮度条件下的轮廓测量。激光器体积小，便使投射器及测量系统具有体积小、便携的优点，此外由于采用數字图像相关法进行图像匹配时只需采集一帧图像，所以测量速度也比较快。采用该方法有望实现在野外或现场等光照条件复杂情况下的模型轮廓测量，具有一定的实用价值。但是，数字图像相关法是一种区域匹配方法，当模型表面曲率变化较大时匹配准确度可能会降低，下一步要继续对高效、高准确度的图像匹配方法展开研究。
参考文献
[1] 韩成，杨华民，蒋振刚，等. 基于结构光的计算机视觉[M].北京：国防工业大学出版社，2015：86-90.
[2] LI W G， FANG S P， DUAN S J. 3D shape measurement based on structured light projection applying polynomial interpolation technique[J]. Optik-International Journal for Light and Electron Optics，2013，124（1）：20-27.
[3] HE Y H， CAO Y P. A composite-structured-light 3D measurement method based on fringe parameter calibration[J]. Optics and Lasers in Engineering，2011，49（7）：773-779.
[4] MALOWANY K， MAGDA K， RUTKIEWICZ J， et al. Measurements of geometry of a boiler drum by time-of-flight laser scanning[J]. Measurement，2015（72）：88-95.
[5] UMEMOTO S， TANOUE S， MIYAMOTO N， et al. Concrete surface strain measurement using Moiré fringes[J]. Construction and Building Materials，2014（67）：115-120.
[6] LI Y， CAO Y P， HUANG Z F， et al. A three dimensional on-line measurement method based on five unequal steps phase shifting[J]. Optics Communication，2012，285（21/22）：4285-4289.
[7] HUO J C， WU Q Y， ZENG X J. A technique of phase-shifting for 3-D measurement using spectral-transform[J]. Optics and Lasers in Engineering，2013，51（10）：1133-1137.
[8] 海青，沈忱. 三維激光扫描仪在特殊地貌测量中的应用研究[J]. 测绘与空间地理信息，2016，39（3）：181-183.
[9] 刘会云，李永强，刘文龙，等. 三维激光扫描仪平缓地形分区扫描方法研究[J]. 测绘工程，2015（4）：6-10.
[10] 曹之乐，严中红，王洪. 双目立体视觉匹配技术综述[J]. 重庆理工大学学报（自然科学），2015，29（2）：70-75.
[11] 李靖，王炜，张茂军. 双目立体视觉和编码结构光相结合的三维重建方法[J]. 计算机应用，2012，32（2）：154-158.
[12] 唐正宗，梁晋，肖振中，等. 大变形测量数字图像的种子点匹配方法[J]. 西安交通大学学报，2010，44（11）：51-55.
[13] 唐正宗，梁晋，肖振中，等. 用于三维变形测量的数字图像相关系统[J]. 光学精密工程，2010，18（10）：2244-2253.
[14] PAN B， ASUNDI A， XIE H， et al. Digital image correlation using iterative least squares and pointwise least squares for displacement field and strain field measurements[J]. Optics and Lasers in Engineering，2009，47（7/8）：865-874.
（编辑：商丹丹）