论文部分内容阅读
基于机器视觉的线结构光测量系统具有结构简单、成本低、非接触、效率高等优点,在形状测量、状态监测、物体识别等诸多领域具有广泛应用。其测量高亮表面或带有复杂几何纹理表面时,存在噪声大、测量精度难以保证等问题。针对上述问题,对传感器曝光时间进行了自适应控制研究,以达到获取高质量光条图像的目的,进而提升了对具有不同表面特性工件的测量精度。本文对线结构光测量系统中的传感器参数自适应控制方法进行了研究,主要工作及创新点包括:1)根据激光三角原理,搭建了线结构光测量系统,该系统主要由控制子系统、视觉测量子系统、工作台运动子系统等组成。对系统硬件进行了选型,并且在Visual Studio 2010平台上进行了系统软件的开发;2)实现了基于参考靶标的线结构光传感器标定,给出激光平面方程的计算方法,建立了运动坐标系,计算了相机坐标系到运动坐标系的坐标变换矩阵,进而实现了像素坐标系到运动坐标系之间的转换;3)提出了一种基于BP神经网络的结构光光条中心提取方法,给出了使用BP神经网络实现光条中心提取的基本原理,训练网络所需的理想中心点的求取方法,以及网络权值的调整算法,并对影响中心提取的因素进行了分析。所提方法能同时满足精度好、效率高的要求,并且克服了在不同曝光时间下运用Steger法进行光条中心提取时出现中心点丢失和冗余中心点问题;4)利用曝光时间与激光光条截面平均宽度在一定曝光时间内的线性关系,提出了一种线结构光传感器曝光时间的自适应控制方法。给出了基于BP神经网络的光条宽度计算方法,该方法能够在保证计算精度的同时显著提升计算效率,从而保证了控制的实时性需求。在测量高亮表面或带有复杂几何纹理表面时,能够自适应的控制传感器曝光时间,以获取高质量的激光光条图像,使光条截面平均宽度控制在理想宽度范围内。该方法调整速度较快,调节后的光条图像中心提取精度更高,被测工件表面的三维测量数据更加丰富。本文依据激光三角原理搭建了线结构光测量系统,在此系统上实现了线结构光传感器曝光时间的自适应控制。实验表明,本文所提方法能够自适应的控制传感器曝光时间,测量高亮表面或带有复杂几何纹理表面时,仍然能够获取高质量的激光光条图像,实现被测物体表面的快速、精确测量。