CN102564347A - 基于达曼光栅的物体三维轮廓测量装置及测量方法 - Google Patents

Abstract

一种基于达曼光栅的物体三维轮廓测量装置及测量方法，该装置由激光器、准直透镜、达曼光栅、投影透镜、两个数码相机、传输线和计算机构成，所述激光器出射激光依次经过准直透镜、达曼光栅、投影透镜后形成矩形点阵光束照明被测物表面，被测物测量区域的图像由两个数码相机采集通过传输线输入计算机，经计算机数据处理后获得被测物局部三维形貌信息，通过移动被测物或改变装置位置实现被测物全区域三维形貌信息的测量，获得物体三维轮廓信息。本发明具有点阵规则、信噪比高、测量适应性强，测量精度高，装置结构简单、成本低、重量轻、应用场合广等优点，便于计算机对三维轮廓重构过程的简化，可以实现自动测量，具有重要的实用价值和前景。

Description

基于达曼光栅的物体三维轮廓测量装置及测量方法

技术领域

本发明涉及物体三维轮廓测量，特别是一种基于达曼光栅的物体三维轮廓测量装置和测量方法。

背景技术

随着国内制造业向数字制造领域的迈进，对复杂曲面的三维面形测量的需求也越来越迫切，物体三维轮廓测量技术在国内制造业的应用也更加广泛，如航空航天、汽车工业、临床医疗等领域。在诸多的三维轮廓测量技术中，主动式光学三维轮廓测量技术，由于其非接触、无损、全场、高分辨率和易于实现自动化等优点，更是得到了人们的极大关注。并且近年来人们同样意识到机器人视觉领域三维测量的重要性，对主动式光学三维轮廓测量技术的研究日益增加。

现有主动式光学三维轮廓测量技术主要有傅立叶变换法、相位测量法、灰度编码法和颜色编码法等。

傅立叶变换法结构简单且测量精度较高，但是对于复杂曲面，会产生泄漏、混淆和栅栏效应引起的误差，且投影线条容易发生混叠并带来频率泄漏和相位展开的不连续，无法获得有效数据。

相位测量法通过相移技术获取多幅不同相位的图像实现精确的相位展开从而得到较高的测量精度，但是相移技术测量时间过长，测量过程中要求样品和测量装置位置关系严格不变，给实际测量带来不便和诸多限制。

彩色编码法以彩色编码图案或灰度编码图案作为物体三维信息的加载和传递工具，通过对颜色信息或灰度进行分析解码得到三维轮廓数据，该方法受物体表面颜色和拍摄条件影响较严重，应用场合有限。

综上所述，上述现有技术除了存在系统结构复杂的缺点以外，前述技术均对测量环境和光照条件要求苛刻，也限制了其在复杂照明条件及机器人视觉领域的深入应用。

空间坐标调制型的二值相位光栅由Dammann和Gortle于1971年发明【在先技术1：H.Dammann and K.Gortler，Opt.Comm.1971，3(3)：312～315】。它作为夫琅禾费型光学器件，入射光波经过它产生的夫琅禾费衍射图样是一定点阵数目的等光强光斑，完全避免了一般振幅光栅因sinc函数强度包络所引起的谱点光强的不均匀分布。1995年周常河给出了从2到64点阵的达曼光栅解【在先技术2：C.H.Zhou，L.R.Liu，Appl.Opt.，1995，34(26)，5961～5969】，之后设计了与大多数光学系统相配的圆形达曼光栅，并详细地分析了相位制作误差及侧壁腐蚀误差对光栅性能的影响【在先技术3：C.H.Zhou，J.Jia，L.R.Liu，Opt.Lett.，2003，27(22)：2174～2176】。

基于钻孔铜片可以获取三维表面数据，其原理是利用钻孔铜片产生的点阵照射到被测物表面后，利用数码相机拍摄变形的点阵图片并最终求解出物体三维轮廓。但是该方法的问题是阵列孔薄铜片是难以形成规则点阵，光点阵列质量差。如果孔的直径比较大，则投射出的光点太大，测量精度无法保证，同时也对照明光源的准直及匀光提出了苛刻要求；如果铜孔的直径太小，投影光点存在衍射干扰无法保证投射点阵的形状。由于每个光点光强空间分布是均匀的，抗干扰能力低、测量信噪比差、测量分辨率低。同时绝大部分激光能量均被铜板阻挡，系统能量利用率非常低，测量环境要求苛刻。

达曼光栅将光源能量均匀地分布在各个衍射级次上，并且各个衍射级次的相对空间位置严格固定且可以精确求解，通过合适的光学系统设计，可精确控制投影光点的尺寸，从而提高系统的测量分辨率。张军等人首次提出了基于达曼光栅的傅里叶条纹轮廓测量技术，采用达曼光栅配合柱面镜替代传统的条纹产生方案，具有能量利用率高、投影条纹分布均匀、压缩比大以及条纹清晰明亮等优点，有效解决了传统傅里叶条纹法能量利用率低、条纹压缩比小等问题，但是其仍然属于傅里叶轮廓术的范畴【参见在先技术4：J.Zhang，C.H.Zhou，X.X.Wang，Three DimensionalProfilometry using Dammann Grating，Appl Opt，2009，48(19)，3709-3715】。

发明内容

本发明目的是提出一种基于达曼光栅的物体三维轮廓测量装置和测量方法，该装置具有测量精度高、装置结构简单、成本低、点阵图案可调、能量利用率高、适用于复杂照明环境、三维轮廓数据计算机重构方便等优点。

本发明的技术解决方案如下：

一种物体三维轮廓测量装置，其特点是该装置有激光器、准直透镜、达曼光栅、投影透镜、左数码相机、右数码相机、传输线、控制线和计算机构成，各部件的连接关系是：所述的激光器出射激光依次经过准直透镜、达曼光栅、投影透镜后形成矩形点阵图案并照明被测物表面，被测物被照明区域由所述的左数码相机和右数码相机同步采集的图像通过传输线输入计算机并经过图像数据处理和点云数据处理后获得被测物局部三维形貌信息，通过移动被测物或改变装置位置实现被测物全区域三维形貌信息的测量，获得物体三维轮廓信息。

所述激光器指波长稳定的单波长激光器。

所述准直透镜指实现激光器出射光实现缩束准直作用的光学镜头。

所述达曼光栅指将一束入射激光分束成NxM束激光点阵且点阵光强度均匀分布的微结构光学元件，N和M为正整数。对所述激光器波长的所述达曼光栅的衍射图样为矩形分布规则点阵，点阵间距可通过设计达曼光栅来控制。

所述投影透镜指将达曼光栅分束点阵光高频滤波后并低畸变投影至被测物表面的光学镜头。

所述左数码相机和右数码相机分别放置在投影光学系统两侧，与投影光轴成一定夹角。相机分别同时对被测物拍摄后并将图像同步采集传送至计算机。传送至计算机的时间序列图像数据经过计算机图像和点云数据处理后，便可以获取的物体表面轮廓的点云数据并实现物体三维轮廓重建。

所述计算机具有图像采集接口、激光器控制接口和三维轮廓测量重建软件。

利用上述物体三维轮廓测量装置进行物体三维轮廓测量的方法，包括以下步骤：

①调整投影透镜与被测物处于适当距离，使所述达曼光栅分束后通过所述投影透镜产生的矩形分布点阵光均匀照明在被测物待测区域表面上；

②通过所述的左数码相机、右数码相机对被测物进行同步图像采集，设定t时刻左数码相机和右数码相机采集的图像分别为I_L(t)和I_R(t)，通过所述计算机的图像处理后获得包含物体被测区域的部分轮廓信息的点云数据P(t)；

③通过改变被测物体测量部位，不断测量并得到不同部位(不同测量时刻t)的独立点云数据集合{P(t)}。该{P(t)}通过所述计算机的点云数据处理后得到物体的全视角点云数据P_F，并还原出物体三维轮廓信息，完成物体三维轮廓的测量。

所述图像处理包括同步滤波、特征匹配和点云构建三个过程。

所述的同步滤波负责将t₁时刻采集的图像I_L(t₁)和I_R(t₁)分别进入四通道同步滤波：

①第一通道进行高通滤波，并获取仅含达曼光栅零级光点信息的零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)；

②第二通道进行带通滤波剔除掉物体表面色彩信息获得仅含物体轮廓信息的变形的达曼点阵图I^D _L(t₁)和I^D _R(t₁)；

③第三通道灰度滤波，进行灰度滤波获得剔除背景噪声但包含物体表面灰度变化信息的灰度信息图I^G _L(t₁)和I^G _R(t₁)；

④第四通道降噪滤波，进行降噪滤波并获得保留物体纹理色彩信息低噪声图像I^P _L(t₁)和I^P _R(t₁)。

四个通道同步滤波得到上述四组滤波数据，上述四种滤波技术具体实现方法参见【在先技术5：章毓晋，图像工程(第二版)，清华大学出版社，2007】。

所述的特征匹配负责对左数码相机、右数码相机同时刻采集的图像对中像素点进行一一对应匹配。具体步骤包括：

①由于零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)各自的零级光点是唯一且确定的，计算零级光点图I⁰ _L(t1)和I⁰ _R(t₁)的零级光点质心，得到严格匹配的计算机图像坐标系下的光点质心坐标

和光点质心计算方法参见【在先技术6：S.Ghosal，R.Mehrotra.Orthogonal moment operators for subpixel edge detection，PatternRecognition，1993，26(2)：295-306】。

②计算图I^D _L(t₁)和I^D _R(t₁)中的所有光点质心的计算机图像平面坐标系下的质心坐标(μ_L(t₁)，v_L(t₁))和(μ_R(t₁)，v_R(t₁))，同时在图I^G _L(t₁)和I^G _R(t₁)中计算前述各光点邻域的尺度不变特征信息C_L(μ_L，v_L)和C_R(μ_R，v_R)，计算尺度不变特征信息的方法请参见在先技术7【在先技术7：D.G.Lowe，Distinctive Image Features from Scale-InvariantKeypoints，International Journal of Computer Vision，200460(2)：91-11】。

③定义I^D _L(t1)和I^D _R(t₁)图中各光点质心到各自零级光点质心距离为点离： $D_L=\sqrt{{({\mathrm{\μ}}_L-{\mathrm{\μ}}_L^0)}^2+{(v_L-v_L^0)}^2}$ 和 $D_R=\sqrt{{({\mathrm{\μ}}_R-{\mathrm{\μ}}_R^0)}^2+{(v_R-v_R^0)}^2}.$ 在I^P _R(t₁)图中寻找I^D _L(t₁)图中点距为D_L的光点

的对应匹配点结合极线约束条件，将以I^D _R(t₁)图像中以其零级光点质心为圆心，并以半径k₁D_L和k₂D_L为上下限内环带所有光点的尺度不变特征信息归入待匹配集合{G}。④设立特征信息评价函数F及阈值函数M_F，计算

C_R(μ_R，v_R)∈{G}，评价函数F值最低的C_R(μ_R，v_R)对应的光点即为匹配光点

如果最低的F值仍大于M_F则视为匹配失败放弃匹配。循环计算I^D _L(t₁)所有光点并完成所有匹配，并最终得到计算机图像平面坐标匹配表T(L，R)，从而完成特征匹配。

所述点云构建负责将上述坐标匹配表T(L，R)中与左数码相机(L)、右数码相机(R)的内外参数相结合，利用三角法将t₁时刻的计算机图像平面坐标信息全部还原为t₁时刻世界坐标系W(t₁)的三维坐标信息(Xw_t1，Yw_t1，Zw_t1)，从而完成点云构建并得到离散点云P(t₁)。所述相机内外参数获取方法参见在先技术8【Z.Zhang，A Flexible NewTechnique for Camera Calibration，IEEE Transactions on Pattern Analysis and MachineIntelligence，2000，22(11)：1330-1334】。

所述点云处理流程包括图像索引和点云拼接过程。

所述图像索引负责将时刻t_m通过前述降噪滤波得到的低噪声图像I^P _L(t)和I^P _R(t)与同一时刻t_m的点云数据P(t_m)的对应关系并建立索引函数In(P，I^P _L，I^P _R)，从而完成图像索引。

所述点云拼接负责将被测物不同测量部位的局域点云数据P(t)全都坐标变换至标准世界坐标系W_S下并得到标准点云数据P_F。具体步骤包括：①设定t₁时刻获取的点云数据P(t₁)所处的坐标系为标准世界坐标系Ws。t₁时刻的相邻下一时刻为t₂时刻，t₂时刻获取的点云数据为P(t₂)，对前述同步滤波中第四通道滤波得到的(I^P _L(t₁)、I^P _L(t₂))及(I^P _R(t₁)、I^P _R(t₂))图像的色彩和灰度信息进行全局特征快速计算，并得到前述图像的特征信息函数S_L(t₁)、S_L(t₂)和S_R(t₁)、S_R(t₂)，寻找S_L(t1)和S_L(t₂)的相同特征并建立对应关系集合{S_L(t₁，t₂)}，同理有{S_R(t₁，t₂)}。②利用特征匹配算法并结合视差梯度约束和极限约束，计算{S_L(t₁，t₂)}中I^P _L(t₁)的像素点在I^P _R(t₁)中的匹配点，同理计算{S_R(t₁，t₂)}中I^P _R(t₁)的像素点在I^P _L(t₁)中的匹配点，通过此交叉匹配过程最终确定t₁和t₂时刻的若干严格重合点。③三个严格重合点可确定点云P(t₁)和P(t₂)之间的一个欧氏变换关系R(t₂，t₁)，误差导致{X}确定了点云P(t₁)和P(t₂)之间多个欧氏变换关系即R₁(t₂，t₁)到R_N(t₂，t₁)，将所有R(t₂，t₁)组成欧氏变换集合{R(t₂，t₁)}。④根据点云的顶点法矢及曲率信息计算对P(t₁)中的每一个顶点p的脚标并得到脚标值FP(p)，对于P(t₂)中的每一顶点q有脚标值FP(q)。对于满足|FP(p)-FP(q)|≤ε的一对点(p，q)对P(t₁)和P(t₂)之间的欧氏变换关系R(t₂，t₁)有一票投票权，所有具有投票权的点对(p，q)构成投票点对集合{(p，q)}。⑤根据索引函数In为投票点对集合{(p，q)}选择可投参与投票的欧氏变换集合{R(t₂，t₁)}，并利用集合{(p，q)}中所有点对对{R(t₂，t₁)}中所有R值进行投票，得分最高的R_B就选为P(t₁)和(t₂)的欧氏变换关系，并根据R_B完成离散点云数据P(t₂)至P(t₁)点云坐标系Ws的坐标转换，获得数据扩容的点云数据P²(t₁)。⑥在测量过程重复上述过程①-⑤，将后继测量中t₃时刻获取的离散点云数据P(t₃)拼接至P²(t₁)获得P³(t₁)，同理将P(t₄)拼接至P³(t₁)得到P⁴(t₁)...等，最终将最后时刻t_N获得的离散点云拼接至P^N-1(t₁)内得到P^N(t₁)。因为P^N(t₁)的世界坐标系为标准世界坐标系W_S，P^N(t₁)就是物体在Ws坐标系下的全视角点云数据P_F。可以对点云数据P_F进行标准数据格式输出，也可以对其进行曲面拟合还原出物体三位轮廓信息。其中的曲面拟合方法参阅【在先技术9：V.Weissa，L.Andorb，G.Rennera，and T.Váradya，Advanced surface fitting techniques，Computer Aided Geometric Design，2002，19(1)：19-42】。

本发明的技术效果：

本发明将达曼光栅应用于物体三维轮廓测量装置中，由于达曼光栅具有光点光强均匀，能量利用率高和光点尺寸压缩比大的特点，因而具备点阵规则且信噪比高等优点。本发明将多摄像机计算机视觉应用于物体轮廓测量，解决了现有的表面钻孔技术控制精度要求高、点阵效果差、测量精度低、点阵光面积过大、点阵光光强不均匀、测量精度低技术、能量利用率低、测量环境要求苛刻等问题。本发明通过双目摄像机图像匹配拼接重建物体的三维形貌分布。相比现有的三维测量系统，本发明具有应用场合广、测量精度高、设备重量轻、成本低、能耗小、结构简单、实施方便等优点。

附图说明

图1为本发明物体三维轮廓测量装置框图

图2为达曼光栅的分光原理图

图3为本发明的点阵光示意图

图4为达曼光栅点阵照明石膏像示意图

图5为计算机图像处理流程图

图6为计算机点云处理流程图

具体实施方式

下面通过实施例及其附图对本发明进一步说明。

参阅图2，图2是本发明采用的达曼光栅分光的原理图，平行光入射到达曼光栅3后经过透镜4聚焦在焦平面10上。

参阅图3，图3是本发明的点阵光示意图，达曼光栅分束为NxM矩形点阵光，该点阵光强均匀且点阵间距一致，其中N和M均为正整数。

参阅图1，图1是本发明物体三维轮廓测量装置框图。由图可见，本发明基于达曼光栅的物体三维轮廓测量装置，由激光器1、准直透镜2、达曼光栅3、投影透镜4、左数码相机L、右数码相机R、传输线6、控制线7和计算机8构成，各部件的连接关系是：所述激光器1发出的光束依次经过准直透镜2、达曼光栅3、投影透镜4后，形成二维矩形投影点阵照明被测物表面5，由所述左数码相机L和右数码相机R同步采集被测量目标5表面面形调制的矩形点阵图案，经传输线6输入所述计算机8，该计算机8通过控制线7连接激光器1，所述计算机8具有图像采集接口、激光器控制接口和三维轮廓测量重建软件。

利用本发明的物体三维轮廓测量装置实施人脸石膏像三维轮廓测量为例，对本发明测量方法的测量过程说明如下：

第一步：

①调整投影透镜4与被测物-人脸石膏像5表面之间的距离，使激光器1出射光经所述达曼光栅3分束后通过所述投影透镜(4)产生的二维矩形分布点阵光均匀照明在人脸石膏像5上，计算机接受命令首先通过控制线7控制激光器1发出激光，激光器1发出的单波长激光经过准直透镜2后以准直光入射到达曼光栅3的表面，准直光束通过达曼光栅后衍射分束，形成二维矩形的点阵光束阵列。该点阵光束阵列通过投影透镜4后投影在石膏像表面上，原本矩形分布点阵光束被人脸石膏像表面调制后发生变形，变成不规则点阵，石膏像达曼光栅点阵照明效果如图4所示；

②所述的左数码相机L和右数码相机R对人脸石膏像进行同步图像采集，开始拍摄该图像对的时刻称之为起始测量时刻t₁，设定t₁时刻左数码相机(L)、右数码相机(R)采集的图像分别为左图像I_L(t₁)和右图像I_R(t₁)，通过所述计算机(8)的三维轮廓测量软件的图像处理后获得包含物体被测区域的部分轮廓信息的点云数据P(t)；

③通过改变被测物体的测量部位，重复步骤②，得到不同部位，即不同测量时刻t的独立的点云数据集合{P(t)}，该点云数据集合{P(t)}通过所述计算机(8)的三维轮廓测量软件的点云数据处理后得到物体的全视角点云数据P_F，并还原出物体三维轮廓信息，完成物体三维轮廓的测量。

第二步：通过计算机的图像处理流程处理该左右图像对后获得此起始时刻人脸石膏像被测量部位的离散点云数据。

所述的图像处理流程为：

①对所述的左图像I_L(t₁)和右图像I_R(t₁)进行四通道同步滤波，第一通道高通滤波获取仅含达曼光栅零级光点信息的零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)，第二通道带通滤波剔除掉物体表面色彩信息获取仅含物体轮廓信息的变形的达曼点阵图I^D _L(t₁)和I^D _R(t₁)，第三通道灰度滤波获取剔除背景噪声但包含物体表面灰度变化信息的灰度信息图I^G _L(t₁)和I^G _R(t₁)；第四通道进行降噪滤波并获得保留物体纹理色彩信息低噪声图像I^P _L(t₁)和I^P _R(t₁)。所述的左图像I_L(t₁)和右图像I_R(t₁)对通过四通道同步滤波后得到四组滤波数据：零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)，达曼点阵图I^D _L(t₁)和I^D _R(t₁)，灰度信息图I^G _L(t₁)和I^G _R(t₁)和低噪声图像I^P _L(t₁)和I^P _R(t₁)；

②根据前三组滤波数据，计算零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)的零级光点质心，得到匹配的计算机图像坐标系坐标

和

同步计算I^D _L(t₁)和I^D _R(t₁)中的所有光点质心的计算机图像平面坐标系坐标(μ_L(t₁)，v_L(t₁))和(μ_R(t₁)，v_R(t₁))，然后在I^G _L(t₁)和I^G _R(t₁)中计算并得到前述光点邻域的尺度不变特征信息C_L(μ_L，v_L)和C_R(μ_R，v_R)；

③定义I^D _L(t₁)和I^D _R(t₁)图中各光点质心到各自零级光点质心距离为点离： $D_L=\sqrt{{({\mathrm{\μ}}_L-{\mathrm{\μ}}_L^0)}^2+{(v_L-v_L^0)}^2}$ 和 $D_R=\sqrt{{({\mathrm{\μ}}_R-{\mathrm{\μ}}_R^0)}^2+{(v_R-v_R^0)}^2}.$ 在I^P _R(t₁)图中寻找I^D _L(t₁)图中点距为D_L的光点

的对应匹配点

结合极线约束条件，将以I^D _R(t₁)图像中以其零级光点质心为圆心，并以半径k₁D_L和k₂D_L为上下限内环带所有光点的尺度不变特征信息归入待匹配集合G；

④设立特征信息评价函数F，计算C_R(μ_R，v_R)∈G，评价函数F值最低的C_R(μ_R，v_R)对应的光点即为匹配光点

如果最低的F值仍大于评价函数阈值M_F则视为匹配失败放弃此次匹配。循环计算I^D _L(t₁)所有光点并完成所有匹配，并最终得到计算机图像平面坐标匹配表T(L，R)，从而完成特征匹配；

⑤结合坐标匹配表T(L，R)与相机L和R的内外参数，利用三角法将t₁时刻的计算机图像平面坐标信息全部还原为t₁时刻世界坐标系W(t₁)的三维坐标信息(Xw_t1，Yw_t1，Zw_t1)，从而完成点云构建并得到离散点云P(t₁)。

上述①-⑤计算机图像处理流程请参阅图5。

第三步，匀速缓慢移动本发明装置，将矩形点阵光束投影至石膏像的不同部位，通过所述的左数码相机L和右数码相机R获取t₂时刻的石膏像的左图像I_L(t₂)和右图像I_R(t₂)的图像对，重复第二步获得t₂时刻石膏像新被测部位的离散点云数据P(t₂)，并通过计算机点云处理流程将P(t₂)拼接到P(t₁)内。

所述的计算机点云处理流程为：

①建立滤波数据中时刻t_m的低噪声图像I^P _L(t)和I^P _R(t)与同一时刻t_m的点云数据P(t_m)的对应关系并建立索引函数In(P，I^P _L，I^P _R)；

②设定起始时刻t₁获取的点云数据P(t₁)所处的坐标系为标准世界坐标系Ws；

③根据相邻时刻t₁和t₂的(I^P _L(t₁)、I^P _L(t₂))及(I^P _R(t₁)、I^P _R(t₂))图像所包含的色彩和灰度信息进行全局特征快速计算并得到相邻时刻t₁和t₂低噪图像的特征信息函数S_L(t₁)、S_L(t₂)和S_R(t₁)、S_R(t₂)；

④寻找S_L(t1)和S_L(t₂)的相同特征并建立对应关系集合{S_L(t₁，t₂)}，同理有{S_R(t₁，t₂)}，同理有{S_R(t₁，t₂)}，利用特征匹配算法并结合视差梯度约束和极限约束，计算{S_L(t₁，t₂)}中I^P _L(t₁)的像素点在I^P _R(t₁)中的匹配点，同理计算{S_R(t₁，t₂)}中I^P _R(t₁)的像素点在I^P _L(t₁)中的匹配点，通过此交叉匹配过程最终确定t₁和t₂时刻的若干严格重合点{X}。三个严格重合点可确定点云P(t₁)和P(t₂)之间的一个欧氏变换关系R(t₂，t₁)，误差导致{X}确定了点云P(t₁)和P(t₂)之间多个欧氏变换关系即R₁(t₂，t₁)到R_N(t₂，t₁)，将所有R(t₂，t₁)组成欧氏变换集合{R(t₂，t₁)}；

⑤根据点云的顶点法矢及曲率信息计算对P(t₁)中的每一个顶点p的脚标并得到脚标值FP(p)，对于P(t₂)中的每一顶点q有脚标值FP(q)。对于满足|FP(p)-FP(q)|≤ε的一对点(p，q)对P(t₁)和P(t₂)之间的欧氏变换关系R(t₂，t₁)有一票投票权，所有具有投票权的点对(p，q)构成投票点对集合{(p，q)}；

⑥根据索引函数In为投票点对集合{(p，q)}选择可投参与投票的欧氏变换集合{R(t₂，t₁)}，并利用集合{(p，q)}中所有点对对{R(t₂，t₁)}中所有R值进行投票，得分最高的R_B就选为P(t₁)和(t₂)的欧氏变换关系，并根据R_B完成离散点云数据P(t₂)至P(t₁)点云坐标系Ws的坐标转换，获得数据扩容的点云数据P²(t₁)。

上述①-⑥计算机点云处理流程请参阅图6。

第四步：不断改变石膏像的测量部位，在测量过程重复前述步骤，将后继测量中t₃时刻获取的离散点云数据P(t₃)拼接至P²(t₁)获得P³(t₁)，同理将P(t₄)拼接至P³(t₁)得到P⁴(t₁)...等，最终将最后时刻t_N获得的离散点云拼接至P^N-1(t₁)内得到P^N(t₁)。因为P^N(t₁)的世界坐标系为标准世界坐标系W_S，P^N(t₁)就是石膏像在标准世界坐标系Ws下的全视角点云数据P_F。可以对点云数据P_F进行标准数据格式输出，也可以对其进行曲面拟合还原出石膏像三位轮廓信息。

本发明所述的基于达曼光栅点阵光的物体三维轮廓测量结构，具有测量适应性强，测量精度高，测量速度快，装置结构简单、成本低、重量轻、应用场合广等优点，便于计算机算法实现过程和三维轮廓重构过程的简化，可以实现自动测量，具有重要的实用价值和前景。

Claims (10)

1.一种基于达曼光栅的物体三维轮廓测量装置，其特征在于由激光器(1)、准直透镜(2)、达曼光栅(3)、投影透镜(4)、左数码相机(L)、右数码相机(R)、传输线(6)、控制线(7)和计算机(8)构成，各部件的连接关系是：所述激光器(1)发出的光束依次经过准直透镜(2)、达曼光栅(3)、投影透镜(4)后，形成二维矩形投影点阵照明被测物表面(5)，由所述左数码相机(L)和右数码相机(R)同步采集被测量目标表面(5)三维面形调制的矩形点阵图案，经传输线(6)输入所述计算机(8)进行数据处理，该计算机(8)通过控制线(7)连接激光器(1)，所述计算机(8)具有图像采集接口、激光器控制接口和三维轮廓测量重建软件。

2.根据权利要求1所述的物体三维轮廓测量装置，其特征在于所述的达曼光栅(3)的空间分束比为NxM，N和M为正整数，对所述激光器(1)发出的激光的衍射后形成二维矩形点阵光束，在被测物表面(5)表面构成均匀的NxM点阵光斑。

3.利用权利要求1所述的物体三维轮廓测量装置进行物体三维轮廓的测量方法，其特征在于该方法包括下列步骤：

①调整投影透镜(4)与被测物表面(5)之间的距离，使激光器(1)出射光所述达曼光栅(3)分束后通过所述投影透镜(4)形成二维矩形投影点阵光束照明被测物表面(5)上；

②通过所述的左数码相机(L)、右数码相机(R)对被测物进行同步图像采集，设定t时刻左数码相机(L)和右数码相机(R)采集的图像分别为I_L(t)和I_R(t)输入所述的计算机(8)，经该计算机(8)的三维轮廓测量软件的图像处理后获得包含物体被测区域的部分轮廓信息的点云数据P(t)；

③通过改变被测物体的测量部位，重复步骤②，得到不同部位，即不同测量时刻t的独立的点云数据集合{P(t)}，该点云数据集合{P(t)}通过所述计算机(8)的三维轮廓测量软件的点云数据处理后，得到物体的全视角点云数据P_F，并还原出物体三维轮廓信息，完成物体三维轮廓的测量。

4.根据权利要求3所述的物体三维轮廓的测量方法，其特征在于所述计算机图像处理的流程包括：图像同步滤波、图像特征匹配和图像点云构建。

5.根据权利要求4所述的物体三维轮廓的测量方法，其特征在于所述的图像同步滤波包括四通道图像滤波同步进行：

①第一通道高通滤波，获取仅含达曼光栅零级光点信息的零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)；

②第二通道带通滤波，剔除掉物体表面色彩信息获取仅含物体轮廓信息的变形的达曼点阵图I^D _L(t₁)和I^D _R(t₁)；

③第三通道灰度滤波，获取剔除背景噪声但包含物体表面灰度变化信息的灰度信息图I^G _L(t₁)和I^G _R(t₁)；

④第四通道降噪滤波，获取保留物体纹理色彩信息低噪声图像I^P _L(t₁)和I^P _R(t₁)；

所述的第一通道滤波数据、第二通道滤波数据和第三通道滤波数据供图像处理流程内特征匹配环节使用，第四通道滤波数据供点云处理流程使用。

6.根据权利要求4所述的物体三维轮廓的测量方法，其特征在于所述的图像特征匹配包含以下步骤：

①计算零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)的零级光点质心，得到计算机图像坐标系的零级光点图I⁰ _L(t₁)和I⁰ _R(t₁)的光点质心坐标

和

②计算物体纹理色彩信息低噪声图像I^D _L(t₁)和I^D _R(t₁)中的所有光点质心的计算机图像平面坐标系坐标(μ_L(t₁)，v_L(t₁))和(μ_R(t₁)，v_R(t₁))，同时在灰度信息图I^G _L(t₁)和I^G _R(t₁)中计算并得到所述的光点邻域的尺度不变特征信息C_L(μ_L，v_L)和C_R(μ_R，v_R)；

③定义低噪声图像I^D _L(t₁)和I^D _R(t₁)图中各光点质心到各自零级光点质心距离为点离：和

在I^P _R(t₁)图中寻找I^D _L(t₁)图中点距为D_L的光点

的对应匹配点

结合极线约束条件，将以I^D _R(t₁)图像中以其零级光点质心为圆心，并以半径k₁D_L和k₂D_L为上下限内环带所有光点的尺度不变特征信息归入待匹配集合G；

④设立特征信息评价函数F及评价函数阈值M_F，计算

C_R(μ_R，v_R)∈G，评价函数F值最低的C_R(μ_R，v_R)对应的光点即为匹配光点

如果最低的F值仍大于M_F则视为匹配失败放弃此次匹配；循环计算I^D _L(t₁)所有光点并完成所有匹配，并最终得到计算机图像平面坐标匹配表T(L，R)，从而完成特征匹配。

7.根据权利要求4所述的物体三维轮廓的测量方法，其特征在于所述的点云构建是通过将坐标匹配表T(L，R)与所述的左数码相机(L)、右数码相机(R)的内外参数相结合，利用三角法将t时刻的计算机图像平面坐标信息全部还原为t时刻世界坐标系W(t)的三维坐标信息(Xw_t，Yw_t，Zw_t)，从而完成点云构建并得到离散点云数据P(t)。

8.根据权利要求3所述的物体三维轮廓的测量方法，其特征在于所述的点云数据处理包括图像索引和点云拼接过程。

9.根据权利要求8所述的物体三维轮廓的测量方法，其特征在于所述的图像索引是建立时刻t_m的低噪声图像I^P _L(t_m)和I^P _R(t_m)与同一时刻t_m的点云数据P(t_m)的对应关系，并建立索引函数In(P，I^P _L，I^P _R)。

10.根据权利要求8所述的物体三维轮廓的测量方法，其特征在于所述的点云拼接包括以下步骤：

①设定t₁时刻获取的点云数据P(t₁)所处的坐标系为标准世界坐标系Ws，t₁时刻的相邻下一时刻为t₂时刻，t₂时刻获取的点云数据为P(t₂)，对所述的第四通道降噪滤波，获取保留物体纹理色彩信息低噪声图像I^P _L(t₁)、I^P _L(t₂))及(I^P _R(t₁)、I^P _R(t₂)的色彩和灰度信息进行全局特征快速计算，得到相应的I^P _L(t₁)、I^P _L(t₂))及(I^P _R(t₁)、I^P _R(t₂)图像的特征信息函数S_L(t₁)、S_L(t₂)和S_R(t₁)、S_R(t₂)，寻找S_L(t₁)和S_L(t₂)的相同特征并建立对应关系集合{S_L(t₁，t₂)}，同理有{S_R(t₁，t₂)}；

②利用特征匹配算法并结合视差梯度约束和极限约束，计算{S_L(t₁，t₂)}中I^P _L(t₁)的像素点在I^P _R(t₁)中的匹配点，同理计算{S_R(t₁，t₂)}中I^P _R(t₁)的像素点在I^P _L(t₁)中的匹配点，通过此交叉匹配过程最终确定t₁和t₂时刻的若干严格重合点{X}；

③根据{X}确定点云数据P(t₁)和P(t₂)之间多个欧氏变换关系，即R₁(t₂，t₁)到R_N(t₂，t₁)，将所有R(t₂，t₁)组成欧氏变换集合{R(t₂，t₁)}，根据点云的顶点法矢及曲率信息计算对P(t₁)中的每一个顶点p的脚标并得到脚标值FP(p)，对于P(t₂)中的每一顶点q有脚标值FP(q)，对于满足|FP(p)-FP(q)|≤ε的一对点(p，q)对P(t₁)和P(t₂)之间的欧氏变换关系R(t₂，t₁)有一票投票权，所有具有投票权的点对(p，q)构成投票点对集合{(p，q)}；

④根据索引函数In为投票点，投票点对集合{(p，q)}选择可投参与投票的欧氏变换集合{R(t₂，t₁)}，并利用投票点对集合{(p，q)}中所有具有投票权的点对(p，q)对欧氏变换关系{R(t₂，t₁)}中所有R值进行投票，得分最高的R值写为R_B，就选为P(t₁)和(t₂)的欧氏变换关系，并根据R_B完成离散点云数据P(t₂)至P(t₁)点云坐标系Ws的坐标转换，获得数据扩容的点云数据P²(t₁)；

⑤在测量过程重复上述过程①-⑤，将后继测量中t₃时刻获取的离散点云数据P(t₃)拼接至P²(t₁)获得P³(t₁)，同理将P(t₄)拼接至P³(t₁)得到P⁴(t₁)，…，最终将最后时刻t_N获得的离散点云拼接至P^N-1(t₁)内得到P^N(t₁)，因为P^N(t₁)的世界坐标系为标准世界坐标系W_S，P^N(t₁)就是物体在标准世界坐标系Ws下的全视角点云数据P_F。

Images