CN102565081B - 基于圆结构光视觉检测三维数据点的管道缺陷检测方法 - Google Patents

Abstract

基于圆结构光视觉检测三维数据点的管道缺陷检测方法属于对管道内壁缺陷进行无损检测领域。管道作为常用气体和液体的传输手段，其截面形状、管壁形貌等对流动流体的动态性能有着显著的影响。该方法利用圆结构光视觉检测系统获取的三维数据点的结构特点，采用同一圆周上相邻点法矢量夹角突变来判定缺陷，判定方法简单有效。该缺陷检测方法获取的三维数据点而不是基于二维灰度图像进行管道缺陷的判定，准确率和精度都大大提高。

Description

基于圆结构光视觉检测三维数据点的管道缺陷检测方法

技术领域

本发明属于管道缺陷检测领域。

背景技术

管道作为常用气体和液体的传输手段，其截面形状、管壁形貌等对流动流体的动态性能有着显著的影响。管道内壁缺陷、腐蚀、使用过程中的破损等对生产的安全性有重要影响，因而对管道内壁缺陷进行无损检测，尽早发现缺陷，对于减少事故的发生和避免经济损失具有重要意义。目前针对管道内表面的缺陷检测方法主要有：

(1)天津大学宋丽梅等人基于单幅图像恢复三维形貌的基本原理，从影响灰度的因素出发，根据单幅测量图像中的灰度信息，确定图像灰度与物体表面法矢的关系，进而得到物体表面的三维坐标。通过判断测点深度与标准深度的差别，识别每个工件是否存在深度缺陷。但是采集图像的灰度与物体可见表面的几何形状、光源的入射强度和方向、摄像机相对物体的方位和距离、物体表面的反射特性等因素有关，因此缺陷检测精度较低。

(2)Osama Moselh等人通过图像灰度信息来对图像进行特征提取和模式识别，并对自来水管和下水道管进行表面缺陷检测。但该方法直接采用二维图像灰度信息判断管道内表面缺陷，不能获取缺陷的深度信息，同时受管道材质、光照等因素影响较大。同样该方法由于直接依赖于图像灰度信息，具有一定的不直观性，且测量精度有待提高。

(3)浙江大学吴恩启等人基于位置敏感器(PSD)、形貌检测器等设备提出了一种适于管道内壁缺陷检测和三维测量的计算模型和测量方法。当管道无缺陷时，由形貌检测器得到的离散点组成完整的圆；否则，离散点组成的是一条三维曲线，有缺陷部位的点在Z向的坐标发生突变。该方法虽然能很好的检测出管道内壁对应截面的形貌信息，但只能实现管道内任意一点精确的三维测量，需要多次扫描才能实现一个截面的测量，且整个测量过程依赖于系统参数，具有一定的局限性。

通过分析上述几种管道内表面检测方法可知，上述缺陷检测技术存在以下不足：

1)基于图像灰度信息判断管道缺陷检测不能获取缺陷高精度的深度信息，且会受到管道材质，光照等外界因素的影响，缺陷检测精度较低。

2)基于位置敏感器的管道缺陷检测方法可以获取精确的三维信息，但测量方式为单点检测，需要扫描装置多次测量才能获取一个管道截面的精确三维信息，存在扫描结构复杂，测试效率低的缺点。

发明内容

针对目前管道内表面缺陷检测方法不足，利用圆结构光视觉测量系统获取管道内表面大量精确三维数据点，发明一种基于法矢夹角突变法实现缺陷部位的快速检测和精确定位的方法，该发明具有检测高效、精确的特点，且能快速、精确地实现管道内壁缺陷的可视化。

本发明基于圆结构光视觉检测原理，对圆结构光获取的管道内壁三维数据进行数据精简后，通过比较同一圆周上相邻点之间法矢夹角的突变来检测管道缺陷，并基于VC++程序语言利用OpenGL对管道内壁形貌三维重构。该方法由于直接对管道内壁点云数据进行处理，具有简单精确的特点，且能快速、精确地实现管道内壁缺陷的可视化。

1.基于圆结构光视觉检测三维数据点的管道缺陷检测方法，其特征在于：

圆结构光投射器向管道内壁投射结构光，圆锥曲面结构光和管道内表面相交形成明亮的圆形闭合光条，位于管道内的摄像机拍摄内表面光条图像，经图像采集卡传输到计算机，由计算机对获取的管道内表面光条图像进行光条中心的亚像素特征提取，基于光学三角法计算出管道内表面三维信息；测量时管道沿轴向移动，摄像机获得多幅管道内壁不同轴向位置的图像，进而计算得出整个管道内表面的三维信息；

基于每个圆结构光光条获取的管道内表面三维数据点以一个圆周的形式存在，获取n个三维数据点；每个点的切向量和法向量相垂直；圆周上任意一点的切向量垂直于圆周半径，而法向量则和半径重合；

对于同一圆周上的任意两个相邻点P_i，P_i+1，假设其法向量分别为n_i，n_i+1，则这两点之间的法矢夹角θ为：

$\mathrm{\θ}=\arccos \left(\frac{n_i\·n_{i+1}}{\left|n_i\right|\left|n_{i+1}\right|}\right)$

设定无缺陷时相邻点的法矢量的夹角阈值为θ_threshold，当检测到圆周上相邻点之间的法矢量夹角θ＞θ_threshold时；则判定该相邻点处存在缺陷，即相邻两点之间的法矢夹角θ会在缺陷点处发生突变；

且设第i+1个点P_i+1的坐标为(x_i+1，y_i+1，z_i+1)，则该点到管道内壁圆心的距离d为：

$d=\sqrt{{(x_{i+1}-x_0)}^2+{(y_{i+1}-y_0)}^2+{(z_{i+1}-z_0)}^2}$

其中，x₀，y₀，z₀为管道内壁圆心坐标，该圆心坐标通过对圆周上三维点的坐标拟合得到；如果d＞r_upper并且θ-θ_threshold＞0，则此点处管道内壁为凹陷，P_i+1为缺陷点；如果d＜r_lower并且θ-θ_threshold＞0，则此点处管道内壁为凸起；其中，r_upper和r_lower分别为管道半径的上下限阈值；r_upper上限阈值取为大于管道半径0.05cm，r_lower下限阈值取为小于管道半径0.05cm；θ_threshold根据管道圆周上获取的三维数据点的个数确定，即θ_threshold＝360/n，其中n为管道圆周上数据点总个数。

该缺陷检测方法的优点主要有：

(1)该方法基于获取的三维数据点而不是基于二维灰度图像进行管道缺陷的判定，准确率和精度都大大提高。

(2)该方法利用圆结构光视觉检测系统获取的三维数据点的结构特点，采用同一圆周上相邻点法矢量夹角突变来判定缺陷，判定方法简单有效。

附图说明

图1圆结构光视觉检测系统结构图；

图2无缺陷管道内相邻点的法矢夹角；

图3有缺陷管道相邻点的法矢夹角；

图4顶点及相邻三角形法矢；

图5(a)为采用仿真三维数据得到的一段无缺陷管道内表面三维形貌图，5(b)为对该点云数据进行三角剖分后的三维重构结果，5(c)为对三角剖分之后的图形引入光照后进行曲面重构的结果。

图6(a)为利用三维数据点得到的凸起管道表面三维形貌图、图6(b)为对该组点云数据进行三角剖分之后的三维显示图形，其中红色部位为利用法矢量夹角突变的检测方法检测到的凸起缺陷；图6(c)为对三角剖分之后引入光照条件对缺陷管道内壁曲面重构结果。

图7(a)为利用三维数据点得到的凹坑管道表面三维形貌图、图7(b)为对该组点云数据进行三角剖分之后的三维显示图形，其中红色部位为利用法矢量夹角突变方法检测到的凹坑缺陷；图7(c)为三角剖分后引入光照条件缺陷的管道内壁进行曲面重构的结果。

图8(a)为利用三维数据点得到的凸起管道表面三维形貌图、图8(b)为对该组点云数据进行三角剖分之后的三维显示图形，其中红色部位为利用法矢量夹角突变的检测方法检测到的凸起缺陷；图8(c)为对三角剖分之后引入光照条件对缺陷管道内壁曲面重构结果。

具体实施方式

三维点云数据获取的圆结构光视觉检测系统

圆结构光视觉检测技术系统结构如图1示：圆结构光投射器向管道内壁投射结构光，圆锥曲面结构光和管道内表面相交形成明亮的圆形闭合光条，当管道内表面存在凸起或凹陷时，圆光条会被管道内表面的形状信息调制，使得光条形状发生改变，因此光条反映了管道内壁的三维形貌。位于管道内的摄像机拍摄内表面光条图像，经图像采集卡传输到计算机，由计算机对获取的管道内表面光条图像进行光条中心的亚像素特征提取，基于光学三角法计算出管道内表面三维信息。测量时管道沿轴向移动，摄像机可以获得多幅管道内壁不同轴向位置的图像，进而计算得出整个管道内表面的三维信息。

三维点法矢突变缺陷检测原理

基于圆结构光投射器的管道内表面视觉检测系统获取的管道内表面三维数据点分布特点为不同截面处的三维数据点和圆光条形状一致，相邻截面的三维数据点沿管道轴向相差轴向移动距离，因此基于每个圆结构光光条获取的管道内表面三维数据点以一个圆周的形式存在，每个点的切向量和法向量相垂直。圆周上任意一点的切向量垂直于圆周半径，而法向量则和半径重合。对于无缺陷的光滑圆形管道如图2示，圆周上的点分布相对较均匀，P_i、P_i+1为圆周上相邻两点，其法向量分别为n_i和n_i+1，对应的切向量分别为t_i，，t_i+1。当圆周表面光滑连续时圆周上相邻点的切向量的方向夹角很小，因此其切向量的变化认为是连续，相应的圆周上相邻点的法矢夹角θ很小。相反当管道内壁存在缺陷时如图3示，P_i和P_i+1，P_j和P_j+1分别为管道圆周上相邻两点，P_i+1和P_j的切向量分别在缺陷处发生较大变化，与其相邻点处的切向量的变化不连续，因此P_i和P_i+1，P_j和P_j+1的法向量夹角θ_i、θ_j和平滑时相邻点的法向量夹角相比发生突变。相应地在P_i+1到P_j缺陷范围内任意相邻两点的法向量夹角θ和平滑时相邻点的法向量夹角相比发生突变。由图2和图3可知，通过比较同一圆周上相邻点之间的法矢夹角是否发生突变可检测管道内表面是否存在缺陷。

基于圆结构光三维点的缺陷检测过程

1)点法矢估算

圆结构光视觉检测系统获取的管道内壁三维数据点不是独立存在的，它们分别和其邻近点共同作用组成空间曲面，这个过程叫做三角网格化。三角网格化的曲面几何特征可以表征构成曲面上三维点的几何特征，因此可以用曲面法矢估算曲面上点的法矢。

空间点云数据三角网格化后，在点P₀周围有m个点P_i(i＝1，2Λ，m)与之相邻，m个三角形所在的各平面有m个法矢n₁，n₂，Λ，n_m，如图4所示。

由P₀，P_i，P_i+1所组成的三角形的法矢n_i为：

$n_i=\frac{(P_i-P_0)\×(P_{i+1}-P_0)}{\left|\right|(P_i-P_0)\×(P_{i+1}-P_0)\left|\right|},i=\mathrm{1,2},\mathrm{\Λ},m$

由P₀，P_i，P_i+1所组成的三角形的面积s_i为：

$s_i=\frac{\left|\right|(P_i-P_0)\×(P_{i+1}-P_0)\left|\right|}{2},i=\mathrm{1,2},\mathrm{\Λ},m$

加权平均后，点P₀处法矢n_p0为：

$n_{p0}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_i{n}_i}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{s}_i}$

2)管道缺陷的判定

由空间几何可知，对于同一圆周上的任意两个相邻点P_i，P_i+1，假设其法向量分别为n_i，n_i+1，则这两点之间的法矢夹角θ为：

$\mathrm{\θ}=\arccos \left(\frac{n_i\·n_{i+1}}{\left|n_i\right|\left|n_{i+1}\right|}\right)$

由图2、图3可知，对于无缺陷管道圆周，相邻两点之间的法矢夹角θ很小。设定无缺陷时相邻点的法矢量的夹角阈值为θ_threshold，当检测到圆周上相邻点之间的法矢量夹角θ＞θ_threshold时；则可判定该相邻点处存在缺陷，即相邻两点之间的法矢夹角θ会在缺陷点处发生突变。

设第i+1个点P_i+1的坐标为(x_i+1，y_i+1，z_i+1)，则该点到管道内壁圆心的距离d为：

$d=\sqrt{{(x_{i+1}-x_0)}^2+{(y_{i+1}-y_0)}^2+{(z_{i+1}-z_0)}^2}$

其中，x₀，y₀，z₀为管道内壁圆心坐标，该圆心坐标通过对圆周上三维点的坐标拟合得到。如果d＞r_upper并且θ-θ_threshold＞0，则此点处管道内壁为凹陷，P_i+1为缺陷点；如果d＜r_lower并且θ-θ_threshold＞0，则此点处管道内壁为凸起。其中，r_upper和r_lower分别为管道半径的上下限阈值。θ_threshold根据管道圆周上获取的三维数据点的个数确定，即θ_threshold＝360/n，其中n为管道圆周上数据点总个数。

本发明依据圆结构光获取数据的特点，构造管道内壁仿真数据和基于圆结构光视觉检测系统的实际测试数据验证缺陷检测方法的正确性。仿真数据点以空间圆周的形式独立存在，通过空间圆周三维点模拟一段管道内壁的三维形貌信息。本发明基于VC++程序开发平台，利用OPGL三维重构工具，进行了缺陷的检测和三维显示。

图5(a)为采用仿真三维数据得到的一段无缺陷管道内表面三维形貌图，5(b)为对该点云数据进行三角剖分后的三维重构结果，5(c)为对三角剖分之后的图形引入光照后进行曲面重构的结果。

图6(a)、6(b)、6(c)为采用仿真数据对管道内壁上存在圆柱形凸起管道缺陷检测的结果。图6(a)为利用三维数据点得到的凸起管道表面三维形貌图、图6(b)为对该组点云数据进行三角剖分之后的三维显示图形，其中红色部位为利用法矢量夹角突变的检测方法检测到的凸起缺陷；图6(c)为对三角剖分之后引入光照条件对缺陷管道内壁曲面重构结果。

图6为采用仿真数据对管道内壁上存在圆柱形凸起管道缺陷检测的结果。实验数据由14个圆周上三维数据点组成，圆周半径5cm，待检测缺陷点到圆心的距离与管道半径之间的上下限的阈值r_upper和r_lower分别为5.05cm和4.95cm，相邻点之间的法矢夹角阈值θ_threshold取5.5°

图7(a)、7(b)、7(c)为采用仿真数据对管道内壁上存在凹坑管道数据缺陷检测结果。图7(a)为利用三维数据点得到的凹坑管道表面三维形貌图、图7(b)为对该组点云数据进行三角剖分之后的三维显示图形，其中红色部位为利用法矢量夹角突变方法检测到的凹坑缺陷；图7(c)为三角剖分后引入光照条件缺陷的管道内壁进行曲面重构的结果。

图8(a)、8(b)、8(c)为利用圆结构光视觉检测系统测量的管道内壁三维数据检测的管道内表面凸起缺陷。图8(a)为利用三维数据点得到的凸起管道表面三维形貌图、图8(b)为对该组点云数据进行三角剖分之后的三维显示图形，其中红色部位为利用法矢量夹角突变的检测方法检测到的凸起缺陷；图8(c)为对三角剖分之后引入光照条件对缺陷管道内壁曲面重构结果。

图8为利用圆结构光视觉检测系统测量的管道内壁三维数据检测的管道内表面凸起缺陷。由11个圆周数据上三维点组成，精简后数据为2123个点。圆周半径为44.5mm，待检测缺陷点到圆心的距离与管道半径之间的上下限的阈值r_upper和r_lower分别为42.0mm和47.0mm，相邻点之间的法矢夹角阈值θ_threshold取2.0°。

目前，管道检测技术正朝着快速诊断、识别缺陷，并对管道内表面瑕疵进行精确三维测量及直观显示管壁缺陷的方向发展。本发明针对圆结构光视觉检测方法获取的三维数据点，通过判定同一圆周上相邻两点之间法矢量夹角的突变来检测管道内壁缺陷，并利用OpenGL实现了管道内壁的三维重构。该缺陷检测方法的优点主要有：

(3)该方法基于获取的三维数据点而不是基于二维灰度图像进行管道缺陷的判定，准确率和精度都大大提高。

(4)该方法利用圆结构光视觉检测系统获取的三维数据点的结构特点，采用同一圆周上相邻点法矢量夹角突变来判定缺陷，判定方法简单有效。

Claims (1)

1.基于圆结构光视觉检测三维数据点的管道缺陷检测方法，

圆结构光投射器向管道内壁投射结构光，圆锥曲面结构光和管道内表面相交形成明亮的圆形闭合光条，位于管道内的摄像机拍摄内表面光条图像，经图像采集卡传输到计算机，由计算机对获取的管道内表面光条图像进行光条中心的亚像素特征提取，基于光学三角法计算出管道内表面三维信息；测量时管道沿轴向移动，摄像机获得多幅管道内壁不同轴向位置的图像，进而计算得出整个管道内表面的三维信息；

其特征在于：基于每个圆结构光光条获取的管道内表面三维数据点以一个圆周的形式存在，获取n个三维数据点；每个点的切向量和法向量相垂直；圆周上任意一点的切向量垂直于圆周半径，而法向量则和半径重合；

对于同一圆周上的任意两个相邻点P_i，P_i+1，假设其法向量分别为n_i,n_i+1，则这两点之间的法矢夹角θ为：

$\mathrm{\θ}=\arccos \·\left(\frac{n_i\·n_{i+1}}{\left|n_i\right|\left|n_{i+1}\right|}\right)$

设定无缺陷时相邻点的法矢量的夹角阈值为θ_threshold，当检测到圆周上相邻点之间的法矢量夹角θ>θ_threshold时；则判定该相邻点处存在缺陷，即相邻两点之间的法矢夹角θ会在缺陷点处发生突变；

且设第i+1个点P_i+1的坐标为(x_i+1,y_i+1,z_i+1)，则该点到管道内壁圆心的距离d为：

$d=\sqrt{{(x_{i+1}-x_0)}^2+{(y_{i+1}-y_0)}^2+{(z_{+1}-z_0)}^2}$

其中，x₀,y₀,z₀为管道内壁圆心坐标，该圆心坐标通过对圆周上三维点的坐标拟合得到；如果d>r_upper并且θ-θ_threshold>0，则此点处管道内壁为凹陷，P_i+1为缺陷点；如果d<r_lower并且θ-θ_threshold>0，则此点处管道内壁为凸起；其中，r_upper和r_lower分别为管道半径的上下限阈值；r_upper上限阈值取为大于管道半径0.05cm，r_lower下限阈值取为小于管道半径0.05cm；θ_threshold根据管道圆周上获取的三维数据点的个数确定，即θ_threshold=360/n，其中n为管道圆周上数据点总个数。

Images