CN105758312A - 一种绝对式光栅尺及其条纹边界定位方法 - Google Patents

Abstract

本发明公开了一种绝对式光栅尺及其条纹边界定位方法，该条纹边界定位方法包括步骤：S1、对图像传感器采集获得的条纹图像进行高斯滤波；S2、采用边缘自动检测算法对高斯滤波后的位于测量参考点之后的条纹图像进行图像边缘定位，获得光栅条纹的像元级边缘位置；S3、采用多项式插值算法对最接近测量参考点的明暗条纹突变处的像元级边缘位置进行插值运算后，获得光栅条纹的亚像元级边缘位置。本发明可以准确地定位到光栅条纹边界的位置，提高绝对式光栅尺的测量精度，而且算法简单，处理时间短，实时性较好，易于在FPGA、DSP等平台上实现，适用性强，可广泛应用于光栅测量行业中。

Description

一种绝对式光栅尺及其条纹边界定位方法

技术领域

本发明涉及光栅尺领域，特别是涉及一种绝对式光栅尺及其条纹边界定位方法。

背景技术

用于位置测量的编码器，在机械加工业中有很多广泛的应用，其性能影响到机械加工质量。目前，公知的用来精密测量物体的移动位移的工具的编码器主要包括增量式和绝对式两种。其中绝对式编码器在逐渐得到较多的应用。其主要优点就是不需要寻找参考原点，可以在断电后，任何给电时对位置进行测量，无需“归零”操作，因此在数控机床上有很广泛的应用前景。

一般的单轨道绝对式编码器，除了带有绝对位置信息的绝对码道外，还带有用来产生细分位置信息的增量码道。绝对码道的分辨率相对增量码道比较低，为了提高绝对码道的分辨率往往采用光学放大装置和光敏元中心距更小的光电探测器，开发周期长并且成本高。

另外，目前绝对式光栅尺的最主要的解码难度在于光栅条纹的边界定位，现有的技术，已有的研究者虽然提出了一些条纹图像的边缘定位方法，例如传统的canny边缘提取，SRM，Ncut等方法，但是这些方法并不适用于光栅条纹的图像处理，因为难以克服高噪声的影响，并且算法实现起来比较复杂，处理时间长，实时性差，不易在FPGA、DSP等平台上实现，适用性差。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种绝对式光栅尺及其条纹边界定位方法。

本发明解决其技术问题所采用的技术方案是：

一种绝对式光栅尺，包括平行光源、标尺光栅、光学放大系统、图像传感器以及信号处理模块，所述标尺光栅上设有绝对码道，所述绝对码道由多个宽度相同的随机透光或不透光的码元构成，其编码规则采用伪随机码且若干个连续的码元构成一绝对位置编码，所述平行光源发出的平行光束通过绝对码道后，经光学放大系统汇聚入射到图像传感器，所述图像传感器用于采集到达的光信号后获得当前测量位置的编码图像并发送到信号处理模块，所述信号处理模块用于对编码图像进行图像处理后获得绝对位置测量值。

进一步，所述信号处理模块具体用于：

将编码图像由模拟图像转化为数字图像后，依次进行高斯滤波处理、边缘检测和条纹提取，进而根据绝对位置编码的码元个数从条纹提取后的编码图像中选择测量码区后，读取该测量码区中的编码值，并将该编码值与预设的编码数据库比对后，获得粗测位置值，同时通过边界定位算法精确定位获得该测量码区中最接近测量参考点的明暗条纹突变处的边界点位置后，获得边界点位置与测量参考点之间的距离作为精测位置值，进而将粗测位置值减去精测位置值后获得绝对位置测量值。

进一步，所述绝对位置测量值为：L＝M_x-ΔL，其中L表示绝对位置测量值，M_x表示粗测位置值，ΔL表示精测位置值且x_p表示图像传感器上测量参考点的像元位置，x_e表示测量码区中最接近测量参考点的明暗条纹突变处的边界像元位置，d表示图像传感器的像素中心距，K表示光学放大系统的放大倍数。

本发明解决其技术问题所采用的另一技术方案是：

所述的一种绝对式光栅尺的条纹边界定位方法，包括步骤：

S1、对图像传感器采集获得的条纹图像进行高斯滤波；

S2、采用边缘自动检测算法对高斯滤波后的位于测量参考点之后的条纹图像进行图像边缘定位，获得光栅条纹的像元级边缘位置；

S3、采用多项式插值算法对最接近测量参考点的明暗条纹突变处的像元级边缘位置进行插值运算后，获得光栅条纹的亚像元级边缘位置。

进一步，所述步骤S2，包括：

S21、采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像；

S22、对获得的一维梯度图像进行窗口边缘检测定位，并将获得的边缘点作为光栅条纹的像元级边缘位置。

进一步，所述步骤S21，其具体为：

根据下式，采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像：

R(i)＝|f(i+1)-f(i)|

上式中，f(i)表示高斯滤波后的条纹图像的灰度值，i表示像素坐标，R(i)表示一维梯度图像的值。

进一步，所述步骤S22，其具体为：

依次获取一维梯度图像的每个像素点后，根据下式对获得的一维梯度图像进行窗口边缘检测定位，将满足下式的像素点R(i)的坐标作为光栅条纹的像元级边缘位置x_i：

$\left\{\begin{array}{c}R\left(i\right)\≥R(i+1)\≥R(i+2)\\ R\left(i\right)\≥R(i-1)\≥R(i-2)\end{array}\right..$

进一步，所述步骤S3，其具体为：

对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，进而求解插值函数的极值点坐标作为光栅条纹的亚像元级边缘位置。

进一步，所述步骤S3，包括：

S31、对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，根据下式计算一维梯度图像的二次插值函数：

$P_2\left(x\right)=\frac{(x-x_1)(x-x_2)}{(x_0-x_1)(x_0-x_2)}f\left(x_0\right)+\frac{(x-x_0)(x-x_2)}{(x_1-x_0)(x_1-x_2)}f\left(x_1\right)+\frac{(x-x_0)(x-x_1)}{(x_2-x_0)(x_2-x_1)}f\left(x_2\right)$

上式中，P₂(x)表示一维梯度图像的二次插值函数，x₁表示光栅条纹的像元级边缘位置x_i，x₀表示位于x₁左边距离为W处的位置，x₂表示位于x₁右边距离为W处的位置，W表示像敏元间距，x₀、x₁、x₂、f(x₀)、f(x₁)和f(x₂)满足下式：

$\left\{\begin{array}{c}{x}_0=x_i-W\\ x_1=x_i\\ x_2=x_i+W\\ f\left(x_0\right)=R(i-1)\\ f\left(x_1\right)=R\left(i\right)\\ f\left(x_2\right)=R(i+1)\end{array}\right.$

S32、对一维梯度图像的二次插值函数进行求导，并求解导数为零时的坐标x_e作为光栅条纹的亚像元级边缘位置：

$x_e=x_i+\frac{R(i-1)-R(i+1)}{R(i-1)-2R\left(i\right)+R(i+1)}\frac{W}{2}.$

本发明的有益效果是：本发明的一种绝对式光栅尺，包括平行光源、标尺光栅、光学放大系统、图像传感器以及信号处理模块，所述标尺光栅上设有绝对码道，所述绝对码道由多个宽度相同的随机透光或不透光的码元构成，其编码规则采用伪随机码且若干个连续的码元构成一绝对位置编码，所述平行光源发出的平行光束通过绝对码道后，经光学放大系统汇聚入射到图像传感器，所述图像传感器用于采集到达的光信号后获得当前测量位置的编码图像并发送到信号处理模块，所述信号处理模块用于对编码图像进行图像处理后获得绝对位置测量值。本绝对式光栅尺可以准确地定位到光栅条纹边界的位置，其定位精度可以达到亚像元级，可有效地提高绝对码道的分辨率，从而可提高测量精度。

本发明的另一有益效果是：一种绝对式光栅尺的条纹边界定位方法，包括步骤：S1、对图像传感器采集获得的条纹图像进行高斯滤波；S2、采用边缘自动检测算法对高斯滤波后的位于测量参考点之后的条纹图像进行图像边缘定位，获得光栅条纹的像元级边缘位置；S3、采用多项式插值算法对最接近测量参考点的明暗条纹突变处的像元级边缘位置进行插值运算后，获得光栅条纹的亚像元级边缘位置。本方法可以准确地定位到光栅条纹边界的位置，其定位精度可以达到亚像元级，可提高绝对式光栅尺的测量精度，而且算法简单，处理时间短，实时性较好，易于在FPGA、DSP等平台上实现，适用性强。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的一种绝对式光栅尺的结构示意图；

图2是本发明的一种绝对式光栅尺的测量原理示意图；

图3是本发明的一种绝对式光栅尺的条纹边界定位方法的流程示意图。

具体实施方式

参照图1，本发明提供了一种绝对式光栅尺，包括平行光源1、标尺光栅2、光学放大系统3、图像传感器4以及信号处理模块5，所述标尺光栅2上设有绝对码道，所述绝对码道由多个宽度相同的随机透光或不透光的码元构成，其编码规则采用伪随机码且若干个连续的码元构成一绝对位置编码，所述平行光源1发出的平行光束通过绝对码道后，经光学放大系统3汇聚入射到图像传感器4，所述图像传感器4用于采集到达的光信号后获得当前测量位置的编码图像并发送到信号处理模块5，所述信号处理模块5用于对编码图像进行图像处理后获得绝对位置测量值。

进一步作为优选的实施方式，所述信号处理模块5具体用于：

将编码图像由模拟图像转化为数字图像后，依次进行高斯滤波处理、边缘检测和条纹提取，进而根据绝对位置编码的码元个数从条纹提取后的编码图像中选择测量码区后，读取该测量码区中的编码值，并将该编码值与预设的编码数据库比对后，获得粗测位置值，同时通过边界定位算法精确定位获得该测量码区中最接近测量参考点的明暗条纹突变处的边界点位置后，获得边界点位置与测量参考点之间的距离作为精测位置值，进而将粗测位置值减去精测位置值后获得绝对位置测量值。

进一步作为优选的实施方式，所述根据绝对位置编码的码元个数从条纹提取后的编码图像中选择测量码区的步骤，其具体为：根据绝对位置编码的码元个数N，在测量参考点之后获取条纹提取后的编码图像中的前N个码元作为测量码区。

进一步作为优选的实施方式，所述绝对位置测量值为：L＝M_x-ΔL，其中L表示绝对位置测量值，M_x表示粗测位置值，ΔL表示精测位置值且x_p表示图像传感器4上测量参考点的像元位置，x_e表示测量码区中最接近测量参考点的明暗条纹突变处的边界像元位置，d表示图像传感器4的像素中心距，K表示光学放大系统3的放大倍数。

参照图3，本发明还提供了一种绝对式光栅尺的条纹边界定位方法，包括步骤：

S1、对图像传感器4采集获得的条纹图像进行高斯滤波；

S2、采用边缘自动检测算法对高斯滤波后的位于测量参考点之后的条纹图像进行图像边缘定位，获得光栅条纹的像元级边缘位置；

S3、采用多项式插值算法对最接近测量参考点的明暗条纹突变处的像元级边缘位置进行插值运算后，获得光栅条纹的亚像元级边缘位置。

进一步作为优选的实施方式，所述步骤S2，包括：

S21、采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像；

S22、对获得的一维梯度图像进行窗口边缘检测定位，并将获得的边缘点作为光栅条纹的像元级边缘位置。

进一步作为优选的实施方式，所述步骤S21，其具体为：

根据下式，采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像：

R(i)＝|f(i+1)-f(i)|

上式中，f(i)表示高斯滤波后的条纹图像的灰度值，i表示像素坐标，R(i)表示一维梯度图像的值。

进一步作为优选的实施方式，所述步骤S22，其具体为：

依次获取一维梯度图像的每个像素点后，根据下式对获得的一维梯度图像进行窗口边缘检测定位，将满足下式的像素点R(i)的坐标作为光栅条纹的像元级边缘位置x_i：

$\left\{\begin{array}{c}R\left(i\right)\≥R(i+1)\≥R(i+2)\\ R\left(i\right)\≥R(i-1)\≥R(i-2)\end{array}\right..$

进一步作为优选的实施方式，所述步骤S3，其具体为：

对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，进而求解插值函数的极值点坐标作为光栅条纹的亚像元级边缘位置。

进一步作为优选的实施方式，所述步骤S3，包括：

S31、对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，根据下式计算一维梯度图像的二次插值函数：

$P_2\left(x\right)=\frac{(x-x_1)(x-x_2)}{(x_0-x_1)(x_0-x_2)}f\left(x_0\right)+\frac{(x-x_0)(x-x_2)}{(x_1-x_0)(x_1-x_2)}f\left(x_1\right)+\frac{(x-x_0)(x-x_1)}{(x_2-x_0)(x_2-x_1)}f\left(x_2\right)$

上式中，P₂(x)表示一维梯度图像的二次插值函数，x₁表示光栅条纹的像元级边缘位置x_i，x₀表示位于x₁左边距离为W处的位置，x₂表示位于x₁右边距离为W处的位置，W表示像敏元间距，f(x₀)表示x₀在高斯滤波后的条纹图像上的坐标，f(x₁)表示x₁在高斯滤波后的条纹图像上的坐标，f(x₂)表示x₂在高斯滤波后的条纹图像上的坐标，且x₀、x₁、x₂、f(x₀)、f(x₁)和f(x₂)满足下式：

$\left\{\begin{array}{c}{x}_0=x_i-W\\ x_1=x_i\\ x_2=x_i+W\\ f\left(x_0\right)=R(i-1)\\ f\left(x_1\right)=R\left(i\right)\\ f\left(x_2\right)=R(i+1)\end{array}\right.$

S32、对一维梯度图像的二次插值函数进行求导，并求解导数为零时的坐标x_e作为光栅条纹的亚像元级边缘位置：

$x_e=x_i+\frac{R(i-1)-R(i+1)}{R(i-1)-2R\left(i\right)+R(i+1)}\frac{W}{2}.$

以下结合具体实施例对本发明做详细说明。

实施例一

参照图1，一种绝对式光栅尺，包括平行光源1、标尺光栅2、光学放大系统3、图像传感器4以及信号处理模块5，所述标尺光栅2上设有绝对码道，所述绝对码道由多个宽度相同的随机透光或不透光的码元构成，其编码规则采用伪随机码且若干个连续的码元构成一绝对位置编码，所述平行光源1发出的平行光束通过绝对码道后，经光学放大系统3汇聚入射到图像传感器4，所述图像传感器4用于采集到达的光信号后获得当前测量位置的编码图像并发送到信号处理模块5，所述信号处理模块5用于对编码图像进行图像处理后获得绝对位置测量值。本实施例中图像传感器4优选采用线阵CCD。

本光栅尺的绝对位置测量原理如图2所示，图2中将图像传感器4绘制在标尺光栅2的下端方便进行理解。首先，图像传感器4即线阵CCD通过扫描获得多组绝对编码图像，在绝对光栅测量中取线阵CCD的中心像素p为测量参考点，本实施例中，绝对位置编码的码元个数为16个，即每16个码元宽度代表一个绝对位置编码，从条纹明暗突变处q开始读取16条码元宽度的光栅条码N_x，读取的N_x就代表唯一的一个粗测位置值M_x。绝对码道的精测位置值为从参考点P到条纹明暗突变处q的距离ΔL，也称细分部分ΔL，如果不采用高精度的条纹边界定位方法，则对测量码区的图像进行条纹提取后，可以通过以下方式获得细分部分ΔL：

如果线阵CCD的像素中心距为d，光学放大系统3的光学放大倍数为K，测量码区中的明暗条纹突变处到测量参考点的像素个数为m，则精测位置值为ΔL：

ΔL＝m×d/K

因此，绝对位置测量值为：L＝M_x-ΔL。

本实施例中，采用高精度的测量方法来获得细分部分ΔL：

ΔL表示精测位置值且x_p表示图像传感器4上测量参考点的像元位置，x_e表示测量码区中最接近测量参考点的明暗条纹突变处的边界像元位置，d表示图像传感器4的像素中心距，K表示光学放大系统3的放大倍数。

相应的，信号处理模块5具体用于：

将编码图像由模拟图像转化为数字图像后，依次进行高斯滤波处理、边缘检测和条纹提取，进而根据绝对位置编码的码元个数从条纹提取后的编码图像中选择测量码区后，读取该测量码区中的编码值，并将该编码值与预设的编码数据库比对后，获得粗测位置值，同时通过边界定位算法精确定位获得该测量码区中最接近测量参考点的明暗条纹突变处的边界点位置后，获得边界点位置与测量参考点之间的距离作为精测位置值，进而将粗测位置值减去精测位置值后获得绝对位置测量值。

预设的编码数据库是指根据绝对码道的刻画规则所预先定义的编码数据库，例如编码采用的是16位的伪随机码，则编码周期为2¹⁶-1，每个编码值对应一个具体的测量位置值，每个编码值对应一个具体的测量位置值，预先建立不同的编码值与其对应的测量位置值之间的对应关系，从而建立预设的编码数据库。

根据绝对位置编码的码元个数从条纹提取后的编码图像中选择测量码区的步骤，其具体为：根据绝对位置编码的码元个数N，在测量参考点之后获取条纹提取后的编码图像中的前N个码元作为测量码区。

综上所述，绝对位置的分辨率最终取决于细分部分ΔL的条纹边界定位精度，由于在实际测量很难准确的定位到条纹的实际边界，只能用一些边界定位算法，使条纹测量边界尽可能的逼近实际边界，难以实现精确测量。如果只是通过边缘检测算法来获取条纹边界，则定位的边界如图2中所示的测量边界，其与图中标出实际边界之间还有一定距离。条纹边界定位不准确，将导致测量获得的精测位置值ΔL与实际上的精测位置值L_x的偏差较大，从而测量精度较低。因此本发明为提高细分部分条纹边界的定位精度，通过实施例二提供一种绝对式光栅尺的边界定位算法，使其定位精度达到亚像素级。

实施例二

参照图3，一种绝对式光栅尺的条纹边界定位方法，包括步骤：

S1、对图像传感器4采集获得的条纹图像进行高斯滤波；

S2、采用边缘自动检测算法对高斯滤波后的位于测量参考点之后的条纹图像进行图像边缘定位，获得光栅条纹的像元级边缘位置；

S3、采用多项式插值算法对最接近测量参考点的明暗条纹突变处的像元级边缘位置进行插值运算后，获得光栅条纹的亚像元级边缘位置，具体为：对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，进而求解插值函数的极值点坐标作为光栅条纹的亚像元级边缘位置。

优选的，本实施例中，步骤S2，包括步骤S21和S22：

S21、采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像；

S22、对获得的一维梯度图像进行窗口边缘检测定位，并将获得的边缘点作为光栅条纹的像元级边缘位置。

步骤S21具体为：

根据下式，采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像：

R(i)＝|f(i+1)-f(i)|

上式中，f(i)表示高斯滤波后的条纹图像的灰度值，i表示像素坐标，R(i)表示一维梯度图像的值。

步骤S22，具体为：

依次获取一维梯度图像的每个像素点后，根据下式对获得的一维梯度图像进行窗口边缘检测定位，将满足下式的像素点R(i)的坐标作为光栅条纹的像元级边缘位置x_i：

$\left\{\begin{array}{c}R\left(i\right)\≥R(i+1)\≥R(i+2)\\ R\left(i\right)\≥R(i-1)\≥R(i-2)\end{array}\right..$

步骤S2进行边缘检测后，可以获得为光栅条纹的像元级边缘位置x_i，即粗测的条纹边界位置。因为受到线阵CCD的像敏元间距W的约束，测量误差约为一个像敏元间距W。为提高测量精度，采用二次插值算法求解获得一维梯度图像在边界位置附近的二次插值函数P(x)，用该函数作为梯度函数的估计函数，计算P(x)取最大值时的x即为亚像元级的条纹边界位置。

其中，窗口边缘检测过程中构建的矩形窗口如下表1所示，在该窗口内对一维梯度图像进行边缘提取：

表1矩形窗口

i-2

i-1

i

i-1

i+2

具体的，步骤S3，包括步骤S31和S32：

S31、对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，根据下式计算一维梯度图像的二次插值函数：

$P_2\left(x\right)=\frac{(x-x_1)(x-x_2)}{(x_0-x_1)(x_0-x_2)}f\left(x_0\right)+\frac{(x-x_0)(x-x_2)}{(x_1-x_0)(x_1-x_2)}f\left(x_1\right)+\frac{(x-x_0)(x-x_1)}{(x_2-x_0)(x_2-x_1)}f\left(x_2\right)$

上式中，P₂(x)表示一维梯度图像的二次插值函数，x₁表示光栅条纹的像元级边缘位置x_i，x₀表示位于x₁左边距离为W处的位置，x₂表示位于x₁右边距离为W处的位置，W表示像敏元间距，f(x₀)表示x₀在高斯滤波后的条纹图像上的坐标，f(x₁)表示x₁在高斯滤波后的条纹图像上的坐标，f(x₂)表示x₂在高斯滤波后的条纹图像上的坐标，且x₀、x₁、x₂、f(x₀)、f(x₁)和f(x₂)满足下式：

$\left\{\begin{array}{c}{x}_0=x_i-W\\ x_1=x_i\\ x_2=x_i+W\\ f\left(x_0\right)=R(i-1)\\ f\left(x_1\right)=R\left(i\right)\\ f\left(x_2\right)=R(i+1)\end{array}\right.$

S32、对一维梯度图像的二次插值函数进行求导，并求解导数为零时的坐标x_e作为光栅条纹的亚像元级边缘位置：

$x_e=x_i+\frac{R(i-1)-R(i+1)}{R(i-1)-2R\left(i\right)+R(i+1)}\frac{W}{2}.$

结合图像传感器4的像素中心距d，光学放大倍数K和测量参考点像元x_p，则可以得到经过上述边界细分定位算法后的高精度细分的精测位置值ΔL为：

$\mathrm{\Δ}L=(x_e-x_p)*\frac{d}{K};$

通过本方法进行条纹边界定位后，可以准确地定位到光栅条纹边界的位置，其分辨率达到亚像元级，有效地提高绝对码道的分辨率，从而可提高绝对式光栅尺的测量精度。而且本算法可以克服高噪声的影响，算法简单，处理时间短，实时性较好，易于在FPGA、DSP等平台上实现，适用性强。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种绝对式光栅尺，其特征在于，包括平行光源、标尺光栅、光学放大系统、图像传感器以及信号处理模块，所述标尺光栅上设有绝对码道，所述绝对码道由多个宽度相同的随机透光或不透光的码元构成，其编码规则采用伪随机码且若干个连续的码元构成一绝对位置编码，所述平行光源发出的平行光束通过绝对码道后，经光学放大系统汇聚入射到图像传感器，所述图像传感器用于采集到达的光信号后获得当前测量位置的编码图像并发送到信号处理模块，所述信号处理模块用于对编码图像进行图像处理后获得绝对位置测量值。

2.根据权利要求1所述的一种绝对式光栅尺，其特征在于，所述信号处理模块具体用于：

将编码图像由模拟图像转化为数字图像后，依次进行高斯滤波处理、边缘检测和条纹提取，进而根据绝对位置编码的码元个数从条纹提取后的编码图像中选择测量码区后，读取该测量码区中的编码值，并将该编码值与预设的编码数据库比对后，获得粗测位置值，同时通过边界定位算法精确定位获得该测量码区中最接近测量参考点的明暗条纹突变处的边界点位置后，获得边界点位置与测量参考点之间的距离作为精测位置值，进而将粗测位置值减去精测位置值后获得绝对位置测量值。

3.根据权利要求2所述的一种绝对式光栅尺，其特征在于，所述绝对位置测量值为：L＝M_x-ΔL，其中L表示绝对位置测量值，M_x表示粗测位置值，ΔL表示精测位置值且x_p表示图像传感器上测量参考点的像元位置，x_e表示测量码区中最接近测量参考点的明暗条纹突变处的边界像元位置，d表示图像传感器的像素中心距，K表示光学放大系统的放大倍数。

4.根据权利要求1所述的一种绝对式光栅尺，其特征在于，所述图像传感器采用线阵CCD或者线阵CMOS。

5.权利要求1所述的一种绝对式光栅尺的条纹边界定位方法，其特征在于，包括步骤：

S1、对图像传感器采集获得的条纹图像进行高斯滤波；

S2、采用边缘自动检测算法对高斯滤波后的位于测量参考点之后的条纹图像进行图像边缘定位，获得光栅条纹的像元级边缘位置；

S3、采用多项式插值算法对最接近测量参考点的明暗条纹突变处的像元级边缘位置进行插值运算后，获得光栅条纹的亚像元级边缘位置。

6.根据权利要求5所述的一种绝对式光栅尺的条纹边界定位方法，其特征在于，所述步骤S2，包括：

S21、采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像；

S22、对获得的一维梯度图像进行窗口边缘检测定位，并将获得的边缘点作为光栅条纹的像元级边缘位置。

7.根据权利要求6所述的一种绝对式光栅尺的条纹边界定位方法，其特征在于，所述步骤S21，其具体为：

根据下式，采用梯度算法器计算高斯滤波后的条纹图像的一维梯度图像：

R(i)＝|f(i+1)-f(i)|

上式中，f(i)表示高斯滤波后的条纹图像的灰度值，i表示像素坐标，R(i)表示一维梯度图像的值。

8.根据权利要求6所述的一种绝对式光栅尺的条纹边界定位方法，其特征在于，所述步骤S22，其具体为：

依次获取一维梯度图像的每个像素点后，根据下式对获得的一维梯度图像进行窗口边缘检测定位，将满足下式的像素点R(i)的坐标作为光栅条纹的像元级边缘位置x_i：

$\left\{\begin{array}{c}R\left(i\right)\≥R(i+1)\≥R(i+2)\\ R\left(i\right)\≥R(i-1)\≥R(i-2)\end{array}\right..$

9.根据权利要求7所述的一种绝对式光栅尺的条纹边界定位方法，其特征在于，所述步骤S3，其具体为：

对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，进而求解插值函数的极值点坐标作为光栅条纹的亚像元级边缘位置。

10.根据权利要求9所述的一种绝对式光栅尺的条纹边界定位方法，其特征在于，所述步骤S3，包括：

S31、对一维梯度图像的最接近测量参考点的明暗条纹突变处的像元级边缘位置进行二次多项式插值，根据下式计算一维梯度图像的二次插值函数：

$P_2\left(x\right)=\frac{\left(x-x_1\right)\left(x-x_2\right)}{\left(x_0-x_1\right)\left(x_0-x_2\right)}f\left(x_0\right)+\frac{\left(x-x_0\right)\left(x-x_2\right)}{\left(x_1-x_0\right)\left(x_1-x_2\right)}f\left(x_1\right)+\frac{\left(x-x_0\right)\left(x-x_1\right)}{\left(x_2-x_0\right)\left(x_2-x_1\right)}f\left(x_2\right)$

上式中，P₂(x)表示一维梯度图像的二次插值函数，x₁表示光栅条纹的像元级边缘位置x_i，x₀表示位于x₁左边距离为W处的位置，x₂表示位于x₁右边距离为W处的位置，W表示像敏元间距，x₀、x₁、x₂、f(x₀)、f(x₁)和f(x₂)满足下式：

$\left\{\begin{array}{c}{x}_0=x_i-W\\ x_1=x_i\\ x_2=x_i+W\\ f\left(x_0\right)=R(i-1)\\ f\left(x_1\right)=R\left(i\right)\\ f\left(x_2\right)=R(i+1)\end{array}\right.$

S32、对一维梯度图像的二次插值函数进行求导，并求解导数为零时的坐标x_e作为光栅条纹的亚像元级边缘位置：

$x_e=x_i+\frac{R(i-1)-R(i+1)}{R(i-1)-2R\left(i\right)+R(i+1)}\frac{W}{2}.$