CN109785339A - 一种同时分割和配准精密复杂曲面干涉条纹图像的方法 - Google Patents

一种同时分割和配准精密复杂曲面干涉条纹图像的方法 Download PDF

Info

Publication number
CN109785339A
CN109785339A CN201811643532.1A CN201811643532A CN109785339A CN 109785339 A CN109785339 A CN 109785339A CN 201811643532 A CN201811643532 A CN 201811643532A CN 109785339 A CN109785339 A CN 109785339A
Authority
CN
China
Prior art keywords
interference fringe
fringe image
stripe pattern
actual measurement
emulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811643532.1A
Other languages
English (en)
Inventor
朱新栋
杨树明
方素平
杨鹏程
王睍
张国锋
吉培瑞
刘勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201811643532.1A priority Critical patent/CN109785339A/zh
Publication of CN109785339A publication Critical patent/CN109785339A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种同时分割和配准精密复杂曲面干涉条纹图像的方法,该方法以实测干涉条纹图像作为参考,借助主动轮廓模型,以仿真干涉条纹图像作为模板,通过不断平移、旋转、缩放仿真干涉条纹图像来匹配实测干涉条纹图像,当确定最佳的匹配位置后,再以仿真条纹图像的特征边界来分割实测干涉条纹图像,从而实现干涉条纹图像的同时分割和配准,本发明能够提高干涉条纹图像的处理精度,包括分割有效测量区域的精度,以及与仿真条纹图像配准的精度。同时对干涉条纹图像进行分割和匹配,简化了干涉条纹图像处理的过程,提高了处理效率,可以实现计算机自动处理干涉条纹图像,不需要人为干预。

Description

一种同时分割和配准精密复杂曲面干涉条纹图像的方法
技术领域
本发明涉及一种干涉条纹图像的处理方法,尤其适用于激光干涉法测量精密复杂曲面时的干涉条纹图像处理。
背景技术
激光干涉是测量精密复杂曲面类零件形状误差的一个发展方向。该方法通过处理被测曲面的干涉条纹图像,来计算其形状误差。干涉条纹图像的处理过程,不仅影响测量结果的精度,而且决定测量结果的正确性。精确处理干涉条纹图像,是采用激光干涉法测量精密复杂曲面的基础和前提。
现有的干涉条纹图像处理方法都将分割和配准两个步骤相互独立开来,即,先采用常见的图像处理方法来分割有效的测量区域,再以测量区域的特征点和边界作为参考,通过改变仿真条纹图像来与其配准。这样不仅图像处理过程复杂,耗时较长;而且极为容易导致干涉条纹图像处理出错,无法正确计算出被测曲面的形状误差;同时还需要人为干预,才能保证干涉条纹图像处理的顺利进行。
为了准确且高效处理复杂曲面的干涉条纹图像,必须将条纹图像处理过程中的有效测量区域分割和配准两个步骤统一起来。
现有的研究中有针对普通数字图像处理过程中的分割和匹配同时进行的方法,但尚未发现有针对干涉条纹图像处理过程中分割和匹配同时进行的研究,也没有发现可以直接借鉴的方法。
现有的精密复杂曲面干涉条纹图像处理方法将图像处理过程中的有效测量区域分割和配准两个步骤相互独立起来,导致以下三个问题:
极易导致干涉条纹图像处理出错,无法正确计算出被测曲面的形状误差;常常需要人为干预,才能保证干涉条纹图像处理的顺利进行。图像处理过程复杂,耗时较长;
发明内容
本发明的目的在于克服上述现有技术不足,提供一种同时分割和配准精密复杂曲面干涉条纹图像的方法,为了避免上述问题,准确且高效处理复杂曲面的干涉条纹图像,必须将条纹图像处理过程中的有效测量区域分割和配准两个步骤统一起来。
本发明的技术方案是这样解决的:
一种同时分割和配准精密复杂曲面干涉条纹图像的方法:
以实测干涉条纹图像作为参考,借助主动轮廓模型,以仿真干涉条纹图像作为模板,通过不断平移、旋转、缩放仿真干涉条纹图像来匹配实测干涉条纹图像,当确定最佳的匹配位置后,再以仿真条纹图像的特征边界来分割实测干涉条纹图像。从而实现干涉条纹图像的同时分割和配准。
具体实施过程包括以下几步:
仿真被测曲面的干涉条纹图像。由于被测精密复杂曲面的理想模型是确定的,同时,干涉测量系统中各个光学元件的参数和各个元件之间的位置也是确定的,所以,借助光线追迹法,可以用计算机仿真出被测曲面的干涉条纹图像。在追迹计算的过程中,将被测曲面离散为曲面网格点,沿着光线的传播路径,分别追迹每个曲面网格点在CCD相机成像面上的坐标和该点对应的光程差,最后将光程差再转换为相位差和二值图像。
建立仿真和实测条纹图像之间的关系。以实测条纹图像作为参考,不断平移、旋转、缩放仿真干涉条纹图像来建立仿真和实测条纹图像之间的关系。设为配准前仿真曲面网格点在实测条纹图像上的初始坐标,为配准后曲面离散网格点在实测条纹图像上的坐标值,则配准过程中的数学模型可以记作:
式中:
s——缩放系数;
θ——旋转角度;
——平移量。
依据经验可以确定缩放系数s,旋转角度θ的分布区间。在建立仿真条纹图像和实测条纹图像之间的关系过程中,借助主动轮廓模型来判断最佳的匹配位置,当实测边界上各个特征点的能量函数最小时,认为是仿真图像和实测条纹图像得到最佳的匹配。
以仿真条纹图像为模板,分割实测干涉条纹图像。当建立起仿真和实测条纹图像之间的关系后,仿真和实测条纹图像上的点是一一对应的,同时,仿真条纹图像的各个边界点的坐标是已知的,可以用仿真条纹图像的各个边界点所构成的图像作为模板,来分割实测条纹图像,从而精确识别出实测条纹图像的有效测量区域。
本发明采用仿真条纹图像作为模板,同时进行条纹图像处理过程中的有效测量区域的分割和图像的匹配,与目前所存在的干涉条纹图像处理方法相比,主要具有以下优点:
本发明能够提高干涉条纹图像的处理精度,包括分割有效测量区域的精度,以及与仿真条纹图像配准的精度。
本发明能够同时对干涉条纹图像进行分割和匹配,简化了干涉条纹图像处理的过程,提高了处理效率。
本发明可以实现计算机自动处理干涉条纹图像,不需要人为干预。
附图说明
图1仿真齿面干涉条纹图像;
图中:1—光束出射端;2—齿根;3—光束入射端;4—齿顶。
图2实测齿面干涉条纹图像;
图中:1—光束出射端;2—齿根;3—光束入射端;4—齿顶。
图3仿真和实测齿面条纹图像的配准结果;
图中黑色的圆点为齿面网格点对用的像点,黑色边界为参与计算的三边界。
图4实测齿面干涉条纹图像有效测量区域的分割结果;
图中白色的区域为有效齿面测量区域,黑色区域为背景区域。
具体实施方式
下面结合附图和具体实例对本发明进行详细说明。本实例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。对于蜗轮,蜗杆的螺旋面,精密螺杆等精密复杂曲面的干涉条纹图像处理,该方法同样适用。
实施例1斜齿轮齿面干涉条纹图像的同时分割和配准方法。
本发明中方法主要包括以下步骤:
步骤一:仿真被测齿面的干涉条纹图像。由于被测齿面的理想模型是确定的,同时,干涉测量系统中各个光学元件的参数和各个元件之间的位置也是确定的,所以,借助光线追迹法,可以用计算机仿真出被测齿面的干涉条纹图像。在追迹计算的过程中,将被测齿面离散为齿面网格点,沿着光线的传播路径,分别追迹每个齿面网格点在CCD相机成像面上的坐标和该点对应的光程差,最后将光程差再转换为相位差和二值图像。依据所用的光学系统和被测齿轮的参数,借助光线追迹法,仿真出的被测齿面条纹图像如图1所示。
步骤二:建立仿真和实测齿面条纹图像之间的关系。实拍的齿面干涉条纹图像如图2所示。以实测条纹图像作为参考,不断平移、旋转、缩放仿真干涉条纹图像来建立仿真和实测条纹图像之间的关系。设为配准前仿真齿面网格点在实测齿面条纹图像上的初始坐标,为配准后齿面离散网格点在实测齿面条纹图像上的坐标值,则配准过程中的数学模型可以记作:
式中:
s——缩放系数;
θ——旋转角度;
——平移量。
依据经验可以确定缩放系数s,旋转角度θ的分布区间。在建立仿真和实测齿面条纹图像之间关系的过程中,借助主动轮廓模型来判断最佳的匹配位置,当实测齿面条纹图像边界上各个特征点的能量函数最小时,认为是仿真图像和实测条纹图像得到最佳的匹配。借助主动轮廓模型,在仿真条纹图像的形状不变的前提下,来不断旋转、缩放、平移仿真条纹图像上的齿面网格点的像点,建立仿真和实测齿面条纹图像之间的关系。所建立起匹配结果如图3所示,图中黑色的圆点为齿面网格点对应的像点,黑色边界为参与计算的三边界,分别为:光束出射端、光束入射端和齿顶。
步骤三:以仿真齿面条纹图像为模板,分割实测齿面干涉条纹图像。当建立起仿真和实测齿面条纹图像之间的关系后,仿真和实测条纹图像上的点是一一对应的,同时,仿真齿面条纹图像的各个边界点的坐标是已知的,可以用仿真齿面条纹图像的各个边界点所构成的图像作为模板,来分割实测齿面条纹图像,从而精确识别出实测齿面条纹图像的有效测量区域。用仿真齿面条纹图像的边界来分割实测齿面条纹图像,边界内的部分为有效的齿面测量区域,填充为白色,背景区域填充为黑色,分割结果如图4所示。

Claims (1)

1.一种同时分割和配准精密复杂曲面干涉条纹图像的方法,其特征在于,以实测干涉条纹图像作为参考,借助主动轮廓模型,以仿真干涉条纹图像作为模板,通过不断平移、旋转、缩放仿真干涉条纹图像来匹配实测干涉条纹图像,当确定最佳的匹配位置后,再以仿真条纹图像的特征边界来分割实测干涉条纹图像,从而实现干涉条纹图像的同时分割和配准,具体包括以下几步:
1)仿真被测曲面的干涉条纹图像,由于被测精密复杂曲面的理想模型是确定的,同时,干涉测量系统中各个光学元件的参数和各个元件之间的位置也是确定的,所以,借助光线追迹法,用计算机仿真出被测曲面的干涉条纹图像,在追迹计算的过程中,将被测曲面离散为曲面网格点,沿着光线的传播路径,分别追迹每个曲面网格点在CCD相机成像面上的坐标和该点对应的光程差,最后将光程差再转换为相位差和二值图像;
建立仿真和实测条纹图像之间的关系,以实测条纹图像作为参考,不断平移、旋转、缩放仿真干涉条纹图像来建立仿真和实测条纹图像之间的关系,设为配准前仿真曲面网格点在实测条纹图像上的初始坐标,为配准后曲面离散网格点在实测条纹图像上的坐标值,则配准过程中的数学模型可以记作:
式中:
s——缩放系数;
θ——旋转角度;
——平移量;
依据经验可以确定缩放系数s,旋转角度θ的分布区间,在建立仿真条纹图像和实测条纹图像之间的关系过程中,借助主动轮廓模型来判断最佳的匹配位置,当实测边界上各个特征点的能量函数最小时,认为是仿真图像和实测条纹图像得到最佳的匹配;
3)以仿真条纹图像为模板,分割实测干涉条纹图像,当建立起仿真和实测条纹图像之间的关系后,仿真和实测条纹图像上的点是一一对应的,同时,仿真条纹图像的各个边界点的坐标是已知的,可以用仿真条纹图像的各个边界点所构成的图像作为模板,来分割实测条纹图像,从而精确识别出实测条纹图像的有效测量区域。
CN201811643532.1A 2018-12-29 2018-12-29 一种同时分割和配准精密复杂曲面干涉条纹图像的方法 Pending CN109785339A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811643532.1A CN109785339A (zh) 2018-12-29 2018-12-29 一种同时分割和配准精密复杂曲面干涉条纹图像的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811643532.1A CN109785339A (zh) 2018-12-29 2018-12-29 一种同时分割和配准精密复杂曲面干涉条纹图像的方法

Publications (1)

Publication Number Publication Date
CN109785339A true CN109785339A (zh) 2019-05-21

Family

ID=66499518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811643532.1A Pending CN109785339A (zh) 2018-12-29 2018-12-29 一种同时分割和配准精密复杂曲面干涉条纹图像的方法

Country Status (1)

Country Link
CN (1) CN109785339A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581490A (zh) * 2020-12-28 2021-03-30 西安理工大学 一种复杂曲面干涉测量中前景区域提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106091978A (zh) * 2016-06-01 2016-11-09 西安工程大学 斜入式激光干涉法测量中干涉条纹图像的拼接方法
CN108593111A (zh) * 2018-05-31 2018-09-28 北京航空航天大学 时空调制干涉成像光谱仪的运动成像仿真方法及装置
CN108921818A (zh) * 2018-05-30 2018-11-30 华南理工大学 一种焊缝跟踪激光中心线提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106091978A (zh) * 2016-06-01 2016-11-09 西安工程大学 斜入式激光干涉法测量中干涉条纹图像的拼接方法
CN108921818A (zh) * 2018-05-30 2018-11-30 华南理工大学 一种焊缝跟踪激光中心线提取方法
CN108593111A (zh) * 2018-05-31 2018-09-28 北京航空航天大学 时空调制干涉成像光谱仪的运动成像仿真方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XINDONG ZHU,ET AL.: "Construction of virtual measurement datum in measuring gear tooth flank by laser interferometry", 《OPTICAL ENGINEERING》 *
方素平 等: "复杂光学系统中的干涉条纹图像的精确仿真方法", 《机械工程学报》 *
谭蓉: "基于主动轮廓模型的图像分割与配准同步方法研究", 《万方学位论文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112581490A (zh) * 2020-12-28 2021-03-30 西安理工大学 一种复杂曲面干涉测量中前景区域提取方法
CN112581490B (zh) * 2020-12-28 2023-03-17 西安理工大学 一种复杂曲面干涉测量中前景区域提取方法

Similar Documents

Publication Publication Date Title
CN110288642B (zh) 基于相机阵列的三维物体快速重建方法
Zhang et al. A novel calibration approach to structured light 3D vision inspection
Or-El et al. Rgbd-fusion: Real-time high precision depth recovery
CN100489446C (zh) 基于相位法的三维轮廓测量方法
CN108489395A (zh) 视觉测量系统结构参数标定和仿射坐标系构建方法与系统
CN109945802B (zh) 一种结构光三维测量方法
CN101236066B (zh) 投影光栅的自校正方法
CN109916322A (zh) 一种基于自适应窗口匹配的数字散斑全场形变测量方法
CN105654547B (zh) 三维重建方法
CN108225216A (zh) 结构光系统标定方法及装置、结构光系统及移动设备
CN107167093A (zh) 一种激光线扫描与阴影莫尔的复合式测量系统及测量方法
CN104897083A (zh) 一种基于投影仪散焦解相位的光栅投影三维快速测量方法
CN114152217B (zh) 基于监督学习的双目相位展开方法
Zhang et al. Three-dimensional shape measurement for an underwater object based on two-dimensional grating pattern projection
CN110264527A (zh) 基于zynq的实时双目立体视觉输出方法
CN108111838A (zh) 一种裸眼3d显示校正治具及校正方法
Yuen et al. A fast marching formulation of perspective shape from shading under frontal illumination
CN106091978B (zh) 斜入式激光干涉法测量中干涉条纹图像的拼接方法
CN106017327A (zh) 一种结构光测量传感器标定方法
CN105913401A (zh) 工业相机摄影测量图像亮度补偿方法
CN108596008A (zh) 针对三维人脸测量的面部抖动补偿方法
CN115359127A (zh) 一种适用于多层介质环境下的偏振相机阵列标定方法
CN108175535A (zh) 一种基于微透镜阵列的牙科三维扫描仪
CN111208138A (zh) 一种智能木料识别装置
CN109785339A (zh) 一种同时分割和配准精密复杂曲面干涉条纹图像的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190521

RJ01 Rejection of invention patent application after publication