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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000011218 segmentation Effects 0.000 title claims description 14
- 238000005259 measurement Methods 0.000 claims abstract description 43
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 16
- 238000003672 processing method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 2
- 238000004556 laser interferometry Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
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
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。
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)
| 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)
| 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 |
-
2018
- 2018-12-29 CN CN201811643532.1A patent/CN109785339A/zh active Pending
Patent Citations (3)
| 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)
| 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)
| 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 |
|---|---|---|
| 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 | |
| CN104776815B (zh) | 一种基于达曼光栅的彩色三维轮廓测量装置与方法 | |
| CN100489446C (zh) | 基于相位法的三维轮廓测量方法 | |
| CN110288642A (zh) | 基于相机阵列的三维物体快速重建方法 | |
| CN109307483B (zh) | 一种基于结构光系统几何约束的相位展开方法 | |
| CN104457615B (zh) | 基于广义s变换的三维数字成像方法 | |
| CN111161358B (zh) | 一种用于结构光深度测量的相机标定方法和装置 | |
| CN103617649B (zh) | 一种基于相机自标定技术的河工模型地形测量方法 | |
| CN106289106A (zh) | 一种线阵相机和面阵相机相结合的立体视觉传感器及标定方法 | |
| 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 | |
| CN109523627B (zh) | 一种基于泰勒指数表达式型面结构光的三维重建方法 | |
| 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 | |
| CN103994732B (zh) | 一种基于条纹投影的三维测量方法 | |
| 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 | |
| CN106643563B (zh) | 一种桌面式大视场三维扫描装置及方法 | |
| CN114152217A (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 | |
| CN106091978B (zh) | 斜入式激光干涉法测量中干涉条纹图像的拼接方法 | |
| CN110264527A (zh) | 基于zynq的实时双目立体视觉输出方法 | |
| CN105953742A (zh) | 基于未知环境检测的3d激光扫描仪 | |
| CN111043988A (zh) | 一种基于图形学和深度学习的单张条纹投影测量方法 | |
| CN108111838A (zh) | 一种裸眼3d显示校正治具及校正方法 | |
| CN111563952A (zh) | 基于相位信息与空间纹理特征实现立体匹配方法及系统 | |
| CN105913401A (zh) | 工业相机摄影测量图像亮度补偿方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |