增强型相位测量轮廓术

用于工业三维检测自动化的增强型相位测量轮廓术

摘要

工业计量与检测系统通常依赖于投影正弦条纹图案的相位测量轮廓术（PMP），以实现无论是否存在纹理都能获得密集且精确的三维重建。然而，由于存在大范围表面反射率变化和振动等严苛的工业测量条件，将PMP方法应用于工业三维检测仍然是一个重大挑战。为解决这些问题，本文提出了一种增强型相位测量轮廓术（EPMP）。在EPMP中，提出了一种最优曝光时间（OET）标定方法，以解决大范围表面反射率变化问题，该方法能够在镜面反射区域避免相机传感器饱和，同时最大程度地保持弱反射区域条纹图像的信噪比（SNR）。为了抵抗振动的影响，采用一种改进的位姿标定方法（IPC），仅需获取单张平面靶标图像即可实现相机位姿的快速标定。此外，开发了一套用于评估铁路货车适配器（RTA）三维几何尺寸质量的自动在线三维检测系统。实验结果表明，EPMP在精度和重复性方面表现出令人满意的结果，能够满足工业测量条件下三维检测任务的要求。

关键词 自动化工业三维检测 · 相位测量轮廓术 · 大范围表面反射率变化 · 最优曝光时间 · 位姿标定

1 引言

视觉检测已广泛应用于工业制造和质量控制[1]。利用光学检测快速获取三维表面轮廓，可实现高速非接触测量。这一能力对于需要在制品轮廓测量的在线三维检测至关重要。

目前，已经开发了大量光学方法和视觉系统[2–6]。在三维形状获取方法中，立体视觉方法在过去几十年中得到了广泛发展，其中一类研究较为深入的算法采用多相机来通过匹配对应特征获取深度。由于在颜色均匀区域中容易出现典型的对应问题，因此采用称为结构光的可控照明来生成易于检测的特征，从而实现立体视觉方法中准确可靠的对应，显著提高测量精度。

近年来，许多基于激光或图案投影的商业化结构光三维扫描仪由于对表面纹理不敏感，已被广泛应用于工业应用中。对于激光扫描系统，将单线或多线投影到物体上，并由一个或两个相机对其进行成像。通过提取图像中的线条，可以利用光学三角测量法重建物体的三维形状。但它要求在线扫描进行时记录所有图像[2, 3]，因此测量复杂形状物体会花费大量时间。多线投影在一定程度上可以解决时间问题，但在匹配对应关系方面存在困难。图案投影系统在这方面表现良好，因其表面特性而闻名，并采用上述主动三角测量方法。该方法无需扫描表面，而是将单个或多个编码图案投影到物体上，并可根据解码后的图案准确建立相机图像之间的对应关系。在各种编码方法中，使用正弦条纹图案的相位测量轮廓术（PMP）因具备高空间分辨率测量能力而受到认可，在表面几何尺寸质量评估[4–6]中非常流行。该方法所需的图像数量少于激光扫描系统，测量时间可缩短至几秒。

近年来，随着数字光处理（DLP）技术的进步和强大硬件的支持，许多基于PMP的实时三维检测系统[7, 8]被开发出来，其测量速度可以非常快。尽管基于PMP的系统已发展得较为成熟，但由于以下三个原因，将PMP方法应用于工业在线三维检测自动化仍然是一个巨大的挑战问题：

1. 大范围表面反射率变化 ：相位测量轮廓术原理旨在获取不透明表面的形状，其基于对漫反射分量的分析。然而，大多数工业零件具有较大的反射率变化范围，例如光滑表面上的镜面反射或生锈或氧化表面上的弱反射。这些反射将产生较大的相位误差并导致匹配错误，从而产生错误的深度值。
2. 振动 ：对于立体视觉测量系统而言，精确地进行相机位姿标定对于获得高精度测量结果至关重要。但在工业环境中，振动有时难以避免，它会导致相机位姿不稳定，进而降低测量精度，而频繁地对系统进行标定是一项繁琐的任务。
3. 人工干预 ：现有的PMP系统通常不便于用于在线三维检测任务，且耗时较长，因为它们总是包含许多人工作业，如粘贴标记点、对齐、从不同角度进行的多次扫描的拼接以及与预先存在的CAD模型的比较，这些都需要用户进行大量人工干预。

本文提出了一种用于精确工业3D检测的增强型相位测量轮廓术（EPMP）方法。该方法提出了一种基于正弦条纹照明下图像分析的最优曝光时间（OET）标定方法，以应对大范围表面反射率变化问题，并能够在镜面反射区域避免使相机传感器饱和，同时不牺牲信噪比（SNR）。最多只有弱反射，因此可以有效提高测量结果的质量。为了抵抗振动的影响，采用改进的位姿标定（IPC）方法，仅需获取单张平面标定板图像即可实现快速相机位姿标定。IPC方法包含粗略阶段和优化阶段。在粗略阶段，位姿以低精度进行标定；随后在优化阶段通过迭代方法进一步优化。实验表明，与其他方法相比，该方法对共面三维参考点及其对应图像点的不准确性具有更强的鲁棒性。

目前，尚不存在能够自动处理各种工业三维检测任务的通用测量系统。只有在明确了特定应用中的需求后，才能对专用系统的设计与开发做出相应的决策。提高自动化水平的专用系统开发在工业在线三维检测应用中需求迫切且意义重大。本文开发了一种用于检测铁路货车适配器（RTA）三维几何尺寸质量的专用系统，而RTA对铁路货车运行安全至关重要。在所开发的系统中，采用多相机、多投影仪和旋转工作台来获取RTA的完整三维轮廓，并以准确、快速且自动的方式评估其几何尺寸质量。此外，该专用系统还验证了所提出的EPMP方法的性能，实验结果在精度和重复性测试中均表现出令人满意的效果。

本文做出了以下贡献：（1）提出了一种EPMP方法，以解决在严苛的工业测量条件下PMP方法应用中的通用问题（包括大范围表面反射率变化和振动）。（2）开发了一种特殊的自动在线三维检测系统，以提高工厂的自动化水平，实验也验证了所提出的EPMP方法的性能。（3）该特殊系统的开发设计与考虑因素也可为其他在线三维检测系统提供良好的参考建议。

2 相位测量轮廓术原理

图1展示了相位测量轮廓术原理。通常，一系列具有恒定相移量的正弦条纹图像被投影到目标表面，同时两个相机同步捕获变形条纹图像。所捕获的图像可以表示为

$$
I_n(x,y) = A(x,y) + B(x,y)\cos[\phi(x,y) + \delta_n]; \quad n = 1, 2, 3, 4
\tag{1}
$$

其中 $(x,y)$ 表示图像中的任意一点，$A(x,y)$ 为平均强度，$B(x,y)$ 为调制强度，比值 $r(x,y) = B(x,y)/A(x,y)$ 可用作像素的信噪比，并决定哪些像素可以被重建，$\delta_n = 2\pi(n-1)/N$ 表示相移量，$N=4$ 为相移图像的总数，$\phi(x,y)$ 为所需的相位信息。$A(x,y)$、$B(x,y)$ 和 $\phi(x,y)$ 可通过求解得到

$$
A(x,y) = \frac{1}{N} \sum_{n=1}^{N} I_n(x,y);
\tag{2}
$$

$$
B(x,y) = \left{ \left[ \frac{2}{N} \sum_{n=1}^{N} I_n(x,y)\sin(\delta_n) \right]^2 + \left[ \frac{2}{N} \sum_{n=1}^{N} I_n(x,y)\cos(\delta_n) \right]^2 \right}^{0.5};
\tag{3}
$$

$$
\phi(x,y) = -\arctan \left( \frac{\sum_{n=1}^{N} I_n(x,y)\sin(\delta_n)}{\sum_{n=1}^{N} I_n(x,y)\cos(\delta_n)} \right).
\tag{4}
$$

公式（4）提供了相位范围（−π，π），其中包含 $2\pi$ 个不连续点，为了在相机视图之间建立可靠的对应关系，采用多频外差技术[9]来获得连续相位图，并通过三角测量法获取三维点。

与许多光学测量方法一样，相位测量轮廓术原理要求被测表面具有均匀朗伯反射特性，但许多工业零件通常包含具有镜面反射的光滑表面或具有弱反射的生锈和氧化表面，这不可避免地会带来较大的测量误差。此外，工业环境中可能存在意外振动，这会降低双目视觉系统的测量精度。因此，由于这两个问题，在工业在线三维检测任务中应用相位测量轮廓术原理仍然具有挑战性。旨在解决这一问题，本文提出了一种EPMP方法。在该方法中，采用OET方法解决大范围表面反射率变化的问题，并采用IPC方法实现快速相机位姿标定，从而使测量结果更加准确。

3 EPMP方法

3.1 OET标定方法

大范围表面反射率变化是挑战PMP方法实现精确三维测量的主要问题之一。许多工业零件具有光泽表面，存在镜面反射，同时也有锈蚀或氧化区域导致弱反射，因此捕获的条纹图像会出现饱和或信噪比低的情况，这两种情况都会导致相位误差，从而使三维结果不可靠。

在实践中，普遍采用的解决方案是使用微白粉末涂层，这可以使表面呈现均匀朗伯反射，但由于粉末具有厚度，因此不推荐用于三维检测应用[10]。特别是，条纹图像质量受到相机曝光时间、相机传感器增益、镜头光圈、投影光强度、被测表面的反射率和形状、环境光、阴影及场合等多种因素的综合影响，因此为了提高反射率变化范围较大表面的条纹图像质量，许多研究尝试控制其中部分因素[11–20]。Kowarschik等人[11]通过合理的测量布置避免相机传感器饱和。李等人[12]基于镜面表面的通用反射机制，分析投影角度与其他因素之间的关系，提出了一种最优投影角度测量方法。胡等人[13]利用彩色光源和多相机解决了双边界光噪声问题。Waddington等人[14–16]提出了一种自适应条纹投影方法。通过控制投影条纹图像的强度来抵抗强环境光。张的研究组提出了一种高动态范围扫描技术[17]和一种自动曝光时间技术[18]，以获取高质量条纹图像。江等人[19]和赵等人[20]也提出了高动态范围条纹获取方法，用于从多个曝光时间下捕获的条纹图像中选择高质量像素。这些方法中的许多在三维测量中需要捕捉大量图像，因此测量速度会降低。在[18]中，可通过测量前对纯白光照明下的图像进行分析来标定合适的曝光时间，从而提高测量效率。但该方法未考虑从投影仪到相机的多条光路的影响。相机图像中任意像素的强度不仅受其所属小面积表面区域反射的影响，还受到其他区域反射的影响。由于相位测量轮廓术原理基于对正弦条纹照明下的图像分析，因此根据条纹图像来分析曝光时间更为合理。基于这一观点，提出了一种OET标定方法，其目的是在避免镜面反射区域使相机传感器饱和的同时，尽可能保持弱反射区域条纹图像的信噪比。

3.1.1 条纹分析

通常，以下因素直接影响条纹图像中像素的强度：（1）直接到达相机传感器的环境光 $L_a$，（2）由具有反射率 $\rho$ 的相应表面区域反射的、强度为 $L_p$ 的投影光，（3）来自其他表面区域多条光路的投影光 $L_{pa}$，以及（4）传感器的噪声 $I_n$。假设相机灵敏度为 $\gamma$，曝光时间为 $t$，则相机图像可被描述为

$$
I(x,y,t) = \gamma(L_a + \rho L_p + L_{pa}) \cdot t + I_n.
\tag{5}
$$

通常，测量设备可用于封闭的房间内，且除了投影仪外可能不存在额外光源，因此 $L_a$ 可假设与投影光相比可忽略不计。对于给定像素，$\gamma$ 和 $\rho$ 是常数，且 $L_{pa}$ 可近似为来自其他区域的额外反射之和。投影光在时间上可视为恒定，因为曝光时间是单位投影时间[18]的整数倍。5) 变为

$$
I(x,y,t) = \gamma \rho L_p \cdot t + \gamma \sum_{i=1}^{m} L_{ei} \cdot t + I_n,
\tag{6}
$$

其中 $m$ 为额外反射的数量，$L_{ei}$。进一步地，式(6)可写为

$$
I(x,y,t) = \left( \gamma \rho L_p + \gamma \sum_{i=1}^{m} L_{ei} \right) \cdot t + I_n = k(x,y) \cdot t + I_n(x,y).
\tag{7}
$$

根据公式(7)，每个像素的强度应与曝光时间具有线性关系。

在测量具有较大反射率变化范围的表面时，弱反射区域通常需要较长的曝光时间以获得更高的信噪比，但在条纹图像中正弦波峰值处的像素（峰值像素）本应具有最大的灰度强度，在镜面反射区域却容易发生饱和。一旦镜面反射区域的峰值像素未发生饱和，则曝光时间应尽可能大。因此，只需对峰值像素进行分析，当它们达到理想最大强度$I_{ideal}$时，即可评估各像素的最优曝光时间：

$$
t(x,y) = \frac{I_{ideal} - I_n(x,y)}{k(x,y)}.
\tag{8}
$$

最后，整个图像的最佳曝光时间可以通过 $t(x,y)$ 的最小值来确定。

为了验证上述分析的有效性，选取了条纹图像中的十个任意峰值像素，并研究了它们在不同曝光时间下的表现。根据图2中的结果，像素在强度范围30至220内表现出线性特性，该结果与公式(7)一致，因此可将有效的理想最大强度$I_{ideal}$设为220。

图2 10个任意峰值像素在不同曝光时间下的行为

3.1.2 最优曝光时间标定

图像噪声会导致最佳曝光时间标定结果不可靠，因此用于标定的曝光时间应被合理选择，以确保标定结果的可靠性。因此，最佳曝光时间标定可分为两个步骤：

步骤1 相机配置 ：由于标定依赖于改变曝光时间，因此其他会影响相机图像强度的因素应手动正确设置。在首次系统设置期间，定义一系列按升序排列的曝光时间$t_i(i=1,2,3,…,n)$，每个曝光时间应为单位投影时间的整数倍，以确保能够正确捕获条纹图像。首先，将相机的曝光时间设置为所定义序列中的中间值，其他相机参数（如镜头光圈）可手动设置。

步骤2 对较低曝光时间的条纹图像进行分析 ：根据公式 (7)，理论上通过捕获两幅不同曝光时间的条纹图像即可计算出$k(x,y)$和$I_n(x,y)$，而采用更多图像则可提高精度。相机图像中任意像素的强度不仅受其所属的小型表面区域 $\gamma\rho L_p$反射的影响，而且其他区域的反射 $\gamma \sum_{i=1}^{m} L_{ei}$。其他区域的反射依赖于照明、反射率和场景形状是合理的。当照明改变时，其他区域的反射也会随之改变。由于相位偏移会改变照明，因此相移图像的最优曝光时间会有所不同。因此，应对每幅相移图像的最优曝光时间进行标定，并选择其中最小的一个作为最终结果。为了兼顾标定精度和测量效率，采用三组不同曝光时间的相移图像来标定最优曝光时间。所选的曝光时间通常为预定义序列中较小的值，以避免镜面反射区域的峰值像素饱和；但在某些情况下，所选峰值像素的强度可能过小，导致标定结果不准确。根据图2，峰值像素在强度范围30至220内可表现出线性特性，因此阈值可设为30，当所选峰值像素的强度低于该阈值时，可使用预定义序列中较大的曝光时间进行标定。另一方面，由于峰值像素通常处于正弦条纹照明的最大强度下，其信噪比通常优于其他像素，因此在一定程度上，所提出的OET方法对噪声图像的影响不敏感。

为了测试OET标定方法的性能，测量了一个包含具有镜面反射的光滑表面和具有弱反射的锈蚀表面的 RTA（如图3a所示）。在本实验中，曝光时间序列为 ${t | t=i\times t_0, t_0=1/60s, i\in=(1,2,3,\cdots\cdots,18,19)}$。使用曝光时间为17、33和50毫秒拍摄的三组相移图像，用于标定前侧圆柱面和后侧平面的最优曝光时间。在标定过程中，仅通过手动定义的掩膜对采集图像中的目标区域进行分割并参与标定，其标定结果分别为142.374和175.293 毫秒。由于相机曝光时间必须为单位投影时间的整数倍中最接近的值，因此实际的最优曝光时间分别设置为 133毫秒和167毫秒。图3b, c显示了在最优曝光时间 133毫秒下，圆柱面在正弦条纹照明和纯白光照明下的图像；图3d展示了图3b, c中第390行从第600至800列像素的灰度强度分布；可以看出，在纯白光照明下，镜面区域的部分像素出现饱和，而在正弦条纹照明下则未饱和；此外，正弦条纹照明下的峰值像素通常比纯白光照明下的峰值像素强度更低，因此可以验证，相机图像中任意像素的强度不仅受其所属小面积表面区域反射的影响，还受到其他区域反射的影响。相应地，图3f, g所示的平面图像的灰度强度分布以及图3e, i显示了使用不同曝光时间（包括最优曝光时间）测量得到的圆柱面和平面的三维点云。从图3e的结果可以看出，在弱反射区域，较小的曝光时间会导致三维点缺失；在镜面反射区域，较大的曝光时间也会导致三维点缺失，而最优曝光时间能够获得完整的三维点。因此，最优曝光时间可以防止弱反射区域的像素信噪比过低以及镜面反射区域的像素饱和。值得注意的是，在

图3 实验结果：a 测得的RTA；b 在最佳曝光时间为133毫秒的正弦条纹照明下的圆柱面图像；c 在最佳曝光时间为133毫秒的纯白光照明下的圆柱面图像；d 图像(b)和(c)中第390行从第600至800列像素的灰度强度分布；e 圆柱面在曝光时间为83毫秒、133毫秒（最佳曝光时间）和183毫秒时的三维结果；f 平面
f 正弦条纹照明下曝光时间为167毫秒的平面图像；g 纯白光照明下曝光时间为167毫秒的平面图像；h 图像(f)和(g)中第450行第340至540列像素的灰度强度分布；i 平面在曝光时间分别为117毫秒、167毫秒（最佳曝光时间）和217毫秒下的三维结果

3.2 IPC方法

在工业环境中，振动有时不可避免，这会导致双目视觉系统的结构不稳定，从而进一步降低三维测量精度。迄今为止，针对摄影测量、机器人学、计算机图形学和计算机视觉领域，已提出了许多位姿标定方法[21–26]。通常，这些方法可分为平面与非平面情况，以及非迭代与迭代方法。在我们的方法中，采用平面靶标进行位姿标定，因为高精度地构建非共面三维参考物体是一项复杂的工作，需要特殊设备。另一方面，与非迭代方法相比，迭代方法通常具有更高的精度，已成为高精度标定的首选。然而，共面三维参考点的制造误差及其对应图像点的检测误差有时不可避免，现有的标定方法可能会出现标定歧义，导致结果显著不稳定。这主要由两个问题引起：（1）初始值通常依赖于随机值或一些远离正确解的近似假设；（2）许多迭代方法基于经典通用迭代算法，容易陷入局部最优解。

为了解决这些问题，采用了一种IPC方法，通过仅获取一幅平面靶标的图像即可实现相机位姿的快速标定，该方法可分为粗略阶段和优化阶段。在粗略阶段，通过单应性以低精度计算位姿。假设一个三维参考点的坐标为 $M_i(X_i,Y_i,Z_i)$，其二维图像坐标为 $m_i(x_i,y_i)$，其中 $i=1,2,…,q(q>4)$ 表示靶标的索引。对于平面靶标，所有三维参考点在世界坐标系中的 $Z = 0$ 坐标相同。根据针孔模型

$$
s \begin{bmatrix} x_i \ y_i \ 1 \end{bmatrix} = A [r_1\ r_2\ r_3\ t] \begin{bmatrix} X_i \ Y_i \ Z_i \ 1 \end{bmatrix} = A [r_1\ r_2\ t] \begin{bmatrix} X_i \ Y_i \ 1 \end{bmatrix};
\tag{9}
$$

其中 $s$ 是缩放因子，$A$ 是相机矩阵，$[r_1\ r_2\ r_3\ t]$ 表示姿态矩阵。$r_i$ 是旋转矩阵的向量，描述了世界坐标系与相机坐标系之间的刚性变换，$t$ 是相应的平移向量。$m_i$ 和 $M_i$ 分别表示 $[x_i\ y_i\ 1]^T$ 和 $[X_i\ Y_i\ 1]^T$，它们可以通过单应性矩阵 $H$ 关联。

$$
s m_i = H M_i \quad \text{with} \quad H = A [r_1\ r_2\ t].
\tag{10}
$$

我们采用张’的方法[27]计算单应性矩阵，因此根据公式(10)，可获得位姿参数。但在这一阶段，标定结果并不十分准确。

在优化阶段，可以通过迭代方法[24–26]对粗略结果进行优化。在这些方法中，Lu的方法[24] 由于其在目标函数和迭代算法上的创新设计，成为最快且最准确的方法之一，能够最大程度地保证全局最优解，并避免通用迭代方法陷入局部最优解。因此，在我们的位姿标定方法中，采用Lu的方法对粗略结果进行优化。

为了验证IPC标定方法的性能，从精度和鲁棒性方面对比了三种方法：基于弱透视假设初始化的卢氏方法、采用单应性初始化的梯度下降迭代（通用迭代方法）以及采用单应性初始化的卢氏方法（IPC方法）。在由具有有效归一化焦距(2400, 2400)和主点(639.5, 511.5)的虚拟标定相机获取的 1280×1024图像中，随机生成合成的3D-2D对应点。对相应的二维点坐标添加高斯噪声。给定真实相机旋转矩阵$R_t$和平移$T_t$，估计旋转矩阵$R$的相对误差通过$E_r = |q_t - q| / |q_t|$计算，其中 $q_t$ 和 $q$ 是对应于旋转矩阵的归一化四元数向量。类似地，估计平移$T$的相对误差由 $E_t = |T_t - T| / |T_t|$ 确定。

图4 位姿标定方法的比较：a∼f 表示使用六组3D/2D对应的旋转和平移相对误差的框线图；g (a)∼(c) 的平均旋转误差随…的变化噪声；(d)∼(f) 的平均平移误差随噪声的变化；i∼j 在五个像素的固定高斯噪声下，平均误差随点数的变化

首先，向二维点坐标添加了不同水平的高斯噪声，在每一水平下，通过三种方法分别计算旋转$R$和平移$T$的相对误差1000次，在每次计算中使用六个二维点坐标。相对误差使用图4a∼f中的箱线图表示：蓝色框表示误差的第一和第三四分位数，从每个框表示数据的统计范围，红色十字表示落在该范围之外的观测值。可以得出结论：使用单应性初始化的迭代方法（如图4b, c, e, f）得到的结果比使用弱透视假设的Lu’s方法（如图4a, d）稳定得多，但Lu’s方法相比通用迭代方法更有可能保证全局最优解。从图4g, h所示的平均相对误差可以看出，采用单应性初始化的Lu’s方法（IPC）收敛到更高精度的结果，优于通用迭代方法。其次，研究了相对误差与图像点数量之间的关系。对于每个点数，执行1000次相对误差计算，并保持高斯噪声水平固定。每次计算中的点也在整个图像范围内随机选取。图4i, j所示结果表明，更大的点数将带来更高的精度。

从实验结果可以看出，IPC方法对三维参考点误差及其对应图像点的检测误差具有很强的鲁棒性，在实践中能够获得更稳定的结果。

4 自动化工业在线三维检测系统的开发

本文开发了一种用于铁路部件的自动在线三维检测系统，以验证所提出的EPMP方法的性能。铁路货车运输具有高速和重载的特点。如图5a所示的铁路货车适配器（RTA），在行驶过程中将承受交变载荷，其在连接和定位铁路货车转向架的滚动轴承与侧架方面起着重要作用，且其几何尺寸质量将影响速度、承载能力和行驶安全。为确保运输安全，必须对从铁路货车上拆卸下来的铁路货车适配器（RTA）进行定期检测，以验证其三维几何尺寸质量。然而，传统检测方法依赖人工操作使用专用测量规，具有主观性且缺乏可重复性和再现性。更糟糕的是，每天至少需要检查200个RTA，因此劳动密集型程度很高。

图5 三维检测任务描述：a 铁路货车的底部结构；b RTA的CAD模型及需要检测的几何尺寸

4.1 系统设计

图5b显示了RTA的CAD模型及需要检测的相应几何尺寸。红线表示被减去的表面，ss代表圆柱面，$s_i(i=1,2,3…9)$为平面。总共需要定期检测六个几何尺寸，分别为$D_s$, $d_1$, $d_2$, $d_3$, $d_4$, 和 $d_5$。$D_s$是圆柱面(ss)的直径，$d_i(i=1, 2,3…5)$表示平行平面之间的距离。

如图5b所示，RTA包含四对平行平面，每对至少需要两个测量方向，因此应获取其完整三维轮廓，需要从至少七个不同的方向进行测量。在我们的系统中，采用多投影仪和多相机从不同方向对平行表面进行测量。系统的结构如图6所示：相机1、相机2和投影仪1可构成PMP-1系统，相机3、相机4和投影仪2可构成PMP-2系统，RTA由旋转工作台定位，实现整个轮廓的360°自动测量。此外，使用传送带输送RTA，所开发的系统可与工厂的整条生产线协同工作，从而显著提高自动化水平。图7a描述了所开发系统的检测过程。首先，将RTA装载到传送带上并送入光学检测室，升降机将旋转工作台升起，使RTA位于相机的视场内。在检测过程中，PMP系统将测量RTA的整个轮廓，然后可分析其三维几何尺寸质量。最后，RTA将被移出检测室并送至卸载装置。图7b展示了工厂中的自动在线三维检测设备。

图6 检测室的结构

图7 自动在线三维检测系统：a 系统示意图；b 工厂中的三维检测设备

4.2 数据处理

由于PMP系统具有全场测量能力，这种能力使得相机图像中的每个像素都可用于重建一个三维点，这将给几何尺寸评估带来很大困难，因为计算机无法将原始数据集中的点划分为若干子集，而每个子集在逻辑上应各自对应一个基本表面。通常使用自动分割技术来解决此类分组问题，关于当前先进方法的出色综述可参见[28]，但大多数方法似乎耗时较长。在我们的系统中，为了实现快速且稳定的分割，采用了一个预定义的分割掩模，它实际上是一个与相机图像具有相同分辨率的二维数组。在此数组中，每个元素都可以被赋予一个标签，用以表示相机图像中对应的像素。属于同一表面区域的像素在掩模中被赋予相同的标签。因此，当三维点从相机图像中重建出来时，可以准确地进行分类。此外，在对三维点完成分割后，可以采用迭代算法去除通过基本类型的几何知识排除异常值。需要注意的是，该方法基于以下验证：在测量过程中，RTA可以通过工装板和旋转工作台进行定位（如图7所示）。从分割出的三维点中，可以评估圆柱面(ss)的直径($D_s$)以及平行平面之间的距离($d_2$, $d_3$, $d_4$和$d_5$)[29]。为了确定 $d_1$，必须建立一个基准平面。可以假设圆柱面(ss)被均匀磨平，因此圆柱的轴线可视为恒定，并位于基准平面内。基准平面的法向量是圆柱面轴线方向与$s_4$和$s_5$法向量的叉积。因此，可以确定基准平面。

4.3 重复性测试

通过在2天内对同一RTA进行80次测量来研究我们检测系统的重复性，每次测量时都将RTA重新装载到夹具中。在此测试中，每次测量前都对最佳曝光时间进行了校准，并比较了使用和不使用IPC方法对相机进行标定的结果与参考结果。参考结果由柯尼卡美能达生产的商用激光扫描仪RANGE5获得，其测量精度为 ±0.04 mm。比较结果如图8所示；可以看出，采用位姿标定的结果更准确、更稳定，所开发的系统能够满足检测要求，并已在工厂中投入使用。

图8 重复性测试，a $d_1$、b $d_2$、c $d_3$、d $d_4$、e $d_5$ 和 f $D_s$ 的80次测量结果

5 结论

本文提出了一种用于精确工业三维检测的EPMP方法。该方法中，提出了一种基于正弦条纹照明下相机图像分析的OET标定方法，以应对大范围表面反射率变化问题，并提高条纹图像质量。为抵抗振动影响，采用一种改进的位姿校准方法，仅需获取单张平面靶标图像即可实现快速相机位姿标定。实验表明，该方法对三维参考点误差及其对应像点检测误差具有更强的鲁棒性。基于EPMP方法，开发了一套专用系统，用于在工业环境中实现RTA几何尺寸质量的自动在线三维检测。本系统采用多相机、多投影仪和旋转工作台，以获取RTA的三维轮廓，从而准确、快速、自动地评估其几何尺寸质量。所开发系统的重复性测试验证了所提EPMP方法的性能，实验结果表明该系统能够满足 RTA检测任务的需求，且自动化水平显著提升。该系统的设计思路与考虑因素也可为其他在线三维检测系统的开发提供有益参考。