硅棒特征點(diǎn)三維坐標(biāo)視覺檢測(cè)技術(shù)研究＊

侯宏錄，王 敏

（西安工業(yè)大學(xué) 光電工程學(xué)院，陜西 西安 710021）

引 言

硅棒的實(shí)際尺寸參數(shù)與硅棒本身的特征點(diǎn)提取密切相關(guān)，獲取硅棒特征點(diǎn)的三維坐標(biāo)信息可有效反映硅棒尺寸參數(shù)和產(chǎn)品質(zhì)量，為產(chǎn)品的質(zhì)量監(jiān)控提供依據(jù)［1］。然而針對(duì)硅棒，無論是整體尺寸還是局部特征的檢測(cè)，國(guó)內(nèi)目前尚無相關(guān)儀器，在我國(guó)這些參數(shù)的檢測(cè)還主要是依靠人工完成［2］。人工檢測(cè)是一種非在線、接觸式的傳統(tǒng)檢測(cè)方式，采用直角尺、游標(biāo)卡尺、鋼板尺等工具進(jìn)行檢驗(yàn)，檢測(cè)精確度和重復(fù)性受到檢測(cè)人員工作狀態(tài)干擾，很難保證統(tǒng)一標(biāo)準(zhǔn)，總體上來說檢測(cè)速度和檢測(cè)精度不高；同時(shí)接觸式檢測(cè)過程中需反復(fù)搬動(dòng)樣品不可避免地造成對(duì)樣品的二次傷害，效率低，儀器損耗大［2］。結(jié)合視覺成像技術(shù)和圖像處理技術(shù)出現(xiàn)的機(jī)器視覺檢測(cè)技術(shù)，不僅摒棄了傳統(tǒng)檢測(cè)方法的不足，滿足了實(shí)時(shí)檢測(cè)要求，同時(shí)還具有非接觸、精度高等優(yōu)點(diǎn)，是現(xiàn)場(chǎng)實(shí)時(shí)三維坐標(biāo)測(cè)量的首選方法之一［3－5］。

國(guó)內(nèi)外關(guān)于三維坐標(biāo)的相關(guān)測(cè)量方法主要有：電子經(jīng)緯儀法和三坐標(biāo)測(cè)量機(jī)法［3］。坐標(biāo)測(cè)量機(jī)的測(cè)量精度可達(dá)微米級(jí)，但是龐大的機(jī)身、厚重的底座、復(fù)雜的操作以及昂貴的成本限制了其現(xiàn)場(chǎng)的應(yīng)用［4］；經(jīng)緯儀、激光跟蹤儀便攜性好，但采用多點(diǎn)對(duì)準(zhǔn)，效率低，不適合于現(xiàn)場(chǎng)在線檢測(cè)［5］。機(jī)器視覺檢測(cè)系統(tǒng)組建非常靈活，既可由單目視覺測(cè)量系統(tǒng)構(gòu)成，亦可選擇雙目甚至多目視覺測(cè)量系統(tǒng)搭建而成。因?yàn)閱文恳曈X測(cè)量三維空間坐標(biāo)測(cè)量不確定度偏差較大［4］，所以選擇由四CCD構(gòu)成的多目視覺系統(tǒng)，該多目視覺檢測(cè)系統(tǒng)中，相鄰的兩CCD構(gòu)成正交雙目交匯視覺測(cè)量子模塊系統(tǒng)，基于雙目視覺原理的子模塊克服了單目視覺檢測(cè)的缺陷，精度更高。該多目機(jī)器視覺系統(tǒng)在保證較高精度的前提下，作為機(jī)器視覺前端采集系統(tǒng)，實(shí)現(xiàn)了硅棒全范圍大尺寸輪廓檢測(cè)，檢測(cè)效率和速度較高。

1 硅棒坐標(biāo)檢測(cè)機(jī)器視覺系統(tǒng)組成

典型的基于機(jī)器視覺的硅棒坐標(biāo)檢測(cè)系統(tǒng)組成如圖1所示：

圖1 機(jī)器視覺的坐標(biāo)檢測(cè)系統(tǒng)組成Fig.1 The design of machine vision for coordinate detection system

硅棒坐標(biāo)測(cè)量系統(tǒng)主要包括上位機(jī)界面、數(shù)據(jù)采集模塊、圖像處理模塊、輸入輸出接口以及機(jī)械搭建平臺(tái)組成。上位機(jī)作為人機(jī)交互平臺(tái)負(fù)責(zé)數(shù)據(jù)顯示和存儲(chǔ)，總體管理數(shù)據(jù)采集模塊和圖像處理模塊。數(shù)據(jù)采集系統(tǒng)作為機(jī)器視覺檢測(cè)的核心之一完成硅棒輪廓信息圖像采集，涉及光源、鏡頭、CCD相機(jī)以及圖像采集卡，采集系統(tǒng)工作流程為：光源照射待測(cè)硅棒，CCD相機(jī)采集圖像信息經(jīng)過圖像采集卡將圖像信息轉(zhuǎn)換為數(shù)字信息送入上位機(jī)并實(shí)時(shí)保存起來。數(shù)據(jù)采集完成之后，圖像處理模塊讀取圖像通過相應(yīng)算法提取特征點(diǎn)最終計(jì)算特征點(diǎn)空間三維坐標(biāo)。圖1還可以看出整個(gè)數(shù)據(jù)采集模塊搭建在機(jī)械平臺(tái)上由執(zhí)行機(jī)構(gòu)驅(qū)動(dòng)，不僅可以實(shí)現(xiàn)待測(cè)目標(biāo)的小范圍檢測(cè)，同時(shí)還可以配合機(jī)械平臺(tái)運(yùn)動(dòng)，驅(qū)動(dòng)數(shù)據(jù)采集系統(tǒng)實(shí)現(xiàn)待測(cè)物體的大范圍全尺寸檢測(cè)。

2 硅棒特征點(diǎn)三維坐標(biāo)檢測(cè)原理

2.1 四目視覺全范圍檢測(cè)系統(tǒng)組成

硅棒特征點(diǎn)坐標(biāo)視覺檢測(cè)技術(shù)基于四目視覺原理，整個(gè)四目視覺系統(tǒng)作為機(jī)器視覺檢測(cè)系統(tǒng)的數(shù)據(jù)采集模塊負(fù)責(zé)為后續(xù)圖像處理模塊提供硅棒圖像信息，采集的圖像質(zhì)量直接影響到后續(xù)圖像處理的難易程度和結(jié)果的計(jì)算精度。四目視覺原理如圖2所示：數(shù)據(jù)采集模塊由四臺(tái)CCD相機(jī)組成，分別在待測(cè)硅棒每個(gè)側(cè)面安裝一臺(tái)CCD面陣相機(jī)，保持相機(jī)與硅棒待測(cè)面垂直放置，在自然光源照射下硅棒表面成像于與之垂直的CCD相機(jī)上，則相機(jī)分別獲得每個(gè)硅棒表面特征的圖像。該圖像可以通過一個(gè)四路camelink接口圖像采集卡或者2個(gè)雙路camelink接口圖像采集卡送入上位機(jī)進(jìn)行后續(xù)圖像處理。整個(gè)數(shù)據(jù)采集系統(tǒng)要實(shí)現(xiàn)的功能就是確保不降低系統(tǒng)檢測(cè)精度的前提下，維持盡量大的有效視場(chǎng)范圍，實(shí)時(shí)采集獲取清晰的硅棒圖像。

2.2 四目視覺系統(tǒng)視場(chǎng)約束

為了實(shí)現(xiàn)最優(yōu)檢測(cè)目的，必須保證待測(cè)硅棒在檢測(cè)過程中始終處于四目視覺系統(tǒng)的有效視場(chǎng)范圍內(nèi)，若硅棒對(duì)應(yīng)于相機(jī)上像點(diǎn)的坐標(biāo)為（xi，yi），通過針孔模型透視變換公式就能得出某個(gè)特征點(diǎn)在有效視場(chǎng)內(nèi)的世界坐標(biāo)為OXWiYWiZWi。圖3為四目視覺系統(tǒng)有效視場(chǎng)示意圖，以四臺(tái)CCD交匯中心建立世界坐標(biāo)系。

圖2 四目視覺系統(tǒng)組成Fig.2 The composition of the 4CCDs vision system

圖3 四目全范圍檢測(cè)原理及有效視場(chǎng)分析Fig.3 The principle and the analysis of effective vision field for 4CCDs′full range detection

由式（1）可知：CCD相機(jī)間基線長(zhǎng)度B、視場(chǎng)角β以及相機(jī)夾角α這三個(gè)參數(shù)不僅直接限制有效視場(chǎng)的大小，還會(huì)嚴(yán)重影響四目視覺系統(tǒng)的測(cè)量精度。引起測(cè)量精度的誤差包括相機(jī)本身參數(shù)（Tx、Ty）以及相機(jī)分布結(jié)構(gòu)參數(shù)、參數(shù)本身的測(cè)量誤差（B、f）［6］，它們共同決定了機(jī)器視覺采集系統(tǒng)的精度。

2.3 雙目交會(huì)原理

如圖2可知：四目視覺系統(tǒng)中的任意相鄰的兩個(gè)CCD構(gòu)成雙目交匯視覺測(cè)量系統(tǒng)，所以整個(gè)四目視覺系統(tǒng)可以看作四個(gè)雙目交匯視覺子系統(tǒng)組成，其中CCD－1和CCD－2構(gòu)成子系統(tǒng)1，CCD－2和CCD－3構(gòu)成子系統(tǒng)2，CCD－3和CCD－4構(gòu)成子系統(tǒng)3，CCD－4和CCD－1構(gòu)成子系統(tǒng)4。因?yàn)槊總€(gè)子系統(tǒng)光軸互相垂直，所以子系統(tǒng)基于正交雙目交匯視覺原理。正交雙目交匯測(cè)量比單目測(cè)量準(zhǔn)確度高，它的相機(jī)夾角2α＝90°有效降低安裝誤差［7］，保證基線長(zhǎng)度，形成相對(duì)較大的有效視場(chǎng)利于實(shí)現(xiàn)大尺寸檢測(cè)，同時(shí)α＝45°滿足α∈（40°－70°）放置時(shí)測(cè)量誤差最小要求［4］。

以雙目交匯視覺子系統(tǒng)1為例：CCD－1和CCD－2分別滿足針孔成像模型：

其中矩陣M是由相機(jī)內(nèi)部參數(shù)（r1～r9）和相機(jī)外部參數(shù)（T1～T3）構(gòu)成的一個(gè)3×4的綜合矩陣。聯(lián)立式（2）和式（3）求解則可得到CCD－1和CCD－2的采集圖像上的公共特征點(diǎn)的三維坐標(biāo)，即硅棒第1對(duì)棱邊上的特征點(diǎn)坐標(biāo)，同理對(duì)于雙目交匯視覺子系統(tǒng)2、雙目交匯視覺子系統(tǒng)3、雙目交匯視覺子系統(tǒng)4可依次求得第2對(duì)、第3對(duì)、第4對(duì)棱邊上的特征點(diǎn)坐標(biāo)，從而在保證精度前提下實(shí)現(xiàn)硅棒全范圍檢測(cè)目的。

3 硅棒特征點(diǎn)三維坐標(biāo)檢測(cè)方法的實(shí)現(xiàn)

為了驗(yàn)證硅棒特征點(diǎn)三維坐標(biāo)視覺檢測(cè)系統(tǒng)的可行性，在實(shí)驗(yàn)室搭建了機(jī)器視覺檢測(cè)試驗(yàn)樣機(jī)進(jìn)行試驗(yàn)，完成四目視覺采集系統(tǒng)的相機(jī)標(biāo)定實(shí)驗(yàn)，同時(shí)以CCD－1和CCD－2構(gòu)成的正交雙目子系統(tǒng)為例進(jìn)行一對(duì)硅棒表面圖像的數(shù)據(jù)采集實(shí)驗(yàn)，基于Visual Studio 2008平臺(tái)編寫核心圖像處理算法。

3.1 標(biāo)定實(shí)驗(yàn)

相機(jī)標(biāo)定是視覺測(cè)量過程中不可缺少的關(guān)鍵技術(shù)，標(biāo)定通過針孔成像原理求取相機(jī)內(nèi)部屬性參數(shù)和外部位置參數(shù)從而確定空間坐標(biāo)系中物點(diǎn)和像點(diǎn)的對(duì)應(yīng)關(guān)系［8］。針對(duì)本文的多目視覺系統(tǒng)首先對(duì)每個(gè)相機(jī)進(jìn)行單目標(biāo)定。單目標(biāo)定選擇一種介于傳統(tǒng)標(biāo)定技術(shù)和自標(biāo)定技術(shù)之間的方法：張氏平面標(biāo)定法。標(biāo)定流程為：首先將自制一個(gè)大小為11×11標(biāo)準(zhǔn)棋盤格模板，每個(gè)棋盤格大小為10mm×10mm。該模板置于視覺系統(tǒng)有效視場(chǎng)內(nèi)，改變模板位置多角度（不小于3個(gè)）分別拍攝，拍攝完成后進(jìn)行角點(diǎn)檢測(cè)，單應(yīng)性矩陣求解和參數(shù)優(yōu)化，每個(gè)CCD獲得一個(gè)相應(yīng)的相機(jī)標(biāo)定文件calib＿CCD＿1.mat、calib＿CCD＿2.mat、calib＿CCD＿3.mat、calib＿CCD＿4.mat。這種標(biāo)定方法比傳統(tǒng)標(biāo)定簡(jiǎn)單，算法計(jì)算量減少且精度高于自標(biāo)定方法。通過單目標(biāo)定得到X方向和Y方向有效焦距（ax，ay）、CCD靶面中心坐標(biāo)（u0，v0）以及徑向或者切向畸變等相機(jī)內(nèi)部參數(shù)，由于切向畸變較小，此處忽略不計(jì)，主要考慮徑向畸變參數(shù)（k1，k2），單目標(biāo)定結(jié)果見表1。

單目標(biāo)定完成之后進(jìn)行立體標(biāo)定，分別獲得相機(jī)坐標(biāo)系O1Xc1Yc1Zc1、O2Xc2Yc2Zc2、O3Xc3Yc3Zc3、O4Xc4Yc4Zc4相對(duì)于世界坐標(biāo)系的旋轉(zhuǎn)矩陣R和平移矩陣T。立體標(biāo)定結(jié)果見表2。

表1 單目相機(jī)標(biāo)定結(jié)果Tab.1 The result of monocular camera calibration

表2 多目相機(jī)標(biāo)定結(jié)果Tab.2 The result of multi－camera calibration

3.2 圖像采集實(shí)驗(yàn)

實(shí)驗(yàn)采用四個(gè)IMPERX面陣CCD相機(jī)、相機(jī)配接15mm的標(biāo)準(zhǔn)鏡頭，兩個(gè)X64－CL Prio圖像采集卡，兩個(gè)鏡頭基線距離為1408.6mm搭建實(shí)驗(yàn)樣機(jī)，有效線視場(chǎng)為236.544mm，將待測(cè)硅棒置于CCD交匯的有效視場(chǎng)范圍內(nèi)，配置圖像采集卡輸出格式為Cameralink Base Mono＃1，導(dǎo)入IPX＿VGA210相機(jī).cfg配置文件，通過X64－CL Prio圖像采集卡將一對(duì)像素為640×480黑白硅棒圖像實(shí)時(shí)送入上位機(jī)。其中正交雙目視覺子模塊1采集到的一對(duì)圖像如圖4所示。

圖4 硅棒圖像Fig.4 Images of silicon rods

3.3 圖像處理

特征點(diǎn)坐標(biāo)檢測(cè)視覺系統(tǒng)第二個(gè)核心組成是圖像處理模塊，該模塊通過完成對(duì)采集數(shù)據(jù)的后續(xù)圖像處理獲得目標(biāo)特征點(diǎn)的三維空間坐標(biāo)，技術(shù)難點(diǎn)在于機(jī)器視覺數(shù)據(jù)采集模塊中CCD相機(jī)得到的是二維圖像信息，而系統(tǒng)最終要求是得到目標(biāo)特征點(diǎn)的空間三維坐標(biāo)。針對(duì)問題論文提出一種二維圖像上恢復(fù)特征興趣點(diǎn)三維坐標(biāo)的解決方法：首先提取待處理圖像上的特征興趣點(diǎn)，建立特征興趣點(diǎn)對(duì)應(yīng)關(guān)系即同名點(diǎn)識(shí)別，接著通過同名點(diǎn)立體匹配獲取對(duì)應(yīng)點(diǎn)視差從而得到特征興趣點(diǎn)3D坐標(biāo)。

3.3.1 Harris角點(diǎn)檢測(cè)

論文以硅棒角點(diǎn)作為研究的特征興趣點(diǎn)，采用一種基于灰度值相關(guān)的角點(diǎn)檢測(cè)算子：Harris算子進(jìn)行硅棒角點(diǎn)檢測(cè)。Harris角點(diǎn)檢測(cè)的目的是提取待測(cè)目標(biāo)的特征點(diǎn)，依靠特征點(diǎn)來傳遞圖像所表征的參數(shù)信息，算法不受相機(jī)姿態(tài)及光照影響，檢測(cè)精度達(dá)到像素級(jí)別［9］。Harris算子數(shù)學(xué)表達(dá)形式為：

M為自相關(guān)聯(lián)系矩陣、Det（M）為自相關(guān)矩陣行列式的值，Trace為矩陣的跡，k為默認(rèn)常數(shù)，取0.04。式（5）稱為Harris算法響應(yīng)函數(shù)，該函數(shù)給出局部范圍內(nèi)的興趣值大小。Harris算法采用局部范圍內(nèi)的極大興趣值對(duì)應(yīng)的像素點(diǎn)作為特征點(diǎn)，因此通過對(duì)算法中的門限閾值、局部鄰域大小、高斯窗口大小和高斯方差多次調(diào)整，保證在局部鄰域內(nèi)只留下最大極值點(diǎn)作為興趣點(diǎn)，實(shí)現(xiàn)特征最優(yōu)角點(diǎn)的提取。

3.3.2 特征點(diǎn)立體匹配

特征點(diǎn)立體匹配就是在待匹配圖像上尋找標(biāo)準(zhǔn)圖像上每個(gè)特征點(diǎn)的同名點(diǎn)，從而將不同圖像中原本獨(dú)立的特征興趣點(diǎn)聯(lián)系起來［10－11］，特征點(diǎn)匹配不是盲目進(jìn)行，它遵循一定約束條件，本文同名點(diǎn)匹配基于極線約束。極線約束規(guī)定了一幅圖像上任意一點(diǎn)在另一幅圖像上的對(duì)應(yīng)點(diǎn)只可能位于一條特定的極線上，通過該約束特征點(diǎn)匹配搜索空間從二維降為一維，減少計(jì)算量［10］。匹配流程為：

首先在現(xiàn)有圖像中設(shè)定一個(gè)標(biāo)準(zhǔn)圖像，對(duì)于標(biāo)準(zhǔn)圖像中的特征點(diǎn)Pl，找出待匹配圖像中與其有最近歐氏距離的前兩個(gè)特征點(diǎn)Pr1和Pr2，計(jì)算兩個(gè)特征點(diǎn)中最近的距離Dmin與次近的距離Pcmin的比值，如果該比值小于匹配閾值，則表示待匹配圖像上歐氏距離最近的點(diǎn)是標(biāo)準(zhǔn)圖像中Pl特征最優(yōu)匹配點(diǎn)。

其次以待匹配圖像中Pr1為特征點(diǎn)，重復(fù)步驟1的過程，求取標(biāo)準(zhǔn)圖像中Pr1的候選匹配點(diǎn)P′l。

最后如果Pl和P′l是相同點(diǎn)，則Pl和Pr1匹配成功，否則棄之。重復(fù)這個(gè)流程，直到匹配完成。

同名點(diǎn)匹配完成之后，由雙目視覺視差公式即可得出特征點(diǎn)3D坐標(biāo)。最后對(duì)采集系統(tǒng)拍攝的兩幅硅棒圖像進(jìn)行角點(diǎn)檢測(cè)及匹配算法驗(yàn)證，獲得了圖像中的4對(duì)公共角點(diǎn)3D點(diǎn)坐標(biāo)值，結(jié)果見表3。

表3 特征點(diǎn)3D坐標(biāo)計(jì)算結(jié)果Tab.3 The calculation result of characteristic points′3Dcoordinate mm

通過表3可以看出：理論計(jì)算結(jié)果和實(shí)際測(cè)量結(jié)果基本吻合，且實(shí)際測(cè)量精度明顯高于理論計(jì)算精度。

4 結(jié) 論

論文提出一種基于機(jī)器視覺的非接觸、實(shí)時(shí)硅棒特征點(diǎn)檢測(cè)技術(shù)，搭建了多目視覺硅棒采集系統(tǒng)進(jìn)行圖像采集實(shí)驗(yàn)，重點(diǎn)研究了多目視覺有效視場(chǎng)確定和正交雙目交匯視覺測(cè)量原理，基于Visual Studio 2008平臺(tái)完成了硅棒角點(diǎn)特征提取以及同名角點(diǎn)立體匹配等后續(xù)圖像處理算法，整個(gè)檢測(cè)過程時(shí)間不超過0.5min。實(shí)驗(yàn)結(jié)果表明，該技術(shù)可準(zhǔn)確快速獲取待檢測(cè)硅棒的特征點(diǎn)三維坐標(biāo)，檢測(cè)精度可以達(dá)到像素級(jí)別，適合于硅棒參數(shù)的非接觸式高精度檢測(cè)。為下一步開展硅棒面形檢測(cè)研究奠定了基礎(chǔ)。

［1］郭海霞，解 凱.焦點(diǎn)檢測(cè)技術(shù)研究［J］.哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào)，2007，23（2）：73－75.

［2］徐岳生，劉彩池，王海云，等.直拉硅的現(xiàn)狀與發(fā)展［C］∥中國(guó)有色金屬學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)論文集.長(zhǎng)沙：中南大學(xué)出版社，2005：62－69.

［3］彭 凱，劉麗冰.雙攝像機(jī)光學(xué)三坐標(biāo)測(cè)量系統(tǒng)的研究［J］.工藝與檢測(cè)，2008，10（9）：115－117.

［4］彭 凱，劉麗冰，劉書桂.基于雙相機(jī)的計(jì)算機(jī)視覺坐標(biāo)測(cè)量系統(tǒng)［J］.光電工程，2008，35（7）：95－98.

［5］管業(yè)鵬，童林夙.雙目立體視覺測(cè)量方法研究［J］.儀器儀表學(xué)報(bào)，2003，24（6）：581－588.

［6］劉佳音，王忠立，賈云得.一種雙目立體視覺系統(tǒng)的誤差分析方法［J］.光學(xué)技術(shù)，2003，29（3）：354－360.

［7］郭玉波，姚 郁.雙目視覺測(cè)量系統(tǒng)結(jié)構(gòu)參數(shù)優(yōu)化問題研究［J］.紅外與激光工程，2006，35（增刊）：506－509.

［8］羅世民，李茂西.雙目視覺測(cè)量中三維坐標(biāo)的求取方法研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2006，27（19）：3622－3624.

［9］張春生.基于點(diǎn)特征匹配的SUSAN－Harris算子比較［J］.西安科技大學(xué)學(xué)報(bào)，2007，27（4）：608－616.

［10］陳凌峰，楊銀才，沈邦心，等.機(jī)器視覺測(cè)量系統(tǒng)中的特征匹配方法［J］.湖北工業(yè)學(xué)院學(xué)報(bào)，2000，15（4）：26－29.

［11］張少輝，沈曉蓉.一種基于圖像特征點(diǎn)提取及匹配的方法［J］.北京航空航天大學(xué)學(xué)報(bào)，2002，34（5）：516－519.