圓結(jié)構(gòu)光視覺三維點管道缺陷檢測及重構(gòu)

王 穎，韓靜文，金翠云，張艷輝

（北京化工大學 信息科學與技術(shù)學院 北京100029）

引言

管道作為石油和天然氣的主要傳輸手段，具有越來越重要的作用。然而由于介質(zhì)腐蝕等原因管道泄漏事故時有發(fā)生。因此，管道內(nèi)表面缺陷檢測，對于預防安全事故、減少環(huán)境污染和避免經(jīng)濟損失具有重要的價值和意義。依據(jù)檢測方法不同，管道內(nèi)表面無損檢測主要包括射線法、渦流法、漏磁法、超聲波法和基于光學的檢測方法［1］。漏磁法在管道內(nèi)部建立磁場，通過檢測磁力線是否發(fā)生彎曲變形實現(xiàn)缺陷檢測［2］。渦流法當物體表面存在缺陷時，渦流磁場強度和分布將發(fā)生變化從而可判定是否存在缺陷［3］。射線法通過X射線、γ射線或中子射線對被測表面實時成像進行缺陷判定［4］。超聲波法同時向管道內(nèi)外表面發(fā)射超聲波信號并利用接收到的反射信號來判定缺陷的位置和大?。?］。上述檢測技術(shù)檢測效率低，需要多次發(fā)射信號才能完成管道軸向一個截面的檢測，對內(nèi)表面的檢測不具有可見性［6］?；诠鈱W的缺陷檢測方法運用光學原理對缺陷進行檢測。主要方法有激光法、紅外熱成像法和基于機器視覺的檢測方法等。激光法通過管道內(nèi)表面和投射激光相交位置的圖像，基于圖像灰度信 息 變 化 實 現(xiàn) 缺 陷 檢 測［7，9－10］。 紅 外 熱 成 像 法 利用紅外光照射被測物體表面，利用正常表面和缺陷表面的紅外熱圖的圖像特征差異實現(xiàn)缺陷檢測［8］。結(jié)構(gòu)光視覺檢測技術(shù)由于具有精度高、非接觸、信息量大等優(yōu)點被廣泛用于工件設(shè)備等的精密三維測量。

管道內(nèi)表面缺陷的精確三維測量及三維可視化是管道檢測的重要發(fā)展方向。本文采用結(jié)構(gòu)光投射器和攝像機基于光學三角法獲得的管道內(nèi)表面三維點進行缺陷檢測，并利用OpenGL實現(xiàn)管道內(nèi)表面三維重構(gòu)。

1 管道內(nèi)表面缺陷檢測基本原理

1.1 圓結(jié)構(gòu)光視覺三維測量原理

圖1給出了圓結(jié)構(gòu)光視覺測量原理。激光器投射出圓錐面結(jié)構(gòu)光與被測管道內(nèi)表面相交產(chǎn)生攜帶物體內(nèi)表面三維信息的亮光條。攝像機A、激光器B和亮光條上的任一點C構(gòu)成三角形，基于光學三角法即可得到管道內(nèi)表面C點的三維信息。當管道內(nèi)表面存在凸起或凹陷時，圓錐面結(jié)構(gòu)光被管道內(nèi)表面形狀調(diào)制導致光條形狀發(fā)生改變。測量時管道沿軸向移動，實現(xiàn)不同截面位置處管道內(nèi)表面的三維測量。

圖1 結(jié)構(gòu)光視覺檢測原理Fig.1 Measuring principle of circle structured light vision

基于圓結(jié)構(gòu)光覺檢測系統(tǒng)獲得管道內(nèi)表面不同截面位置的三維信息，不同截面的三維點排列為圓周。

1.2 管道內(nèi)表面凹凸缺陷檢測方法

依據(jù)圓結(jié)夠光測量原理，視覺檢測系統(tǒng)可獲得管道內(nèi)表面多個三維點，三維點構(gòu)成沿管道不同軸向位置的圓周，通常每一圓周上測量的三維點均勻分布。如圖2所示，當管道內(nèi)壁光滑無瑕疵時，同一圓周上相鄰三維點的切線方向變化很小，mi和mi＋1為圓周上相鄰兩點，qi和qi＋1分別對應(yīng)兩點的切線，Ni和Ni＋1為對應(yīng)的法線，依據(jù)切線和法線之間的幾何關(guān)系，相鄰點法線的夾角等于其切線的夾角，對于光滑圓周，相鄰點的法線夾角α很小。然而當管道內(nèi)壁存在缺陷時，其曲面變化不連續(xù)。圖3為管道內(nèi)壁有缺陷時的截面變化曲線，可以看出mi和mi＋1分別為缺陷的起始和終止位置，mi－1和mi＋2分別為和缺陷點mi和mi＋1相鄰的光滑曲面上的三維點，其和相鄰缺陷點的法線夾角分別為α1和α2，顯然和圖2中光滑曲面相鄰點的法線夾角α相比，發(fā)生缺陷時曲面變化不連續(xù)使得切線方向發(fā)生較大變化，使得相鄰點的法線夾角變大?；诠艿纼?nèi)壁存在缺陷時曲面切線變化不連續(xù)的幾何特點，設(shè)定相鄰點法線夾角閾值，通過比較相鄰三維點的法線夾角是否大于閾值識別管道內(nèi)壁缺陷。圓結(jié)構(gòu)光測量系統(tǒng)獲得的每個圓周上三維點均勻分布，圓周上相鄰點法線夾角閾值可以由均值αt＝360°／m確定，其中m為每個圓周上三維點個數(shù)。

圖2 光滑曲面的圓周切線和法線變化Fig.2 Points normal vectors and tangent vectors on smooth surface

圖3 缺陷圓周的法線夾角變化Fig.3 Points normal vectors and tangent vectors on defective surface

對于管道內(nèi)壁缺陷，當缺陷點到截面圓心的距離小于圓周半徑時，管道內(nèi)為凸起缺陷，當缺陷點到截面圓心的距離大于半徑時，管道內(nèi)表面為凹陷缺陷。

1.3 三維點法矢估算

管道內(nèi)表面任一點和鄰近點一起構(gòu)成管道內(nèi)的空間曲面，因此空間任一三維點的法線可以通過計算其相鄰點構(gòu)成的空間三角平面的平均法矢得到。對于空間點m，其有n個相鄰點如圖4所示，m點和相鄰點構(gòu)成n個三角平面。m點和其相鄰兩點mi和mi＋1所組成的三角平面的單位法矢Ni可通過下式得出：

該三角平面的面積為

則點m的單位法矢N為

其中每個三角平面法矢的權(quán)重為該三角形的面積。

圖4 空間點的法矢ig.4 Normal vector of center point

因此，管道內(nèi)圓周上任意相鄰點mi、mi＋1的法線夾角α可由（4）式得到：

式中：Ni和Ni＋1分別為點mi和mi＋1的法線。

2 管道內(nèi)壁三維重構(gòu)原理

利用內(nèi)表面三維點，基于三維點間的拓撲結(jié)構(gòu)，可以進行管道內(nèi)壁的三維重構(gòu)，實現(xiàn)管道內(nèi)壁形貌及內(nèi)壁缺陷的三維可視化。三角剖分是三維曲面精確重構(gòu)的重要前提［11－12］。結(jié)構(gòu)光檢測系統(tǒng)獲得的管道內(nèi)表面測量結(jié)果為多個三維點構(gòu)成的規(guī)則排列的圓周序列，相對于散亂三維點的三角剖分，其三角剖分算法簡單。其三角剖分原理如圖5所示，相鄰圓周L、Q可展開成直線，l1、l2、l3、l4…和q1、q2、q3、q4…分別代表圓周上的三維點，首先L上的點l1、l2，和Q上的點q1構(gòu)成三角形S1，對稱的Q上的q1和q2和L上的點l2構(gòu)成三角形S2，交替順次連接相鄰圓周上點即可實現(xiàn)三角剖分。和散亂點三角剖分不同，利用相鄰圓周上相鄰點構(gòu)造三角網(wǎng)格簡單且提高了三角剖分速度。

圖5 三角面片構(gòu)造原理Fig.5 Triangular patches structure

3 管道內(nèi)表面缺陷檢測與重構(gòu)結(jié)果

本文采用圓結(jié)構(gòu)光視覺檢測系統(tǒng)對長59cm和管道內(nèi)表面直徑為89mm的不銹鋼工業(yè)直管內(nèi)表面進行了三維測量，結(jié)構(gòu)光視覺檢測系統(tǒng)選用加拿大Stocker Yale公司生產(chǎn)的SNF系列半導體圓錐曲面激光器，出射波長為660nm，出射半錐角為11.4°。采用敏通MTC-23X11H短型黑白高解析度CCD攝像機，像素尺寸為798×584，鏡頭焦距大于2.8mm。測量時，管道沿軸向每次移動2mm。獲取每個截面處的帶有圓結(jié)構(gòu)光條的圖像，基于光學三角法獲取管道內(nèi)表面的三維數(shù)據(jù)點。本文采用獲取的有缺陷和無缺陷管道內(nèi)表面三維數(shù)據(jù)點，基于VC＋＋程序語言及OpenGL實現(xiàn)缺陷檢測及重構(gòu)。

圖6（a）為測量的無缺陷管道內(nèi)表面三維點云數(shù)據(jù)圖形。共有720個點，由10個圓周組成。圖6（b）為對圖6（a）進行三角剖分后的結(jié)果，圖6（c）為利用OpenGL對三角剖分后的管道內(nèi)表面引入光照和材質(zhì)后曲面三維重構(gòu)結(jié)果。

圖6 無缺陷管道三維重構(gòu)圖Fig.6 Three-dimensional reconstruction of defect-free pipe

圖7 為對凸起缺陷管道內(nèi)表面檢測及三維重構(gòu)結(jié)果。獲取三維測量點13 595個，數(shù)據(jù)精簡后剩余2 123個點，由11個圓周組成，圓周半徑r為44.5mm，相鄰點之間的法矢夾角閾值θt取2.0°，當相鄰點間的法線夾角大于2.0°且該點到圓心的距離小于半徑44.5mm時，其為凸起缺陷點A。圖7（a）為利用法矢量夾角識別的凸起缺陷；圖7（b）為對管道內(nèi)壁進行三角剖分的結(jié)果；圖7（c）為引入光照和材質(zhì)條件的缺陷管道內(nèi)表面三維重構(gòu)結(jié)果。

圖7 凸起缺陷管道內(nèi)表面三維重構(gòu)圖Fig.7 Three-dimensional reconstruction of convex defect in pipe inner surface

圖8 為針對管道內(nèi)表面存在凹坑的情況利用仿真數(shù)據(jù)進行缺陷檢測的結(jié)果。仿真數(shù)據(jù)共有960個點，由15個圓周組成，圓周半徑r設(shè)為50.0mm，相鄰點之間的法矢夾角閾值θt取6.0°，當相鄰點之間的法矢夾角大于6.0°且該點到圓心的距離大于半徑時，則該點為缺陷點。圖8（a）、圖8（b）分別為管道內(nèi)表面三維點云和三角剖分的圖形，A為利用法線夾角檢測到的凹坑缺陷；圖8（c）為引入光照和材質(zhì)條件缺陷管道內(nèi)表面三維重構(gòu)結(jié)果。

4 結(jié)論

本文采用結(jié)構(gòu)光視覺檢測系統(tǒng)獲得的三維測量點，分析了三維點的空間分布特點，并依據(jù)三維點的分布特征，通過判斷相鄰點法線夾角的變化進行管道內(nèi)表面缺陷的識別，同時依據(jù)三維點呈圓周分布的特點，采用相鄰點交替連接的三角剖分方法，簡化了三角剖分過程?；赩C＋＋及OpenGL圖形工具采用上述方法實現(xiàn)了管道內(nèi)表面的缺陷檢測和三維曲面重構(gòu)。實驗結(jié)果表明該方法具有工程應(yīng)用價值。

［1］ 李成凱，孫永興，李瀟菲，等.在線管道缺陷常用檢測方法分析［J］.管道技術(shù)與設(shè)備，2009，6：24-26.LI Cheng-kai，SUN Yong-xing，LI Xiao-fei，et al.A-nalysis of commonly used detection approaches about defects in inspection of online pipeline［J］.Pipeline Technique and Equipmemt，2009，6：24-26.（in Chinese with an English abstract）

［2］ 馬云修，劉寶余，孫旭.漏磁檢測技術(shù)在長輸管道維護中的應(yīng)用［J］.石油化工腐蝕與防護，2012，29（11）：45-50.MA Yun-xiu，LIU Bao-yu，SUN Xu，Application of magnetic flux leakage detection technology in maintenance of long-distance pipelines［J］.Corrosion＆Protection in Petrochemical Industry，2012，29（11）：45-50.（in Chinese with an English abstract）

［3］ 辛偉，丁克勤，黃冬林，等.帶保溫層管道腐蝕缺陷的脈沖渦流檢測技術(shù)仿真［J］.無損檢測，2009，31（7）：509-512.XIN Wei，DING Ke-qin，HUANG Dong-lin，et al.Pulse eddy current detection simulation of the pipe corrosion with insulation layer［J］.Non-destructive Technology，2009，31（7）：509-512.（in Chinese with an English abstract）

［4］ 王明泉，宋文愛，韓焱.管道銹蝕射線檢測技術(shù)［J］.測試技術(shù)學報，2002，16（3）：203-206.WANG Ming－quan，SONG Wen-ai，HAN Yan.The radiographic detecting technology of the pipeli ne rust［J］.Journal of Test and Measurement Technology，2002，16（3）：203-206.（in Chinese with an English abstract）

［5］ GOMEZ F，ALTHOEFER K，SENEVIRAYNE L D.Modeling of ultrasound sensor for pipe inspection［J］.IEEE，2003，2（9）：2555-2560.

［6］ 王穎，王建林，細管道內(nèi)表面光電檢測方法研究［J］.應(yīng)用光學，2008，29（5）：735-739.WANG Ying，WANG Jian-lin.Optoelectronic inspection of in-pipe surfaces［J］.Journal of Applied Optics，2008，29（5）：735-739.（in Chinese with an English abstract）

［7］ 王一，程大林，任永杰，等.透射式激光掃描測徑技術(shù)［J］.光電工程，2011，38（7）：65-68.WANG Yi，CHENG Da-lin，REN Yong－jie，et al.Transmission laser-scanning diameter inspection technology［J］.Opto-Electronic Engineering，2011，38（7）：65-68.（in Chinese with an English abstract）

［8］ 謝靜，楊曉燕，徐長航，等.基于形態(tài)學方法的工件表面缺陷紅外熱像檢測技術(shù)［J］.中國石油大學學報，2012，36（3）：146-150.XIE Jing，YANG Xiao-yan，XU Chang-hang，et al.Infrared thermal images detecting surface defect of steel specimen based on morphological algorithm［J］.Journal of China University of Petroleum，2012，36（3）：146-150.（in Chinese with an English abstract）

［9］ OSAMA M，TARIQ S.Automated detection of surface defects in water and sewer pipes［J］.Automation in Construction，1999，8（5）：581-588.

［10］ DURAN O，ALTHOEFER K，SENEVIRATNE L D，et al.Automated pipe defect detection and categorization using camera／laser-based profiler and artificial neural network［J］.IEEE Transactions on Automation Science and Engineering，2007，4（1）：118-126.

［11］ 孫存亮.空間散亂點曲面重構(gòu)的三角剖分技術(shù)研究［D］.南京：南京航空航天大學，2009.SUN Cun-liang.The study of triangulation about space scattered points［D］.Nanjing：Nanjing University of Aeronautics and Astronautics，2009.（in Chinese with an English abstract）

［12］ YANG Zhou-wang，SE Yong-hwa，KIM Tae-wan.Adaptive triangular-mesh reconstruction by meancurvature-based refinement from point clouds using a moving parabolic approximation［J］.Computer-Aided Design，2010（42）：2-17.