基于點陣光譜共焦的盲孔自動化三維測量*

夏 康 洪漢玉 章秀華

（1.武漢工程大學光學信息與模式識別湖北省重點實驗室 武漢 430205）（2.武漢工程大學電氣信息學院 武漢 430205）

1 引言

現如今隨著科技和制造業的快速發展，對于零件的加工精度需求的提高，人們對微小器件尺寸的測量精度以及非接觸式自動化測量的要求越來越高。

針對微小機器盲孔尺寸的測量問題，傳統的接觸式手工測量有卡尺、直尺、三坐標測量儀法［1］等工具；而現代非接觸式測量常用的包含結構光、雙目相機測距以及激光三角測量等方式［2］。若采用接觸式的三坐標測量儀法對盲孔的尺寸進行測量，由于尺寸問題，三坐標測量機的探頭難以進入盲孔內部進行測量并且測量過程中需要與被測對象反復接觸，不僅對測量儀器的損耗會增加，測量精度也會不斷的降低。雙目相機測距法在較大的場景中的測量精度可以達到毫米級別，但由于相機的精度有限并且運用到特征點匹配的算法，具有一定的計算量，所以會導致三維坐標集合得到三維點云數據精度丟失，對小器件難以實現精度測量。若采用激光三角測量的方式來獲得機器盲孔的尺寸信息，由于激光線本身具有一定的線寬，激光線越細成本越高，并且在采集過程中需要先轉換成二維圖像數據進而通過光線的粗細和凸起程度來換算為高度值［3］，轉化過程中會帶來一定的精度損失。點陣光譜共焦利用復色光的色散后不同光的焦距差值來測量物體的微表面到光譜共焦下方紫色光焦點的距離［4～5］，然后結合三軸移動平臺的XY平面坐標來進行三維數據進而轉化為三維點云數據。通過對點云數據進行去噪等處理后對其進行尺寸測量，不僅可以在三維上實現交互對其進行局部的處理，還可以獲取其橫縱向的切線數據在二維上進行數據觀測。

2 點陣光譜共焦傳感器測量原理

光譜共焦傳感器是一種光學系統裝置，由復色光源、色散透鏡組、共焦探頭以及光譜儀等原件組成［6］。其測量原理如圖1所示，首先探頭內部光源發射一束寬光譜的復色光（呈白色）穿過小孔S照射在色散透鏡組L上，白光在色散鏡頭經過光譜色散分解成不同波長的單色光，每一個波長對應一個固定的距離值。當被測物體出現在測量區域的時候，一個特定的單色光正好照射在其表面，并且反射進光學系統。此反射光通過一個小孔S″，只有完美聚焦在被測表面的光才可以穿過這個小孔，由波長識別系統（光譜儀）識別其波長，從而換算得到所代表的精確距離值。

圖1 點陣光譜共焦測量原理圖

3 機器盲孔測量方案設計

盲孔是連接零件表層和內層但是不貫穿材料的導通孔，簡單來說就是不通的孔。有的盲孔零件尺寸大至幾毫米，小至零點幾毫米，更為精密的零件尺寸可能會達到微米級別。因此本文選用點陣光譜共焦來進行盲孔尺寸的信息獲取，點陣光譜共焦傳感器的測量精度可以達到0.1μm，形成的光斑尺寸最小不足2μm，其量程最大可以達到24000μm，能夠滿足盲孔的測量精度要求。本文設計使用三軸運動控制器配合點光譜傳感器，在三軸運動控制器XOY平面上設置采集平臺。通過將機器盲孔零件固定在采集平臺上，控制三軸運動控制器移動來對盲孔進行“掃描式”數據采集。其中機器盲孔零件的相關圖示如圖2所示。

圖2（a）為機器盲孔的實物圖，其中編號1～5分別代表五個小盲孔。圖2（b）為1號小孔的局部剖面結構示意圖，其中r表示小孔的孔徑，h表示孔深。測量要求則為根據采集得到的點云數據輸出r和h的值并與其真實值做對比。

4 三維測量系統實現

4.1 三維測量系統原理

系統的測量原理主要是點光譜傳感器的測量原理和三軸運動控制器的結構配合，其要點在于準確的獲取點光譜傳感器返回的數據以及采集過程中三軸運動控制的運動程序設定和數據的相互轉化整合，由于本文選擇的點陣光譜共焦傳感器的精度為微米級，因此選用的三軸移動平臺的移動的步距必須也要達到微米級。

圖3所示為本文所設計的三維測量系統的原理圖，將待測物體即機器盲孔穩固的放置在采集平臺上的采集區域內（該區域可以根據移動光譜傳感器的位置而定，并非固定的），通過移動Z軸先使點光譜在盲孔的內部形成光斑并返回穩定的數據，接著將其移至盲孔的上表面，若此時仍能返回穩定的數據則可進行采集，若返回0值則需要在孔內重新進行聚焦。

圖3 點光譜三維測量系統原理圖

4.2 三維測量系統步驟

根據測量精度和速率，本文設計了兩種采集模式，停軸采集和連續采集。因此根據系統的測量原理和設計的采集模式則可以編寫相應的程序使系統按照一定的步驟進行采集和檢測，其主要的步驟為以下幾點：

1）連接三軸移動平臺和點陣光譜共焦傳感器，并對點陣光譜共焦進行暗處理實現數據矯正。

2）將機器盲孔放置在采集平臺上，設置好采集區域后記錄采集的起點和終點，調節Z軸使光譜傳感器同時在盲孔的上下表明返回穩定的數據。

3）選擇采集模式并設置好相關參數后開始采集數據，確保采集過程中機器盲孔零件在采集平臺上不會產生相對滑動。

4）存儲采集過程中運動控制器和點陣光譜共焦的數據并將其轉化成三維點云數據，待采集完成后顯示在點云窗口觀察若形狀與實物不符則舍去，修改采集參數后重新采集；若相符則保存。

5）對存儲的三維點云數據進行使用pcl［7～8］實現點云去噪、平滑等處理。處理完后在三維上進行尺寸信息提取的同時并通過鼠標交互獲取小孔的橫縱線切線數據。

6）將測量值與實際值進行對比分析，計算精確度。

4.3 三維測量界面設計

本文三維測量系統是基于Qt進行設計的，Qt一個跨平臺的C++圖像用戶界面應用程序框架［9～10］。根據上述的系統的測量步驟可以基本確定系統的相關功能，因此系統的界面設計就是結合了軟件的功能，提供給用戶以良好的操作體驗的設計。本文系統是以功能實現為基礎的交互性界面設計，系統的主界面如圖4所示，圖中對各個功能區進行了標注。

圖4 系統主界面

系統軟件主界面主要分為基本的標題欄、菜單欄、工具欄、狀態欄、實驗列表欄、運動軸控制欄以及主窗口。標題欄主要顯示標題。菜單欄由文件、傳感器選擇、采集控制、數據處理、窗口顯示和設置幾方面組成。工具欄主要顯示常用的功能按鈕。狀態欄主要顯示實驗精度和系統時間。實驗列表欄顯示打開的實驗并顯示相關信息。運動控制欄主要是三軸移動控制器的相關操作。主窗口主要是顯示點云和采集界面。

4.4 點云數據的獲取

本文在系統中設計了點光譜線程類，該類主要是為了開啟一個線程用于傳輸點光譜的數據，并且在采集數據時可以同時訪問點光譜傳感器和三軸移動平臺的數據。初始化連接點光譜時就可以啟動該線程，為了數據的準確性，在采集過程中需要同時存儲當前位置的X、Y坐標和光譜數據，因此設計了一個結構體CurPoint，其包含的數據成員注解如表1所示。

表1 CurPoint結構體數據成員表

在采集過程中先將某一點的相關數據都存儲在該結構體中，然后將所有點的數據都存儲在容器中待采集完成后再進行后續的操作。獲取到三維數據后，由于Z數據都是光譜儀返回的距離數據，因此產生的點云圖的高低情況實際上是與實物相反的，需要將點云數據做翻轉處理。數據取反方法如式（1），distzeros是光譜共焦采集到的零平面的距離，disttarget是采集目標點的距離數據，height就是目標點的高度數據。

其中采集到的完整的五小孔點云數據如圖5所示。

圖5 五盲孔點云圖

4.5 點云數據處理

4.5.1 點云數據的濾波處理

在采集過程中由于測量環境、采集過程中軸的移動速率以及光斑在盲孔上下表面的突變的過程都會產生噪聲點，因此需要對點云數據進行濾波處理［11～13］，如圖5所示，本文所采集的盲孔數據的噪聲主要產生于盲孔的上表面和孔底之間，因此使用pcl直通濾波和條件濾波去除中間噪聲點即可。本文針對上述采集的五小孔的數據以及其中一個小孔的致密點云數據進行濾波處理，處理的前后結果如圖6所示。

圖6 盲孔數據濾波前后對比圖

4.5.2 點云數據的橫縱向切線數據提取

在本文三維測量系統中不僅需要三維顯示，有時也需要二維上的顯示，因此實現簡便有效的二維顯示也是至關重要的。Qt中雖然有自帶的繪圖模塊，能夠基本實現二維圖表的繪制，但是為了實現更加美觀的效果和簡便的操作便引入了QWT［14～16］。而要實現獲取某一點的橫縱向切線的前提是使用VTK［17］窗口中的vtkActor實現交互來拾取一點并存儲與橫縱坐標相同的點來得到切線。最后將獲取的二維數據Qwtplot中進行顯示，并且利用高斯平滑模板（0.05，0.2，0.5，0.2，0.05）將切線數據平滑，然后利用向后差模板［3，-1，-1，-1］分處理平滑后的數據，根據差分值最大波峰和最小波谷來初步確定縱向切線的孔徑的邊界位置。使用QWT來繪制點云數據的橫縱向切線數據如圖7所示，其中深色箭頭表示定位的小孔的位置，縱向切線中淺色箭頭表示差分值的最大最小位置。

圖7 五小孔某點的橫縱向切線

5 實驗結果與分析

5.1 不同采集模式下的盲孔點云獲取實驗

在4.2中曾提到，本文設計了兩種采集模式，停軸采集和連續采集。停軸采集就是對采集的方向（本文默認Y方向為采集方向）也設置對應的步長，使軸運動一段步長后停止等線程在該點取完數據后再接著移動。這種采集方式因為軸有停頓所以相對比較耗時并且取的數據點較少，但是能夠保證數據采集位置的對應性，數據相對準確。連續采集則是不設置步長，使軸在起點和終點中一直運動，過程中不停的存儲數據。上述兩種采集方式各有其優點，因此本文針對五小孔中某一小孔設置相同的參數進行了采集試驗，其中都設置x方向的步長為30μm，停軸采集y方向也設置了步長且為30μm，采集過程中軸的運動速度為2000μm/s，起點和終點保持一樣。采集的點云數據結果的俯視圖如圖8所示。

圖8 不同采集模式下的點云數據顯示

其中停軸采集的點云數據很規整，而連續采集的點云很凌亂，但停軸采集所耗時間是連續采集的數倍，而且這只是一個小孔的數據采集。當前的連續采集是使用平均化的方式來實現數據的分配因此會造成X、Y坐標相對凌亂，經過在線程中同時取XY軸坐標和光譜數據的改進后，連續采集的五小孔點云如圖6所示，不僅點云沒有之前的散亂而且耗時也沒有相應的增加，因此實驗結果表明針對不同的情形時上述兩種采集模式都可以適用并且能呈現良好的結果。

5.2 盲孔尺寸信息獲取實驗

根據上述濾波后的結果，就可以在點云中對機器盲孔的尺寸信息進行信息的提取，本文在對五小孔的點云進行數據提取時是分別在VTK窗口中對每一個小孔數據進行框選出來后進行單獨計算的。本文使用PCL中的RANSAC算法來進行孔徑的計算。而孔深的計算本文主要是使用平均值的方法，對每一個小孔的孔底的點云數據進行求均值得到Hbottom，然后對對應孔的表面也進行求平均值得到Htop，最后根據式（2）得到小孔的孔深Hdept?。

最終五個小孔的孔深和孔徑的尺寸信息的測量值Vmeasured以及與真實值Vtrue對比的如表2所示，其中4號小孔由于其中雜物的原因在濾波后孔底剩余點較少，所以得到的孔深結果較小。

表2 五小孔的尺寸信息與真實值對比

在表中可以看出孔徑的精確度（η）都高達99%以上，其相對誤差最大不超過0.92%，說明本文系統采集的盲孔點云數據非常真實，接近實物的形狀，說明該三維測量系統有很大的實用性，可以進一步的發展。從表中還可看出，除了4號小孔的孔深準確度為94.66%，其他的精確度都高于95%，相對誤差最大不超過5.34%。經過反復試驗，以上精度能夠滿足實驗室測量精度要求，說明了本文三維測量系統的可靠性和準確性。其相對精確度的計算公式如式（3）所示，相對誤差則為1-η。

6 結語

經過大量試驗的測試，實驗結果表明，本文設計的基于點光譜的三維測量系統以及針對機器盲孔的三維測量方法能夠實現非接觸式的自動化三維測量，測量結果精確度高達99%以上，具有很高的實用價值。