基于面結構光的單雙目混合掃描技術

關鍵詞： 面結構光; 立體視覺; 相機標定; 三維重建; 點云融合

中圖分類號： TB9; TP391 文獻標志碼： A 文章編號： 1674–5124（2025）02–0176–09

0引言

工件的偏差測量是制造環節中非常重要的一環，根據測量設備與工件是否直接接觸，可分為接觸式測量和非接觸式測量。典型的接觸式測量設備就是三坐標測量機，測量精度可達到微米級[1]，適合精密測量工件的三維結構參數；但接觸被測物時易劃傷被測物表面，且測量速度慢，效率低。

基于結構光的非接觸式三維測量技術具備不接觸、高效率、高精度等優勢[2-3]，目前已廣泛應用于工件輪廓的測量、逆向工程、虛擬現實等領域[4-5]。根據相機個數可以將結構光系統分為單目系統和雙目系統，其中雙目系統重建精度高，但只能重建出左右相機視角的公共區域，完整性較差，國內外大量學者對此問題進行了相關研究。JIN 等[6] 通過一種點對點的相機失真校準方法大幅度降低了重投影誤差，但是該方法需要的圖像數量較多； WANG等[7] 利用改進的搜索算法對標定參數進行優化，精度較高，但只考慮了徑向畸變和切向畸變； YIN等[8] 利用立體靶板形成多條件約束，使相機標定更加精確快速，但該方法需要制作較多的靶板，操作復雜。王劍飛等[9] 采用空間體素數據結構提高系統重建效率，但基于體素法的點云融合未考慮點云密度等特性，融合效果一般；李承杭等[10] 基于隱式-相位高度映射模型，提出一種孔洞點云的插補方法，但只驗證了適用于封閉區域的孔洞；HE 等[11] 使用單雙目系統解決重建時的缺失點，并基于決策圖減小融合區域的重建誤差，但系統整體精度不高。

針對上述存在的問題，本文提出了一種利用單目補償雙目系統重建數據的方法。首先，提出基于攝影測量的相機標定方法提高三維重建和粗配準精度；然后提出雙向搜索原則和聚類法來解決配準后點云分層和數據冗余的問題；最后通過精度驗證實驗、實物實驗驗證了本文方法的有效性和可行性。

1實現原理

1.1雙目系統缺失原因和本文系統組成

雙目系統是通過計算相位值尋找圖像中對應的同名點，完成匹配后再進行物體三維點的重建。由于左右相機視角不完全重合、遮擋等原因，某些區域在對應圖像中找不到同名點，無法完成匹配和重建，則重建結果中該區域就會產生缺失。

本文在雙目系統結構的基礎上，將其拆分為一個雙目系統和兩個單目系統。如圖1 所示，左右相機組成雙目系統，不需增加額外硬件，左右相機分別與投影儀組成左右兩個單目系統，通過兩個單目系統的數據來補償雙目系統重建結果的缺失。

1.2系統實現原理

本文通過結合雙目系統和單目系統來實現混合掃描。實現流程如圖2 所示。首先采用基于攝影測量的相機標定方法進行系統的高精度標定；然后利用標定參數將各系統重建出的點云數據轉換到同一個坐標系下得到粗配準結果，采用ICP算法進行精配準；最后對配準后的點云重疊區域進行融合，從而得到最終點云數據。

2系統標定

系統的標定精度影響到后續三維重建和坐標系轉換進行粗配準的精度，本文提出基于攝影測量的相機標定方法實現系統的高精度標定。

2.1雙目系統標定

雙目標定是為了獲取兩個相機的內參數和外參數。理想的相機成像模型是小孔成像模型，但在實際成像過程中，由于主點在像平面上的坐標不為零，存在一個微小數值。此外由于相機鏡頭畸變等因素，使得各成像點在像平面上的實際位置相對于其理論位置也會存在偏差，實際的成像模型如圖3所示。

在計算出每個子類的局部密度最大點后，用該點代替整個子類即完成了重疊區域的融合。

以人臉模型為例的點云配準與融合過程如圖6所示。圖6（a） 中綠色、紅色和黃色分別為左單目系統、雙目系統和右單目系統重建的點云，可以看出在紅色點云中鼻梁兩側存在明顯的缺失現象。圖6（b） 為經過坐標系轉換后完成粗配準的結果，可以看出有明顯的分層現象，再經過精配準后如圖6（c） 所示，最后經過點云融合形成圖6（d） 中的單層點云。

4實驗與分析

為驗證本文方法的準確性與可行性，本文搭建了如圖7 所示的實驗系統。光學掃描儀采用新拓三維技術有限公司的XTOM-MATRIX QC系列的5M設備，主要包括兩個工業相機和一個光學投影儀，投影儀投射光柵條紋，相機同步采集經過物體表面調制的高質量光柵圖像。光學掃描儀中相機分辨率為2448pixel×2048 pixel，投影儀分辨率為1920pixel×1080pixel，相機所用鏡頭的焦距為16mm，投影儀鏡頭的焦距為8mm，測量幅面為200mm×150mm，標準測量距離為300mm。

4.1精度驗證

4.1.1標定精度驗證

基于搭建完成的系統，對提出的系統標定方法進行驗證。分別采用文獻[7] 與本文方法對系統連續進行10次標定，如圖8 所示。文獻[7] 的標定方法重投影誤差范圍為0.05～0.07pixel， 平均值為0.064pixel，本文重投影誤差范圍為0.02～0.04pixel，平均值為0.031pixel，標定精度提升0.033pixel，標定精度滿足要求，且波動幅度較小，說明具有良好的穩定性。

4.1.2重建精度驗證

重建精度對后續的偏差檢測精度有重要影響，采用圖9（a） 所示的陶瓷標準球板驗證本文方法的精度。陶瓷標準球B-1、B-2的直徑標準值分別為15.0047mm、15.0023mm， 球心距的標準值為60.0106mm。首先，將標準球板放置在系統的標準測距處，然后使用雙目系統和本文所提方法分別重建當前位姿下的一幅點云，圖9（b） 和（c） 為系統投射光柵的過程， 最后使用商業軟件Geomagic ControlX 進行球體的擬合和直徑、球心距的尺寸測量分析，圖9（d） 為其中一次實驗的檢測結果。為避免實驗結果的偶然性，重復進行上述實驗10次，每次將標準球板均勻轉動一定角度，保證10次實驗共轉動的角度大于360°，實驗結果如表1和表2所示。由表可知，雙目系統重建標準球B-1、B-2的直徑平均誤差絕對值分別為0.01012mm、0.01081 mm，球心距平均誤差絕對值為0.00745mm，平均誤差絕對值均小于0.02mm；本文方法重建標準球B-1、B-2直徑平均誤差絕對值分別為0.02276mm、0.01769mm，球心距平均誤差絕對值為0.00555 mm。可以看出，本文方法的重建誤差接近于雙目系統，可達到0.02 mm，滿足精度要求，且誤差值的波動幅度較小，說明該方法具有良好的穩定性。

4.1.3融合實驗驗證

融合效果對于整個系統的重建精度有著重要的影響。為驗證本文方法的有效性，將采用體素法[8]融合后的點云數量和融合效果與本文方法進行對比。

以兩個單目系統的點云數據為例， 先采用3.3.1節方法提取出重疊區域，圖10中灰色為單目系統重建的點云數據，黃色和藍色部分分別為左右兩個單目系統數據中的重疊區域。

在相同實驗條件下，比較體素法與本文方法的點云融合效果。兩種方法融合后的點云數量比較如表3所示，可以看出本文方法相比體素法能更有效地刪除冗余點。相對于圖11（a），圖11（b） 中的融合效果更為均勻且沒有嚴重的冗余現象，同時圖11（c）中出現分層，圖11（d） 則較好地融合為單層點云。

4.2實物實驗

為驗證本文方法的有效性和可行性，分別采用白紙、人體頭型、泵體和減速器殼體作為實驗模型，在保持掃描設備與測量模型之間距離不變的條件下，分別使用雙目系統和本文方法對模型進行重建，最后對實驗結果進行對比分析。

如圖12所示，在每組數據中，圖12（a） 為模型實物圖，圖12（b） 和圖12（c）為左右相機采集的圖像，圖12（d） 和圖12（e） 分別為雙目系統和本文方法所重建的點云數據。在白紙重建結果紅色矩形的放大展示圖中，紅色點云是本文方法相對于雙目系統重建的部分，由于實驗系統中兩個相機之間夾角較大，相機視角的公共區域較多，所以對白紙的實驗效果不明顯。人體頭型鼻梁處的曲率變化較大，雙目系統重建的結果中鼻梁兩側存在大量的點云缺失，采用本文方法重建，該區域則具有完整點云，且在左右臉頰及額頭處也有明顯的補償效果。泵體底部和減速器殼體中的凹槽較深、形狀不規則且凹槽之間還會存在遮擋，雙目系統重建的有效點云較少，而本文方法則對凹槽底部和槽壁均進行了有效重建，補充效果明顯。

對重建出的點云，在商業的三維點云處理軟件Geomagic Wrap中封裝成網格，計算其表面積，雙目系統與本文方法的對比結果如表4 所示。白紙平面的補償效果不明顯，表面積增長比例約為2.09%；人體頭型中鼻梁兩側和額頭處的點云均得到了明顯補償，表面積增長比例約為49.10%；本文方法對泵體和減速器殼體中的凹槽和深孔適用效果也較好，泵體深槽的底部和減速器殼體的槽壁點云均有明顯增加，二者的點云表面積增長比例分別為76.71%、76.50%。實驗結果表明，本文方法可有效提升結構光系統重建的完整性。

本文所提方法在有效補償點云重建結果的同時，還考慮到了重建效率。表5為上述實物驗證實驗中兩種方法重建單幅點云所用時間，雙目結構光系統的平均重建時間為0.6835s，本文方法的平均重建時間為0.80525s。由于本文方法在雙目結構光系統重建后，還需利用兩個單目系統再進行補償重建，所以單幅點云的重建時間要比雙目系統重建的時間長。表中結果顯示，本文方法的平均所用時間比雙目結構光系統重建時間平均增加0.12175s，驗證了本文方法可以滿足重建效率要求。

5結束語

針對傳統雙目結構光系統只能重建出左右相機的公共區域，在不進行額外硬件配置的基礎上，本文提出了一種單目系統和雙目系統結合的重建方法。首先，通過建立完整的畸變參數模型，提出基于攝影測量的相機標定方法提高系統整理的標定精度，減小后續三維重建和粗配準的誤差。然后提出雙向搜索方法和點云融合方法，解決了配準后的點云分層和數據冗余問題。整個系統的重建誤差可達到0.02mm。通過不同類型的實物，驗證了本文方法在不影響精度和重建效率的前提下，可以顯著提升重建的范圍，從而提高了重建效率，達到了工業測量中快速、高精度的要求。