D0I:10.13374/j.issn1001-053x.2004.06.048 第26卷第6期 北京科技大学学报 Vol.26 No.6 2004年12月 Journal of University of Science and Technology Beijing Dec.2004 基于线型激光的钢板表面缺陷三维检测技术 梁治国徐科徐金梧 北京科技大学机械工程学院,北京100083 摘要提出将线型激光束垂直投射到钢板表面,通过面阵CCD摄像机采集激光线在钢板表 面的图像来计算表面缺陷深度的三维检测方法.利用中点法对激光图像进行细化,并根据稳 定点判别依据提取激光线形,采用分区标定方法对摄像机进行标定,由空间还原思想恢复澈 光线形的空间坐标,根据扫描投影的方法选择理想表面方向作为缺陷深度计算的基准,实现 对缺陷深度信息的定量计算,通过对缺陷样品验证的结果表明,采用该方法得到的计算值与 实际值非常接近 关键词钢板;表面缺陷:三维检测:线型激光 分类号TH741.3 作为表征钢板表面质量主要指标之一的表 该方法通过计算光束平面上物体的轮廓进行三 面缺陷可以分为二维缺陷和三维缺陷.在很多场 维检测,因此可以屏蔽钢板表面二维非缺陷图 合下,尤其是针对热轧钢板,钢板表面缺陷的深 像特征带来的影响, 度信息对于判定钢板表面的质量具有非常重要 本文利用采集线型激光照射出的钢板表面 的意义,对此,国家标准、部级标准及各类企业标 轮廓图像来计算表面缺陷的深度,在实验室条件 准都给出了严格的定义,目前我国现有的表面缺 下实现了对钢板表面缺陷深度信息的量化提取, 陷自动检测系统都只对钢板表面进行二维检测, 并取得了较好的检测结果 给出表面缺陷的二维信息,而不能给出表征缺陷 深度的三维信息“,因此有必要采用三维检测技 1检测原理 术对表面缺陷深度信息进行检测, 如图1所示,微光发生器经过单面柱透镜,形 目前三维视觉技术主要可以分为双目或多 目视觉、明暗恢复形状、结构光法等方式.由于钢 成激光线束,将激光线垂直投射在钢板表面,横 向覆盖整个生产表面,激光线纵向宽度为1~2 板表面特别是热轧钢板表面存在大量诸如氧化 铁皮、油印等二维非缺陷图像干扰,在运用双目 mm.采集激光线的漫反射图像并进行图像处理, 或多目视觉系统进行图像处理的过程中,图像特 进而获得钢板表面缺陷的三维深度信息.实验系 征点难以提取,不易通过对图像的特征区域匹配 统采用半导体红色激光器,输出波长为650nm, 输出功率为20mW,图像采集系统选用分辨率为 求得特征点视差,因而使用双目或多目视觉方法 无法有效得到钢板表面缺陷的深度信息,明暗恢 直线型微光器 CCD摄像机 复形状法的基本原理虽然简单,但由于钢板表面 反射特性的不均匀性以及生产现场的照明环境 难以掌握,该方法也很难应用于钢板表面的三 维缺陷检测.与前面两种方式比较,结构光检测 法较为容易控制场景照明,特别是采用激光作为 结构光光源时,不容易受到现场环境干扰,同时 收稿日期200403-09梁治国男,27岁,顾士研究生 图1检测示意图 *国家自然科学基金资助项目No.50074010) Fig.1 Sketch map of detection
第 2 6 卷 第 6 期 2 0 0 4 年 12 月 北 京 科 技 大 学 学 报 JO u r n a l o f Un i v e比 i yt o f s c ie o e e a n d eT c h n o fo yg B e ji 妞 g V b l . 2 ` N o .6 D e` 2 00 4 基于线型激光的钢板表面缺 陷三维检测技术 梁治 国 徐 科 徐金梧 北 京科技大学机械工程 学 院 , 北京 10 0 0 83 摘 要 提 出将 线 型激 光束 垂直 投射 到 钢板 表 面 , 通 过面 阵 C C D 摄像 机采 集激 光线 在钢 板 表 面 的 图像 来计 算表 面缺 陷 深度 的三 维检 测方 法 . 利用 中 点法对 激光 图像 进 行细 化 , 并 根据 稳 定 点判 别 依据 提取 激光 线 形 . 采用 分 区标 定 方法对 摄 像机进 行 标定 , 由空间 还原 思想 恢 复激 光线形 的空 间坐标 . 根据 扫 描投 影 的方法 选择 理 想表 面方 向作 为缺 陷深 度 计算 的基 准 , 实现 对 缺 陷深度 信 息 的定量 计算 . 通 过对 缺 陷样 品验 证 的结果表 明 , 采用 该 方法 得到 的计 算值 与 实 际值非 常接 近 . 关 键词 钢 板 ; 表面缺 陷; 三 维检 测 ; 线 型激光 分类号 T H 7 4 1 . 3 作 为 表 征 钢 板 表 面 质 量 主 要 指 标 之 一 的表 面 缺 陷可 以分 为二 维 缺 陷和三 维缺 陷 . 在很 多场 合 下 , 尤其 是针 对 热 轧钢 板 , 钢 板 表面 缺陷 的深 度 信息对 于判 定钢 板 表 面 的 质 量 具 有 非 常重 要 的意义 . 对 此 , 国家标 准 、 部 级标 准及 各类企 业标 准都 给 出 了严格 的定 义 . 目前 我 国现有 的表 面缺 陷 自动检 测 系 统都 只对 钢 板表 面进 行 二 维检 测 , 给 出表 面缺 陷 的二 维信 息 , 而 不 能给 出表 征 缺 陷 深度 的三 维 信 息【咧 , 因此 有必 要采 用三 维检测 技 术对 表 面 缺 陷深 度 信 息进 行 检 测 . 目前 三 维 视 觉 技 术 主 要 可 以分 为 双 目或 多 目视 觉 、 明暗恢 复形 状 、 结 构光 法等 方 式 . 由于 钢 板表 面 特别 是 热 轧 钢 板 表 面存 在 大量 诸 如 氧 化 铁 皮 、 油 印等 二 维 非缺 陷图 像干 扰 , 在运用 双 目 或 多 目视 觉 系统进行 图像处 理 的过程 中 , 图像特 征点难 以提取 , 不 易通过对 图像 的特征 区 域 匹配 求 得特 征 点视 差 , 因而使 用 双 目或 多 目视觉 方法 无 法有 效 得到 钢板 表 面缺 陷 的深 度信 息 . 明暗恢 复 形状 法 的基本 原理 虽然 简 单 , 但 由于 钢板 表面 反 射特 性 的 不均 匀 性 以及 生 产 现 场 的 照 明环 境 难 以掌握 4[] , 该方 法 也 很难 应 用 于钢 板 表 面 的三 维缺 陷检 测 . 与前 面 两种 方 式 比较 , 结 构 光检 测 法较 为 容 易控制 场 景 照 明 , 特 别是 采 用激 光作 为 结 构光 光 源 时 , 不 容 易受 到 现 场环 境 干扰 , 同 时 该 方 法 通 过计 算 光 束 平 面 上 物 体 的轮廓 进 行 三 维 检测 `, , , 因 此 可 以屏 蔽钢 板 表 面 二维 非 缺 陷 图 像特征 带 来 的 影响 , 本 文 利 用 采 集 线 型 激 光 照 射 出的 钢 板 表 面 轮廓 图像来 计 算表 面缺 陷 的深 度 , 在 实验 室条 件 下 实现了对 钢板表 面缺 陷 深度信 息的 量化 提取 , 并 取得 了较好 的检测 结果 . 1 检测 原 理 如 图 1所 示 , 激 光 发生 器经 过单 面柱 透镜 , 形 成激 光 线 束 , 将 激 光 线垂 直投 射 在 钢 板表 面 , 横 向覆 盖整 个 生 产 表 面 , 激光 线 纵 向宽 度 为 1以 m r n . 采 集 激光 线 的漫 反射 图像并 进行 图像处 理 , 进 而 获得 钢板 表 面缺 陷 的三 维深 度信息 . 实验系 统采 用半导 体红色激光器 , 输 出波长 为 6 50 mn , 输 出功率 为 20 m w , 图像采 集 系统 选用 分 辨 率为 直 线型 激光 器 C C D 摄像 机 脸 收稿 日期 20 0今刁 3刁9 梁 治 国 男 , 27 岁 , 硕 士研 究 生 * 国家 自然科 学基 金 资助 项 目(N .0 5 0 74 01 0) 图 1 检测 示意 图 F ig · 1 S ke 抚h m a P o f d e te e iot n DOI: 10. 13374 /j . issn1001 -053x. 2004. 06. 048
VoL.26 No.6 梁治国等:基于线型激光的钢板表面缺陷三维检测技术 663· 768×576的面阵摄像机,采用隔行扫描方式,有效 像素为768×288,镜头焦距为25mm,实验平台为 自行设计开发的运动图像采集与表面在线检测 3 实验台,系统在深度方向的图像采集范围为30 mm左右,深度检测的理论精度为0.10mm. 图2标定示意图 2摄像机的标定 Fig.2 Sketch map of partitioning calibration 摄像机标定的任务是,在某一个即定的摄像 表1标定验证结果对比 机模型下,经过对数字图像的处理,利用一系列 Table 1 Comparison of validating results 数学变换和计算方法,求取摄像机模型的内部参 标定方式 验证点个数误差均值mm 数和外部参数,从而确定像平面上各点与物理坐 全局标定 10 1.721 分区标定 10 0.121 标中各点的映射关系向.系统标定的基本方法是 在一定的成像模型下,利用形状、尺寸已知的标 标定的系统标定处理方法 定参照物求取摄像机的内、外部参数, 直接线性变换法(DLT)是由Abdel-Aziz和Ka- 3激光线形提取与空间曲线还原 rara首先提出的.通过求解线性方程的手段求得 摄像机模型的参数.该方法是对在摄影测量学中 3.1图像细化预处理 传统方法的简化。 由于工业生产现场的光环境可以通过安装 直接线性变换方法所使用的模型为: 检测设备而保持相对稳定,因此本文选择阈值化 u-l ty-loy+Zalo+lo 法对图像进行二值化.运用阈值化法进行图像二 xl20+y.21+zl2a+l23 (1) 值化的关键是选择适当的阈值T.根据实验原始 x lo+y山1+zl+lg xl2o+y h+zlz+l 图像(图3)的灰度直方图分布,选择图像灰度直 其中,(化以,2)为三维空间中控制点的坐标, 方图分布上最高波峰后的第一个波谷作为阙值, (4,)为图像上对应于三维控制点的像点坐标, 处理后得到二值图像如图4.需要说明的是,为了 为待定参数.不失一般性,令如=1,则如果得到 方便读者观察缺陷图像特征,本文选择深度为5 NN26)个控制点的空间坐标(x,y,)和对应的 mm的模拟缺陷进行图像处理流程示意图.本环 像坐标(“,),就可以用最小二乘法求解出除外 节的另外一个任务是将经过二值化处理后的图 的另外11个参数. 像中来自原始图像的噪声干扰和一些离散的干 根据激光线条出现的期望区域(即激光线在 扰点去除. 空间形成的光平面),截取标定靶面上相应区域, 并在图像区域内均匀选择了特征点48个,分别 记录这些特征点的空间坐标和在像平面的坐标, 再将数据用来对系统成像进行标定.实验结果表 明,这样标定系统的误差较大,研究其误差的分 布可以发现,距离物理空间原点较近的区域内, 图3激光线原始图像 数据的误差较小.以往实验中的标定范围多为正 Fig.3 Original image of a laser line 方形,效果较好,而此次图像为狭长区域,造成图 像左右段区域数据的干扰.对系统标定方法作修 正,将原有标定图像进行分区标定,如图2所示, 表1为采用这两种不同标定方式后选择任意10 点进行验证的对比结果.不难发现,经过分区处 理后的系统标定,数据处理的误差降低了一个数 图4二值化图像 量级,因此在实际的检测过程中,采用基于分区 Fig.4 Binary image
Vb L2 6 N o . 6 梁治 国等 :基 于线 型激 光的钢 板 表面缺 陷三 维检 测技 术 6 63 - 76 8 x 5 7 6的面 阵摄像 机 , 采用 隔行 扫描 方式 , 有 效 像素 为 76 x8 28 8 , 镜 头焦 距 为 25 ~ , 实 验平 台 为 自行 设 计 开 发 的运 动 图像采 集 与表 面 在线 检测 实验 台 . 系 统在深 度方 向的 图像采集范 围为 30 ~ 左 右 , 深 度检测 的理 论精 度 为 0 . 10 ~ . 2 摄 像 机 的标定 摄 像机 标 定 的任务 是 , 在 某一 个 即定 的摄 像 机模型 下 , 经 过对 数字 图像 的处 理 , 利 用 一系 列 数 学变换和 计算方法 , 求 取摄 像机 模型的 内部参 数 和外 部参 数 , 从 而确定 像平 面上 各 点与物理坐 标 中 各 点的 映射 关系 `司 . 系统 标定 的基本 方 法是 在 一 定的成 像模 型下 , 利 用 形状 、 尺 寸 己 知 的标 定 参照 物求 取摄 像 机 的 内 、 外部 参 数 . 直 接 线性 变换法 田LT ) 是 由 bA de l 曰 八ZL i z 和 K a . r a r a 首先 提 出 的 . 通 过求 解 线性 方程 的手 段求 得 摄像机 模型的 参数 . 该方 法 是对在 摄 影测量 学 中 传统 方法 的简化 . 直接 线 性变 换 方法 所 使用 的模型 为 : 图 2 标 定 示意 图 iF g · 2 S k e t e h m a p o f Pa rt i仃o n 运 g e a月i b邝如. 表 1 标 定验证 结 果对 比 aT b l e 1 C o m p a 呛 o n o f v a 胜d . h血 g 卿 u lst 标 定方 式 全 局标 定 分区标 定 验 证 点个数 误差 均值加m I 0 l 0 1 . 7 2 1 0 . 12 1 标 定 的系 统标 定 处理 方 法 . 丛病wlzn ( l ) 工侧 乙 。 十外人 : 十 + 乙 3 3 激 光线 形 提 取 与空 间曲线还 原 .3 1 图像细 化预处 理 由 于工 业 生产 现 场 的 光 环境 可 以通 过 安 装 检 测 设备 而保 持相对 稳 定 , 因此 本文 选 择闽值 化 法对图像进 行 二值 化 , 运用 闽值 化法 进 行 图像 二 值 化 的关 键 是选 择适 当的 闽值 T . 根据 实 验原 始 图像 (图 3) 的灰 度 直方 图分 布 , 选择 图像灰 度直 方 图分 布上 最 高波峰后 的第 一个波谷 作为闽值 , 处 理后得 到 二值 图像如 图 4 . 需要 说 明的是 , 为 了 方 便读 者 观 察缺 陷 图像 特征 , 本 文选 择 深度 为 5 m m 的模 拟 缺 陷进 行 图像 处理 流程示 意 图 . 本环 节 的另 外一 个 任 务 是将 经 过 二值 化 处 理 后 的 图 像 中 来 自原 始图像 的噪 声 干 扰和 一 些 离 散 的干 扰 点 去除 . UV ! 、.矛几 其 中 , xw( ,外 ,幼 为 三 维 空 间 中 控 制 点 的 坐 标 , u( , v) 为 图像 上 对应 于三 维控制 点 的像 点坐 标 , 几 为 待定 参数 . 不 失 一般性 , 令人 3 二 1 , 则如 果得 到 州万之 6) 个 控 制 点 的空 间坐 标 xw( , yw , ` ) 和对 应 的 像 坐标 u( , v) , 就可 以 用最 小 二乘 法求 解 出 除人 3外 的另外 1 个 参 数 . 根 据激 光 线 条 出现 的期 望 区域 ( 即激光 线 在 空 间形成 的光平 面 ) , 截取标 定靶面 上相 应 区域 , 并在 图像 区域 内均匀 选 择 了特征 点 48 个 , 分 别 记录 这些特征 点 的空 间坐标 和在像 平 面 的坐标 , 再将 数据用 来对系 统成像 进行 标 定 . 实验 结果表 明 , 这 样标定 系统 的误 差较大 . 研究 其 误差 的 分 布可 以发现 , 距离 物 理空 间 原 点较 近 的区域 内 , 数据 的误差 较小 . 以往 实验 中 的标定 范 围多为 正 方形 , 效果较好 , 而此次 图像 为狭 长 区域 , 造 成 图 像左 右段 区域 数据 的干扰 . 对系 统标定方法 作修 正 , 将 原有标 定 图像 进行 分 区 标 定 , 如 图 2 所 示 . 表 I 为采用 这 两种 不 同标 定 方式 后选 择 任 意 10 点进 行验 证 的对 比结果 . 不难 发现 , 经 过分 区处 理后 的系统 标 定 , 数 据处 理 的误差 降低 了一个数 量级 . 因此 在 实 际的检 测 过程 中 , 采 用 基于 分 区 图 3 激光 线原 始图像 F i g . 3 o r ig i o a l ha a平 Of a la s e r il n e 图 4 二值 化 图像 乃.9 4 B I l a 理 加 ag e
·664· 北京科技大学学报 2004年第6期 对图像按列进行扫描,检测各点的8-连通 点坐标集,这些点称为激光光带的图像稳定点. 性.如果该点无&连通点邻点存在,则将该点设 由于本文仅讨论表面缺陷问题,因此在钢板 为背景点. 边缘部分的端面上激光图像就不在讨论范围内, 32图像细化 应在运算过程中加以去除,但在实践中,现有的 细化(Thinning)是一种图像处理运算,处理过 扫描细化和形态腐蚀算法都不能够识别判断其 程是运用图像细化算法将二值图像中具有一定 处理后各质点是否均为激光光带的稳定点,因 宽度的激光线条状区域处理成一条细线,以逼近 此,在对图像进行细化处理的过程中,还需要同 该区域的中心线,也称为骨架或核线m.细化的目 时对细化的各质点进行稳定点判别,从而保证经 的在于减少图像其他成分,直到只留下线条的最 过处理后所得的单线条就是所关注的点集,结合 基本信息,以便进一步分析和识别.常用的图像 不同的二值图像细化实现方法,稳定点判断方法 细化过程是基于对图像特征区域进行腐蚀算法 可以与区间中值细化法相融合,在中值细化的过 的,本质上说就是不断考察图像区域中的各点, 程中,扫描求点的同时进行稳定点判别:若系统 按上下左右的顺序,反复“隐去”那些不需要保留 的细化方法为图像形态腐蚀方法,则可以先对二 的点,直到线形形成.具体的细化算法有多种,如 值图像进行细化,然后再进行结果的稳定点判 Hilditch算法、Naccache算法、掩膜法和内接圆法 别.同时,在稳定点检测的同时,根据激光光带的 等,经实验发现,此类方法对目标区域边缘形状 空间连通性,可以将图像的断点进行恢复,即以 比较敏感,对提取深度信息有影响.采用较典型 直线段形式连接两断点,生成稳定点缺失列上的 的Hilditch算法处理后的图像如图5所示. 稳定点位置,完成激光稳定点线条的连通 针对激光光带的条状外形,还有一种更加简 34激光线形的空间还原 单有效的细化算法,就是扫描激光图像的每一 在基于稳定点判别的激光线形提取处理后, 列,求取光带起始点和终止点的中点坐标,以表 就可将像坐标图像转换为物理空间中激光光平 征激光光带的核心线位置,实验结果表明,用此 面与钢板表面的交线实际坐标.通过系统标定求 方法处理所得到的细化图像在图像列方向上具 得从像坐标到物理空间坐标的变换矩阵,用此矩 有惟一性,避免了由图像腐蚀细化算法带来的细 阵可以求得像平面中激光线的各稳定点在空间 化线条产生毛刺的现象.经过此方法细化后的图 平面的实际坐标值, 像如图6. 33稳定点判别 4缺陷深度提取 无论选用何种激光线条的细化算法,最终是 在进行缺陷深度检测的过程中,对缺陷深度 为了求得图像中表征激光光带在所在位置的质 的描述要以其周边的非缺陷区域作为参照.由于 缺陷出现的随机性,以及在缺陷深度提取时,在 没有缺陷位置先验知识的情况下,必须根据钢板 表面的形貌假设一个理想表面作为计算缺陷深 度的参考测量平面,此外,由于系统对钢板表面 进行逐行扫描,而不同时刻钢板表面可能有跳 图5 Hilditch法细化图像 Fig.5 Image of Hilditch thinning 动,位置高度不确定,因此在进行缺陷深度计算 时,在已求得的激光空间线条基础上,求取理想 表面与激光光平面的交线,作为计算缺陷深度的 基准线 无论是通过求取纵坐标平均值的方法还是 曲线拟合法提取物体的理想表面截线,都会受到 缺陷位置图像的干扰,对于均值法来说,理想表 图6中点法细化图像 面基准线向缺陷底部方向有偏移:而对于曲线拟 Fig.6 Image of midpoint thinning 合法,单次的拟合后,在缺陷位置的拟合后曲线
. ` 64 北 京 科 技 大 学 学 报 20 4 年 第 ` 期 对 图像 按 列 进 行 扫描 , 检测 各 点 的 卜连 通 性 如果 该 点 无 8一连 通 点邻 点存在 , 则 将该 点设 为 背景 点 . 1 2 图 像细 化 细化 (仆访川 n g ) 是一 种 图像 处理 运算 , 处 理过 程是 运 用 图像 细 化 算法 将 二 值 图 像 中 具有 一 定 宽度 的激光 线 条状区域 处 理成 一条 细 线 , 以逼近 该 区 域 的 中心线 , 也称 为骨 架或 核 线`7 , . 细 化 的 目 的在于 减少 图像 其他成分 , 直 到 只 留下线 条 的最 基 本信息 , 以便进 一 步 分析 和 识 别 . 常用 的 图像 细 化 过 程 是基 于对 图像特 征 区域 进 行腐 蚀 算 法 的 , 本质上 说就 是不 断 考察 图像 区域 中 的各点 , 按上 下 左右 的顺 序 , 反 复 “ 隐 去 ” 那些 不 需要 保 留 的 点 , 直到 线形 形 成 . 具体 的细化 算法 有 多种 , 如 iH l d it e h 算法 、 N ac c 朗h e 算法 、 掩膜 法和 内接 圆法 等 . 经实 验 发 现 , 此 类方法 对 目标 区域 边 缘形状 比较 敏 感 , 对 提取 深 度信 息 有 影 响 . 采 用 较 典型 的 H il id t hc 算法 处 理后 的 图像如 图 5 所 示 . 针对 激光光 带 的条状 外 形 , 还 有 一种 更 加简 单 有 效的 细 化算 法 , 就 是 扫 描 激 光 图 像 的每一 列 , 求取 光 带起 始 点 和 终止 点的 中 点坐 标 , 以表 征激 光 光 带 的核 心 线位 置 . 实 验 结 果表 明 , 用此 方 法 处 理所 得 到 的细 化 图 像 在 图 像列方 向上 具 有惟 一 性 , 避免 了 由图像腐 蚀 细化 算法 带来 的细 化线 条产 生 毛刺 的现象 . 经过 此方 法 细化 后 的 图 像 如 图 .6 1 3 稳 定 点 判别 无论 选用 何 种激 光 线 条的 细 化 算法 , 最终 是 为 了求 得 图像 中表 征激 光光 带在 所 在 位 置 的质 点坐 标 集 , 这些 点 称 为激光 光带 的图像 稳 定 点 . 由于 本文仅 讨 论表 面 缺陷 问题 , 因 此在 钢板 边缘 部分 的端面 上激 光 图像就不 在 讨论 范 围内 , 应在 运算 过程 中加 以去 除 . 但在 实践 中 , 现 有 的 扫 描 细化 和 形 态 腐 蚀 算 法都 不 能够 识 别 判 断其 处 理 后 各质 点 是否 均 为 激 光 光 带的稳 定 点 . 因 此 , 在 对 图像进行 细 化处 理 的过 程 中 , 还需 要 同 时对 细化 的各 质 点进行 稳 定 点判别 , 从 而保证 经 过 处理 后所 得 的单 线条 就 是所关注 的 点集 . 结 合 不 同 的二值 图像 细 化实 现 方法 , 稳 定 点判 断方 法 可 以与 区 间中值 细 化法 相 融合 , 在 中值 细 化 的过 程 中 , 扫 描 求 点 的 同时进 行 稳 定 点判 别 ; 若 系 统 的细化方法 为 图像形态 腐蚀方 法 , 则可 以先对 二 值 图像进 行细 化 , 然 后 再 进 行 结 果 的稳 定点 判 别 . 同时 , 在稳 定 点检 测 的 同时 , 根据 激光 光 带的 空 间连 通性 , 可 以将 图像 的断 点进 行 恢 复 , 即 以 直线 段 形 式连接 两 断 点 , 生成 稳定点缺 失列上 的 稳 定 点位 置 , 完 成 激光稳 定 点线 条 的连通 . .3 4 激光 线 形 的 空 间还原 在基 于 稳 定 点判 别 的激 光线形提 取 处 理后 , 就 可将 像 坐 标 图像 转 换 为 物理 空 间 中激 光 光 平 面 与钢 板表 面 的交 线实 际 坐标 . 通 过 系统 标定 求 得 从像 坐标 到物 理 空 间坐标 的变换 矩 阵 , 用此 矩 阵 可 以求得像平 面 中激 光 线 的各 稳 定点 在 空 间 平 面 的实际坐 标 值 . 圈 6 中点 法细 化 图像 F i g . 6 Im a ge o f m i d p o加t ht 妞。 in g 4 缺 陷深 度提 取 在 进 行缺 陷深度检测 的过 程中 , 对缺 陷深度 的描述要 以其周 边的非缺 陷区域 作为参 照 . 由于 缺 陷 出现 的随 机 性 , 以及 在缺 陷深 度提 取 时 , 在 没有 缺 陷位 置先验 知 识 的情 况下 , 必 须 根据 钢板 表 面 的形 貌假 设 一个 理 想 表 面 作 为 计算 缺 陷深 度 的 参考 测 量 平面 . 此 外 , 由于 系 统对 钢 板表 面 进行 逐 行 扫 描 , 而不 同时 刻 钢 板 表 面可 能 有 跳 动 , 位 置高 度 不确 定 . 因此 在 进 行缺 陷深度 计 算 时 , 在 已求 得 的激 光 空 间线 条基 础 上 , 求取 理 想 表 面与激 光 光平 面 的交 线 , 作为计 算缺 陷深 度 的 基准 线 . 无 论 是 通 过 求 取 纵 坐 标 平 均 值 的 方 法 还 是 曲线拟合 法 提取 物体 的理想 表面 截线 , 都会 受 到 缺 陷位 置 图像 的干扰 . 对 于 均值 法 来说 , 理 想表 面基 准线 向缺 陷底部 方 向有 偏移 ; 而对 于 曲线拟 合 法 , 单 次 的拟 合 后 , 在缺陷位 置 的拟 合 后 曲线
Vol.26 No.6 梁治国等:基于线型激光的钢板表面缺陷三维检测技术 ·665· 段曲率依然较小,但进行多次拟合处理后,曲线 图像从而计算缺陷深度的方法,经过实验室静态 的整体形状会发生弯曲.这都是因为提取理想曲 条件下实验验证,可以有效地检测钢板表面的三 线的计算过程并没有去除缺陷区域数据的干扰, 维深度信息,通过软件实现的分区域标定方法,· 在此,本文提出一种基于图像任意方向投影求取 允许CCD摄像机以及激光光源的姿态位置在一 理想表面截线方向和位置的新方法.具体实现方 定范围内变化,对系统内外参数的影响很小,基 法为:首先将空间变换后的稳定点集在一10~ 于扫描投影方法的深度计算方法,可以解决由于 +10°的范围内以0.5°为步长进行旋转,得到经过 钢板跳动以及倾斜所引起的深度测量基准变化 旋转变换后的图像序列;将每幅图像的稳定点集 问题. 在纵轴上作投影,分别统计不同旋转角度下各图 的投影点数分布,取得投影峰值最大值的图像旋 参考文献 转角度即可认为是理想表面的倾斜角度,同时, 1吴平川,路同浚,王炎.钢板表面缺陷的无损检测技 在进行该角度旋转后取得的投影分布中,任意一 术与应用[J.无损检测,2000,22(刀:312 点与取得峰值位置的纵向距离就是该点的深度. 2徐科,徐金梧,梁治国等冷轧带钢表面质量自动检 运用该方法对表面倾角范围在-10-+10°的、深度 测系统的在线应用研究[).冶金自动化,2002,27(1): 为1.18mm缺陷图像进行计算,检测缺陷深度结 52 果如表2.对检测结果进行统计分析,本检测方法 3徐科,徐金梧,陈雨来,冷轧带钢表面缺陷在线监测 的检测精度可以达到0.2mm 系统[.北京科技大学学报,2002,24(3:329 4贾云得.机器视觉M0.北京:科学出版社,2000 表2检测结果 Table 2 Results of Detection 5贺俊吉.结构光三维视觉检测中光条图像处理方法 研究[).北京航空航天大学学报,2003,29(7):593 序号123456均值 6计算机视觉中摄像机定标和自定标研究D].北京: 检测深度/mm1,2770.9841.2431.1871.1021.0901.147 中科院自动化研究所,1996 7张宏林.Visual C+数字图像模式识别技术及工程实 5结论 践M.北京:人民邮电出版杜,2003 本文提出采用线型激光产生钢板表面轮廓 3D Detection Technique for Surface Defects of Steel Plates Based on Linear Laser LIANG Zhiguo,XU Ke,XU Jinwu Mechanical Engineering School,University of Science and Technology Beijing,Beijing 100083,China ABSTRACT A method of 3-D defection for surface defects is presented with a light beam emitted by a linear laser, which is projected on the surface of steel plates vertically,and the surface images of steel plates are captured by an area-scan camera.Midpoint thinning is applied,and laser lines are extracted according to stabilization points.Parti- tioning calibration is proposed for calibration of the camera,and space coordinates of the laser lines are calculated based on the concept of space revert.Referential planes for depth calculation of defects are selected by projection scanning.The method was examined with defect samples,and the result of depth calculation was very close to ex- perimental value KEY WORDS steel plate;surface defect;3D detection;linear laser
o V L2 6 N 0 . 6 梁 治 国等 : 基 于线型 激 光的钢 板表 面缺 陷三维 检测 技 术 . 66 5 - 段 曲率依 然较小 , 但 进 行 多次 拟合 处 理后 , 曲线 的整 体形状 会发 生弯 曲 . 这都 是 因为提 取理 想 曲 线的计 算过 程并 没有 去除缺 陷区 域 数据 的干扰 . 在此 , 本文 提 出一种 基于 图像任 意方 向投 影求 取 理想 表面 截线方 向和位 置 的新方 法 . 具体 实现 方 法 为 : 首先 将 空 间 变换 后 的稳 定 点 集 在 一 10 一 +l o0 的范 围 内以 .0 50 为步 长进 行旋 转 , 得到 经过 旋转变 换后 的图像序 列 ; 将每 幅 图像 的稳 定点集 在纵轴 上作投影 , 分 别统 计不 同旋 转角 度下 各 图 的投影 点数 分布 , 取 得投 影 峰值最 大值 的 图像 旋 转角度 即 可认 为 是理 想表 面 的倾斜角 度 . 同 时 , 在进 行 该角度旋转 后取 得 的投影 分布 中 , 任 意一 点 与取得 峰值位置 的纵 向距 离就 是该 点 的深度 . 运用 该方法 对表 面倾角范 围在 一 10 ~ 十 10 的 、 深度 为 1 . 18 r n 刀。 缺 陷 图像进行 计算 , 检测缺 陷深 度 结 果如表 2 . 对 检测 结果进 行统 计分 析 , 本检测方法 的检测精度 可 以达 到 .0 2 r o r O . 表 2 检 测结 果 介b le 2 R e s u lst o f D et e e it o n 序 号 1 2 3 4 5 6 均 值 检 测深度 /皿n 1 2 7 7 0 . 98 4 1 . 2 4 3 1 . 1 8 7 1 . 1 0 2 1 . 09 0 1 . 14 7 图像 从而计 算 缺 陷深 度 的方 法 , 经过 实验 室静态 条 件 下实验 验证 , 可 以有 效地 检测 钢板 表 面 的三 维 深度 信 息 . 通 过软 件 实现 的分 区域 标 定方 法 , 允 许 C C D 摄像 机 以及 激光光 源 的姿 态位 置 在一 定 范 围 内变化 , 对系统 内外 参数 的影 响很 小 . 基 于扫 描投 影方 法 的深度计算方法 , 可 以解 决由于 钢板 跳 动 以及 倾 斜 所 引起 的深 度 测 量基 准 变化 问题 . 参 考 文 献 5 结论 本 文提 出采 用 线 型 激 光产 生钢 板 表 面 轮 廓 1 吴平 川 , 路 同浚 , 王 炎 . 钢板 表面 缺 陷的 无损检 测技 术 与应 用 团 . 无损检 测 , 2 0 0 0 , 2 2 ( 7 ) : 3 1 2 2 徐科 , 徐金 梧 , 梁治 国等 . 冷 轧带 钢表 面质 量 自动检 测系 统 的在线 应用研 究 闭 . 冶金 自动化 , 2 0 02 , 2 7 ( 1 ) : 5 2 3 徐 科 , 徐 金梧 , 陈雨 来 . 冷轧 带钢 表面 缺 陷在 线监 测 系统 明 . 北 京科 技大 学学报 , 20 0 2 , 2 4 ( 3) : 3 2 9 4 贾 云 得 . 机器 视觉 四』 . 北京 :科 学 出版 社 , 20 0 5 贺 俊吉 . 结构 光三 维视觉 检 测 中光条 图像处理方 法 研究 明 . 北京 航 空航天 大学 学报 , 2 0 0 3 , 29 ( 7 ) : 5 9 3 6 计算 机视 觉 中摄 像机 定标 和 自定标研 究 田1 . 北 京 : 中科 院 自动 化研 究所 , 19% 7 张宏 林 . iV su al C什数 字 图像 模式 识别 技术及 工程实 践 【M」 . 北京 : 人 民邮 电 出版 社 , 2 003 3 D D e t e c t i o n eT e hn iqu e for S ur af c e D e fe e t s o f S t e e l P I砒 5 B a s e d o n L i n e ar L a s er 五侧刀G hZ igU o, X U eK , 尤U iJ n w u M e hc a n l c ia nE g in e e r 山9 S c h o o l , U n i v esr iyt o f s c i e n c e an d eT e hn o l o gy B iej i n g , B e ij in g I 0 0 O8 3 , Ch 访a A B S T R A C T A m e ht o d o f 3 一 D de fe e it on for s ur fa e e d e fe e t s 1 5 Per s e n t e d 诚ht a li hgt b e别旧 em it e d by a lin ear l as er, w h i c h 1 5 rP oj e e et d o n het s ur af c e o f st e e l Pl at e s v e rt i c a ll,y an d het s ur af c e 加 a g e s o f s et e l P l aet s aer c aP t ur e d b y an aer -a s e an c am aer . MidP o int t ih n n i n g 1 5 aP Pli e d , an d las e r l ien s aer e x tr a c t e d 朋 e o r d ign t o s t a b ili乙双ion P o in t s . Part i - it o n i n g e al ibr iat on 1 5 P r 0 P o s e d for e al ib r at ion o f ht e e am ear , 肋d s Pac e e o o r d i n aet s o f ht e las er l ine s ar e e ia e ul aet d b as e d on het e con e tP o f s Pac e r e v ert . eR fe r e int a l Pl an e s fo r d e Pht e ia cul iat o n o f de fe ct s aer s e l e cet d 妙 p r oj e ict o n s e a n n i n g . T h e m e th o d w as e x am in e d w i ht de fe e t s 田吐 P l e s , 助d het r e s ul t o f de P ht e al e u l iat on w as v恻 e l o s e ot ex - p e r 住n e n at l v al ue . K E Y W O R D S s t e e l Plat e : s斑af c e d e fe c t : 3 D d et e e it on : l ine ar l as e r