淺談大尺寸鑄鐵砝碼視覺測量拼接技術 說明：

摘要：針對大尺寸鋁合金鑄鐵砝碼的視覺測量，研究了圖像拼接方法。首先利用經過標定的攝像機采集多幅具有重疊區域的序列圖像，然后使用Harris和RANSAC算法提取精確特征點，并進行相鄰圖像重疊區域的特征點匹配，生成了完整的工件圖像，最后，通過實驗驗證了該方法的可行性。〇引言尺寸的精密測量在現代制造業中具有重要的作用和意義，它是衡量和保證產品加工質量的必要過程。對于大尺寸工件，傳統的測量方法是采用大尺寸導軌或標準件進行，但這種測量方法成本高、精度低、操作不方便;也有采用間接法測量，如弓高弦長法、滾子法等，這類方法存在原理誤差，可靠性低。隨著計算機技術、光電技術、圖像處理與分析技術的成熟，視覺測量技術可以解決上述兩種方法的不足[1]。但是由于攝像機視角、工作距離等因素的限制，當工件尺寸超出相機視野時，攝像機不能一次性地攝取大尺寸工件的完整圖像。

為了得到鑄鐵砝碼大視角圖像，目前多采用三維掃描系統實現物體三維重構，但是這種方法需要在測量表面添加標志點，費時且攝像機標定復雜。圖像拼接技術研究的是如何將不同角度拍攝的具有重疊區域的序列圖像拼接成全景圖。本文基于機器視覺軟件Halconl2,研究攝像機參數標定、待拼接圖像的攝取規則、圖像畸變消除、特征點提取以及圖像之間轉換關系確定，以獲得具有較高拼接精度的工件完整圖像，并以大型汽車發動機鋁合金進氣凸輪軸蓋的拼接測量結果來驗證該拼接方法的可行性。

攝像機標定

攝像機標定是實現精密測量的關鍵技術[2]，但鏡頭存在或多或少的畸變，對于大多數鏡頭而言，它們的畸變可充分地近似為徑向畸變，因此所拍攝的圖像都存在徑向畸變，在圖像拼接前，對攝像機參數進行標定可校正鏡頭的畸變，提高圖像拼接精度。為了標定攝像機，本文首先建立攝像機投射模型，如圖1所示。

通過攝像機標定，可以確定攝像機坐標系與世界坐標系的相對位置關系以及攝像機如何實現三維空間點到二維圖像點的投影，此操作在機器視覺函數庫Halconl2中實現。實現攝像機標定的方法是使用標定板，攝像機采集的部分不同位姿的標定板圖像如圖2所示。待拼接圖像的攝取規則為減小圖像拼接誤差，經反復實驗，拍攝的序列圖像需要注意以下幾點：①圖像須有重疊部分，重疊區域為1/3;②圖像的重疊區域必須紋理化或有特征點，以便允許在自動匹配過程中識別圖像中的相同點，在一些缺少紋理的重疊區域可通過適當定義圖像配準方式來解決，如果整個對象顯示很小的紋理，那么重疊區域應該被選擇大些;③重疊區域的大小大致相同，一般來說，規模差異不應該超過5%?10%;④相鄰圖像明暗度應相接近，否則拼接處縫隙清晰可見。本文以大型汽車發動機鋁合金進氣凸輪軸蓋的拼接為例，圖4為將鋁合金鑄造件分塊拍攝，然后按順序排列的2幀圖像，從圖中可明顯看出兩幅圖像符合該攝取規則要求。

鑄鐵砝碼特征點的提取

Halcon軟件提供了多種算子用于提取特征點，比較重要的算子有points_foerstner、points_harris、points_lepetit等。未文采用Harris角點提取算法[4]，該算法是C.Harris同M.Stephens在1988年提出的，是在改進Momvec算子后形成的算子，它的提取思想是:判斷圖像上某一點沿任意方向發生很小偏移時其灰度是否有明顯變化，若有則為角點，在使用該算法時需要選擇合適的高斯平滑系數。該算法與Forstnert特征點提取算法相比，具有計算簡單、穩定性強、不受閾值影響等優勢。

鑄鐵砝碼特征點匹配及全景圖像生成圖像

特征點匹配是圖像拼接的關鍵技術，目的是找到圖像對之間特征點的對應關系，即求取相鄰圖像重疊區域對應點投影變換關系，使相鄰圖像在重疊區域的坐標能精確配準[5]。圖像匹配精度是圖像拼接質量的決定性因素。在完成特征點提取后，本文先采用歸一化互相關法（NCC)尋找相鄰兩幅圖像對應點關系，完成初始化匹配，然后通過調節模板大小、搜索窗口中心偏移量、搜索區域大小、對應匹配方法的閾值等參數進行魯棒性匹配，剔除誤匹配點，使圖像對達到匹配效果。圖5為Harris算法提取的特征點及匹配結果圖像，經RANSAC魯棒性匹配，得到了相鄰兩幅圖像正確匹配點的對極線，最終圖像拼接結果如圖6所示。拼接過程用到的關鍵算子有：①算子pr〇j_match_points_ransac()，可根據圖像對應點關系計算投影變灰矩陣;②算子gen_bundle_adjusted_mosaic()，將多幅輸入圖像捆綁合成為一幅全景圖像，各輸入圖像的相對位姿由3X3的投影矩陣來定義。

以上是淺談大尺寸鑄鐵砝碼視覺測量拼接技術的詳細介紹！