[发明专利]一种面向高光航空发动机叶片的高精度自适应结构光三维成像方法

说明书

本发明公开了一种面向高光航空发动机叶片的高精度自适应结构光三维成像方法，使用主动信号源避免盲反卷积，通过校准的方法获取先验知识，建立反卷积模型，利用卷积与反卷积模型来对高光误差进行分析与建模为解决高光误差问题，同时利用针对高光物体自适应高动态结构光三维成像算法实现高光发动机叶片的高精度自适应三维成像。

技术领域

本发明涉及一种面向高光航空发动机叶片的高精度自适应结构光三维成像方法，属于无损检测技术范畴的图像处理领域，主要为克服检测中被测件高反光的影响，提供一种自适应高精度结构光三维成像方法以达到对目标进行高精度三维成像的目的。

背景技术

在航空发动机生产这种高端制造中，产品质量的检测，已经从对最终成品的检验，变成对制造过程中各种构件的实时在线检测；通过信息的实时反馈，对加工设备的参数进行及时的调整，从而在生产过程中保证产品质量的稳定。目前对航空发动机叶片型面的检测，主要依赖三坐标测量机(Coordinate Measuring Machine，CMM)。CMM是种接触式的物体表面三维形貌的机械测量设备。虽然CMM测量精度高，但其价格高，测量速度慢。当对叶片的型面检测方式从抽检变成全检后，CMM的缺点变得明显，为每条生产线配置一台CMM的成本太高，同时效率上达不到实时在线检测的要求。结构光(Structured Light Illuminating，SLI)三维成像技术是一种较为成熟的主动非接触式，用于获取物体表面三维形貌的高精度高速度光学成像技术，可以有效替代CMM，用于实时在线检测。

对于叶片这种高光的对象，传统的SLI不能够精确测量。反光率过高，使光信号的强度超出了传感器的测量范围，使得到的光信号失真，而严重失真的信号导致最终测量的错误。

发明内容

为了克服上述现有技术的不足，本发明提供了一种自适应高精度结构光三维成像方法以克服高反光的影响以实现高精度三维成像，其技术方案是：

(1)结构光卷积与反卷积模型的分析

对于一个典型的如图1所示的结构光三维成像系统，如果仅考虑系统的卷积低通效应，数字摄像头成像有如下卷积模型

f(x，y)＝g(x，y)*P (1)

式中f为数字摄像头在某象素位置(x，y)的光强值，函数g为理想光强值，操作符*为卷积运算符，以及P为整个系统的点扩散函数。P也是由一系列的光学及电子部件各自的点扩散函数卷积而成，例如，在结构光三维成像系统中至少可由投影机镜头点扩散函数P₁，摄像头镜头点扩散函数P₂和摄像头成像阵列点扩散函数P₃卷积而成，即

P＝P₁*P₂*P₃ (2)

该阶段的目的是恢复公式(1)中的真值g。由于有了投影机这种主动信号源的存在，可以通过校准的方法获得先验知识，然后再进行真值的恢复，即求解

式中λ为正则化参数，R为正则化函数。如果反卷积模型仍旧不容易建立，则一种替代的方案是引入机器学习算法。该阶段的研究流程如图2所示。

(2)高光的误差模型

该阶段分两种情况，先直接利用传统的单点模型进行对高光误差进行研究，然后再根据第一阶段的方法进行研究。单点模型相对比较简单，比较容易快速确定基本模型，而引入点扩散函数后的模型更为复杂也更为精确。例如，就结构光中常用的一种多步正弦相移编码(也称之为相位测量轮廓术)而言，其基本的单点信息模型如下：

I_n＝A+Bcos(φ-2πn/N) (4)