[发明专利]适用于高精度形貌测量的深度学习畸变光斑中心提取方法

说明书

本发明公开了一种适用于高精度形貌测量的深度学习畸变光斑中心提取方法，包括以下步骤：S1、通过复光束角度传感器采集多光斑图像，进行光斑判别；S2、对经过光斑判别后的多光斑图像进行光斑分割；S3、进行基于DSCNet的光斑校正，使畸变光斑的能量分布近似于高斯光斑；S4、进行高斯拟合法中心提取。本发明能够校正畸变光斑，提高畸变光斑中心的提取精度，自适应能力强，提高复光束角度传感器的测量精度。通过本发明，复光束角度传感器能够准确地测量大曲率工件的三维形貌，能在工业上得到广泛应用。

技术领域

本发明涉及激光测量的技术领域，尤其涉及到适用于高精度形貌测量的深度学习畸变光斑中心提取方法。

背景技术

目前，形貌测量机在高精度光学元件检测领域应用广泛，特别是在加工不同曲率的光学元器件的过程中，实时检测的形貌信息可以被反馈到加工系统中，用来指导下一个加工工序，保证光学元器件有很高的精度。复光束角度传感器是一种通过测量工件表面角度差来进行三维重建的形貌测量机，其角度差是通过测量采集到的激光光斑中心距离进行计算的。但是在测量大曲率光学元件时，存在畸变光斑中心无法准确提取的问题，严重影响到了角度差计算的精确度，使得复光束角度传感器无法准确重建出三维形貌，其测量范围也受到了限制。

有许多专家研究激光光斑中心提取的问题。常用的光斑中心提取算法有质心法、亚像素灰度质心提取法、圆拟合法、椭圆拟合法和高斯拟合法。其中质心法实现简单，但是它的精度不够。亚像素灰度质心提取效率高，应用广泛，但是它的精度也很低。为了解决亚像素灰度质心提取精度低的问题，Dong等人提出了一种基于LRSD的图像去噪方法来提高亚像素灰度质心提取算法的精度。圆拟合法和椭圆拟合法是通过对光斑的边缘进行拟合，所以它们的精度受到边缘的影响较大。而高斯拟合法充分利用了光斑的能量分布信息，使其在中心定位方面能获得很高的精度，其适用于高斯分布的光斑点图像，但对于畸变严重的不规则光斑却无能为力。无法精确提取激光光斑中心会导致复光束角度传感器的测量精度降低，限制了其应用范围。因此，开发校正畸变光斑和提高畸变光斑中心的提取精度非常有助于复光束角度传感器的应用和发展。

发明内容

针对畸变光斑中心无法精确提取导致复光束角度传感器精度下降的问题，本发明提供了适用于高精度形貌测量的深度学习畸变光斑中心提取方法，该方法能够校正畸变光斑，提高畸变光斑中心的提取精度，自适应能力强，提高复光束角度传感器的测量精度。通过该方法，复光束角度传感器能够准确地测量大曲率工件的三维形貌，能在工业上得到广泛应用。

为实现上述目的，本发明所提供的技术方案为：

适用于高精度形貌测量的深度学习畸变光斑中心提取方法，包括以下步骤：

S1、通过复光束角度传感器采集多光斑图像，进行光斑判别；

S2、对经过光斑判别后的多光斑图像进行光斑分割；

S3、进行基于DSCNet的光斑校正，使畸变光斑的能量分布近似于高斯光斑；

S4、进行高斯拟合法中心提取。

进一步地，所述步骤S1光斑判别包括以下步骤：

S1-1、利用最大类间方差法求得多光斑图的二值化阈值并对其进行二值化；

S1-2、找出所有的8邻接连通域，统计所有连通域的像素点个数，按像素个数从多到少排序，得到连通域像素数序列{L(Ω₁),L(Ω₂),…,L(Ω_k),…,L(Ω_K)}，L(Ω_k)表示第k个连通域Ω_k的像素个数，总共有K个连通域；

S1-3、计算连通域像素数序列向后差分T_k：

T_k＝L(Ω_k)-L(Ω_k+1)