IT技术互动交流平台

基于计算机视觉的高精度图像拼接

作者:陈海松,李益民,韩秀清  来源:IT165收集  发布日期:2011-11-17 16:51:17

机器视觉技术是精密测试技术领域内最具有发展潜力的新技术是,它综合运用了电子学、光学探测、图像处理和计算机技术,将机器视觉引入到工业检测中,实现对物体的三维尺寸或位置的快速测量,具有非接触性、速度快、柔性好等突出优点,在现代制造业中有着重要的应用前景。随着对测量精度要求的不断提高,依靠机械运动精度的定位方法已经不能满足要求,而高精度图像拼接技术不再依靠机械运动的精度,而是利用相邻图像重合部分的特征来确定其相对位置。这种方法摆脱了机械精度的限制,使视觉测量精度得到了很大的提高[1]。同时,随着图像量测中对精度和幅面要求的提高,在同一幅图像中往往不能同时满足两方面的要求,而可以采用被测量物体与图像传感器相对运动的方式,以采集到的多幅图像为依据进行量测、缝合和图像拼接,将所有合并的图像映射到同一图像坐标系内,显示在同一图像空间内。
1 计算机视觉检测系统的组成
计算机视觉检测系统按功能主要包含以下几个部分:(1)图像信息获取模块;(2)图像信息处理模块;(3)系统控制模块;(4)X-Y运动载物平台模块。
计算机视觉系统结构框图如图1所示。系统的工作过程:系统控制模块给X-Y平台控制部分的单片机一个命令,要求X-Y平台移动到相应的位置,到达位置后,反馈一个信号给系统控制部分,系统控制部分收到信息后与图像采集模块和处理模块通信,完成整个系统的操作。系统控制模块与单片机通过RS232协议进行通信,而系统控制模块与图像采集模块进行通信并且接收图像信息,其计算机需要配备专用的图像采集卡和I/O模块。在本系统中,图像采集卡采用的是Cognex MVS-8600,图像采集卡与相机通过专用15芯电缆相连,I/O模块采用的是基于PCI总线的并行输入输出端口。

2 检测系统的工作原理
计算机视觉检测系统工作流程主要分为图像信息获取、图像信息处理和机电系统执行检测结果三个部分。另外,根据系统需要还可以实时地通过人机界面进行参数设置和调整。检测系统工作原理图如图2所示。系统正常运行时,当被检测的样品在检测平台上装夹完成后,操作者手动向系统输入开始检测的指令,系统将首先根据对需要采集的图像参数的设置情况进行预计算,确定图像采集过程中平台需要定位的位置参数,然后自动移动到第一个图像采集位置,并向图像采集模块发出就位信号,图像采集系统接收到此信号并对当前视野内的图像进行采集,采集完成后向控制器发出完成图像采集信号,平台再次运动到下一个采集位置。重复上面的工作,直至所有的图像采集完成后,系统进入图像处理模块进行处理,根据得出的检测结果进行显示或者报警等操作。在整个操作过程中,图像采集模块和图像处理模块还需要连续地进行实时图像监视。这一操作只有在图像采集的瞬时时刻才会暂时挂起,每完成一次图像采集操作后,都会回到图像的实时监视界面。

2.1 图像信息获取和处理模块设计
图像信息获取模块的硬件主要包括视觉传感器(CCD摄相机)、光学镜头、光源系统三个部分,根据被测工件特点和检测系统要求,合理选择与搭配这三个部分是高性能视觉检测系统的前提[2]。此模块的功能就是按系统控制模块的指令获得检测系统所需的图像信息,并以标准的图像信息格式传送给图像信息处理模块。
图像信息处理模块的功能是通过对系统获取的图像信息进行处理得出控制系统所需要的结果信息。此模块的核心是图像信息处理的算法,在本文系统中,采用的是Cognex公司提供的图像处理算法开发包CVL。
2.2 图像可拼接性的数学验证
图像的拼接结果可以看成是全景图像的部分或者全部,而全景图像是一种形式的全光函数,所以图像的可拼接性论证是基于全光函数的数学理论进行的。
全光函数是一个7维函数,其定义为:在任意时刻t,通过任意视点(x,y,z)的任意角度(θ,Φ)的任意波长?姿的光线的强度P7=P(x,y,z,θ,Φ,λ,t),所以只要在某一视点采集所有入射光线,记录全光函数,就能通过某种方法构造出此场景。在图像拼接的实际应用中,可以通过对图像采集过程的约束来降低全光函数的维数。如果在图像采集过程中,视点的位置为同一个,则可以减少由于视点位置变化所引入的三个变量(x,y,z);再对于同一个场景具有时间不变性或在采集的时刻之间,场景的变化可以忽略,则时间变量也可以去掉;同样,波长也是同一场景中的固定物理量,所以也可以去掉。据此,全光函数则可简化为一个二维函数P2=P(θ,φ)。由此可以看出,只要记录同一视点的各个不同的角度的光线信息,据此构造出全景图像。也就是说,可以通过在同一位置拍摄的不同角度的图像来得到一个完整的全景图像,这就是进行图像拼接的理论依据。
2.3 图像拼接的基本过程
图像拼接过程步骤[3-4]如下:
(1)获得在同一位置拍摄的具有重叠区域的两幅或者更多的图像。
(2)对图像进行坐标转换,解决相邻图像在深度方向上由于图像采集时采用不同焦距所带来的差异。如果图像在采集的过程中所采用的是同一焦距,则可以不进行这一步操作[5]。
(3)重叠区域局部匹配,找出相邻图像之间的精确位置关系。
(4)图像缝合,根据第(3)步所得到的相邻图像的精确位置关系,将图像进行合并。

延伸阅读:

Tag标签:
  • 专题推荐

About IT165 - 广告服务 - 隐私声明 - 版权申明 - 免责条款 - 网站地图 - 网友投稿 - 联系方式
本站内容来自于互联网,仅供用于网络技术学习,学习中请遵循相关法律法规