采用RBF神经网络求解反向条纹研究.pdfVIP

主题:光电探测系统与信息处理 采用RBF 神经网络求解反向条纹的研究 1 1* 1 2 陈云富 李 勇 张海花 蔡元元 （1. 浙江师范大学信息光学研究所，金华 321004 2. 中科院成都信息技术有限公司，成都 610041 ） 摘要 本文提出了一种利用RBF 神经网络来确定摄像机和投影器坐标映射关系的方法。它首先 2 2 在投影器坐标系中将数据分为若干个 16×16 的子区域，然后以 （l ，m ，lm，l ，m ）为输入层 的五个神经元 （其中l、m 为投影仪像素坐标），以摄像机像素坐标i 为输出层的神经元，建立 RBF 神经网络。利用RBF 神经网络求解在投影器坐标系中摄像机像素坐标的分布模型，最后得 到投影器像素点对应的摄像机像素坐标值。计算机模拟和实验结果表明，与已有的算法相比， 该方法能更有效地提高反向条纹投影的求解精度。为反向条纹的求解提供了新方法。 关键词:径向基函数神经网络;反向条纹投影;二次三项式插值;工业质量控制 1 引言 [1] [2] [3] 结构光投影三维传感技术 ，如莫尔轮廓术、相位测量轮廓术 、傅里叶变换轮廓术 等被 [4] 广泛用于工业产品的面形测量及检测中 。这些方法从被物体面形调制的条纹图中得出物体的 表面轮廓信息，其关键在于得出变形条纹的相位值。在工业生产中，产品的面形差别一般来说 很小，但对产品质量影响很大。由于流水线速度的限制，且需检测的产品数量巨大，要求运用 的光学检测技术必须快速稳定，从尽可能少的检测图像中达到检测目的。反向条纹投影正是满 [5] 足此要求的具有广泛应用前景的技术 。产生反向条纹的关键是建立投影器坐标(l, m)和摄像机 坐标(i, j )之间的反向映射关系。已提出的方法包括最近邻插值法、梯度法、分片线性插值法[6] [7] 以及二次三项式插值 。本文提出了一种新方法，利用RBF 神经网络来确定摄像机和投影器坐 标的变换关系。计算机模拟和实验结果表明，与已有的方法相比，该方法能有效地提高反向条 纹求解的精度。 2 原理 2.1 反向条纹投影技术原理 传统的条纹投影技术一般是把直的正弦条纹投影到物体表面，记录变形的条纹图。而反向 条纹投影技术则把这个过程反了过来，它投影变形的正弦条纹，从而在记录平面得到直的条纹。 当物体有变形时，得到的不再是标准的正弦条纹，在变形处，条纹也发生变形。这样，物体的 变形就十分明显，要得到变形的大小和位置也变地简单。 反向条纹投影大体可以分为以下几个步骤： 1) 以产品样品为标准物，用传统条纹投影或其他绝对相位测量技术找出摄像机坐标(i,j )和投影 器坐标(l, m)之间的对应关系：i(l, m), j (l, m) 以及系统的强度传递参数I (i,j ) (背景光强) ，? (i,j ) (条 0 纹调制度)[6] 。 2) 定义在检测中期望得到的摄像机图像Iw (i, j ) ，如一理想的正弦条纹。通过步骤1) 中测出系统 的几何及强度传递关系，计算出投影器应投影的反向条纹Iinv(l, m) ： I (l , m ) (I I I g ) / 2I g (1) Inv w 0 0 0 式中I = I [i(l, m),j (l, m)] ，I = I [i(l, m), j (l, m)] ，?= ?[i(l, m), j (l, m)] 。 w w