双目视觉传感焊缝跟踪立体匹配方法的比较与选择.docVIP

双目视觉传感焊缝跟踪立体匹配方法的比较与选择 前言 所谓焊缝跟踪就是以焊炬为被控对象，电弧相对于焊缝中心几何位置偏差为被调量，通过机械、电磁、激光、视觉等多种测量手段，控制焊炬使其在焊接过程中始终处于工艺要求范围之内。焊缝跟踪系统最重要的部分就是跟踪传感器和控制器的设计。按传感方式的不同，焊缝跟踪中使用的传感器可以分为：附加式传感器和电弧传感器两大类。其中附加式传感器包括接触式、电磁式、涡流式和光学视觉式。电弧传感器有弯丝轮式、并列双丝式、钨极摆动式、熔化极摆动式和高速旋转式[1]。 近年来，视觉传感因其具备的明显优点而备受关注：①图像传感具有非接触的特点；②可传感各种材料，不受导磁或非导磁材料的限制；③可传感各种焊接接头形式；④受焊接电弧的电、磁场干扰不大；⑤具有较大、较宽的传感距离和范围[2]。国内对基于视觉传感焊缝跟踪的研究开展较晚, 目前已取得长足进步。但在实际工业应用中，真正意义上既不需要示教，又预先不告知焊缝类型的情况下，基于视觉传感的焊缝跟踪技术还仍未进入成熟阶段，还需进行更深入的研究。 1 双目立体视觉 1.1 双目立体视觉模型 立体视觉的研究始于20世纪60年代中期美国MIT的Robert的工作。他把过去的二维图像分析推广到三维景物, 这标志着立体视觉技术的诞生。在对人类视觉生理学的研究基础上，70年代Marr建立了立体视觉计算理论[3]被认为是目前对人类立体视觉过程最完整的论述，作为其理论重要组成部分的立体视觉匹配三大约束（唯一性、相容姓和连续性）、零交叉匹配基元以及多通道协同处理方式对立体视觉的发展起了巨大的推动作用。立体视觉在诞生至今的30多年里迅速发展成为一门新的学科，在机器人导航、测绘、医学成像、军事和工业检测等方面的应用愈来愈广泛。目前，人们对立体视觉的研究基本上分为两个方向。 （1）从理解人类视觉的立体融合机制出发，试图建立一种通用的人类双眼视觉计算模型。高级动物的视觉系统是一个复杂的信息处理系统。其信息处理的许多方面都表现为自底而上和自顶而下的闭环控制机制。这一机制类似于显著性映射，对该控制过程的全面了解将导致视觉建模的重大突破。 （2）从实际应用和要求出发，建立实用的立体视觉系统：多层次的串行结构。从三维场景中获得视觉信息并提取特征。匹配：把场景各部分与模型相匹配以达到识别的目的；场景的重建与理解：利用匹配的图像对场景重建并利用人机交互手段从中获得知识，以达到识别解释的目的[4]。 1.2 双目立体视觉实现步骤 双目立体视觉的基本原理是从两个或多个视点观察同一景物，以获取物体在不同视角下的图像，通过三角测量原理计算图像像素间的位置偏差（即视差）来获得三维信息。一个完整的双目立体视觉实现通常可分为图像获取、摄像机标定、特征提取、立体匹配、深度确定及内插重建等六大部分[5]。 通常图像获取是通过配置在不同位置和方位的两个CCD摄像器件或者CMOS摄像器件来完成的，由于摄像头视角总是有限的，为保证不同摄像机均能拍摄到物体，摄像头之间的相对几何位置关系（如夹角）通常要根据应用场合来确定。 摄像机标定是为了确定摄像机的内部参数（如焦距、镜头失真系数）和外部参数（如与世界坐标之间的旋转矩阵和平移矢量），其中既有线性参数也有非线性参数，用于确定成像模型。标定方法有许多种，传统的方法是利用三角测量原理求解一组非线性方程组。另外一类利用三层前向型BP神经网络来模拟物、像对应关系，把畸变、环境变化因素所带来的非线性误差通过网络的学习被分散到各神经元之间的连接权值上，当网络的输出值与学习样本值的均方误差满足系统精度时，即可以认为学习成功。此类方法输入为二维像平面坐标，输出为物体的空间三维坐标。常用于实时工业测量，但对于复杂景物，此种方法所需训练的节点数目非常多，训练过程亦相当缓慢[6]。 特征提取是为了得到匹配赖以进行的图像特征。迄今为止，由于在不同的具体应用场合中，很多要素如图像本身构成特点，系统需要实现的目标和系统预期的性能要求等均有较大差别，所以尽管数字图像处理理论与基本处理手段早已系统化理论化，但由于图像特征的提取往往是一系列方法的综合使用，而且没有确定的步骤和参数指定，目前还没有一种普遍使用的理论可以适用于任何场合下的图像特征的提取，大多数时候还是具体情况具体分析。 图像匹配是在图像空间或其变换域中寻找一种算法，使来自不同时间、不同传感器或者不同视角的同一场景的两幅或多幅图像在空间上一致，在立体视觉中，为了得到图像的深度图, 需要寻找场景中同一目标特征在两幅图像中的对应关系，从而获得图像特征点在像间的视差，并根据视差确定像点的三维信息。这也即是图像匹配研究的核心内容。 深度确定就是在匹配的结果上利用视差计算模型获得目标完整空间信息。有的情况由于特征数量有限，因此非特征处需要后