线结构光传感器参数自适应控制及多轴主动测量研究

Due to the advantages of simple construction, easy data processing and high measurement speed, the line structured light sensor is extremely important in the non-contact measurement field. While, when it is used to inspect the surfaces with uncertain optical characteristics and nondeterministic geometries, there are two central and urgent problems unsolved: one is how to guarantee high quality images of the laser stripe and the other is how to obtain the complete surface data automatically. Aiming at such problems, the adaptive LQG (Linear Quadratic Gaussian) control model, which based on the Kalman filter, is established. The model can modify many system parameters of the sensor according to the quality of the stripe image. The stability and the rapidity of the complex system would be studied in detail, and this would provide guidance for adaptive control of similar systems. Then, a standard sample based method is carried out to integrate the sensor with the multi-axes motional system. The influences of the sample design and the scanning path of the calibration on the final accuracy of the integration are also studied. Finally，the automatic scanning path generation and optimization algorithm is studied under the constraint of sensor measuring range, motion range of the axes and the motion interference to achieve the active measurement of the nondeterministic geometries and obtain the accurate and complete surface data.

线结构光传感器具有结构简单、数据处理方便、测量速度快等诸多优点，在非接触测量领域占有非常重要的地位。但其在对非确定光学特性和非确定几何形状的曲面进行测量时，存在光条图像质量难以保证、曲面测量结果不完整这两个显著而又亟待解决的问题。针对上述问题，建立基于Kalman滤波的自适应LQG控制模型，使传感器多个可控参数能够根据光条图像质量自适应调节，研究上述多参数复杂系统自适应控制的稳定性、快速性规律，为此类系统的自适应控制提供指导；探索基于标准样件的线结构光传感器与多轴运动系统集成的方法，给出样件设计、标定扫描策略对集成精度的影响规律；探索在对非确定几何形状曲面测量时，在传感器测量范围、坐标轴运动范围、运动干涉等多约束条件下，测量轨迹的自动生成及优化算法,实现多轴主动测量，得到被测表面精确、完整的三维数据。

零件几何参数测量是保证产品质量，实现生产自动化、智能化的关键。线结构光传感器通过拍摄经由被测表面调制得到的变形光条图像，计算相应的二维轮廓，具有非接触、成本低、效率高等优势，在工业测量领域具有广阔的应用前景。针对线结构光传感器在对复杂高亮表面测量时存在的欠曝光、过曝光和测量结果完整性不足的问题，开展了以下几个方面的研究：1. 搭建了直线扫描、摆动扫描、多轴协同扫描和手持扫描四种线结构光测量系统，提出了改进的灰度重心法，实现了对光条中心的亚像素提取，精度与Steger方法相当，效率提升了近30倍；提出了基于神经网络的光条中心提取算法，克服了Steger方法存在的中心点丢失和多重中心点问题，计算时间也仅为Steger法的0.27%，满足了中心点实时提取需求；提出采用神经网络实现了对光条中心提取不确定度实时评价方法；2. 提出一种基于参考靶标的数值标定方法，通过多项式拟合建立了像素点与实际坐标间的映射，并通过基于交比不变方法进一步优化上述映射关系，克服镜头畸变、标定模型、激光平面不准确等对测量精度的影响，在75mm×95mm范围内，标定误差可达0.005mm；3. 在实现光条宽度动态计算的基础上，给出了线结构光传感器参数自适应控制方法，通过在测量过程中动态调整相机曝光时间，避免了光条图像的过曝光、欠曝光，保证了高亮表面的测量质量；4. 给出了传感器与直线、摆动、多运动坐标和手持运动协同测量时，相应的高精度系统标定方法，得到了各传感器坐标系之间、传感器与运动坐标系之间以及传感器坐标系与相机坐标系之间的关系，实现了复杂曲面的三维形状测量。本研究为工业、医疗等领域中复杂曲面形状的高效、高精度线结构光测量提供了理论支持和技术积累，在复杂模具、发动机叶片、义齿、艺术雕塑等三维复杂表面测量场合具有广泛应用前景。