基于非参数化贝叶斯推理的多尺度高动态范围曲面测量理论研究

Multi-scale enriched high dynamic range surfaces are widely used in many fields such as optomechatronics and biomedical due to their superior mechanical and optical properties. However, the geometrical complexity of these surfaces imposes a lot of research challenges in relation to the current state-of-the-art surface metrology. As a result, this proposal aims to develop a multi-sensor system with an attempt to address such challenges. The system integrates an autostereoscopic 3D vision sensor, a 2D image sensor, and a fibre probe into an integrated platform in order to achieve a cooperatively high dynamic range measurement of multi-scale complex surfaces. A Gaussian process-based non-parametric surface modelling method is presented to model the multi-scaled surface geometries by designing composite covariance kernel functions. The statistical nature of the Gaussian process not only enables the method to be generalized for different kinds of surfaces, but also provides credibility to the established model, which can be used as a criterion to perform active data sampling and fusion in multi-sensor systems. The successful development of the proposed method will dramatically improve the accuracy and efficiency in the precision measurement and characterization of multi-scale optical freeform surfaces and hence ensure the manufacturing quality of these surfaces.

具有多尺度几何特征的高动态范围曲面因优越的光学和机械性能被广泛地应用于光机电、生物医学等领域，而这类复杂曲面的测量与评定已成为亟待解决的关键难点。本项目在搭建以自动视差式三维视觉传感器为核心，以二维图像传感器和光纤探针传感器为辅的多传感器测量系统的基础之上，提出了一种基于非参数化贝叶斯推理的多源多尺度测量数据处理方法，应用复合协方差高斯过程在具有噪音和奇异点的情况下对所测点云数据进行机器学习，建立高精度非参数化复杂曲面模型，不仅可以通过贝叶斯推理实现多传感器协同自适应采样，亦可以对多源数据进行深度融合，充分利用数据的冗余和互补，提高测量结果精度的同时量化估计曲面评定参数的不确定度。本项目的实施将有助于提升高动态范围曲面的测量效率和精度，将来亦有可能为复杂曲面测量的国际标准化和实现互换性做出贡献，促进复杂曲面的批量化生产与大规模应用，具有重要的理论意义和工程应用价值。

随着微纳技术在多个领域的飞速发展，许多高科技产品组件要求具有亚微米级形状精度和纳米级表面光洁度。产品的小型化和多功能集成化促使越来越多面向功能的具有多尺度几何特征的高动态范围复杂曲面，据此，其质量检测需要针对不同尺度的特征进行测量，综合评定其加工精度从而有效保证产品的功能。.本项目聚焦于多尺度几何特征复杂曲面精密测量这一前沿方向，提出了以自动视差式三维测量传感器为核心的多传感器协同几何测量方法，设计开发了以其为核心配合接触式探针和二维视觉传感器的多传感器测量系统；并据此研究基于非参数化贝叶斯推理的多传感器数据处理方法，实现了基于多传感器的超精密复杂曲面测量及几何误差评定和不确定分析。主要研究成果如下：.(a).针对多尺度几何特征复杂曲面，开发了自动视差式三维机器视觉传感器。并以其为核心、配合接触式探针和二维图像传感器设计开发了多传感器协同测量系统并制定相应的测量策略。结合系统整体设计，和自主设计开发的运动模组、控制模组，在硬件层面有效发挥不同传感器在不同测量尺度上测量性能的优势。.(b).针对超精密复杂曲面建模，提出了基于高斯过程复合核函数理论的复杂曲面建模方法。该方法将曲面几何特征和核函数本身的性质结合起来，将曲面先验知识融合到核函数的选择中，再通过非参数化贝叶斯推理取得更好的曲面重建精度，同时抑制测量数据中的噪声，输出预测值不确定度。.(c).针对多传感器测量及评定技术，提出了基于特定核函数高斯过程的多传感器数据融合方法，采用异方差高斯过程和相依高斯过程数据融合，充分利用了多源数据间的信息互补，纠正了系统性偏差，抑制了随机噪声，保留了完整的贝叶斯推理特性。同时，将曲面重建误差和重建不确定度的组合作为自适应采样的评判标准，实现了多传感器自优化采样，极大地提升了测量效率。.以上研究成果发表了19篇期刊论文，其中14篇SCI期刊论文,4篇会议论文, 撰寫專利2項 ,完成了项目目标, 在超精密自由曲面测量领域中, 做出了积极的贡献。