一种基于BP神经网络测量物体高度的快速方法

欧阳美龙

（辽东学院，辽宁丹东，118003）

一种基于BP神经网络测量物体高度的快速方法

欧阳美龙

（辽东学院，辽宁丹东，118003）

本文提出的方法是在相位测量法的基础上，利用神经网络建立折叠相位与高度的映射关系，不需要严格搭建系统，也不需要展开相位及标定系统，不必考虑由系统的非线性所带来的误差。测量结果的精度在十个微米左右，标准方差在一个微米以下，是一种快速有效且准确稳定的机器视觉高度测量方法。

机器视觉检测；高度测量；光栅投影；相位测量法；人工神经网络；相位-高度映射

1 系统原理及组成

图1 系统组成示意图

在相位测量法中，变形光栅像可理解为三维物面对投影栅像的相位和振幅调制,即可由解调求得相位变化，并由相位—高度关系求出相对参考面的高度。典型的交叉光轴测量系统如图1所示。

本实验中求解相位值采用的是时域中的N步相移法。N 步相移法是将投影到物体上的正弦条纹移动N-1次，每次移动的相位值为 2π/N ，从而得到N幅条纹图像，计算出各点的相位主值，再经反正切计算得到折叠相位值φ(x,y)。

折叠相位φ(x,y)与高度没有明确的计算公式，但是存在一一对应的关系。神经网络的功能之一就是建立输入与输出之间复杂的映射关系，而不需要两者之间的对应公式。因此，若把已知的相位值φ(x,y)与高度值h(x,y)分别作为神经网络的输入与输出即可得到两者的映射关系，再求得待测物体的相位值便能得到物体的高度值。

2 实验设计

投影仪和摄像机采取斜投正采的方式并保持一定夹角不变，一维平移台沿z轴在竖直方向上平移，采集回的条纹图片保存到计算机中。

2.1 实验方法及过程

2.1.1 建立网络映射关系

由计算机控制投影仪向一维手动平移台上投射单条的正弦条纹，平移台精度为0.01mm。以0.05mm的高度为间距移动平移台，重复投射四步相移条纹图并采集条纹图像作为样本图像。利用前述的N步相移法解出样本图像中在各高度下条纹的相位图，如图2所示。在各相位图中条纹中心位置处选取坐标相同的一点，以此点为中心向外扩展出一个N*N 的方形区域（不要超出条纹范围），选取此区域内所有点的相位值并求取平均值，作为该点的相位值。再将得到的相位值与高度值对应，形成样本点对，如表1所示。

图2 解得的样本图像的相位图（其中X,Y是坐标值，Index是相位值）

表1 样本点对

将样本点对输入神经网络训练，即将由样本图像获得的平均相位值作为神经网络的输入值，样本集的高度值作为神经网络的输出值，由神经网络的拟合功能获得相位-高度映射关系。

图3 神经网络待逼近的函数

图4 训练结果误差曲线

2.1.2 实物测量

首先，将平移台调整至零刻度，并将待测量的小磁块放置在平移台上，再次投射相移条纹图在小磁块上，由摄像机采集回变形条纹图作为神经网络的实物图像。将实物图像按前述实验方法操作，得到待测小磁块的相位图如图5所示，红色方框为待测小磁块的大致边缘。从实物图像的相位图中选定的点的平均相位值如表2所示。

表2 实物图像中选定点的平均相位值

将由实物图像获得的平均相位值输入神经网络，由网络的自回忆功能可得到小磁块的高度值，结果如表3所示。

图5 待测小磁块的相位图

表3 BP神经网络参数及实验结果

3 总结

本文中通过神经网络建立的相位—高度映射关系，使用的是折叠相位，无需将相位进行展开操作，因此精度更高也更易于得到。

获取样本数据时，必须选取相位图中同一点的相位与高度映射，该点应在光栅条纹中心范围内大致选取，而无需严格位于光栅条纹的中心位置，因此更加易于选取。

若工件的摆放位置可固定已知的话，求解相位图时便可框选出工件范围加以计算，而无需求解整幅图像的相位，从而降低计算量，加快求解的速度。

[1] Zhang ZH, Zhang D, Peng X, Hu XT. Performance analysis of a 3D full-field sensor based on fringe projection. Opt Lasers Eng 2004;42:341–53.

[2] Huang L, Qian KM, Pan B, Asundi AK. Comparison of Fourier transform,win-dowed Fourier transform, and wavelet transform methods for phase extraction from a single fringe pattern in fringe projection profilometry. Opt Lasers Eng 2010;48:141–8.

[3] Zhang S. Recent progresses on real-time 3D shape measurement using digital fringe projection techniques. Opt Lasers Eng 2010;149-158-48.

A Fast Method for Measuring Objects’ Height Based on BP Neural Network

OuYang Meilong
(Eastern Liaoning University,Dandong Liaoning,118003)

In this paper, a new effective and simple machine vision measuring method is proposed. This method aims at solving a problem that the central position of laser can hardly be extracted accurately in the methods for measuring objects’ height based on line structured light. This method can slove objects’phase by means of phase measuring profilometry, and build a nonlinear map between phase of structured light and height based on self-recall function of artificial neural network. Then the information of objects’height can be obtained so long as the phases of objects are known Its accuracy is about ten microns

Machine vision detection;Height measuring;Grating projection;Phase measuring profilometry;Map of phase-height;Artificial neural network