一种基于改进中心线提取方法的锂电池表面三维重建方法

技术领域

本发明属于锂电池表面缺陷检测技术领域，涉及一种锂电池表面三维重建方法，更为具体地是涉及一种基于改进中心线提取方法的锂电池表面三维重建方法。

背景技术

锂离子电池技术的先进性和在新兴关键市场的应用，已激发全球范围内的研发热潮，因此锂离子电池势必将在新能源领域占据重要位置。同时，对锂离子电池的制造生产质量和安全提出了更高的要求。

随着计算机图形图像技术的发展和计算机视觉检测的进步以及虚拟现实技术的广泛应用，成为当代计算机软件的主流趋势。机器视觉就是用机器代替人眼来做测量和判断，作为人工智能快速发展的一个分支，通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

但是，现有的机器视觉不仅限于二维平面的视觉检测，三维立体视觉相比于二维视觉可以获得更丰富的目标状态信息，这些三维信息使得检测系统具有更高的精度和更广泛的用途。三维信息的获取方法有很多种，其中主动视觉可分为莫尔条纹法、飞行时间法、结构光法和激光三角法。激光三角法由于结构简单、实现简单且精度高被广泛使用。而中心线提取方法作为激光三角法的关键步骤，直接影响三维模型的重建精度。现有的激光中线提取方法的缺点是中心线提取过程中会出现灰度值饱和现象，又称“平顶”现象，该现象会直接影响激光线提取精度，需要对提取方法进行改进。

发明内容

为了解决上述问题，本发明研究设计了一种基于改进中心线提取方法的锂电池表面三维重建方法，能够自动识别激光线条宽度，快速且精确的计算出激光线条的中心坐标，并获得对应目标的三维模型，为锂电池缺陷检测提供依据，提高锂电池生产效率和质量安全，能够实现锂电池的快速检测，缩短缺陷检测时间。

本发明的技术解决方案：

一种基于改进中心线提取方法的锂电池表面三维重建方法，包括如下步骤：

一、获取物体图像；

二、图像预处理；

三、激光线条中心线提取；

四、片光法三维重建；

五、获取三维模型。

激光三角测量法测量原理是通过光学系统、激光发射器、目标物体表面光斑点三者的位置关系构成三角数学模型，利用光学系统接收的位移变化计算光斑高度信息变化的测量法。

激光三角测量以激光的入射角度可分为垂直入射式和斜入射式。垂直入射式的激光三角测量法的特点是激光入射方向和基准面的法线方向重合，即激光入射方向与基准面表面为垂直关系。

所述步骤一是采用激光三角测量法通过相机以一定夹角采集包含激光线条的原始图像，通过电脑终端计算出不同时间下的物体表面高度h，将测得的高度信息记录在切片模型中，最后以切片堆叠的方式对三维表面信息进行恢复，从而获取物体三维表面的模型。

所述步骤一中夹角为30°～45°。

在视觉系统采集过程中，由于图像中存在大量的非感兴趣点和光斑噪点，直接用视觉测量系统对激光线条中线提取精度较低，且使得系统工作复杂度大，处理速度低，因此，需要对获取的原始图像进行预处理操作，图像预处理操作，增强了原始图像激光线条的图像质量，提高了图像获取的精度。

所述步骤二中图像预处理包括图像裁剪、灰度化处理、高斯模糊和图像分割操作。

所述图像裁剪的目的是画出ROI区域，以减少图像处理的计算量，提高运行效率，所述灰度化处理是将图像的RGB彩色信息转化为灰度值(又称强度值、亮度值)，利用灰度阈值提出光亮明显的激光线条，所述高斯模糊是由于灰度图像光暗交界处的灰度变化存在断崖式的变化需要对图像进行平滑处理，进而更加完整的提取明亮区域，所述图像分割的目的是提取待测目标激光线条图像。

通过相机获取原始激光线条原始图像，激光线条信息包括锂电池平面信息和实验平台平面信息。其中，锂电池平面信息为感兴趣区域，保留的图像要尽可能的保证检测物体的完整性，通过减少图像处理的像素点减少图像处理的数据量，该操作有利于提高运算速度，减少计算复杂度，所以需要对图像进行裁剪操作，画出ROI区域；为了准确提取激光线条区域，需要对图像进行灰度化处理；灰度化处理是将图像的RGB彩色信息转化为灰度值(又称强度值、亮度值)，利用灰度阈值提出光亮明显的激光线条；高斯模糊是由于灰度图像光暗交界处的灰度变化存在断崖式的变化需要对图像进行平滑处理，进而更加完整的提取明亮区域；最后利用图像分割提取待测目标激光线条图像。

所述激光线条中心线提取的方法是结合高斯模糊和灰度重心法。

激光线条中心线的提取在本系统中具有重要作用，图像中提取的激光线条中心线坐标会经过坐标系转换最终转换为相机坐标系下的三维坐标，是获取锂电池表面高精度三维点云数据过程中最为关键的一步。因此，激光线条提取的准确性对后续相关工作有着直接影响。中心线提取过程中会出现灰度值饱和现象，又称“平顶”现象，结合高斯模糊和灰度重心法改进激光线条提取方法。

所述灰度重心法的原理是利用像素点坐标和像素点的灰度值来提取激光线条中心线坐标的，该法以像素点灰度值为“质量”，求出的结果为灰度值的质心坐标，计算公式如式(1)所示，

其中u

由灰度重心法原理可以看出，灰度重心法是选择阈值区域内进行算法求解的，区域中的灰度值均会对最后的求解结果有影响。由于以上因素，本发明提出在图像采用高斯模糊去除平顶现象的基础上，利用高斯拟合曲线求得的光条横截面灰度值最大点为光条中心的假设，并设置灰度阈值自动提取激光线宽，基于开窗思想选取灰度重心法求解区域对灰度重心法进行改进。

高斯滤波是在给定区域，由本身和邻域内像素值加权平均后得到的值，更符合光强分布模式。本发明采用高斯模糊进行平滑操作，高斯模糊计算平均值时，将"中心点"作为原点，其他点按照其在正态曲线上的位置，分配权重，就可以得到一个加权平均值。

所述高斯模糊对应的概率密度函数如下

x,y分别对应当前横竖坐标到卷积核中心的距离，sigma的值越大，则峰值的值越小，函数图像越接近平稳，取sigma＝1经过以上分析，选取能充分体现灰度变化的灰度重心法，并计算灰度重心法的中心点x

自适应线宽，计算范围R是由求出的横坐标左右加减2D/3求出的，其中D为激光线条的线宽。激光线条的线宽是取一定阈值的处理后采样点的数量计算得来的。因此，此法会自适应的每条激光线条的线宽，从而给灰度变化的范围带来了变化。

所述步骤四中通过片光法获取三维模型，片光法是将提取的激光线条中心线坐标以切片式的方法集合到三维模型中，是计算机计算的关键一步，也是获取三维模型前的最后一个步骤。

所述步骤五中激光线条堆叠将多次计算获取的激光线条坐标存储在片光法获取的三维模型中，通过堆叠获得完整的三维模型。

本发明的有益效果：与现有技术相比，本发明的优点为：(1)利用高斯模糊和灰度重心法改进激光线条中心线提取方法，利用灰度非饱和点通过高斯模糊消除“平顶”现象，最后利用基于开窗思想的灰度重心法提取中心点坐标，提取过程更贴合实际图像，精度更高；(2)激光三角测量法结构简单，搭建容易，精度高，成本低，更适合工业锂电池自动化生产检测的场景，有利于快速获取锂电池表面信息，有利于后续的缺陷提取和状态获取；(3)片光法利用坐标点堆叠的方法获取三维模型，操作简单速度快，提高了三维重构的效率；(4)激光三角测量法用于图像采集，激光线条中心线提取用于获取物体表面的真实坐标点，片光法用于将坐标点转化为三维模型，激光三角测量法、激光线条中心线提取和片光法的结合使得三维重建效率更高，精度更高，可以快速获取三维模型。

附图说明

图1为本发明中三维重建流程图。

图2为本发明中获取物体图像的图像采集平台图。

图3为本发明中图像预处理流程图。

图4为本发明中激光线条中心线坐标提取流程图。

图5为本发明中片光法获取三维模型图。

图6为本发明的三维重建结果图。

具体实施方式

以下结合附图和具体实施例对本发明做进一步说明。

实施例

一种基于改进中心线提取方法的锂电池表面三维重建方法，包括如下步骤：

一、获取物体图像：采用激光三角测量法通过相机以30°～45°夹角采集包含激光线条的原始图像，通过电脑终端计算出不同时间下的物体表面高度h，将测得的高度信息记录在切片模型中，最后以切片堆叠的方式对三维表面信息进行恢复，从而获取物体三维表面的模型。

激光三角测量法测量原理是通过光学系统、激光发射器、目标物体表面光斑点三者的位置关系构成三角数学模型，利用光学系统接收的位移变化计算光斑高度信息变化的测量法。

激光三角测量以激光的入射角度可分为垂直入射式和斜入射式。垂直入射式的激光三角测量法的特点是激光入射方向和基准面的法线方向重合，即激光入射方向与基准面表面为垂直关系。

二、图像预处理：包括图像裁剪、灰度化处理、高斯模糊和图像分割操作。

图像裁剪的目的是画出ROI区域，以减少图像处理的计算量，提高运行效率。所述灰度化处理是将图像的RGB彩色信息转化为灰度值(又称强度值、亮度值)，利用灰度阈值提出光亮明显的激光线条，所述高斯模糊是由于灰度图像光暗交界处的灰度变化存在断崖式的变化需要对图像进行平滑处理，进而更加完整的提取明亮区域，所述图像分割的目的是提取待测目标激光线条图像。

在视觉系统采集过程中，由于图像中存在大量的非感兴趣点和光斑噪点，直接用视觉测量系统对激光线条中线提取精度较低，且使得系统工作复杂度大，处理速度低，因此，需要对获取的原始图像进行预处理操作，图像预处理操作，增强了原始图像激光线条的图像质量，提高了图像获取的精度。

通过相机获取原始激光线条原始图像，激光线条信息包括锂电池平面信息和实验平台平面信息。其中，锂电池平面信息为感兴趣区域，保留的图像要尽可能的保证检测物体的完整性，通过减少图像处理的像素点减少图像处理的数据量，该操作有利于提高运算速度，减少计算复杂度，所以需要对图像进行裁剪操作，画出ROI区域；为了准确提取激光线条区域，需要对图像进行灰度化处理；灰度化处理是将图像的RGB彩色信息转化为灰度值(又称强度值、亮度值)，利用灰度阈值提出光亮明显的激光线条；高斯模糊是由于灰度图像光暗交界处的灰度变化存在断崖式的变化需要对图像进行平滑处理，进而更加完整的提取明亮区域；最后利用图像分割提取待测目标激光线条图像。

三、激光线条中心线提取：结合高斯模糊和灰度重心法。

激光线条中心线的提取在本系统中具有重要作用，图像中提取的激光线条中心线坐标会经过坐标系转换最终转换为相机坐标系下的三维坐标，是获取锂电池表面高精度三维点云数据过程中最为关键的一步。因此，激光线条提取的准确性对后续相关工作有着直接影响。中心线提取过程中会出现灰度值饱和现象，又称“平顶”现象，结合高斯模糊和灰度重心法改进激光线条提取方法。

所述灰度重心法的原理是利用像素点坐标和像素点的灰度值来提取激光线条中心线坐标的，该法以像素点灰度值为“质量”，求出的结果为灰度值的质心坐标，计算公式如式(1)所示，

其中u

由灰度重心法原理可以看出，灰度重心法是选择阈值区域内进行算法求解的，区域中的灰度值均会对最后的求解结果有影响。由于以上因素，本发明提出在图像采用高斯模糊去除平顶现象的基础上，利用高斯拟合曲线求得的光条横截面灰度值最大点为光条中心的假设，并设置灰度阈值自动提取激光线宽，基于开窗思想选取灰度重心法求解区域对灰度重心法进行改进。

高斯滤波是在给定区域，由本身和邻域内像素值加权平均后得到的值，更符合光强分布模式。本发明采用高斯模糊进行平滑操作，高斯模糊计算平均值时，将"中心点"作为原点，其他点按照其在正态曲线上的位置，分配权重，就可以得到一个加权平均值。

所述高斯模糊对应的概率密度函数如下

x,y分别对应当前横竖坐标到卷积核中心的距离，sigma的值越大，则峰值的值越小，函数图像越接近平稳，取sigma＝1经过以上分析，选取能充分体现灰度变化的灰度重心法，并计算灰度重心法的中心点x

自适应线宽，计算范围R是由求出的横坐标左右加减2D/3求出的，其中D为激光线条的线宽。激光线条的线宽是取一定阈值的处理后采样点的数量计算得来的。因此，此法会自适应的每条激光线条的线宽，从而给灰度变化的范围带来了变化。

四、片光法三维重建：片光法是将提取的激光线条的中心线坐标以切片式的方法集合到三维模型中，是计算机计算的关键一步，也是获取三维模型前最后一个步骤。

五、获取三维模型：激光线条堆叠将多次计算获取的激光线条坐标存储在片光法获取的三维模型中，通过堆叠获得完整的三维模型。

本发明的一种基于改进中心线提取方法的锂电池表面三维重建方法，能够自动识别激光线条宽度，快速且精确的计算出激光线条的中心线坐标，并获得对应目标的三维模型，为锂电池缺陷检测提供依据，提高锂电池生产效率和质量安全，能够实现锂电池的快速检测，缩短缺陷检测时间。