基于结构光的空气预热器转子三维测量与可视化方法与流程

本发明涉及一种三维测量技术，尤其是一种基于转台的结构光三维测量方法。

背景技术：

回转式空气预热器是大型工业锅炉的主要辅机之一，简称“空预器”。是火力发电厂中实现锅炉高效燃烧和机组安全经济运行的关键设备。由于空预器上部(热端)输入是烟气(高温近400℃)，下部(冷端)吹入的是空气(低温20℃左右)导致空预器整体受热不均匀，产生“蘑菇”状变形，大量的助燃空气泄露到烟道，造成风机电耗增加，锅炉燃烧热效率下降。

因此，如何检测空预器的形貌和热变形，从而指导空预器设计，对于有效减少空预器漏风，提高锅炉效率非常重要。目前，还没有对整个表面形貌和径向变形量测量的装置，导致空预器设计多依赖理论计算和数值仿真方式。例如采用预留间隙值的方法，但实际生产中这个间隙值是随负荷变化而变化，而且由于空预器半径比较大，沿径向方向的变形量也大小不同，因此预留量普遍偏大，漏风较大。此外，由于空预器运行在密封环境下没有光线，操作人员看不到里面的运行情况，也导致热态运行维护不便。

近年来三维测量技术已经趋于成熟，但在不干扰设备工作的情况下，直接对运行状态中的旋转物体直接进行三维测量并没有取得很大的进展。

空预器属于大型工业零件，而对大型工业零件进行三维测量过程中，受制于单个相机视场范围，很难通过传统的基于结构光的计算机视觉方法实现物体几何外形的三维重构和测量(如文献：宋龙,李广慧,刘保臣,等.基于线结构光双目测量系统有效视区的标定[j].机械工程师,2007,(9):24-26.)。

基于转台的结构光三维测量方法，如专利：zl201610443919.7，一种桨叶的三维全场变形测量方法，虽然可以解决旋转物体的三维测量问题，但该方法进行了复杂的转轴位姿标定和空间点计算，而大多实际情况并不满足转轴标定所需的条件，因此难以运用于空预器转子三维测量。

因此，如何对运行状态中的大型旋转空预器转子进行三维测量仍然是本领域未能解决的难题。

技术实现要素：

为实现对运行状态中的大型旋转空预器转子进行高效、准确的三维测量，本发明提供了一种基于结构光的空气预热器转子三维测量与可视化方法。

本发明所采用的技术方案是：基于结构光的空气预热器转子三维测量与可视化方法，包括以下步骤：

s1：对所有双目相机进行离线标定，得到相机内参，用于立体视觉矫正；一个组目相机与一个圆点阵列光源组成一组测量单元；

s2：在空预器冷端沿转子的一条半径均匀固定标志块，依据被测物半径尺寸决定标志块数量，作为确定转子旋转一周的起始标志并作为相邻相机测量区域的分界线，为后端点云拼接提供初始值；然后布置与标志块一一对应的测量单元；

s3：打开圆点阵列光源，进行补光，使转子的转轴和所有相机处于待启动状态，转轴进入匀速转动状态后，所有相机同步采集转子旋转一周的图像；对采集到的图像进行拼接，拼接成环状图像，并得到相邻两帧之间的单应变换h；

s4：空预器转子继续旋转，所有相机开始采集包含激光圆点阵列的图像，旋转一周时，激光扫过整个空预器转子表面；

s5：利用立体视觉原理计算转子局部三维空间坐标，对采集到的激光左右图像，根据对极约束和圆点阵列特征计算当前相机视场范围内转子表面的空间点坐标，得到转子局部三维点云；

s6：利用步骤s3得到的单应变换h，对步骤s5得到的局部三维点云进行拼接，还原每帧图像测量结果的真实位置，得到环状点云；

s7：对所有双目相机采集的图像重复步骤s5和s6，得到对应的环状点云；

s8：提取两个相邻环状点云的交集部分，利用最近迭代算法通过迭代极小化匹配误差，得到两组点云之间的位姿关系r、t，完成该两组环状点云的拼接；

s9：对所有环状点云重复步骤s8，完成整个空预器转子的三维点云测量，并在显示终端进行三维可视化显示。

作为本发明的进一步改进，所述测量单元的数量为n组，n≥3。

更佳的，步骤s2中测量单元的布置方式具体为：沿转子表面一条半径前方，均匀布置n组测量单元，使其满足条件：n组测量单元可拍摄到转子的一条完整半径且相邻两个测量单元可以观察到同一个标志块。

作为本发明的进一步改进，步骤s3中所述的对采集到的图像进行拼接的步骤具体为：

a、从相邻两帧图像中检测特征点；

b、匹配特征点，得到匹配点集合；

c、通过匹配点集合，求解单应变换h，得到相邻两帧图像之间的映射关系；d、对相邻两帧进行拼接，单应变换公式如式(1)所示：

式中[uk，vk]^t和[uk`，vk`]^t分别为同一特征点在相邻两帧上的像素坐标。

作为本发明的进一步改进，步骤s5中所述圆点阵列特征的提取步骤如下：

a、对图像进行区域分割，根据区域形状判断圆点是否缺损；存储完整的圆点坐标及对应序位，对缺损的圆点进行一下步；

b、按照缺损圆点所在序位和存储的完整圆点坐标与序位，根据缺损圆点序位和近邻的完整圆点坐标与序位，进行插值估算，具体为：

对圆点阵列边缘的缺损圆点，按照十字相邻的4个完整圆点圆心进行差值估算；对圆点阵列中的缺损圆点，对其四角相邻的4个完整圆点圆心a、b、d、e进行插值估算，缺损圆点c的坐标计算公式如式(2)和式(3)所示：

式中l1、l2为缺损圆点所在直线；(xa，ya)、(xb，yb)、(xd，yd)、(xe，ye)分别为a、b、d、e的圆心坐标；联立方程(2)和(3)解得缺损圆点c的坐标；

c、利用圆点阵列在左右视图中顺序排列的特征，对左右视图按顺序对应匹配，直接计算视差得到各圆点处的三维坐标[x，y，z]^t。

作为本发明的进一步改进，步骤s8中环状点云的拼接步骤具体为：

a、两组相邻的环状点云，内外环交集的点集合分别为：

b、定义第j对点的误差项：

ej＝pm-(rpm`+t)(j＝1，2，...，m)(5)

式中r，t分别为点集中的点到点集中点对应的旋转矩阵平移向量；

c、构建最小二乘问题：

迭代求解得到误差项最小时的r和t，对两相邻环状点云拼接。

作为本发明的进一步改进，所述标志块为十字反光陶瓷块。

本发明的有益效果是：1)通过提取相邻环状点云交集部分进行icp(最近迭代算法)配准，省去了相机之间位姿关系的标定过程，避免了外参标定带来的误差，极大缩减了算法复杂度，并提高了测量结果的精确度。2)本发明使用圆点阵列光源，由于实际情况下圆点有可能缺损，从而导致圆心检测的偏差，本发明提出使用近邻估算的方法进行缺损圆点圆心计算修正，既保证了匹配的准确性，又简单快速。3)本发明为大型旋转物体，尤其是大型空预器转子的直接三维测量提供了一种新的简单、快速、准确的三维测量方法和新思路。

附图说明

图1是测量单元示意图。

图2是圆点阵列光源示意图。

图3是标志块与测量单元布置示意图。

图4是图像拼接示意图。

图5是相邻两帧图像拼接模型。

图6是提取环状点云交集示意图。

图7是环状点云拼接示意图。

图8是缺损圆点修正示意图。

图9是实施例空预器转子局部三维点云显示效果图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例：

本测量装置由基座、3个如图2所示的圆点阵列光源、3组双目相机、触发器组成。被测转子旋转角速度为2π/min，被测物与相机距离为1.2m；其中，一个组目相机与一个圆点阵列光源组成一组如图1所示的测量单元，即本发明共3组测量单元。

按照如下步骤进行空气预热器转子三维测量：

s1：对所有双目相机进行离线标定，得到相机内参，用于立体视觉矫正。

s2：如图3所示，在空预器冷端沿转子的一条半径均匀固定3个十字反光陶瓷块，作为确定转子旋转一周的起始标志并作为相邻相机测量区域的分界线，为后端点云拼接提供初始值；然后按照图3所示，沿转子表面一条半径前方，均匀布置3组测量单元，使其满足条件：3组测量单元可拍摄到转子的一条完整半径且相邻两个测量单元可以观察到同一个十字反光陶瓷块。

s3：打开圆点阵列光源，进行补光，使转子的转轴和所有相机处于待启动状态，设置好相机帧率，转轴进入匀速转动状态后，所有相机同步采集转子旋转一周的图像；如图4、图5所示对采集到的图像进行拼接，拼接成环状图像，相邻两帧图像的拼接方法具体分为如下三步：

a、从相邻两帧图像中检测特征点；

b、匹配特征点，得到匹配点集合；

c、通过匹配点集合，求解单应变换h，得到相邻两帧图像之间的映射关系；d、对相邻两帧进行拼接，单应变换公式如式(1)所示：

式中[uk，vk]^t和[uk`，vk`]^t分别为同一特征点在相邻两帧上的像素坐标。

s4：空预器转子继续旋转，所有相机开始采集包含激光圆点阵列的图像，旋转一周时，激光扫过整个空预器转子表面；

s5：利用立体视觉原理计算转子局部三维空间坐标，对采集到的激光左右图像，根据对极约束和圆点阵列特征计算当前相机视场范围内转子表面的空间点坐标，得到转子局部三维点云；由于实际情况下圆点有可能缺损，从而导致圆心检测存在偏差；由于本发明针对的目标表面变化不是很大，接近平面，表面变化不足以导致圆点阵列混叠；因此圆点特征提取可按照如下步骤进行：

a、对图像进行区域分割，根据区域形状判断圆点是否缺损；存储完整的圆点坐标及对应序位，对缺损的圆点进行一下步；

b、按照缺损圆点所在序位和存储的完整圆点坐标与序位，根据缺损圆点序位和近邻的完整圆点坐标与序位，进行插值估算，具体为：

对圆点阵列边缘的缺损圆点，按照十字相邻的4个完整圆点圆心进行差值估算；对圆点阵列中的缺损圆点，如图8所示，对其四角相邻的4个完整圆点圆心a、b、d、e进行插值估算，缺损圆点c的坐标计算公式如式(2)和式(3)所示：

式中l1、l2为缺损圆点所在直线；(xa，ya)、(xb，yb)、(xd，yd)、(xe，ye)分别为a、b、d、e的圆心坐标；联立方程(2)和(3)解得缺损圆点c的坐标；

c、利用圆点阵列在左右视图中顺序排列的特征，对左右视图按顺序对应匹配，直接计算视差得到各圆点处的三维坐标[x，y，z]^t。

s6：利用步骤s3得到的单应变换h，对步骤s5得到的局部三维点云进行拼接，还原每帧图像测量结果的真实位置，得到环状点云；因为测量单元与转子的相对位置不变，拼接过程中，同一匹配点的x、y坐标映射回其真实位置，z向坐标不变，从而得到与环状图像对应的环状点云。

s7：对所有双目相机采集的图像重复步骤s5和s6，得到对应的环状点云；

s8：如图6所示，提取两个相邻环状点云的交集部分，利用最近迭代算法(icp)通过迭代极小化匹配误差，得到两组点云之间的位姿关系r、t，如图7所示，按照如下步骤完成该两组环状点云的拼接：

a、两组相邻的环状点云，内外环交集的点集合分别为：

b、定义第j对点的误差项：

ej＝pm-(rpm`+t)(j＝1，2，…，m)(5)

式中r，t分别为点集中的点到点集中点对应的旋转矩阵平移向量；

c、构建最小二乘问题：

迭代求解得到误差项最小时的r和t，对两相邻环状点云拼接。

s9：对所有环状点云重复步骤s8，完成整个空预器转子的三维点云测量，并在显示终端进行三维可视化显示，最终获得如图9所示的空预器转子局部三维点云显示效果图。