一种基于CMOS图像传感器测量管道空间方位的方法与流程

本发明涉及一种计量检测技术，特别是一种基于cmos图像传感器测量管道空间方位的方法。
背景技术：
：工程测量中，空间角度测量非常普遍，特别是管道的空间位置测量。一般管道轨迹往往与导向设计轨迹存在较大差异，特别是竣工后的测量技术滞后，致使地下管线工程竣工资料数据和管线实际空间位置坐标误差较大，不利于地下管线建设和社会利用。因此准确掌握竣工管道的地下空间位置十分重要，它不仅是评价工程质量的指标，而且能为后续新建管线的轨迹设计和施工提供依据，以避免管线相交。传统进行管道弯曲角度测量通常采用两种方式：一是用角度测量仪，此种方式的数据采集存在后期处理工作量大，采集数据精度低，记录点选取受环境影响较大，不连续等缺点；二是利用基于电子罗盘的探测头在管内行走，将测量的数据通过电缆传输给上位机处理计算出三维轨迹，但电子罗盘通过电缆传输数据过程中会受到环境磁场的干扰，造成方位数据失准，测量精度降低，因此其只适用于无异常磁场干扰的环境中。技术实现要素：本发明的目的在于提供一种基于cmos图像传感器测量管道空间方位的方法，该方法操作简便，测量精度更高。该方法包括以下步骤：包括以下步骤：步骤1，将激光光源和cmos图像传感器设置于万向节两端的机械定心固定端，且激光光源和cmos图像传感器之间设置衰减片和气泡荧光环，设定激光光源的初始位置使其位于管道中心且发出的激光与管道中心轴重合；步骤2，激光光源移动且cmos图像传感器从初始位置开始每移动一定距离采集一帧图像；步骤3，对采集的图像上的激光光斑和气泡荧光环进行处理获取激光光点在光敏面的像素位置和荧光环上气泡的方向，并记录每个激光光点中心位置和荧光环气泡的位置；步骤4，将每个像素光斑中心转为实际光斑中心物理位置坐标；步骤5，对光斑中心的实际物理位置坐标、荧光环气泡的朝向，基于最小二乘法曲线拟合算法拟合出管道的方位曲线。本发明基于cmos图像传感器采集激光光斑图像，巧妙利用激光光斑中心在图像上的位移信息转换成管道空间方位信息。与现有技术相比，具有以下特点：(1)在探测的过程中，两个机械定心结构，有效的保证激光光源，衰减片，气泡荧光环，cmos图像传感器的中心尽可能和管道的中心轴处于同一条水平线上，可以测量弯曲角度更大的管道。(2)激光器出射光束虽然准直性很好，但是功率很大。如果光敏面上的光照度过大，就会使得光电接收系统的输出饱和而无法工作。现有技术多是利用图像传感器采集激光的反射光斑，而在本发明中采用的是中性密度衰减片，对出射激光进行大幅度的衰减，使其透射率极低。因此可以满足cmos图像传感器的采集要求。(3)采用高分辨率的cmos图像传感器，能够高效的满足测量的精度和广度要求。(4)现有的电子罗盘通过电缆传输数据过程中会受到环境磁场的干扰，造成方位数据失准，测量精度降低。本发明基于图像分析处理，不受周围管道密集程度的影响，不受周围电磁辐射的影响。(5)气泡荧光环会成像在cmos图像传感器上，从图像上可以看到的荧光环上的气泡的位置。由于地球重心引力作用，气泡方向永远都是朝向上方。由气泡的当前朝向，就可以判断管道弯曲的方向。(6)本设计使用简单方便，测量精度高，设备轻便，且具有适用方法灵活的特点。下面结合说明书附图对本发明做进一步描述。附图说明图1是本发明方法流程图。图2是本发明激光光斑检测原理图。图3是本发明管道空间分布检测装置原理图。图4是本发明激光光斑和气泡荧光环成像模型图。图5是本发明曲线拟合示意图。具体实施方式结合图1，一种基于cmos图像传感器测量管道空间方位的方法，激光光源发射的激光束透过中性密度衰减片，穿过气泡荧光环，成像在cmos图像传感器上。经由图像数据采集处理系统，对获取的激光光斑和气泡荧光环图像进行分析和处理，包括灰度处理、自适应中值滤波、最大类间差法得到二值化图像，然后利用灰度重心法计算出激光光点在光敏面的像素位置和荧光环上气泡位置。用坐标转换，将像素光斑中心转为实际物理光斑中心。当定心装置每前进一个步长停顿一次，读取此位置处上激光光斑的位置。以此类推，得到管道内多个测量点的位置，进而拟合出整条管道的空间方位曲线。结合图1，具体包括以下步骤：步骤1，将激光光源和cmos图像传感器设置于万向节两端的机械定心固定端，且激光光源和cmos图像传感器之间设置衰减片和气泡荧光环，设定激光光源的初始位置使其位于管道中心且发出的激光与管道中心轴重合；步骤2，激光光源移动且cmos图像传感器从初始位置开始每移动一定距离采集一帧图像；步骤3，对采集的图像上的激光光斑和气泡荧光环进行处理获取激光光点在光敏面的像素位置和荧光环上气泡的方向，并记录每个激光光点中心位置和荧光环气泡的位置；步骤4，将每个像素光斑中心转为实际光斑中心物理位置坐标；步骤5，对光斑中心的实际物理位置坐标、荧光环气泡的朝向，基于最小二乘法曲线拟合算法拟合出管道的方位曲线。设备选取与安装包括：在机器视觉领域，cmos图像传感器的分辨率越大，所达到的精度越高，但图片大小过大会影响计算与传输，选择合适的分辨率是很重要的。本发明期望精度能达到10-3m，则要求至少像素能够反映10-3m，这里选用的300w的cmos像素相机，分辨率为2048*1536。激光光源选用小型he-ne激光器，其额定功率为4.0mw，额定电流为6.0ma。根据测量原理图所示，包括两个定心机构，两个定心机构分别固定着两个固定端，两个固定端通过万向节连接起来，其中一个固定端固定一个cmos图像传感器等图像采集和传输设备，构成固定端，使得cmos摄像机能够获取接受面的全部清晰图像。另一个固定端固定一个激光器，构成激光器固定端。激光器射出的激光束通过衰减片和气泡荧光环，落在图像传感器上。当定心装置每前进一定距离，cmos图像传感器都会采集图像。在获取激光光点中心位置和荧光环气泡的位置之前对采集的图像进行如下预处理：在本发明所提出的基于中，对获取图像的预处理主要是利用opencv对图像先将初始图像转换成灰度图像，之后进行自适应中值滤波、最大类间差法得到二值化图像，最终图像上仅剩激光点的圆斑轮廓和荧光环的轮廓。先使用opencv中的videocapture来打开摄像头，这个类是用来处理视频文件或者摄像头视频流的类，可控制摄像头的打开与关闭，利用cap>>frame，可将视频流读入硬件平台，并保存在矩阵frame中，以便对视频中每一帧图像进行处理。由于本发明中摄像头采集的视频为彩色，处理时应先将其处理成灰度图像，rgb格式的灰度图像r、g、b三个分量都相等，且等于灰度值。在opencv中，实现rgb颜色空间到灰度图的转换的函数声明是：cvcvtcolor(constcvarr*src，cvarr*dst，intcode)，即将原图像src转化为dst，code代表颜色空间转换参数，可使用这个函数对每一帧彩色图像进行灰度转换。具体函数实现为cvtcolor(frame，edges，cv_bgr2gray)，其中frame即原始图像，edges为灰度图像。图像去噪是图像预处理中常用的一个步骤，常用的图像去噪算法有自适应中值滤波，高斯滤波等。其中适应性中值滤波更适用于有突变的白点或黑点的这种椒盐噪声。图像噪声主要来源于图像获取和传输过程，常见的噪声有加性噪声、乘性噪声、量化噪声以及椒盐噪声等。因此，本发明采用自适应中值滤波来消除噪声。otsu算法也称最大类间差法，有时也称之为大津算法。otsu使用的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分。所以可以在二值化的时候采用otsu算法来自动选取阈值进行二值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。opencv的二值化操作中，使用函数otsu(iplimage*src))使图像变成二值化图像。激光光斑中心位置坐标转换具体包括：首先计算激光光点的像素位置，本发明重心法是一种内部区域表示法，假设含有激光圆斑轮廓区域的二值图像为g(i,j)则激光圆斑的中心坐标，可由公式求出整个图像白色像素点的中心位置即激光点中心位置。其中i、j分别为图像像素的行列位置，m、n分别为图像的像素行列总数。再进行坐标转换，所用公式为：其中，(xd,yd)为激光光点的中心坐标，(u,v)为光斑实际物理坐标系的坐标，dx、dy为像素在像素坐标轴上的物理尺寸，θ为像素坐标系两个坐标轴之间的角度。已知cmos图像传感器每个像素物理尺寸大小为4.7*10-5m，像素坐标系两个坐标轴之间的角度为θ≤90°。则实际空间物理位置坐标为如下表所示，单位为m。转换坐标12345678x/m0.1000.4350.7561.1081.5012.1032.4432.926y/m0.1990.7891.3441.9912.4972.7733.0753.319步骤四：曲线拟合和平面方位重建最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。使用matlab函数polyfit(x,y,n)，x、y为数据点，n为多项式阶数，返回p为幂次从高到低的多项式系数向量p。x必须是单调的。矩阵s用于生成预测值的误差估计。多项式曲线求值函数：polyval(p,x)返回对应自变量x在给定系数p的多项式的值。根据上表，利用matlab最小二乘法曲线拟合可得管道的平面方位图。当前第1页12