基于红外调制的双目视觉的激光跟踪器自动目标锁定方法

《Optical Materials: X》：Automatic target locking method for laser tracker based on binocular vision with infrared modulation

　　

马一楠|娄英天|邱天峰|何永健|于亮|严丽萍|陈本勇

激光精密测量实验室，浙江科技学院，杭州310018，中国

摘要

为提高目标反射器的识别率以及在强背景光干扰下的跟踪引导角度的准确性，本文提出了一种基于红外调制的双目视觉的激光跟踪器自动目标锁定方法。通过捕捉有无红外照明的图像并进行差分处理，有效抑制了环境光的干扰。设计了一种多阈值聚类策略和坐标匹配标准以提高反射器识别的鲁棒性。此外，通过补偿图像坐标的旋转误差和红外照明倾斜的影响，可以准确计算出跟踪引导角度，从而提高激光跟踪器的目标锁定效率。构建了一个实验性的激光跟踪引导系统，并进行了一系列测试。实验结果表明，该系统在50米的距离内能够在大约1秒内实现快速可靠的目标锁定。

引言

作为高精度的大规模空间坐标测量仪器，激光跟踪器已广泛应用于飞机、船舶、航天器和风力发电系统等高端设备的制造、装配和校准中。它通过用激光束跟踪反射器，并通过测量距离和两个角度来确定目标点的坐标来工作。然而，在实际的现场测量场景中，由于被测物体的尺寸较大或几何形状复杂，激光束可能会被遮挡[1]，[2]。在这种情况下，必须重新对准中断的激光束与反射器以恢复跟踪和测量。因此，准确的反射器识别和自动激光束引导对于提高大规模测量的效率至关重要。

近年来，基于视觉的方法[3]，[4]，[5]，[6]，[7]，[8]，[9]，[10]，[11]，[12]，[13]，[14]，[15]在目标识别、定位和对准方面取得了显著进展，因为它们成本低且效率高。为了将激光束引导到反射器上，首先必须准确识别图像中的反射器并精确提取其中心的像素坐标[16]，[17]，[18]，[19]。例如，梁等人[16]使用反射器上的红色圆形标记作为特征点，分割红色圆形区域以识别目标球体，并应用椭圆拟合来提取中心点。在2米的距离上，他们的方法实现了平均0.20毫米的中心提取误差和0.09毫米的标准偏差。魏等人[17]采用椭圆识别和空间球形中心定位来测量安装在标尺上的两个反射器之间的距离，实现了1.782毫米的均方根（RMS）误差。这些传统的图像处理方法在照明条件良好且背景无杂物的情况下计算效率高且识别率高。然而，在强反射或其他复杂环境干扰存在的情况下，它们的性能受到显著限制。

除了传统方法外，深度学习和红外检测技术也被用于反射器识别。例如，张等人[18]提出了一种基于Mask RCNN的反射器定位框架，特别是在小目标检测方面表现出更高的检测率。在实验中，测量了两个已知距离为1,000.109毫米的反射器之间的距离，实现了2.596毫米的均方根（RMS）误差。然而，这种方法的实时性能有限，且在长距离下的效果较差。同时，徕卡激光跟踪器中的目标感应单元设计用于跟踪和方向检测，采用主动红外检测机制结合单目视觉[19]。然而，该系统需要专门的辅助测量设备才能运行。

成功检测到反射器后，计算跟踪引导角度（即偏航和俯仰方向）是必要的，以便将激光束与反射器对齐并实现目标锁定。这些角度通常是通过将视觉系统中的反射器坐标转换为激光跟踪器的坐标系统来获得的。然而，由于相机的视角特性，视觉系统对沿光轴的运动敏感度较低。这可能导致在远距离处获得的三维坐标精度下降，从而难以实现所需的锁定精度[20]，[21]。

另一种方法是基于图像中反射器相对于其锁定位置的像素偏移来计算跟踪引导角度[22]，[23]。这种方法要求相机的视觉轴与激光束同轴对齐，以保持锁定的坐标一致，无论反射器的距离如何。然而，实际的制造和装配限制使得很难完全消除激光束和相机轴之间的平移和角度错位。尽管已经开发了非线性模型来补偿引导角度计算中的这些误差，但这些模型通常很复杂，并且需要预先知道反射器的距离。这种依赖性使得在激光跟踪器初始运行时（当距离信息不可用时）它们不适用。

此外，激光跟踪器的内部结构包括一个光束转向镜（跟踪镜），这引入了一个额外的限制：激光束的角度运动是俯仰伺服器旋转角度的两倍。因此，为了确保相机的视野（FOV）与激光束同步旋转，视觉相机不能直接安装在俯仰伺服器上与跟踪镜相邻。相反，激光束和相机的视线都必须通过跟踪镜反射。这一要求对于实现和保持相机视觉轴与激光束的同轴对齐提出了重大挑战。

为了克服上述限制，本文提出了一种基于双目视觉和红外调制的激光跟踪器引导和目标锁定新方法。为了提高复杂场景下反射器识别的准确性，引入了红外调制和多阈值聚类方法。为了精确计算跟踪引导角度，建立了一个考虑跟踪镜结构影响的双目视角模型。此外，采用基于软件的校准来提高引导角度计算的准确性。本文的其余部分组织如下：第2节详细阐述了使用双目视觉系统的激光跟踪器引导原理。第3节介绍了通过红外调制识别和定位反射器的过程。第4节描述了跟踪引导角度的误差补偿策略。第5节展示了实验设置和结果。最后，第6节总结了结论和未来展望。

章节片段

激光跟踪器引导系统

基于双目视觉的激光跟踪器引导系统如图1所示。该系统包括一个干涉式距离测量单元、一个跟踪控制单元、一个偏航伺服单元、一个俯仰伺服单元、三个共装的跟踪镜、一个双目相机和两个红外光源。双目相机和红外光源安装在激光跟踪器头部，并与偏航伺服器同步旋转。相机和红外光束的光轴

基于红外调制的反射器识别和定位

通常，主动红外检测方法使用超发光二极管（SLED）阵列发出覆盖激光束周围大范围的红外光。这种方法利用了角立方体反射器的反射特性，即沿原始路径返回入射光。当反射器反射的红外光被相机的图像传感器捕获时，会在图像中产生一个过曝的亮点，显著增强了

跟踪引导角度的误差补偿

跟踪引导角度的准确性直接受到图像中反射器定位准确性的影响。当反射器偏离红外光源的光轴时，由于倾斜的红外照明和镜头畸变，识别的反射器位置可能与实际位置不同。这种偏差随着照明入射角度的增加而增加，并且与反射器的距离无关。

实验和结果

为了验证所提出的自动目标锁定方法的有效性和可行性，构建了一个如图12所示的实验装置。该系统包括一个双目相机、一个红外光源、一个PSD、一个嵌入式图像处理模块和一个633纳米激光二极管，所有这些都集成在一个由偏航和俯仰伺服器驱动的二维转盘上。双目相机和激光束的光轴通过三个跟踪镜导向。

结论

本文提出了一种基于双目视觉和红外调制的激光跟踪器的新目标锁定方法。引入的调制红外光结合差分图像处理有效地抑制了环境光的干扰。此外，通过建模和校准跟踪引导角度误差，显著提高了跟踪引导角度的准确性。实验结果表明：1）多阈值聚类算法

CRediT作者贡献声明

马一楠：撰写——原始草案、可视化、验证、软件、调查、数据管理。娄英天：撰写——审阅与编辑、监督、软件、概念化。邱天峰：方法论。何永健：方法论。于亮：方法论。严丽萍：撰写——审阅与编辑、方法论、概念化。陈本勇：监督、资源、项目管理、资金获取、概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本工作部分得到了中国国家自然科学基金（项目编号52427808和52375552）的支持，部分得到了浙江省科学技术计划（项目编号2024C01174、2025C01051、2022R52052和LY24F050005）的支持。

马一楠1998年出生于中国山西省。他于2021年毕业于西安建筑科技大学，获得建筑电气与智能工程学士学位。他目前正在浙江科技大学攻读机械工程博士学位。他目前的研究兴趣是激光跟踪器和机器视觉。