面向特征的structured-light 3D测量的自动视点规划

《Optics & Laser Technology》：Feature-oriented automatic viewpoint planning for structured-light 3D measurement

　　**摘要**- 建立了特征测量质量（FMQ）模型，用于几何特征检测。- FMQ引导的框架整合了视角生成、可测量性和路径生成。- 实验验证了对复杂钣金零件的鲁棒自动化检测。## 引言在汽车制造中，圆孔和槽等几何特征作为关键的装配和定位基准，其尺寸误差直接影响装配精度和长期服务可靠性[1], [2]。因此，准确检测此类特征是工业三维（3D）测量的核心任务[3], [4]。双目结构光3D测量系统因其非接触操作、高采集效率和密集表面重建能力而被广泛采用[5], [6], [7], [8]。尽管具有上述优势，孔、槽等凹形特征的可靠测量仍然具有挑战性[9], [10]。由于可见性限制和自遮挡，单视角测量往往只能捕获特征表面的一小部分，导致拟合不稳定和精度降低，如图1所示。对于具有过渡区域的特征，这一问题更为突出，浅层观察不足，需要更深的内壁数据。在实际检测中，这一限制通常通过手动配置多个机器人视角并拼接采集的点云来解决。尽管在某些情况下有效，但这种工作流程劳动密集型，依赖操作员，且难以标准化以用于高吞吐量工业部署[11], [12]。为减少对手动视角设置的依赖，自动化机器人视角规划已被广泛研究。现有方法可大致分为两类。第一类是增量式下一最佳视角（NBV）规划[13], [14], [15], [16], [17]，其中每个后续视角根据当前采集的测量结果确定以恢复未见区域。例如，Gazani等人[15]和Dhami等人[16]使用基于预测的方法推断未观测区域并生成相应视角。最近，基于学习的NBV方法在主动3D重建和未知环境探索中取得了显著性能。Ye等人[14]整合了深度强化学习和点云重叠来生成合适视角。Ouyang等人[17]提出了一种基于学习的NBV网络用于恢复受过度或不足曝光影响的高反射区域。尽管方法不同，这些方法主要为无模型重建任务开发，通常优化重建完整性、不确定性降低和覆盖效率等目标。相比之下，工业尺寸检测通常在CAD可用的条件下进行，其主要目标是确保几何特征测量的准确性和可靠性，而非最大化重建覆盖。因此，本文研究的视角规划问题与以重建为导向的NBV规划根本不同。第二类是基于CAD的离线规划，利用已知的零件几何形状和完整的环境信息，在测量前生成可行的视角和机器人路径[14], [18], [19], [20], [21], [22], [23], [24]。例如，Zong等人[18]考虑双目结构光系统中的观察角度、距离和可见性等测量约束来构建视角。Ojal等人[19]使用光线追踪识别理想条件下的最大可测量区域并选择相应视角。Feng等人[20]提取复杂场景的骨架结构，将空间划分为子空间，然后在每个子空间内进行定向采样。Li等人[21]通过将模型离散化为点集并结合向量分析与扫描系统的运动学约束来生成视角位姿。与增量式NBV方法相比，基于CAD的离线方法通常更兼容工业自动化，因为碰撞约束、可达性和路径可行性可以在执行前评估。然而，这种实际优势并不意味着其优化目标适合几何特征检测。大多数现有方法仍以重建为导向，主要通过表面覆盖来评估视角。虽然这些标准对完整3D重建是合理的，但几何特征尺寸检测需要为稳定拟合提供足够几何约束的测量数据。如图1(d)和(e)所示，较低的整体覆盖率仍可带来更准确的拟合，前提是有效测量分布在所有关键弧段上。这表明当前视角规划方法仍缺乏以特征为导向的评估标准和优化目标。为了解决这一问题，本文提出了一种用于结构光3D测量几何特征的自动化视角规划方法。与基于表面覆盖率优化视角集不同，所提出的方法围绕FMQ制定视角规划，FMQ由可靠特征拟合所需的几何约束充分性定义。具体而言，该方法首先从两个互补维度建立FMQ模型：沿特征法向的有效深度信息和测量平面内的切向约束质量。基于该模型，目标轮廓被离散化为特征采样点，并在视场、景深、最优距离和观察角度约束下生成自适应候选视角。随后候选视角在FMQ标准下进行筛选，选定的集合用于生成高效测量路径。与现有以重建为导向、优化覆盖率或可见性的视角规划方法不同，所提出的方法明确优化特征尺寸拟合所需的几何约束。这将视角规划从以重建为导向的覆盖率优化转变为以特征为导向的测量质量优化，这构成了本文的主要方法贡献。本文其余部分组织如下。第2节分析特征尺寸测量的几何特性，并定义针对特征检测任务的视角生成目标。第3节提出所提出的测量质量约束的自动化特征视角和路径生成策略。第4节通过模拟和实际测量实验验证所提出的方法，并与几种代表性视角生成方法进行比较分析。第5节对本文进行总结。## 章节片段### FMQ影响因素分析特征区域内点云的质量可从两个互补维度表征：沿特征法向的有效深度信息和测量平面内的切向约束质量。前者决定点云在法向方向上约束特征位置的能力，后者取决于轮廓完整性，以及在固定完整性水平下点沿轮廓的空间分布。这两个维度……### 测量质量约束的视角规划基于上述分析，本节提出用于几何特征尺寸检测的测量质量约束视角规划框架。该框架以测量质量为主要目标，并将系统级约束（包括视场、景深、最优距离和观察角度约束）纳入视角生成与选择过程。如图4所示，工作流程包括以下步骤。首先……### 实验为验证所提出的方法，建立了一个由双目结构光传感器、工业机器人和旋转台组成的实验测量系统，如图8所示。双目结构光传感器包括两个配备16毫米镜头的相机（型号：BFLY-U3-23S6 M-C）和一个DLP投影仪（型号：DLP4710）。投影仪输出分辨率为1920×1080像素，每个相机分辨率为2448×2048像素。最优测量距离为475毫米……### 结论本文提出了一种用于几何特征自动化结构光测量的测量质量约束视角规划方法。通过围绕FMQ制定视角规划，所提出的方法将自适应候选视角生成、多约束可测量性评估以及视角选择与路径生成整合到统一框架中。实验结果表明，该方法在重复试验中实现了稳定的特征提取，减少了测量……### CRediT作者贡献声明**Pan Zhang：** 写作——审阅与编辑，验证，方法论，概念化。 **Yaodong Ma：** 写作——原稿，验证。 **Wantao He：** 可视化，调查。 **Zibin Zhong：** 验证，调查。 **Kai Zhong：** 资金获取，概念化。 **Zhongwei Li：** 项目管理，资金获取。### 利益冲突声明作者声明，他们没有任何已知的竞争财务利益或个人关系可能影响本文所报告的工作。### 致谢本工作得到青年科学家基金（C类）（62503186）、中国博士后科学基金（2025M771392）以及湖北省复杂零件智能检测与识别工程研究中心开放项目（IDICP-KF-2025-01, IDICP-KF-2024-02）的支持。Pan Zhang | Yaodong Ma | Wantao He | Zibin Zhong | Kai Zhong | Zhongwei Li