摘  要　采用由彩色CCD摄像机和面结构光投射装置组成的三维彩色逆向工程测量系统，获取待测物体的彩色图像，结合机器视觉双目视差原理和图像处理技术，获得物体表面点的三维彩色信息，生成三维彩色点云，进而实现测量物体的三维彩色模型重构。    关键词　逆向工程；双目立体视觉；立体匹配；彩色点云 

1  引言

    通过二十年的，逆向工程已经取得了很大的进展，在模具制造业、玩具业、游戏业、业、鞋业、业、医学工程及产品造型设计等方面发挥了重要作用^[1]。但是，随着技术的蓬勃发展，在多媒体、游戏业、动画业、医学以及古文物和艺术品的数字化等方面，目前的单色三维逆向技术已不能满足需求，在这种情况下，彩色三维数字化和数据处理系统开始蓬勃发展，三维彩色逆向工程技术成为逆向工程研究中非常活跃的一个分支。

2  系统组成

    逆向工程中的测量系统分为接触式测量和非接触式测量，由于非接触式测量有着众多优点，是现在逆向工程测量系统研究的重点，目前普遍使用的是单色结构光测量系统，它采用两个黑白CCD摄像机，从不同角度得到待测物体的二维图像，利用双目视差原理，获得待测物体的深度信息。由此得到物体表面各个点的三维坐标^[2]。    在当前单色非接触式结构光测量系统的基础上，采用彩色CCD摄像机，运用彩色信息提取技术，得到三维物体的彩色信息(R，G，B分量)，再与物体表面点的空间坐标匹配，从而得到物体表面点的六维信息(X，Y，Z，R，G，B)，生成彩色点云文件，为三维彩色模型重构提供数据基础。    系统主要组成部分(参见图１)：     ①彩色CCD摄像机；②三维标定靶；③编码光栅投射装置；④图像采集卡；⑤PC机。    测量系统的采集部分由一个编码光栅投射器和两个彩色CCD摄像机组成，投射器固定于中央，两台摄像机分布于两侧。首先，投射器直接投射面结构光栅到测量物体表面，两侧的彩色CCD摄像机摄取物体的二维图像，接着，关闭投射器，在光照明情况下，由左右摄像机摄取测量物体二维彩色图像。摄像机采集的信号经采集卡转换后进入PC机进行后续处理。图１  测量系统模型

3  三维彩色逆向工程关键技术

3.1 摄像机标定

    由机器视觉知识可知，通过双目摄像机获得待测物体的三维信息，就必须确定摄像机的内外参数及畸变系数。这项工作可以通过对左右摄像机进行标定得以完成。图2  摄像机模型    摄像机模型^[3](参见图2)中的映射关系：    世界坐标系一点P(Xw，Yw，Zw)在摄像机图像坐标系中映射为p(u，v)，两者的坐标有如下关系：

    其中：，f为摄像机的有效焦距，dX，dY为像素之间水平和垂直方向的距离， (u₀，v₀)为主点在机图像坐标系中的坐标，R为3×3旋转矩阵，t= (t_x， t_y， t_z)^T为平移矩阵，标定的结果就是得到上述几个参数。    对于摄像机标定的方法，现在研究的比较成熟，其中Tsai(1986)提出的基于径向约束的两步法^[4]是研究的重点，本文基于Tsai的RAC两步法完成摄像机的标定，设左摄像机位于世界坐标系原点，且无旋转，右摄像机相对世界坐标系的旋转矩阵，平移矩阵T= (T_x， T_y， T_z)^T，通过RAC两步法求出左右摄像机的内外参数。

3.2  采集表面点六维信息(X_wY_wZ_wRGB)

    在左右CCD摄像机分别获得三维物体的二维彩色图像后，关键是如何通过匹配得到物体的三维信息和彩色信息。    1)三维信息的获取    目前，立体匹配的算法主要分为两大类：区域匹配和特征匹配^[5]。区域匹配对图像中各像素点周围的图像子区域进行灰度相关运算，通过相关值来确定匹配关系，这种匹配可以得到密集的视差图，但这种算法存在①计算量大，速度慢。②匹配窗口大小选择困难。③对仿射畸变和辐射畸变敏感等缺陷。特征匹配通常选择边缘、角点等特征点作为匹配点，因此特征匹配算法①匹配速度较快。②特征匹配精度较高(亚像素级)。但这种算法只能得到稀疏视差图。综合上述两种方法的优缺点，本文采用混合算法，即分步利用特征匹配和区域匹配两种方法进行匹配。    基本步骤是：    (1)对左右两个彩色CCD摄像机获得彩色二维图像(BMP)进行灰度化处理，并进行必要的图像预处理^[6](均值滤波、高斯滤波、直方图均衡化、拉普拉斯锐化)消除噪声。图3  Sobel算子    (2)特征匹配需要特征点，采用如图３所示的Sobel算子对左右图像进行卷积运算^[7]，把图像像素点梯度▽f(x，y)大于某一选定阈值的点作为边缘特征点，得到待测物体的左右边缘特征点图。    (3)采用双向匹配法^[8]对左右边缘特征图中的边缘特征点进行匹配，首先选取左图中的边缘特征点，根据灰度、梯度、方向、极线等约束条件，和右图中的特征点匹配，然后再选取右图中的边缘特征点和左图中的特征点匹配，最后选择双向都是最优匹配点的点对作为最终匹配点，得到边缘特征点的视差图。    (4)上一步骤只是得到边缘点的稀疏视差图，为了得到密集的视差图，需要对大量非边缘点进行区域匹配，步骤⑶得到边缘特征点实际上把左右图像分割成许多小区域，这就大大缩小了区域匹配的搜索空间，从而提高了匹配的效率和准确程度。左图中一点m(i，j)，在右图中找其对应的匹配点，使用M×N的相关窗口，使窗口位于m处，在右图中，在同一条水平线搜寻匹配点n，使用协方差系数^[9]来衡量m，n之间的相似程度，最终找到最佳匹配点。    (5)通过上面四个步骤，可以得到待测物体表面各个点P在左右摄像机图像上映射点(P_l，P_r)的对应关系，以及左右两个映射点的图像坐标Pl(X_l， Y_l)，Pr (X_r，Y_r)，由标定得到的有效焦距f_l，f_r以及旋转矩阵R和平移矩阵T进行，可以得到待测物体表面各个点的三维坐标(X_w，Y_w，Z_w)。计算公式如下：

    2)彩色信息获取    本系统采集的二维彩色图像为24位的BMP文件，位图文件头BITMAPFILEHEADER为14字节，位图信息头BITMAPINFOHEADER为40字节，不具有调色板，参见图４。对于BMP文件，实际位图数据区每三个字节表示一个像素点的RGB信息(按BGR顺序排列)数据是从下到上，从左到右排列的，且图像每一行像素所占的字节数必须是4的整倍数(如不足，需补齐)^[10]。图4   BMP文件结构示意图    设BMP文件的大小(字节)为SIZE，图像上某点p(u，v)。点在文件中的字节位置为POS，则：

    已经得到物体表面点P的三维坐标( X_w，Y_w，Z_w )，以及点P在左右摄像机图像上映射点Pl(u_l，v_l)和Pr(u_r，v_r)的对应关系。使用VC中的三个宏，GetRValue、GetGValue和GetBValue，从左右图像中读取像素点P_l，P_r的RGB分量。    综合两者(点P_l，P_r)的颜色信息，就是物体表面点P的颜色信息(RGB)，至此，可以确定物体表面测量点的六维信息(X_wY_wZ_wRGB)。此外，标记出左右彩色图像的颜色边缘点，作为后续数据精简时的约束条件(颜色边界点不能精简掉，否则重构模型的颜色边界模糊)。    3)彩色点云的生成    由被测物体表面测量点的六维信息，生成ASCII格式的彩色点云数据文件，格式如下：    点数    65536    序号      X     Y     Z     R     G    B     0        20   30   40   255  0    0     1        30   40   50   0    255  0     ……    最终，ASCII格式的彩色点云文件经数据接口转换，生成逆向工程软件支持格式的文件，完成三维彩色模型重构。

4  结束语

    目前，三维彩色逆向技术正在蓬勃，本文在单色非接触结构光测量系统的基础上，采用彩色CCD摄像机获取测量物体的彩色图像，综合运用机器视觉和图像处理技术，为获得测量物体的彩色点云数据提供了一种方法，也是对三维彩色逆向工程技术研究的一种有益尝试。

[1]金涛，童水光.逆向工程技术[M].北京：机械出版社，2003：26-65[2]徐红兵，任乃飞.ATOS流动式光学扫描仪的工作原理与系统标定[J].工具技术，2006年第40卷[3]张广军.机器视觉[M].北京：出版社，2005：24-17[4]ROGER Y. TSAI.A Versatile Camera Calibration Techniaue forHigh-Accuracy 3D Machine Vision MetrologyUsing Off-the-shelf TV Cameras and Lenses。IEEE JOURNAL OF ROBOTICS AND AUTOMATION[J]，VOL. RA-3， NO. 4，AUGUST 1987[5]徐奕，周军，周源华.立体视觉匹配技术[J].计算机工程与应用，2003.15[6]李弼程、彭天强，彭波等.智能图像处理技术[M].北京：工业出版社，2004：61-95[7]周长发.Visual C++图像处理编程[M]. 北京：电子工业出版社，2006：290-293[8]刘正东，孙权森，杨静宇.基于特征约束及区域相关的体视匹配方法[J].计算机工程与应用，2003.34[9]廖素英，杨华军.基于区域相关的动态匹配方法.[J].光电工程，2004.12[10]吕凤军.数字图象处理编程入门[M].北京：清华大学出版社，1999