第7期 2017年7月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)07008204
DOI: 10. 13462/j. cenki. mmtamt. 2017. 07. 019
基于SFS的三维粗糙度特征提取
闵莉李典，董帅
（沈阳建筑大学机械工程学院，沈阳
89101
No.7 Jul.2017
摘要：为了更准确地表征粗糙度，实现对表面粗糙度的三维检测，基于计算机规觉理论，运用明暗恢复形状（SFS)方法，以端铣工件表面图像的灰度值E(x，）为输入量，对应的表面高度值z（，y）为期望输出，构建了三维重建模型，实现了对端铣工件表面微观形貌的三维重建。运用最小二乘法原理确立最小二乘基准面，结合三维重建模型所求得的端铣工件表面三维形貌高度值，得到表面粗糙度三维特征参数的计算公式，提取出了4个能够表征表面粗度的三维特征参数。通过对所求得实验数据的研究，分析得出工件表面粗糙度三维特征参数与粗糙度R。之间的关系曲线。实验结采表明，该方法可以有效地评估铣削表面粗糙度
关键词：SFS；三维重建；表面粗糙度；三维特征提取
中图分类号：TH122;TG506
文献标识码：A
3D Surface Roughness Feature Extract Based on SFS Method
MIN Li, LI Dian, DONG Shuai
(School of Mechanical Engineering, Shenyang Jianzhu University , Shenyang 110168, China)
Abstract : In order to characterize the roughness more accurately, the three-dimensional (3D) measurement of surface roughness is realized. The 3D milling surface was reconstructed from single gray level image by using the shape from shading ( SFS) method based on computer vision theory- It can recover the surface function z(x,y) from the brightness image E( x,y) by inverting the image irradiance equation, and then the 3D reconstruction mode was established. By using the least squares method, we established the least square plane to calculate the 3D roughness evaluation parameters. We extracted four 3D roughness evaluation parame-ters to analysis the relationship between the parameters and the roughness R,. Experiments show that this method can evaluate milling surface roughness effectively,
Key words: SFS; 3D reconstruction; surface roughness; 3D feature extraction
0引言
在机械加工过程中，加工工件表面上一系列微小
间距的峰谷所形成的微观儿何形状误差称为工件的表面粗糙度。目前在工业领域，粗糙度检测仍以二维检测占主导，但是二维检测方法所获得的图像信息量有限，会丢失大量有价值的图像信息[24]，因此，二维检测方法受自身局限性不能全面表征粗糙度信息
从明暗恢复形状方法可以从全局出发对图像表面的微观形貌进行三维重建[3-6]，获取更多的表面粗糙度信息，在最大程度上弥补表面粗糙度二维检测的不足，更加完整地、精确地表征表面粗糙度的特性。图像表面的三维重建可以对表面粗糙度实现在线无损三维检测(T8]，受到越来越多的关注。
本文提出了一种基于多幅图像的SFS算法来进行三维粗糙度检测，避免了由单幅图像造成反射图方程呈现病态性的发生，来实现表面粗糙度的在线无损检测。通过对图像微观表面的三维重建，能够获取更多有价值的三维图像信息，弥补了二维检测自身局限性的不足。提取出4个表面粗糙度的三维特征参数，基于研究和分析该三维特征参数，确立了其与表面粗糙度R。的关系。试验结果证明了该方法的准确性，实现了工件表面粗糙度的测量，为铣削工件微观表面三维
重建及三维参数研究定良好基础。工件表面图像的三维重建
为了更好的获取图像表面所包含的三维信息，提取出研究所需的三维特征参数，需要对二维表面图像
收稿日期：20160907；修回日期：20161016
*基金项目：辽宁省自然科学基金项目(201602622）；辽宁省教育厅科学研究项目(12015447)；沈阳建筑大学重点实验室开效基金资助项目(SJSC-
2015-11)沈阳建筑大学学科涵育计划（XKHY2-37）
作者简介：闪菊（1974一），女，沈阳人，沈阳建筑大学副教投，博士，研究方向为机器视党与模式识别，（E-mail）mlksia@126.com；通讯作者：李典
（1989—），男，河南滑县人，沈阳建筑大学预土研究生，研究方向为机器视觉与模式识别，（E-mail）1759889945@qq.com。
万方数据