三维成像技术的光学元件表面粗糙度智能测量方法_王艳贞.pdf

第 44 卷 第 4 期2023 年 4 月 激光杂志LASER JOURNALVol.44,No.4April,2023http /收稿日期:2022-08-23基金项目:河北省重点研发计划项目(No.22375801D)作者简介:王艳贞(1982-),女,硕士,主要研究方向:图形图像三维虚拟仿真。三维成像技术的光学元件表面粗糙度智能测量方法王艳贞,王晓芬,韩立华石家庄铁道大学,石家庄 050000摘 要:光学元件在多个领域起着至关重要的作用,其应用性能的优劣主要由表面粗糙度决定,对此,提出三维成像技术的光学元件表面粗糙度智能测量方法。采集光学元件表面图像,并进行预处理,然后采用重构算法获取到光学元件表面三维图像,并使用最小二乘中线提取元件表面三维形貌的中面,最后在表面三维形貌中面计算出三维粗糙度评价参数,实现光学元件表面粗糙度智能测量。实验数据显示:设计方法测量的表面粗糙度因子平均误差最小值达到了 0.5%,测量精度高达 100%,证明本方法的光学元件表面粗糙度测量性能较佳。关键词:光学元件;智能测量;三维成像技术;表面粗糙度;三维评定;多层聚焦中图分类号:TN249 文献标识码:A doi:10.14016/ki.jgzz.2023.04.229Intelligent measurement method of optical element surfaceroughness for 3d imaging technologyWANG Yanzhen,WANG Xiaofen,HAN LihuaShijiazhuang Tiedao University,Shijiazhuang 050000,ChinaAbstract:Optical elements play an important role in many fields,and their application performance is mainly de-termined by surface roughness.Therefore,an intelligent measurement method of optical element surface roughness based on 3D imaging technology is proposed.The optical element surface image is collected and pretreated,and then the reconstruction algorithm is used to obtain the three-dimensional image of the optical element surface,and the mid-dle surface of the three-dimensional surface topography of the element surface is extracted using the least square cen-terline.Finally,the three-dimensional roughness evaluation parameters are calculated on the middle surface of the three-dimensional surface topography to achieve the intelligent measurement of the optical element surface roughness.The experimental data show that the minimum average error of the surface roughness factor measured by the design method reaches 0.5%,and the measurement accuracy reaches 100%,which proves that the optical element surface roughness measurement performance of the method in this paper is better.Key words:optical elements;intelligent measurement;three dimensional imaging technology;surface roughness;three dimensional evaluation;multilayer focusing1 引言光学元件也被称为光学零件,是构成光学系统的基础单元之一。随着光学技术的发展与应用,光学元件应用范围逐渐扩大,并发挥着至关重要的作用。光学元件在多个领域中占据着关键的位置,如航空、军事等领域,其应用性能的好坏直接关系着某个领域的发展进度。通过分析可知,表面粗糙度是衡量光学元件应用性能优劣的关键指标,其指的是元件表面存在着不平度,常规情况下,相邻峰、谷之间距离范围在http /1 mm 以下。若光学元件表面粗糙度过大,光源照射元件会发生大量的散射现象,使得接收端光能大幅度降低,从而影响光学元件的应用性能。光学系统、光学技术处在不断发展与升级的背景下,对光学元件使用性能提出了更高的要求,与此同时,这对光学元件加工技术也提出了一定的挑战,不但需要提高元件加工技术的精确性与效率性,也需要准确检测元件表面质量,保障输出光学元件的质量标准。如何测量光学元件表面粗糙度成为其生产领域亟待解决的问题之一。文献1提出荧光显微立体成像测量光学元件亚表面损伤深度研究,在光学元件加工过程中利用量子点对亚表面损伤进行标记,当激光束以一定角度入射光学元件表面时,标记量子点会受激产生荧光,通过荧光相机对损伤层纵向分布的荧光信号进行显微立体成像,根据成像原理和结构参数计算荧光分布深度,实现光学元件亚表面损伤深度的快速定量测量。文献2提出熔融石英光学元件亚表面缺陷三维重构技术,熔融石英光学元件的亚表面缺陷直接影响着其成像质量及激光损伤阈值等指标。相比缺陷的二维截面大小以及深度信息,亚表面缺陷三维轮廓及缺陷体积的定量检测结果可以用来更准确地评估熔融石英光学元件的加工质量。结合共聚焦显微镜的成像原理,提出了适用熔融石英元件亚表面缺陷的三维重建算法。上述方法主要采用二维空间测量仪器获取光学元件表面信息,以此为基础,计算表面粗糙度数值,但是其具有测量速度低、智能水平低下等缺陷,无法满足光学系统发展需求,故提出三维成像技术的光学元件表面粗糙度智能测量方法的设计研究。希望通过三维成像技术的应用,提升表面粗糙度测量的精度与效率,为光学元件生产及其使用提供有效的帮助。2光学元件表面粗糙度智能测量方法设计2.1 光学元件表面显微视觉图像预处理采用显微镜、CCD 等装置采集光学元件表面图像,并配置相应的 TR300 便携式粗糙度测量仪,将其与计算机进行直接连接,测量获得的表面粗糙度结果能够直接在页面上显示3。框架图如图 1 所示。图 1 光学元件表面图像采集框架图在上述框架下构建图像采集模型,获取光学元件表面显微视觉图像:空间点坐标和图像点坐标之间的几何关系。设3-D 空间中任意 W 点的坐标为(X,Y,Z)4。由相似三角形可得到:x=-XZ-=X-Zy=-YZ-=Y-Z(1)则,3-D 点投影后的图像平面坐标为x=X-Zy=Y-Z(2)式中:(x,y)表示图像点。根据上述图像采集模型采集光学元件表面显微视觉图像,具体如图 2 所示。图 2 光学元件表面显微视觉图像在图像采集与输出过程中,由于镜头畸变、振动、环境等因素的影响,使得图像存在些许失真现象,必须对其进行一定的处理,改善图像质量,为后续光学032王艳贞,等:三维成像技术的光学元件表面粗糙度智能测量方法http /元件表面三维图像的获取提供依据5。显微视觉图像中包含着大量的噪声,其不但会降低图像的信噪比,也会破坏图像细节信息6。(1)去噪处理应用 Wiener 滤波去除显微视觉图像中的噪声,其主要作用于图像中的每个像素,表达式为g(x,y)=+2+22(f(x,y)-)=1PQ(x,y)Df(x,y)2=1PQ(x,y)Df2(x,y)-2|(3)式(1)中,f(x,y)与 g(x,y)分别表示的是原始图像与去噪图像中像素点(x,y)对应的灰度值;表示的是像素局部矩阵均值;2表示的是像素邻域灰度值方差;2表示的是原始图像灰度值方差;P 与 Q 表示的是每个像素的邻域的长度与宽度数值;D 表示的是像素邻域区域集合。(2)纹理校正以去噪处理后光学元件表面显微视觉图像为基础,为了方便表面粗糙度的智能测量,将图像纹理角度进行校正,使其角度保持一致7。图像纹理角度校正程序如图 1 所示。图 3 图像纹理角度校正程序图光学元件表面显微视觉图像对比度也是影响表面粗糙度测量结果准确性的关键指标之一。故此研究应用拉普拉斯算子对图像进行锐化处理,以此来提升图像的对比度数值,增强图像轮廓特征8。针对纹理角度校正后的图像 g(x,y),其对应的拉普拉斯算子表达式为2g(x,y)=-5 g(x,y)-15g(x+1,y)+g(x-1,y)+g(x,y)+g(x,y-1)+g(x,y+1)(4)式(4)中,2表示的是拉普拉斯算子标志,其是一种模板形式。应用公式(4)即可完成图像的锐化处理,将处理后的图像记为 g(x,y),从而实现了光学元件表面显微视觉图像的预处理,为后续光学元件表面三维图像获取提供依据9。2.2 光学元件表面三维图像获取以预处理后的光学元件表面显微视觉图像 g(x,y)为基础,以灰度分布与粗糙度的关系为依据,构造光照模型,以此为基础,推出光学元件表面三维图像重构算法,获取精确的光学元件表面三维图像,为后续光学元件表面三维形貌中面提取奠定坚实的基础10。由于光学元件表面存在着一定的粗糙度,光源照射到光学元件表面时会产生反射现象,主要包含两种分量,分别为漫反射分量与镜面反射分量11,其对应模型表达式为1=icosiC+Emax0,cos(r-i)sintan2=0e-(/)2(?N?V)|(5)式(5)中,1与 2分别表示的是漫反射分量模型与镜面反射分量模型;表示的是光学元件表面反射率;i表示的是第 i 个像素点的光亮度;i表示的是元件表面法线与光源辐射线之间的角度;C 表示的是像素点对应的表面面元面积;E 表示的是光学元件表面标准面积;r表示的是元件表面法线与视觉线之间的角度;i表示的是光源入射线与反射线之间的角度;与 表示的是r,i范围的最大值与最小值;表示的是表面折射率与粗糙度之间的影响系数;0表示的是镜面反射分量衰减因子;表示的是元件表面法线变换角度;表示的是镜面反射分量模型辅助参132王艳贞,等:三维成像技术的光学元件表面粗糙度智能测量方法http /量,取值范围为0,1;?N 表示的是元件表面某一点的法向量;?V 表示的是视线方向单位向量12。将式(5)所示的漫反射分量模型与镜面反射分量模型进行有效地整合,即可获得光照模型,表达式为=k11+k22=k1icosiC+Emax0,cos(r-i)sintan+k20e-(/)2(?N?V)(6)式(6)中,k1与 k2分别表示的是 1与 2对应的权重因子,需要注意的是,k1+k2=1。以式(6)输出结果 光照模型 为基础,推出光学元件表面三维图像重构算法13,表达式为G(x,y)=g(x,y)(x,y)+(x,y)(7)式(7)中,G(x,y)表示的是重构光学元件表面三维图像;(x,y)表示的是像素(x,y)重构误差数值,该因子的添加可以有效提升三维图像重构的精度,为后续研究的进行提供便利14。上述过程完成了光学元件表面三维图像的重构与获取,为最终元件表面粗糙度测量实现做好充足的准备工作。2.3 光学元件表面三维形貌中面提取以上述获取的光学元件表面三维图像 G(x,y)为依据,基于最小二乘中线提