人工智能论文：基于线阵CCD的激光位移传感器标靶自适应算法研究

　　人工智能论文：基于线阵CCD的激光位移传感器标靶自适应算法研究

　　引言

　　激光位移传感器是工业智能制造领域广泛应用的传感器之一，采用线阵CCD实现三角测量的方法有非常明显的技术优势，是实现1um至1mm精度范围测量的主要实现方案，可以实现高精度的位移测量、距离测量、断差检测、厚度测量、平整度测量、精确定位和运动间距控制检测应用等，由于智能制造的产业升级，对于传感器的精度的要求也越来越高。CCD测距原理，是利用接收光线在CCD上成像，根据CCD各像素幅值进而计算光斑质心。

　　当目标物反射率不同时，像素幅值也会不同。检测高反射率物体时，像素幅值过高，则不能真实反映出目标物的距离信息；检测低反射率物体时，像素幅值过小，信噪比低，误差较大。并且，同一距离下不同反射率的目标物测得的距离差别较大【1】~【3】，即色差较大。在实际应用中，目标物种类繁多，因此需要测距产品自身能够根据目标物的变化调节相关参数，减小色差，提高产品精度。

　　常用的调节手段有：激光管功率自适应调节、积分时间自适应调节，以及增益自适应调节等【4】【5】。激光管调节对于光斑能量分布较严格，若光斑能量分布不均，激光管功率改变后，能量分布也可能改变，导致测量结果变化。增益调整只是改变信号的放大倍数，对分辨率没有提高【6】。这里采用积分时间自适应调节，以适应不同板卡反射率的变化。

　　文章首先介绍了激光检测系统的检测原理，其次介绍了像素波形预处理方法，对初始信号进行滤波处理，利用平方去阈值灰度质心算法，计算光斑质心，再根据积分时间与幅值信号的正比关系，修正相关参数进行积分时间自适应调节，最后对积分时间调节前后的色差问题进行测试和对比论文发表。

　　测距系统概述

　　激光三角测距传感器是根据激光二极管发射器按照一定的角度发射激光光束，当遇到被测物体以后，光束会反射回来。不同距离光靶上的激光光斑将成像在CCD检测器不同的位置，根据CCD上光斑的位置可以反推得到光靶到传感器的距离，如图1所示。

　　图1激光三角测距系统示意图

　　像素波形预处理

　　受底噪、环境光等影响，采集到的像素值存在一定毛刺和波动。而像素波形峰值对于其他算法影响较大，因此需要对像素波形进行滤波预处理，以减少像素波动。常用的滤波有：中值滤波、均值滤波、滑动均值滤波等【7】。其中滑动均值滤波处理后波形有后移现象，此处不考虑滑动均值滤波算法。

　　这里提出中值-均值滤波方法，即中值计算后，再与周围几个像素进行均值计算。这种方法融合中值滤波和均值滤波的优势，能够有效减小失真情况，并降低波形毛刺和像素波动，提高像素稳定性，这对于后续算法的影响至关重要。滤波原理图如下所示：

　　图2 滤波原理图

　　光斑质心定位研究

　　灰度质心算法是光斑质心亚像素定位的常用算法。其本质上是以灰度值作为权重的像素加权算法【8】，计算公式如下：

　　其中， 为像素序号， 为像素的信号幅值， 为计算出的质心，n为计算的有效区域，取决于CCD上光斑宽度。

　　传统的质心算法受噪声干扰影响较大，因此，对像素幅值进行加权运算。像素的灰度值越大，距离光斑质心位置就越近，这里采用平方加权法，充分利用图像中心高信噪比的优势来增加权重。同时，对像素幅值进行去阈值处理，计算公式如下所示：

　　其中，T为阈值。

　　加权后，灰度值越大，即距光斑质心越近的像素，权重越高。去阈值处理一方面可以消除背景，增加中心像素的权重，提高精度，另一方面，大大降低MCU的运算量。

　　积分时间自适应调节研究

　　调节思路

　　当检测目标物距离变化，或目标物的材质、颜色等变化时，都会对回光幅值有所影响，导致CCD成像幅值变化较大。当幅值过低，信噪比低，光斑定位不够准确，甚至不能检测；当幅值过高，可能出现过饱和情况，丢失一定像素信息，检测结果并不可靠。

　　通过调节积分时间，可有效保障接收光强度处于可靠范围。当回光信号弱时，增加CCD积分时间，CCD积累电荷量增加，信号幅值增大；当回光信号过强时，减小积分时间，控制CCD积累电荷量，使信号幅值处于可靠范围。

　　光照射到CCD 硅片上时, 在栅极附近的半导体体内产生电子-空穴对, 其多数载流子被栅极电压排开, 少数载流子则被收集在势阱中形成信号电荷。CCD 摄像器件的光敏单元为光注入方式。光注入电荷公式为【9】

　　式中 为材料的量子效率；q为电子电荷量； 为入射光的光子流速率；A为光敏单元的受光面积；Tc 为光积分时间。由上式可以看出，当CCD 确定以后，对于每一个象元， 、q及A均为常量, 在光照条件不变的前提下, 也为常量, 故QIP与TC成线性关系; 又因为QIP与CCD 对应象元的输出幅值为线性关系【10】, 所以TC 与输出幅值亦为线性关系, 即

　　式中U为CCD 输出信号幅值。由上式可知，在相同的光照条件相同，有

　　式中 、 为光积分时间，U1、U2 分别为 、 所对应的信号输出幅值。

　　由上式以及公式成立的前提条件可以得出以下结论:

　　在CCD 的线性范围内，在光照条件不变的前提下, 若已知当前帧的光积分时间T C1及其对应的输出信号幅值U1、期望的输出信号幅值U2,根据上式可求出要获得U2 所应当提供的光积分时间 为

　　而测得信号中含有一部分底噪 ，需要将底噪扣除：

　　其中 为固定值，可以通过实际测试结果计算。鉴于不同样机底噪近似相同，这里我们统一近似取值 。

　　实际上，由于光能量损耗，或者环境光的影响，幅值和积分时间的正比关系并不是严格成立，但其单调关系依旧成立。通过这个方法进行积分时间调节，虽不能一帧调整到位，但不会超过4帧。

　　需要注意的是，这个正比关系，仅限于CCD器件的线性范围内。下图可以看出，CCD的线性区域在幅值小于2300的范围内,饱和区域在幅值大于2400的范围内。因此，将目标波形定为峰值2300的波形取上下余量100，即峰值2200~2400。此处余量取值过小，会导致调节时间长，甚至无法调节稳定，一直处于目标区域外上下调整；而余量取值过大，会导致当前位置可能有很多积分时间均可满足要求，最终导致产品重复精度差。综合考虑了上述两个原因，余量取值100，具体验证过程，此处不详细描述。

　　图3 积分时间调整信号幅值变化

　　调节算法

　　当CCD高速工作时，整个测量周期只有几毫秒，可以认为连续两帧测量之间，光照无变化。因此符合上述理论模型。

　　设计的积分时间调节算法流程如下：

　　图4调节流程图

　　通过上述流程调整，能够将信号幅值控制在一定范围内，并且调节速度快，1~2帧即可使接收信号幅值调整至较为理想的范围。需要注意的是，调节后的积分时间，会在下一个测量周期生效。

　　实验结果

　　像素波形效果

　　以反射率10%的黑卡为板卡，

　　图5滤波效果图

　　中值-均值滤波能够有效减少波形毛刺和像素波动。滤波效果图如上图所示。可以看到，滤波后波形平滑，毛刺少，且波形失真少。对比其他几种滤波方法，结果如下所示：

　　图6滤波效果对比

　　中值-均值滤波算法在几种滤波算法里，对于像素波动的改善最为明显，能够降低60%的像素波动。

　　积分时间自适应调节效果

　　设置目标调整幅值为2200，调整范围为2200±100，测试目标板卡为白卡（反射率90%）和黑卡（反射率10%）。调整效果如下图所示：

　　图7调节效果比对

　　(a)白卡信号过饱和 (b)白卡调整后信号

　　(c)黑卡信号过弱 (d)黑卡调整后信号

　　(e)同一距离下积分时间调整后白卡(红)、黑卡(黑)波形信号对比

　　(a)~(d)可以看到，通过积分时间自适应调整，改善CCD的受光量，可以将过饱和和过弱的波形信号调整至临界饱和状态，此状态下信噪比高，测量结果精度更高。(e)可以看到，同一距离下黑卡和白卡的波形信号基本一致，从而可以减小因板卡颜色不同带来的色差问题。

　　以白卡和黑卡为目标板卡，针对CCD全量程范围进行验证，调整效果如下图所示，不论距离远近、板卡颜色变化，波形均能保持一致。

　　图8 积分时间自适应调整后(a)白卡、(b)黑卡全量程范围波形信号

　　针对积分时间调整速度进行实验，积分时间调整范围设置为1us~150us，若板卡为高反射率物体，积分时间可达到下限1us，若无板卡，积分时间可达到上限150us，这两种情况之间的调整所需时间最长。采用白卡使积分时间达到下限1us，迅速撤走板卡，使积分时间调整至上限150us，测试结果如图所示：

　　图9极限情况下积分时间调整速度

　　可以看到，积分时间从下限1us调整至上限150us，仅2帧即可完成80%的调整，4帧即可调整至稳定。

　　根据去阈值平方灰度质心算法对固定积分时间和积分时间自适应调整两种情况下的黑白卡数据进行质心计算，再根据标定数据进行质心-距离转换，计算出的距离结果如下表所示：

　　表1：积分时间固定和自适应调整情况下黑白色差

　　可以看到，积分时间自适应调整后，黑卡精度得到提高，黑白卡之间色差能够控制在50um以下，较积分时间固定情况提高了80%以上。

　　结束语

　　文中提出了中值-均值滤波算法对像素波形数据进行预处理，得到平滑稳定的波形数据，并修正像素最大幅值与积分时间之间的正比关系，进行积分时间自适应调节，最后采用去阈值平方灰度质心算法进行质心提取。

　　文中采用的算法优势在于：1）通过滤波预处理能够得到稳定且不失真的图像；2）质心提取方法突出光斑质心附近像素的权重，精度高，分辨率高，且计算量小；3）积分时间自适应算法思路简单易实现，调整效果好，适用性强，不受产品量程、批次等限制。实验结果表明，积分时间自适应调整能够有效减小板卡颜色不同带来的色差问题。