Содержание к диссертации
Введение
Глава 1 Анализ современного состояния методов и средств неразрушающего дистанционного контроля материалов и изделий 18
1.1 Обоснование объектов контроля 18
1.1.1 Изделия машиностроения 18
1.1.2 Ультразвуковые технологии обработки материалов 21
1.1.3 Информационные поля на поверхности металла 22
1.1.4 Покрытия на конструкционные материалы 23
1.1.5 Композиционные силикатные материалы с регулярной структурой 24
1.1.6 Оптические изделия 25
1.2 Анализ контактных и бесконтактных методов и средств контроля 26
1.2.1 Контролируемы параметры материалов и изделий 26
1.2.2 Общая классификация методов неразрушающего контроля 28
1.2.3 Классификация оптических методов контроля 28
1.2.4 Погрешности измерений 31
1.3 Датчики дистанционного контроля изделия 32
1.3.1 Датчики перемещений на основе первичных преобразователей 32
1.3.2 Растровые структуры 37
1.4 Анализ контактных средств контроля 41
1.4.1 Штангенинструменты 41
1.4.2 Механизм преобразования перемещений 44
1.4.3 Микрометрические инструменты 45
1.4.4 Индикаторы часового типа 46
1.4.5 Рычажные скобы 47
1.4.6 Миниметр и микрокатор 48
1.4.7 Оптиметр 50
1.4.8 Оптико-механический дилатометр 53
1.4.9 Измерение радиусов кривизны оптических деталей
1.4.10 Контактная интерферометрия 56
1.4.11 Возможности контактных методов измерения 58
1.5 Анализ бесконтактных методов и средств контроля 60
1.5.1 Оптические системы з
1.5.2 Глубина резкого отображаемого пространства 63
1.5.3 Аберрации оптических систем 66
1.5.4 Визуальные оптические измерительные приборы 70
1.5.5 Микрометр окулярный винтовой 81
1.5.6 Оптические приборы для измерения больших изделий 82
1.5.7 Оптические проектирующие приборы 84
1.5.8 Фото- видео регистрация в микроскопии 87
1.5.9 Приборы оптического сканирования 1.5.10 Интерференционные приборы 91
1.5.11 Голографическая и спекл- интерферометрия 94
1.5.12 Голографический коррелятор 100
1.6 Компьютерные технологии измерительных приборов 102
1.6.1 Общие сведения 102
1.6.2 Топология сенсоров оптического изображения 103
1.6.3 Датчики видеоизображения 105
1.6.4 Средства ввода изображения 106
1.6.5. Встраиваемые системы 107
1.6.6 Алгоритмы обработки изображения и измерения 108
Выводы 109
Глава 2 Анализ математических методов измерения параметров нестационарных
сигналов 111
2.1 Интерполяция цифрового изображения 111
2.2 Численное дифференцирование 112
2.3 Методы спектрального анализа 112
2.4 Фазово-растровый метод 115
2.5 Методы объединенного частотно- координатного анализа 122
2.6 Линейные методы объединенного частотно- координатного анализа 122
2.6.1 Расширение Габора и STFT 122
2.6.2 Адаптивное представление и адаптивное преобразование 123
2.7 Квадратичные методы объединенного частотно- координатного анализ 124
2.7.1 STFT Спектрограмма 124
2.7.2 Распределение Вигнера-Вилли и псевдо распределение Вигнера-Вилли 125
2.7.3 Класс Коэна (COHEN) 127
2.7.4 Распределение Чои-Вильямса 128
2.7.5 Распределение имеющее форму конуса 129
2.7.6 Спектрограмма Габора 130
2.7.7 Адаптивная спектрограмма
2.8 Объединенный частотно- координатный анализ особенностей сигналов 132
2.9 Преобразование Гильберта-Хуанга
2.10 Спектральный анализ Гильберта (HAS) и его применение в оптике 139
2.11 Вейвлет анализ 140
Выводы 166
Постановка задачи исследования 166
Глава 3 Детектирование границ изображения и измерение линейных размеров 168
3.1 Применение вейвлет- анализа для детектирования границ изображения 168
3.2 Использование алгоритмов вейвлет анализа для контроля формы краевой зоны 177
3.3. Методика исследований высокотемпературного формирования покрытий
3.4 Сравнение методов детектирования границ изображений 187
3.5 Зависимость точности измерения от влияния внешних условий 194
3.6 Измерения в условиях структурированного шума 199
3.7 Автоматизированная система контроля партии деталей 212
3.8 Калибровка оптических систем 216
3.9 Эффективность алгоритмов вейвлет анализа 223
Выводы 224
Глава 4 Состояние оптической измерительной системы и механическая нестабильность объекта контроля 226
4.1 Построение оптических систем с цифровыми камерами 226
4.2 Свойства оптических информационных систем 233
4.3 Вейвлет анализ состояния оптической системы 236
4.4 Виды механической нестабильности объекта контроля 249
4.5 Измерение линейных размеров в условиях механической нестабильности объекта контроля 253
4.6 Определение вибраций объектов контроля 268
4.7 Применение компьютерных алгоритмы контроля качества флексопечати 272
Выводы 275
Глава 5 Оптические измерительные системы с преобразования хода лучей в из мерительной системе 276
5.1 Измерительные задачи решаемые при помощи структурированных световых меток 276
5.2 Определение координат световых меток 278
5.3 Идентификация световых меток при их наложении 284
5.4 Определение координат световых меток в условиях механической нестабильности
5.5 Идентификация малоразмерных объектов 299
5.6 Оптическая система капилляров 307
5.7 Измерение линейных световых меток 317
5.8 Преобразование локализованных световых меток 326
5.9 Регистрация структур с поверхности металла 329
5.10 Определение огранки и дефектов кристаллов 333
5.11 Дефектоскопия по информационным полям 340
5.12 Интерференционные структурированные поля 346
5.13 Контроль формы оптических деталей 352
Выводы 354
Заключение 355
Список сокращений и условных обозначений 357
Список литературы
- Покрытия на конструкционные материалы
- Линейные методы объединенного частотно- координатного анализа
- Сравнение методов детектирования границ изображений
- Измерение линейных размеров в условиях механической нестабильности объекта контроля
Покрытия на конструкционные материалы
Современные ультразвуковые технологии позволяют получать высокое качество обработки различных материалов и изделий (рисунок 1.5). Технология с применением ультразвука для каждого вида изделий требует решения целого ряда технологических вопросов, связанных с выбором оптимальных режимов обработки, влияющих на качество получаемого изделия [14]. На качество изделий влияет: амплитудно-частотная характеристика ультразвукового инструмента; величина акустической мощности, вводимая в зону сварки; усилие прижима ультразвукового инструмента к изделию; скорость перемещения ультразвукового инструмента. Подбор оптимальных режимов применяемого оборудования связан с контролем качества получаемого изделия. Существующие методы контроля качества изделий [15], получаемых по ультразвуковой технологии, трудоемки и не удовлетворяют в полной мере указанным условиям получения качественных изделий. В связи с этим, автоматизированный контроль качества таких изделий является весьма актуальной задачей.
Появление на рынке контрафактной продукции машиностроения и приборостроения вызвало необходимость разработки технологий и средств, обеспечивающих однозначную идентификацию оригинальной продукции [16]. Проблема учета в производстве и контроле при движении деталей и изделий в настоящее время становится как никогда актуальной. Одним из способов решения проблемы является применение кодирования необходимой информации и нанесения ее непосредственно на поверхность детали или изделия [17]. Автоматизированный учет изделий особенно актуален для ответственных производств металлургической, машиностроительной, энергетической, автотракторной и других отраслях промышленности. В настоящее время широкое применение для автоматизированного учета изделий получило штриховое кодирование непосредственно на материал изделия. Разработкой технологии лазерной маркировки [18, 19] (рисунок 1.6) появилась реализовать маркировку изделий машиностроения.
В научном центре «МетаЦвет» при Северо-Западном государственном заочном техническом университете разработана технология получения нано структурированных поверхностных слоев металлических изделий и формирования цветного изображения путем образования специализированных структур с заданными колориметрическими характеристиками при лазерном облучении металлической поверхности (рисунок 1.6). Разработанная технология позволяет наносить идентификационную информацию в виде контрастного изображения штрих-кода без специальной механической обработки поверхности детали в соответствии со стандартными цветовыми сочетаниями, считываемыми промышленными сканерами. Разрабатываются методы кодирования информационных полей с высокой плотностью записи, позволяющих записывать большие объемы информации на малой площади. Кодирование дозволяет применять этот метод для идентификации деталей и узлов машин, работающих в экстремальных условиях (повышенной радиации, высоких температурах, агрессивных средах и т.п.).
Создание информационных полей высокой плотности ставит проблему надежного их считывания и декодирования. Известные сканеры штрих- кодов не способны производить считывание информации. Ввиду отсутствия в настоящее время требуемых оптических регистраторов высокого разрешения, в рамках современных средств технического зрения, данная задача не имеет решения.
В настоящее время особо перспективным является применение в машиностроении композиционных материалов [20]. В настоящее время стало привычным и массовым использование высоких технологий во многих отраслях, например в средствах связи, микроэлектроники, машиностроении, медицине, где идет непрерывная тенденция совершенствование технологических процессов в плане повышения качества и экономичности, замене дорогостоящего сырья более дешевым. Это приводит к дальнейшему увеличению доли использования материалов на основе композиционных материалов, в том числе на основе силикатов, что определяется широким спектром их полезных физико-химических свойств [21].
В основе получения силикатных материалов и изделий на их основе, лежат высокотемпературные технологические процессы, которые формируют достаточно сложную внутреннюю структуру самого материалов, в том числе микронеоднородную и их конечные физические мак-ро свойства в конечном итоге. Наиболее распространенный способ получения силикатных покрытий является порошково-обжиговая технология. Типичного процесс формирования порош-ково-обжиговых силикатных покрытий [22] на некотором основании можно представить схематически [23] (рисунок 1.7).
Рассмотренная технологическая схема показывает, что для получения требуемых конструкционных размеров изделий необходимо проводить контроль толщины формируемых покрытий на всех стадиях формирования. Учитывая, что на первых стадиях формирования материал покрытия является слабосвязанным, применение контактных способов измерения не представляется возможным. Невозможно также крепление дополнительных элементов на поверхности покрытия (например, зеркала), так как при этом, меняется физика формирования слоя порошкового материла (спай). Рисунок 1.7 - Стадии формирования высокотемпературных покрытий
В последнее время на основе материалов из силикатов удается получать совершенно новые виды уникальных по своим свойствам высокоточные изделия, например микроканальные пластины [24], пористые стекла [25], трубчатые изделия и капилляры [26], причем их себестоимость является, весьма низкой и определяется, только технологией их производства, которая в свою очередь является достаточно простой.
Процесс изготовление оптических стержней, капилляров, также как и различного рода стекловолокон является высокотемпературным процессом изменения формы исходной силикатной заготовки. В процессе производства стеклянная заготовка 2 (рисунке 1.8а) проходит высокотемпературную зону 3 (Ті), в которой под воздействием заданных силовых воздействий 1, 5 (Vi ,Vi) происходит изменение ее формы 4, т.е. исходных геометрических размеров [27]. Помимо изменения геометрических размеров исходной заготовки, может также происходит изменение физико-химических свойств (ликвация), которое определяется временем прохождения заготовки высокотемпературной зоны. Под физическими свойствами оптических изделий понимается в первую очередь показатель преломления и градиент показателя преломления.
Линейные методы объединенного частотно- координатного анализа
Под преобразованием Гильберта-Хуанга (Hilbert-Huang transform - ННТ) понимается эмпирический метод декомпозиции (EMD) нелинейных и нестационарных процессов и Гильбертов спектральный анализ (HSA) [212]. ННТ представляет собой частотно-временной анализ данных (сигналов) и не требует априорного функционального базиса. Функции базиса получаются адаптивно непосредственно из данных процедурами отсеивания функций «эмпирических мод». Мгновенные частоты вычисляются от производных фазовых функций Гильбертовым преобразованием функций базиса. Заключительный результат представляется в частотно-временном пространстве [212]. В последующие годы, по мере рас 136 ширения применения EMD-HAS для других отраслей науки и техники, вместо термина EMD-HAS был принят более короткий обобщенный термин преобразования ННТ.
Традиционные методы анализа данных предназначены, как правило, для линейных и стационарных сигналов и систем, и только в последние десятилетия начали активно развиваться методы анализа нелинейных, но стационарных и детерминированных систем, и линейных, но нестационарных данных (вейвлетный анализ, распределение Wagner-Ville и др.)- Между тем, большинство естественных материальных процессов, реальных физических систем и соответствующих этим процессам и системам данных в той или иной мере являются нелинейными и нестационарными, и при анализе данных используются определенные упрощения, особенно в отношении априорно устанавливаемого базиса анализа данных.
Необходимое условие корректного представления нелинейных и нестационарных данных заключается в том, чтобы иметь возможность формирования адаптивного базиса, функционально зависимого от содержания самих данных. Именно такой подход и реализуется в методе ННТ, хотя на данный момент без соответствующих достаточно строгих математических обоснований. Хорошие результаты применения метода существуют для решения многих практических задач.
Эмпирический метод декомпозиции (EMD) сигналов EMD (Empirical Mode Decomposition) -метод разложения сигналов на функции, которые получили название «эмпирических мод». Метод представляет собой итерационную вычислительную процедуру разложения исходных данных (непрерывных или дискретных сигналов) на эмпирические моды или внутренние колебания (intrinsic mode functions, IMF). Декомпозиция основана на предположении, что любые данные состоят из различных внутренних колебаний. В любой момент времени данные могут иметь различные сосуществующие внутренние колебания, нанесенные одно на другое. Каждое колебание, линейное или нелинейное, представляет собой модовую функцию, которая имеет экстремумы и нулевые пересечения. Кроме того, колебание будет в определенной степени «симметрично» относительно локального среднего значения. Результат - конечные сложные данные.
Эмпирическая мода - это такая функция, которая обладает следующими свойствами: 1. Количество экстремумов функции (максимумов и минимумов) и количество пересечений нуля не должны отличаться более чем на единицу. 2. В любой точке функции среднее значение огибающих, определенных локальными максимумами и локальными минимумами, должно быть нулевым.
Моды IMF представляет собой колебательный режим, как часть простой гармонической функции, но вместо постоянной амплитуды и частоты, как в простой гармонике, у IMF могут быть переменная амплитуда и частота, как функции времени. Любую функцию и любой произвольный сигнал можно разделить на семейство функций IMFs, придерживаясь изложенной ниже методики.
Допустим, что имеется произвольный сигнал s(x). Сущность метода EMD заключается в последовательном вычислении функций эмпирических мод Cj(x) и остатков г7(х) = rj_i{x) -Cj(x), гдеу = 1,2, 3, ...,п, при го = s(x). Результатом разложения будет представление сигнала в виде суммы модовых функций и конечного остатка:
Сначала определяются в сигнале s(x) все локальные экстремумы (максимумы и минимумы), между которыми сосредоточены все его данные (точки ХІ экстремумов по изменениям знака производной s(x) и значения s(x;) в этих точках).
Кубическим (или каким либо другим) сплайном вычисляется верхняя и нижняя огибающие функции (соответственно, по максимумам и минимумам), как показано на рисунке 2.23 а (кривые 2, 3), и определяется функция средних значений mj(x) между огибающими (кривая 4). Разность между сигналом s(x) и функцией mj(x) принимаем за первое приближение к первой функции IMF, компоненту операции отсеивания (Sifting) — функцию hj(x):
По мере увеличения количества итераций функция даг(х), равно как и функция /гг(х) стремится к неизменяемой форме. Критерием останова итераций являются два метода: S и SD (квадратичной разности). Первый, более ранний метод SD (1998), использует в качестве критерия нормализованную квадратичную разность между двумя последовательными операциями отсеивания, определенную как с остановом по установленному значению SDmin, что создает определенные трудности задания порога итераций под различные формы функций ht{x) в зависимости от их физической значимости для анализируемого процесса.
Второй метод S определяется как номер максимальной итерации, при которой число экстремумов и нулевых пересечений функции hs(x) не изменяется по сравнению с предыдущими итерациями. Опыт показывает, что для оптимальных отсеиваний диапазон S-номеров должен быть установлен между 4 и 8.
Последнее значение hk(x) итераций принимается за наиболее высокочастотную функцию cj(x) = hk{x) семейства IMFs, которая непосредственно входит в состав исходного сигнала s(x). Это позволяет вычесть cj(x) из состава сигнала и оставить в нем более низкочастотные составляющие: где интегрирование ведется в смысле главного значения "PV".
Функцию/(х) называют гильберт-образом функции f(x). Преобразование Гильберта (2.1) является частным случаем преобразования свертки исходной функции f(x) с ядром g(x). На рисунке 2.25 приведено сопоставление частотно-временного представления модельного сигнала в трех представлениях.
Роль преобразования Гильберта в оптике это - пространственная причинность в когерентных оптических системах, метод визуализации фазовых неоднородностей с помощью ножа Фуко и фазового ножа, свойства дифракционной решетки со сбоем, алгоритм распознавания образов путем одновременного отображения фурье-образов и гильберт-образов входного двухмерного сигнала, а также система наблюдения свойств нематических жидких кристаллов [214].
Сравнение методов детектирования границ изображений
В качестве источника света использовался гелий-неоновый лазер 7 марки ЛГН-208Б (длина волны 0.6328 мкм, мощность 1 мВт) закрепленный струбциной 2 к призме юстировочного столика на рейтере. Для уменьшения габаритов макета установки и обеспечения юстировки в оптической схемы использовались зеркальные модули 3 и 4, установленные на котировочных столиках 5 и б соответственно. Телескопическая система 7, закрепленная в юстировочном устройстве 8 на рейтере 9, обеспечивала расширения исходного пучка лучей лазера в плоскопараллельный или расходящийся пучок лучей. В телескопической системе использовались стан-дартные микрообъективы микроскопа (20 х0.40, 40 х0.65) с коллимирующим объективом if = 50 мм), что обеспечивало расширение исходного пучка луча лазера в k = 6, 12 раз соответственно. Расширенный пучок лучей проектировался на матовый экран 70, расположенный в кассетном столике 77, который имел возможность поперечного перемещения в рейтере 12. Дополнительно на столик 77 могли устанавливаться до 3-х стандартных светофильтров (80 х 80 мм). За экраном располагался цилиндрический объект контроля 13 (шпилька d = 3 мм). Все элементы оптической схемы устанавливались на стальном основании 14, имеющим резиновые амортизаторы. В оптической проектирующей системе цифровой камеры использовался макро объектив 15 (Nikon AF-S 60 mm f/2.8 G ED Micro AF), кольцевой экран 16, удлинительные кольца 17 (KENKO Extension Tube DG Canon 12, 20, 36 мм). Регистрация изображения осуществлялась цифровой камерой 18 (Canon EOS 50D, Canon EOS 6DWG, Canon EOS M). Параметры сенсоров использованных цифровых камер представлены в таблице 3.6. Цифровая камера закреплялась на площадке 19 (GIOTTOS МН621) штативной головке 20 (GIOTTOS МН1300), которая продольно перемещалась на мини рейтере 21 по мини рельсу 22. Мини рельс закреплялся струбциной 23 на угловом юстировочном столике 24.
Цифровая камера 18 соединялась USB кабелем 25 с компьютером. Интерфейсная программа EOS Utility позволяла просматривать изображения в режиме предварительного просмотра (режим Live view), устанавливать параметры съемки, производить фотосъемку в режиме поднятого зеркала, сохранять изображения на жесткий диск компьютера.
Экспериментальная установка позволяла модифицировать оптическую схему исследования регистрации изображения [243]. В отсутствии матового экрана 10 (при установке в кассету 11 набора ослабляющих светофильтров НС9, НС8) установка позволяла исследовать теневое изображение на сенсоре камеры без проектирующего объектива 75.
В ходе экспериментальных исследований были получены изображения контролируемого изделия 13 на фоне диффузно рассеянного экраном 10 когерентного плоскопараллельного пучка лучей при разных относительных отверстиях проектирующего объектива f/D (2.8, 4, 5.6, 8, 11, 16, 22, 32) и разных экспозициях Tv от 0.6" до 1/1600" (с шагом 1/3 ступени). Удлинительные кольца 17 меняли относительное отверстие оптической системы на одну ступень (12 мм) и диапазон линейных увеличений объекта контроля. Некоторые фрагменты изображений контролируемого объекта, полученные с цифровой камеры Canon EOS 50D с линейным увеличением оптической системы V0 = d I d=\.1 (дисторсия 3.5%), представлены на рисунке 3.42.
Из рисунка 3.42 видно, что уменьшение относительного отверстия приводит к увеличению размеров спеклов, видимому повышению контраста границ теневого изображения контролируемого объекта. В то же время увеличение экспозиции Tv изменяет не только характер спекл-шума в изображении, но также характер отображения и положение границы теневого изобра 204 жения. Условия регистрации изображения твердотельным сенсором отличаются от условий регистрации квадратичным регистратором (КР) высокого разрешения, имеющего длинную пологую кривую Хартера - Дриффелда. Необходимо учитывать прореженность красных пикселов сенсора изображения и внутри камерную обработку изображения. Поэтому получить оценку характерного размера исходного оптического спекла, распределение по пространственным частотам интерференционных полос, участвующих в образовании спеклов традиционным способом (денсиметрические исследования) затруднительно [243].
Размер и параметры структурированного шума сенсора изображения не соответствует спекл- шуму светового поля в плоскости сенсора. Поэтому для оценки шума приемника изображения, регистрирующего спекл- шум, предлагается алгоритм анализа бинарных кластеров, полученный из исходного изображения. Алгоритм реализован функциями модуля технического зрения N1IMAQ Vision в приложении N1 Vision Assistant (рисунок 3.43) [244].
Исходное изображение переводилось в изображение градации серого (Color Plane Extraction) по красному каналу (RGB - Red Plane), далее в бинарное изображение (Threshold) с заданным порогом, который выбирался с учетом экспозиции Tv. Дополнительно в алгоритме обработки изображения были использованы морфологические функции (Basic Morphology 1 и 2) разделения кластеров (параметр Erode objects) и закрытия бинарных кластеров (параметр Proper
В любом случае оценка характерного размера кластера шума регистрируемого цифровой камерой давала заниженное значение оптического спекл- шума, что связано с низким по сравнению с КР разрешением сенсора (в красном свете работает каждый четвертый пиксел), а также результатов внутри камерной обработкой изображения. Тем не менее, результаты анализа кластерной структуры позволяют получить достаточные оценки структурированного шума в изображении сенсора (доля площади кластеров r/ = S/S0, характерный размер кластера шума Dn =4-S/ TTN, функция распределения кластеров Dn(i)) при заданных параметрах фоторегистрации if /D, Tv), которые можно в едином программном поле использовать в алгоритмах измерения. Очевидно, алгоритмы измерения, в том числе на базе НВП [243, 244] в условиях структурированного шума в изображении без усреднения светового поля невозможны. Для проведения измерений необходимо предварительно выделить доминантную информационную составляющую границы изображения на фоне структурированного шума.
Измерение линейных размеров в условиях механической нестабильности объекта контроля
Световое пятно лазерного целеуказателя (ЛЦУ) определяется характеристиками используемого лазерного светодиода, а также их встроенной оптической системой [293]. Известно, также, что структура излучения (модовый состав) определяется конструкцией резонатора лазера. Активная среда лазера и резонатор формируют спектральный и модовый состав излучения, ко 279 торые определяет расходимость излучения. В то же время, точность визирования стрелкового оружия по ЛЦУ определяется возможностью определения координат светового пятна ЛЦУ на мишени посредством некоторой оптической системы прицеливания, разрешающей способностью и типом регистрирующего сенсора.
Измерение истинного размера и других характеристик лазерного луча в процессе его распространения и формирования световой метки на поверхности некоторой мишени связано с определенными трудностями, которые определяются оптическими свойствами экрана (мишени) и свойствами оптической системы проектирования на фотоприемник [294]. В силу этого, необходимо провести исследование сечения лазерного луча для ЛЦУ, падающего на мишень. Для непосредственного исследования структуры профиля излучения распространяющегося луча ЛЦУ на некотором заданном расстоянии S, предложена схема экспериментальной установки, представленная на рисунке 5.5 [295].
Рисунок 5.5 - Схема экспериментальной установки по измерению параметров ЛЦУ: 1 - ЛЦУ; 2 - Светофильтр; 3 - Цифровая камера; 4 - Программное обеспечение
Согласно схеме (рисунок 5.5), мишенью для лазерного излучения ЛЦУ 1 является сам сенсор цифровой камеры 3. Для ослабления лазерного излучения в схеме используется оптический фильтр 2. Отраженный от передней поверхности светофильтра 2 луч ЛЦУ использовался для точного ортогонального визирования цифровой камеры относительно луча ЛЦУ. Интенсивное ослабление лазерного луча, падающего на сенсор, производилось светофильтром марки HOYA INFRARED (R72). Для регистрации излучения была использована цифровая камера
Canon EOS 40D (размер сенсора 3888 х 2592 пике , размер одного пиксела - 5.7 х 5.7 мкм ). По 280 средством программного обеспечением EOS Utility осуществлялось управление параметрами регистрации изображения получаемого с цифровой камеры, и предварительный просмотр его на экране в режиме потокового видео.
В экспериментальных исследованиях использовались ЛЦУ на основе лазерных модулей, имеющих дополнительную оптическую систему формирования лазерного излучения (таблица 5.1). Параметры регистрации ЦК для ЛЦУ №2: ISO 200, скорость затвора (1/160), резкость - б, контраст - 2.
Изображение пятна луча в плоскости сенсора ЛЦУ-ОМ на расстоянии 350 мм представлено на рисунке 5.6. Из трехмерной модели видно, что световое пятно имеет определенную эллиптическую форму, а также более тонкую структуру, включая интерференционные кольца, связанные с дефектами оптической системы.
Для более детального измерения основных геометрических параметров пятна луча ЛЦУ использовалась технология виртуальных приборов (ВП) фирмы National Instruments (N1) [166]. Скрипт обработки изображения и измерения его параметров реализован в приложении N1 Vision Assistant 8.5 (рисунок. 5.7).
Лицевая панель и блок диаграмма измерительного ВП на базе разработанного скрипта, представлена на рисунке 5.8. Регистрация световых меток ЛЦУ зависит от оптических свойств мишени, оптической системы регистратора, в некоторой степени от типа сенсора цифровой камеры. Проведены исследований параметров световой метки ЛЦУ для различных мишеней при регистрации цифровой камерой с различных расстояний различными методами [295 - 297]. При использовании алгоритма обработки изображения определялись геометрические характеристики формы световой метки, а также ее координаты (таблица 5.2). Функции Circular Edge (Spoke), Particle Analysis и Circle Detection давали различные значения координат - (Хь, 1 (Хт, Ym), (Хс, Yc) соответственно. Отклонение результатов, полученных при использовании различных функций, отражает точность измерения координат:
На результат измерений влияли параметры фотосъемки параметры и настройки обработки изображения. Измерения определяются выбором параметров встроенной функцией измерения (Particle Analysis 1). В таблице 5.3 представлены результаты для следующих параметров: лучший радиус (Rb); максимальный диаметр (D ); радиус вписанной окружности (Rc) [249].
Очевидно, влияние параметров формы световой метки на разброс измерений координат, использующих различные алгоритмы компарирования. Влияние оказывает также экспозиция съемки, связанная с динамическим диапазоном приемника. Оптимальный динамический диапазон уменьшает разброс определения координат, то есть повышает абсолютную точность. Влияние оказывает также линейное увеличение оптической системы, определяющее размер изображения световой метки на сенсоре. Поэтому расфокусировка изображения увеличивает изображение светового пятна, уменьшая его освещенность и динамический диапазон, что дает лучшие результаты в стабильности результатов измерений, внося погрешность в значение абсолютной координаты. Для определения относительных координат (параметров движения) случайная погрешность определяется в больше степени свойствами мишени при заданной экспозиции.
Исследования показали, что точность определения относительных координат в траектории движения световых меток ЛЦУ для однотонных мишеней в несколько раз выше (0.2 - 0.3 мм) точности определения абсолютных координат световых меток ЛЦУ ( 1 мм). Можно сделать вывод, что для повышения точности измерений координат световых меток ЛЦУ средствами технического зрения, целесообразно проводить предварительный их отбор по представленной методики с учетом дальности их действия. Для работы в широком диапазоне дальности действия (особенно для полупроводниковых лазеров) целесообразно использовать настраиваемую отградуированную оптику ЛЦУ.