基于条纹光流的物体面形测量技术

提出一种运用条纹光流实现物体面形测量的新技术。介绍光流法测量面形的原理,从光流的视角分析投影条纹的变化,建立平行投影条件下光流与被测面形高度及相位分布之间的理论关系。对建立的球冠几何模型进行数值模拟,验证光流法直接计算面形高度的可行性;对实际物体面形的测量与相移法测量结果对比,证明光流法能够准确恢复物面相位,并且对物面空洞区引入的噪声有较好的稳健性。不同于传统的面形测量技术,光流法仅需要二帧图像就可精确恢复高度分布或相位分布。由于光流法方法本身含有时间因子,且仅需两幅图像就能直接得到面形分布,所以比相移法更适合动态测量。

典型光流算法在条纹位移测量中的分辨力和测量范围

分析了Horn-Schunck全局光流算法和Lucas-Kanade局域光流算法在条纹位移测量中的分辨力和测量范围,结果表明:当Horn-Schunck算法的相对误差和Lucas-Kanade算法的相对误差小于2%时,两种算法的相位分辨力都能够达到10-13π,对应像面上的位移分辨力为1.6×10^-12 pixel,两种算法在理论上与四步相移法的分辨力相当;在有噪声的情况下,两种算法的分辨力都达到了0.01π,对应像面上的位移分辨力为0.16 pixel;在相对误差小于2%、方均根误差小于3%时,Horn-Schunck算法和Lucas-Kanade算法的测量范围分别为0~17π/100和0~52π/100,分别约为0~π/6和0~π/2,并且测量范围受噪声的影响很小。