本發(fā)明屬于檢測
技術領域：
，具體涉及一種具有非接觸、可視化、成本低、無需進行紅外探測器校準的微波反應腔溫度場三維立體重構方法。
背景技術：
：微波高溫加熱由于具有升溫速率快、內外加熱均勻以及清潔無污染方面的優(yōu)勢而逐漸發(fā)展成為一種綠色高效的加熱方法，微波加熱技術廣泛應用于冶金過程、電子制造、食品藥品加工過程、材料加工以及先進工業(yè)制造工藝過程中的物料加熱和材料熱處理。立體式加熱是微波加熱的主要特點，在微波加熱過程中，當反應腔內多種物質同時加熱時，由于不同被加熱對象具有不同的介電常數，使得各自的吸波能力各異，導致微波加熱過程中不同物質的選擇性加熱現象。因此，對微波反應腔內物料上不均勻的溫度場分布進行檢測，并將溫度數據反饋給微波控制器，是加熱過程中非常必要的微波調控技術手段。處于微波強電磁場環(huán)境下的溫度測量是微波技術應用的一大難題，現有微波反應過程中對物料溫度進行探測的技術主要包括四種類型。第一種是通過熱電偶進行溫度測量，其優(yōu)點是測量精度較高，傳感器成本較低，正是由于此類優(yōu)點使得熱電偶測溫在實際微波加熱過程中應用較為廣泛；但熱電偶測溫需通過接觸式測量，存在測量速度較慢，無法獲得溫度場分布的不足。第二種方法是通過紅外探測器對溫度場分布進行探測，紅外測溫應用黑體輻射原理，是一種非接觸式測量技術，可以實時獲得溫度場的分布情況，獲取的數據是二維圖像數據。第三種是通過核磁共振成像技術獲取微波反應腔內物料的三維立體圖像數據，但存在測量設備成本過高的問題。第四種是用聲學法測量溫度場，由于聲波發(fā)射/接收器的分布及個數是影響溫度場重構的重要因素，增加聲波發(fā)射/接收器個數和溫度場像素雖可提高溫度場重構精度，但成本高、重建時間加長，而且聲波發(fā)射/接收器也容易受微波影響；另外，聲學法測量溫度場目前只是針對可穿透的氣體或火焰的三維溫度場重建給出的可行的方案，對于非穿透性物體在微波反應腔內的溫度場尚無能為力。技術實現要素：本發(fā)明的目的在于提供一種具有非接觸、可視化、成本低、無需進行紅外探測器校準的微波反應腔溫度場三維立體重構方法。本發(fā)明第一目的是這樣實現的，包括圖像獲取、立體匹配、溫度場三維立體重構步驟，具體包括：A、圖像獲?。和ㄟ^紅外探測器獲取微波反應腔內高溫目標至少兩個視角的紅外圖像數據和可見光圖像數據；B、立體匹配：對A步驟獲取的可見光圖像的視差映射施加極線幾何約束和三角形約束，計算溫度場的三維深度坐標以及紅外探測器內部參數和外部運動參數；C、溫度場三維立體重：依據B步驟計算結果進行可見光圖像后投影，并在此基礎上根據前述的紅外探測器內部參數和外部運動參數，將A步驟獲取的紅外圖像數據進行后投影得到最終的三維立體溫度場。本發(fā)明與現有技術相比具有以下有益效果：1、本發(fā)明通過匹配具有較高空間分辨率的多視角可見光波段圖像，根據匹配結果后投影空間分辨率較低的紅外波段溫度場圖像，實現微波加熱過程中多視角融合的多光譜圖像數據溫度場三維立體重構，克服了現有通過核磁共振成像技術探測微波加熱立體溫度場存在的成本過高的局限；2、本發(fā)明無需進行紅外探測器校準，用紅外圖像對就可計算微波反應腔內溫度場的三維立體密集分布，這對開展反應過程中對被加熱對象的全方位觀測以及微波調控具有重要價值；3、本發(fā)明采用兩個及以上的多光譜紅外探測器即可及時展現微波反應腔內溫度場的三維立體分布，相比現有技術中的聲學法測量具有反應腔開孔少，且探測器布置位置和方式簡單。因此，本發(fā)明具有非接觸、可視化、成本低、無需進行紅外探測器校準的特點。附圖說明圖1為左視角多光譜圖像數據；圖2為右視角多光譜圖像數據；圖3為左視角可見光圖像特征點檢測結果；圖4為右視角可見光圖像特征點檢測結果；圖5為內部點匹配結果；圖6為左視角可見光圖像擴大后的特征點檢測結果；圖7為右視角可見光圖像擴大后的特征點檢測結果；圖8為所有匹配點連線之一；圖9為內點匹配連線之一；圖10為匹配點深度后投影之一；圖11為左視角均勻色空間高分辨率特征點檢測；圖12為右視角均勻色空間高分辨率特征點檢測；圖13為所有匹配點連線之二；圖14為內點匹配連線之二；圖15為匹配點深度后投影之二；圖16為視差圖；圖17為不同匹配位置的視差；圖18為可見光密集后投影；圖19為立體溫度場。具體實施方式下面結合附圖與實施例對本發(fā)明作進一步的說明，但不以任何方式對本發(fā)明加以限制，依據本發(fā)明的教導所作的任何變更或替換，均屬于本發(fā)明的保護范圍。本發(fā)明方法包括圖像獲取、立體匹配、溫度場三維立體重構步驟，具體包括：A、圖像獲?。和ㄟ^紅外探測器獲取微波反應腔內高溫目標至少兩個視角的紅外圖像數據和可見光圖像數據；B、立體匹配：對A步驟獲取的可見光圖像的視差映射施加極線幾何約束和三角形約束，計算溫度場的三維深度坐標以及紅外探測器內部參數和外部運動參數；C、溫度場三維立體重：依據B步驟計算結果進行可見光圖像后投影，并在此基礎上根據前述的紅外探測器內部參數和外部運動參數，將A步驟獲取的紅外圖像數據進行后投影得到最終的三維立體溫度場。本發(fā)明A步驟中通過兩個紅外熱像儀獲取微波反應腔內高溫目標左右兩個視角的紅外圖像數據和可見光圖像數據。本發(fā)明B步驟中的極線約束是指一個視角中的某個坐標點定義了另一個視角中的一條極線，而該坐標點在另一個視角中的對應點一定處于這條極線上，極線幾何中點與直線的映射關系為：，其中F即為基本矩陣，基本矩陣的維度為3×3，由于對應點在極線上，有，對兩個視角圖像中的任意一對對應點，這兩個點之間存在約束關系。所述基本矩陣F中假設有n對對應點和，其中，并將表示為一個維度為9的向量得到一個線性方程組：當選擇個對應點時，選擇使所有對應點上的殘余誤差最小的基本矩陣，得到最小二乘意義上的基本矩陣；基本矩陣的最小二乘解是矩陣A最小奇異值對應的奇異向量，即將A進行奇異值分解，得到基本矩陣的最小二乘解為矩陣V的最后一列；所述定義殘余誤差為：，其中表示視角內各匹配點到其對應點通過基本矩陣在該視角投影所得極線的距離。本發(fā)明B步驟中的三角形約束是指尋找兩幅圖像之間各個像素點的匹配對應關系，經過匹配的對應點就可通過由基線、兩條過對應點的射線構成的三角形關系反求溫度場空間坐標點。所述匹配的對應點為特征點，所述特征點通過Harris角點檢測算法、SURF加速魯棒特征檢測或SIFT移不變特征檢測算法計算得到，然后通過RANSAC隨機抽樣一致算法在匹配上的特征點對中尋找內點和外點，并據此計算基本矩陣F。本發(fā)明B步驟中計算溫度場的三維深度坐標是將空間點X的深度Z通過后投影計算得到，其中b是基準線的長度，d為視差，f是焦距；所述計算溫度場紅外探測器相機內部參數和外部運動參數是在基本矩陣F的基礎上根據求解紅外探測器相機本質矩陣，得到紅外探測器的相機內部參數K1和K2，通過來計算紅外探測器的相機外部參數，其中S表示旋轉矩陣R的反對稱矩陣。本發(fā)明A步驟中的可見光圖像的分辨率高于紅外圖像的分辨率。本發(fā)明B步驟中的可見光圖像首先采用三刺激值(X，Y，Z)變換到CIEL*a*b*標準色空間，然后再施加極線幾何約束和三角形約束；CIEL*a*b*色彩分量值分別為：,,其中其中，XW、YW和ZW分別表示參考白色的三刺激值。實施例采用兩臺Flucker公司VT04型可視紅外測溫儀檢測微波反應腔內溫度場的二維分布。該紅外探測器的溫度探測精度是+/-2℃，探測的紅外譜帶范圍是6.5μm至14μm。兩臺紅外測溫儀的安裝基線與微波爐外殼的下前緣平行并共水平面，距離是500mm。在基線上，兩臺測溫儀光軸與基線垂直，測溫儀間距離600mm，與微波爐內托盤圓心到基線的垂線呈對稱安裝。圖1和2是通過該溫度探測器得到的兩幅多光譜圖像數據。其中，紅外探測器得到的溫度數據疊加在可見光圖像數據上。左右兩幅圖像中心溫度分別為188.9℉和188.4℉。在獲取的可見光波段原圖像數據是105*105的RGB圖像，通過Haris角點檢測得到左右兩幅圖像中的特征點，如圖3和4所示，檢測到的特征點分別用矩形符號表示。從圖中可以看出，所檢測到的特征點主要集中于高溫對象邊緣部分，在目標和背景的平滑部分沒有檢測到相應的特征點。通過RANSAC算法得到對應點中的內點和外點，其中內點以及內點之間的連線如圖5所示。過少的匹配點不利于計算基本矩陣和進行后投影。因此，在原可見光圖像數據的基礎上將原圖像放大三倍，并進行新的特征點檢測。將原可見光圖像尺寸放大三倍，現在圖像維度為315*315。檢測結果如圖6和7所示。從圖6和7中可以看出，Harris角點檢測子檢測到了更多的特征點。在新的圖像中，從左右圖像各自檢測到200個特征點，用綠色方框表示各個特征點。根據左圖像第一個特征點的坐標，查找其描述子是8*1向量[-0.0031-0.4094-0.60750.2505-0.0742-0.16130.47700.23060.2973]T。特征點匹配得到70對對應點，距離表示兩個特征描述子之間的距離，用歐幾里得范數作為距離測度。用“+”號表示這對匹配點均為內點，用“-”號表示這對匹配點均為外點。70個對應點中有14個內點，56個外點。圖8和圖9分別標示70個對應點和14個內點之間的連線。根據所得到的14對對應點，估計左右兩幅圖像之間的基本矩陣映射。通過隨機抽樣一致算法，經過2000次嘗試，Ransac算法求解得到基本矩陣F:從基本矩陣結果可以得到，F的秩為2，殘余誤差為8.5376e-006。在基本矩陣的基礎上，可根據求解相機本質矩陣其中K是相機內部參數。根據本質矩陣可估計相機運動，相機運動又稱為外部參數，通過計算來計算，其中S表示旋轉矩陣R的反對稱矩陣。求解該式得到相機旋轉平移矩陣為：根據所求解的相機內部參數和外部運動參數，通過后投影計算各個特征點的深度，深度后投影結果如圖10所示。為了在均勻色空間表征二維成像平面中的可見光圖像，首先將圖像變換到CIEL*a*b*標準色空間。為此采用三刺激值(,,)，即在原RGB色空間中合成某種特定色彩所用的紅、綠、藍色彩的量。用如下方程計算得到CIEL*a*b*色彩分量值：,,其中其中，，和表示參考白色的三刺激值。通過以上空間變換，能夠在與觀察者更為一致的均勻色空間表示圖像的色彩差別。用高分辨率可見光圖像在均勻色空間進行特征點檢測，結果如圖11和12所示。通過對應點計算得到新的相機運動矩陣：，對均勻色空間高分辨率可見光圖像進行檢測，在左圖像檢測到1118個特征點，在右圖像檢測到1641個特征點，得到225對對應點。通過Ransac檢測的80個內點。圖13和圖14分別顯示了在均勻色空間兩幅圖像的對應點連線和內點之間的連線。通過三角化計算80個內點的深度及其后投影射線最小距離，80個內點的深度如圖15所示，其中9個采樣點的深度及其后投影射線之間的最小距離如表1所示。表1內點匹配對坐標及后投影深度PointLeftcoordinatesRightcoordinatesDepthMinimumdistance5(2057.84,180.655)(1731.33,141.202)0.62380.001510(1716.01,194.781)(2069.22,162.556)0.42240.001320(2133.99,176.856)(1968.72,156.068)0.55130.001130(1649.39,197.209)(1732.01,140.972)0.49160.001640(1999.78,1256.01)(2103.51,1198.61)0.51920.002050(2541.78,163.35)(1968.72,156.068)0.71750.001860(2624.56370.678)(1933.76,354.124)0.81670.001270(1985.32,1270.08)(2079.21,1219.48)0.52460.000880(1992.83,1303.56)(2102.24,1242.70)0.51990.0026通過匹配得到的左右兩幅圖像的視差如圖16所示。從圖中可以看出，在被加熱對象的大部分區(qū)域能夠得到較為一致的視差幅值。計算左右圖像在不同匹配位置的視差幅值，如圖17所示。從立體的視差圖上可以看出，在不同的成像坐標平面上進行特征匹配時會得到若干個視差極值。根據相機運動參數，進行密集的可見光圖像后投影，結果如圖18所示。從圖中可以看出，以上所計算的相機平移和旋轉矩陣能較好的回復微波反應腔內的三維結構關系。在此基礎上，借助之前在可見光波段計算得到的紅外相機內部和外部參數，將紅外波段的溫度圖像數據進行后投影得到最終的三維立體溫度場分布，結果如圖19所示。從圖中可以看出，采用本發(fā)明方法在空間分辨率較好的可見光波段計算相機運動參數，并據此進行空間分辨率較低的紅外波段溫度場圖像數據的后投影，能良好的重構出微波加熱過程中高溫對象的三維立體溫度場分布。當前第1頁1 2 3