第一章 绪论
1.1 引言
从20世纪90年代开始，制造技术慢慢向着微型化方向发展，生物技术和微电子制造技术也分别向着基因组分析方向与超大规模集成电路方向发展。因此，越来越多的精密定位系统在微机电系统（MEMS）、半导体工程、超精密加工、生物医学工程、精密光学工程等领域中得到了广泛的应用。随之，这些领域对精密测量技术的要求也越来越高，测量精度要求从毫米级、微米级逐渐发展到了纳米级，甚至亚纳米级。由此，传统的测量设备和技术已经远远不能满足发展的需要，需要高精密的检测设备和系统来满足对高精密测量的要求。计算机视觉测量技术是结合数字图像处理、光学原理、信息处理知识等科学技术为一体的检测方法。首先测试系统采集被研究对象的图像，从图片中提取有用的信息，然后根据已有的先验知识，判别被研究对象是否符合测试要求。该技术的非接触性、实时性、灵活性和精确性等特点对高精密测量技术的发展起到了无可厚非的作用。它是传统检测方法无法比拟的[1, 2]，在实际中显示出强大的生命力。在实际中，多输入、多输出柔顺机构，如多自由度精密定位平台、灵巧微夹持器等具有良好的应用前景。它们在微动精密定位和精密操作等领域得到了广泛的应用。然而，在这些多输入多输出系统中，输入耦合是普遍存在的。耦合位移会直接影响驱动器的实际输入位移大小，从而对精密定位平台的精度造成影响。而柔顺机构的结构紧凑性特点，给其本身的运动测量以及耦合位移的测量等增加了难度。综上所述，为了适应纳米技术的快速发展，必须增大精密定位平台检测技术的研究力度，研制出高实时性、高精度的精密定位平台检测系统。
1.2 计算机视觉技术的发展及应用
计算机视觉是一种研究利用计算机技术模拟人类和动物视觉功能的科学和技术[3]，它既属于工程领域，也是医学和生物学领域中的一门极具挑战性的学科技术。它涉及的领域极其广泛，包括神经生物学、心理物理学、图像辨识、数字处理等多个领域。如图1-1所示，计算机视觉系统就是采用成像设备（例如CCD摄像机）替换生物眼睛作为信息传输途径，由计算机代替大脑进行信号分析和处理后，再通过相应的执行单元作出相应的响应。计算机视觉的终极目的是为了让机器能像人那样通过眼睛与世界直接进行交流，具备自适应和调节能力[4]。在业界内，美国Roberts[5]开创性的三景物分析被公认是计算机视觉的研究起源，它的系统能够直接从数字化的图象中抽取多面体的线画，并通过分析已知模型来分析线画中对应的物体在三维空间中的实际位置。这些使得计算机视觉在之前的几十年中成为人工智能学科中非常活跃的一个领域。在Roberts之后的研究中，很多科学家如Guzman[6]、Huffman[7]、Clowes[8]以及Waltz等，研究了简单多面体堆积的景物（积木世界）的分析技术，大家均解释了从线段的角度理解景物和分析阴影的问题。“积木世界”的研究反映了计算机视觉在前人研究中的部分特点，即从简单的世界研究到复杂的世界研究。这部分研究极大地促进了视觉的发展，但是难以应用到比较复杂的物体分析之中。原因在于这一期间，研究学者们对空间物体的分析并没有考虑人类认识三维空间的方式，即没有把生物系统主观因素考虑进去，而只是通过简单的边缘线段来解决。
自20世纪70年代开始，计算机视觉研究主要从神经生物学或心理物理学、光学和射影几何的方法出发，研究形形色色的本质特征的还原（例如空间位姿、运动、照明系统等的还原）成像和逆问题。1977年，美国MIT的人工智能研究室的马尔（D.Marr ）教授发表了区别于积木世界的新方法，全新的计算机视觉理论（Computer Vision）诞生了，我们也称作Marr[9]视觉理论。刚开始他研究的是用计算机来模拟人的三维视觉特点，在此的基础上形成了该理论体系的总框架。如图1-2所示，它以计算机科学为基础，全面地概括了心理生理学、神经生理学等领域的全部杰出成果，是机器视觉研究中迄今为止最为系统、完美的视觉理论框架。Marr理论的产生，引领着计算机视觉检测技术向更高、更为开拓的领域发展前进。尽管这个理论还不十分完备，但它却为后来的研究学者们提供了非常宝贵的思维方式和研究方法，并且为计算机视觉检测技术的发展开辟了很多新的研究起点[10, 11]
第二章 耦合测量系统的软硬件设计
2.1 引言
计算机视觉在微观领域的应用主要是通过与显微镜系统进行微结构运动分析，是集成光学显微镜、视觉成像和计算机视觉技术为一体的可实现实时、可视化检测的测量平台，更是一种非常有效的测量高精度微运动的方法。其工作原理是利用可见光、红外线甚至超声波等各种光源对被测物进行照明，并利用成像设备（摄像机、图像采集卡等）通过显微镜系统把被测物三维场景的图像信号传输到计算机，形成二维灰度图像。然后，运用图像处理技术对采集到的原始图像进行预处理、特征提取、边缘检测等，改善图像的质量以及获取所感兴趣的特征，构成对图像的描述。最后运用计算机视觉算法或人工智能等得到更高层次的抽象描述，完成计算机微视觉系统所要求的测试任务。由此，本文搭建了运用测量耦合微位移的测量系统，对被测物平面三自由度平台的输入耦合位移进行测量。
第三章 视觉测量精度影响因素分析.........21
3.1 引言......21
3.2 硬件因素分析.........21
3.2.1 CCD 摄像机 ........21
3.2.2 镜头畸变 .......23
3.2.3 噪声.........27
3.2.4 光照系统 .......30
3.3 环境因素分析.........35
3.4 软件因素分析.........36
3.5 本章小结....41
第四章 精密定位平台耦合测量.....42
4.1 引言......42
4.2 摄像机标定.......43
4.2.1 摄像机成像模型........43
4.2.2 摄像机标定原理........47
4.2.3 摄像机标定实验与分析........49
4.3 精密定位平台及其驱动器........52
4.4 平面三自由度精密定位平台耦合测量.......56
4.5 本章小结.....66
结论
平面三自由度精密定位平台作为一个多输入多输出系统，分析研究其耦合问题提高平台定位精度有重要意义。本文探索利用计算机视觉技术，采用两步法进行摄像机标定之后，对平台的输入耦合位移进行测量，并修正其输入输出关系矩阵，消除耦合对平台的影响，提高平台定位精度。本文的主要研究成果有：
1、通过分析平面三自由度精密定位平台的结构特性以及压电陶瓷驱动器的特性，建立了平台与压电陶瓷之间的机电耦合模型，求出稳态过程平台的输入端位移与压电陶瓷输出位移的理论关系。最后通过实验证明所建模型的准确性以及得出精密定位平台的最佳控制方式为闭环位移控制方式。
2、搭建了计算机视觉耦合测量实验平台，利用计算机显微视觉技术，实现了平台耦合位移的非接触、实时和高效率高精度的测量。通过图像显示窗口，可以直接观察到耦合位移的大小以及方向，直观性强。最后，针对平台自身存在的输入耦合现象，通过实验的方法修正平台输入与输出之间的传递函数矩阵，从而消除耦合位移对平台定位精度的影响。
3、通过实验对比研究，得出了图像采集时的最佳光照强度和光源颜色。实验结果表明，在图像对比度大约为 60~70 范围内的光照强度下，能获得较为清晰的图像边缘，以及测量重复度高，稳定性好。此外，通过进一步比较，得出复色光并不适合作想要获取高质量、清晰的图像边缘的光源照明，而单色光照明在这方面通常比它更有优势。
4、根据实验目的与系统本身特点，采用两步法对摄像机进行标定，校正了镜头畸变带来的误差，并且简化了传统的摄像机标定程序，提高了工作效率。
参考文献
[1] Shiau Y.-R., Jiang B. C. Study of a measurement algorithm and the measurement loss inmachine vision metrology[J]. Journal of Manufacturing Systems, 1999, 18(1): 22-34
[2] 叶声华, 邾继贵, 王仲, 等. 视觉检测技术及应用[J]. 中国工程科学, 1999, 1(1):49-53
[3] 吴健康, 肖锦玉. 计算机视觉基本理论和方法[M]. 合肥: 中国科学技术大学出版社, 1993
[4] 阮求琦. 数字图像处理[M]. 北京: 电子工业出版社, 2003
[5] Roberts L. Machine perception of three-dimensional solids[J]. Artificial Intelligence,1963, 19(1): 7-16
[6] Guzman-Arenas A., Guzmaan A. Computer recognition of three-dimensional objects ina visual scene [R]. Boston: Massachusetts Institute of Technology, 1968
[7] Huffman D. Impossible objects as nonsense sentences[J]. Machine Intelligence, 1971, 6:295-323
[8] Clowes M. B. On seeing things[J]. Artificial Intelligence, 1971, 2(1): 79-116
[9] D. 马尔. 视觉计算理论[M]. 姚国正. 译. 北京: 科学出版社, 1998
[10] 廖强, 周忆, 米林, 等. 机器视觉在精密测量中的应用[J]. 重庆大学学报: 自然科学版, 2002, 25(6): 1-4