逆向工程技术是近年发展起来的消化和吸收先进技术的一系列分析方法和应用技术的组合。它以已有的产品或技术为研究对象，以现代设计理论、生产工程学、材料学、计量学和有关专业知识为基础，以解剖、掌握研究对象的关键技术为目的，最终实现对研究对象的认识、再现及创造性地开发，是与传统的设计——制造过程相反的信息流过程。目前在工业领域有广泛的应用前景，据统计[1]，逆向工程技术可以缩短产品研制周期40％以上，是提高生产率的重要手段之一。
实现逆向工程的方法很多，归纳起来分为接触法和非接触法两大类。接触法通过接触被测量物体的表面，逐点获取三维坐标，反求产品的CAD模型的方法，所采用的设备以三坐标测量机为代表[2，4]。其优势在于测量精度高，缺点在于逐点测量费时、费力，在未知产品几何模型的前提下，不能保证选择测点分布的合理性，造成在相对平滑的部分选择多余测点，在曲率变化大的地方损失关键点；而且不适合测量软质或易划伤的产品。非接触法是通过光学系统获取产品表面的三维信息[9]，优点是一次获取的信息量大，适用于各种不同质地的产品的测量，与接触法相比，价格低，操作简单，缺点是测量精度低。
针对上述方法的不足，作者在国家自然科学基金资助下，进行了逆向工程中集成的智能检测系统研究。本文首先阐述系统的结构和功能；其次构造了CMM和机器视觉系统的联系纽带——完整的摄像机成像模型；第三，利用机器视觉系统自动识别产品在CMM工作台上的位置，为实现CMM自动检测打下基础；第四根据立体视差法的原理，采用双三次均匀B样条得到产品的CAD模型，按照此模型，自动生成CMM的无碰测量路径，智能控制CMM测量，直至获得精确的产品CAD模型。该系统的目的是既保证检测精度，又提高检测效率，为实现产品，特别是无CAD模型的复杂曲面的逆向工程技术开辟一条新路。
一、集成的智能检测系统的结构
传统的产品开发过程（如图1上半部分所示)按照产品所要实现的功能以及各方面的要求出发从概念设计入手，首先由用户在CAD系统中构造产品的CAD模型，经特征抽取，生成两条信息控制流路，一路将检测信息输入CAIP系统，制定相应的检测规划，指导CMM测量，对测量得到的数据进行分析处理，将反馈信息输入CAM系统；另一路是将CAD模型中的有关工艺信息输入CAPP系统，生成加工时所需的一系列加工动作和资源需求的描述，传入CAM系统。CAM综合质量信息和工艺信息，加工出产品。这种传统的从概念设计出发，直至生产出最终产品的过程，是清晰明了的。
逆向工程技术是从已有产品开始，通过一系列测量方法，逐步推理、反复逼近，直至得到产品的精确CAD模型。本文作者提出的实现逆向工程技术的方法如下：首先，根据产品的结构和检测要求，进行多传感器任务规划，分配CMM和机器视觉系统的检测任务；然后，利用机器视觉系统获取产品的二值图像，对图像进行边缘特征提取，并与摄像机的标定结果相结合，一方面生成定位信息，输入CMM，帮助CMM实现对产品的自动定位；另一方面根据两幅图像所提取的特征，进行三维点立体匹配，将这些点作为控制点，利用双三次均匀B样条，反求产品的初始CAD模型，根据此模型，生成检测规划，指导CMM精确测量产品，直到获得满意的CAD模型。其中，通过机器视觉系统和CMM的集成化检测，完成从视觉系统获得的初始CAD模型到CMM测得精确的CAD模型的渐进过程体现了现代逆向工程的思想。
由图1可以看出，逆向工程技术在产品开发中起着重要作用，使整个过程成为一个闭环系统。考虑到实际工程应用的需要，本文提出如图2的检测系统实验装置。系统由CMM、摄像机(CCD)、监视器和装有图像采集卡的PC586计算机组成。其中：CCD用来采集产品的图像信号；并将采集到的信号的一路输入监视器，供操作者观察；另一路输入PC586，通过图像采集卡，将图像信号分解成为768*576像素、亮度为64级的信号，存入计算机的存储器内，供分析使用。计算机通过对图像信号的处理，提取后续工作所需的信息。
nextpage
机器视觉系统在实现逆向工程的过程中，划分成以下几个阶段：
(1)图像的获取；(2)摄像机标定；(3)特征提取；(4)立体图像匹配；(5)计算匹配点的深度信息；(6)反求CAD模型。
本文就关键的(2)、(3)、(4)如何实现，在以下几节详细讨论。
二、摄像机标定——CMM与机器视觉系统集成的桥梁
摄像机所获得的是产品的二值图像，一般以像素(pixel)为坐标单位，而CMM所测的是产品的实际空间坐标。如何确定物体的空间尺寸与所成图像的对应关系，是摄像机的标定工作所要解决的问题。因此，摄像机的标定实际上是CMM与机器视觉系统集成的桥梁。
根据文献[8]，本文选择带有透镜径向畸变的小孔模型作为所要讨论的摄像机模型。要完成A点的实际三维坐标(xw，yw，Zw)与监视器上的图像坐标(x6，yf)的相互转换，需解决下述4个坐标变换问题：实际三维空间坐标与三维摄像机坐标的变换；小孔模型下A点的理想投影变换；考虑径向透镜畸变的投影变换；实际图像坐标与计算机帧存坐标的变换。通过这4步变换，构造出一个完整的摄像机成像模型，建立CMM与CCD之间的相互联系。本文后叙的工作，即CMM检测自动定位的实现和逆向工程中的产品三维重构均在此基础上进行。
三、CMM检测自动定位的实现
实现CMM对检测产品的自动定位，可以通过精确提取产品图像的边缘信息，根据第3节的方法，将图像坐标转换为空间实际点的坐标来完成。
从边缘的物理属性看，边缘是信号的变化和某种程度的不光滑性的表示，属于高频分量而实际得到的图像不同程度地含有噪声，噪声也属于高频分量，要滤除图像的噪声，传统方法是采用低通滤波器，对图像平滑的结果，也使得图像的边缘变得不那么明显，即在降低噪声的同时，也失去了一部分边缘信息。过去的许多边缘检测算子，如：Robet算子、Canny算子等，在降低噪声和增强边缘之间进行种种折中，不能精确提取产品图像的边缘。
小波分析是80年代以来发展起来的新理论，其基本思想是用一族函数去逼近表示一信号或函数，这一函数族称为小波函数系，它是通过一基本小波函数的不同尺度的平移和伸缩构成，同时具有不同的时间和频率分辨力。在标准的小波展开里，低频的基波具有较高的频率分辨力和较低的时间分辨力，而高频的基波具有较高的时间分辨力和较低的频率分辨力，具有等Q结构。这与大量的心理、生理实验所证明的人类视觉对图像信号的分析方式是一致的小波变换所采用的基波的这种性质使人们可以逐步聚焦到信号的细节，利用不同的尺度界定某一信号应该作为有益的边缘信息予以增强还是应该作为噪声予以抑制。作者利用小波理论的这一优势，将其与最优边缘检测理论相结合，提出均匀3次B样条二进小波多尺度边缘检测算法(详细论述另文发表)，较好地实现了图像的边缘提取，为CMM对检测产品的准确定位打下基础。
四、逆向工程中的产品三维重构
要精确地重构产品的三维模型，必须准确地完成立体图像的匹配。所谓立体图像匹配是指在两幅或两幅以上的立体图像中找到相对于同一实际三维空间点的图像对应点。本系统在两个不同的位置各获得一幅立体图像(称为左、右图)，它们之间的移动距离，可以通过控制CMM的计算机精确获得。但如何从左图上的任一点找出其在右图上的对应点却很困难。原因在于，左图上的任一点在空间一条经过该点和CCD焦点的直线上，其右图上的对应点是该直线在右图投影线上的某一点，即左图一点对应有图的一条直线；反之亦然。这种对应是多义的，只要解决这个问题，就完成了立体图像的匹配任务。
传统的匹配方法采用先选定左图的某一点，再在右图的一个区域内，按照一定的准则，进行搜索，不但费时，而且易于陷入误区。由于遗传算法在解决这一类问题时，是从问题解的串集开始搜索，即数量极大的串同时在很多区域中进行采样，大大减少陷入局部解的可能，因此，本系统采用遗传算法完成特征点的立体匹配任务(详细论述另文发表)，并将这些特征点作为控制点，构成均匀三次B样条曲线。这样，利用机器视觉系统，经过点、线、面、体的过程，初步反求出产品的CAD模型。对于测量精度要求高的产品，在视觉系统达不到要求时，可在这个初始模型的基础上，算出所需各点的法矢方向，用CMM进行精确测量。
五、结论
本文提出的逆向工程中的集成的智能检测系统具有下述优势：
(1)在机器视觉系统的帮助下，CMM可以自动确定产品在测量平台上的位置，大大提高生产率和检测效率，为实现生产、检测完全自动化迈出了重要一步。
(2)利用机器视觉系统初步获取产品的CAD模型，对于辅助CMM高质量的实现逆向工程技术尤为重要。
(3)适用于不同结构和不同质地的产品的检测。
总之，本系统以传感器规划和信息集成技术为基础，发挥机器视觉技术与CMM的各自优势，利用它们在时间、空间以及物理量上的互补或冗余性，增加信息量，减少不确定性，在保证所需精度的前提下，提高效率，实现对未知CAD模型的产品的逆向工程技术，并通过精确定位，完成对已知CAD模型的产品的自动检测。其方法和成果具有重要的意义。
