一种连续相位板加工误差识别方法技术

本发明专利技术公开了一种连续相位板加工误差识别方法，属相位板加工误差识别领域，本发明专利技术采用二次匹配，先对被测面形和参考面形进行第一次匹配，得到粗定位的平移位置坐标，然后在根据平移位置坐标设定的邻域范围内对被测面形和参考面形进行第二次匹配，缩小误差范围，得到精确定位位置参数，并根据精确定位位置函数得到加工误差指标，本方法改变一次匹配难以对高精度要求的CPP进行误差识别的缺陷，采用逐步递进精度逐步提高的二次匹配方法提高CPP误差识别的精度，本发明专利技术所提供的方法误差识别的RMS值可达30nm以下，PV值可达1波长以下。

【技术实现步骤摘要】
一种连续相位板加工误差识别方法
本专利技术涉及相位板加工误差识别领域，尤其涉及一种连续相位板加工误差识别方法。
技术介绍
在磁流变加工连续相位板（ContinuousPhasePlate，CPP）元件的过程中，一般CPP需要进行多次加工及检测（视CPP面形精度要求而定），最终完成位相精度的指标，而在元件检测过程中，由于装夹定位、环境温度及震动等因素，引起元件与检测光路不正常匹配，存在各种定位误差。此类误差使检测面形位置与参考面形位置错位，导致测出的面形数据错位，若将错位面形数据导入数控软件生成数控代码，磁流变机床将加工出错位面形，多次测量和加工将使误差逐次放大，不确定度增大，影响CPP的加工面形质量。因此，高精度CPP误差识别技术是CPP过程检测中的关键技术，其检测结果可用于补偿加工，进一步提高面形精度，同时也可用于加工元件的面形精度评价。目前，作为图像测量系统中的关键技术，图像匹配方法已越来越广泛地应用于加工件的面形测量中。但常规的图像匹配识别方法只进行一次搜索，而且常规的算法（如匹配归一化积相关法）进行图像匹配，不仅运算量大且匹配概率低。但CPP元件对元件平面内的误差非常敏感，一次搜索和常规的算法远远达不到CPP高精度识别的要求。
技术实现思路
本专利技术设计一种连续相位板加工误差识别方法，采用二次匹配方法，先对被测面形和参考面形进行第一次匹配，得到粗定位平移参数，所述粗定位平移参数包括所述被测面形的平移位置坐标，获得相对较小的误差范围，然后在根据加工原点坐标和所述平移位置坐标设定的邻域范围内对被测面形和参考面形进行第二次匹配，得到精确定位位置参数，并根据所述精确定位位置函数得到加工误差指标，从而可以判断加工误差是否合乎要求。本专利技术提供的技术方案为：一种连续相位板加工误差识别方法，包括如下步骤：步骤一，利用检测设备分别获取被测连续相位板的参考面形和被测面形的二维图像数据，所述被测面形为被测连续相位板所被加工形成的面形；步骤二，利用相位相关算法对参考面形的二维图像数据以及被测面形的二维图像数据进行第一次匹配，得到加工误差的粗定位平移参数，所述粗定位平移参数包括所述被测面形的平移位置坐标；步骤三，利用全局搜索方法对参考面形在所述加工原点坐标的领域范围内的二维图像数据以及被测面形在所述平移位置坐标的邻域范围内的二维图像数据进行第二次匹配，其中，加工原点坐标的领域范围与平移位置坐标的领域范围具有相同的大小，从而得到所述加工误差的三个精确定位位置参数，所述三个精确定位位置参数分别为精确定位平移参数、精确定位旋转参数和精确定位缩放参数，所述精确定位平移参数包括被测面形的平移量；步骤四，根据所述平移位置坐标和所述精确定位位置参数得到所述平移位置坐标和所述精确定位位置参数对应的被测面形的面形分布，利用被测面形的面形分布和参考面形的面形分布计算得到误差指标值，所述误差指标值包括面形残差峰谷（Peak-to-Valley，PV）的值和面形残差均方根（RootMeanSquare，RMS）的值。本专利技术所述的连续相位板加工误差识别方法，所述平移位置坐标的领域范围为以平移位置坐标为圆心、以设定值为四边与中心的距离的方形区域，所述设定值根据检测设备的精度确定。本专利技术所述的连续相位板加工误差识别方法，所述步骤二中，在进行第一次匹配之前，还对经所述步骤一获取的被测面形的二维图像数据和参考面形的二维图像数据进行预处理，所述预处理包括执行数据填补算法和去噪算法，所述数据填补算法为双线性插值算法，其填补所述被测面形的二维图像数据和所述参考面形的二维图像数据的缺失数据点，所述去噪算法为低通滤波去噪算法，其除去所述被测面形的二维图像数据和所述参考面形的二维图像数据的噪声点；本专利技术所述的连续相位板加工误差识别方法，所述步骤二中，所述第一次匹配的具体过程为：（a1）将经所述步骤二预处理后的所述被测面形的二维图像数据和所述参考面形的二维图像数据进行傅立叶变换，分别得到所述被测面形和所述参考面形的功率谱；（a2）分别提取所述被测面形功率谱和所述参考面形功率谱的相谱；（a3）根据所述被测面形的相谱和所述参考面形的相谱得到所述被测面形和所述参考面形的频域相关函数；（a4）将所述频域相关函数进行傅立叶反变换，得到所述被测面形和所述参考面形的空间域相关函数及其峰值；（a5）由所述峰值得到该峰值对应的平移位置坐标和平移值。本专利技术所述的连续相位板加工误差识别方法，所述步骤三中，所述第二步匹配的过程为：（b1）设定所述三个精确定位位置参数的初始值，并根据检测设备的精度设定每个所述精确定位位置参数进行匹配计算的初始步长和最小步长，所述初始步长与所述最小步长之和在所述步骤三中所述的邻域范围内，且所述初始步长和所述最小步长皆大于0；（b2）依次计算三个精确定位位置参数，并且在计算其中一个精确定位位置参数时，设定另两个精确定位位置参数不变，计算其中任一个精确定位位置参数的具体过程是：（b21）设定所述精确定位位置参数的搜索步长δ，所述搜索步长大于所述最小步长且与所述初始步长之和在所述步骤三中所述的邻域范围内，将所述精确定位位置参数的初始值根据其所述初始步长d0和所述搜索步长δ依次设定为d0-δ、d0和d0+δ；（b22）根据经所述步骤二预处理后的所述被测面形的二维图像数据和所述参考面形的二维图像数据，得到所述加工原点坐标的所述邻域范围内的参考面形的二维图像数据Wsj(N)，所述Wsj为所述参考面形的二维图像数据的函数表达，所述N为所述参考面形的坐标表达，根据所述步骤a5）得到的平移位置坐标M和所述精确定位位置参数得到变换坐标Mh，Mh=F(N-M,d)，所述d为所述精确定位位置参数的值，所述F进行坐标变换的函数，所述F为常规的进行平移、旋转或缩放的坐标变换函数，所述d为所述精确定位位置参数的值，并根据所述变化坐标Mh得到对应的所述平移位置坐标的所述邻域范围内的所述被测面形的二维图像数据Wjg(Mh)，所述Wjg为所述被测面形的二维图像数据的函数表达，根据Wsj(N)对Wjg(Mh)进行采样和插值处理，得到映射变换到所述加工原点坐标的所述邻域范围内的所述被测面形的二维图像数据数据Wjg(N)；（b23）根据所述步骤b21）中设定的所述精确定位位置参数的初始值d0-δ、d0和d0+δ，分别计算Wsj(N)与Wjg(N)的相关系数，以得到的最大相关系数对应的所述精确定位位置参数的值为下一步所述精确定位位置参数计算的初始值d0；（b24）将所述搜索步长δ缩小为原来的1/2，重复所述b21)至b23）步骤后，若缩小后的所述搜索步长小于所述最小步长，结束所述精确定位位置参数的计算，以最后一次计算中所述步骤b23）得到的d0为所述精确定位位置参数的值，若缩小后的所述搜索步长大于或等于所述最小步长，重复所述步骤b21）至b24）；优选的是，本专利技术所述的连续相位板加工误差识别方法，所述精确定位平移参数的最小步长为所述检测设备的图像传感器的像素的尺寸，所述精确定位旋转参数的最小步长为引起一个所述图像传感器的像素变化时的最小旋转角度，所述精确定位缩放参数的最小步长为引起一个所述图像传感器的像素变化时的最小缩放比例。优选的是，本专利技术所述的连续相位板加工误差识别方法，所述步骤b23）中，所述本文档来自技高网...

【技术保护点】
一种连续相位板加工误差识别方法，其特征在于，包括： 步骤一，利用检测设备分别获取被测连续相位板的参考面形和被测面形的二维图像数据，所述被测面形为被测连续相位板所被加工形成的面形； 步骤二，利用相位相关算法对参考面形的二维图像数据以及被测面形的二维图像数据进行第一次匹配，得到加工误差的粗定位平移参数，所述粗定位平移参数包括所述被测面形的平移位置坐标； 步骤三，利用全局搜索方法对参考面形在所述加工原点坐标的领域范围内的二维图像数据以及被测面形在所述平移位置坐标的邻域范围内的二维图像数据进行第二次匹配，其中，加工原点坐标的领域范围与平移位置坐标的领域范围具有相同的大小，从而得到所述加工误差的三个精确定位位置参数，所述三个精确定位位置参数分别为精确定位平移参数、精确定位旋转参数和精确定位缩放参数，所述精确定位平移参数包括被测面形的平移量； 步骤四，根据所述平移位置坐标和所述精确定位位置参数得到所述平移位置坐标和所述精确定位位置参数对应的被测面形的面形分布，利用被测面形的面形分布和参考面形的面形分布计算得到误差指标值，所述误差指标值包括面形残差峰谷值和面形残差均方根值。

【技术特征摘要】
1.一种连续相位板加工误差识别方法，其特征在于，包括：步骤一，利用检测设备分别获取被测连续相位板的参考面形和被测面形的二维图像数据，所述被测面形为被测连续相位板所被加工形成的面形；步骤二，在进行第一次匹配之前，还对经所述步骤一获取的被测面形的二维图像数据和参考面形的二维图像数据进行预处理，所述预处理包括执行数据填补算法和去噪算法，所述数据填补算法为双线性插值算法，其填补所述被测面形的二维图像数据和所述参考面形的二维图像数据的缺失数据点，所述去噪算法为低通滤波去噪算法，其除去所述被测面形的二维图像数据和所述参考面形的二维图像数据的噪声点；利用相位相关算法对参考面形的二维图像数据以及被测面形的二维图像数据进行第一次匹配，得到加工误差的粗定位平移参数，所述粗定位平移参数包括所述被测面形的平移位置坐标；所述第一次匹配的具体过程为：a1)将经所述步骤二预处理后的所述被测面形的二维图像数据和所述参考面形的二维图像数据进行傅立叶变换，分别得到所述被测面形和所述参考面形的功率谱；a2)分别提取所述被测面形功率谱和所述参考面形功率谱的相谱；a3)根据所述被测面形的相谱和所述参考面形的相谱得到所述被测面形和所述参考面形的频域相关函数；a4)将所述频域相关函数进行傅立叶反变换，得到所述被测面形和所述参考面形的空间域相关函数及其峰值；a5)由所述峰值得到该峰值对应的平移位置坐标和平移值；步骤三，利用全局搜索方法对所述参考面形在加工原点坐标的领域范围内的二维图像数据以及被测面形在所述平移位置坐标的邻域范围内的二维图像数据进行第二次匹配，其中，加工原点坐标的领域范围与平移位置坐标的领域范围具有相同的大小，从而得到所述加工误差的三个精确定位位置参数，所述三个精确定位位置参数分别为精确定位平移参数、精确定位旋转参数和精确定位缩放参数，所述精确定位平移参数包括被测面形的平移量；步骤四，根据所述平移位置坐标和所述精确定位位置参数得到所述平移位置坐标和所述精确定位位置参数对应的被测面形的面形分布，利用被测面形的面形分布和参考面形的面形分布计算得到误差指标值，所述误差指标值包括面形残差峰谷值和面形残差均方根值。2.如权利要求1所述的方法，其特征在于，平移位置坐标的领域范围为以平移位置坐标为中心、以设定值为四边与中心的距离的方形区域，所述设定值根据检测设备的精度确定。3.如权利要求1或2所述的方法，其特征在于，所述步骤三中，所述第二次匹配的过程为：b1)设定所述三个精确定位位置参数的初始值，并根据检测设备的精度设定每个所述精确定位...

【专利技术属性】
技术研发人员：温圣林，颜浩，张远航，侯晶，唐才学，石琦凯，杨春林，
申请(专利权)人：四川睿光科技有限责任公司，
类型：发明
国别省市：四川;51