通过动态选择投影角度进行物品检查

摘要

公开了一种用于检查物品的方法、系统、用途和计算机程序产品。方法（1）包括：基于数值三维模型的模拟，使用辐射成像系统获取（2）物品的投影图像，并获得（3）物品的多个模拟投影图像，其中至少一个与模拟物品，模拟辐射源和模拟检测平面之间的相对朝向有关的几何参数在多个模拟图像上变化。该方法包括确定（4）物品相对于成像系统的相对朝向，所述相对朝向的确定包括将投影图像与多个模拟图像进行比较（9）。该方法包括：考虑视角和相对朝向，确定（5）至少一个旋转角度，移动（6）物品和/或成像系统，并在移动物品之后，获取（7）该物品的另一投影图像，使得该另一投影图像对应于该物品从视角的视角。

说明书

技术领域

本发明涉及用于物品的测试和/或质量保证的放射线成像领域，并且更具体地，本发明涉及一种用于通过投影成像，例如太赫兹成像或电离辐射成像，进行无损物品检查的方法和系统。

背景技术

如本领域中已知的，X射线计算机断层扫描（CT）可以用于广泛的工业应用中的无损测试和/或质量控制。在本领域已知的典型的基于CT的质量控制工作流中，获取要检查样本的数百至数千个等角X射线投影，以获得物体的体积信息。但是，这种方法可能会花费很长的获取时间，这降低了该方法在在线应用中进行质量控制（如用于缺陷检查或计量）的可用性和可行性。

为了检查目的，在本领域中也已知使用简单的二维（2D）X射线照相术。2D X射线检查的一个优点是它比断层扫描要快得多，但是显然不能提供与完整的三维（3D）重建相同的全面信息。

基于混合X射线的检查方法已被提出，该方法比3D重建更快，但比2D X射线射线照相术的直接应用更准确。例如，可以将物品的计算机辅助设计（CAD）模型的模拟投影图像与从物理物品获取的相应投影图像进行比较，以检测缺陷（即与模型的偏差），和/或得出物品的外部及内部形状外部的特征。在本领域中还已知估计用于这种比较的CAD模型的参数或直接从多个投影确定与标称几何形状的偏差。

WO 2019030449公开了一种用于通过射线照相成像对机械部件进行无损检查的方法和设备。在其中，获取要检查部件的至少一个真实图像，该真实图像可能包含潜在缺陷的指示。执行被检部件的3D模型的2D-3D重置，以在获取真实图像的射线照相图像期间，估计其3D位姿。然后，将该估计的位姿用于模拟实际图像的操作条件，以生成没有部件缺陷的参考图像。图像处理模块分别为真实图像和参考图像的每个像素生成第一特征矢量和第二特征矢量。通过比较真实图像和参考图像的每个像素的第一特征矢量和第二特征矢量，可以得出所检查部件的缺陷图。

该方法的缺点在于，在可以以良好的可见度对潜在缺陷进行成像之前，必须获取被检部件的许多真实图像，使得特征矢量的比较产生可靠的缺陷图。在需要高通量的在线工业过程中，反复的试错以找到被检查部件的真实图像的良好视角（对于每种类型的缺陷可能是不同的）可能是有问题的。此外，如果使用高分辨率射线照相图像来解决非常细小的缺陷，则将真实图像和参考图像的每个像素的特征矢量进行比较代表了一种计算上昂贵的方法。这可能会阻止该方法在需要近实时缺陷识别或分类的工业制造或处理环境中实施。

发明内容

本发明的实施例的一个目的是提供一种良好且有效的装置和方法，用于使用投影成像，例如X射线成像、伽马射线成像、光学透射成像和/或太赫兹成像，来进行物品检查。

根据本发明实施例的设备和方法实现了上述目的。

本发明实施例的一个优点在于，在物品检查，例如用于离线、独立在线、连续在线或近线无损测试、质量控制、故障检测和/或其他工业检查过程，中可以实现良好的速度和良好的准确性。

本发明实施例的一个优点在于，仅需要有限数量的投影图像，优选地是最佳数量的投影图像，以获得足够的信息以进行准确的物品检查。例如，基于物品中可能发生缺陷的可能区域的先验知识，例如一个或多个预定的感兴趣区域，用于图像采集的一种或多种特定几何形状，例如视角，不一定限于单个角度（例如3D角度），并且不一定仅限于角度分量（例如可能包括相对于物体的辐射源），可以确定可以很好地检测和/或表征物品中缺陷的物体。

根据本发明实施例的方法的优点在于，可以利用有限数量的投影图像来实现物品的无损3D检查，例如无需对图像进行断层成像重建。这可以通过依赖于物品或其组件中的至少一个的3D模型来实现，例如从容易获得的CAD数据中，以模拟投影图像，并将模拟投影图像与获取的投影图像关联和/或比较。因此，可以基于（有限的）投影数据以3D方式评估物品中的缺陷，例如物品组件组合中未对准的组件。

本发明实施例的一个优点在于，可以根据先前的知识，例如定义其名义几何形状和/或关于该物品、其可能的缺陷和/或该物品可能发生这种缺陷的区域的其他信息的CAD模型，快速确定（例如以不大量的时间允许以连续在线或近线过程进行应用）用于获取有限数量的投影图像的投影几何参数。

根据先前迭代的结果，将迭代过程的至少一个迭代限制在确定的感兴趣区域（ROI）方面，这是一个优点，可以轻松检测到涉及缺失组件的故障。例如，仅通过投影就可以容易地定义ROI，从而可以避免对图像数据中缺失组件的详细搜索。但是，使用感兴趣物品的详细模型的进一步步骤允许检测ROI中的缺陷部件。因此，可以大大降低计算成本。

第一方面，本发明涉及一种用于检查至少一个物品的无损方法。该方法包括使用辐射成像系统获取一个或多个物品的投影图像。该方法包括基于对物品或至少一个物品组件的数值三维模型的模拟来获得该（或每个）物品或其至少一个组件的多个模拟投影图像，其中与介于所模拟物品、模拟辐射源和模拟检测平面之间的相对朝向有关的一个几何参数在多个模拟投影图像上存在变化。该方法包括确定该（或每个）物品相对于辐射成像系统的相对朝向，其中，该相对朝向的确定包括将投影图像与多个模拟投影图像进行比较。该方法包括考虑视角和相对朝向来确定至少一个旋转角度（例如，一个或多个旋转角度，可选地，还包括一个或多个平移分量）。该方法包括根据至少一个旋转角度移动物品和/或成像系统（例如相对于彼此）。该方法包括在移动物品的步骤之后，获取物品的另一投影图像，使得该另一投影图像对应于从视角观察的物品视图。

在根据本发明实施例的方法中，确定相对朝向、确定至少一个旋转角度、移动物品以及获取另一投影图像的步骤可以重复（循环），以用于一个或多个另外的视角，在该视角中，使用最后获取的其他投影图像或先前获取的其他投影图像的组合作为投影角。在随后的重复循环中，确定相对朝向、确定至少一个旋转角度、移动物品以及获取另一投影图像的步骤基于该投影角。

在根据本发明实施例的方法中，获得多个模拟投影图像可以包括获得多个模拟投影图像的库，其中，基于所述三维数值模型来预先计算所述多个模拟投影图像。

在根据本发明实施例的方法中，获得多个模拟投影图像可以包括获得所述物体的所述三维数值模型，并为至少一个几何参数的值，基于所述物体的所述数值模型对多个物体进行模拟。

在根据本发明实施例的方法中，模拟多个模拟投影图像的步骤可以包括将来自源的电离辐射的多色射线通过数值模型虚拟地投射到模拟图像检测器上，其中辐射成像系统的几何参数和光谱参数基本上对应于用于虚拟投射所述多色射线的那些模拟图像检测器。

根据本发明实施例的方法可以包括确定与该物品的一个或多个具有良好可见性的角度相对应或围绕其聚类的一个视角和/或一个或多个其他视角。

在根据本发明实施例的方法中，确定一个视角和/或一个或多个其他视角可包括通过优化在至少一个几何参数上的多个模拟投影图像中的二维感兴趣区域中的质量度量来计算一个或多个视角。替代地或附加地，可以使用数值模型中的感兴趣三维区域中的质量度量，在至少一个几何参数上，将该质量度量重新投影到多个模拟投影图像中的相应二维区域上。

感兴趣区域可以涉及先验已知的物品部分，因为它们在物品的制造过程中的相关性，例如已知容易产生缺陷，如焊缝。感兴趣区域还可以涉及从中组装物品的组件。

在根据本发明实施例的方法中，确定视角和/或一个或多个其他视角可以包括将机器学习算法应用于至少一个几何上的多个模拟投影图像以进行预测，作为输出，相对于要检查物品的一个或多个视角。

在根据本发明实施例的方法中，确定物品相对于辐射成像系统的相对朝向可以包括：确定投影图像与从多个投影图像中选择的模拟投影图像之间的二维变换。其中该变换是通过对投影图像和模拟投影图像之间的图像相似性度量进行数值优化来确定的，其中，所述二维变换的一个或多个参数指示投影图像平面中的物品的平移和/或旋转。可替代地，可以通过将投影图像作为输入应用到机器学习算法中，其中机器学习算法已经被训练为使用多个模拟投影图像作为训练数据来预测二维变换，来确定投影图像和从多个模拟投影图像中选择的模拟投影图像之间的二维变换。

在根据本发明实施例的方法中，确定物品的相对朝向可以包括通过二维变换来变换投影图像以获得变换的投影图像，其中该物品基本上如所选的模拟投影图像中那样定位和定向。

在根据本发明实施例的方法中，确定物品的相对朝向可以包括考虑二维变换的一个或多个参数来确定物品在三维空间中的位置和朝向。对于通过机器学习算法预测二维变换的方法，可以将相同的机器学习算法配置为还预测物品在三维空间中的位置和朝向。

在根据本发明实施例的方法中，可以根据至少一个几何参数来优化变换后的投影图像和多个模拟投影图像之间的图像相似性度量，以确定所述至少一个几何参数。备选地，可以将至少一个几何参数确定为与所获取的投影图像一起呈现所述机器学习算法的预测输出，其中，通过使用多个模拟投影图像和相关的几何参数作为训练数据，机器学习算法已被训练来预测至少一个几何参数。

在根据本发明实施例的方法中，可以通过考虑二维变换的至少一个几何参数和一个或多个参数来确定物品在三维空间中的位置和朝向。

在根据本发明实施例的方法中，确定至少一个旋转角度还可以包括确定至少一个平移分量。

在根据本发明实施例的方法中，移动物品和/或成像系统，例如相对于彼此而言，可包括根据至少一个旋转角度和至少一个平移分量来移动物品和/或成像系统。

在根据本发明实施例的方法中，获取物品的投影图像可以包括获取其中对多个物品成像的投影图像，该方法还包括分别确定多个物品中的每一个的相对朝向和/或位置。

在根据本发明实施例的方法中，在分别移动物品和/或成像系统以考虑每个确定的相对朝向和/或位置之后，可以分别为多个物品中的每一个获取另外的投影图像。

在根据本发明实施例的方法中，与介于所模拟物品、模拟辐射源和模拟检测平面之间的相对朝向有关的该至少一个几何参数在多个模拟投影图像上存在变化，该第一几何参数对应于用于移动（即，在移动步骤中）物品和/或成像系统的旋转自由度和/或平移自由度。

在根据本发明实施例的方法中，所述至少一个几何参数可以至少包括第二几何参数，其对应于所述物品相对于不受所述移动步骤控制的成像系统的旋转自由度和/或平移自由度。

在根据本发明实施例的方法中，可以输出至少一个几何参数。例如，该方法可以包括输出物品相对于辐射成像系统的至少一个确定的旋转角度或相对朝向和/或平移。

在根据本发明实施例的方法中，例如，对于所选择的模拟投影图像，可以输出在变换的投影图像与多个模拟投影图像中的一个或多个之间的至少一个质量度量。输出步骤可以包括在（所选的）模拟和获取的投影图像的每个对应对中定义感兴趣区域。

在根据本发明实施例的方法中，该方法可以包括，作为进一步的步骤，基于先前通过将根据实施例的方法应用于多个这样的类似物品而获取的分类数据集，来对所检查的物品进行分类。例如，分类步骤可以包括对质量度量进行线性判别分析以对每个物品进行分类。分类可以包括根据一种或多种物品组件中存在的一种或多种缺陷对被检物品进行分类的步骤，即，对有缺陷或缺失的组件进行分类。

第二方面，本发明涉及一种用于检查物品的系统。该系统包括用于获取物品的投影图像的辐射成像系统；模拟器或预先计算库，用于基于物品的数值三维模型的模拟来提供物品的多个模拟投影图像，其中至少一个与模拟物品、模拟辐射源和模拟检测平面之间的相对朝向有关的几何参数在多个模拟投影图像上变化；以及处理器，用于确定物品关于辐射成像系统的相对朝向（可选地，也为相对位置）。确定相对朝向包括将投影图像与多个模拟投影图像进行比较。该处理器适于考虑视角和所确定的相对朝向（和/或位置）来确定至少一个旋转角度（可选地，也为一个或多个平移分量）。该系统包括由处理器控制的致动器，用于移动物品和/或成像系统，例如相对于彼此。根据所确定的至少一个旋转角度（和/或平移分量），例如相对于彼此定位和/或定向物品和/或成像系统，以获取物品的另一投影图像，该另一投影图像对应于从视角观察的物品视图。

在根据本发明实施例的系统中，处理器可以适于重复确定相对朝向，确定至少一个旋转角度，移动物品并针对一个或多个其他视角获取另一投影图像，其中最后获取的另一投影图像用作在后续重复循环中对其进行操作的投影图像。

在根据本发明实施例的系统中，处理器可以适于确定投影图像和从多个模拟投影图像中选择的模拟投影图像之间的二维变换，所述变换是通过对投影图像之间的图像相似性度量进行数值优化来确定的。其中所述二维变换的一个或多个参数指示所述物品在所述投影图像平面中的平移和/或旋转。

在根据本发明实施例的系统中，处理器可以适于通过二维变换来变换投影图像，以获得变换的投影图像，其中，与在所选择的模拟投影图像中一样，物品基本上被定位和定向。并在考虑二维变换的一个或多个参数的情况下确定物品在三维空间中的位置和朝向。

在根据本发明实施例的系统中，处理器可以适于根据至少一个几何参数来优化变换的投影图像和多个模拟投影图像之间的图像相似性度量，以确定至少一个几何参数，并且在考虑至少一个几何参数和所述二维变换的一个或多个参数的情况下，用于确定物品在三维空间中的位置和朝向。

在另一方面，本发明涉及根据本发明实施例的方法或系统的用途，在制造或操纵多个物品的制造或处理环境中，用于多个物品中的每个物品的质量控制、测试、分类、选择、计量和/或排列。

根据本发明该方面实施例的用途可以用在工业过程中连续在线、近线、独立在线或离线检查物品。例如，连续在线可以指的是对工业生产线（例如在传送带或用于处理流动中物品的类似机构上）上的物品直接评估。独立在线可以指的是例如对物品样本进行测试，方法是将该样本组的物品从第一条工业生产线转移到第二条生产线以测试物品，例如具有较低通量的，适合从一级生产线上的物品抽取的抽样子群。近线和离线可以是指从一级生产线中提取样本进行测试，而无需在自动化生产线上处理提取的样本。近线测试与离线测试之间的区别可能在于样本是否在生产线的工业环境下进行测试，例如在同一个设备中，或者对于后者，在专用设备中，例如实验室。

在又一方面，本发明涉及一种计算机程序产品，该计算机程序产品用于当在可操作地连接至辐射成像系统以控制投影图像的获取时，及连接至致动器上以在相对于成像系统移动被检查物品时，实现根据本发明实施例的方法。

在所附的独立权利要求和从属权利要求中陈述了本发明的特定和优选方面。来自从属权利要求的特征可以适当地与独立权利要求的特征以及其他从属权利要求的特征相结合，而不仅限于权利要求中明确提出的特征。

参考下文描述的实施例，本发明的这些和其他方面将变得显而易见。

附图说明

图1示出了根据本发明实施例的方法。

图2示出了根据本发明实施例的系统。

图3示出了在说明本发明实施例的示例中的系统几何形状。

图4示出了在说明本发明实施例的示例中用于对物品成像的目标视角。

图5示出了在说明本发明实施例的示例中包含在目标视角附近的附加角度参数的扩展库。

图6示出了根据本发明实施例的示例性方法的流程图。

图7示出了在说明本发明实施例的示例中，角度δ的角度估值的绝对差误差，其中，朝向和位置参数是随机采样的，且假定角度γ为已知。

图8示出了在说明本发明实施例的示例中，角度φ的角度估值的绝对差误差，其中，朝向和位置参数是随机采样的，且假定角度γ为已知。

图9示出了在说明本发明实施例的示例中，位置分量x估值的绝对差误差，其中，朝向和位置参数是随机采样的，且假定角度γ为已知。

图10示出了在说明本发明实施例的示例中，位置分量y估值的绝对差误差，其中，朝向和位置参数是随机采样的，且假定角度γ为已知。

图11示出了在说明本发明实施例的示例中，位置分量z估值的绝对差误差，其中，朝向和位置参数是随机采样的，且假定角度γ为已知。

图12示出了在说明本发明实施例的示例中，角度γ的角度估值的绝对差误差，其中，朝向和位置是随机采样的。

图13示出了在说明本发明实施例的示例中，角度δ的角度估值的绝对差误差，其中，朝向和位置是随机采样的。

图14示出了在说明本发明实施例的示例中，角度φ的角度估值的绝对差误差，其中，朝向和位置是随机采样的。

图15示出了在说明本发明实施例的示例中，位置分量x估值的绝对差误差，其中，对朝向和位置进行随机采样。

图15示出了在说明本发明实施例的示例中，位置分量x估值的绝对差误差，其中，朝向和位置是随机采样的。

图16示出了在说明本发明实施例的示例中，位置分量y估值的绝对差误差，其中，朝向和位置是随机采样的。

图17示出了在说明本发明实施例的示例中，位置分量z估值的绝对差误差，其中，朝向和位置是随机采样的。

图18示出了在与本发明实施例有关的示例中，加权对比度的变化作为用于模拟数据的投影角的函数曲线图，该曲线图是在包含用于检查组件的ROI中计算出的。

图19示出了在与本发明实施例有关的示例中，对一组30个样本执行的线性判别分析的规范图。

图20示出了在与本发明实施例有关的示例中，窗口对准处理的结果。

附图仅是示意性的并且是非限制性的。在附图中，出于说明目的，一些元件的尺寸可能被放大并且未按比例绘制。

权利要求中的任何附图标记不应被解释为限制范围。

在不同的附图中，相同的附图标记指代相同或相似的元件。

具体实施方式

将针对特定实施例并参考某些附图来描述本发明，但是本发明不限于此，而是仅由权利要求书来限定。所描述的附图仅是示意性的而非限制性的。在附图中，出于说明目的，一些元件的尺寸可能被放大并且未按比例绘制。尺寸和相对尺寸不对应于实施本发明的实际减小。

应当注意，权利要求中使用的术语“包括”不应被解释为限于其后列出的装置；它不排除其他元件或步骤。因此，应将其理解为指定所提及的所述特征、整体、步骤或组件的存在，但并不排除一个或多个其他特征、整体、步骤或组件或其组的存在或增加。因此，表述“包括装置A和B的设备”的范围不应限于仅由组件A和B组成的设备。这意味着相对于本发明，设备的唯一相关组件是A和B。

在整个说明书中，对“一个实施例”或“一实施例”的引用是指结合该实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书中各处出现的短语“在一个实施例中”或“在一实施例中”不一定都指的是同一实施例，而是可以。此外，从本公开中，如本领域普通技术人员可显而易见地以任何合适的方式将特定特征、结构或特性组合在一个或多个实施例中。

类似地，应当理解，在本发明示例性实施例的描述中，有时将本发明的各种特征组合在单个实施例、附图或其描述中，以简化本公开并帮助理解一个或多个各种发明方面。然而，本公开的方法不应被解释为反映了这样一种意图，即所要求保护的发明需要比每个权利要求中明确叙述的特征更多的特征。相反，如所附权利要求所反映的，发明方面在于少于单个前述公开实施例的所有特征。因此，特此将具体说明书之后的权利要求明确地并入该具体说明书中，其中每个权利要求独立地作为本发明的独立实施例。

此外，尽管本文描述的一些实施例包括其他实施例中包括的一些但不包括其他的特征，但是不同实施例的特征的组合意在在本发明的范围内，并且形成不同的实施例，如本领域技术人员将理解的。

在本文提供的描述中，阐述了许多具体细节。然而，应当理解，可以在没有这些具体细节的情况下实践本发明的实施例。在其他情况下，未详细示出公知的方法、结构和技术，以免混淆对本说明书的理解。

在第一方面，本发明涉及一种检查物品的方法，例如用于工业过程中物品的连续在线或离线检查。工业过程中的物品检查涉及详细检查，以检测缺陷、瑕疵、尺寸变化、不连续性、夹杂物、变形等。该方法可以是计算机实现的方法。

该方法包括使用辐射成像系统获取物品的投影图像。用于物品检查的射线照相投影通常使用一种辐射，在这种辐射下，被检查物品看起来是半透明的，因为这样可以可靠地检查被检查物品的深内部体积，在这种情况下，通过辐射进行表面敏感的审查，例如在可见光波长处，对物品外部边界进行相机成像可能不足以提供此详细信息。如果被检查物品至少部分对可见光半透明，则不必排除使用可见光的射线照相投影，例如包括玻璃、透明聚合物或其他不透明材料的透明或半透明物品。

该方法包括基于对物品的数值三维模型的模拟来获得物品的多个模拟投影图像，其中，至少一个几何参数在多个模拟投影图像上变化。该至少一个几何参数涉及，例如表示如为模拟物品、模拟辐射源和模拟检测平面之间的相对朝向。物品的数值三维模型可以是物品的3D实体模型（虚拟）表示形式，例如在计算机中的实体模型，其可以包括一个或多个组装该实体的组件。数字3D实体模型可以对应于三维计算机辅助设计（CAD）模型，例如用于设计和/或制造物品。 CAD模型是物品表示或从中构建物品的组件装配的虚拟模型表示。例如，CAD模型是组装模型，其包括作为组装部件的物品的一个或多个组件以及它们的几何或机械相关性和约束。例如，CAD模型可以考虑多个组件相对于彼此的对准和/或定向的变化。CAD模型可以通过体积网格、具有隐式体积定义的多边形网格，通过代表物品边界的一组曲面或曲线、建设性的实体几何形状（CSG建模）来虚拟表示该物品及其组件（如果适用）。不同的表示可以被相互转换。物品的CAD模型可以以许多不同的可用格式存储，例如，以立体光刻（STL）格式的CAD模型。3D数值实体模型可以进一步包括描述物品和/或其组件形状的统计形状模型。例如，CAD模型可以是参数模型，其通过参数曲线和/或表面或通过参数化的网格变形来参数化物品形状边界。此外，实体模型通常包括与虚拟表示的物品的体积相关的材料属性数据。材料属性数据可以代表模型的组成材料的物质-辐射相互作用，例如，包含在模型中，作为附加到模型的元数据或作为索引建模的物品组件的单独数据结构。例如，在一个特别简单的实施例中，实施例不限于此，可以假设建模的物品具有均匀的材料成分和均匀的（无线电）密度，并且可以直接通过其边界坐标或具有间接描述边界的参数来描述（例如球体半径和位置）。对于物品的CAD模型，其他数据可以与虚拟表示相关联，例如尺寸，角度等的预期制造公差或统计估计的制造公差。

该方法包括确定物品相对于辐射成像系统的相对朝向，可选地，还包括相对位置，其中，确定相对朝向的该步骤包括将投影图像与多个模拟投影图像进行比较。该方法包括确定至少一个旋转角度，可选地，还包括一个或多个平移分量，考虑视角和相对朝向，可选地，以及相对位置，并根据至少一个旋转角度，移动物品和/或成像系统。该方法包括：在移动物品的步骤之后，获取物品的另一投影图像，使得该另一投影图像对应于从视角的物品视图。如在下文中详细讨论的，该方法可以在多个期望的视角上迭代，该期望的视角可以是预定的，由用户指定或计算的。

因此，公开了一种方法，当物品的位置和/或朝向是先验未知时，例如仅已知至多达到预定精度和/或仅对于位置和/或朝向的某些参数是已知的，而未知或仅为已知至多达到位置和/或朝向的至少一个其他参数的预定精度，从预定的视角动态地获取一个或多个投影图像。例如，（但不限于），其中位置和/或朝向的至少一个参数可以随机分布。该方法允许动态估计未知物体的朝向和/或位置。这种基于模型的检查方法，例如基于通过CAD模型、形状模型或定义了物体的轮廓和/或内部（标称）结构的其他模型的辐射传输模拟而获得的模拟投影图像，可以有利地提供快速的（例如近实时的）基于投影的检查。

参照图1，示出了根据本发明实施例的用于检查物品的方法1。

该方法包括使用辐射成像系统获取2物品的投影图像。辐射成像系统可以包括电离辐射成像系统或使用投影成像的另一成像系统，例如太赫兹成像或光学透射成像。辐射成像系统可以包括：放射源，用于投射穿过物品的放射线；以及成像检测器，当传输通过物品的放射线撞击到成像检测器上时，该成像检测器用于生成二维图像。辐射成像系统可以包括用于移动放射源的致动器和成像检测器，例如围绕要成像的物品旋转光源和检测器。辐射成像系统可以包括用于移动物品的致动器，例如旋转台（如转盘），和/或平移台。

该方法包括基于对物品的数值三维模型（例如，CAD模型）的模拟来获得3物品的多个模拟投影图像。数值模型可以包括获得指定物品内部结构的物品的计算机辅助设计模型。数值模型可以包括或可以用表示对象的构成材料的物质-辐射相互作用的材料属性数据来注释，例如用于模拟。

至少一个几何参数在多个模拟投影图像上变化。该至少一个几何参数涉及模拟物品，模拟辐射源和模拟检测平面之间的相对朝向。例如，该至少一个几何参数可以包括一个，两个或三个角度，这些角度定义了物品的朝向，例如欧拉角。该至少一个几何参数可以包括一个，两个或三个距离，这些距离定义了物品的位置，例如，一个三维空间中的平移矢量。

优选地，该至少一个几何参数至少包括物品围绕轴的旋转角度，该轴平行于成像平面定向，使得模拟投影图像包含该物品的补充成像信息，该补充成像信息不能由任何一个模拟投影图像获得。

获得3多个模拟投影图像可以包括获得多个模拟投影图像的库，其中，基于三维数值模型来预先计算多个模拟投影图像。

获得多个模拟投影图像可以包括：获得物品的三维数值模型；以及基于物品的数值模型针对至少一个几何参数的多个值来模拟多个投影图像。因此，该方法可以包括预计算该库，或者该方法可以包括在将投影图像与多个模拟投影图像进行比较的步骤中，针对至少一个几何参数的一个或多个值来计算模拟投影图像，例如动态模拟。模拟多个模拟投影图像的步骤可以包括将来自辐射源的电离辐射的多色射线通过数值模型虚拟地投射到模拟图像检测器上，其中辐射成像系统基本上对应于用于虚拟投射所述多色射线的几何参数和光谱参数。例如，模拟的几何参数可以考虑检测器尺寸和/或检测器元件间距，源-检测器距离，（至少近似的）源-物品距离和/或辐射成像系统的辐射光谱。

可以测量多色射线的光谱分布（例如，基于针对用于在该方法中获取投影图像的辐射成像系统获得的测量结果）或通过已知技术来估计多色射线的光谱分布。光谱分布还可以连续在线确定，例如通过在下文进一步描述的迭代方法中包括光谱分布的参数，以及通过最小化测量数据和模拟数据的强度值之间的差异，来实现。

同样地，描述辐射成像系统几何构造的几何参数可以通过初步测量或中间测量来约束。例如，可以使用3D模型确定几何参数，或者在初步校准步骤中使用校准体模、检测器、体模和光源位置的CAD调制解调器数据确定几何参数。例如，可以使用爬山算法来优化这样的参数。

因此，该方法还可以包括测量或估计由辐射成像系统的放射源发射的多色射线的光谱分布。该方法可以包括测量在所述模拟中使用的辐射成像系统的几何参数。

该方法包括确定4物品相对于辐射成像系统的相对朝向。

确定相对朝向（以及可能还有相对位置）包括将投影图像与多个模拟投影图像进行比较。在确定相对朝向时，可以考虑到实践中遇到的物品相对朝向和/或位置变化的先验信息。

确定4物品相对于辐射成像系统的相对朝向可以包括确定投影图像与从多个模拟投影图像中选择的一个模拟投影图像之间的二维变换。例如，可以基于第一猜测（例如，默认值）或至少一个几何参数的近似来选择模拟投影图像。例如，该至少一个几何参数可以包括物品绕平行于成像平面轴的旋转角度，并且可以假设当被成像时物品的先验未知朝向接近这个角度的默认值，例如可以围绕该角度的中心值随机分布。此外，该方法可以包括迭代优化，其中在随后的步骤中获得对至少一个几何参数的更准确的估计，其可以用于重复选择步骤。可以重复此过程一个或多个迭代。备选地，该选择可以基于在至少一个几何参数上的投影图像和模拟投影图像之间的图像相似性度量的优化。

可以通过在数值上优化投影图像和选择的模拟投影图像之间的图像相似性度量，例如互信息或相似性的另一定量度量，来确定投影图像和选择的模拟投影图像之间的二维变换，其中二维变换的一个或多个参数指示平移和/或旋转投影图像平面中的物品。例如，一个或多个参数可以包括仿射变换参数、缩放参数、2D平移参数和/或2D旋转参数。

确定4物品的相对朝向还可以包括通过二维变换来变换投影图像，以获得变换的投影图像，在该变换的投影图像中，与所选择的模拟投影图像中一样，物品基本上定位和朝向。

确定4物品的相对朝向可以包括考虑二维变换的一个或多个参数来确定物品在三维空间中的位置和朝向。

例如，可以将3D中物品的位置和朝向确定为连接3D中的源位置和检测器平面上代表物品图像的位置和朝向的3D矢量的线上（或足够接近）的点。可以通过将图像与多个模拟图像进行比较来确定沿着该线的位置，例如通过有利地针对沿着线的不同位置和/或考虑像素值的差异，使用物品的不同缩放比例。当针对从多个不同观察几何形状（例如，视场）获得的多个投影图像重复该方法时，这样的线（对于每个投影图像均可获得的）可被数值地相交以确定3D中的位置和朝向（或改善3D中的位置和朝向的先前估计）。如果以不同的角度获取多个投影图像，则多个投影图像的数量可以在2至20的范围内，例如在2至15范围内，例如在2至10的范围内，例如在2至8的范围内，例如在2到6的范围内，例如在2到5的范围内，例如3或4。因此，可以优化所需图像获取的数量，例如可以减小，以通过少量的投影角度获得物品的良好可见性，以获取投影图像（例如，以获得良好的图像互补性）。

例如，可以根据至少一个几何参数来优化在变换的投影图像和多个模拟投影图像之间的图像相似性度量，例如结构相似性指数度量，以确定该至少一个几何参数。图像相似性度量可以基于像素，并在填充后的变换投影图像上进行评估，以作为参考，或者可以仅使用变换投影图像的部分信息，然后用作缩小的参考。其他相似性度量包括视觉信息保真度、均方误差或（峰值）信噪比、迭代重加权线性最小二乘法或Student-t统计法。

在变换的投影图像与多个模拟投影图像之间的快速匹配过程以确定该至少一个几何参数可以进一步依赖于特征索引方法，例如通常在信息检索领域中使用的特征索引方法。例如，可以基于高斯差分滤波器，尺度不变特征变换（SIFT）描述符和基于具有优先级队列的kd树搜索的快速匹配器来实现感兴趣区域的尺度协变检测器，以建立本地对应。

此外，根据本发明的特定实施例，在变换的投影图像与多个模拟投影图像之间的匹配过程以确定该至少一个几何参数可以包括将扰动理论（在Radon投影空间中）应用于对辐射成像的模拟，例如在模拟器中。基于扰动理论，在可以假设物品或至少一个物品组件的表面足够光滑的实施例中，可以线性化名义投影值（例如由非线性正向模型计算出的）的变化。结果，然后可以在所获取的投影图像和被扰动的线性化模拟投影图像之间更有效地执行步骤：将变换后的投影图像与多个模拟投影图像进行比较，并通过优化相似性度量从多个模拟投影图像中选择模拟投影图像。

备选地，根据本发明的特定实施例，可以实施在变换的投影图像和多个模拟投影图像之间的迭代的，鲁棒的匹配过程，以确定该至少一个几何参数。迭代的，鲁棒的匹配过程可以用于微调视角。在多尺度变型中，可以对模拟投影图像进行预先计算，并将其划分为不同的细节级别，例如使得经由二维变换的对准过程可以以迭代方式执行，例如 从粗粒度对准到更精确的对准。可以在第一阶段中组织迭代过程，在该第一阶段中，仅模拟相对少量的投影图像，例如，进行初始快速对准。在第二阶段中，可以考虑在3D数值模型中定义的或至少在坐标空间（其可以通过预先确定的变换变换为3D模型的坐标空间，例如在根据3D模型的坐标框架定义的3D网格结构或立方体积之中）中定义的感兴趣的三维区域，以将过程集中在需要执行质量控制的物品区域上。在第三阶段，可以仅考虑要检查的一个物品组件。换句话说，迭代过程可以在不同的步骤中涉及不同的3D模型或子模型，例如从要检查的物品的粗略模型开始，然后专注于感兴趣物品的特定区域，最后使用物品或物品组件的详细模型。感兴趣区域（ROI）可以是预先确定的，例如。在3D模型中定义为3D区域，要在其中找到感兴趣的组件和/或可以预期可能出现缺陷的区域。例如，可以确定ROI以便区分有缺陷的物品和无缺陷的物品。此外，通过限制比较和/或选择的步骤，例如在迭代过程的至少一个步骤中，但是不必限于仅迭代过程的一部分，例如可能将其应用于比较和/或选择与要测试的组件相关的ROI的整个方法步骤，例如，可能仅需要评估部分投影，这样可以获得速度的提高。

物品在三维空间中的位置和朝向可以通过考虑该至少一个几何参数和二维变换的一个或多个参数来确定。例如，该至少一个几何参数可以包括不能直接从2D变换获得的物品的位置和/或朝向的互补3D信息。但是，当综合考虑时，可以得出物品的3D位置和朝向的完整特征。

还应当清楚的是，可以在投影图像中同时成像多个物品，并且可以将根据本发明实施例的方法应用于这些物品中的每一个，以单独确定每个物体的相对朝向和/或位置。例如，可以将分割算法应用于投影图像以检测单独的物品，并且可以单独考虑每个物品以得出每个物品的3D位置和朝向的完整特征。此外，可以考虑对这些物品相对于彼此的相对位置和/或朝向的约束，例如通过将物品的一个或多个旋转角度限制为相同和/或将物品之间的相对距离限制为已知距离来实现。

如上文已经指出的，可以迭代地使用变换的模拟图像来细化从多个模拟投影图像中对模拟投影图像的选择，重复选择模拟投影图像（及其相关联的至少一个几何参数）的步骤，确定2D变换并变换投影图像，例如直到实现或假定收敛。

此外，可以在粗略估计步骤中使用预先计算的模拟投影图像的库或接近实时模拟的过程，例如用于确定第一角度；以及精细估计步骤，例如用于确定一组三个互补欧拉角，例如每个物品。

该方法包括在考虑视角和相对朝向的情况下确定5至少一个旋转角度。例如，使用物品相对于成像系统所确定的相对朝向和/或位置，可以确定物品和/或成像系统的合适的旋转和/或平移，例如，使用基本线性代数运算，以实现物品相对于成像系统（其对应于视角）的相对位置和/或朝向。

视角（和/或其他视角）可以是预先确定的，例如，由用户定义以指示需要检查物品的视角。然而，该方法还可包括确定10视角和/或与所述物品的良好可见性的一个或多个角度相对应或围绕其聚集的一个或多个其他视角。

这些视角或可视角可以表示物体的朝向，其中组件最可见或其中缺陷最易检测。多个可视角的组合也可以共同地对应于用于检测物品的缺陷或感兴趣特征的最佳（或足够接近最佳）的组合。此外，可以同时对多个物品进行成像，例如，当同时被放置在成像系统的视野中时，作为被成像的较大物体的组件或通过对多个物品进行成像来成像。因此，多个可视角可以对应于不同的可视角或不同的可视角组，以分别检测每个物品的缺陷或特性。

换句话说，基于需要验证的物品的特性，可以确定多个最佳观察朝向，例如，可以由用户指定，可以自动计算或两者结合使用。举例来说，该方法可包括通过对感兴趣区域（ROI）中的视点熵，对比度度量或另一质量度量的优化，在至少一个几何参数上计算一个或一个以上视角，例如，在感兴趣区域（ROI）中，要评估的组件或可能的缺陷位于物品中。通过这种优化获得的该至少一个几何参数可以以直接的方式用于计算视角。可以重复该过程以获得质量度量的多个局部最大值和/或针对不同的感兴趣区域来制定多个视角。本发明的实施例不限于这种方法。例如，可以应用深度学习、机器学习或人工智能方法来确定一组视角，这些视角共同允许物品的良好表征和/或物品中的缺陷检测。

该方法包括根据该至少一个旋转角度移动6该物品和/或该成像系统，并且在移动6所述物品之后，获取7所述物品的另一投影图像，使得所述另一投影图像从视角对应于物品的视图。

此外，确定5该至少一个旋转角度还可以包括确定至少一个平移步骤，并且移动6物品和/或成像系统还可以包括根据至少一个旋转角度和至少一个平移步骤来移动物品和/或成像系统。该移动可以包括平移，例如使用支撑该物品的转盘。该移动可以包括使成像系统围绕物品旋转第一角度，例如使用旋转龙门或在多个互补角度上使用，例如使用具有两个或三个旋转自由度的机械手。

在根据本发明实施例的方法中，可以针对一个或多个其他视角，确定4相对朝向，确定5该至少一个旋转角度，移动6物品以及获取7另一投影图像可被重复8。然后，将所获取的7另一投影图像用作投影图像，在随后的重复循环中对其进行操作，例如，以确定相对定向和至少一个旋转角度。

参照图2，在第二方面，本发明涉及一种用于检查物品的系统20。该系统包括辐射成像系统21，辐射成像系统21例如包括辐射源和辐射成像检测器，如电离辐射源和电离辐射成像检测器，用于获取物品28的投影图像。该系统包括模拟器22或预先计算的库22，用于提供多个基于物品数值三维模型的模拟的物品的投影图像，其中至少一个几何参数，例如与模拟物品、模拟辐射源和模拟检测平面之间的相对朝向有关的一个或多个旋转角度在多个模拟投影图像上变化。

该系统包括处理器23，例如计算机、中央处理单元、现场可编程门阵列或专用集成电路。处理器23适于确定物品相对于辐射成像系统的相对朝向，其中确定相对朝向包括将投影图像与多个模拟投影图像进行比较。

处理器23可以适于确定投影图像和从多个模拟投影图像中选择的一个模拟投影图像之间的二维变换，其中，该变换是通过对投影图像和模拟投影图像之间的图像相似性度量进行数值优化来确定的。其中二维变换的一个或多个参数指示物品在投影图像平面中的平移和/或旋转。

处理器可以适于通过二维变换来变换投影图像，以获得变换后的投影图像，其中，如在所选择的模拟投影图像中那样，物品基本上被定位和定向。处理器可以适于考虑二维变换的一个或多个参数的情况下，来确定物品在三维空间中的位置和朝向。

该处理器可以适于根据该至少一个几何参数来优化该变换的投影图像与所述多个模拟投影图像之间的图像相似性度量，以确定该至少一个几何参数，并且用于在考虑该至少一个几何参数和该二维变换的一个或多个参数的情况下，确定物品的位置及朝向。

该处理器适合于在考虑一个视角，如一个预先确定的视角，及确定的相对朝向的情况下，确定至少一个旋转角度。

该系统包括由所述处理器23控制的致动器24，用于根据所确定的至少一个旋转角度来移动物品和/或成像系统，以便相对于彼此定位和/或定向物品和/或成像系统，以从视角获取与物品的视图相对应的物品的另一投影图像。

该处理器可适于重复确定相对朝向，确定该至少一个旋转角度，移动物品并针对一个或多个其他视角获取另一投影图像，其中最后获取的另一投影图像用作在以下重复循环中对其进行操作的投影图像。

在另一方面，本发明涉及根据本发明实施例的方法或系统的用途，在制造或操纵多个物品的制造或处理环境下，用于多个物品中的每个物品的质量控制、测试、分类、选择、计量和/或排列。

在另一方面，本发明涉及一种计算机程序产品，当在处理器上执行时，该计算机程序产品实现根据本发明实施例的方法，例如通过与辐射成像系统和致动器交互。

鉴于以上提供的与根据本发明实施例的方法有关的描述，根据本发明实施例的设备、用途和/或计算机程序产品的其他特征或以上描述的特征的细节将是清楚的。

在下文中，给出了用于说明本发明实施例各方面的示例。提供这些示例以帮助技术人员理解本发明并将本发明简化为实践，但是不应解释为将本发明限制为所呈现的示例的具体特征。

在不失一般性的前提下，在本示例中，使用了典型的基于转盘的微型CT（µCT）设置。将物品放置在µCT系统的转盘上，位于固定的X射线源和检测器之间。本领域技术人员应当理解，这种设置可以被认为基本上等同于其中物品被定位在固定位置而X射线源和/或X射线检测器的位置可以改变的系统，例如围绕物品旋转。还应理解，在这种等效系统中，物品可以是静止的，仅在该位置是暂时静止的，或者甚至是非固定的。例如，物品可以沿着例如在传送带系统中的路径移动，同时从多个投影角度成像。物品在获取这些不同的投影视图时可以暂时保持静止，或者可以沿路径以已知速度连续移动，从而在分析获取投影视图时可以补偿物体的不同位置。还应该理解的是，本发明的实施例不限于μCT系统，例如该系统仅用于获取少量投影，这些投影通常不足以执行断层扫描重建。应当理解，本发明的实施例不限于使用电离辐射，而是还可以使用其他类型的投影成像，例如但不限于太赫兹成像、伽马射线成像、透明或半透明物体的光学成像、红外成像。

回到本示例的μCT系统，假设世界坐标系S是相对于第一个X射线照片定义的，以旋转台O的中心为中心。世界坐标系S由朝向检测器—源方向的单一基本矢量x =（1，0，0）以及基本矢量y和z定义的，使得基数（x，y，z）形成坐标系S的正交基。因此，基本矢量y和z平行于检测器平面定向。样本物品的位置和朝向由相对于S的原点O的平移tx，ty和tz以及绕主轴δ，γ和φ的旋转定义。图3示出了本示例的系统几何形状。X射线源31位于距平台中心的源-物品SOD处。X射线检测器32位于距源31的源-检测器SDD处。当将物品33放置在平台上时，可能发生旋转角的先验未知的偏差，以及现对于世界坐标系的先验未知的平移。特别地，假定样本的旋转角γ是未知的。例如，在典型的应用中，旋转角γ和δ可以是绕平行于成像平面的轴的旋转，而旋转角φ代表绕垂直于成像平面的轴的旋转。因此，可以通过优化图像的2D变换直接确定角度。此外，假设物品接触转盘的稳定接触表面，则角度δ的偏差可能很小并且受物品位置自然松弛到其稳定平衡的限制。因此，样本的角度γ可能是考虑的最重要参数，因为它可能会受到较大的变化并代表3D信息，如果不使用不同视角的信息，例如在较大的角度γ范围内使用模拟视图库，则无法直接从单个投影图像中得出3D信息。

可以基于CAD模型的先验知识和样本物品本身的材料属性来预先确定一组视角，也称为可视角。这些可视角表示其组件最可见或其缺陷最容易检测到的物品朝向。换句话说，基于需要验证的物品特性，可以确定多个最佳观察朝向，例如，可以由用户指定，可以自动计算或两者结合使用。举个例子，可以使用诸如视点熵或感兴趣区域（ROI）中的某些标准之类的定量度量（如基于对比度量），根据不同角度的模拟投影来计算可视角集合。可视角，例如如图4所示，可以选择γ

在根据本发明实施例的图像获取过程中，可以在测量的数据，即所获取的投影图像和模拟图像之间执行快速对准，从而在数值模型（例如CAD模型）和物品之间进行3D对准。快速投影模拟器可以用于投影数值模型，例如CAD模型，以模拟针对物品的不同朝向和平移的投影，例如可以在旋转和移动CAD模型的同时模拟投影。通过找到模拟投影的朝向和平移参数，该朝向和平移参数与所获取的投影图像提供最佳匹配，仅使用一个投影就可以实现3D对准。这样的投影模拟器，也称为CAD投影仪，可以被有效地实现以实现接近或足够接近实时的模拟投影，例如可以在（通用）图形处理单元（GPU）上实现。但是，当实时或至少足够快地创建合成投影不可行时，可以使用预先计算数据的方法。在本示例中，该过程分为两个主要部分：第一部分描述了可以预先计算的数据，第二部分从来自未知的物品朝向开始，描述了通过计算旋转台的必要旋转角度来动态获取可视角的方法。

在下文中，假设已经校准了系统参数并且已经估计了源光谱，使得CAD投影仪可以使用多色辐射传输模拟对CAD模型的投影图像执行逼真的模拟。可以在Marinovszki等人的“一种使用ASTRA工具箱进行基于X射线投影的3D检查的高效cad投影仪”（第八届工业计算机断层扫描会议（2018年）（“An efficient cad projector for x-ray projection based3D inspection with the ASTRA toolbox", in 8th Conference on IndustrialComputed Tomography (2018)）中找到合适CAD投影仪以及基于确定的系统参数和光谱配置此类CAD投影仪的过程的示例。

在上文提到的过程的第一部分中，可以针对离散的投影角度和/或平移步长，例如对于等距的角度步长（如至少角度γ的等距角度步长），预先计算模拟投影数据的库。库中的投影数据是通过模拟创建的，该模拟考虑了校准的系统参数和估计的光谱，同时改变了角度γ（其中物品投影在检测器的中间）。为了减少库的存储需求，可以仅存储和使用模拟投影的感兴趣区域（ROI）。举个例子，可以将ROI定义为足够大，以使对准算法能够正常工作。在离散角度步长的范围内，ROI的大小可以基于质量度量来计算，如图像属性（例如对比度和/或熵）的足够变化，或可以通过试错程序确定。可以在可视角附近扩展库，以解决通过忽略φ和δ的偏差而引入的近似值，如图5所示。这种扩展允许考虑物品样本的φ和δ在可视角处的可能偏差，因为在该示例中旋转台不能补偿这种偏差。但是，在样本和/或源和检测器由机械手控制的全3D系统中，可以在3D中获取最佳视角。

为了操纵该获取系统，即辐射成像系统，以在可视角处或足够接近可视角处获取放射线照片，估计物品在平台中的位置和朝向。下面描述的动态角度选择方法示意性地示于图6中。S

在每个迭代步骤中，获取61投影图像，如在本示例中，使用µCT扫描系统。在第一次迭代中，将物品定位和定向为先验未知的位置和朝向。在每次迭代中，在下一次投影图像获取之前操纵物品的朝向，使得物品被定向为分别在每个可视角的方向上成像。

在图像获取之后，确定62刚性变换以估计2D中的平移和旋转。为了恢复投影物品的2D位姿，对测量的投影应用相似变换：旋转，平移和缩放该变换以使其与模拟投影对准，以用于数值模型（如CAD模型）的默认位置。举个例子，对于第一次迭代，选择与物品朝向的最佳猜测（如集中度的统计量度）相对应的默认模拟投影。在接下来的迭代中，默认模拟投影可以分别对应于每个视角。使用互信息作为相似性的定量度量的变换包含有关平移t

然后可以执行63的定向角

在第一次迭代k = 1中，围绕垂直轴的样本物品旋转

对于下一次迭代，物品样本旋转

然后，通过在γ

对于下一次迭代k> 1，确定介于S

物品的朝向由单位矢量j'= P

该方程不依赖于γ，因为单个矢量不包含有关朝向的完整信息。因此，仅当不考虑γ旋转时才能估算δ和φ的值。由于这个原因，在应用后面的等式来恢复

然后计算O

然后，可以通过在当前值附近的扩展库中查找，如使用相似性指标（例如SSIM）进行再次优化，来细化

如果k

否则（k = N），过程结束67。

为了检查此方法的精度，在随机选择

示例

在该示例中，在有限的时间内（如能够用于在线检查过程中），使用了鲁棒且高效的前向投影仪来模拟工业CAD模型（如所涉及材料的辐射特性增强的形状模型）的投影图像。通过使用通用的基于GPU的处理平台，该投影仪以软件实现。NVIDIA Optix库用于此示例性实施。使用的实施方式的优点在于，使用本领域中已知的技术，可以实现对几何形状小变化的鲁棒性。在考虑X射线光谱，模型组件材料的衰减系数以及物理模型的有效一阶近似值的情况下，对X射线射线照相进行了精确模拟。多色X射线实际上是从光源投射的，穿透CAD模型并撞击虚拟检测器。在检测到X射线束与三角形网格的碰撞点之后，即可计算出射线在模型内部传播的线长。为了将模拟投影图像与获取的投影图像进行比较，确定辐射成像系统的几何参数和光谱参数（如源的位置）、检测器、相对于参考系统的旋转轴，参考系统以物品的质量中心为中心、以及检测器和像素尺寸。

为了在与物品样本相交时充分模拟光束的行为，预定义了所有组件的材料。使用如Marinovszki等人所述的“一种使用ASTRA工具箱进行基于X射线投影的3D检查的高效cad投影仪”（第八届工业计算机断层扫描会议（奥地利，韦尔斯）（“An efficient cadprojector for x-ray projection based 3D inspection with the ASTRA toolbox",in 8th Conference on Industrial Computed Tomography (2018)）的频谱估计。通过最小化测量数据和模拟数据的强度值之间的差异来执行此估计。该方法已扩展为允许使用校准体模的CAD数据在旋转轴、检测器、体模和光源的位置和朝向方面进行几何校准。这些参数使用爬坡算法进行优化。

为了避免为获得准确的结果，连续在线对准过程中的执行时间过长，使用了三个不同的库，它们全部提供了预先计算的模拟投影图像。第一个仅包含一个模拟图像窗口，该窗口将在检查期间用于初始快速对准；第二个包含（仅包含）特定感兴趣区域中的数据，在该区域中需要进行质量控制以实现更细度的细节对准，最后一个仅包含检查的组成对象，即用于最终的细粒度对准和/或用于计算所采集的射线照片和模拟射线照片之间的差异图像和/或相似性度量。可以优化ROI，以最佳地区分有缺陷的样本和无缺陷的样本。

在连续在线检查期间，在原始投影已经对准窗口之后，识别出所谓的可视角，即，被检部件最可见的投影角。使用一个标准来找到组件与其周围背景相比的最大对比度。为了排除在部件被其他组件隐藏的情况下选择可视角的可能性，该方法对仅投影该部件时的对比度与整个投影的整体对比度进行加权。可以预先计算每个投影角的加权对比度值并将其存储在矩阵中：在检查阶段，将可视角选为与对准步骤中选择的投影角相对应的最大值。最后，将峰值信噪比和均方误差用作量化图像之间差异的度量，并进行判别分析。

上文也讨论过的图18示出了在包含被检查组件的ROI中，加权对比度的变化与用于模拟数据的投影角的函数关系的曲线图，清楚地示出了当该组件最可见时的峰值。该方法已通过对医疗设备进行在线测量扫描而得到验证。对于每个连续在线扫描，获取了21个投影角度。窗口对准过程的结果在图20中示出，并且被检查的组件由矩形表示。在顶部图像中示出了对所测量投影的切割，即所获取的投影图像，在中心行中示出了模拟的投影射线照相窗口，并且在底部图像中示出了对准之后的差异图像。

在图19中，示出了对一组30个样本执行的线性判别分析（LDA）的典型图，其中使用均方误差（MSE）和信噪比（SNR）将样本分类为无缺陷和有缺陷的情况。LDA显示了所提出的方法将无缺陷的样本（标记为“ok”）与有缺陷的样本（p = 0.027）分离的性能。