Surface roughness estimation by 3D stereo SEM reconstruction

Abstract

Surface roughness is an important parameter to describe materials’ topography. This parameter has been widely studied and presents important tasks in many engineering applications. The development of non-contact-based roughness measurement techniques for engineering surfaces has received much attention. However, stylus-based equipments are still dominating this measurement task. Stylus techniques have great inherent limitations as they were originally intended to acquire 2D surface topography. Therefore, 3D surface roughness data can only be obtained from stylus equipment executing multiple scans of the surface. This task takes a lot of time to achieve a satisfactory result, may make micro-scratches on surfaces and can only evaluate a small area in a reasonable amount of time. In this work a new automated methodology for obtaining a 3D reconstruction model of surfaces using scanning electron microscope (SEM) images based on stereo-vision is proposed. The 3D models can then be used to evaluate the surface roughness parameters. The horizontal stereo matching step is done with a robust and efficient algorithm based on semi-global matching. Since the brightness change of corresponding pixels is negligible for the small tilt involved in stereo SEM, and the cost function relies on dynamic programming, the matching algorithm uses a sum of absolute differences (SAD) over a variable pixel size window and an occlusion parameter which penalizes large depth discontinuities, that in practice, smooths the disparity map and the corresponding reconstructed surface. This step yields a disparity map, i.e. the differences between the horizontal coordinates of the matching points in the stereo images. The horizontal disparity map is finally converted into heights according to the SEM acquisition parameters: tilt angle, magnification and pixel size. A validation test was first performed using a microscopic grid with manufacturer specifications as reference. Finally, some surface roughness parameters were calculated within the model

La rugosidad superficial es un parámetro importante para describir la topografía de los materiales. Este parámetro ha sido ampliamente estudiado y es utilizado en importantes tareas en varias aplicaciones de ingeniería. El desarrollo de técnicas de medida de rugosidad basadas en métodos de no contacto para superficies han recibido mucha atención. Sin embargo, los equipos basados en técnicas de contacto siguen dominando las tareas de medida. Las técnicas basadas en instrumentos de contacto tienen grandes limitaciones inherentes debido a que en principio fueron diseñadas para adquirir superficies topográficas en 2D. Así, información de la rugosidad superficial en 3D solo puede ser obtenida con equipos de contacto ejecutando múltiples barridos de la superficie. Esta tarea toma mucho tiempo para obtener un resultado satisfactorio, puede producir microrayones sobre la superficie, y solo puede evaluar pequeñas áreas en un tiempo razonable. En este trabajo se propone una nueva metodología usando visión por computador. Con ella se busca obtener un modelo de reconstrucción 3D de superficies usando imágenes de microscopio electrónico de barrido (MEB) basadas en visión estéreo, y así evaluar parámetros de rugosidad superficial. El paso de asociación horizontal estéreo es hecho con un algoritmo robusto y eficiente basado en asociación semiglobal. Debido a que el cambio en el brillo de los pixeles correspondientes es despreciable para las pequeñas inclinaciones utilizadas en MEB estéreo y la función de costo se basa en programación dinámica, el algoritmo de asociación usa la suma de diferencias absoluta (SAD en inglés) sobre una ventana de tamaño variable en pixeles y un parámetro de oclusión el cual penaliza grandes discontinuidades de profundidad y, en practica, suaviza el mapa de disparidad, y la superficie reconstruida correspondiente. Este paso produce un mapa de disparidad, es decir, la diferencia entre las coordenadas horizontales de los puntos correspondientes en las imágenes estéreo. El mapa de disparidad es finalmente convertido en alturas de acuerdo a los parámetros de adquisición del MEB: ángulo de inclinación, magnificación y tamaño de pixel. Una prueba de validación fue llevada a cabo usando como referencia una cuadricula microscópica con especificaciones de fabrica. Finalmente, con el modelo son calculados algunos parámetros de rugosidad (Texto tomado de la fuente)