基于一维靶标的多视觉传感器全局校准

基于交比不变性原理和一维靶标点共线的特点,提出了一种多视觉传感器全局校准方法。以一个视觉传感器坐标系为基础,建立全局坐标系,称该视觉传感器为基础视觉传感器。将一维靶标在基础视觉传感器和待校准视觉传感器前合适位置摆放至少两次。对每个视觉传感器,根据拍摄得到的三个或三个以上靶标点图像坐标,由交比不变性原理,求解不在视场区域的靶标点图像坐标。结合靶标点之间的距离约束,求解待校准视觉传感器到基础视觉传感器的转换矩阵。根据一维靶标特征点共线的特点,通过捆绑调整方式得到转换矩阵的最优解。最后通过两两视觉传感器校准的方式完成多视觉传感器全局校准。该方法不需外部辅助设备、简单灵活,实用性强。试验证明全局校准精度可达0.041mm。     

一维靶标的多视觉传感器全局校准

基于交比不变性原理和一维靶标点共线的特点,提出了一种多视觉传感器全局校准方法.以一个视觉传感器坐标系为基础建立全局坐标系,称该视觉传感器为基础视觉传感器.将一维靶标在基础视觉传感器和待校准视觉传感器前合适位置摆放至少两次,根据拍摄得到的 3 个或 3 个以上的靶标点图像坐标,由交比不变性原理,对每个视觉传感器求解不在视场区域的靶标点图像坐标.结合靶标点之间的距离约束,求解待校准视觉传感器到基础视觉传感器的转换矩阵.根据一维靶标特征点共线的特点,通过捆绑调整方式得到转换矩阵的最优解.最后,通过两两视觉传感器校准的方式完成多视觉传感器全局校准.该方法不需外部辅助设备,简单灵活,实用性强,全局校准精度可达0.041 mm.     

线结构光多视觉传感器现场同步校准方法

现有线结构光多视觉传感器现场校准通常需要先完成线结构光视觉传感器局部标定,再进行多视觉传感器全局校准,效率低、且在搬运过程容易对线结构光视觉传感器局部标定结果造成影响,降低测量系统精度。针对以上问题,提出一种可以同步实现线结构光视觉传感器局部标定和多视觉传感器全局校准的现场同步校准方法。该方法以自由移动三次以上的一维靶标为中介,将两个无共同视场的线结构光视觉传感器联系在一起。以一维靶标特征点距离已知为约束条件,由交比不变性,得到所有一维靶标点及光条与一维靶标相交点在各线结构光视觉传感器图像坐标系下的图像坐标,进而求解出两个线结构光视觉传感器之间的转换矩阵和一维靶标特征点及光条与一维靶标相交点在全局坐标系下三维坐标,通过拟合求解全局坐标下的光平面方程,采用非线性优化算法求解出两个线结构光视觉传感器间的转换矩阵与光平面方程的最优解。如果视觉传感器多于两个,可通过两两校准方式实现多个视觉传感器现场校准。试验结果表明,该方法同步校准方均根误差可优于0.14 mm。     

基于一维靶标的多摄像机现场全局校准

基于一维靶标特征点共线的特点,提出一种多摄像机全局校准方法.以其中一个摄像机坐标系为基础,建立全局坐标系,称该摄像机为基础摄像机.在基础摄像机与待校准摄相机前将一维靶标无约束摆放至少两次.计算每个摆放位置一维靶标所在空间直线在图像中的消影点.结合一维靶标点共线的特点,分别求解全部一维靶标点在两个摄像机坐标系下三维坐标.通过两个摄像机坐标系下一维靶标对应特征点的三维坐标求解待校准摄像机坐标系到基础摄像机坐标系的转换矩阵,采用非线性优化方法求解转换矩阵的最优解.当摄像机多于两个时,通过两两摄像机校准的方式完成多摄像机全局校准.该方法不需要高精度外部辅助设备、简单灵活、实用性强.试验证明该方法灵活方便,切实可行.     

激光跟踪视觉导引测量系统的全局校准方法

针对柔性装配中现有激光跟踪测量系统存在效率低、成本高、自动化程度低等问题,提出用单目视觉系统联合激光跟踪仪实现大尺寸组合式自主导引测量.为实现该系统的全局校准,提出了一种新的基于平面的全局校准方法,该方法通过获取靶标平面分别在视觉系统和激光跟踪仪坐标系中的平面方程,求解两坐标系间转换矩阵,完成系统全局校准.建立了数学模型,进行了算法仿真和全局校准实验.实验中测量30个不同位姿的平面靶标,并进行全局校准.结果表明,该方法操作简单,稳定性强,有实际应用价值,校准后平面法向量夹角、原点到平面距离的RMS误差分别为0.13°和1.50 mm.     

基于单经纬仪的视觉测量三维数据拼接方法

本文针对大型自由曲面三维视觉测量中的数据拼接问题，建立了经纬仪透视投影模型，提出了以平面靶标为中介坐标系，以经纬仪坐标系为全局坐标系的三维数据拼接方法。在大型自由曲面的若干测量子区域附近放置一个平面靶标，通过视觉传感器拍摄平面靶标上的特征点，求得视觉传感器坐标系到靶标坐标系的变换矩阵；通过经纬仪观测靶标上的特征点，求得靶标坐标系到经纬仪坐标系的变换矩阵。因此，可求得视觉传感器坐标系到经纬仪坐标系的变换矩阵。将视觉传感器所测得的各子区域的三维数据统一到了经纬仪坐标系下，即完成了大型自由曲面的全局测量。经实验验证，数据拼接的RMS误差小于0．487mm。     

结构光视觉传感器通用现场标定方法

建立结构光视觉传感器通用数学模型,提出一种基于平面靶标的结构光视觉传感器结构参数标定新方法.在测量空间不同位置多次随意摆放平面靶标,结构光投射在靶标表面,摄像机拍摄靶标图像.利用靶标上特征点及对应的图像点求解靶标坐标系到摄像机坐标系的转换.根据靶标平面与图像平面之间的同射变换获得结构光标定点在靶标坐标系下的坐标,并统一到摄像机坐标系下,在此基础上拟合出结构光方程.该方法获得标定点效率高,能胜任点、线、曲面等任何模式结构光视觉传感器的现场标定.试验结果表明,该方法具有较高的标定精度.     

大型自由曲面移动式三维视觉测量系统

本文介绍了一种移动式三维视觉测量系统，用于大型物体自由曲面的测量。传感器采用双目立体视觉方式，并结合编码结构光技术，使匹配过程简化。传感器移动到大型物体周围对各局部区域进行测量。采用一个平面靶标作为中介，建立了传感器位姿变换矩阵的优化目标函数，根据靶标上多个特征点求解出该矩阵，即拼接矩阵。传感器在各个位置所测三维数据通过拼接矩阵统一到全局坐标系下。视觉测量系统在2个位置对维纳斯石膏像进行了测量，并进行拼接。结果表明，该测量系统操作简单，适用范围广；x、y、z坐标拼接RMS误差分别为0．038mm、0．022mm和0．135mm。     

采用光学定位跟踪技术的三维数据拼接算法

为了实现大型自由曲面的三维面型测量,提出了采用光学定位跟踪技术的数据拼接方法。平面靶标作为中介,固定在测量系统上,靶标上的特征点在测量坐标系中的坐标通过中介坐标转换法获得。利用双目立体视觉构建跟踪定位系统,并以跟踪坐标系为全局坐标系,获取平面靶标上特征点的三维全局坐标,求得测量坐标系到全局坐标系的转换矩阵,将测量传感器在不同位置下所测的各子区域的三维数据统一到全局坐标系下,完成大型自由曲面的全局测量。对平面靶标上100个点进行两次测量,实验结果表明：单次测量精度为0.08mm,拼接均方误差小于0.237mm。该方法操作简单、可行,能满足一般的精度要求。     

机器人柔性坐标测量系统现场校准技术研究

机器人柔性坐标测量系统能够实现大型工件尺寸在线快速测量,是自动化生产线的关键质量监控设备.现场校准技术是柔性坐标测量系统的关键技术之一,校准精度直接影响系统测量精度.现场精确建立机器人末端工具坐标系与视觉传感器坐标系形成的手眼关系、机器人运动学模型参数以及机器人基坐标系是现场校准的主要内容.通过设计中间靶标,利用激光跟踪仪直接测量的方法建立手眼关系,其转换精度不受机器人运动学误差影响;设立校准球体,实现基于距离不变模型的连杆参数现场快速校准;根据机器人正向运动学模型和激光跟踪仪的测量,利用基于奇异值分解的配准方法求解转换矩阵,高精度地建立机器人基坐标系.经过激光跟踪仪一次校准后,测量系统可利用基准球体实现机器人快速在线校准,减小模型参数变化对测量系统精度的影响.试验证明,校准后的测量系统整体误差低于0.2 mm.     

线结构光视觉传感器的现场标定方法

建立了线结构光视觉传感器的数学模型,提出了一种基于共面标定参照物的线结构光视觉传感器的现场标定方法。该方法允许共面标定参照物在测量空间内自由移动,通过以摄像机三维坐标系为中介,将多个局部世界坐标系下的标定特征点统一到全局世界坐标系中,利用构建的标定特征点在现场对线结构光视觉传感器进行标定,因此可以保证线结构光视觉传感器的标定状态与测量状态完全一致。该标定方法降低了标定设备的成本,简化了标定过程,提高了线结构光视觉传感器工程化应用的便捷性。试验结果表明,该方法切实可行。     

Microscopic vision based on the adaptive positioning of the camera coordinate frame

Microscopic vision measurement precision has been largely limited by inaccurately calibrated model parameters, because image plane is near parallel to reference plane in the narrow depth of field. This article proposes a method of precise microscopic vision measurement based on the adaptive positioning of the camera coordinate frame. The microscopic vision measurement movably attaches the origin of the camera coordinate frame along the optical axis. By finding the optimal position, the nonlinearity of the objective function in calibration optimization is decreased and the optimization sensitivity to initial values is reduced. Therefore, we obtain a high calibration precision and eventually ensure a high measurement precision. Mathematical simulations illustrate that the calibration precision of the proposed microscopic vision measurement model is higher than that of the conventional vision measurement model. The experiment shows that with magnification of 3.024×, the presented system achieves a precision of 0.12% based on the proposed microscopic vision measurement model, which is two times higher than the one based on the conventional vision measurement model. Microsc. Res. Tech. 75:1281–1291, 2012. © 2012 Wiley Periodicals, Inc.     

基于线结构光参考平面的多摄像机标定方法研究

多摄像机视觉测量系统中不同视觉传感器空间分布广,无公共视角,现场标定十分困难。针对多摄像机标定问题,研究了一种基于线结构光参考平面的灵活标定方法。标定过程中,以空间中同时覆盖相邻摄像机视角的结构光平面作为标定参考基准,在不同摄像机视角中,自由移动平面靶标多次,确保每次移动后靶标与结构光相交,并能在各自摄像机中清晰成像,摄像机拍摄靶标图像。提取靶标图像中角点坐标、激光光条特征点坐标。借助靶标平面与摄像机坐标系外部参数矩阵,求解激光光条特征点在对应摄像机坐标系中坐标。通过结构光基准平面内,不同摄像机坐标系中至少3组非共线特征点坐标信息,求解相邻摄像机外部参数。分别进行标定试验和精度验证试验,试验结果表明该方法切实可行。     

用于结构光视觉传感器标定的特征点获取方法

提出了一种基于共面参照物自由移动来获取结构光视觉传感器标定特征点的新方法。该方法通过以摄像机三维坐标系为中介,将多个局部世界坐标系下的标定特征点统一到全局世界坐标系中,得到位于光平面上的非共线标定特征点的三维世界坐标。该方法降低了标定设备的成本,简化了结构光视觉传感器的标定过程,从而提高了结构光视觉传感器工程化应用的便捷性。实验表明,该方法切实可行     

立体视觉和三维激光系统的联合标定方法

双目立体视觉和三维激光扫描是移动机器人环境探测与建模的常见传感测量方法。为实现两个系统的数据融合应用,必须为二者的测量坐标系建立数学关系,即对其进行传感器之间的位姿联合标定。为此提出了一种基于三维特征点距离匹配的联合标定新方法,设计了一种镂空棋盘格作为标定板。使用双目立体相机提取棋盘格角点三维坐标信息,使用激光测距雷达扫描获取镂空区域中心点三维坐标,最终通过最小化两组特征点的理论与实际测量距离的平方差获取两传感器坐标系之间的旋转矩阵和平移向量。进行的联合标定测量实验结果表明了该方法的准确性和可靠性。