基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理,分析了影响测量精度的因素,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系,其数学模型无法用解析式精确地加以描述.因此,提出一种基于神经网络的双目视觉传感器建模方法.数值实验表明,该方法简便易行,建立的模型有较高的精度.     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理,分析了影响测量精度的因素,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系,其数学模型无法用解析式精确地加以描述.因此,提出一种基于神经网络的双目视觉传感器建模方法.数值实验表明,该方法简便易行,建立的模型有较高的精度.     

双目视觉传感器的现场标定技术

本文以凤影变换为依据,针对多视觉传感器中的双目视觉传感器中的双目视器,建立了双目视觉传感器测量空间三维坐标的模型,事先确定摄像机的部分不易变化整个系统后进行现场标定。该方法不需精确调整标定靶标,标定环境与实际测量上同,减少了安装传感器对标定参数的影响,实验结果表明,该标定方法能获得０．０５ｍｍ的空间精度。     

大视场双目视觉传感器现场标定方法

针对大视场视觉测量应用,分析了摄像机和双目视觉传感器的数学模型,提出了一种基于基线尺的大视场双目视觉传感器标定方法。在测量空间内任意多次摆放基线尺,两摄像机拍摄基线尺图像。利用基本矩阵及基线尺上两特征点之间距离的约束,采用线性解和非线性优化方法结合同时估计摄像机的内部参数以及双目视觉传感器的结构参数。该标定方法操作简单,标定效率高,无需初始参数即可估计双目立体传感器的全部参数。实验结果表明该方法在6000mm×4500mm的范围内可以达到0.06mm的测量精度,适合双目立体视觉传感器的现场标定。     

镜像式单摄像机双目视觉传感器的结构设计

针对传统双目视觉传感器体积大、测量效率低、成本高和图像采集需同步等缺点,建立镜像式单摄像机双目视觉传感器的结构模型,提出一种镜像式单摄像机双目视觉传感器的结构优化设计方法。传感器由单摄像机和两块呈一定角度的平面镜构成的镜像光学系统组成,摄像机置于镜像光学系统前,拍摄获得平面镜中对应同一被测物体的两个虚拟物体的一幅图像,图像中左右两半部分的同名特征对应被测物体的同一空间目标,等效于传统双目视觉传感器中左右摄像机分别采集的两幅图像中的同名特征。详细分析平面镜的尺寸、两块平面镜之间的夹角、平面镜与摄像机的距离等结构参数对视场范围和测量精度误差分布的影响,由仿真结果得出结构参数的合理取值范围,给出镜像式单摄像机双目视觉传感器结构参数的一般性设计原则与方法步骤。根据视场范围和测量精度的要求,确定镜像式单摄像机双目视觉传感器的关键结构参数。试验结果表明,提出的结构优化设计方法对工程应用具有实际指导意义。     

大视场双目视觉传感器的现场标定

分析了摄像机和双目视觉传感器的数学模型,针对大视场视觉测量应用,提出了一种基于基线尺的大视场双目视觉传感器标定方法.在测量空间内任意多次摆放基线尺,由两摄像机拍摄基线尺图像.利用基本矩阵及基线尺上两特征点之间距离的约束,采用线性解和非线性优化相结合的方法同时估计摄像机的内部参数以及双目视觉传感器的结构参数.该标定方法操作简单,标定效率高,无需初始参数即可估计双目立体传感器的全部参数.实验结果表明,该方法适合双目立体视觉传感器的现场标定,在6 000 mm×4 500 mm的范围内可以得到0.06 mm的测量精度.     

基于未知运动一维靶标的双目视觉传感器标定

分析了双目视觉传感器的测量数学模型,提出了一种基于自由移动的一维靶标的双目视觉传感器标定方法。当传感器安装完成后,由两个摄像机拍摄自由移动的一维靶标多幅图像,利用靶标上特征点的图像坐标和两个特征点之间的距离约束,采用非线性优化技术估计双目视觉传感器的结构参数。该方法操作简单,不需要给定传感器的初始参数,标定状态与测量状态完全相同,减小了传感器安装对标定参数的影响。试验结果表明,该标定方法切实可行,在200mm×200 mm测量范围内,可以达到0．03 mm的测量精度。     

基于HALCON的双目视觉系统标定

论文对现有的双目视觉标定方法进行论述,阐述了双目视觉系统的原理,深入的介绍了双目视觉系统标定的原理,方法。此外,针对如何使用HALCON软件进行双目标定进行了详细的论述,分析了面阵摄像机的标定过程,该方法简单易行,充分发挥了HALCON的函数库功能,提高了标定精度和计算速度,而且具有良好的跨平台移植性。     

远距离三维坐标测量中双目视觉系统结构参数的优化

针对双目视觉系统对远距离大视场复杂地形环境下目标点三维坐标的测量,研究了优化系统结构,提高双目视觉系统坐标测量精度的方法。分析了系统结构参数对测量精度的影响,通过在监测区域内设置靶标对系统进行标定。测量时,将获取的目标点图像信息代入测量模型进行解算,从而获得目标点的空间三维坐标。仿真分析了系统结构参数中调平传感器精度以及系统布局方式对三维坐标测量精度的影响,得出了其误差影响趋势。在此基础上,提出系统调平传感器精度为±0.1°的要求以及系统合理的布局方式,为构建双目视觉测量系统的布局提供参考。对直径200m的区域进行了监测,结果显示目标点的相对定位误差均小于0.33%,满足系统的精度指标要求,同时使得系统现场架设更加方便快捷,避免了盲目性。     

双目视觉测量系统结构参数设计及精度分析

为提高视觉测量系统的测量精度,针对双目视觉系统结构,采用三角法建立了双目视觉测量系统的结构参数模型,分析了双目视觉系统结构参数与空间被测点之间的关系特性,研究了各结构参数对测量精度误差分布的影响,根据仿真结果给出了小误差时的结构参数的最佳取值范围。     

空间圆几何参数的非接触高精度测量方法

分析了空间圆透视投影的数学模型 ,并建立了点的空间三坐标立体视觉测量数学模型。提出了一种基于立体视觉的空间圆几何参数的非接触测量方法 ,根据极线约束求出空间圆在双目立体视觉中的对应匹配点 ,后投影到三维空间求出边缘的实际坐标 ,采用基于空间三维圆最优拟合求取空间圆的几何中心的三维空间坐标和圆半径等几何参数。该方法减小了空间圆透视投影形状畸变引起的测量误差 ,提高了基于视觉方法的空间圆几何参数的测量精度     

一种基于立体模板的双目视觉传感器现场标定方法

给出了一种基于立体标定模板的双目视觉摄像机内、外部参数现场标定方法.该方法采用理想小孔模型忽略摄像机镜头的非线性畸变,把透视变换矩阵中的元素作为未知数,在已知一组三维空间特征点坐标及其对应的图像点坐标时,利用线性算法求解出透视变换矩阵中的各个元素,进而得到所需的参数.最后采用立体标定模板对该标定算法进行了实验验证,用标定完成的立体视觉传感器对已知长度进行测量,相对精度达到了0.02%,取得了较为理想的结果.结果表明:该方法由于无需迭代,因此计算速度快,在测量现场只需摆放一次标定模板即可完成标定,可高精度地实现摄像机内、外部参数的现场标定.     

可见光通信与双目视觉的室内定位

提出一种基于可见光通信与双目视觉测量的高精度室内定位方法,旨在为室内移动机器人提供一种精度高、成本低、不易受干扰的室内定位方案。该方法利用双目视觉传感器对LED光源进行成像测量,利用惯性测量单元传感器记录成像测量的三维姿态角,并通过可见光通信技术获取LED光源的坐标信息,最终计算双目视觉传感器相对于LED光源的三维坐标。根据该方法研制了一款基于可见光通信与成像的定位模块,该模块可以利用单个或两个LED光源进行成像定位。当定位模块采用1280×720分辨率的图像时,在2 m×2 m×3 m室内环境中可实现厘米级移动定位,定位频率大于5 Hz;当利用两个相距60 cm的LED光源进行定位时,在三维方向上的定位误差均小于5 cm,同时能够提供小于1.4°的定向纠正。该方法可以为室内移动机器人提供厘米级定位导航服务。     

双目立体摄影测量中的标定方法

针对立体摄影测量中的双目立体摄影测量,利用透视变换方法及矩阵转换知识建立了双目立体摄影测量系统的空间三维坐标数学模型,提出一种不需要迭代求解摄像机参数的标定方法,避免了迭代算法收敛速度慢、耗时多的缺点。该标定方法只需对标定板在不同角度拍摄一组图像,在无需控制任何运动参数的情况下,通过成像过程中不同坐标系之间的转换,实现了像素坐标与基准坐标之间的直接转换。该算法快速、精确、简便。实验结果表明,该标定算法可达到相对误差为0．2的精度。     

基于双目立体视觉的工业机器人在线温度补偿

工业机器人在工业现场进行连续高速作业过程中,电机发热和关节摩擦生热将导致机械臂本体温度升高,引起机器人末端定位漂移,严重影响机器人的重复定位精度和作业精度。针对制造现场的工业机器人,提出了一种基于双目立体视觉的温度误差在线补偿方法,并基于微分运动学和双目视觉原理构建了温度误差补偿模型。在机器人末端安装基准球,同时在基座附近固定视觉测量传感器,机器人完成作业循环之后,以不同的姿态带动基准球至传感器视场内进行补偿测量。此外,通过分析各关节参数随时间变化的规律,筛选出符合温度漂移规律的显著性参数进行补偿,有效降低了补偿测量次数和耗时。实验结果显示,补偿后机器人的重复定位精度可维持在±0.1mm的水平,能够显著改善制造现场工业机器人的作业精度,且整个补偿测量过程耗时10s左右。     

工件特征点三维坐标视觉测量方法综述

针对工件上特征点的三维坐标视觉测量方法进行了综述,其中包括结构光方法、激光自动聚焦法、双目视觉方法、三目视觉方法、单目视觉方法等.对每种方法的特点及其测量精度进行了详细的分析,并介绍了目前的发展及应用现状.