随机模式投影双目测量系统中的单目测量方法

针对基于随机模式投影的双目立体测量系统的特点,提出了一种由单摄像机-投影器构成两个单目测量单元的测量方法。首先给出了一个简洁有效的标定算法,该算法只需从不同角度拍摄随机光场在普通白板上的图像（称为标定图像）,就可以标定纯随机模板上每一点经投影镜头发出的光线。无需标定投影镜头畸变,且精度不受投影镜头畸变的影响。然后将随机光场照射下的被测物体图像与标定图像进行亚像素精度的像点匹配,根据三角测量原理获取物体表面的三维点云数据。最后采用标准平面对该方法进行测量精度验证,并给出了具体的测量实例。实验结果表明：平面度测量精度为0.0175mm,不确定度<0.05mm(3σ)。由于采用单目测量单元进行测量时,空间一点无需在两个摄像机视场内均可见,因此避免了因局部高光、被测物体自身遮挡等原因引起的三维测量数据丢失,有效地弥补了双目测量系统的不足。     

基于双平行平面相机模型的钢板尺寸视觉测量

提出基于双平行平面相机模型的视觉测量方法,用于测量生产线上运动钢板的尺寸。该方法采用数据驱动的方式计算像点在标定平面上投影点的世界坐标;采用k近邻(k-NN)方法生成目标在标定平面上的无畸变投影图像,并建立投影图像与世界坐标系的直接关联。提出了双平行平面模型下相机光心位置标定算法,利用线结构光进行板材厚度测量;在无畸变的投影图像上利用钢板边缘间的平行和垂直性进行钢板边缘特征提取,通过边缘直线的世界坐标方程求取长宽尺寸。最后,给出了针对大尺寸钢板测量的多相机测量系统框架。提出的方法为单目视觉测量方法,相比于其他方法具有现场安装简单和标定工作量小的特点。通过图像分辨率为640×480的相机对尺寸为80mm×50mm×15mm的标准铝块进行了测量,结果显示:厚度测量误差为0.1mm,长度和宽度的误差在0.2mm以内。实际应用中测量精度远高于加工精度,能够满足产品计量的要求。     

基于结构光技术的高光表面三维测量方法

分析了结构光技术对高光表面无法完整测量的原因,提出一种双目多次曝光测量和投影仪-摄像机单目测量相结合的三维测量方法。双目结构光系统中的两个相机采用不同的曝光时间采集一系列光栅条纹,并从每次曝光中选择高质量像素解相。将每次曝光的选择结果拼合成一张完整的相位图,并通过三角原理法计算三维坐标。双目结构只对左右相机可视区域测量,投影仪-摄像机单目测量避免了由于某个单摄像机视线存在高光或遮挡等原因引起的三维测量数据缺失问题,有效提高了测量结果的完整性。实验表明,上述方法测量高光表面具有良好的效果,系统测量精度可达0.06mm。     

基于纯平移两视图几何的镜头畸变参数标定

针对摄像机镜头畸变对系统测量精度的影响,提出了基于纯平移两视图几何的镜头畸变参数标定方法。首先,分析了机器视觉测量中影响测量精度的主要畸变类型,建立了镜头非线性畸变模型。然后,利用射影几何及纯平移两视图几何的固有特性,构建了四组约束方程用于求解畸变参数。最后,针对大视场测量时标定板无法有效充满视场的问题,提出了利用四维电控平台对视场分区域拍摄多组纯平移运动图像的畸变参数标定流程,利用较小的靶标实现了大视场的镜头畸变参数标定。在实验室验证了本文提出的畸变校正方法的可行性。结果显示:提出的方法标定精度较高,标定后图像特征点连线的直线度误差减小了89%,标定精度及可靠性均满足机器视觉测量的要求。     

基于非量测畸变校正的摄像机标定方法

为了保证镜头畸变系数标定的一致性和简化视觉测量中摄像机的在线标定过程,建立畸变分离的摄像机模型,提出基于非量测畸变校正的摄像机线性标定方法。基于共线点的透视投影不变性,采用大量共线特征点对定焦镜头的畸变参数进行一次标定,摄像机内部参数可以由校正畸变后的特征点进行线性标定。该方法将畸变参数从摄像机模型中分离出来,不需要将畸变参数纳入到摄像机模型中进行多次重复标定。试验结果表明,畸变分离摄像机模型很好地符合了定焦摄像机的成像规律,基于非量测畸变的摄像机参数线性标定方法与传统的非线性优化标定方法的标定精度相当,标定速度提高近3倍,对于简化摄像机标定过程,提高视觉测量的便捷性,拓宽机器视觉的工程应用具有重要意义。     

摄像机标定的棋盘格模板的改进和自动识别

为了克服在摄像机标定过程中需要使用者给出标定模板的附加信息,或全自动标定点识别算法在遮挡、不均匀照明、大视角和摄像机镜头畸变情况下不能检测出标定点的缺点,提出一种改进的基于基准点标记的棋盘格模板以及相应的全自动识别算法.新的摄像机标定模板以基准点标记代替传统棋盘格的黑白方块,从而使全自动识别算法识别出标记的位置.利用模板中标记按照标记ID从小到大的顺序排列的先验知识,估计丢失的标定点位置.为了提高丢失标定点在图像中初始位置的估计,算法估计径向畸变参数,从而克服了畸变对识别的影响.为了提高标定点的定位精度,利用高精度的鞍点检测器,从而标定点的定位精度小于0.05像素.为了检测鞍点的有效性,算法提出2种滤波准则,最终得到有效的标定点.识别算法是有效的且不需要任何参数.实验结果表明,对于同样的摄像机和背景,使用改进的棋盘格模板及其识别算法获得的标定点进行摄像机标定的投影误差比ARTag减少70％.     

基于共线特征点的摄像机镜头畸变校正

提出一种基于未知世界坐标共线特征点的未标定摄像机畸变校正算法以及基于预计算模板的快速实现方法。利用直线的透视投影不变性来估计镜头的畸变参数,不需要知道摄像机的内外部参数,也不需要知道任何空间特征点的世界坐标,简化了镜头畸变校正的过程。该方法的特点是需要的已知条件少,算法简单,易于实施,算法的计算速度快。试验结果表明,该方法能准确快速校正由摄像机镜头畸变引起的图像几何畸变,对机器视觉系统是可行的,预计算模板实现方法大大地降低了计算量,为镜头畸变校正实时应用奠定了基础。     

基于机器视觉检测的摄像机快速标定与误差分析

为了提高引线键合机中机器视觉检测子系统中的测量精度和效率,必须对摄像机镜头进行畸变矫正,提出一种基于畸变矫正的摄像机快速标定算法并对该算法的误差进行分析。该算法采用一阶径向畸变模型进行摄像机标定,算法中将复杂的非线性问题转化为线性问题进行参数求解,并且逆向求解了标定块上的空间特征点坐标,进而计算误差。试验验证,标定误差精度为4.26‰,减少了算法的时间复杂度,并且更准确的计算误差,同时本套算法还可用于其它有图像畸变的场合进行误差评定,因此具有较高的实用价值。     

改进的精密测角法标定面阵摄像机参数

改进了用于标定线阵摄像机的传统精密测角算法,标定用于面阵摄像机的参数。该算法利用两束平行光之间的夹角和投影在摄像机上图像点之间的对应关系,在给定一个预测摄像机主点的基础上计算它和实际主点之间的偏差以及摄像机焦距。分析了图像特征提取误差对于平行光夹角测量精度的影响,并给出一种基于平行光夹角误差最小的最优估计,从而进一步提高摄像机内部参数的标定精度。通过仿真实验分析了图像特征提取精度和平行光夹角测量精度对摄像机参数标定精度的影响。结果显示,当图像特征提取精度为0.1pixel,二维转台精度为0.5″时,主点标定精度可以达到0.56pixel,焦距标定精度可以达到0.06mm。利用精度为0.5″的二维转台对摄像机参数进行了实际标定,通过分析像点和标定结果所计算的平行光夹角和实际测量的平行光夹角的误差,可知本文算法的误差是经典精密测角法的68.6%,由此证明该算法对于面阵摄像机参数标定具有更好的结果。     

基于单目结构光的形貌测量误差补偿方法研究

基于单目结构光的重构测量技术,因具有精度高、成本低等优点,在现代测量领域尤其是具有一定曲面特征的中小型低反光零部件测量方面得到广泛应用,而测量误差是测量精度的重要影响因素。首先,根据所搭建的单目结构光重构测量系统,对影响测量精度的主要误差来源进行分析,通过对硬件设备参数的合理设置与调节,来保证所采集结构光图片的质量。然后,为提高投影出结构光的正弦性,提出一种可降低普通投影仪gamma非线性响应的简易方法。最后,提出一种基于圆形标定板的张正友优化标定算法来提高系统的标定精度。实验结果表明,重构测量出的中小型曲面件表面点云数据的精度在0.3～0.6 mm之间,对被测物体表面的单次投影重构测量时间在2 min内,验证补偿方法有效可行。     

基于图像拼接的尺寸精密检测算法研究

针对基于机器视觉的大长径比类零件几何尺寸综合检测中因要求视场大而导致分辨率低,投影误差大等问题,将图像拼接技术应用到视觉测量中,采用已标定摄像机方式建立图像投影模型、提出了基于位姿变换的图像拼接算法实现图像之间的精确配准、基于最佳阈值灰度调整的图像融合以消除图像拼接接缝.通过对标准模板进行检测实验,测量精度可达到±0.006mm,重复测量精度≤0.004mm,结果证明了该算法的可行性.     

一种基于网格的图像测量系统高精度标定方法

提出一种图像测量系统高精度标定方法,设计一种网格靶标,给出了图像分块处理和平行直线拟合方法的靶标特征点提取方法,并采用了一种基于靶标的摄像机位置调整方法。采用两步法对图像测量系统进行标定,首先进行线性标定,然后进行多项式拟合畸变校正。实验结果表明畸变校正后标定精度达到0.18像素,具有较高标定精度。     

基于新的成像模型的摄像机标定与三维重建

分析了镜头畸变的形成机理,将实际成像点视为理想成像点依序经过径向畸变与离心畸变作用后形成的图像点,据此建立了新的摄像机成像数学模型.利用该模型,结合投影变换中的交比不变性实现了各项畸变系数的线性标定.整个标定过程由3个独立步骤组成,降低了系数间的耦合误差.标定模板采用普通的电脑液晶显示屏,无需专门制作,且方便摆放和调整,更适于现场标定.在标定过程中保持摄像机与标定模板固定不动,避免了主动视觉方法对高精度控制平台的要求.结合相位测量系统实现了三维物体的高精度测量.     

基于交比不变性的镜头畸变参数标定方法

在分析目前的畸变参数标定方法优缺点的基础上，提出了一种能克服现有技术缺点的简单快速的镜头畸变参数标定方法。该方法利用了透视投影中的交比不变性质，在畸变模型为一阶径向畸变的情况下，只需要空间共线的4个点的图像坐标和其交比，建立一元二次方程即可标定畸变参数。该方法的特点是算法简单，易于实施，需要已知条件少。对此标定方法进行了数字仿真实验和真实图像校正实验，证明该方法标定精度高，简单易行。     

三维激光扫描数据采集系统的摄像机标定技术研究

在计算机视觉激光扫描测量系统中 ,物体的空间坐标与计算机图像坐标之间存在着复杂的非线性映射关系。通过建立基于一阶径向畸变的摄像机数学模型 ,用线性方程组描述了三维空间坐标点与计算机图像坐标点的关系 ,利用带有 3 0个标准圆孔的金属平面孔型靶标对由两个摄像机构成的摄像机参数标定 ,提出“两步法”对摄像机模型参数逐步求解 ,从而彻底改变了传统的摄像机标定依赖于非线性优化方法。实验证明 ,这种标定新技术较以往算法更为快速、简便、实用 ,精度更高     

多视角沙姆成像的高精度结构光三维测量方法

传统结构光测量方法在测量高反射率和复杂结构表面存在诸多挑战,且测量精度受到测量视场的限制。本文提出了一种基于结构光投影和多视角沙姆成像的高精度标定及三维测量方法,充分利用系统的景深范围。提出结构光多目视觉测量模型,将投影仪坐标系作为系统测量坐标系,通过建立“三维点-投影图像点-4个相机图像点”的对应关系对系统进行一体化标定,然后利用多视图几何成像约束,通过计算最小二乘解融合多个视角的观测信息,提高三维数据的计算精度。实验结果表明,所提方法和系统可以对高反射率和遮挡表面进行准确测量,测量精度达到5μm,大大优于传统结构光测量方法。     

基于线结构光的水下旋转扫描高精度测量方法研究

随着海洋工程领域的不断发展，如何高精度地获取水下物体的三维点云具有重要学术和应用价值。由于光在不同介质中传播会引起光路的变化，导致水下线结构光视觉测量获得的点云受折射畸变影响，精度降低。针对上述问题，设计了一种基于线结构光的水下旋转扫描测量系统。提出了一种轴眼标定算法，能够将多视角水下点云配准到统一坐标系中。提出了一种引人折射补偿的水下相机成像模型，该模型可准确的描述激光在不同介质间传播过程中的光路，基于水下激光平面方程的约束，对水下点云进行折射校正，提高了水下点云的重建精度。水下测量实验结果表明，提出的高精度测量方法能够获得水下物体的三维点云信息，可测量水下目标的尺寸信息，距离目标30~80cm 时测量精度达到0.2mm，满足了水下目标三维高精度测量要求，     

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.     

接触线双目视觉测量系统标定及立体校正方法研究

由于单个相机的镜头焦距和像面中心位置均存在偏差,且镜头成像存在畸变,而双目测量系统的两个相机的相对位置参数也不可避免存在误差,这将直接影响双目测量结果的可靠性与精度。因此,必须对每个相机的参数及两相机的位置关系进行精确标定。利用张正友的平面模板两步法对相机的内参数矩阵、外参数矩阵、镜头畸变参数和两相机的相对位置关系进行标定;然后,基于所得到的标定结果,应用bouguet立体校正方法对两相机拍摄的一对图像进行校正。实验结果表明,两相机的平均重投影误差均小于0.2个像素,达到了比较理想的标定精度。而且,通过bouguet立体校正,可使得非共面、非行对齐的一对图像实现共面和行对齐,充分证明了标定结果的准确性与可靠性。对接触线及类似目标的双目测量系统设计开发与标定提供了重要参考与理论依据。     

基于视觉修正的激光雷达体积测量方法

针对激光雷达点云数据稀疏、扰动、存在噪声和其他方法难以迁移,实时性差等难题,面向“L”型小尺寸目标研究了一种基于视觉修正的激光雷达体积测量方法。该方法首先通过联合标定和时间戳最近邻匹配实现相机与激光雷达数据的对齐;然后经过目标检测算法获取图像中目标的信息,与此同时对点云数据执行地面分割得到地面点云与非地面点云,利用视觉投影和点云聚类实现目标点云的分割,使用KDtree找到目标点云附近的地面点云;最后,设计了一种三维框的拟合算法初步完成点云目标三维框的粗拟合,并建立视觉修正模型对于目标三维框进行细修正,从而实现目标体积的计算。实验结果表明,对于武器箱道具、医疗箱和油桶等“L”型物体,提出的算法在一定范围内,体积测量的平均相对误差小于4.44%、最大误差小于6.12%、最大重复性小于5.61%,并且基于视觉的修正模型大幅提高了算法的精度和稳定性,在嵌入式平台的处理1帧用时55 ms,能够实现实时高精度的体积测量,具有良好的工程应用前景。