基于扫摆式多相机跟踪的六自由度测量方法

目前视觉测量技术针对工业目标的六自由度测量，存在难以兼顾测量效率、精度与范围的问题。为此，本文提出了一种基于扫摆式多相机跟踪的六自由度测量方法，通过同站位不同角度多图像观测联合构成大尺寸坐标计算的冗余约束量，来实现高效率、高精度、大范围位姿测量。首先，提出相机旋转扫摆运动模型，快速估计相机位姿，并作为先验信息进行图像匹配与空间后方交会，得到精确相机位姿，进行空间前方交会；然后，提出了基于像点平差的位姿估计方法，直接利用物体移动前后的像点信息作为观测值，进行物体位姿的最优化估计。实验结果表明，测量效率提高了4倍，单点精度的最大误差不超过0.2 mm，姿态精度的最大误差不超过0.043°，证实提出方法能有效测量物体的六自由度位姿，一定程度上平衡了测量效率、精度与范围的矛盾。     

基于平面靶标的线结构光视觉传感器机器人手眼标定方法

为确定线结构光视觉传感器与工业机器人法兰中心的位姿关系，设计了一种只有单个圆的平面靶标及标定方法。调整机器人姿态，使激光线经过平面靶标上实心圆的圆心，通过图像处理，得到圆心的像素坐标，转换后得到圆心在传感器坐标系下的坐标；多次调整姿态，获取多组图像，得到多组传感器坐标系下圆心坐标；结合对应机器人位姿关系，采用最小二乘法直接解算出手眼矩阵。实验结果表明，所提方法与采用标准球为靶标的手眼标定方法对比，反求得到的三维坐标的标准差由0.3893 mm降为0.2145 mm，以同一目标的不同间距为测量对象，均方根误差均有效减小。该方法提高了标定精度，不需要采用昂贵的靶标，适合于现场标定。     

采用张量分解的四摄像机测量系统标定方法

摄像机标定是精密三维视觉测量的关键,为了实现对多摄像机测量系统的精确标定,首先分析了现有基于一维靶标的多摄像机标定方法的优缺点,并针对其不足,提出了一种基于张量分解的多相机标定方法,该方法主要包括以下三个方面的内容:(1) 利用透视投影成像模型和刚体变换理论建立多摄像机测量的数学模型;(2) 分析现有基于基本矩阵的多摄像机标定方法存在标定结果之间相互耦合的问题;(3) 将四摄像机测量系统的四焦张量引入标定过程中,利用一维标定靶标的成像点坐标求解的四摄像机测量系统的四焦张量,并根据四焦张量的简化求解方法来精炼获取摄像机矩阵。最后,通过实验验证了该方法的有效性和准确性,实验结果表明:(1) 四摄像机三维测量系统的标定可仅通过三组标定靶标图像即可实现,且标定操作效率相对于基本矩阵法更高;(2) 在4000 mm×4000 mm×2000 mm范围内,多摄像机测量系统的精度达到4 mm (3σ),相比于传统方法具有更精确的标定结果。满足室内运动目标位姿精确测量的要求。     

深度约束的零件尺寸测量系统标定方法

针对大尺寸平面零件尺寸测量系统标定精度不高的问题,提出了一种基于深度信息的系统标定方法。首先利用圆形平面靶标,提出一种提取靶标图像特征点的新方法,采用自适应阈值的边缘检测和多项式拟合算法提取特征点亚像素轮廓,利用椭圆拟合得到中心坐标;然后根据带有畸变的非线性成像几何模型,采用最小二乘法计算摄像机参数的最优解,获得靶标的位姿;最后提出被测物表面与靶标平面之间的深度信息作为摄像机模型修正项,校正测量平面位姿,利用成像原理和直线与零件表面交点确定零件尺寸。设计了单目视觉尺寸测量系统并进行实验,结果表明:标定反投影误差小于0.02 pixel,在10.75 m2的视场内,系统测量精度达到了0.05 mm。     

基于全局位姿评估的条纹反向视觉测量

提出基于全局位姿评估的条纹反向视觉测量。利用带测头的摄像机拍摄二维正弦条纹,根据傅里叶分析提取的平面特征点全局评估摄像机位姿,进而测量测头的球心坐标。摄像机的位姿评估是条纹反向视觉测量的关键技术,在测头标定和坐标测量中均需要进行位姿评估。位姿评估的误差函数包括重投影误差和物空间误差两类,两者在基于平面的位姿评估中均存在两个局部极小值,采用全局位姿评估算法可以避免误差函数陷入局部极小以高精度获取摄像机位姿,完成测头标定和坐标测量。实验结果表明,该方法可以高精度测量物体的三维坐标。     

面向直线顶管机的双屏视觉标靶标定方法与精度评价

针对双屏视觉标靶前、后感光成像屏位姿关系难以标定的问题,提出一种基于坐标点云的感光成像屏位姿标定方法。该方法分别将前、后感光成像屏划分为n行n列的网格阵列,通过全站仪测量感光成像屏上每个网格角点的空间三维坐标,并利用工业相机实时获取感光成像屏上每个网格角点的图像二维坐标,结合图像二维坐标和空间三维坐标获得2D-3D映射关系,从而得到坐标点云数据。根据三公共点坐标系转换算法将坐标点云数据中的三维坐标统一到标靶坐标系下,进而确定相机与前、后感光成像屏的位姿关系,再通过网格索引方法对前、后感光成像屏的位姿关系进行求解。为评价标靶位姿测量精度,设计了静态测量重复性精度评定实验和绝对测量精度评定实验。实验结果表明:该标定方法的坐标静态测量重复性精度为0.13 mm、绝对测量精度为0.93 mm;方位角静态测量重复性精度优于0.01°、绝对测量精度优于0.05°。因此,该标定方法可以实现两个空间平面位姿关系的精确标定,且具有操作简便、精度高等特点,可用于双屏视觉标靶的标定。     

基于双目视觉的工件尺寸三维测量

针对传统的接触式测量方法存在测量速度慢、效率低等问题,本文基于双目视觉视差原理,采用了一种双目视觉测量方法。首先,利用双目视觉系统采集带有标志圆的靶标图像对,进行摄像机标定;然后,采用Canny自适应算子检测图像的边缘,通过椭圆拟合来确定特征点,在极线约束条件下完成图像的立体匹配,最后将图像坐标换算成世界坐标系下的三维坐标。实验结果表明,该方法对于有标志点的被测对象具有测量精度高的特点,误差在0.07mm以下。     

激光跟踪视觉导引测量中靶标球球心定位方法

为解决现有激光跟踪测量系统中存在的搜索区域大、定位速度慢等问题,提出了一种基于单目视觉测量系统求解激光跟踪仪靶标球球心三维坐标,以此作为导引信息,引导单台激光跟踪仪实现多基准点自动测量的方法。对视觉测量所采用的椭圆识别和基于单目摄像机的球心定位算法进行了研究。首先,根据靶标球成像的特点,介绍了基于Gestalt的椭圆识别算法,实现了靶标球图像特征的自动提取与识别。然后,介绍了基于单目摄像机的球心定位算法,即根据图像椭圆方程、相机焦距和球半径求解球心三维坐标,并进行了仿真验证。最后,进行了实际的靶标球图像自动识别与球心定位实验。结果表明,采用文中方法测量两靶标球间已知距离约为550 mm时的RMS误差为1.728 2 mm。激光跟踪仪激光束搜索范围得到大幅减小,基本满足自动测量的快速性和高效性等要求。     

基于最佳偏振角的线性位姿测量方法研究

在基于视觉图像的位姿测量中,非线性位姿测量算法的全局收敛存在不确定性,测量结果取决于初值的选取,不能保证位姿测量的鲁棒性。线性位姿测量算法对图像处理的要求比较高,如果定位特征点图像坐标提取不够精确,会导致位姿测量精度降低。在自然光条件下,相机采集定位特征点图像,图像中高亮度区域的存在对定位特征点提取精度产生影响,进而使有效定位特征点数量减少,影响位姿测量精度。针对上述问题,文中提出了一种基于最佳偏振角的线性位姿测量方法:在相机镜头前加装线偏振片,根据Stokes矢量建立偏振片最佳偏振角度求解模型,在使用最佳偏振角度的前提下采集定位特征点图像,提取图像坐标;建立线性位姿求解模型,计算被测物体位姿。实验结果表明,该方法能够有效减少图像中的高亮度区域,改善成像质量,提高线性位姿测量精度,在?60°~+60°的测量范围内,角度测量误差小于±0.16°,在0~20 mm的测量范围内,位移测量误差小于±0.05 mm。     

高速列车动态位姿测量方法及校准技术研究

针对高速列车动态位姿测量中高速、大视场和高精度的测量需求,构建由两台高速相机组成的双目视觉测量系统,通过同步捕捉由大功率线激光瞬时光源构造的测量特征,实现对高速列车动态位姿的实时测量。提出基于非成像模型的相机校准方法,重构相机光学成像过程,构造三维空间成像光束和图像像点之间的一一对应关系,通过建立入射光束角度值与像点坐标的数学模型,实现大视场相机的高精度校准。基于光束平差原理,利用已知长度的基准尺实现双相机位置关系的快速精确校准。实验结果表明,采用上述方法可达到±5"的相机校准精度和±0.2mm的双相机校准精度,整个系统能达到±0.5mm的测量精度,为高速列车动态位姿的测量提供了一种全新有效的手段。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.     

基于双目立体视觉测量原理的物体运动速度测量

采用双目立体视觉测量系统进行炮弹速度的测量, 实现一种利用无速度测量因素测量设备测速的新方法。选择合适参数的两 台摄像机获得被测物体清晰的像,将两台摄像机搭建成光轴平行的双目视觉测量 系统,获得炮弹在运行过程中的每一时刻的三维轮廓数据,根据获得的三维数据进 行空间位置节点的三维插值,得到炮弹在t时间段内运行的距离,并求取平均 速度。仿真实验结果表明,本文方法可以准确、快速利用无速度测量因素的测量 设备获得炮弹的运行速度。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

光电着降导引系统的跟踪和参数测量

分析和研究了CCD摄影测量算法的精确定位技术,建立了4个信标点空间位置坐标的数学模型,并推导出计算公式,该算法的特点是计算精度高,可实时计算空间目标的坐标位置,从而对空间目标精确定位,在航天、航空技术上有重要的用途.设计了一台直升机着降与回收的光电导引系统,利用2台红外CCD对在直升机两侧机身被半导体激光器照明的4个信标成像,通过对图像的处理和目标识别,提取出信标的位置和恣态信息.使用双摄影测量法模型实时计算出直升机相对于着降点的坐标.使用高性能的DSP系统,实时检测和跟踪双通道图像信号并显示出实验结果.模拟实验结果表明,在8～13m距离内,光电引导系统的距离测量精度达到±5cm,而角度测量精度达到±3°.     

形心匹配优化下的狭长空间近距离轨迹测量系统

在基于双目视觉的三维轨迹测量中,双目同名点的高精度匹配是提高测量精度的关键。在狭长空间的近距离测量场景下,针对双目拍摄角度不同导致仅用形心法定位匹配的轨迹测量精度不高的问题,研制了一种形心匹配优化下的狭长空间近距离轨迹测量系统。首先,在仅用形心法对目标物体定位匹配的基础上利用极线约束投影进行双目形心的二次定位;其次,提出了一种基于距离和方法权重的灰度互相关方法进行双目形心的亚像素匹配;最后,通过卡尔曼滤波对于目标物体的三维重建运动轨迹进行滤波修正。实验结果表明：该轨迹测量系统通过对多方法组合优化,显著提高了狭长空间近距离条件下的轨迹测量精度,在128 mm的全量程测量范围内对纹理较好目标物体的平均轨迹长度测量误差为13.14μm,测量精度约为0.01%,相比于仅用形心法定位匹配,轨迹长度测量精度提高了94.3%。     

激光跟踪仪目标脱靶量精密探测方法

激光跟踪仪是一种用于大尺寸空间精密几何坐标测量的重要光学测量仪器。PSD是激光跟踪仪实现对合作目标精密跟踪的脱靶量传感器件,其探测精度直接影响跟踪测量性能。首先,简要介绍了激光跟踪测量系统及基工作原理,然后根据系统需求提出了脱靶量精密探测方案。重点讨论了I/V变换、信号放大、滤波、参数匹配等硬件设计方法以提高PSD输出微弱电流信号的稳定性,研究提出了基于FPGA和有限状态机的去极值平均滤波算法和扩展除法运算算法分别用于降低噪声干扰与提高测量精度;数据表明在4mm4mm的区域内脱靶量探测稳定度优于2m。采用该方法实现激光跟踪仪对合作目标的动态跟踪,很好地满足了激光跟踪仪的精密快速跟踪需要。     

三维轴对称目标的简化识别

基于对空中轴对称目标识别的需要,根据目标投影变换和姿态测量,利用匹配滤波和坐标变换,提出一种简化的识别方法。选择合适的目标投影图像作为识别模板,并用计算全息的方法编制成匹配滤波器;在目标的三维姿态被探测后,根据其方位角和俯仰角,对滤波器进行坐标变换,再利用光学相关方式识别目标的投影图像。通过数值模拟,分析了不同姿态下二维任意目标的识别情况,以及三维轴对称目标的模板选择及其识别效果。分析表明,利用这种简化识别方法,只需将目标在45°和90°俯仰角下的投影图像制成识别模板,并进行组合,即可得到目标的最小相关系数为0.4472,远大于飞机干扰物与模板的最大相关系数0.06。     

双模态信息融合的飞行目标位姿估计方法

针对在飞行目标位姿估计中背景复杂、目标提取及位姿解算精度低、速度实时性差等问题,提出了一种激光与图像信息融合的飞行目标位姿估计方法。首先,建立彩色相机和激光雷达间的坐标变换模型实现两传感器像素级匹配,对同一时刻的图像和点云进行融合处理;其次,采用Vi Be算法与深度信息融合对图像中运动目标进行提取,并根据图像目标的位置框选出对应的点云;最后,利用PnP算法进行特征点粗配准,获取点云间初始旋转平移矩阵,并采用迭代最近点算法进行精配准,利用IK-D Tree加速临近点搜索,提高配准速度。使用仿真试验和半实物仿真试验对方法准确性和稳定性进行了验证,结果显示：二维图像目标检测算法正确率为97%,错误分类比为0.011 2%;位姿估计算法与传统迭代最近点算法相比精度提高了53.2%,单次耗时从261 ms降低至132 ms,效率提升约49.4%,与其他算法相比也具有一定优势。为飞行目标落点精准预测和制导控制提供解决思路。     

大视场双目视觉定位系统中多目标稀疏匹配

野外远距离、大视场、双目视觉物体定位监测系统是基于双目立体视觉原理的三维坐标测量系统。存在随机出现的多个无特征目标的正确匹配率低,导致目标定位精度降低的共性问题。正确判断首个目标出现,对于同一目标在同侧图像序列连续出现,形态特征由大到小变化或分裂的情况,利用质心判断方法排除伪目标,检测目标正确质心位置;然后,两段图像序列时间同步,同一时刻多个目标基于极线约束进行稀疏匹配,获得同一目标在两台相机中正确的对应关系。实验证明,现场连续采集的9帧图像中包含8个目标,利用上述方法完成目标检测及匹配,提高了准确率。     

基于卷积神经网络的胸环靶面畸变校正算法

实弹射击是部队的基础军事训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而,计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响,导致被测对象的图像产生畸变,最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度,提出一种基于卷积神经网络的畸变校正算法,只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后,输入一张畸变图片就可以得到该图片的畸变参数,并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明,该算法校正效果较好,有利于提升基于计算机视觉的自动报靶系统的报靶精度。