基于单应性矩阵的线结构光参量标定法

利用矩形角点计算了成像平面与靶标平面之间的单应性矩阵,获取了结构光中心线在靶标平面的直线方程,结合消失点原理获取了直线上任意多个标定点的三维坐标;通过多幅图像标定点的拟合得出了光平面方程.实验表明,该算法可实现光平面参量的快速准确标定,标定结果达到的定位准确度为±0.437mm,符合工业现场的实际需求.与交比不变法相比,该方法获取标定点的效率高,靶标设计简单、通用性强.     

一种高精度线结构光视觉传感器现场标定方法

针对现有线结构光视觉传感器标定方法存在的局限性,提出一种不需要求解光平面标定点的标定方法.根据光条图像求解平面靶标上光条在摄像机坐标系下的Plücker矩阵.在视觉传感器前合适位置将平面靶标摆放多次,联立所有光条空间直线的Plücker矩阵,求解光平面在摄像机坐标系的平面方程.最后通过非线性优化方法得到光平面方程在最大似然准则下的最优解.在标定过程中,所有光条点都参与光平面参数的计算过程,因此该方法标定结果精度高、稳健性强.实验证明,与现有方法相比该方法标定精度提高30%左右.     

基于双重虚拟圆靶标的激光扫描测头标定

提出了一种基于双重虚拟圆来标定光平面的新方法。该方法利用棋盘的角点在图像坐标系下构建双重虚拟圆,虚拟圆与激光光条直线建立了相对的位置关系,根据交比不变原理计算出光条上的特征点在摄像机坐标系下的坐标。在摄像机视场范围内多次变换棋盘位置,构造出的虚拟圆也相应变换,由此计算得到更多的特征点,利用最小二乘法拟合光平面方程。实验表明,该方法求得的精度要明显优于实际的圆形靶标标定的精度,光平面标定的均方根误差为0.04mm,且棋盘靶标更易于制作,标定计算简单可靠,适合现场标定。     

平顶线结构光的中心检测算法及光刀平面标定

针对传统线结构光光刀平面标定方法测量精度不高,应用范围小的问题,提出基于平面标靶的线结构光系统光刀平面标定,对无激光的标靶图片进行迭代摄像机标定,有激光的标靶图片进行光刀平面标定.提出光强符合均匀分布的平顶激光检测中心算法,将平顶激光建模为矩形的台阶函数,估计背景亮度和前景亮度,确定亮条纹宽度,再将窗口内的有效像素参与重心计算,得到光条纹中心.用该算法对不同噪声及不同量块的图片进行处理,结果表明,处理后图像的均方根误差分别在0.149pixel和0.176pixel内,表明该算法抗噪声能力强、精度高.用该算法提取光条中心,计算光条在标靶上的位置,根据至少两个姿态下的光条中心三维点,基于最小二乘法拟合光刀平面.通过迭代摄像机标定和光刀平面标定,利用三角测量法,在立体视觉模型下获取物体的三维点云数据.实验测量两个距离为100.5mm的标准球,相机与标准球距离为500mm,比较两球心距离与标准距离,测得平均误差为0.236mm.表明平顶激光检测中心算法切实可行,光刀平面标定方法基本满足要求.     

基于参考靶标的线结构光传感器标定

为提高线结构光传感器(LSLS)的标定精度,提出了一种基于平面参考靶标的标定方法。给出了相机坐标系下参考靶标点中心坐标及激光平面方程的计算方法;将参考靶标点中心向激光平面投影,并以左下角投影点为原点建立世界坐标系,得到了靶标点中心像素坐标所对应的世界坐标;采用多项式拟合得到了任意像素点到世界坐标的转换关系,实现了传感器的标定,标定结果仅为多项式的系数,便于存储和使用;对标定误差进行了分析。结果表明,所提方法得到的各测试点与第一个点间距离误差的均方根值为0.0216 mm,相对于传统方法减少了22%,所提方法在LSLS高精度标定方面具有一定的优越性。     

基于共面靶标的线结构光传感器标定新方法

现有的线结构光传感器标定方法中,结构光平面上标定点的计算精度将会直接影响到传感器最终的标定精度。提出了一种基于共面靶标的线结构光传感器标定新方法,该方法无需计算光平面上的标定点,也无需反复计算摄像机的外参数。多次移动共面靶标计算不同方向激光条纹直线的消隐点,并对其拟合直线得到光平面的消隐线,完成光平面法向的标定。根据交比不变原理计算共面靶标上标定点间的距离,并以其为约束来标定剩余参数。考虑到误差传递的影响,定义了优化目标函数,以已求得参数为初值进行非线性优化。对比实验表明了该方法具有较高的标定精度,测量误差均方根为0.0306mm,且标定过程简单,计算复杂度低,适合现场标定。     

基于平面互补靶标的线结构光标定系统

为提升线结构光传感器的标定效率与精度,设计了一种集成自背光可调节位姿的平面棋盘格-同心圆互补线结构光标定系统。该系统基于同心圆圆心的真实投影位置与投影椭圆圆心位置的几何关系,建立非线性优化偏心误差补偿模型,精确得到透射投影下圆心偏心误差补偿位置。该方法与传统标定方法对比降低重投影误差84.7%,有效解决了圆形标志物偏心误差补偿的高精度标定难题。通过将相机坐标系下过光心、光条中心线的平面与靶标平面结合,多次获取空间交线的坐标信息增加特征点,并使用最小二乘法拟合光平面方程,解决了因特征点少从而平面拟合标定精度较低的问题。在复杂环境下重复实验测得大尺寸砂轮外径误差均值为0.005 1 mm,结果表明该标定系统具有一定的准确性和简便实用性。     

基于神经网络的结构光系统标定

提出一种基于神经网络的系统标定方法.通过射影变换及误差补偿方法,建立摄像机图像平面与投影仪图像平面的映射关系,利用该映射关系和标定点的摄像机图像坐标,计算得到相应的投影仪图像坐标;建立三层结构的神经网络,该网络以两个图像坐标为输入,对应的世界坐标为输出,训练样本由得到的标定点的两个图像坐标及其世界坐标组成,采用BP算法训练该网络;训练过程即为神经网络逼近系统模型的过程,训练完成时,系统完成标定.实验表明,与传统的结构光标定方法对比,本文提出的方法简化了建模复杂度和标定过程,提高了标定精度,并具有普遍适应性.     

舵面角度测量中结构光光条图像自动定位方法

本文提出了一种在舵面角度测量中多平面结构光光条的自动定位方法.该方法首先基于Steger方法提取舵面中多个平面的光条图像中心;然后基于直线约束和距离约束提取出各小直线段,并根据各直线段的直线方向将各小直线段归类为最后的光条直线;最后根据光条直线的位置判断各光条直线所在光平面及所在舵平面.经实验验证,本文方法切实有效,具有较高的鲁棒性.     

线结构光自同步扫描三维形貌测量系统

针对空间目标操控任务中非合作目标近距离三维形貌测量的需求,设计了基于激光三角法原理的线结构光自同步扫描三维形貌测量系统.分析了经典的点扫描测量系统模型,扩展建立了线结构光扫描系统模型.构建了测量系统桌面样机,利用二维平面棋盘靶标构建虚拟立体靶标完成了系统参量的标定.分别对已知结构的工件及天宫一号缩比模型进行了测量实验,结果表明:测量距离为1m时,系统三坐标测量误差均优于1mm,Z向距离误差为0.18mm,测量点到拟合平面的距离误差均值为0.31mm.该系统简化了扫描系统结构,能降低空间载荷的重量和功耗,满足空间任务中快速三维形貌测量的需求.     

高噪声背景下激光条纹亚像素中心的提取

针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题,提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声,采用平均法和中值滤波预处理图像;利用迭代阈值分割及形态学方法,获取条纹目标,引入距离变换提取条纹的像素级中心;根据像素级中心、二值信息及光强灰度,结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下,相邻行条纹中心列坐标最大偏差值像素小于2 ,平均偏差像素值约为0.3,与传统方法相比,2项指标值更小。实验结果表明,算法有效利用条纹灰度分布规律,可降低噪声对中心定位精度的影响,更逼近条纹真实中心位置,抗噪能力极强。     

基于加权能量集中度的光条成像质量评价方法研究

线结构光视觉传感器的光条成像质量是判断摄像机曝光时间设置是否合适,系统能否达到最佳测试精度的重要因素。从横截面近似高斯分布的光条出发,综合考虑影响能量集中度的峰值灰度和光条宽度,提出了一种基于加权能量集中度的光条像质量评价方法。光条图像和背景图像作差获取差分图像,提取光条直线方程并根据法线方向旋转差分图像使得光条完全垂直于图像水平轴,获取光条的截面灰度分布情况,并计算加权能量集中度,根据经验阈值判断光条成像的质量。实验表明,随着曝光时间加大,加权能量集中度在数值上先增大后减小,因此通过阈值可以很好地评价光条成像质量。     

金属表面非相干线结构光条纹中心提取方法

采用线结构光法测量金属表面形貌时,由于受到金属表面光学特性和散斑噪声的影响,条纹中心的提取误差往往较大。为此,提出了一种非相干线结构光形貌测量方法,避免了散斑噪声的影响。通过分析该方法测量金属表面形貌时的条纹图像特点,提出一种适合非相干线结构光条纹的中心提取方法。该方法首先采用结合积分图像原理的自适应阈值分割算法,对原条纹图像进行分割。采用灰度重心法粗提取原条纹中心坐标,以该坐标为基准向条纹宽度方向延伸,从而确定阈值分割后条纹图的感兴趣区和背景区,并去除背景区的噪声。经中值滤波后,采用几何中心法提取条纹中心。实验结果表明:采用该方法提取粗糙度样块表面非相干光条纹中心的平均误差为1.5 μm,提取齿轮渐开线样板表面非相干光条纹中心的平均误差为0.9 μm,均比其线激光条纹中心的提取误差小。所提方法能实现金属表面非相干线结构光条纹中心的精确提取。     

Constructing feature points for calibrating a structured light vision sensor by viewing a plane from unknown orientations

To calibrate a structured light vision sensor, it is necessary to obtain at least four non-collinear feature points that fall on the light stripe plane. We propose a novel method to construct non-collinear feature points used for calibrating a structured light vision sensor with a planar calibration object. After the planar calibration object is moved freely in the range of measuring of the structured light vision sensor at least twice, all the local world coordinates of the feature points falling on the light stripe plane can be readily obtained in site. The global world coordinates of the non-collinear feature points in the local world coordinate frame can be computed through the three-dimensional (3D) camera coordinate frame. A planar calibration object is designed according to the proposed approach to provide accurate feature points. The experiments conducted on a real structured light vision sensor that consists of a camera and a single-light-stripe-plane laser projector reveal that the proposed approach has high accuracy and is practical in the vision inspection applications. The proposed approach greatly reduces the cost of the calibration equipment and simplifies the calibrating procedure. It advances structured light vision inspection one step from laboratory environments to real world use.     

基于法线引导的激光中心线提取方法

在线结构光三维测量系统中,高精度激光条纹中心线提取是提高测量精度的关键。针对现有激光中心线存在提取精度不高、保留细节差等问题,提出了一种基于法线引导的激光中心线提取算法。该算法具体实现步骤为:首先,对图像进行预处理,结合边缘检测和几何中心法对激光线初步提取;然后,用主成分分析法(principal component analysis,PCA)求取其法线,在激光中心点处划分角度八邻域,通过法线角度引导搜寻有效点集;最后,利用灰度重心法对点集进行亚像素提取。实验结果表明:该算法均方根误差与灰度重心法相比提高了0.233 9像素,比Steger算法、方向模板法更好地保留了光条细节,可以更精确地提取光条中心,达到亚像素级的精度。     

A novel 1D target-based calibration method with unknown orientation for structured light vision sensor

The problem associated with calibrating a structured light vision sensor is that it is difficult to obtain the coordinates of the world calibration points falling on the light stripe plane. In this paper, we present a novel method to address this problem by randomly moving a 1D (one-dimension) target within the sensor's view field. At each position where the target is set, the world coordinates with one calibration point on the light stripe plane that can be obtained based on at least three preset known points on the 1D target by a proposed two-stage technique. Thus, as long as the 1D target is at least set at three different positions, not less than three such calibration points can be obtained to perform the structured light vision sensor calibration. The simulation and real experiments conducted reveal that the proposed approach has an accuracy of up to 0.065 mm. The advantages of the proposed method are: (1) 1D target is easily machined with high accuracy, which reduces the cost of the calibration equipment; (2) the method simplifies the calibration operation and can be convenient in on-site calibration; (3) the method is suitable for use in confined spaces.     

基于单目结构光的大物体三维测量关键方法的研究

在单目结构光的三维测量系统中,由于投影仪倾斜投影, 参考平面上的条纹周期展宽, 给测量带来误差,降低了测量精度。同时受大物体自身几何和形貌等因素的影响,以及相交轴测量系统的限制,其单幅面测量范围受限,很难一次测量大物体完整的三维形貌,而且在测量大物体时,摄像机镜头非线性畸变也影响测量精度。根据参考平面上光栅条纹的周期变化规律,提出了一种适用性好、方便快捷的条纹周期校正的理论模型, 在此基础上, 提出了基于条纹周期校正的四步相移法的理论模型,进而提出了基于条纹周期校正的时间相位展开法的理论模型。采用摄像机镜头非线性畸变校正模型,提高测量精度。在被测物表面粘贴标志点,获取其三维坐标,利用SVD分解和L-M优化算法求取转换矩阵,并在设定的全局坐标系下实现三维图像拼接,采用线性加权算法,对重叠区域进行图像融合。实验结果表明,X轴的拼接误差为0.14 mm,Y轴的拼接误差为0.16 mm,Z轴的拼接误差为0.19 mm,其拼接误差均在测量误差允许范围之内。