立体视觉测量系统现场校准技术

为实现大空间复杂工件的准确测量,精确校准立体视觉系统变得越来越重要.提出了一种利用光学参考棒,基于单位四元数法的灵活、有效的立体视觉测晕系统现场校准技术.该方法以光学参考棒为校准靶标,以参考棒上的三个共线的距离已知的红外LED作为特征点,通过在测量范围内不同位置对光学参考棒上特征点成像,灵活、有效地实现两摄像机之间的外参校准.参数校准过程中,自动地控制光强,优化曝光时间,从而使得不同位置处光点图像的强度一致,并且可以获得高的信噪比,提高校准精度.实验结果表明该方法具有相当高的在线校准精度,在实际应用中能获得很好的效果,最大测量误差为0.15 mm,最大标准差为0.11 mm.     

单摄像机立体视觉测量系统的高精度变焦标定技术

针对现有用于光学测量的双目变焦系统标定方法难度大、测量精度受限于两摄像机内参一致性等问题。提出一种基于单摄像机的平行双目立体视觉系统实现及其高精度变焦标定方法。方法基于三角测量原理采集图像,利用高精度位移台驱动单摄像机进行平移以保证基线精度;求解离散焦距下的预标定结果并利用BP神经网络模型对其进行拟合,以实现任意焦距下系统内外参数动态估计。实验结果表明,系统预标定的重投影误差小于0.1664 pixel,变焦后图像畸变校正平均误差为0.0982 pixel,立体视觉测量尺寸绝对误差小于0.05mm。方法能弥补传统变焦标定方法的不足,消除双目内参不一致引入的误差,提高视觉系统的测量精度。     

非平行双目视觉系统水下标定与测量

针对用非平行双目视觉系统进行水下拍摄测量时,由于折射所导致的测量误差较大、精度不高的问题,建立了基于折射光路的水下双目视觉系统测量模型,并以Agrawal方法为基础,在已知两摄像机相对位置关系的前提下,对该测量模型参数标定的方法进行了改进。为验证改进的Agrawal方法的可靠性,与Agrawal方法进行水下标定对比实验。结果表明,相较于Agrawal标定算法得到的防水罩法向量这一模型参数,提出的改进算法的结果与真实值更为接近。在此基础上,应用标定后的水下双目视觉系统测量模型对水下靶标标定点间的标准距离进行测量,测量误差平均值为-0.0134 mm,最大误差为0.2073 mm,与空气中双目视觉系统测量精度相当。     

基于传递像机的移动摄像测量方法

针对大型结构表面积较大而像机视野有限的问题,提出了一种基于传递像机的移动摄像测量方法,该方法可对大型结构进行全局扫描测量。利用固定连接于移动平台的传递像机对基准标识点进行图像采集,采用像机参数标定方法对传递像机的外参数进行计算,得到相邻时刻移动平台坐标的相对转换关系。测量像机在移动平台的驱动下围绕结构表面采集特征点,利用运动平台坐标的转换关系计算得到测量像机的实时外参数。建立等效双目交会共线方程,并对特征点位置进行计算,在初始位置完成参数标定后,即可实现自动测量。实验结果表明,所提出的移动摄像测量方法的测量精度可达2.012mm,且自动化程度较高,可应用于大型结构的在线监测。     

双目视觉用于鱼苗尺寸测量

为了有效地提高鱼苗尺寸测量的效率及精度,搭建了平行式双目立体视觉系统。根据双目视觉原理,首先基于改进后的由多组同心圆构成的标定板对双目视觉测量系统进行定标;然后利用Harris角点提取算法获取鱼苗图像的关键特征点,并基于归一化互相关(Normalized Cross Correlation,NCC)立体匹配算法对关键特征点进行匹配,提取坐标数据;最后根据坐标数据进行计算,得到鱼苗的空间坐标,实现对鱼苗尺寸的精确测量。结果表明,由所搭建的平行式双目立体视觉系统测量的相对误差在8%以内,为双目视觉应用于鱼类养殖业的可行性提供了依据。     

一种双目立体视觉系统的误差分析方法

基于摄像机透视成像的针孔模型,分析了立体视觉中摄像机标定和三维重建过程的主要误差来源。基于各主要误差源的模型分析,建立了双目视觉系统3D测量误差与摄像机参数、基线长度、测量距离等因素之间的关系式。如已知相关参数,可以估算出双目视觉系统的3D测量精度,或根据3D测量精度要求,初步确定摄像机的内部各项参数和基线长度、测量距离等参数。     

基于可控旋转的像机高精度标定技术

提出了一种基于可控旋转的主动视觉标定方法,通过控制像机围绕光心(或光心附近)做旋转运动,能够将等效焦距与其他参数分离开来,求解精确的等效焦距。该方法需要控制像机绕其坐标轴进行两次旋转以标定横纵等效焦距。当采用横纵等效焦距相等并且图像主点取为图像中心的简化成像模型时,只需要一次旋转运动即可标定像机线性参数。在此基础上提出了传统标定方法和基于可控旋转方法相结合的像机标定技术,控制摄像机拍摄空间坐标已知的标定块并做一定的旋转运动,从而高精度标定包含像差系数的像机内外参数。实验表明,使用基于可控旋转运动标定方法得到的像机参数进行位姿测量时达到了很高的精度。     

基于光学测棒的立体视觉坐标测量系统的研究

提出了一种基丁测量与校准功能合一的光学测棒的立体视觉坐标测最系统.采用光学测棒作为成像目标,通过任意放置的两台摄像机获取测棒上的发光特征点的图像实现被测物体三维坐标的测量,同时利用测量数据定期对两台摄像机外部方位参数进行校准.深入研究了两台摄像机内部参数和外部方位参数校准过程中的校准件和校准算法的设计,以及系统测量建模等关键技术,提出了相应的解决方案,减小了摄像机内外参数校准及测量模型对测量结果的影响,提高系统的测量精度.实验结果表明.该系统的最大测量误差为0.11 mm.     

基于图像的空中加油软管平衡拖曳位置测量方法

针对飞行条件下加油软管平衡拖曳位置的获取难题,设计了一套基于图像的空中加油软管平衡拖曳位置测量方法。通过在加油机上加装多路高清影像测量系统获取空中加油过程软管的运动图像,并对多像机同步采集、大景深像机标定、无参考点加油锥套识别与跟踪等关键技术进行研究,实现了加油软管平衡拖曳位置的精确测量。仿真实验结果表明,采用该方案测量精度优于5 cm,满足飞行试验精度要求。     

激光跟踪虚拟坐标测量系统与自标定方法的实验研究

激光跟踪虚拟坐标测量系统满足了工业领域大型工件和空间形位测量所提出的要求。这些要求包括 :高精度、无导轨测量、动态实时跟踪测量、全姿态测量等。在实验室建立了基于角度 距离法的激光跟踪测量系统和基于纯距离法的多站跟踪测量系统 ,分别在三坐标测量机、光学平台光栅位移系统下进行了实际跟踪测量和精度比对实验。并运用虚拟坐标自标定算法在虚拟坐标系下确定了初始点位置、目标点坐标及各点间距离。最后 ,对两种方法的特点进行了分析比较     

A calibration method for stereo vision sensor with large FOV based on 1D targets

Large FOV (field of view) stereo vision sensor is of great importance in the measurement of large free-form surface. Before using it, the intrinsic and structure parameters of cameras should be calibrated. Traditional methods are mainly based on planar or 3D targets, which are usually expensive and difficult to manufacture especially for large dimension ones. Compared to that the method proposed in this paper is based on 1D (one dimensional) targets, which are easy to operate and with high efficiency. First two 1D targets with multiple feature points are placed randomly, and the cameras acquire multiple images of the targets from different angles of view. With the fixed angle between vectors defined by the two 1D targets we can establish the objective function with intrinsic parameters, which can be later solved by the optimization method. Then the stereo vision sensor with two calibrated cameras is set up, which acquire multiple images of another 1D target with two feature points in unrestrained motion. The initial values of the structure parameters are estimated by the linear method for the known distance between two feature points on the 1D target, while the optimal ones and intrinsic parameters of the stereo vision sensor are estimated with non-linear optimization method by establishing the minimizing function involving all the parameters. The experimental results show that the measurement precision of the stereo vision sensor is 0.046 mm with the working distance of about 3500 mm and the measurement scale of about 4000 mm×3000 mm. The method in this paper is proved suitable for calibration of stereo vision sensor of large-scale measurement field for its easy operation and high efficiency.     

Sphere-based calibration method for trinocular vision sensor

A new method to calibrate a trinocular vision sensor is proposed and two main tasks are finished in this paper, i.e. to determine the transformation matrix between each two cameras and the trifocal tensor of the trinocular vision sensor. A flexible sphere target with several spherical circles is designed. As the isotropy of a sphere, trifocal tensor of the three cameras can be determined exactly from the feature on the sphere target. Then the fundamental matrix between each two cameras can be obtained. Easily, compatible rotation matrix and translation matrix can be deduced base on the singular value decomposition of the fundamental matrix. In our proposed calibration method, image points are not requested one-to-one correspondence. When image points locates in the same feature are obtained, the transformation matrix between each two cameras with the trifocal tensor of trinocular vision sensor can be determined. Experiment results show that the proposed calibration method can obtain precise results, including measurement and matching results. The root mean square error of distance is 0.026 mm with regard to the view field of about 200×200 mm and the feature matching of three images is strict. As a sphere projection is not concerned with its orientation, the calibration method is robust and with an easy operation. Moreover, our calibration method also provides a new approach to obtain the trifocal tensor.     

Calibration for stereo vision system based on phase matching and bundle adjustment algorithm

Calibration for stereo vision system plays an important role in the field of machine vision applications. The existing accurate calibration methods are usually carried out by capturing a high-accuracy calibration target with the same size as the measurement view. In in-situ 3D measurement and in large field of view measurement, the extrinsic parameters of the system usually need to be calibrated in real-time. Furthermore, the large high-accuracy calibration target in the field is a big challenge for manufacturing. Therefore, an accurate and rapid calibration method in the in-situ measurement is needed. In this paper, a novel calibration method for stereo vision system is proposed based on phase-based matching method and the bundle adjustment algorithm. As the camera is usually mechanically locked once adjusted appropriately after calibrated in lab, the intrinsic parameters are usually stable. We emphasize on the extrinsic parameters calibration in the measurement field. Firstly, the matching method based on heterodyne multi-frequency phase-shifting technique is applied to find thousands of pairs of corresponding points between images of two cameras. The large amount of pairs of corresponding points can help improve the accuracy of the calibration. Then the method of bundle adjustment in photogrammetry is used to optimize the extrinsic parameters and the 3D coordinates of the measured objects. Finally, the quantity traceability is carried out to transform the optimized extrinsic parameters from the 3D metric coordinate system into Euclid coordinate system to obtain the ultimate optimal extrinsic parameters. Experiment results show that the procedure of calibration takes less than 3 s. And, based on the stereo vision system calibrated by the proposed method, the measurement RMS (Root Mean Square) error can reach 0.025 mm when measuring the calibrated gauge with nominal length of 999.576 mm.     

基于十字靶标的双目立体测量系统标定

提出了一种基于十字靶标的双目立体测量系统标定方法。采用多视图几何约束和光束平差优化精确获得两相机内参数,同时得到在两相机各自坐标系下重建出的靶点三维坐标点集;由两组三维点集之间的刚体变换直接求得系统外参数。该方法只需双相机同时对十字靶标拍摄一次,再由两相机单独拍摄若干幅靶标图像即可,现场操作简单灵活。在标定结果的基础上,对长度为611.800mm的标尺进行多次测量,平均值为611.776mm,标准差为0.030mm。     

一种无相机标定的立体图像对校正新方法

双目立体视觉是光学被动三维测量的芷要方法。为了快速、准确地寻找对应点,通常要将立体图像对进行校正,消除垂直视差。提出了一种无需标定相机的立体图像对校正方法。该方法从基本矩阵计算初始透视投影、旋转和竖直平移变换矩阵．然后以对应点坐标为基础对这些变换矩阵进行优化计算,从而有效地避免了优化计算的局部最小值,而且不过分依赖基本矩阵的计算精度。通过对提出的方法和完全基于基本矩阵的图像校正方法以及无需基本矩阵计算的图像校正方法进行实验比较,结果表明提出的方法图像校正速度快,能有效地消除垂直视差,而产生的图像变形较小。     

三维形貌柔性测量系统标定方法及验证

为了避免机器人模型误差对三维形貌柔性测量系统手眼标定的影响,对手眼关系的标定方法进行了研究。提出了一种融合特征点拟合的手眼标定方法。将三维形貌扫描仪安装在工业机器人末端搭建三维形貌柔性测量系统。标定时,首先利用激光跟踪仪对工业机器人末端法兰盘坐标系进行测量,得到两者转换关系;然后,利用三维形貌扫描仪和激光跟踪仪对空间固定的特征点组进行测量,利用特征点约束和基于罗德里格矩阵的算法求解两者转换关系即可间接地求解出手眼关系。基于ATOS三维扫描仪、安川HP20D机器人和API公司生产的激光跟踪仪进行了手眼标定实验,并进行了精度验证。结果表明:标定后的三维形貌柔性测量系统,其重复性测量精度(3σ)不超过0.1 mm,长度测量精度的均方根误差在0.2 mm以内,点云拼接精度优于±0.7 mm。该方法有效避免了传统手眼标定过程中会引入机器人模型误差的问题,在求解手眼关系解时采用了线性的解法,并且适用于三维形貌柔性测量系统。     

一种无公共视场相机位置关系的求解方法

多相机系统的标定是立体视觉测量中的一个重要问题。而当各相机间公共视场较小或无公共视场时,标定参照物不能同时出现在所有相机的公共视场,因此无法求解系统中多相机的相对位置关系。针对该类问题,论文在二维靶标标定法的基础上,提出了一种基于两轴转台的无公共视场相机位置关系的求解方法。将待标定系统固定在转台上,利用转台转动确定靶标坐标系与转台坐标系之间的相对关系;通过转动转台使二维靶标依次进入每个相机视场以分别确定转动后每个相机在靶标坐标系中的位置,并记录转动的角度;最后,结合靶标坐标系与转台坐标系关系,求解各相机之间的相对位置关系。实验结果表明,该方法具有可操作性,解算误差在0.5%以内,可较准确地确定多个光轴之间角度较大的非共视场相机位置关系。