基于单目立体视觉的三坐标在线识别技术研究

为了满足智能三坐标测量机对被测零件位姿快速准确识别的要求,根据三坐标驱动摄像机精确移动的特点,采用单个摄像机的双目视觉测量技术,在两个不同的位置拍摄得到被测物体的图像信息,图像经处理后得到图像质心,然后通过边缘图像质心的同名像点匹配,将质心的偏移量作为约束条件,实现了单摄像机的立体匹配。实验验证表明该方法简单可行,完全满足测量要求。     

智能三坐标测量机的零件位姿识别

提高三坐标测量机对零件检测的智能化,实现零件的位姿识别是非常必要的。提出了一种新的视觉识别零件及位姿的方法,该方法首先比较全面地提取实际零件的三维特征信息,然后根据零件三维特征在虚拟空间中寻找匹配组合,并根据匹配组合计算旋转平移矩阵,最后根据实际和虚拟的零件成像轮廓的相似度进行位姿识别。实验表明新方法能够对零件及位姿进行识别,并且最大误差不超过1mm。     

三坐标测量机驱动的摄像机标定技术

为了降低摄像机的标定费用和提高标定精度,提出了一种基于三坐标测量机平动的摄像机标定技术,对该技术的原理、数学模型、标定步骤和标定精度进行了研究。根据摄像机标定的基本原理,利用三坐标测量机沿X、Y、Z轴移动和正交精度都很高的特点,以三坐标测量机带动待标定摄像机产生和白色陶瓷标准球球心(标定特征点)在X、Y、Z轴方向上的相对平动,得到标定特征点在测头坐标系中不同位置的坐标;在每一个确定位置,摄像机拍摄标定特征点的像,经图像处理后,计算出像点在计算机帧存坐标系中的坐标。引入测头坐标系,建立了该项摄像机标定技术的数学模型,给出了标定步骤,组建了标定系统。比对标定实验结果表明,基于三坐标测量机平动的摄像机标定系统与专用标定系统的标定精度相当,数据相差在±1μm以内,满足工程实际精度要求,成本低、标定效率高。     

线结构光与CMM集成测量系统一体化标定方法

线结构光三维视觉与三坐标测量机(CMM)测量系统的集成能够实现对复杂零件表面快速高精度的测量。系统的标定是实现集成测量的关键步骤,包括摄像机内外参数标定,光平面结构参数标定和两个测量系统测量坐标的全局统一。提出了线结构光与CMM集成测量系统一体化标定方法,首先采集多幅不同位姿下带有光条纹的2D靶标图像,然后利用CMM接触测头测量得到某一位姿2D靶标角点在CMM坐标系下的世界坐标,利用交比不变原理求取靶标上特征点的三维坐标,进而求取线结构光视觉传感器测量参数和线结构光传感器测量数据到CMM坐标系下的转换矩阵,实现一次数据采集完成集成系统所有测量参数的标定,标定方法简单且精度和效率较高。     

空间点的立体视觉传感器标定方法

给出了一种基于随机空间点的立体视觉传感器高精度标定方法.该方法无需求解单个摄像机的内外参数,而是将立体视觉传感器透视变换矩阵中的元素作为未知量,当已知一组由高精度三坐标测量机提供的三维空间点坐标及其对应的图像点坐标时,即可利用奇异值分解法求解出各未知量的最小二乘解,从而避免了使用各类标定模板时由于加工和测量误差引入的标定误差.最后用标定过的立体视觉传感器对一组随机空间点进行三维坐标测量,与坐标测量机给出值进行比较表明,在误差最大的X轴方向,测量误差＜0.05 mm,在Y轴和Z轴方向,测量误差＜0.01 mm,证明了该方法的有效性.     

基于遗传算法的像机虚拟立体校准技术研究

给出了一种基于遗传优化算法的虚拟立体校准方法。利用红外发光二极管随三坐标测量机的测头做定间距移动构造了一个立体校准模板,通过奇异值分解算法初始估计校准参数,最后,通过遗传算法优化求解所有校准参数。实验中校准点的空间位置反推误差小于0.04 mm,表明该方法能够解决像机内参数精确校准问题,可以满足大尺寸视觉坐标测量技术对摄像机内参数精确校准的要求。     

基于双目视觉的机械零件位姿检测系统研究

针对机械零件搬运过程中需要精确测量零件位姿的实际问题,基于VS220双目立体视觉测量系统平台,设计了一种机械零件位姿检测系统。采用改进的Canny边缘检测算法,对零件边缘进行了轮廓识别,利用尺度不变特征转换方法进行了零件特征点的提取与立体匹配;利用立体视觉三维重建方法,建立了位姿检测系统数学模型,通过求解坐标系之间的转换关系,计算出了零件在传送带上放置的位置和方向等信息;通过VC++语言编写了位姿识别算法程序,实现了零件形状与位姿的识别;搭建了位姿测试系统实验平台,进行了测试实验。实验结果表明:系统能快速有效地对零件进行位姿检测,为实现零件的自动上下料提供了技术支撑。     

基于立体视觉的摄像机运动分析

本文提出一种应用在机器人视觉自主导航中的定量分析摄像机运动参数的方法。首先利用立体视觉技术对选定的特征点进行三维测量,然后提出了点于图像坐标系中运动的卡尔曼滤波模型进行帧间的点追踪,最后利用相邻两帧对应特征点的图像坐标应用到投影变换模型中得到摄像机的运动参数。实验证明本算法估计出的摄像机运动参数具有精度高、实时性好等特点。     

多视点大空间三维坐标数据归一化方法

提出了一种在一个编码区内利用立体视觉传感器两次单元测量重叠区域内的公共光学编码点来完成多视点三维数据拼接的方法.通过奇异值分解法求取立体视觉传感器位姿变换的R和T矩阵,将后一次单元测量结果转换到前一次单元测量的坐标系下,完成坐标系的归一化.实验证明,该方法在使用12个编码点求解时,坐标归一化后在X、Y、Z方向上1.2 m×1 m×0.4 m范围内的平均误差分别为0.08 mm、-0.07 mm和-0.02 mm,达到了较高的拼接精度,同时该方法无需在被测目标上粘贴任何特征点,真正实现了非接触测量.     

基于自适应算法的单目视觉系统的姿态解算

提出了自适应总体最小二乘算法,以进一步提高单摄像机视觉测量系统光学特征点的姿态解算精度,研究并对比了常用的总体最小二乘算法及自适应总体最小二乘算法在测量系统中的应用。首先,根据空间几何位置关系构建光学特征点、像点及摄像机位置的系统坐标系及三维空间模型,并建立关于光学特征点及像点的矩阵方程。然后,应用常用的总体最小二乘法及自适应总体最小二乘法进行优化求解。最后,基于优化的总体最小二乘解确定光学特征点相对世界坐标系的姿态。应用三坐标测量机进行仿真对比实验,结果表明:常用的总体最小二乘算法得出的姿态坐标的标准差为0.055 7mm,自适应总体最小二乘算法得出的姿态坐标的标准差为0.041 4mm。相比之下,自适应总体最小二乘算法有更高的收敛速度及收敛精度,且解算速度优于常用总体最小二乘算法,满足单目视觉测量系统的稳定、可靠和精度高等要求。