基于光栅投影测量改进的类双目系统标定方法

系统标定是光栅投影测量系统中的关键一步。将投影仪看成相机的类双目系统标定方法具有操作简单、精度高、可靠性强的优势。在此系统标定方法的基础上,提出一种提高测量系统精度的系统标定方法。根据提取的标定板上圆标识的圆心坐标,利用计算机生成含有相对应十字标识的图像,用于相机标定,可避免圆标识轮廓对角点提取的影响,从而提高相机标定精度。同时,推导快速求取投影仪伽马的表达式用于相位校正,可建立投影仪像素与相机像素精确的对应关系,从而提高投影仪标定精度。结合投影仪和相机的标定结果,建立统一的世界坐标系完成整体系统的标定。实验结果表明:采用上述标定方法,可将投影仪和相机标定精度分别达到0.25 pixel和0.15 pixel;同时测量了一个长方体,精度达到0.142 7 mm。     

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。     

基于圆心真实图像坐标计算的高精度相机标定方法

在基于圆点阵二维平面靶标的相机标定方法中,直接在拍摄的标靶图像中提取的椭圆中心并非真实的圆心投影像点,该圆心成像投影偏差必然会降低相机参数标定精度。基于此,提出将标靶图像逆向投影至空间虚拟矩阵以获得真实圆心像点的迭代标定算法。首先,使用椭圆中心提取方法进行平面相机标定;其次,由标定参数和拍摄图像进行逆向投影获得虚拟物理标靶图像,在近似圆虚拟图像上完成圆心坐标提取;再次,将虚拟圆心坐标转化为物理坐标值并投影到图像上,将其作为圆心真实像点坐标值来进行相机标定;最后,经多次迭代投影和标定完成高精度相机标定。模拟和实验结果表明,所提方法将相机标定精度提高约一倍,可为三维重建和视觉测量提供高精度的相机参数。     

基于双目视觉的机器人引导系统研究

随着智能制造技术的快速发展,汽车制造也已逐步向少人化、无人化方向发展,而视觉技术的应用更是加快了汽车生产线无人化的进程。对双目视觉进行研究,相机平行布置并安装在机器人末端。通过以太网分别获取左右相机二维图像并上传到上位机,使用特征提取算法提取标定板上特征点的像素坐标导入标定模型计算出双目相机内外参数并生成相应的图像矫正矩阵,利用矫正矩阵分别矫正左右相机二维图像以消除镜头畸变;使用图像去噪、图像二值化化、特征提取、极线约束及模板匹配算法,计算出零件上特征点在左右图像上的视差,采用双目视差测距原理,计算特征点在相机坐标系下的三维坐标。通过眼在手上的手眼标定方式标定出相机坐标系到机器人工具坐标系的旋转矩阵,采用SVD奇异值分解算法计算模型坐标系到目标零件坐标系的偏移矩阵,通过坐标系变换算法将零件的偏移矩阵转换为机器人工具坐标系的偏移,再使用TCP/IP以太网通讯发送偏移量给机器人,从而实现机器人引导定位功能。测试结果表明,该双目视觉引导系统可满足基本的零件定位需求。     

一种基于平面标靶的线结构光视觉传感器标定方法

提出了一种适合于现场的线结构光视觉传感器标定 方法。建立了标定的数学模型,设计了一种平面点阵标靶,提出了坐标映射方法。根据结构 光条纹特征点的图像坐标和对应在标靶坐标系下的坐标,以及 相机内参,计算出标靶坐标系到摄像机坐标系的转移矩阵,再由转移矩阵得到特征点在摄像 机坐标系下的 坐标;在视场范围内,平面标靶按不同位姿摆放多次,获取投射在标靶上的所有特征点,对 这些特征点进 行平面拟合,得到结构光平面在摄像机坐标系下的方程。对标定的精度进行了验证,实验表 明,本文方法标定 过程简单,精度较高,适合于结构光传感器的现场标定。     

基于多视觉线结构光传感器的大尺度测量方法

为解决现有线结构光大尺度测量标定复杂、精度不高的问题,提出了一种基于多视觉线结构光传感器的大尺度、高精度测量方法。多视觉线结构光传感器含1个激光器和多个等间距并排的相机(一主多从),相互间有1/3左右重叠视场(OFOV),光束覆盖所有相机视宽。传感器标定只需简易的棋盘格靶标,按张氏标定法采集靶标图像、标定传统参数;此外,考虑相机视角的不变性,利用OFOV内标定图像的已知特征角点,经图像配准可预标定相邻相机图像拼接的变换矩阵。变换矩阵的逐步连乘得到任意从相机图像转换到主相机成像平面的透视变换模型(PTM)。该方法通过各相机同步采集大尺度物体的局部光条图像,再利用PTM将所有局部光条快速拼接成完整的光条图像,最终经光条坐标提取、换算得到光条位置的三维坐标。实验结果表明:与已有方法相比,该方法使用简便、精度更高,重构模型平均构造深度与真实模型仅差8.3%。     

基于超分辨率角点检测算法的双目相机高精度标定方法

双目相机标定是研究立体视觉的基础工作，标定的精度是视觉测量精度的关键。图像角点提取是相机标定的基础，但在现实应用场景中，外界影响使获取的图像不清晰，导致检测到的角点精度低，从而影响标定的精度。因此，提出一种基于超分辨率亚像素角点检测的端到端算法，从特征级解决低质量角点检测问题。首先，应用盲超分部分估计低分辨率图像模糊核，融合低分辨率图像特征重建出高分辨率图；然后，在此基础上得到角点亚像素位置；最后对双目相机进行高精度标定，并用测距实验对其进行检验。实验结果表明，所提基于超分辨的亚像素角点检测方法在真实场景下具有优越性。     

考虑圆形特征边缘模糊和偏心误差修正的高精度相机标定方法

针对立体视觉系统采用圆形特征点标定时存在的空间圆形投影边缘模糊和偏心现象问题,利用改进Zernike矩和偏心误差修正进行圆心的高精度定位,以此提高相机参数的标定精度。首先考虑了由于立体视觉成像系统的标定场景光照强度不均匀引起的圆形特征投影图像边缘模糊的问题,引入高斯误差函数对边缘过渡段的灰度分布进行描述,建立了高斯边缘模型,并基于该模型计算投影图像的Zernike矩,然后利用改进Zernike矩实现高精度的圆形特征投影边缘像素坐标定位。此外,分析了影响圆形特征中心投影点和拟合圆心间偏差大小的因素,基于该分析对迭代拟合圆心进行偏差补偿使之逼近真实的圆心投影,最后通过所提算法对99圆形标志点进行圆心坐标提取并用于相机参数的标定。仿真实验表明,文中算法对投影图像边缘定位的精度以及圆心拟合的精度均高于传统的算法;实测实验中,基于圆心高精度坐标得到的相机标定参数对标准杆进行三维重建,长度测量精度比传统算法提高了30%。     

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。     

基于亚像素图像拼接的透明元件视觉测量方法

针对透明光学元件特征不明显以及机器视觉难以进行大视场、高精度尺寸测量的问题，提出一种基于亚像素图像拼接的视觉测量方案。该方案对相机坐标系与世界坐标系间的旋转角进行标定，获得精确的尺度因子与图像预匹配结果；图像坐标系旋转角校正后小于0.1°；通过添加网格背景实现透明元件特征匹配。所提基于滑动窗口预匹配、随机采样一致性筛选最佳偏移向量的配准算法，使图像拼接精度达到0.05 pixel，较已有研究明显提升。将该方案应用于透明光学元件视觉检测系统中，在移动精度仅为0.02 mm的条件下，获得了平均误差为0.12 pixel的图像拼接结果，实现了透明光学元件的大视场、高精度尺寸测量。     

基于神经网络的焊缝跟踪系统视觉标定方法

文中提出一种基于深度神经网络的焊缝跟踪系统机器人视觉标定方法，实现了机器人的简单快速标定。将焊缝跟踪传感器安装在机械臂末端，使用线激光器对被检测角点进行定位，工业相机拍摄对应的标定棋盘图像，用角点提取算法获取到相应棋盘格点的数字图像坐标，并通过示教器读取机械臂的各个关节角，利用神经网络极强的非线性映射能力，将其传入训练好的BP神经网络进行三维空间坐标的预测。此方法能够实现机器人的快速标定，避开传统标定方法中复杂的非线性运算，并减少坐标转换间的累积误差。实验结果表明，基于神经网络的标定方法具有较高的精度，且标定过程简单，为机器人视觉标定提供了一种新的方法。     

光栅投影三维测量系统中标定技术的研究

相机和投影仪的标定精度决定光栅投影三维系统的测量精度。提出一种改进的标定方法。该方法在逆向相机模型的基础上对投影仪进行标定,利用相位编码法进行绝对相位展开,避免相机标定误差的引入,在标定过程中减少投影仪投射图案的数量,使标定操作更加简单、快速。在系统的标定过程中,利用投影仪投射的垂直、水平两组光栅图像,建立其与相机图像的对应关系,进而求得标志点圆心在投影仪图像上的像素坐标;然后利用带有径向畸变的相机模型对投影仪进行标定;最后进行系统的立体标定,确定相机和投影仪间的相对位置关系。实验结果表明所提方法切实可行。     

基于共面法的结构光自扫描测量系统参数标定方法

针对结构光自扫描测量系统参数标定问题,提出了一种基于共面法的高精度标定方法,能够同时标定系统的内外参数。建立了相机和系统模型,采用张正友方法标定相机和平面棋盘靶标内外参数,针对系统标定需求完成了靶标位置规划,在同一光平面下变换靶标位姿获取共面光条中心点,利用多组中心点数据分别求解各光平面方程。由于多个平面交线不唯一,定义了优化目标函数对振镜转轴在相机坐标系下的表达进行优化求解,求得振镜坐标系与相机坐标系的转换矩阵完成标定。该方法标定过程简单,算法运算量小,便于现场标定。结果表明,标定方法具有较高精度,能够满足测量要求。     

基于同心圆阵列的结构光主动视觉系统标定算法

投影仪向绘制有同心圆阵列的标定板投射彩色同心圆,利用同心圆投影满足的几何约束确定圆心图像坐标,计算标定平面、投影平面和相机成像平面之间的单应,实现系统标定.利用颜色信息分离投影同心圆和标定板标记图像,简化标定步骤减少图像采集数量;同时通过交比不变性实现同心圆自动匹配,避免人工干预.实验结果证明算法简单高效.     

三线结构光视觉传感器现场标定方法

三线结构光视觉传感器由于获取信息量大、测量速度快等特点被广泛应用于工业现场测量。为了实现传感器高精度、快速的现场标定,提出了一种基于支持向量机的三线结构光视觉传感器标定方法。首先,设计标定靶标;其次,采集靶标图像后提取特征点亚像素坐标值;再次,基于支持向量机方法建立特征点的图像坐标和三维空间坐标的映射模型;最后,将待标定点图像坐标输入映射模型,即可得到三维空间坐标,实现对三线结构光视觉传感器的直接标定。实验验证,Y轴、Z轴方向上的测量绝对误差均值分别为0.021 1 mm和0.015 0 mm,具有较高的标定精度,且该标定方法标定过程简单、快速,适合现场标定。     

机器视觉软件Sherlock的应用(二)--标定

介绍机器视觉软件sherlock如何对将相机像素坐标系转换成实际测量或检测所需要的坐标系，以及利用标定来修正相机CCD平面与物体测量平面不平行引起的畸变。     

一种新的相机外参数标定方法

为了更精确地对飞机姿态进行交会测量,提出了一种新的外参数标定装置来获得相机参数。首先通过高精度全站仪获得标定杆上圆形标记点在世界基准坐标系下的坐标,然后通过摄像测量仪采集标定杆图像,对其进行高精度椭圆拟合得到标记点在像素坐标系下的坐标,在已知相机内参数的情况下求解世界基准坐标系到相机坐标系的旋转矩阵和平移向量。已知距离标记点验证实验结果表明:相邻点间平均距离误差为0.128 8mm,具有较好的易操作性和标定精度。     

基于多相机系统标定的全景拼接算法研究

全景拼接技术是当前全景技术的重点,而多相机系统被越来越多的应用于全景技术中。文章提出了一种基于多相机系统标定的全景拼接方法,利用通过标定得到的相机系统相关参数,将多相机系统拍摄得到的图像进行畸变矫正与旋转变换处理,以提高全景拼接的效果。使用基于特征描述符的标定板对多相机系统进行标定,获得相机的内部参数和外部参数;利用Mercator投影,结合标定得到的内部参数对鱼眼图像进行畸变矫正,外部参数则用于对矫正后的图像进行旋转变换处理,使它们在同一世界坐标系下;用Harris算法对相邻待拼接图像的特征点进行检测匹配,进而拼接成全景图。通过实验验证,该全景拼接算法具有不错的拼接精度,没有出现误匹配的情况。     

双平面法标定的双目视觉三维测量系统

针对传统摄像机标定过程复杂、三维测量精度不高的问题,提出了一种基于投影直线相交的双目视觉三维测量方法,并给出了基于神经网络的标定方法。根据摄像机成像特点,利用双标定平面上的点求取投影直线方程;针对摄像机成像复杂的畸变模型,利用BP神经网络对复杂非线性映射关系的强大逼近能力,对左右两台摄像机于远近标定平面处分别进行隐式标定,得到图像像素坐标到平面模板二维物理坐标的映射关系;设计制作了试验平台,采用手工辅助的方法获得网格模板训练样本。此标定方法完全适用于大视场、近距离、高精度的双目视觉传感器。试验结果表明,系统对空间已知长度的测量结果误差约为0.109 mm,测量精度较高。     

小视场环境下的摄像机标定

摄像机标定旨在建立三维世界坐标与二维图像坐标之间的映射关系。传统标定板为数十个整齐排列的标准圆或网格,通过提取圆心坐标或网格角点坐标进行标定。在微小物体测量系统中,摄像机视场较小,无法从传统标定板提取足够多点坐标信息。针对这一问题,提出一种基于二次曲线与直线的混合标定方法。该方法抛弃了利用点对点关系的标定方法,转而利用二次曲线方程及直线方程在两种坐标系下相对应的关系进行标定,使摄像机即使是在非常小的范围内仍然能够提取足够的信息进行标定。仿真与实验证明,相对于基于点的标定方法,混合标定方法精度高,具有更好的稳健性。另外,标定模板为一个标准的半圆,制作简单,方便应用到小视场的环境中。