一维靶标的多视觉传感器全局校准

基于交比不变性原理和一维靶标点共线的特点,提出了一种多视觉传感器全局校准方法.以一个视觉传感器坐标系为基础建立全局坐标系,称该视觉传感器为基础视觉传感器.将一维靶标在基础视觉传感器和待校准视觉传感器前合适位置摆放至少两次,根据拍摄得到的 3 个或 3 个以上的靶标点图像坐标,由交比不变性原理,对每个视觉传感器求解不在视场区域的靶标点图像坐标.结合靶标点之间的距离约束,求解待校准视觉传感器到基础视觉传感器的转换矩阵.根据一维靶标特征点共线的特点,通过捆绑调整方式得到转换矩阵的最优解.最后,通过两两视觉传感器校准的方式完成多视觉传感器全局校准.该方法不需外部辅助设备,简单灵活,实用性强,全局校准精度可达0.041 mm.     

基于一维靶标的多摄像机现场全局校准

基于一维靶标特征点共线的特点,提出一种多摄像机全局校准方法.以其中一个摄像机坐标系为基础,建立全局坐标系,称该摄像机为基础摄像机.在基础摄像机与待校准摄相机前将一维靶标无约束摆放至少两次.计算每个摆放位置一维靶标所在空间直线在图像中的消影点.结合一维靶标点共线的特点,分别求解全部一维靶标点在两个摄像机坐标系下三维坐标.通过两个摄像机坐标系下一维靶标对应特征点的三维坐标求解待校准摄像机坐标系到基础摄像机坐标系的转换矩阵,采用非线性优化方法求解转换矩阵的最优解.当摄像机多于两个时,通过两两摄像机校准的方式完成多摄像机全局校准.该方法不需要高精度外部辅助设备、简单灵活、实用性强.试验证明该方法灵活方便,切实可行.     

线结构光多视觉传感器现场同步校准方法

现有线结构光多视觉传感器现场校准通常需要先完成线结构光视觉传感器局部标定,再进行多视觉传感器全局校准,效率低、且在搬运过程容易对线结构光视觉传感器局部标定结果造成影响,降低测量系统精度。针对以上问题,提出一种可以同步实现线结构光视觉传感器局部标定和多视觉传感器全局校准的现场同步校准方法。该方法以自由移动三次以上的一维靶标为中介,将两个无共同视场的线结构光视觉传感器联系在一起。以一维靶标特征点距离已知为约束条件,由交比不变性,得到所有一维靶标点及光条与一维靶标相交点在各线结构光视觉传感器图像坐标系下的图像坐标,进而求解出两个线结构光视觉传感器之间的转换矩阵和一维靶标特征点及光条与一维靶标相交点在全局坐标系下三维坐标,通过拟合求解全局坐标下的光平面方程,采用非线性优化算法求解出两个线结构光视觉传感器间的转换矩阵与光平面方程的最优解。如果视觉传感器多于两个,可通过两两校准方式实现多个视觉传感器现场校准。试验结果表明,该方法同步校准方均根误差可优于0.14 mm。     

基于双平面靶标的多视觉传感器现场全局校准

针对现有多视觉传感器全局校准方法多依赖外部辅助设备的问题,提出一种基于双平面靶标的多视觉传感器现场全局校准方法。以其中一个视觉传感器为基础视觉传感器,建立全局坐标系。根据基础视觉传感器与待校准视觉传感器之间的位置关系,调整固定两个平面靶标之间位置。将双平面靶标无约束移动多次(至少三次),每个视觉传感器可以“看”到对应的平面靶标。以两个平面靶标之间位置关系不变为约束条件,求解待校准视觉传感器坐标系到全局坐标系的转换矩阵,通过非线性优化方法求解转换矩阵在最大似然准则下的最优解。当视觉传感器多于两个时,通过两两视觉传感器校准的方式完成多视觉传感器现场全局校准。试验证明该方法灵活方便,切实可行。     

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。     

基于线结构光参考平面的多摄像机标定方法研究

多摄像机视觉测量系统中不同视觉传感器空间分布广,无公共视角,现场标定十分困难。针对多摄像机标定问题,研究了一种基于线结构光参考平面的灵活标定方法。标定过程中,以空间中同时覆盖相邻摄像机视角的结构光平面作为标定参考基准,在不同摄像机视角中,自由移动平面靶标多次,确保每次移动后靶标与结构光相交,并能在各自摄像机中清晰成像,摄像机拍摄靶标图像。提取靶标图像中角点坐标、激光光条特征点坐标。借助靶标平面与摄像机坐标系外部参数矩阵,求解激光光条特征点在对应摄像机坐标系中坐标。通过结构光基准平面内,不同摄像机坐标系中至少3组非共线特征点坐标信息,求解相邻摄像机外部参数。分别进行标定试验和精度验证试验,试验结果表明该方法切实可行。     

多摄像机结构光大视场测量中全局标定方法

多摄像机结构光大视场测量系统,存在摄像机空间分布广、摄像机之间无公共视场角、标定模型复杂等问题。所以采用合适方法对多摄像机与结构光进行高精度全局标定非常关键。提出将二维平面靶标与一维靶标相结合,分步对摄像机及结构光进行全局标定。首先,综合考虑摄像机镜头畸变,采用二维平面靶标对单个摄像机内部参数进行离线标定。借助一维靶标对摄像机及结构光外部参数进行在线标定。将一维靶标上距离已知的共线特征点作为约束条件,逐个求解相邻摄像机坐标系之间外部参数。任选一个摄像机作为全局坐标系,通过相邻摄像机坐标系外部参数矩阵逐步换算,求解每个摄像机坐标系与全局坐标系外部参数。同理,采用一维靶标,至少获取激光平面上3个非共线特征点全局坐标,计算激光平面方程。最后,综合所有摄像机内外部参数、激光平面方程系数,建立多摄像机结构光大视场测量系统全局测量模型。标定试验和现场实际应用表明文中所提方法切实可行。     

基于线结构光参考平面的多摄像机灵活标定方法研究

多摄像机视觉测量系统中不同视觉传感器空间分布广,无公共视角,现场标定十分困难。针对多摄像机标定问题,研究了一种基于线结构光参考平面的灵活标定方法。标定过程中,以空间中同时覆盖相邻摄像机视角的结构光平面作为标定参考基准,在不同摄像机视角中,自由移动平面靶标多次,确保每次移动后靶标与结构光相交,并能在各自摄像机中清晰成像,摄像机拍摄靶标图像。提取靶标图像中角点坐标、激光光条特征点坐标。借助靶标平面与摄像机坐标系外部参数矩阵,求解激光光条特征点在对应摄像机坐标系中坐标。通过结构光基准平面内,不同摄像机坐标系中至少3组非共线特征点坐标信息,求解相邻摄像机外部参数。分别进行标定试验和精度验证试验,试验结果表明该方法切实可行。     

多摄像机结构光大视场测量中全局标定方法研究

多摄像机结构光大视场测量系统,存在摄像机空间分布广、摄像机之间无公共视场角、标定模型复杂等问题。所以采用合适方法对多摄像机与结构光进行高精度全局标定非常关键。提出将二维平面靶标与一维靶标相结合,分步对摄像机及结构光进行全局标定。首先,综合考虑摄像机镜头畸变,采用二维平面靶标对单个摄像机内部参数进行离线标定。借助一维靶标对摄像机及结构光外部参数进行在线标定。将一维靶标上距离已知的共线特征点作为约束条件,逐个求解相邻摄像机坐标系之间外部参数。任选一个摄像机作为全局坐标系,通过相邻摄像机坐标系外部参数矩阵逐步换算,求解每个摄像机坐标系与全局坐标系外部参数。同理,采用一维靶标,至少获取激光平面上3个非共线特征点全局坐标,计算激光平面方程。最后,综合所有摄像机内外部参数、激光平面方程系数,建立多摄像机结构光大视场测量系统全局测量模型。标定试验和现场实际应用表明文中所提方法切实可行。     

结构光视觉传感器通用现场标定方法

建立结构光视觉传感器通用数学模型,提出一种基于平面靶标的结构光视觉传感器结构参数标定新方法.在测量空间不同位置多次随意摆放平面靶标,结构光投射在靶标表面,摄像机拍摄靶标图像.利用靶标上特征点及对应的图像点求解靶标坐标系到摄像机坐标系的转换.根据靶标平面与图像平面之间的同射变换获得结构光标定点在靶标坐标系下的坐标,并统一到摄像机坐标系下,在此基础上拟合出结构光方程.该方法获得标定点效率高,能胜任点、线、曲面等任何模式结构光视觉传感器的现场标定.试验结果表明,该方法具有较高的标定精度.     

线结构光视觉传感器的现场标定方法

建立了线结构光视觉传感器的数学模型,提出了一种基于共面标定参照物的线结构光视觉传感器的现场标定方法。该方法允许共面标定参照物在测量空间内自由移动,通过以摄像机三维坐标系为中介,将多个局部世界坐标系下的标定特征点统一到全局世界坐标系中,利用构建的标定特征点在现场对线结构光视觉传感器进行标定,因此可以保证线结构光视觉传感器的标定状态与测量状态完全一致。该标定方法降低了标定设备的成本,简化了标定过程,提高了线结构光视觉传感器工程化应用的便捷性。试验结果表明,该方法切实可行。     

A novel approach for the field calibration of line structured-light sensors

A new approach for the field calibration of line structured-light sensors is presented, which is fulfilled using a planar target and a raising block. The camera model is firstly established according to the mapping between the world coordinate frame and the computer image coordinate frame. Based on the rule of cross-ratio invariance the calibration points are extracted from the squares on the target, and the lens distortion coefficients are simultaneously acquired. The unknown parameters in the camera model are solved using these points. On the projection of the laser plane, two intersection lines are formed by the laser plane with the target and the raising block, respectively. The angle between the laser plane and the target is worked out by fitting plane using the two lines. Utilizing this angle, the three coordinates of a point in the laser plane can be represented by two of them. Thus the two coordinates can be directly obtained from the camera model. This method simplifies the calibration procedure of structured-light sensors, and facilitates online use. Experiment studies show that the calibrated sensor possesses good accuracy.     

用于结构光视觉传感器标定的特征点获取方法

提出了一种基于共面参照物自由移动来获取结构光视觉传感器标定特征点的新方法。该方法通过以摄像机三维坐标系为中介,将多个局部世界坐标系下的标定特征点统一到全局世界坐标系中,得到位于光平面上的非共线标定特征点的三维世界坐标。该方法降低了标定设备的成本,简化了结构光视觉传感器的标定过程,从而提高了结构光视觉传感器工程化应用的便捷性。实验表明,该方法切实可行     

基于单经纬仪的视觉测量三维数据拼接方法

本文针对大型自由曲面三维视觉测量中的数据拼接问题，建立了经纬仪透视投影模型，提出了以平面靶标为中介坐标系，以经纬仪坐标系为全局坐标系的三维数据拼接方法。在大型自由曲面的若干测量子区域附近放置一个平面靶标，通过视觉传感器拍摄平面靶标上的特征点，求得视觉传感器坐标系到靶标坐标系的变换矩阵；通过经纬仪观测靶标上的特征点，求得靶标坐标系到经纬仪坐标系的变换矩阵。因此，可求得视觉传感器坐标系到经纬仪坐标系的变换矩阵。将视觉传感器所测得的各子区域的三维数据统一到了经纬仪坐标系下，即完成了大型自由曲面的全局测量。经实验验证，数据拼接的RMS误差小于0．487mm。     

微装配机器人手眼标定方法研究

在视觉反馈的机器人控制中,手眼系统的标定非常重要,直接影响机器人的作业精度.针对微装配机器人系统操作空间小的特点,提出了一种固定视觉的手眼系统标定算法,该方法通过3个空间点在机械手基坐标系中的坐标,采用P3P位姿测量原理获得相应空间点在摄像机坐标系中的坐标,建立了标定方程组,基于最小二乘法,标定出了手眼系统之间的转换矩阵.该方法无需复杂的辅助设备,标定过程简单.相关实验得到了待标定的手眼系统之间的转换矩阵,验证了该方法的标定精度和有效性.     

一种基于立体模板的双目视觉传感器现场标定方法

给出了一种基于立体标定模板的双目视觉摄像机内、外部参数现场标定方法.该方法采用理想小孔模型忽略摄像机镜头的非线性畸变,把透视变换矩阵中的元素作为未知数,在已知一组三维空间特征点坐标及其对应的图像点坐标时,利用线性算法求解出透视变换矩阵中的各个元素,进而得到所需的参数.最后采用立体标定模板对该标定算法进行了实验验证,用标定完成的立体视觉传感器对已知长度进行测量,相对精度达到了0.02%,取得了较为理想的结果.结果表明:该方法由于无需迭代,因此计算速度快,在测量现场只需摆放一次标定模板即可完成标定,可高精度地实现摄像机内、外部参数的现场标定.     

通用机器人视觉检测系统的全局校准技术

介绍了基于通用机器人的车身在线柔性视觉检测系统的工作原理和在复杂现场环境下使用激光跟踪仪和测量臂进行全局校准的实用方法。基于测量姿态的全局校准方法利用机械约束将传感器坐标系和靶标坐标系统一起来,实现测量姿态时传感器坐标系与系统基准坐标系的坐标转换。基于机器人运动学模型的全局校准方法利用机器人末端关节位姿可通过正向运动学获知的特点,在现场构建机器人基坐标系,并通过坐标变换获得与机器人运动精度无关的手眼关系,实现了任意姿态时的全局校准。实际测量的结果表明,应用两种校准方法后系统的重复性精度都十分理想,测量装置重复测量标准差和系统重复测量标准差分别为0.07mm和0.13mm,能够满足在线监控白车身加工尺寸变化的精度要求;系统进行坐标测量时的误差分别为±0.2mm和±0.8mm。