基于归一化8点算法的相机径向畸变中心校正方法

针对相机径向畸变中心定位误差的问题,提出一种方法对相机径向畸变中心校正,以实现相机径向畸变中心高精度定位。首先介绍了针孔相机和镜头畸变结合模型,其次提出了基于归一化8点算法和最小二乘法的相机径向畸变中心校正方法,得到校正精度为0.2915个像素(32.2562μm),最后通过实验验证了该校正方法的可行性。     

改进的机器人视觉与传送带综合标定方法

传统六自由度机器人视觉与传送带的标定方法一般忽略了相机畸变的像素偏差和设备安装过程中的角度偏差,使得传送带上的目标难以精确定位。针对传统标定方法的局限性,提出一种高精度机器人传送带与视觉的综合标定方法。在校正相机径向与切向畸变以及安装角度的基础上,构建机器人坐标系中物体的位移及其在图像坐标系下位移的比例关系,在传送带标定过程中,应用此比例关系,通过设置像素坐标误差阈值的方法校正机器人坐标与传送带坐标系的关系。改进后的标定方法灵活性强,实验结果表明:该方法定位精度有较大的提高。     

基于OpenCV的焊缝跟踪系统中摄像机标定方法

针对焊接机器人焊缝跟踪导引系统研制过程中的摄像机标定问题,以摄像机标定技术为研究对象,分析了开放计算机视觉函数库(OpenCV)中的摄像机模型,对摄像机的标定过程以及几何模型进行了深入的研究.特别地,充分考虑了透镜的径向畸变和切向畸变的影响及其方程的求解方法,采用Bouguet算法提取角点,实现了基于OpenCV的摄像机标定.结果表明,该算法可以充分发挥OpenCV的函数库功能,能够稳定的成功提取棋盘格角点,提高了标定精度和计算效率,可以满足机器视觉导引系统中摄像机标定的实时性要求.     

铸钢件射线检测中缺陷的数字化测量技术研究

为了对铸钢件射线底片中的缺陷实现数字化测量,设计了图像测量模板,采用分离参数的方法,通过模板图像对CCD成像系统进行参数的标定,对图像的径向畸变进行校正.校正后图像的分辨率为5.3LP/mm,最大变形量为0.6像素,达到了亚像素级,相对变形小于0.1%,基本消除了径向畸变,使图像与原胶片平面成线性关系。利用此方法对铸钢件缺陷进行测量表明,只需在相同拍摄条件下依据模板标定的参数,就可以实现图像校正和精确测量。相比其它机器视觉的测量方法,本方法涉及参数少且相互独立,计算过程简单,适用于所有平面图像的CCD面成像测量。     

摄像机静标定技术在机器人视觉目标定位中的应用研究

利用机器人视觉技术对目标进行定位与分检中,视觉系统对目标的精确定位是其关键技术之一。利用基于线段斜率的摄像机静标定技术对摄像机镜头进行了标定,将标定的镜头径向畸变系数应用于目标位置坐标计算中。经标定后的目标坐标位置数据引导机器人末端执行器完成对目标的定位,实验结果表明了该方法的有效性。     

微米级机器视觉系统中随机误差与系统误差的研究

为了实现机器视觉检测系统对零件尺寸的微米级自动测量,对随机误差和系统误差进行了研究.改进了双线性插值法,对像素进行细分,用canny算法检测出边缘,并用多项式拟合出轮廓.该轮廓存在随机误差和系统误差.根据轮廓的切向连续性,用期望值和实测值进行最优估计,消除随机误差的影响.分别用不同宽度的量块放在视场的四个象限,测得多组图像,提取轮廓点,结合畸变模型,对畸变进行校正并对系统进行标定.通过细分、卡尔曼滤波、畸变校正和标定,每个像素代表的实际尺寸为4.584μm,精度达到2.5μm.     

基于DC-RRF的手眼标定优化算法北大核心

针对传统手眼标定中坐标转换过程繁杂、标定精确度受人为因素影响较大等问题,提出了一种基于相机畸变校正(DC)与回归随机森林(RRF)的改进手眼标定算法。首先,对实验所用的相机进行畸变校正;其次,使用Eye to Hand形式搭建实验台,采集图像坐标及其对应的机械臂坐标,建立坐标数据集;最后,使用DC-RRF算法、线性回归算法以及传统手眼标定算法在坐标数据集上进行训练,将不同算法下的平均绝对误差、均方误差等评价指标进行对比。实验结果表明,DC-RRF算法在X/Y/Z三轴上的精准度均为最佳,平均误差可控制在1.77 mm,该算法的精准性在很大程度上保证了机器视觉与机械臂的有效结合并在分拣系统中得到精准应用。     

视觉圆要素检测图像校正技术的研究

当视觉检测带有多个圆孔要素工件时,由于倾斜角(成像平面与工件平面的夹角)和镜头畸变的影响,孔的圆形特征在图片中突变为椭圆或其他形状,增加了算法复杂度而且降低了检测精度。在分析图像发生突变原因之后,提出了通过角度校正和畸变校正的一种图像校正的方法,使图像能反映真实工件的情况。首先进行角度校正,对找到的亚像素角点进行基于几何距离的椭圆拟合,椭圆短轴与长轴的比即为倾斜角的余弦值,由此将图像校正为倾斜角为零时的图像,角度校正使实际距离相等的点在图像上距离的差值稳定在两个像素之内,从而提高了检测精度;然后进行畸变校正,使用畸变参数及公式对像素点进行重映射。经过实验验证,使用此校正方法校正的圆形要素图像使圆形要素检测算法更容易更准确地检测到圆形要素的特征尺寸。     

工件视觉定位图像畸变校正控制点的自动生成

大型工件视觉图像畸变校正控制点的自动生成是提高畸变校正准确率的有效手段.文章应用图像分析处理和模式识别方法,提出一种畸变控制点自动生成算法.该算法从网格模板图像中自动提取网格交叉点,按照行列对交叉点进行编号,实现图像畸变校正.实验证明,该算法计算速度快、提取准确,校正精度高,能够提高工件的定位精度.     

SCARA机器人焊缝跟踪器现场标定设计

为实现对焊缝空间坐标的精确采集,需要对焊缝跟踪系统进行标定。提出了一种用于工业现场环境的高效标定方案,使用张正友标定方法确定相机内参与畸变,通过SVD平面拟合求解光平面方程,通过测量机器人基坐标系与标定参照物坐标系间的关系完成手眼标定。线结构光视觉传感器与SCARA机器人进行配合,实施现场作业,现场测试结果表明,标定方案具有高效,精度高的特点,系统整体标定误差为±1.0mm,能够满足工业现场应用要求。     

机器人单目视觉标定圆心靶标特征点几何求解

针对机器人单目视觉标定圆心靶标特征点求取问题,利用射影变化公切线不变性,建立圆心靶标的特征点几何求解模型,并进行了精确求解,该模型理论上不存在模型误差;为了检验几何求解模型的精确性和稳定性,分别对机器人单目视觉坐标系下的圆心靶标圆心点和棋盘格靶标角点进行了三维测量。实验结果表明:测量长度在300 mm内的最大相对误差小于1.5%,测量结果较精确;各点的距离平均绝对偏差均在0.2 mm左右,且无阶跃,该方法稳定。     

基于立体视觉焊接变形测量系统标定

应用立体视觉三维测量系统对钢结构上若干待测标志点进行测量,测量前分两步对测量系统参数进行标定.首先应用基于平面模板的方法标定摄像机的固有参数,包括单个摄像机的内部参数和两个摄像机间的位置关系参数.其次使用单位四元数法对摄像机坐标系与设计坐标系之间的位置参数进行标定.为了验证标定结果的准确性,对摄像机内参数标定结果进行了重投影误差估算,重投影误差很小,满足系统测量误差要求.对标定结果进行重建试验,重建结果平均误差小于1 mm,最大误差小于2.5 mm.     

基于固定位姿约束的双目相机标定研究

针对影响双目视觉系统精度的双目相机标定问题,提出一种基于数字图像相关法与固定位姿约束的双目相机标定方法。采用传统的相机标定方法对双目相机进行标定,得到双目相机参数初值;采用数字图像相关法提高图像点提取的坐标精度;通过添加固定约束关系,建立简化的优化目标函数,并对相机参数进行优化,得到高精度标定结果。实验结果表明：该方法可达到较高精度。     

轮对轮缘磨耗非接触测量的现场标定方法

摄像机标定方法的选择和标定精度直接影响着轮对动态视觉测量系统的精度.本文利用二元二次多项式变形技术,提出了一种轮对外形尺寸非接触测量的现场标定方法.首先根据现场实际测量环境的要求,利用平面靶标标定装置,确定高分辨率面阵CCD和激光线光源的位置,然后采集平面靶标图像,获取关键控制点物像坐标,最后利用非线性畸变模型求解出标定参数.实验结果表明,该方法标定过程操作简单,标定精度高,测试数据满足车辆段现场动态检测的要求.     

内窥镜图像非线性畸变数字校正方法

内窥镜普遍采用了大视场的广角物镜,其图像存在桶形畸变。在对畸变产生原因和校正原理进行分析的基础上,提出一种新的内窥镜图像畸变数字校正方法。结合点阵样板校正的方法,根据畸变图像中圆点之间相互位置关系构造出理想图像圆点的位置,采用三次B样条插值函数分别对畸变图像像素在x坐标轴和y坐标轴方向上的偏移量曲面进行插值。利用曲面插值得到每个像素的偏移量,对各像素进行坐标转换得到校正图像,采用双线性插值方法对坐标转换时没有赋值的像素进行灰度插值。实验结果表明该方法原理简单,易于实现,可有效用于内窥镜图像畸变校正。     

在线测量薄板焊缝区的变形

针对薄板在堆焊过程中焊缝区发生较大塑性变形的问题,提出一种基于数字图像弱相关技术的光学非接触在线测量焊接变形的方法,在焊接及冷却过程对焊缝区域全场及关键点的变形状态进行跟踪测量,获取变形规律.对Q235薄板进行钨极惰性气体保护焊（TIG）堆焊试验,结果表明,垂直于薄板方向上的变形量远大于其余两个方向;薄板焊缝区在焊接过程中先呈凸起状,逐渐冷却后呈马鞍状;薄板焊缝关键点及焊缝区的面外变形量随焊接电流的增大而明显增大.此方法对验证薄板焊接变形的数值模拟预测和揭示焊接变形机理等具有重要的指导意义.     

基于球面均匀分布的焊接机器人TCP标定方法

当前焊接机器人工具中心点(TCP, tool center point)采用固定参考点法标定时,存在机器人位姿选择的随机性和分布的不均匀性,为解决这一问题,提出了一种基于球面均匀分布的TCP标定方法. 以机器人自带的“六点法”为初步标定基础,创建初始测量点位形;在离线仿真环境下,采用力学斥力迭代法构建以固定参考点为球心呈球面均匀分布的虚拟点,逐组计算使虚拟机器人第六轴末端中心处于各虚拟点处,剔除其中关节角超限、连杆之间发生碰撞的情形;最后调节实际机器人到筛选后的各测量点位形,应用最小二乘球面拟合法求解最终的TCP标定结果. 结果表明,该方法使机器人姿态在各测量点绕固定参考点均匀分布,最大限度增大了各测量点之间机器人位姿的差异度,可有效提高标定精度和稳定性.