CN105157609A - 基于两组相机的大型零件全局形貌测量方法 - Google Patents
基于两组相机的大型零件全局形貌测量方法 Download PDFInfo
- Publication number
- CN105157609A CN105157609A CN201510553224.XA CN201510553224A CN105157609A CN 105157609 A CN105157609 A CN 105157609A CN 201510553224 A CN201510553224 A CN 201510553224A CN 105157609 A CN105157609 A CN 105157609A
- Authority
- CN
- China
- Prior art keywords
- camera
- measurement
- point
- coordinate system
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明基于两组相机的大型零件全局形貌测量方法属于视觉测量领域,涉及一种基于两组相机的大型零件全局形貌测量方法。测量方法采用前面两台左、右测量相机和后面两台左、右定位相机分别采集被测零件形貌信息及全局控制坐标,结合U形测量板以及地面控制点阵,通过坐标转换实现测量相机和定位相机的位置标定以及测量相机全局外参数的标定,对每组图像中被测物表面特征点的提取,获得零件表面特征点及全局控制点的二维维信息;利用CATIA软件处理点云数据,采用图像拟合去除误差点获得大型零件全局形貌模型。测量方法具有测量视场范围大、效率高,且测量设备成本低,能快速完成工业现场大型零件的全局形貌测量工作。
Description
技术领域
本发明属于视觉测量领域,涉及一种基于两组相机的大型零件全局形貌测量方法,该方法可以实现对大视场范围内复杂工况下零件形貌的全局测量,进而完成零件建模并且获得对应的几何参数。
背景技术
目前,大型飞机的生产制造水平是一个国家综合国力以及工业化水平的重要体现,大型飞机的应用越来越广泛,其生产制造以及装配过程中对大型零部件的精确测量是保证飞机安全生产的重要保证。由于航空零部件大型化、复杂化、精密化的特点,在测量现场往往需要建立全局的坐标控制场以实现大型零部件的测量,传统测量方法难以满足测量要求。现阶段针对航空领域大型零部件形貌测量国内外主要有以下几种方法:机器视觉法、激光跟踪仪测量法、室内GPS测量法、激光雷达测量法以及三坐标测量法等。传统的机器视觉法一般是通过相机获取被测物的二维信息,通过对图像特征进行提取匹配完成测量任务;激光跟踪仪测量法是利用高精度激光测距以及角度追踪完成对被测物几何信息的精确测量;
针对大型零件的测量已申请的相关的发明专利有:发明人刘巍等,《一种大型复合板材几何参数视觉测量方法》,专利号:201410708310.9,提出了利用传统视觉测量设备结合激光跟踪仪进行大型板材类零件测量的方法,优点是结合了多种测量设备,精度较高,但是每次相机移动后都需要重新标定,操作相对复杂。发明人刘巍等,《采用坐标跟踪控制板的大视场全局测量方法》,专利号:201510338809.X,提出了一种全局视觉测量方法,优点是解决了大视场测量重复标定的问题,但是需依靠价格高昂的激光跟踪仪,测量成本较高。
发明内容
本发明目的是针对航空领域大型飞机零部件生产装配检测中测量效率低,测量流程复杂以及测量成本高的问题。发明了一种基于两组相机的大型零件全局形貌测量方法,将两组共四台相机安装在固定支架上,利用视觉标定方法结合测量现场的坐标控制点快速实现测量现场全局坐标系的建立和控制,最终配合机器视觉产品结合零件表面的特征点获得零件点云数据,建立零件整体形貌,进而完成对零部件的精确测量。本发明专利,提出了全局控制点的测量方案,既克服了大视场测量重复标定的问题,而且只依靠传统的视觉采集设备就可以完成,测量成本较低,具有很广阔的应用前景。
本发明采用的技术方案是一种基于两组相机的大型零件全局形貌测量方法,其特征是,测量方法采用前面两台测量相机和后面两台定位相机分别采集被测零件形貌信息及全局控制坐标,基于两组双目相机的相对位置不变性及全局坐标的不变性,结合U形测量板以及地面控制点,通过坐标转换实现测量相机和定位相机的位置标定以及测量相机全局外参数的标定,通过对每组图像中被测物表面特征点的提取,获得零件表面特征点及全局控制点的二维维信息;根据全局外参数,重建被测物轮廓信息的点云数据;在全局控制坐标范围内移动相机,基于全局控制坐标的不变性,将多次采集数据统一到全局坐标系下,从而获取完整的被测物点云信息;最后,利用CATIA软件处理点云数据,基于图像拟合去除误差点获得大型零件全局形貌模型,从而实现大型零件全局形貌测量;方法的具体实现步骤如下:
第一步全局控制点的设计
在测量现场地面布置地面控制点阵4,控制点A、B、C保持正交约束,其他控制点间隔100mm进行布置,且与B、C控制点保持共线,具体数量根据测量现场视场以及测量零件的尺寸决定,公式如下。
其中,N表示现场需要布置的地面控制点数量,l表示被测零件的最大测量长度,ceil函数表示取比括号内计算值大的最小整数。
以其中A、B、C控制点为基准点建立全局控制坐标系记为ObXYZ。
第二步前后两组双目相机的标定
(1)前后两组双目相机的内参数标定
利用张氏标定法结合标定公式(2)分别对前面左、右测量相机5,6以及后面右、左定位相机7,8进行标定:
其中[uv1]T是拍摄棋盘格标定板角点图像的二维像素坐标组成的齐次矩阵,[XwYwZw1]T是棋盘格标定板上角点的空间三维坐标组成的齐次矩阵,完成相机內参数标定。同时可以得到两台相机之间的F矩阵,用于后期的特征匹配。
(2)前后两组双目相机相对位置的标定
结合U形测量板11,利用张氏标定结果,前面左、右测量相机5,6重建U形测量板前测量版10的位置信息,即为空间坐标集Ω1=[X1Y1Z11]T。同理,也能得到U形测量板后测量版13相对于后面右、左定位相机7,8的空间坐标集Ω2=[X2Y2Z21]T。由于U形测量板的前后测量板之间的相对位置关系是固定且已知的,记为Xu=[RuTu],那么结合欧拉坐标系变换公式
其中,H是坐标向量的夹角,得到前面左、右测量相机5,6分别相对于后面右、左定位相机7,8的位置关系X1=[R1T1]和X2=[R2T2]。并将坐标***一到后面左定位相机8,记为OTXYZ。
(3)全局外参数的标定
利用后面右、左定位相机7,8结合布置好的地面标志点阵4,我们将全局的世界坐标系OwXYZ定义在由标志点A、B、C所确定的全局控制坐标系ObXYZ上,后面右、左定位相机7,8的外参数矩阵获得全局世界坐标系OwXYZ相对于后面右、左定位相机7,8的位置变换关系,记为X3=[R3T3],再结合上一步获得的前面左、右测量相机5,6和后面右、左定位相机7,8的相对位置关系X1=[R1T1]和X2=[R2T2],那么将矩阵相乘即
X4=X1·X3=[R1T1]·[R3T3](4)
X5=X2·X3=[R2T2]·[R3T3](5)
获得测量相机相对于全局世界坐标系的位置变换关系,即矩阵X4和X5,这样就确定了全场的测量外参数。
第三步被测物表面轮廓信息的提取与重建
完成全局坐标建立后,分别用前面左、右测量相机5,6以及后面右、左定位相机7,8对被测物1以及地面标记点阵4进行测量,后面右、左定位相机7,8结合地面标志点阵4将前面左、右测量相机5,6的世界坐标***一到已确定的坐标系下,针对测量相机采集的被测物图像,利用椭圆形图像中心灰度重心提取方法,公式如下
其中:f(u,v)为特征点像素坐标(u,v)位置像素点的灰度值,Ω为边缘提取区域内像素目标的集合,为内切圆圆心的图像坐标。从而获取被测物表面的特征点二维信息,再结合标定结果以及基于灰度差平方方式的左右对应点匹配公式
其中S为两个邻域窗的相似度,I(x,y)为目标函数在(x,y)处的灰度值,T(x,y)为源图像在(x,y)处的灰度值。
由此将二维信息还原成为三维点信息。之后移动相机根据全局标定结果,将测量结果统一到坐标系ObXYZ下,最终获取整个被测物的全局三维点云数据。
第四步还原零件形貌完成视觉测量
利用CATIA软件处理三维点云信息,在DigitizedShapeEditor模块下,导入点云数据,定义点云输入百分比以及点云方向,根据匹配公式(8)设置点偏移阈值为95%,剔除误匹配点以及误差点,利用曲面重构模块,对群数据进行过滤并选择合适的点建立固定坐标系,根据拍摄视场将获得的所有点云数据分区域进行网格重构,通过曲面光整,缝补,将区域信息整合拼接,完成点云数据的逆向建模,得到被测物1的整体形貌,进而可利用CATIA的测量分析工具,针对整个大型零件的形貌轮廓模型获取需要的测量信息。
本发明的效果和益处是:发明了一种基于两组相机的大型零件全局形貌测量方法,将两组共四台相机安装在固定支架上,利用视觉标定方法结合测量现场的坐标控制点快速实现测量现场全局坐标系的建立和控制,最终配合机器视觉产品结合零件表面的特征点获得零件点云数据,建立零件整体形貌,进而完成对零部件的精确测量。测量方法具有测量视场范围大、效率高,且测量设备成本低,能快速完成工业现场大型零件的全局形貌测量工作。
附图说明
图1是大型零件形貌测量示意图,图2是测量相机和定位相机标定示意图。其中,1-被测零件,2-测量标志点,3-计算机,4-地面控制点阵,A、B、C、……N-控制点,5-左测量相机,6-右测量相机,7-右定位相机,8-左定位相机,9-三脚支架,10-U形测量板前测量版,11-U形测量板,12-三脚架,13-U形测量板后测量版。
图3是测量过程流程图
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。本实施例采用前后两组双目相机5、6、7、8结合地面控制点阵4以及被测物1表面标志点2进行全局测量,其中利用U形测量板11完成两组相机之间的位置标定,辅以CATIA三维处理软件实施零件建模以及全局测量。前面测量相机5、6以及后面定位相机7、8均为Viewworks2900万像素全画幅工业相机,拍摄帧频为20Hz。
1.安装相机以及布置测量地面控制点
如图1所示,将四台相机安装在三角支架9上,其中,前面两台为测量相机5、6,后面两台为定位相机7、8,四台相机都与计算机3相连,调整好拍摄的角度,将4台相机固定。然后,在测量现场地面布置地面控制点阵4,控制点数量根据测量现场视场以及测量零件的尺寸决定,计算公式参照公式(1),共设12个控制点。控制点1、2、3保持正交约束,其他控制点间隔100mm进行布置,且与2、3控制点共线。以其中1、2、3控制点为基准点建立全局控制坐标系记为ObXYZ。控制点阵4以及4台相机和计算机3组成零件测量***。
2.标定前后两组双目相机的内参数
前后四台相机固定后,利用张氏标定法通过棋盘格标定板结合标定公式(2)对前面左、右测量相机5、6以及后面右、左定位相机7、8分别进行标定,把标定板随机摆放多个位置,两组相机分别同时拍摄15张照片完成相机內参数标定。同时可以得到测量相机5、6之间的F矩阵,用于后期的特征匹配。
3.标定前后相机的相对位置关系
如图2所示,通过第二步的张氏标定,我们已经获得了四台相机的內参数矩阵以及此刻位置下的外参数矩阵,将带有标准长度以及位置固定的U形测量板11放置在四台相机的右侧,使前面的测量相机5、6可以拍摄到U形测量板前测量版10,后面的定位相机7、8可以拍摄到U形测量板后测量版13。保持相机以及U形测量板11位置不动,四台相机同时进行拍摄,通过第二步张氏标定结果可以得到U形测量板前测量版10相对于前面测量相机5、6的位置关系,即为旋转平移矩阵X1=[R1T1]以及X2=[R2T2],二者之间的变换可以通过F矩阵得到。同理我们也能得到U形测量板后测量版13相对于后面定位相机7、8的位置关系,记为X3=[R3T3]。由于U形测量板11的前后测量板之间的相对位置关系是固定且已知的,记为Xu=[RuTu],结合欧拉坐标系变换公式(3)得到前面测量相机5、6相对于后面定位相机7、8的位置变换关系。
4.建立测量现场的全局坐标系
如图1所示,后面定位相机7、8的外参数矩阵已知,这时将U形测量板11拿开,利用定位相机7、8拍摄已经在地面布置好的控制点阵4,我们将全局的世界坐标系定义在由标志点1、2、3所确定的全局控制坐标系ObXYZ上,通过后面定位相机7、8的外参数矩阵就可以获得全局控制坐标系ObXYZ相对于后面定位相机7、8的位置变换关系,记为X3=[R3T3],上一步已经得到了前面测量相机5、6相对于后面定位相机7、8的相对位置关系X1=[R1T1]以及X2=[R2T2],同样通过矩阵相乘公式(4)(5)就可以获得前面测量相机5、6相对于全局控制坐标系ObXYZ的位置变换关系,这样就确定了全场的测量外参数。在进行大尺寸零件1的测量时,视场比较大,移动相机后,只用后面右、左定位相机7、8拍摄地面的标志点阵4,由于标志点阵4的位置关系已知,那么通过后面右、左定位相机7、8就可以快速求得前相机相对于全局世界坐标系的位置关系,这样就完成了测量现场的全局坐标建立。
5.获取被测物形貌点云数据
完成全局坐标建立,分别用前面左、右测量相机5、6以及后面右、左定位相机7、8对被测物1以及地面标记点阵4进行测量,后面右、左定位相机7、8结合地面标志点阵4将前面左、右测量相机5、6的世界坐标***一到已确定的坐标系ObXYZ下,然后利用前面左、右测量相机5、6采集被测物的图像,针对获取的被测物图像,利用椭圆形图像中心灰度重心提取方法根据公式(6)(7)获取被测物表面的特征点2的二维信息,再结合标定结果以及基于灰度差平方方式的左右对应点匹配公式(8)将二维信息还原成为三维点信息。之后移动三角支架9根据全局标定结果,将测量结果统一到坐标系ObXYZ下,最终获取整个被测物1的全局三维点云数据。
6.还原零件形貌完成视觉测量
在计算机3上利用CATIA软件处理三维点云信息,在DigitizedShapeEditor(DSE)模块下,导入点云数据,定义点云输入百分比以及点云方向,根据匹配公式(8)设置点偏移阈值为95%,剔除误匹配点以及误差点,利用曲面重构模块,对群数据进行过滤并选择被测物表面右上角第一个特征点2建立固定坐标系,分区域进行网格重构,将整个零件点云数据分为左、中、右三段,通过曲面光整,缝补,将区域信息整合拼接,完成点云数据的逆向建模,得到被测物1的整体形貌,进而可利用CATIA的测量分析工具,针对整个大型零件的形貌轮廓模型获取需要的尺寸信息。
本发明充分利用了传统视觉测量的优点,结合地面控制点以及零件表面的特征点,实现了测量现场的全局坐标控制,完成了大型零件形貌轮廓信息的提取与重建,改善了传统测量复杂、设备昂贵的问题,最终实现了零件的全局测量。
Claims (1)
1.一种基于两组相机的大型零件全局形貌测量方法,其特征是,测量方法采用前面两台左、右测量相机和后面两台左、右定位相机分别采集被测零件形貌信息及全局控制坐标,结合U形测量板以及地面控制点阵,通过坐标转换实现测量相机和定位相机的位置标定以及测量相机全局外参数的标定,对每组图像中被测物表面特征点的提取,获得零件表面特征点及全局控制点的二维维信息;根据全局外参数,重建被测物轮廓信息的点云数据;在全局控制坐标范围内移动相机,将多次采集数据统一到全局坐标系下,从而获取完整的被测物点云信息;最后,利用CATIA软件处理点云数据,采用图像拟合去除误差点获得大型零件全局形貌模型,实现大型零件全局形貌测量;测量方法的具体实现步骤如下:
第一步地面控制点阵的设计
在测量现场地面布置地面控制点阵(4),地面控制点阵(4)由控制点(A、B、C、……N)构成,其中,控制点(A)与控制点(B、C)保持正交约束,除控制点(A)外其他控制点与(B、C)控制点保持共线,布置各控制点之间的间隔为R,控制点的具体数量根据测量现场视场以及测量零件的尺寸决定,公式如下;
其中,N表示现场需要布置的地面控制点数量,l表示被测零件的最大测量长度,ceil()函数表示取比括号内计算值大的最小整数;以控制点(A、B、C)为基准点建立全局控制坐标系记为ObXYZ;
第二步前后两组双目相机的标定
(1)前后两组双目相机的内参数标定
利用张氏标定法结合标定公式(2)分别对前面左、右测量相机(5,6)以及后面右、左定位相机(7,8)进行标定:
其中,[uv1]T是拍摄棋盘格标定板角点图像的二维像素坐标组成的齐次矩阵,[XwYwZw1]T是棋盘格标定板上角点的空间三维坐标组成的齐次矩阵,完成相机內参数标定;同时得到两台相机之间的F矩阵,用于后期的特征匹配;
(2)前后两组双目相机相对位置的标定
结合U形测量板(11),利用张氏标定结果,前面左、右测量相机(5,6)重建U形测量板前测量版(10)的位置信息,即为空间坐标集Ω1=[X1Y1Z11]T;同理,也能得到U形测量板后测量版(13)相对于后面右、左定位相机(7,8)的空间坐标集Ω2=[X2Y2Z21]T;由于U形测量板(11)的前后测量板之间的相对位置关系是固定且已知的,记为Xu=[RuTu],结合欧拉坐标系变换公式
其中,H是坐标向量的夹角,得到前面左、右测量相机(5,6)分别相对于后面右、左定位相机(7,8)的位置关系X1=[R1T1]和X2=[R2T2];并将坐标***一到左后方的定位相机(8),记为OTXYZ;
(3)全局外参数的标定
利用后面右、左定位相机(7,8)结合地面布置好的地面控制点阵(4),我们将全局的世界坐标系OwXYZ定义在由标志点(A、B、C)所确定的全局控制坐标系ObXYZ上,后面右、左定位相机(7,8)的外参数矩阵获得全局世界坐标系OwXYZ相对于右、左定位相机(7,8)的位置变换关系,记为X3=[R3T3],再结合上一步获得前面左、右测量相机(5,6)和后面右、左定位相机(7,8)的相对位置关系X1=[R1T1]和X2=[R2T2],
X4=X1·X3=[R1T1]·[R3T3](4)
X5=X2·X3=[R2T2]·[R3T3](5)
将矩阵相乘获得测量相机相对于全局世界坐标系的位置变换关系,即矩阵X4和X5,这样就确定了全场的测量外参数;
第三步被测物表面轮廓信息的提取与重建
完成全局坐标建立后,分别用前面左、右测量相机(5,6)以及后面右、左定位相机(7,8)对被测物(1)以及地面标记点阵(4)进行测量,后面右、左定位相机(7,8)结合地面标志点阵(4)将前面左、右测量相机(5,6)的世界坐标***一到已确定的坐标系下,针对测量相机采集的被测物图像,利用椭圆形图像中心灰度重心提取方法,公式如下
其中:f(u,v)为特征点像素坐标(u,v)位置像素点的灰度值,Ω为边缘提取区域内像素目标的集合,为内切圆圆心的图像坐标;从而获取被测物表面的特征点二维信息,再结合标定结果以及基于灰度差平方方式的左右对应点匹配公式
其中,S为两个邻域窗的相似度,I(x,y)为目标函数在(x,y)处的灰度值,T(x,y)为源图像在(x,y)处的灰度值;
由此将二维信息还原成为三维点信息;之后移动相机根据全局标定结果,将测量结果统一到坐标系ObXYZ下,最终获取整个被测物(1)的全局三维点云数据;
第四步还原零件形貌完成视觉测量
利用CATIA软件处理三维点云信息,在DigitizedShapeEditor模块下,导入点云数据,定义点云输入百分比以及点云方向,根据匹配公式(8)设置点偏移阈值为95%,剔除误匹配点以及误差点,利用曲面重构模块,对群数据进行过滤并选择合适的点建立固定坐标系,根据拍摄视场将获得的所有点云数据分区域进行网格重构,通过曲面光整,缝补,将区域信息整合拼接,完成点云数据的逆向建模,得到被测物1的整体形貌,进而可利用CATIA的测量分析工具,针对整个大型零件的形貌轮廓模型获取需要的测量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510553224.XA CN105157609B (zh) | 2015-09-01 | 2015-09-01 | 基于两组相机的大型零件全局形貌测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510553224.XA CN105157609B (zh) | 2015-09-01 | 2015-09-01 | 基于两组相机的大型零件全局形貌测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105157609A true CN105157609A (zh) | 2015-12-16 |
CN105157609B CN105157609B (zh) | 2017-08-01 |
Family
ID=54798553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510553224.XA Expired - Fee Related CN105157609B (zh) | 2015-09-01 | 2015-09-01 | 基于两组相机的大型零件全局形貌测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105157609B (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105716542A (zh) * | 2016-04-07 | 2016-06-29 | 大连理工大学 | 一种基于柔性特征点的三维数据拼接方法 |
CN106352795A (zh) * | 2016-10-26 | 2017-01-25 | 哈尔滨工业大学 | 用于柔性制造的视觉测量装置及方法 |
CN106942813A (zh) * | 2017-03-29 | 2017-07-14 | 浙江理工大学 | 非接触式便捷获取人体数据的测量方法 |
CN107160046A (zh) * | 2017-04-18 | 2017-09-15 | 上海柏楚电子科技有限公司 | 一种视觉辅助大幅面机床板材切割的相机标定方法 |
CN107192348A (zh) * | 2016-03-14 | 2017-09-22 | 武汉小狮科技有限公司 | 一种高精度3d视觉测量方法 |
CN107442973A (zh) * | 2016-05-30 | 2017-12-08 | 上海气焊机厂有限公司 | 基于机器视觉的焊道定位方法及装置 |
CN107478205A (zh) * | 2017-09-01 | 2017-12-15 | 西北工业大学 | 航空发动机高精度装配质量检测机器人*** |
CN108548824A (zh) * | 2018-03-30 | 2018-09-18 | 湖北工程学院 | Pvc面膜检测方法及装置 |
CN108769530A (zh) * | 2018-06-19 | 2018-11-06 | 朱炳强 | 图像采集处理设备和图像采集处理方法 |
CN108848372A (zh) * | 2018-06-07 | 2018-11-20 | 歌尔股份有限公司 | 双摄像头组件固定工装、检测装置及检测方法 |
CN108988197A (zh) * | 2018-06-01 | 2018-12-11 | 南京理工大学 | 一种带电作业机器人***带电作业现场的快速重构方法 |
CN109323650A (zh) * | 2018-01-31 | 2019-02-12 | 黑龙江科技大学 | 视觉图像传感器与点光测距传感器测量坐标系的统一方法 |
CN109883326A (zh) * | 2019-03-29 | 2019-06-14 | 湖南省鹰眼在线电子科技有限公司 | 一种摄像测量式汽车三维四轮定位方法、***及介质 |
CN110779933A (zh) * | 2019-11-12 | 2020-02-11 | 广东省智能机器人研究院 | 基于3d视觉传感阵列的表面点云数据获取方法和*** |
CN111105465A (zh) * | 2019-11-06 | 2020-05-05 | 京东数字科技控股有限公司 | 一种摄像装置校准方法、装置、***电子设备及存储介质 |
CN111127524A (zh) * | 2018-10-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹跟踪与三维重建方法、***及装置 |
WO2020118970A1 (zh) * | 2018-12-10 | 2020-06-18 | 华东理工大学 | 一种复杂表面加工的在机点云检测及补偿方法 |
CN111780683A (zh) * | 2020-06-29 | 2020-10-16 | 易思维(杭州)科技有限公司 | 便携式扫描***及其使用方法 |
CN112146589A (zh) * | 2020-09-16 | 2020-12-29 | 天津大学 | 一种基于zynq平台的三维形貌测量***及方法 |
CN112146571A (zh) * | 2020-09-25 | 2020-12-29 | 浙江汉振智能技术有限公司 | 大型构件非接触式三维测量***及数据拼接方法 |
CN112288853A (zh) * | 2020-10-29 | 2021-01-29 | 字节跳动有限公司 | 三维重建方法、三维重建装置、存储介质 |
CN112399068A (zh) * | 2019-08-16 | 2021-02-23 | 触景无限科技(北京)有限公司 | 一种图像处理***和图像处理方法 |
CN112697065A (zh) * | 2021-01-25 | 2021-04-23 | 东南大学 | 基于相机阵列的三维形貌重构方法 |
CN112729119A (zh) * | 2021-01-19 | 2021-04-30 | 苏州天准科技股份有限公司 | 一种基准坐标动态补偿的测量设备及坐标动态补偿方法 |
CN113095195A (zh) * | 2021-04-03 | 2021-07-09 | 西北工业大学 | 一种基于表面形貌自特征的零件唯一识别方法 |
CN113129385A (zh) * | 2020-12-23 | 2021-07-16 | 合肥工业大学 | 基于空间中多编码平面靶标的双目摄像机内外参数标定方法 |
CN113379829A (zh) * | 2021-06-16 | 2021-09-10 | 劢微机器人科技(深圳)有限公司 | 基于相机的尺寸测量方法、装置、设备及存储介质 |
CN114331924A (zh) * | 2022-03-15 | 2022-04-12 | 四川焱飞科技有限公司 | 大工件多相机视觉测量方法 |
CN114413790A (zh) * | 2022-01-31 | 2022-04-29 | 北京航空航天大学 | 固连摄影测量相机的大视场三维扫描装置及方法 |
CN114543673A (zh) * | 2022-02-14 | 2022-05-27 | 湖北工业大学 | 一种飞机起落架用视觉测量平台及其测量方法 |
CN114777672A (zh) * | 2022-04-29 | 2022-07-22 | 河北工程大学 | 一种基于多目线结构光的不同分辨率视觉融合的三维测量设备和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03186704A (ja) * | 1989-12-15 | 1991-08-14 | Toshiba Corp | 認識装置 |
JP2001243500A (ja) * | 2000-03-01 | 2001-09-07 | Hitachi Eng Co Ltd | 三次元点群データ処理装置 |
CN1975323A (zh) * | 2006-12-19 | 2007-06-06 | 南京航空航天大学 | 利用单数码相机自由拍摄进行物体三维测量的方法 |
CN104457569A (zh) * | 2014-11-27 | 2015-03-25 | 大连理工大学 | 一种大型复合板材几何参数视觉测量方法 |
-
2015
- 2015-09-01 CN CN201510553224.XA patent/CN105157609B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03186704A (ja) * | 1989-12-15 | 1991-08-14 | Toshiba Corp | 認識装置 |
JP2001243500A (ja) * | 2000-03-01 | 2001-09-07 | Hitachi Eng Co Ltd | 三次元点群データ処理装置 |
CN1975323A (zh) * | 2006-12-19 | 2007-06-06 | 南京航空航天大学 | 利用单数码相机自由拍摄进行物体三维测量的方法 |
CN104457569A (zh) * | 2014-11-27 | 2015-03-25 | 大连理工大学 | 一种大型复合板材几何参数视觉测量方法 |
Non-Patent Citations (2)
Title |
---|
崔晓川等: "基于全局控制网的三维形貌测量方法", 《中国机械工程》 * |
谢光辉等: "基于单数码相机的三维视觉测量数据拼接方法", 《光学技术》 * |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107192348A (zh) * | 2016-03-14 | 2017-09-22 | 武汉小狮科技有限公司 | 一种高精度3d视觉测量方法 |
CN105716542A (zh) * | 2016-04-07 | 2016-06-29 | 大连理工大学 | 一种基于柔性特征点的三维数据拼接方法 |
CN107442973A (zh) * | 2016-05-30 | 2017-12-08 | 上海气焊机厂有限公司 | 基于机器视觉的焊道定位方法及装置 |
CN107442973B (zh) * | 2016-05-30 | 2020-06-16 | 上海气焊机厂有限公司 | 基于机器视觉的焊道定位方法及装置 |
CN106352795B (zh) * | 2016-10-26 | 2019-02-19 | 哈尔滨工业大学 | 用于柔性制造的视觉测量装置及方法 |
CN106352795A (zh) * | 2016-10-26 | 2017-01-25 | 哈尔滨工业大学 | 用于柔性制造的视觉测量装置及方法 |
CN106942813A (zh) * | 2017-03-29 | 2017-07-14 | 浙江理工大学 | 非接触式便捷获取人体数据的测量方法 |
CN106942813B (zh) * | 2017-03-29 | 2019-12-06 | 浙江理工大学 | 非接触式便捷获取人体数据的测量方法 |
CN107160046A (zh) * | 2017-04-18 | 2017-09-15 | 上海柏楚电子科技有限公司 | 一种视觉辅助大幅面机床板材切割的相机标定方法 |
CN107160046B (zh) * | 2017-04-18 | 2019-08-02 | 上海柏楚电子科技股份有限公司 | 一种视觉辅助大幅面机床板材切割的相机标定方法 |
CN107478205A (zh) * | 2017-09-01 | 2017-12-15 | 西北工业大学 | 航空发动机高精度装配质量检测机器人*** |
CN109323650B (zh) * | 2018-01-31 | 2020-04-14 | 黑龙江科技大学 | 测量***中视觉图像传感器与光点测距传感器测量坐标系的统一方法 |
CN109323650A (zh) * | 2018-01-31 | 2019-02-12 | 黑龙江科技大学 | 视觉图像传感器与点光测距传感器测量坐标系的统一方法 |
CN108548824B (zh) * | 2018-03-30 | 2021-03-26 | 湖北工程学院 | Pvc面膜检测方法及装置 |
CN108548824A (zh) * | 2018-03-30 | 2018-09-18 | 湖北工程学院 | Pvc面膜检测方法及装置 |
CN108988197A (zh) * | 2018-06-01 | 2018-12-11 | 南京理工大学 | 一种带电作业机器人***带电作业现场的快速重构方法 |
CN108848372A (zh) * | 2018-06-07 | 2018-11-20 | 歌尔股份有限公司 | 双摄像头组件固定工装、检测装置及检测方法 |
CN108769530B (zh) * | 2018-06-19 | 2020-10-20 | 朱炳强 | 图像采集处理设备和图像采集处理方法 |
CN108769530A (zh) * | 2018-06-19 | 2018-11-06 | 朱炳强 | 图像采集处理设备和图像采集处理方法 |
CN111127524A (zh) * | 2018-10-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹跟踪与三维重建方法、***及装置 |
WO2020118970A1 (zh) * | 2018-12-10 | 2020-06-18 | 华东理工大学 | 一种复杂表面加工的在机点云检测及补偿方法 |
CN109883326A (zh) * | 2019-03-29 | 2019-06-14 | 湖南省鹰眼在线电子科技有限公司 | 一种摄像测量式汽车三维四轮定位方法、***及介质 |
CN112399068A (zh) * | 2019-08-16 | 2021-02-23 | 触景无限科技(北京)有限公司 | 一种图像处理***和图像处理方法 |
CN112399068B (zh) * | 2019-08-16 | 2022-05-03 | 触景无限科技(北京)有限公司 | 一种图像处理***和图像处理方法 |
CN111105465A (zh) * | 2019-11-06 | 2020-05-05 | 京东数字科技控股有限公司 | 一种摄像装置校准方法、装置、***电子设备及存储介质 |
CN111105465B (zh) * | 2019-11-06 | 2022-04-12 | 京东科技控股股份有限公司 | 一种摄像装置校准方法、装置、***电子设备及存储介质 |
CN110779933A (zh) * | 2019-11-12 | 2020-02-11 | 广东省智能机器人研究院 | 基于3d视觉传感阵列的表面点云数据获取方法和*** |
CN111780683A (zh) * | 2020-06-29 | 2020-10-16 | 易思维(杭州)科技有限公司 | 便携式扫描***及其使用方法 |
CN112146589A (zh) * | 2020-09-16 | 2020-12-29 | 天津大学 | 一种基于zynq平台的三维形貌测量***及方法 |
CN112146571A (zh) * | 2020-09-25 | 2020-12-29 | 浙江汉振智能技术有限公司 | 大型构件非接触式三维测量***及数据拼接方法 |
CN112146571B (zh) * | 2020-09-25 | 2022-06-14 | 浙江汉振智能技术有限公司 | 大型构件非接触式三维测量***及数据拼接方法 |
CN112288853B (zh) * | 2020-10-29 | 2023-06-20 | 字节跳动有限公司 | 三维重建方法、三维重建装置、存储介质 |
CN112288853A (zh) * | 2020-10-29 | 2021-01-29 | 字节跳动有限公司 | 三维重建方法、三维重建装置、存储介质 |
CN113129385B (zh) * | 2020-12-23 | 2022-08-26 | 合肥工业大学 | 基于空间中多编码平面靶标的双目摄像机内外参数标定方法 |
CN113129385A (zh) * | 2020-12-23 | 2021-07-16 | 合肥工业大学 | 基于空间中多编码平面靶标的双目摄像机内外参数标定方法 |
CN112729119A (zh) * | 2021-01-19 | 2021-04-30 | 苏州天准科技股份有限公司 | 一种基准坐标动态补偿的测量设备及坐标动态补偿方法 |
CN112697065B (zh) * | 2021-01-25 | 2022-07-15 | 东南大学 | 基于相机阵列的三维形貌重构方法 |
CN112697065A (zh) * | 2021-01-25 | 2021-04-23 | 东南大学 | 基于相机阵列的三维形貌重构方法 |
CN113095195A (zh) * | 2021-04-03 | 2021-07-09 | 西北工业大学 | 一种基于表面形貌自特征的零件唯一识别方法 |
CN113095195B (zh) * | 2021-04-03 | 2023-04-07 | 西北工业大学 | 一种基于表面形貌自特征的零件唯一识别方法 |
CN113379829A (zh) * | 2021-06-16 | 2021-09-10 | 劢微机器人科技(深圳)有限公司 | 基于相机的尺寸测量方法、装置、设备及存储介质 |
CN114413790A (zh) * | 2022-01-31 | 2022-04-29 | 北京航空航天大学 | 固连摄影测量相机的大视场三维扫描装置及方法 |
CN114543673A (zh) * | 2022-02-14 | 2022-05-27 | 湖北工业大学 | 一种飞机起落架用视觉测量平台及其测量方法 |
CN114543673B (zh) * | 2022-02-14 | 2023-12-08 | 湖北工业大学 | 一种飞机起落架用视觉测量平台及其测量方法 |
CN114331924A (zh) * | 2022-03-15 | 2022-04-12 | 四川焱飞科技有限公司 | 大工件多相机视觉测量方法 |
CN114777672A (zh) * | 2022-04-29 | 2022-07-22 | 河北工程大学 | 一种基于多目线结构光的不同分辨率视觉融合的三维测量设备和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105157609B (zh) | 2017-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105157609A (zh) | 基于两组相机的大型零件全局形貌测量方法 | |
Chen et al. | High-accuracy multi-camera reconstruction enhanced by adaptive point cloud correction algorithm | |
CN102155923B (zh) | 基于立体靶标的拼接测量方法及*** | |
CN103729883B (zh) | 一种三维环境信息采集与重构***及方法 | |
CN103411553B (zh) | 多线结构光视觉传感器的快速标定方法 | |
CN105931234A (zh) | 一种地面三维激光扫描点云与影像融合及配准的方法 | |
CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
CN102538763B (zh) | 一种河工模型试验三维地形的量测方法 | |
CN102184563B (zh) | 植物器官形态的三维扫描方法及扫描***和装置 | |
CN103822581B (zh) | 一种基于压缩感知的不规则物体体积测量方法 | |
CN104897060A (zh) | 采用坐标跟踪控制板的大视场全局测量方法 | |
CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN105528785A (zh) | 一种双目视觉图像立体匹配方法 | |
CN102607459B (zh) | Lidar测量数据的拼接方法和装置 | |
CN102622732A (zh) | 一种前扫声纳图像拼接方法 | |
CN102938142A (zh) | 基于Kinect的室内LiDAR缺失数据填补方法 | |
CN103076612B (zh) | 一种激光雷达与航空摄影结合的建筑物测绘方法 | |
CN101814185A (zh) | 用于微小尺寸测量的线结构光视觉传感器标定方法 | |
CN103438826B (zh) | 激光与视觉相结合的钢板的三维测量***及方法 | |
CN101915570B (zh) | 一种基于灭点的地面移动测量影像线段自动提取分类方法 | |
CN102930551B (zh) | 利用圆心的投影坐标和极线求解摄像机内参数 | |
CN104134216B (zh) | 基于16维特征描述的激光点云自动配准方法及*** | |
CN101943563A (zh) | 基于空间平面约束的线结构光视觉传感器的快速标定方法 | |
CN102930548B (zh) | 利用两个相同的相交椭圆线性求解摄像机内参数 | |
CN104021588A (zh) | 一种实时恢复车辆三维真实模型的***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170801 |