CN105678709B - 一种led手持靶标光心偏差校正算法 - Google Patents
一种led手持靶标光心偏差校正算法 Download PDFInfo
- Publication number
- CN105678709B CN105678709B CN201610019139.XA CN201610019139A CN105678709B CN 105678709 B CN105678709 B CN 105678709B CN 201610019139 A CN201610019139 A CN 201610019139A CN 105678709 B CN105678709 B CN 105678709B
- Authority
- CN
- China
- Prior art keywords
- optical center
- matrix
- led
- target
- positioning
- 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.)
- Active
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 84
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 238000012937 correction Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 41
- 230000009466 transformation Effects 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 20
- 238000003384 imaging method Methods 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种LED手持靶标光心偏差校正算法：通过分析以LED为手持靶标空间特征点的成像光心偏差成因，找出手持靶标靶面上每个特征点的校正方向，利用双目立体视觉***获取一对靶标成像像面，利用基础矩阵F建立特征点对的对极几何约束关系，通过粗提取、降噪声、粗定位精定位的过程，选择特征点的最佳校正位置。本算法不拘泥于某种特定型号的LED作为特征点的手持靶标，具有一般通用性，算法稳定性好，鲁棒性高，大幅提高了以LED作为特征点的手持靶标双目立体视觉测量精度。
Description
【技术领域】
本发明属于视觉测量技术领域，涉及一种LED手持靶标光心偏差校正算法。
【背景技术】
随着各种异形工件内腔外形检测需求的增多，以立体视觉测量为基础的便携式3D坐标测量技术得到越来越多的应用。双目立体视觉***只需要两台摄像机、标定板、手持靶标和专用侧头，就能完成对大型复杂型腔零件的在位/在线测量，不受现场环境影响，可靠性高、尤其是对复杂内腔、深长孔等测量有独特的优势。
在双目立体视觉***中，手持靶标是一个重要的测量设备。测量时手持靶标的测头与待测物体表面接触，标定完成后的摄像机通过捕捉手持靶标靶面特征点，完成特征点的3D空间坐标还原，利用建立的靶标坐标系完成从靶面特征点的3D空间坐标到侧头坐标转换，从而最终测得与侧头接触的待测物体表面3D空间坐标。因此，靶面特征点的3D空间坐标测量精度直接影响***的测量精度。如何提高手持靶标特征点的测量精度是视觉测量领域的难点。
目前，手持靶标从特征点发光来源上分，可以分为正投式和背投式。正投式手持靶标特征点本身不发光，靠反射主动光源供摄像机捕捉，由于其特征点形状需要靠加工精度保证，所以靶标加工成本高且精度受到限制。通常实际测量中使用的都是背投式，通过在靶面规律布置一定数量LED光点连接稳定直流电源以供摄像机捕捉。
由于LED特征点是余弦发光体，不同视角下的光强分布不均匀，利用加权坐标重心法提取LED发光中心图像平面坐标必然会产生偏差，这个偏差会影响在利用双目立体视觉***进行精密测量时的精度。
目前，国内外对于利用LED作为手持靶标特征点的光心偏差校正研究还不够深入，相关研究内容文献很少，所研究的进展也仅仅是停留在针对某一种型号LED的具体分析度量上，所利用的方法复杂、参数繁琐、鲁棒性不高，校正效果并不明显。
【发明内容】
针对上述现有以LED为特征点的手持靶标光心提取存在偏差的缺陷或不足，本发明提出一种LED手持靶标光心偏差校正算法，提高靶面特征点光心在图像平面坐标提取精度，进而提高双目立体视觉***测量精度。
本发明采用以下技术方案：
一种LED手持靶标光心偏差校正算法，首先确定靶标光心的校正方向，然后提取出左右摄像机捕捉到图像的光心坐标，最后对光心坐标进行定位；所述定位包括粗定位和精确定位，其中，粗定位是指将图像光心坐标沿校正方向移动，构成粗略定位，精确定位是指在粗定位的基础上，左右移动，精确定位的移动步长远小于粗定位的移动步长，从而实现精确定位。
进一步，所述粗定位的具体方法为：
(1)将提取的左右摄像机的光心坐标沿校正方向移动，移动的步长为ε，0.01pixel≤ε1≤0.05pixel，移动的次数为j，共移动距离Pj，其中，Pj＝ε1*j，左右摄像机捕捉到的图像平面的所有点移动一个步长ε形成的图像称之为点位图，则左右图像平面形成j*j个点位图对；
(2)对提取出来的图像光心坐标进行归一化坐标变换，计算每一个点位图对对应的基础矩阵解除归一化变换得到原始点对应基础矩阵Fi；
(3)将与j*j个点位图对相对应的j2个基础矩阵写成列向量的形式构造出一个9行j2列的矩阵M1，利用PCA算法对M1进行特征空间重构，取前6个特征值及其对应的特征向量，构成矩阵M′1；将M′1中的所有列向量进行样本投影重构，将每一个基础矩阵的列向量与均值向量的差值投影到特征空间，寻找样本空间中与目标欧氏距离最短、夹角最小的基础矩阵，以筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为粗定位的结果。
进一步，所述精确定位的方法为：将粗定位中的单步步长变为ε2，ε2＝ε1/10，校正方向为粗定位结果为中心，沿靶标光心的校正方向左右各移动n/2个步长ε2，得到n*n个点位图对和n2个基础矩阵，重复粗定位过程，此时筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为最终校正结果。
进一步，靶标光心的校正方向根据以下公式计算：
其中，为LED发光面的法线方向，为摄像机光心到LED发光中心的向量，为校正方向，λ1,λ2分别代表校正方向的两个分量。
进一步，对光心坐标进行定位前，首先对左右相机内外参标定结果构造出来的基础矩阵F0进行降噪，保证基础矩阵F0满足秩为2。
一种LED手持靶标光心偏差校正算法，包括以下几个步骤：
1)LED光心偏差方向的确定；
2)粗提取；利用加权重心算法对左右摄像机捕捉的手持靶标LED特征点灰度值图像进行光心坐标提取，也是校正的初始值；
3)降噪声；
4)粗定位；利用左右图像平面原始光心坐标点在校正方向上移动微小的步长所形成的基础矩阵来判断校正的粗略位置；
5)精定位；利用同样的方式在粗定位的坐标附近，移动更小的步长，利用每个位置对应的基础矩阵，精确确定光心校正的最佳位置。
进一步，所述粗定位的具体方法为：
(1)将提取的左右摄像机的光心坐标沿校正方向移动，移动的步长为ε，0.01pixel≤ε1≤0.05pixel，移动的次数为j，共移动距离Pj，其中，Pj＝ε1*j，左右摄像机捕捉到的图像平面的所有点移动一个步长ε形成的图像称之为点位图，则左右图像平面形成j*j个点位图对；
(2)对提取出来的图像光心坐标进行归一化坐标变换，计算每一个点位图对对应的基础矩阵解除归一化变换得到原始点对应基础矩阵Fi；
(3)将与j*j个点位图对相对应的j2个基础矩阵写成列向量的形式构造出一个9行j2列的矩阵M1，利用PCA算法对M1进行特征空间重构，取前6个特征值及其对应的特征向量，构成矩阵M′1；将矩阵M′1中所有列向量进行样本投影重构，将每一个基础矩阵的列向量与均值向量的差值投影到特征空间，寻找样本空间中与目标欧氏距离最短、夹角最小的基础矩阵，以筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为粗定位的结果。
所述精确定位的方法为：将粗定位中的单步步长变为ε2，ε2＝ε1/10，校正方向为粗定位结果为中心，沿靶标光心的校正方向左右各移动n/2个步长ε2，得到n*n个点位图对和n2个基础矩阵，重复粗定位过程，此时筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为最终校正结果。
降噪的方法为：对所使用的双目立体视觉***进行标定，求得内外参参数，利用内外参参数通过对极几何中基础矩阵与内外参参数的互相关系，得到标定之后的左右图像对的基础矩阵F0，然后对该基础矩阵F0降噪，保证基础矩阵F0满足秩为2；降噪的具体方法为：通过SVD分解对基础矩阵进行降秩，将3个特征值中最小特征值设为0。
与现有技术相比，本发明至少具有以下有益效果：在本发明方法中，首先确定除了靶标光心的校正方向，然后将光心实际坐标以校正方向移动步长，进行粗略校正，然后再在粗定位的基础上，仍然以校正方向为目标，减小步长，左右分别移动，以进一步接近理想光心坐标，最终得到光心坐标。
【附图说明】
图1为本发明手持靶标LED光心校正方向示意图。
图2为校正算法中粗定位示意图。
图3为校正算法中精定位示意图。
图4为本发明算法的流程图。
【具体实施方式】
请参阅附图所示，图1为本发明手持靶标LED光心校正方向示意图。其中Π1平面为手持靶标靶面，Γ1为某个LED发光源，Π2为摄像机CCD成像平面，Γ2为Γ1在Π2平面所成的像，O为摄像机光心，O-XYZ为以摄像机光心O为原点摄像机光轴为Z轴建立的直角坐标系，为LED发光面的法线方向，为摄像机光心到LED发光中心的向量，为在图像平面LED光心所要校正的方向向量。图2为校正算法中粗定位示意图。在左右摄像机拍摄的原始图像上，LED光心坐标点沿着自己的校正方向上移动1个步长ε1*1和移动2个步长ε1*2以后光心位置的结果。图3为校正算法中精定位示意图。在粗定位结果的基础上，LED光心坐标点沿着自己的校正方向上分别左移动1个步长ε2，向右移动1个步长ε2以后，光心位置的结果。
本算法是在使用以LED作为空间特征点的手持靶标的双目立体视觉***测量空间定位点时的校正算法，旨在校正以LED作为空间特征点的手持靶标测量时由LED光心畸变带来的偏差，目的是提高双目立体视觉***的测量精度。其具体实施操作存在于双目立体视觉***测量过程。下面结合某一次测量过程对本发明作进一步详细说明。
第一步：标定。
首先利用张正友棋盘格标定算法对搭建好的双目立体视觉***进行标定，得到标定参数。目的是利用左右相机内外参标定结果构造出表示左右两个相机状态(焦距、主点、旋转矩阵、平移向量)的基础矩阵F0。
第二步：获取图像信息。
标定完成以后，利用手持靶标对待测的表面进行逐点测量。即移动手持靶标至需要测量的目标点，然后两个相机同时拍照，捕捉到手持靶标在左右两个不同位姿的相机的图像。获取的是图像，其有效信息是图像中手持靶标靶面上的LED空间特征点的像。利用加权重心算法，将LED在2维平面的像点面(大约100-200个像素单位左右)拟合成一个亚像素的像素坐标。
第三步：匹配。
匹配的目的是将同一个LED在左右两个相机不同的像联系起来，形成一一对应的关系。能否正确的匹配决定了特征点三维还原的正确与否。由于LED在靶面分布的特殊性，本发明利用基于极径极角的匹配算法，其运算速度快，鲁棒性极好，保证了匹配的正确定。
第四步：三维还原。
1、LED光心偏差方向的确定
理想的LED是一个余弦发光体，光强空间分布满足Iθ＝INcosθ，其中IN为发光面在法线方向的发光强度，Iθ为和法线成任意角度θ方向的发光强度。实际的LED发光模型在空间呈椭球状，在θ＝0时取得最大值，距离θ＝0越远，则偏差越大。具体如下：
1.1、确定LED发光面的法线方向
利用靶面上3个标志点(标志点个数n≥3)分别记为P1P2P3，用一组三维坐标表示Pi＝(xi,yi,zi)，任意非共线的三个点P1P2P3建立一个正交坐标系Ft。
LED发光面的法线方向：
1.2、摄像机光心到LED发光中心的向量
在实际测量过程中，为了简化计算，令世界坐标系与左摄像机坐标系重合，所以LED标志点的空间坐标向量是摄像机光心到LED发光中心的向量即
因此，偏差方向(即校正方向)可以由表示，即两个关键方向与能够确定偏差方向，具体见如下公式
其中，代表校正方向，λ1,λ2分别代表校正方向在二维坐标系下的两个分量。
2、粗提取
利用加权重心算法对左右摄像机捕捉的手持靶标LED特征点灰度值图像进行光心坐标粗提取，也是校正的初始值。
左相机光心坐标右相机光心坐标其中i＝1,2,3,...n表示特征点个数。
3、降噪声
降噪的对象是左右相机内外参标定结果构造出来的基础矩阵F0。由于噪声、提取误差和随机误差的存在，利用标定结果构造出来的基础矩阵F0并不满足双目立体视觉中基础矩阵rank(F0)＝2的性质，这为后面最佳校正位置的判断带来影响，所以对其进行降噪。
降噪具体包括以下步骤：
3.1、对双目立体视觉***进行标定
利用棋盘格标定板对双目***进行标定得到标定结果，右相机的内参K'，左相机的内参K，外参的旋转矩阵R、平移矩阵T。
3.2、利用标定结果构造基础矩阵F0
F0＝K'-TSRK-T
其中K'右相机的内参，K是左相机的内参，R是外参的旋转矩阵，S是外参的平移矩阵T的反对称矩阵，其中，
3.3、对基础矩阵F0降噪
将F0进行奇异值分解
F0＝UD(λ1,λ2,λ3)VT
其中，D为对角矩阵λ1λ2λ3分别为对角线元素。
对最小的奇异值操作λ3＝0，得到
F＝UD(λ1,λ2,0)VT
4、粗定位
粗定位分为三步。
首先，将粗提取的左右图像平面光心坐标沿着步骤1中求得的各个点的校正方向依次移动步长Pj＝ε1*j(0.01pixel≤ε1≤0.05pixel)，ε为每次移动的步长，j为移动的次数，左或右图像平面所有点移动一个步长ε形成的图像称之为点位图，则左右图像平面可以形成j*j个点位图对。
移动1步以后左右图像平面光心坐标：
移动n步以后左右图像平面光心坐标：
然后，对提取出来的图像光心坐标进行归一化坐标变换，计算每一个点位图对对应的基础矩阵解除归一化变换得到原始点(原始点指未移动步长之前的坐标)对应基础矩阵Fi。
这里计算基础矩阵至少在手持靶标的靶面上布置8个或者以上的LED特征点。
首先构造归一化变化。对于移动n步位置的左图像，令
对于右图像用类似的方法构造矩阵H′
此时，对左右两幅图像分别做坐标变换，并用直接线性方法求解点对应的基础矩阵则解除归一化后原始对应点的基础矩阵：
最后，将得到的j2个基础矩阵(此处的基础矩阵是指前面得到的j*j个点位图对对应的基础矩阵)写成列向量的形式构造出一个9行j2列的矩阵M1，利用主成分分析(PCA)算法对M1进行特征空间重构，取M1矩阵的前6维特征值及其对应的特征向量(具体地说，就是将9行j2列的矩阵M1中的后三行数据删除，变为6行j2列的矩阵)，构成矩阵M1'。在提取的6维特征值及其对应的特征向量中(即矩阵M′1中)，将所有列向量进行样本投影重构，将每一个基础矩阵的列向量与均值向量的差值投影到特征空间，所述均值向量指提取出来的特征值和特征向量对应的列向量的均值，寻找样本空间中与目标欧氏距离最短、夹角最小的基础矩阵。
空间向量与目标欧式距离按照以下公式计算：
其中，f1为目标向量，fi是第i个空间向量。
空间向量与目标向量的夹角θi按照以下公式计算：
以此时筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为粗定位的结果。
5、精定位
将单步步长变为ε2，ε2＝ε1/10。其中，校正方向以粗定位结果为中心，沿着步骤1得到的校正方向直线，左右各移动n/2个步长ε2，则可以得到n*n个点位图对，也就是对应有n2个基础矩阵，重复步骤4，此时筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为最终校正结果。
Claims (8)
1.一种LED手持靶标光心偏差校正算法，其特征在于，首先确定靶标光心的校正方向，然后提取出左右摄像机捕捉到图像的光心坐标，最后对光心坐标进行定位；所述定位包括粗定位和精确定位，其中，粗定位是指将图像光心坐标沿校正方向移动，构成粗略定位，精确定位是指在粗定位的基础上，左右移动，精确定位的移动步长远小于粗定位的移动步长，从而实现精确定位；
其中，靶标光心的校正方向根据以下公式计算：
其中，为LED发光面的法线方向，为摄像机光心到LED发光中心的向量，为校正方向，λ1,λ2分别代表校正方向的两个分量。
2.根据权利要求1所述的一种LED手持靶标光心偏差校正算法，其特征在于，所述粗定位的具体方法为：
(1)将提取的左右摄像机的光心坐标沿校正方向移动,移动的步长为ε，0.01pixel≤ε1≤0.05pixel，移动的次数为j，共移动距离Pj，其中，Pj＝ε1*j，左右摄像机捕捉到的图像平面的所有点移动一个步长ε形成的图像称之为点位图，则左右图像平面形成j*j个点位图对；
(2)对提取出来的图像光心坐标进行归一化坐标变换，计算每一个点位图对对应的基础矩阵解除归一化变换得到原始点对应基础矩阵Fi；
(3)将与j*j个点位图对相对应的j2个基础矩阵写成列向量的形式构造出一个9行j2列的矩阵M1，利用PCA算法对M1进行特征空间重构，取前6个特征值及其对应的特征向量，构成矩阵M′1；将M′1中的所有列向量进行样本投影重构，将每一个基础矩阵的列向量与均值向量的差值投影到特征空间，寻找样本空间中与目标欧氏距离最短、夹角最小的基础矩阵，以筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为粗定位的结果。
3.根据权利要求2所述的一种LED手持靶标光心偏差校正算法，其特征在于，所述精确定位的方法为：将粗定位中的单步步长变为ε2，ε2＝ε1/10，校正方向为粗定位结果为中心，沿靶标光心的校正方向左右各移动n/2个步长ε2，得到n*n个点位图对和n2个基础矩阵，重复粗定位过程，此时筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为最终校正结果。
4.根据权利要求1至3中任意一项所述的一种LED手持靶标光心偏差校正算法，其特征在于，对光心坐标进行定位前，首先对左右相机内外参标定结果构造出来的基础矩阵F0进行降噪，保证基础矩阵F0满足秩为2。
5.一种LED手持靶标光心偏差校正算法，其特征在于，包括以下几个步骤：
1)LED光心偏差方向的确定；
2)粗提取；利用加权重心算法对左右摄像机捕捉的手持靶标LED特征点灰度值图像进行光心坐标提取，也是校正的初始值；
3)降噪声；
4)粗定位；利用左右图像平面原始光心坐标点在校正方向上移动微小的步长所形成的基础矩阵来判断校正的粗略位置；
5)精定位；利用同样的方式在粗定位的坐标附近，移动更小的步长，利用每个位置对应的基础矩阵，精确确定光心校正的最佳位置。
6.根据权利要求5所述的一种LED手持靶标光心偏差校正算法，其特征在于，所述粗定位的具体方法为：
(1)将提取的左右摄像机的光心坐标沿校正方向移动，移动的步长为ε，0.01pixel≤ε1≤0.05pixel，移动的次数为j，共移动距离Pj，其中，Pj＝ε1*j，左右摄像机捕捉到的图像平面的所有点移动一个步长ε形成的图像称之为点位图，则左右图像平面形成j*j个点位图对；
(2)对提取出来的图像光心坐标进行归一化坐标变换，计算每一个点位图对对应的基础矩阵解除归一化变换得到原始点对应基础矩阵Fi；
(3)将与j*j个点位图对相对应的j2个基础矩阵写成列向量的形式构造出一个9行j2列的矩阵M1，利用PCA算法对M1进行特征空间重构，取前6个特征值及其对应的特征向量，构成矩阵M′1；将矩阵M′1中的所有列向量进行样本投影重构，将每一个基础矩阵的列向量与均值向量的差值投影到特征空间，寻找样本空间中与目标欧氏距离最短、夹角最小的基础矩阵，以筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为粗定位的结果。
7.根据权利要求6所述的一种LED手持靶标光心偏差校正算法，其特征在于，所述精确定位的方法为：将粗定位中的单步步长变为ε2，ε2＝ε1/10，校正方向为粗定位结果为中心，沿靶标光心的校正方向左右各移动n/2个步长ε2，得到n*n个点位图对和n2个基础矩阵，重复粗定位过程，此时筛选出的基础矩阵对应点位图对的左右图像平面光心坐标位置为最终校正结果。
8.根据权利要求5所述的一种LED手持靶标光心偏差校正算法，其特征在于，降噪的方法为：对所使用的双目立体视觉***进行标定，求得内外参参数，利用内外参参数通过对极几何中基础矩阵与内外参参数的互相关系，得到标定之后的左右图像对的基础矩阵F0，然后对该基础矩阵F0降噪，保证基础矩阵F0满足秩为2；降噪的具体方法为：通过SVD分解对基础矩阵进行降秩，将3个特征值中最小特征值设为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610019139.XA CN105678709B (zh) | 2016-01-12 | 2016-01-12 | 一种led手持靶标光心偏差校正算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610019139.XA CN105678709B (zh) | 2016-01-12 | 2016-01-12 | 一种led手持靶标光心偏差校正算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105678709A CN105678709A (zh) | 2016-06-15 |
| CN105678709B true CN105678709B (zh) | 2018-06-26 |
Family
ID=56300321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610019139.XA Active CN105678709B (zh) | 2016-01-12 | 2016-01-12 | 一种led手持靶标光心偏差校正算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105678709B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106485252B (zh) * | 2016-09-08 | 2019-06-21 | 上海卫星工程研究所 | 图像配准试验点阵靶标图像特征点识别方法 |
| CN109522935B (zh) * | 2018-10-22 | 2021-07-02 | 易思维（杭州）科技有限公司 | 一种对双目视觉测量***的标定结果进行评价的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101206116A (zh) * | 2007-12-07 | 2008-06-25 | 北京机械工业学院 | 目标点全局自动定位方法 |
| CN102968794A (zh) * | 2012-11-22 | 2013-03-13 | 上海交通大学 | 小型二维靶大视场双目立体视觉***结构参数在位标定法 |
| CN104019799A (zh) * | 2014-05-23 | 2014-09-03 | 北京信息科技大学 | 一种利用局部参数优化计算基础矩阵的相对定向方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012019322A1 (zh) * | 2010-08-13 | 2012-02-16 | Xu Hong | 利用单目摄像机标定技术的视觉指向型鼠标输入方法、输入***和输入装置 |
-
2016
- 2016-01-12 CN CN201610019139.XA patent/CN105678709B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101206116A (zh) * | 2007-12-07 | 2008-06-25 | 北京机械工业学院 | 目标点全局自动定位方法 |
| CN102968794A (zh) * | 2012-11-22 | 2013-03-13 | 上海交通大学 | 小型二维靶大视场双目立体视觉***结构参数在位标定法 |
| CN104019799A (zh) * | 2014-05-23 | 2014-09-03 | 北京信息科技大学 | 一种利用局部参数优化计算基础矩阵的相对定向方法 |
Non-Patent Citations (4)
| Title |
|---|
| GSI靶标与立体视觉的双目相机结构参数标定;于之靖 等;《科学技术与工程》;20141231;第14卷(第36期);208-211 * |
| Zernike矩的圆阵列靶标特征点精确提取方法;金兆楠;《山西电子技术》;20151029(第4期);摘要，正文第4节 * |
| 基于计算机视觉的姿态测量方法及测量精度分析;张宇;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140415(第04期);正文第18页第2.4.1节，第20页第2.4.2节，第54页第4.4，4.4.1节，第55页第4.4.1节 * |
| 基于靶标成像双目视觉坐标测量方法研究;张智强 等;《宇航计测技术》;20040430;第24卷(第2期);7-11 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105678709A (zh) | 2016-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133989B (zh) | 一种三维扫描***参数标定方法 | |
| CN109598762B (zh) | 一种高精度双目相机标定方法 | |
| CN103530880B (zh) | 基于投影高斯网格图案的摄像机标定方法 | |
| CN109308722B (zh) | 一种基于主动视觉的空间位姿测量***及方法 | |
| CN104835158B (zh) | 基于格雷码结构光与极线约束的三维点云获取方法 | |
| CN111784778B (zh) | 基于线性求解非线性优化的双目相机外参标定方法和*** | |
| CN111028295A (zh) | 一种基于编码结构光和双目的3d成像方法 | |
| CN105043250B (zh) | 一种基于至少两个公共标记点的双视角数据对齐方法 | |
| CN113129430B (zh) | 基于双目结构光的水下三维重建方法 | |
| CN110009690A (zh) | 基于极线校正的双目立体视觉图像测量方法 | |
| CN104760812B (zh) | 基于单目视觉的传送带上产品实时定位***和方法 | |
| CN103971378A (zh) | 一种混合视觉***中全景图像的三维重建方法 | |
| CN109712232B (zh) | 一种基于光场的物体表面轮廓三维成像方法 | |
| CN107816942A (zh) | 一种基于十字结构光视觉***的平面二维尺寸测量方法 | |
| CN105447856A (zh) | 基于机器人运动参数与特征向量的标记点匹配方法 | |
| CN111768449B (zh) | 一种双目视觉结合深度学习的物体抓取方法 | |
| CN111009030A (zh) | 一种多视高分辨率纹理图像与双目三维点云映射方法 | |
| CN108154536A (zh) | 二维平面迭代的相机标定法 | |
| CN102914295A (zh) | 基于计算机视觉立方体标定的三维测量方法 | |
| CN106017321A (zh) | 一种基于双目视觉的大尺寸几何量测量方法 | |
| CN106643555A (zh) | 基于结构光三维测量***的连接件识别方法 | |
| CN111524195A (zh) | 一种掘进机截割头定位中的相机标定方法 | |
| CN111028280A (zh) | 井字结构光相机***及进行目标有尺度三维重建的方法 | |
| CN111429571B (zh) | 一种基于时空图像信息联合相关的快速立体匹配方法 | |
| Zhao et al. | A flexible method combining camera calibration and hand–eye calibration |
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 |