CN106595511A - 机器人激光视觉三维测量方法 - Google Patents

Abstract

本发明提供一种机器人激光视觉三维测量方法，包括如下步骤：使用相机获取被测物体图像，通过遗传算法与Hausdorff距离相结合的图像匹配方法找到相机获取图像中被测量物体的位置信息，再移动机器人使激光打到被测物体上，读取相机图像中激光的信息，最后利用三角测量的原理来测量物体的三维信息。本发明具有结构简单、准确性高、成本低、易于操作等优点。

Description

机器人激光视觉三维测量方法

技术领域

本发明涉及工业机器人技术领域，尤其涉及一种机器人激光视觉三维测量方法。

背景技术

目前普遍采用双目立体视觉的方法来获取被测物体的三维信息。该方法是寻找图像中被测物体对应的匹配点，进行双目视觉立体匹配。最后用立体匹配和摄像机标定的结果进行三维重建，获得被测量物体在机器坐标系下的三维信息。但是受环境及被测物体本身特点所影响，往往无法得到被测物体的对应匹配点或得到错匹配点，从而导致得到错误的三维信息。

发明内容

针对现有技术的不足，本发明提供一种准确性高的视觉三维测量方法。

本发明的技术方案为：

一种机器人激光视觉三维测量方法，包括以下步骤：

步骤一，使用相机获取被测物体图像；

步骤二，利用遗传算法与Hausdorff距离相结合的图像匹配方法找到相机获取图像中被测量物体的位置信息；

步骤三，使用激光：移动机器人使激光打到被测物体上，读取相机图像中激光的信息；

步骤四，利用三角测量的原理测量物体的三维信息。

结合步骤一、二、三得到的信息并利用三角测量的原理来测量物体的三维信息。

具体的，使用激光和相机获取被测物体的三维信息时，激光和相机之间关系的标定方法如下：

设世界坐标系原点到相机坐标系原点的距离为l，相机焦距为f和激光面与相机光轴的夹角为α；

将标定板置于平台上，使CCD的像素行和像素列分别平行与标定板的X轴，Y轴；

调整机器人Z轴方向，使得激光中心位置位于CCD像平面的中心处，设当前位置为机器人基础位置并记下当前机器人Z轴坐标值和像素坐标x；

单步沿机器人Z轴正方向移动，每走一步记下当前位置的Z轴坐标值和像素坐标x，直到CCD中看不到激光为止；

使机器人回到基础位置沿机器人Z轴负方向移动，每走一步记下当前位置的Z轴坐标值和像素坐标x，直到CCD中看不到激光为止；

控制机器人Z轴移动标记为ΔZ，则相机图像中激光中心平均位置偏离设为Δx，则：

记录下的整个像平面的像素坐标x和深度坐标Z_w的对应关系由式：

得

令c₁＝f·tanα/l；c₂＝1/l得：

采用最小二乘法可得方程组Z＝XC，其中：

则最小二乘法解为：

C＝X⁺Z

即可求出O_w与O_c的距离l和相机焦距f。

设世界坐标系为O_w-X_wY_wZ_w，相机坐标系为O_c-X_cY_cZ_c世界坐标系与相机坐标系

有如下关系：

由于物与像存在比例对应关系，则有下列等式：

X_w＝Z_wtanα

可得到方程：

即得到被测物体所在世界坐标系的三维信息(X_w,Y_w,Z_w)。

遗传算法与Hausdorff距离结合的匹配方法：

设图像匹配的适应度函数是

公式中H(A,B)是模板点集A与图象中将要匹配的的点集B之间的Hausdorff距离，t_x，t_y分别表示的是模板在图像中移动的距离，s和a分别为匹配过程中模板的尺度和旋转因子，(t_x,t_y,s,a)构成了参数空间中的将要寻找的参数，在公式中当H(A,B)的值为0时f(t_x,t_y,s,a)将达到最大值1，当适应度大于所设定的适应度阈值P时，此时的(t_x,t_y,s,a)参数为被测物的位置信息。

本发明的有益效果为：本发明结构简单、准确性高、成本低、易于操作，通过遗传算法与Hausdorff距离相结合的图像匹配方法找到相机获取图像中被测量物体的位置信息，再移动机器人使激光打到被测物体上，通过读取相机图像中激光的信息，再利用三角测量的原理来测量物体的三维信息。

附图说明

图1为本发明的匹配方法流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明：

一种机器人激光视觉三维测量方法，包括以下步骤：

步骤一，使用相机获取被测物体图像；

步骤二，利用遗传算法与Hausdorff距离相结合的图像匹配方法找到相机获取图像中被测量物体的位置信息；

步骤三，移动机器人使激光打到被测物体上，通过读取相机图像中激光的信息；

步骤四，通过步骤一、二、三得到的信息并利用三角测量的原理来测量物体的三维信息。

如图1所示：匹配部分采用的是遗传算法与Hausdorff距离结合的匹配方法。Hausdorff距离是一种极大极小距离，它主要用于测量两个点集的匹配程度。Hausdorff距离不需建立点点之间的对应，只需计算两点集之间的最大距离即可，且受物体平移、旋转、缩放等变换的影响较小。

对于两个目标点集A＝{a₁,a₂,...a_n}和B＝{b₁,b₂,...b_n}，集合A和集合B之间的Hausdorff距离定义如下：

H(A,B)＝max(h(A,B),h(B,A))

其中

h(A,B)表示的是点集A中的每个点到点集B的距离的最大值。Hausdorff距离H(A,B)取h(A,B)和h(B,A)的最大值，从而可获得两个点集A和B之间的匹配程度。

遗传算法与Hausdorff距离结合的匹配方法的两个关键问题分别是构造适当的适应度函数和将问题的解编码到基因串中，设图像匹配的适应度函数是

公式中H(A,B)是模板点集A与图象中将要匹配的的点集B之间的Hausdorff距离。t_x，t_y分别表示的是模板在图像中移动的距离。s和a分别为匹配过程中模板的尺度和旋转因子。(t_x,t_y,s,a)构成了参数空间中的将要寻找的参数。公式的分母越小，公式的值越大，同时表示其适应度就越高，图像匹配时效果会越好。在公式中当H(A,B)的值为0时f(t_x,t_y,s,a)将达到最大值1。当适应度大于所设定的适应度阈值P时，此时的(t_x,t_y,s,a)参数为被测物的位置信息。

图1中Pc为遗传算法杂交概率，Pm为变异概率，N为遗传代数，P为所设适应度阈值。

在测量三维信息方面的关键点是激光和相机之间关系的标定。由于测量之前世界坐标系原点到相机坐标系原点的距离l，相机焦距f和激光面与相机光轴的夹角α都不易直接测得，所以采用主动视觉的标定方法来测距离l，焦距f和光偏角α的值。其方法如下：

(1)将标定板置于平台上，使CCD的像素行和像素列分别平行与标定板的X轴，Y轴；

(2)调整机器人Z轴方向，使得激光中心位置位于CCD像平面的中心处，设当前位置为机器人基础位置并记下当前机器人Z轴坐标值和像素坐标x；

(3)单步沿机器人Z轴正方向移动，每走一步记下当前位置的Z轴坐标值和像素坐标x，直到CCD中看不到激光为止；

(4)使机器人回到基础位置沿机器人Z轴负方向移动，每走一步记下当前位置的Z轴坐标值和像素坐标x，直到CCD中看不到激光为止。

由于控制机器人Z轴移动ΔZ，则相机图像中激光中心平均位置必然偏离了Δx，则：记录下的整个像平面的像素坐标x和深度坐标Z_w的对应关系由式：

得

令c₁＝f·tanα/l；c₂＝1/l得：

采用最小二乘法可得方程组Z＝XC，其中：

则最小二乘法解为：

C＝X⁺Z

即可求出O_w与O_c的距离l和相机焦距f。

设世界坐标系为O_w-X_wY_wZ_w，相机坐标系为O_c-X_cY_cZ_c世界坐标系与相机坐标系有如下关系：

由于物与像存在比例对应关系，则有下列等式：

X_w＝Z_wtanα

可得到方程：

即得到被测物体所在世界坐标系的三维信息(X_w,Y_w,Z_w)。

上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (3)

1.一种机器人激光视觉三维测量方法，其特征在于：机器人激光视觉三维测量方法包括以下步骤：

步骤一，使用相机获取被测物体图像；

步骤二，利用遗传算法与Hausdorff距离相结合的图像匹配方法找到相机获取图像中被测量物体的位置信息；

步骤三，使用激光：移动机器人使激光打到被测物体上，读取相机图像中激光的信息；

步骤四，利用三角测量的原理测量物体的三维信息。

2.根据权利要求1所述的机器人激光视觉三维测量方法，其特征在于：激光和相机之间关系的标定方法如下：

设世界坐标系原点到相机坐标系原点的距离为l，相机焦距为f和激光面与相机光轴的夹角为α；

将标定板置于平台上，使CCD的像素行和像素列分别平行与标定板的X轴，Y轴；

调整机器人Z轴方向，使得激光中心位置位于CCD像平面的中心处，设当前位置为机器人基础位置并记下当前机器人Z轴坐标值和像素坐标x；

单步沿机器人Z轴正方向移动，每走一步记下当前位置的Z轴坐标值和像素坐标x，直到CCD中看不到激光为止；

使机器人回到基础位置沿机器人Z轴负方向移动，每走一步记下当前位置的Z轴坐标值和像素坐标x，直到CCD中看不到激光为止；

控制机器人Z轴移动标记为ΔZ，则相机图像中激光中心平均位置偏离设为Δx，则：

$tan\mathrm{\α}=\frac{x}{Z_w}=\frac{\mathrm{\Δ}x}{\mathrm{\Δ}Z}$

记录下的整个像平面的像素坐标x和深度坐标Z_w的对应关系由式：

$Z_w=\frac{xl}{x+f\·tan\mathrm{\α}}$

得

$\frac{1}{Z_w}=\frac{f\·tan\mathrm{\α}}{l}\left(\frac{1}{x}\right)+\frac{1}{l}$

令c₁＝f·tanα/l；c₂＝1/l得：

$\frac{1}{Z_w}=\frac{c_1}{x}+c_2$

采用最小二乘法可得方程组Z＝XC，其中：

$X=\left[\begin{array}{c}1/x_1\\ 1/x_2\\ \·\\ \·\\ \·\\ 1/x_n\end{array}\right];Z=\left[\begin{array}{c}1/Z_{w1}\\ 1/Z_{w2}\\ \·\\ \·\\ \·\\ 1/Z_{wn}\end{array}\right];C=\left[\begin{array}{c}{c}_1\\ c_2\end{array}\right]$

则最小二乘法解为：

C＝X⁺Z

即可求出O_w与O_c的距离l和相机焦距f；

设世界坐标系为O_w-X_wY_wZ_w，相机坐标系为O_c-X_cY_cZ_c世界坐标系与相机坐标系有如下关系：

$\left\{\begin{array}{c}x=X_w\\ y=-Y_w\\ z=l-Z_w\end{array}\right.$

由于物与像存在比例对应关系，则有下列等式：

$\frac{X_w}{x}=\frac{Y_w}{y}=\frac{l-Z_w}{f}$

X_w＝Z_wtanα

可得到方程：

$\left\{\begin{array}{c}{X}_w=\frac{xl\·tan\mathrm{\α}}{x+f\·tan\mathrm{\α}}\\ Y_w=\frac{-yl\·\tan \mathrm{\α}}{x+f\·\tan \mathrm{\α}}\\ Z_w=\frac{xl}{x+f\·\tan \mathrm{\α}}\end{array}\right.$

即得到被测物体所在世界坐标系的三维信息(X_w,Y_w,Z_w)。

3.根据权利要求1所述的机器人激光视觉三维测量方法，其特征在于：遗传算法与Hausdorff距离结合的匹配方法：

设图像匹配的适应度函数是

$f(t_x,t_y,s,a)=\frac{1}{1+H(A,B)}$

公式中H(A,B)是模板点集A与图象中将要匹配的的点集B之间的Hausdorff距离，t_x，t_y分别表示的是模板在图像中移动的距离，s和a分别为匹配过程中模板的尺度和旋转因子，(t_x,t_y,s,a)构成了参数空间中的将要寻找的参数，在公式中当H(A,B)的值为0时f(t_x,t_y,s,a)将达到最大值1，当适应度大于所设定的适应度阈值P时，此时的(t_x,t_y,s,a)参数为被测物的位置信息。