CN106949851A - 一种基于支持向量机的线结构光视觉传感器标定方法 - Google Patents
一种基于支持向量机的线结构光视觉传感器标定方法 Download PDFInfo
- Publication number
- CN106949851A CN106949851A CN201710196948.2A CN201710196948A CN106949851A CN 106949851 A CN106949851 A CN 106949851A CN 201710196948 A CN201710196948 A CN 201710196948A CN 106949851 A CN106949851 A CN 106949851A
- Authority
- CN
- China
- Prior art keywords
- target
- coordinate
- line
- light
- vision sensor
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于支持向量机的线结构光视觉传感器标定方法,步骤为:建立由高精度标定板和利用五维精密位移台组成的靶标;线结构光视觉传感器中的激光器投射结构光光平面至靶标上形成靶标上的特征点;在靶标上建立空间坐标系OXYZ,获取靶标上特征点的空间坐标系坐标(x,y,z);摄像机采集包括图像并提取特征点,得到特征点的图像坐标(u,v);建立的特征点的图像坐标和三维空间坐标的映射关系;对线结构光视觉传感器进行标定,得到该点的空间坐标系坐标(y,z),实现对线结构光视觉传感器的直接标定。本发明方法由高精度标定板和五维精密位移台组成的靶标,精度高且成本较低,采集特征点数量大。
Description
技术领域
本发明属于结构光视觉测量技术应用领域,具体地说是一种基于支持向量机的线结构光视觉传感器标定方法。
背景技术
线结构光视觉测量技术具有测量精度高、实时性好、抗干扰能力强等特点,在工业测量、三维重建、逆向工程等领域有着广泛的应用。
线结构光传感器的标定方法主要包括传统标定方法和直接标定方法。传统标定方法即有模型标定方法,该方法基于摄像机的针孔成像理论建立结构光三维视觉检测数学模型,标定摄像机的内外参数以及光平面与摄像机的位置关系。目前应用的有模型标定方法主要有靶标标定法、微分法、消隐点法、机械调整法、细丝散射法、交比不变法等。有模型标定方法为了提高标定精度,相应的模型也会越复杂,计算量也很大,还存在着提取特征点数量少,靶标精度不高,应用领域受制约等缺点。
发明内容
针对现有技术中结构光传感器标定方法模型复杂、计算量也很大等不足,本发明要解决的技术问题是提供一种简单快速、精度高的基于支持向量机的线结构光视觉传感器标定方法。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种基于支持向量机的线结构光视觉传感器标定方法,包括以下步骤:
1)建立由高精度标定板和利用五维精密位移台组成的靶标;
2)线结构光视觉传感器中的激光器投射结构光光平面至靶标上产生结构光光纹与靶标上的条纹相交,产生一条或多条结构光条纹,形成靶标上的特征点;
3)在靶标上建立空间坐标系OXYZ,通过靶标上的条纹尺寸和五维精密平移台的刻度值,获取靶标上特征点的空间坐标系坐标(x,y,z);
4)由线结构光视觉传感器中的摄像机采集包括靶标条纹和结构光光纹的图像,对图像经数字图象处理后提取特征点,进而得到特征点的图像坐标(u,v);
5)基于支持向量机建立每个结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系;
6)对线结构光视觉传感器进行标定,依据传感器对实物测量到的待标定点的图像坐标(u,v),输入映射模型得到该点的空间坐标系坐标(y,z),实现对线结构光视觉传感器的直接标定。
步骤1)中建立由高精度标定板和利用五维精密位移台组成的靶标为:
选择刻印有高精度等间隔条纹线的平板作为标定板,条纹线宽度和间隔宽度的尺寸已知,标定板的长度和宽度由摄像机的视场大小决定,将条纹所在面作为被测面;
将标定板安装在五维精密位移台上,通过五维精密平移台的角度调节来调整标定板,使标定板条纹所在的被测面垂直于五维精密位移台的竖直移动方向,使条纹所在方向平行于五维精密位移台的一个水平移动方向,固定安装,组成标定靶标。
步骤2)中线结构光视觉传感器中激光器投射结构光光平面至靶标上产生一条结构光光纹与靶标上的条纹相交,形成靶标上的特征点,具体为:
将线结构光视觉传感器中的激光器发射的结构光光平面投射在靶标被测面上形成结构光光纹,结构光光纹与靶标上的条纹垂直相交,结构光光纹和条纹两个边缘的交点,即为靶标上的特征点。
步骤3)中在靶标上建立空间坐标系OXYZ,其包括如下过程:
定义光平面有效区间内的最远端,即距离传感器最远位置处,该位置的结构光光纹与靶标边缘的条纹的外边缘相交的交点为坐标原点O;
定义空间坐标系的三个坐标轴:垂直于被测面且平行于五自由度精密平移台的竖直移动方向定义为Z轴方向;被测面上量块的长度方向定义为X轴方向,与X轴在同一平面且垂直于X轴方向定义为Y轴方向。
步骤3)中通过靶标上的条纹尺寸和五维精密平移台的刻度值,获取靶标上特征点的空间坐标系坐标(x,y,z)为:
标定靶标为高精度等间隔条纹线,条纹宽度尺寸和条纹间隔尺寸已知,依据靶标上建立的空间坐标系,空间三维坐标Y轴坐标通过特征点和坐标零点位置关系计算获取;
空间三维坐标X轴、Z轴坐标通过五自由度精密位移台3的X轴、Z轴刻度信息获取,最终得到特征点的空间三维坐标(x,y,z)。
步骤4)中由线结构光视觉传感器中摄像机采集包括靶标条纹和结构光光纹的图像为:
41)在光平面(10)同一Z轴位置采集图像,经数字图象处理后提取n组特征点,得到n组特征点的图像坐标(u,v);依据五自由度精密平移台的读数值和空间坐标系的原点位置,得到靶标上特征点的空间坐标系坐标(x,y,z);记录该被测面上结构光光纹(6)上的所有靶标上的特征点(4)的图像坐标(u,v)和空间坐标系坐标(y,z);
42)沿Z轴方向微调五自由度精密平移台(11),判断是否调节结束,如结束,且微调m次,则得到光平面上(10)上m×n组特征点的图像坐标(u,v)和空间坐标系坐标(y,z),然后接续执行步骤5)。
当沿Z轴方向微调五自由度精密平移台(11),如判断调节不结束,重复步骤41)。
步骤4)中对图像经数字图象处理后提取特征点为:
对于采集获取的包括靶标条纹和结构光光纹的图像提取感兴趣区域,分别得到靶标条纹和结构光条纹图像;
针对结构光条纹,首先提取条纹各截面灰度值,对灰度值进行二次高斯拟合得到灰度值的高斯拟合曲线,并提取灰度最大值对应的点为该截面光纹的中心点,采用最小二乘法对结构光光纹各截面的中心点进行直线拟合,得到三条结构光光纹中心线;
针对标定板条纹,首先计算图像各行灰度值的和,求取局部最大值,初步确定标定板上各白色条纹中心线位置,采用3×3滑窗沿该中心线搜索,通过灰度重心法确定条纹中心线精确位置,采用最小二乘法拟合标定板光纹中心线,得到标定板条纹中心线;结构光光纹中心线和标定板条纹中心线交点即为图像特征点,同时获取交点行坐标和列坐标的亚像素坐标值(u,v)。
步骤5)中基于支持向量机(SVM)建立每个结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系,步骤如下:
51)将结构光光平面上采集获取的所有特征点的图像坐标(u,v)作为网络输入量,特征点的空间坐标y作为输出量,训练生成空间坐标y的SVM预测模型;
52)以图像坐标(u,v)作为网络输入量,空间坐标z作为输出量,训练生成空间坐标z的SVM预测模型;
53)如果为多线结构光,同理建立其他结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系。
步骤6)中)对线结构光视觉传感器(8)进行标定为:
建立好映射关系后,测量时,将待标定点的图像坐标(u,v)输入对应的结构光光平面的空间坐标y或z的SVM预测模型,即可得到相应的空间坐标。
本发明具有以下有益效果及优点:
1.本发明方法由高精度标定板和五维精密位移台组成的靶标,精度高且成本较低,同时由于提取特征点的数量由标定板条纹数量决定,采集特征点数量大。
2.本发明为一种直接标定方法,不需要建立几何成像数学模型,通过获取工作空间内已知三维空间坐标的特征点的图像坐标,根据图像坐标和三维空间坐标的对应关系,实现结构光视觉传感器的标定。
3.本发明方法采用支持向量机建立特征点图像坐标同其空间三维坐标的映射模型,方法简单,易于实现,能够满足高精度测量应用需求。
附图说明
图1为本发明中线结构光视觉传感器直接标定的示意图;
图2本发明为线结构光视觉传感器标定方法流程图;
图3为采集靶标图像并提取特征点的流程图;
图4靶标图像处理流程图;
图5(a)为靶标条纹和结构光条纹图像;
图5(b)为结构光光纹中心线和标定板条纹中心线交点即为图像特征点。
其中,1为空间坐标系,2为靶标条纹,3为棱边,4为靶标上的特征点,5为靶标标定板5,6为结构光光纹,7为摄像机,8为结构光视觉传感器,9为激光器,10为结构光光平面。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
如图1、2所示,基于支持向量机的线结构光视觉传感器直接标定方法包括以下步骤:
步骤1)建立由高精度标定板5和利用五维精密位移台组成的靶标;
步骤2)线结构光视觉传感器8中激光器9投射结构光光平面10至靶标上产生结构光光纹6与靶标条纹2相交,形成靶标上的特征点4,产生的结构光条纹6可以是一条结构光条纹或者多条结构光条纹;
步骤3)在靶标上建立空间坐标系1(OXYZ),通过靶标上的条纹尺寸和五维精密平移台的刻度值,可获取靶标上特征点4的空间坐标系坐标(x,y,z);
步骤4)由线结构光视觉传感器8中摄像机7采集包括靶标条纹2和结构光光纹6的图像,对图像经数字图象处理后提靶标上的特征点4,进而得到特征点的图像坐标(u,v);
步骤5)基于支持向量机(SVM)建立每个结构光光平面上的靶标上的特征点4的图像坐标(u,v)和空间坐标(y,z)的映射关系;
步骤6)对线结构光视觉传感器8进行标定,依据传感器对实物测量到的待标定点的图像坐标(u,v),输入映射模型得到该点的空间坐标系坐标(y,z),实现对线结构光视觉传感器的直接标定。
步骤1)中立由高精度标定板和利用五维精密位移台组成的靶标,其靶标形成过程包括:
选择刻印有高精度等间隔靶标条纹2的平板作为靶标标定板5,条纹线宽度和间隔宽度的尺寸已知,将靶标条纹2所在面作为被测面,该靶标标定板5材质可以是光学玻璃或者漫反射陶瓷。
将靶标标定板5通过夹具安装在五维精密位移台上。通过五维精密平移台的角度调节来调整标定板,使靶标标定板5靶标条纹2所在的被测面垂直于五维精密平移台的竖直移动方向,使靶标条纹2所在方向平行于五维精密平移台的一个水平移动方向,固定安装,组成标定靶标。
本实施例中,靶标标定板5上刻印的靶标条纹2宽度为0.05mm,条纹间隔为0.05mm,摄像机7视场为10×8mm2;将靶标标定板5通过夹具安装在一个五维精密平移台上,五维精密平移台具有在X轴、Y轴、Z轴三个方向移动的能力,在X轴、Y轴、Z轴各个方向上分辨率为0.002mm,行程为13mm,具有θy,θz角度调节能力,调节范围为±5°。
调整标定板,使标定板条纹所在的被测面垂直于五维精密平移台的竖直移动方向,使条纹所在方向平行于五维精密平移台的一个水平移动方向,固定安装,组成标定的靶标。
步骤2)中线结构光视觉传感器8的激光器9投射结构光光平面10到靶标上产生结构光光纹6与靶标条纹2相交,形成靶标上的特征点4,其具体形成过程:
将线结构光视觉传感器8中的激光器9发射的结构光光平面10投射在靶标标定板5的被测面上形成结构光光纹6,本实施例中采用三线,结构光光纹6与靶标上的条纹2垂直相交,结构光光纹和条纹两个边缘的交点,即为靶标上的特征点4。
步骤3)中在靶标上建立空间坐标系1(OXYZ),其包括如下过程:
调整线结构光视觉传感器8中的激光器9发射的结构光光平面10确保其垂直于靶标的被测面、结构光光纹6垂直于靶标中每个靶标条纹2的棱边3;
定义光平面10有效区间内的最远端,即距离传感器最远位置处,该位置的结构光光纹6与靶标边缘的量块相交的端点为坐标原点O;
定义空间坐标系的三个坐标轴:垂直于被测面且平行于五自由度精密平移台11的竖直移动方向定义为Z轴方向;标定板上条纹的长度方向定义为X轴方向,与X轴在同一平面且垂直于X轴方向定义为Y轴方向。
如图3所示,为采集靶标图像并提取特征点的流程图。步骤4)中由线结构光视觉传感器8中的摄像机7采集图像过程如下:
41)在光平面10同一Z轴位置采集图像,经数字图象处理后提取n组特征点,得到n组特征点的图像坐标(u,v);依据五自由度精密平移台的读数值和空间坐标系的原点位置,得到靶标上特征点的空间坐标系坐标(x,y,z),其空间坐标系坐标(y,z)为所求靶标上特征点的空间坐标系坐标;记录该被测面上结构光光纹6上的所有特征点4的图像坐标(u,v)和空间坐标系坐标(y,z);
42)沿Z轴方向微调五自由度精密平移台11,判断是否调节结束,如结束,且微调m次,则得到光平面上10上m×n组特征点的图像坐标(u,v)和空间坐标系坐标(y,z),然后接续执行下一步步骤。
当沿Z轴方向微调五维精密平移台,如判断调节不结束,重复步骤41)。
本实施例中,采集同一Z轴位置的靶标图像,经数字图象处理后提取93组特征点,依据五自由度精密平移台的读数值和空间坐标系的原点位置,得到靶标上特征点的空间坐标系坐标(x,y,z),其空间坐标系坐标(y,z)为所求靶标上特征点的空间坐标系坐标,记录该位置结构光光纹6上的所有特征点4的图像坐标(u,v)和空间坐标系坐标(y,z)。
步骤42)中,沿Z轴方向微调五维精密平移台,移动步距0.05mm,共移动20次,每移动一次,判断是否调节结束,如果未结束,重复步骤41),如果结束进入下步程序步骤。得到光平面上10上20×93组特征点的图像坐标(u,v)和空间坐标系坐标(y,z),
如图4所示,为对结构光光纹图像进行数字图像处理的流程图。步骤4)中对结构光光纹图像进行数字图象处理,其包括以下具体过程:
对于采集获取的包括靶标条纹和结构光光纹的图像提取感兴趣区域,分别得到靶标条纹和结构光条纹图像;
针对结构光条纹,首先提取条纹各截面灰度值,由于结构光条纹截面灰度分布为高斯函数,对灰度值进行二次高斯拟合得到灰度值的高斯拟合曲线,并提取灰度最大值对应的点为该截面光纹的中心点,采用最小二乘法对结构光光纹各截面的中心点进行直线拟合,得到三条结构光光纹中心线;
针对标定板条纹,首先计算图像各行灰度值的和,求取局部最大值,初步确定标定板上各白色条纹中心线位置,采用3×3滑窗沿该中心线搜索,通过灰度重心法确定条纹中心线精确位置,采用最小二乘法拟合标定板光纹中心线,得到标定板条纹中心线。结构光光纹中心线和标定板条纹中心线交点即为图像特征点,同时可以获取交点行坐标和列坐标的亚像素坐标值(u,v)。
如图4所示,结合附图5为对结构光光纹图像进行数字图像处理后各步的结果图片说明其处理流程:对于采集获取的包括靶标条纹和结构光光纹的图像,如图5(a)所示,提取感兴趣区域,分别得到靶标条纹和结构光条纹图像;
针对结构光条纹,首先提取条纹各截面灰度值,由于结构光条纹截面灰度分布为高斯函数,对灰度值进行二次高斯拟合得到灰度值的高斯拟合曲线,并提取灰度最大值对应的点为该截面光纹的中心点,采用最小二乘法对结构光光纹各截面的中心点进行直线拟合,得到三条结构光光纹中心线。
针对标定板条纹,首先计算图像各行灰度值的和,求取局部最大值,初步确定标定板上各白色条纹中心线位置,采用3×3滑窗沿该中心线搜索,通过灰度重心法确定条纹中心线精确位置,采用最小二乘法拟合标定板光纹中心线,得到标定板条纹中心线。结构光光纹中心线和标定板条纹中心线交点即为图像特征点,如图5(b)所示,同时可以获取交点行坐标和列坐标的亚像素坐标值(u,v)。
步骤5)中基于支持向量机(SVM)建立每个结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系,包括如下具体过程:
51)将结构光光平面10上采集获取的所有特征点4的图像坐标(u,v)作为网络输入量,特征点的空间坐标y作为输出量,训练生成空间坐标y的SVM预测模型;
52)以图像坐标(u,v)作为网络输入量,空间坐标z作为输出量,训练生成空间坐标z的SVM预测模型;
53)如果为多线结构光,同理建立其他结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系。
步骤(6)中对线结构光视觉传感器8进行标定,包括如下标定过程:
建立好映射关系后,测量时,将待标定点的图像坐标(u,v)输入对应的结构光光平面的空间坐标y或z的SVM预测模型,即可得到相应的空间坐标。
本发明针对高精度测量应用领域的线结构光视觉传感器,通过设计标定靶标,建立基于支持向量机的映射模型实现传感器的标定。本发明方法不必对摄像机的内外参数和***结构参数进行标定,易于实现,且标定精度高,能够满足测量需要。
尽管上面结合图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨的情况下,还可以做出很多变形,这些均属于本发明的保护之内。
Claims (10)
1.一种基于支持向量机的线结构光视觉传感器标定方法,其特征在于包括以下步骤:
1)建立由高精度标定板和利用五维精密位移台组成的靶标;
2)线结构光视觉传感器中的激光器投射结构光光平面至靶标上产生结构光光纹与靶标上的条纹相交,产生一条或多条结构光条纹,形成靶标上的特征点;
3)在靶标上建立空间坐标系OXYZ,通过靶标上的条纹尺寸和五维精密平移台的刻度值,获取靶标上特征点的空间坐标系坐标(x,y,z);
4)由线结构光视觉传感器中的摄像机采集包括靶标条纹和结构光光纹的图像,对图像经数字图象处理后提取特征点,进而得到特征点的图像坐标(u,v);
5)基于支持向量机建立每个结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系;
6)对线结构光视觉传感器进行标定,依据传感器对实物测量到的待标定点的图像坐标(u,v),输入映射模型得到该点的空间坐标系坐标(y,z),实现对线结构光视觉传感器的直接标定。
2.按权利要求1所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤1)中建立由高精度标定板和利用五维精密位移台组成的靶标为:
选择刻印有高精度等间隔条纹线的平板作为标定板,条纹线宽度和间隔宽度的尺寸已知,标定板的长度和宽度由摄像机的视场大小决定,将条纹所在面作为被测面;
将标定板安装在五维精密位移台上,通过五维精密平移台的角度调节来调整标定板,使标定板条纹所在的被测面垂直于五维精密位移台的竖直移动方向,使条纹所在方向平行于五维精密位移台的一个水平移动方向,固定安装,组成标定靶标。
3.按权利要求1所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤2)中线结构光视觉传感器中激光器投射结构光光平面至靶标上产生一条结构光光纹与靶标上的条纹相交,形成靶标上的特征点,具体为:
将线结构光视觉传感器中的激光器发射的结构光光平面投射在靶标被测面上形成结构光光纹,结构光光纹与靶标上的条纹垂直相交,结构光光纹和条纹两个边缘的交点,即为靶标上的特征点。
4.按权利要求1所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤3)中在靶标上建立空间坐标系OXYZ,其包括如下过程:
定义光平面有效区间内的最远端,即距离传感器最远位置处,该位置的结构光光纹与靶标边缘的条纹的外边缘相交的交点为坐标原点O;
定义空间坐标系的三个坐标轴:垂直于被测面且平行于五自由度精密平移台的竖直移动方向定义为Z轴方向;被测面上量块的长度方向定义为X轴方向,与X轴在同一平面且垂直于X轴方向定义为Y轴方向。
5.按权利要求1所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤3)中通过靶标上的条纹尺寸和五维精密平移台的刻度值,获取靶标上特征点的空间坐标系坐标(x,y,z)为:
标定靶标为高精度等间隔条纹线,条纹宽度尺寸和条纹间隔尺寸已知,依据靶标上建立的空间坐标系,空间三维坐标Y轴坐标通过特征点和坐标零点位置关系计算获取;
空间三维坐标X轴、Z轴坐标通过五自由度精密位移台3的X轴、Z轴刻度信息获取,最终得到特征点的空间三维坐标(x,y,z)。
6.按权利要求1所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤4)中由线结构光视觉传感器中摄像机采集包括靶标条纹和结构光光纹的图像为:
41)在光平面(10)同一Z轴位置采集图像,经数字图象处理后提取n组特征点,得到n组特征点的图像坐标(u,v);依据五自由度精密平移台的读数值和空间坐标系的原点位置,得到靶标上特征点的空间坐标系坐标(x,y,z);记录该被测面上结构光光纹(6)上的所有靶标上的特征点(4)的图像坐标(u,v)和空间坐标系坐标(y,z);
42)沿Z轴方向微调五自由度精密平移台(11),判断是否调节结束,如结束,且微调m次,则得到光平面上(10)上m×n组特征点的图像坐标(u,v)和空间坐标系坐标(y,z),然后接续执行步骤5)。
7.按权利要求6所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:当沿Z轴方向微调五自由度精密平移台(11),如判断调节不结束,重复步骤41)。
8.按权利要求1或6所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤4)中对图像经数字图象处理后提取特征点为:
对于采集获取的包括靶标条纹和结构光光纹的图像提取感兴趣区域,分别得到靶标条纹和结构光条纹图像;
针对结构光条纹,首先提取条纹各截面灰度值,对灰度值进行二次高斯拟合得到灰度值的高斯拟合曲线,并提取灰度最大值对应的点为该截面光纹的中心点,采用最小二乘法对结构光光纹各截面的中心点进行直线拟合,得到三条结构光光纹中心线;
针对标定板条纹,首先计算图像各行灰度值的和,求取局部最大值,初步确定标定板上各白色条纹中心线位置,采用3×3滑窗沿该中心线搜索,通过灰度重心法确定条纹中心线精确位置,采用最小二乘法拟合标定板光纹中心线,得到标定板条纹中心线;结构光光纹中心线和标定板条纹中心线交点即为图像特征点,同时获取交点行坐标和列坐标的亚像素坐标值(u,v)。
9.按权利要求1所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤5)中基于支持向量机建立每个结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系,步骤如下:
51)将结构光光平面上采集获取的所有特征点的图像坐标(u,v)作为网络输入量,特征点的空间坐标y作为输出量,训练生成空间坐标y的SVM预测模型;
52)以图像坐标(u,v)作为网络输入量,空间坐标z作为输出量,训练生成空间坐标z的SVM预测模型;
53)如果为多线结构光,同理建立其他结构光光平面上的特征点的图像坐标和三维空间坐标的映射关系。
10.按权利要求1所述一种基于支持向量机的线结构光视觉传感器直接标定方法,其特征在于:步骤6)中)对线结构光视觉传感器(8)进行标定为:
建立好映射关系后,测量时,将待标定点的图像坐标(u,v)输入对应的结构光光平面的空间坐标y或z的SVM预测模型,即可得到相应的空间坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710196948.2A CN106949851A (zh) | 2017-03-29 | 2017-03-29 | 一种基于支持向量机的线结构光视觉传感器标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710196948.2A CN106949851A (zh) | 2017-03-29 | 2017-03-29 | 一种基于支持向量机的线结构光视觉传感器标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106949851A true CN106949851A (zh) | 2017-07-14 |
Family
ID=59475313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710196948.2A Pending CN106949851A (zh) | 2017-03-29 | 2017-03-29 | 一种基于支持向量机的线结构光视觉传感器标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106949851A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108428251A (zh) * | 2018-03-09 | 2018-08-21 | 深圳市中捷视科科技有限公司 | 一种基于机器视觉技术激光结构光自动标定方法 |
CN110161053A (zh) * | 2019-07-05 | 2019-08-23 | 苏州光图智能科技有限公司 | 缺陷检测*** |
CN111649669A (zh) * | 2020-06-05 | 2020-09-11 | 苏州若柏视智能科技有限公司 | 一种无标定的线结构光视觉传感器坐标测量方法及*** |
CN111968183A (zh) * | 2020-08-17 | 2020-11-20 | 西安交通大学 | 一种用于单目线激光三维测量模块标定的量块标定法 |
CN112797915A (zh) * | 2020-12-29 | 2021-05-14 | 杭州海康机器人技术有限公司 | 一种线结构光测量***的标定方法、标定装置、以及*** |
CN112945090A (zh) * | 2020-12-11 | 2021-06-11 | 深圳市菲森科技有限公司 | 一种三维测量***的标定装置及标定方法 |
CN113240801A (zh) * | 2021-06-08 | 2021-08-10 | 矿冶科技集团有限公司 | 一种物料堆三维重构方法、装置、电子设备及存储介质 |
WO2021253940A1 (en) * | 2020-06-19 | 2021-12-23 | Zhejiang Huaray Technology Co., Ltd. | Systems and methods for object measurement |
CN114083536A (zh) * | 2021-11-24 | 2022-02-25 | 易思维(杭州)科技有限公司 | 一种利用立体块恢复单线结构光传感器手眼关系的方法 |
CN117036510A (zh) * | 2023-09-18 | 2023-11-10 | 合肥埃科光电科技股份有限公司 | 线光谱共聚焦传感器标定方法、***及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884271A (zh) * | 2012-12-20 | 2014-06-25 | 中国科学院沈阳自动化研究所 | 一种线结构光视觉传感器直接标定方法 |
-
2017
- 2017-03-29 CN CN201710196948.2A patent/CN106949851A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884271A (zh) * | 2012-12-20 | 2014-06-25 | 中国科学院沈阳自动化研究所 | 一种线结构光视觉传感器直接标定方法 |
Non-Patent Citations (3)
Title |
---|
刘胜等: "基于LS-SVW的立体视觉摄像机标定", 《光电工程》 * |
杨剑锋等: "双目***全视域采样的S VM标定模型分析", 《中国图象图形学报》 * |
邹媛媛等: "基于量块的线结构光视觉传感器直接标定方法", 《中国激光》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108428251A (zh) * | 2018-03-09 | 2018-08-21 | 深圳市中捷视科科技有限公司 | 一种基于机器视觉技术激光结构光自动标定方法 |
CN110161053A (zh) * | 2019-07-05 | 2019-08-23 | 苏州光图智能科技有限公司 | 缺陷检测*** |
CN110161053B (zh) * | 2019-07-05 | 2022-06-24 | 苏州光图智能科技有限公司 | 缺陷检测*** |
CN111649669A (zh) * | 2020-06-05 | 2020-09-11 | 苏州若柏视智能科技有限公司 | 一种无标定的线结构光视觉传感器坐标测量方法及*** |
WO2021253940A1 (en) * | 2020-06-19 | 2021-12-23 | Zhejiang Huaray Technology Co., Ltd. | Systems and methods for object measurement |
CN111968183A (zh) * | 2020-08-17 | 2020-11-20 | 西安交通大学 | 一种用于单目线激光三维测量模块标定的量块标定法 |
CN112945090A (zh) * | 2020-12-11 | 2021-06-11 | 深圳市菲森科技有限公司 | 一种三维测量***的标定装置及标定方法 |
CN112797915A (zh) * | 2020-12-29 | 2021-05-14 | 杭州海康机器人技术有限公司 | 一种线结构光测量***的标定方法、标定装置、以及*** |
CN112797915B (zh) * | 2020-12-29 | 2023-09-12 | 杭州海康机器人股份有限公司 | 一种线结构光测量***的标定方法、标定装置、以及*** |
CN113240801A (zh) * | 2021-06-08 | 2021-08-10 | 矿冶科技集团有限公司 | 一种物料堆三维重构方法、装置、电子设备及存储介质 |
CN113240801B (zh) * | 2021-06-08 | 2023-09-19 | 矿冶科技集团有限公司 | 一种物料堆三维重构方法、装置、电子设备及存储介质 |
CN114083536A (zh) * | 2021-11-24 | 2022-02-25 | 易思维(杭州)科技有限公司 | 一种利用立体块恢复单线结构光传感器手眼关系的方法 |
CN114083536B (zh) * | 2021-11-24 | 2023-09-08 | 易思维(杭州)科技有限公司 | 一种利用立体块恢复单线结构光传感器手眼关系的方法 |
CN117036510A (zh) * | 2023-09-18 | 2023-11-10 | 合肥埃科光电科技股份有限公司 | 线光谱共聚焦传感器标定方法、***及设备 |
CN117036510B (zh) * | 2023-09-18 | 2024-05-07 | 合肥埃科光电科技股份有限公司 | 线光谱共聚焦传感器标定方法、***及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106949851A (zh) | 一种基于支持向量机的线结构光视觉传感器标定方法 | |
CN103884271B (zh) | 一种线结构光视觉传感器直接标定方法 | |
CN109741405B (zh) | 一种基于对偶结构光rgb-d相机的深度信息采集*** | |
CN104851088B (zh) | 一种高铁检测***的线阵相机标定设备及标定方法 | |
CN106989695B (zh) | 一种投影仪标定方法 | |
CN110118528B (zh) | 一种基于棋盘靶标的线结构光标定方法 | |
CN105300316B (zh) | 基于灰度重心法的光条中心快速提取方法 | |
CN104376558B (zh) | 一种基于长方体的Kinect深度相机的内参标定方法 | |
CN103292710B (zh) | 一种应用双目视觉视差测距原理的距离测量方法 | |
CN108088390A (zh) | 一种焊接检测中基于双目线结构光的光条中心三维坐标获取方法 | |
CN101720992B (zh) | 一种采用单照相机的三维人体测量方法 | |
CN109242908A (zh) | 用于水下双目视觉测量***的标定方法 | |
CN110163918A (zh) | 一种基于射影几何的线结构光标定方法 | |
CN106600647A (zh) | 一种双目视觉多线投影结构光标定方法 | |
CN101901501A (zh) | 一种生成激光彩色云图的方法 | |
CN108592816A (zh) | 一种用于大尺寸表面的三维测量装置和方法 | |
CN107816942A (zh) | 一种基于十字结构光视觉***的平面二维尺寸测量方法 | |
CN108489383A (zh) | 一种h型断面尺寸的测量装置及方法 | |
CN108088381A (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
CN110443879A (zh) | 一种基于神经网络的透视误差补偿方法 | |
CN204479038U (zh) | 新型高分辨率立式三维扫描仪 | |
CN106403838A (zh) | 一种手持式线结构光视觉三维扫描仪的现场标定方法 | |
CN113505626A (zh) | 一种快速三维指纹采集方法与*** | |
CN109272555A (zh) | 一种rgb-d相机的外部参数获得及标定方法 | |
CN101425185A (zh) | 一种基于复合型平面靶标的小尺寸视觉测量的摄像机标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |