CN108665542A - 一种基于线激光的场景三维形貌重建***及方法 - Google Patents
一种基于线激光的场景三维形貌重建***及方法 Download PDFInfo
- Publication number
- CN108665542A CN108665542A CN201810379517.4A CN201810379517A CN108665542A CN 108665542 A CN108665542 A CN 108665542A CN 201810379517 A CN201810379517 A CN 201810379517A CN 108665542 A CN108665542 A CN 108665542A
- Authority
- CN
- China
- Prior art keywords
- module
- laser
- scene
- dimensional appearance
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000033001 locomotion Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000012937 correction Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 5
- 230000009897 systematic effect Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 239000013558 reference substance Substances 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 2
- 238000005259 measurement Methods 0.000 abstract description 19
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于线激光的场景三维形貌重建***及方法，所述***包括：激光发射模块，用于发射激光至待重建三维形貌场景的表面；转台运动模块，用于带动激光发射模块和图像采集模块旋转；转台控制模块，用于控制转台运动模块旋转；图像采集模块，用于采集激光照射到待重建三维形貌场景表面的图像；图像处理模块，用于对上一模块采集到的图像进行三维重建，获取场景重建后的三维形貌；显示模块，用于显示上一模块获得的三维形貌；数据存储与传输模块，用于存储和传输图像采集模块采集到的图像以及图像处理模块获得的场景重建后的三维形貌。本发明能对场景三维形貌进行360°测量与重建，具有结构简单、测量重建精度高等特点。
Description
技术领域
本发明属于三维测量领域，特别涉及一种基于线激光的场景三维形貌重建***及方法。
背景技术
三维激光扫描技术是近些年快速发展起来的一项非接触测量技术，因其测量速度快、精度高，非接触等特点，得到了广泛的认可和应用。三维扫描技术的应用范围从最开始的工业制造、逆向工程等方面，逐步扩大到资源勘测、地形地貌测绘、灾害实时监测、工程验收、数字化城市等领域。三维激光扫描技术在灾害实时监测方面的应用，对减少灾害的危害意义极大，例如对山体滑坡的实时监测、矿井状况的监测以预防灾害发生。同时，三维激光扫描技术在地形地貌测绘方面的应用，解决了传统测绘的人工强度大、地貌复杂、测量精度低等难题。并且，三维激光扫描技术获取的地形地貌数据，能够为数字化城市以及更为宏大的国家地理信息***(GIS)提供数据支持。因此，对三维扫描技术的研究与完善，不仅对工业制造技术的发展升级，对生活服务的改善等方面具有重大意义，而且能够为国家的国防事业做贡献。
三维激光扫描测量技术是在机器视觉技术的基础上发展起来的。三维激光扫描技术的提出，最初是为解决机器视觉中的匹配问题。机器视觉测量技术中的匹配问题是制约其测量精度问题的关键，激光扫描的引入显著地降低了匹配难度。但是，激光扫描在降低匹配难度的同时，降低了***的测量效率。例如点激光扫描能够达到极高精度，但是点激光扫描测量速度太慢；线激光扫描具有较快的测量效率，但是视觉匹配的精度又相应的降低了。在解决视觉匹配问题的同时，有学者提出了以激光测距仪和单目相机组合的三维扫描测量***，它的优势在于不需要进行视觉匹配，而是利用几何学原理实现测量。
国外有关三维激光扫描测量技术发展较早，技术也较为成熟。2014年，RyoFurukawa等人在文献Dense 3D Reconstruction from High Frame-Rate Video Using aStatic Grid Pattern中，采用基于德布鲁因序列的网格色彩编码投影方法，即由一个相机和一个投影仪组成的***，通过获取单幅图像实现了对物体的三维测量。投影仪与相机组合是最近研究的一个热门方向，它的优势在于测量速度快，精度较高。但是该方法通常只能对物体的一个方向进行测量，无法获取物体的全貌；若使用该方法进行获取物体全貌，需要进行场景的拼接处理，会大大降低它的测量速度与精度。并且，传统的方法只能重建一些小场景、小物体的形貌。
发明内容
本发明所解决的技术问题在于提供一种基于线激光的场景三维形貌重建***及方法。
实现本发明目的的技术解决方案为：一种基于线激光的场景三维形貌重建***，包括：激光发射模块、转台运动模块、转台控制模块、图像采集模块、图像处理模块、显示模块以及数据存储与传输模块；所述激光发射模块与图像采集模块之间的相对位置固定，且均设置在转台运动模块上；所述转台运动模块与转台控制模块相连，在转台控制模块的控制下运动；所述图像采集模块、图像处理模块、显示模块以及数据存储与传输模块依次相连。
所述激光发射模块，用于发射激光至待重建三维形貌场景的表面；
所述转台运动模块，用于带动所述激光发射模块和图像采集模块360°旋转；
所述转台控制模块，用于控制所述转台运动模块旋转；
所述图像采集模块，用于采集激光发射模块中激光照射到待重建三维形貌场景表面的图像，并将采集到的图像传输到图像处理模块；
所述图像处理模块，用于对所述图像采集模块采集到的图像进行实时三维重建处理，获取场景重建后的三维形貌；
所述显示模块，用于显示所述图像处理模块获得的场景重建后的三维形貌；
所述数据存储与传输模块，用于存储所述图像采集模块采集到的图像以及所述图像处理模块获得的场景重建后的三维形貌，并将上述图像传输给后续处理装置。
所述一种基于线激光的场景三维形貌重建***，包括以下步骤：
步骤1、对***参数进行标定，获取工业相机的内参矩阵I1和畸变参数矩阵I2、激光发射模块与图像采集模块间相对位置关系的参数矩阵I3、偏移距离r0的估计值
步骤2、激光投射，激光发射模块发射激光至待重建三维形貌场景的表面；
步骤3、采集图像，采集步骤2中激光照射到待重建三维形貌场景表面处的图像A；
步骤4、对图像进行校正，通过步骤1中获得的内参矩阵I1和畸变参数矩阵I2对步骤3中采集到的图像A进行畸变校正，获得畸变校正后的图像B；
步骤5、提取激光条纹，采用灰度重心法提取步骤4中获得的畸变校正后的图像B中的激光条纹；
步骤6、重建三维形貌，通过步骤1获得的相对位置的参数矩阵I3、偏移距离r0的估计值以及激光三角法，重建步骤5中提取到的激光条纹对应场景处的三维形貌；
步骤7、转台控制模块控制转台运动模块以步长0.1°旋转，重复上述步骤3～步骤6，由此获得所需重建场景的三维形貌。
本发明与现有技术相比，具有以下显著优点：1)本发明实现了三维形貌测量中测量精度和测量速度的统一，能够完成有效、实时和高精度的三维测量；2)本发明提出了以激光三角法为基础的三维测量方法，该方法以***几何关系实现了三维物体的测量，克服了视觉测量中的匹配难题；3)本发明提出了以最小二乘拟合法为基础的位置关系参数标定法，实现了对***参数的精确标定；4)本发明突破了以往只能测量小物体的局限，实现了对大场景的实时测量。
附图说明
图1是本发明的基于线激光的场景三维形貌重建***的组成结构示意图；
图2是本发明的基于线激光的场景三维形貌重建***的装置结构示意图；
图3是本发明的基于线激光的场景三维形貌重建方法的流程图；
图4是本发明中工业相机、线激光器和待重建场景之间的位置关系图，其中(a)为大致位置关系示意图，(b)为具***置关系示意图；
图5是本发明的基于线激光的场景三维形貌重建***的旋转测量示意图；
图6是实施例中对采集到的棋盘格图像进行校正前后的效果对比图，其中，(a)为校正之前的图像，(b)为图像校正之后的图像；
图7是实施例中场景重建形貌效果图，其中，(a)为待重建场景图像，(b)为场景形貌重建后的点云效果图；
具体实施方式
结合图1、2，一种基于线激光的场景三维形貌重建***，包括：激光发射模块、转台运动模块、转台控制模块、图像采集模块、图像处理模块、显示模块以及数据存储与传输模块；激光发射模块与图像采集模块之间的相对位置固定，且均安装在转台运动模块上；转台运动模块与转台控制模块相连，在转台控制模块的控制下运动；图像采集模块、图像处理模块、显示模块以及数据存储与传输模块依次相连；激光发射模块包括线激光器；转台运动模块包括精密旋转平台；图像采集模块包括工业CMOS相机；显示模块包括计算机显示屏。
激光发射模块，用于发射激光至待重建三维形貌场景的表面；
转台运动模块，用于带动激光发射模块和图像采集模块360°旋转；
转台控制模块，用于控制转台运动模块旋转；
图像采集模块，用于采集激光发射模块中激光照射到待重建三维形貌场景表面的图像，并将采集到的图像传输到图像处理模块；
图像处理模块，用于对图像采集模块采集到的图像进行实时三维重建处理，获取重建后场景的三维形貌；
显示模块，用于显示图像处理模块获得的重建后场景的三维形貌；
数据存储与传输模块，用于存储图像采集模块采集到的图像以及图像处理模块获得的重建后场景的三维形貌，并将上述图像传输给后续处理装置。
其中，***的图像处理模块，显示模块和存储与传输模块是由计算机统一实现；转台控制模块由与计算机进行串口通信实现。激光发射模块与图像采集模块之间的相对位置固定，且都安装在精密旋转平台上，测量时随精密旋转平台进行360度旋转测量，其中的相对位置固定具体为激光发射模块发射出的激光处于图像采集模块中工业CMOS相机的视场角范围内。Arduino Uno开发板与精密旋转平台相连，计算机与Arduino Uno开发板进行串口通信，控制精密旋转平台的旋转速度和角度。相机与计算机相连，相机采集到的图像传输到计算机，进行畸变校正和条纹提取，提取的条纹图像通过三维重建算法重构场景，并由计算机显示；同时，将采集到的图像和重构的场景等数据保存在计算机中，后期根据需要将这些数据传输到后续处理装置进行后期处理。
结合图2、3，一种基于线激光的场景三维形貌重建方法，包括以下步骤：
步骤1、对***参数进行标定，获取工业相机的内参矩阵I1和畸变参数矩阵I2、激光发射模块与图像采集模块间相对位置关系的参数矩阵I3、偏移距离r0的估计值其中偏移距离r0，具体指的是相机坐标系中心相对精密旋转平台旋转中心的偏移距离。该步骤具体为：
步骤1-1、相机参数标定，采用棋盘格标定法获取工业相机的内参矩阵I1和畸变参数矩阵I2；
步骤1-2、位置参数标定，采用最小二乘拟合法获取激光发射模块与图像采集模块间相对位置关系的参数矩阵I3；具体为：
步骤1-2-1、如图4，根据工业相机、线激光器和待重建三维形貌场景在水平方向的位置关系，建立三者的位置关系模型为：
L＝Xc+Zc tanα
式中,(Xc,Zc)为待重建三维形貌场景在相机坐标系中的坐标；L为相机光轴中心到线激光轴线的垂直距离；α为相机的镜头平面与线激光器轴线间的夹角；
步骤1-2-2、采用最小二乘拟合法将上式L＝Xc+Zc tanα变换为：
Xc＝L-Zc tanα
步骤1-2-3、由N组(Xc,Zc)坐标构建矩阵方程：
其中，N为整数，取值范围为20～50；
步骤1-2-4、对矩阵方程进行求解，获得参数矩阵I3为
步骤1-3、偏移距离标定，采用最小二乘拟合法获取偏移距离r0的估计值具体为：
步骤1-3-1、固定棋盘格标定板，将其作为参考物；
步骤1-3-2、转台控制模块控制精密旋转平台以步长5°旋转m次，获取第n次旋转的变换方程：
式中，β为精密旋转平台旋转的角度，(Xcn,Ycn,Zcn)为第n次旋转时待重建三维形貌场景在相机坐标系中的坐标,(Xw,Yw,Zw)为待重建三维形貌场景在世界坐标系中的坐标，m的取值范围为(5,40)，n的取值范围为(0,m)；
步骤1-3-3、采用最小二乘拟合法获取偏移距离r0的估计值为：
其中，A、X’为计算r0估计值过程中得到的导出矩阵；X’矩阵为不考虑r0时，世界坐标系中Xw、Yw坐标与其真实值之间的偏差；A矩阵为精密旋转平台旋转的角度为β时，r0对Xw、Yw坐标偏差的影响系数；AT为A的转置；(ATA)-1为(ATA)的倒数；A、X’导出矩阵具体为：
步骤2、激光投射，激光发射模块发射激光至待重建三维形貌场景的表面。
步骤3、采集图像，采集步骤2中激光照射到待重建三维形貌场景表面处的图像A。
步骤4、对图像进行校正，通过步骤1中获得的内参矩阵I1和畸变参数矩阵I2对步骤3中采集到的图像A进行畸变校正，获得畸变校正后的图像B。
步骤5、提取激光条纹，采用灰度重心法提取步骤4中获得的畸变校正后的图像B中的激光条纹。该步骤具体为：
步骤5-1、分离图像的通道，对步骤4畸变校正后的图像B进行通道分离，获得红、绿、蓝三个通道图像；
步骤5-2、去除图像的背景，对步骤5-1得到的图像B的蓝色通道图像，首先进行阈值提取，然后使用傅里叶滤波，获得去除背景后的图像C；
步骤5-3、提取激光条纹，采用灰度重心法提取步骤5-2获得的图像C中的激光条纹。
步骤6、重建三维形貌，通过步骤1获得的相对位置的参数矩阵I3、偏移距离r0的估计值以及激光三角法，重建步骤5中提取到的激光条纹对应场景处的三维形貌。该步骤具体为：
步骤6-1、根据步骤5提取到的激光条纹的坐标(u,v)和步骤1获得的工业相机的内参矩阵I1，获取待重建三维形貌场景在相机坐标系中的坐标(Xc,Yc,Zc)的比例关系，具体转换方程为：
式中，fx、fy分别为工业相机镜头在x轴、y轴方向的焦距；(u0，v0)为步骤5中畸变校正后的图像B中心的坐标；
步骤6-2、在步骤6-1中公式的基础上结合步骤1-2-1中的公式L＝Xc+Zc tanα，获取坐标(Xc,Yc,Zc)；
步骤6-3、根据步骤6-2得到的坐标(Xc,Yc,Zc)和步骤1获得的偏移距离r0的估计值获取待重建三维形貌场景在世界坐标系中的坐标(Xw,Yw,Zw)，由此重建三维形貌，具体转换方程为：
式中，为偏移距离r0的估计值，β为精密旋转平台旋转的角度。
步骤7、转台控制模块控制转台运动模块以步长0.1°旋转，重复上述步骤3～步骤6，由此获得所需重建场景的三维形貌。
下面结合实例进行具体描述，结合图6、7。
旋转测量中使用的精密旋转平台型号为PX110-200(180:1)，驱动器型号为Y2SSR4，与计算机进行串口通信的单片机型号为Arduino UNO R3；精密转台具体控制过程为：计算机通过VS2012编程与Arduino UNO R3进行串口通信，控制Arduino UNO R3发送控制脉冲给驱动器，然后由驱动器驱动精密旋转平台转动。
(1)在相机内参数和畸变参数标定实验中，使用的棋盘格标定板的角点数为8X5。
(2)由规格为功率50mw，波长635nm，发散角120°的线激光器投射待重建三维形貌场景。
(3)由规格为1280X1024像素，镜头焦距为8mm的工业CMOS相机采集图像。
(4)对采集到的图像进行畸变校正处理。以棋盘格图像为例验证畸变校正效果如图6所示，(a)为校正之前的图像，(b)为图像校正之后的图像。
(5)提取畸变校正后的图像中的激光条纹。
(6)重建步骤(5)中提取到的激光条纹对应场景处的三维形貌。
(7)精密旋转平台以步长0.1°旋转，重复步骤(3)～步骤(6)，对需要重建的场景如图7(a)进行重建，由此获得重建后的场景形貌点云显示如图7(b)所示。
本发明能够实现大场景的实时高精度测量，突破了以往只能进行小物体非实时测量的局限，在保证高精度的情况下显著提高了测量的速度；同时，本发明的装置结构简单，易于实现小型化；而且装置成本较低，有益于推广使用。
Claims (10)
1.一种基于线激光的场景三维形貌重建***，其特征在于，包括：激光发射模块、转台运动模块、转台控制模块、图像采集模块、图像处理模块、显示模块以及数据存储与传输模块；
所述激光发射模块与图像采集模块之间的相对位置固定，且均设置在转台运动模块上；所述转台运动模块与转台控制模块相连，在转台控制模块的控制下运动；所述图像采集模块、图像处理模块、显示模块以及数据存储与传输模块依次相连；
所述激光发射模块，用于发射激光至待重建三维形貌场景的表面；
所述转台运动模块，用于带动所述激光发射模块和图像采集模块360°旋转；
所述转台控制模块，用于控制所述转台运动模块旋转；
所述图像采集模块，用于采集激光发射模块中激光照射到待重建三维形貌场景表面的图像，并将采集到的图像传输到图像处理模块；
所述图像处理模块，用于对所述图像采集模块采集到的图像进行实时三维重建处理，获取场景重建后的三维形貌；
所述显示模块，用于显示所述图像处理模块获得的场景重建后的三维形貌；
所述数据存储与传输模块，用于存储所述图像采集模块采集到的图像以及所述图像处理模块获得的场景重建后的三维形貌，并将上述图像传输给后续处理装置。
2.根据权利要求1所述的基于线激光的场景三维形貌重建***，其特征在于，所述激光发射模块包括线激光器；所述转台运动模块包括精密旋转平台；所述图像采集模块包括工业相机；所述显示模块包括计算机显示屏。
3.根据权利要求1所述的基于线激光的场景三维形貌重建***，其特征在于，所述相对位置固定，是指激光发射模块发射出的激光处于图像采集模块中工业相机的视场角范围内。
4.一种基于权利要求1所述的基于线激光的场景三维形貌重建方法，其特征在于，包括以下步骤：
步骤1、对***参数进行标定，获取工业相机的内参矩阵I1和畸变参数矩阵I2、激光发射模块与图像采集模块间相对位置关系的参数矩阵I3、偏移距离r0的估计值
步骤2、激光投射，激光发射模块发射激光至待重建三维形貌场景的表面；
步骤3、采集图像，采集步骤2中激光照射到待重建三维形貌场景表面处的图像A；
步骤4、对图像进行校正，通过步骤1中获得的内参矩阵I1和畸变参数矩阵I2对步骤3中采集到的图像A进行畸变校正，获得畸变校正后的图像B；
步骤5、提取激光条纹，采用灰度重心法提取步骤4中获得的畸变校正后的图像B中的激光条纹；
步骤6、重建三维形貌，通过步骤1获得的相对位置的参数矩阵I3、偏移距离r0的估计值以及激光三角法，重建步骤5中提取到的激光条纹对应场景处的三维形貌；
步骤7、转台控制模块控制转台运动模块以步长0.1°旋转，重复上述步骤3～步骤6，由此获得所需重建场景的三维形貌。
5.根据权利要求4所述的基于线激光的场景三维形貌重建方法，其特征在于，步骤1中的偏移距离r0，具体指的是相机坐标系中心相对精密旋转平台旋转中心的偏移距离。
6.根据权利要求4所述的基于线激光的场景三维形貌重建方法，其特征在于，步骤1具体为：
步骤1-1、相机参数标定，采用棋盘格标定法获取工业相机的内参矩阵I1和畸变参数矩阵I2；
步骤1-2、位置参数标定，采用最小二乘拟合法获取激光发射模块与图像采集模块间相对位置关系的参数矩阵I3；
步骤1-3、偏移距离标定，采用最小二乘拟合法获取偏移距离r0的估计值
7.根据权利要求6所述的基于线激光的场景三维形貌重建方法，其特征在于，步骤1-2中采用最小二乘拟合法获取激光发射模块与图像采集模块间相对位置关系的参数矩阵I3，具体为：
步骤1-2-1、建立工业相机、线激光器、待重建三维形貌场景三者的位置关系模型为：
L＝Xc+Zctanα
式中,(Xc,Zc)为待重建三维形貌场景在相机坐标系中的坐标；L为相机光轴中心到线激光轴线的垂直距离；α为相机的镜头平面与线激光器轴线间的夹角；
步骤1-2-2、采用最小二乘拟合法将上式L＝Xc+Zctanα变换为：
Xc＝L-Zctanα；
步骤1-2-3、由N组(Xc,Zc)坐标构建矩阵方程：
其中，N为整数，取值范围为20～50；
步骤1-2-4、对矩阵方程进行求解，获得参数矩阵I3为
8.根据权利要求6所述的基于线激光的场景三维形貌重建方法，其特征在于，步骤1-3中采用最小二乘拟合法获取偏移距离r0的估计值具体为：
步骤1-3-1、固定棋盘格标定板，将其作为参考物；
步骤1-3-2、转台控制模块控制精密旋转平台以步长5°旋转m次，获取第n次旋转的变换方程：
式中，β为精密旋转平台旋转的角度，(Xcn,Ycn,Zcn)为第n次旋转时待重建三维形貌场景在相机坐标系中的坐标,(Xw,Yw,Zw)为待重建三维形貌场景在世界坐标系中的坐标，m的取值范围为(5,40)，n的取值范围为(0,m)；
步骤1-3-3、采用最小二乘拟合法获取偏移距离r0的估计值为：
其中，A、X’为计算r0估计值过程中得到的导出矩阵；X’矩阵为不考虑r0时，世界坐标系中Xw、Yw坐标与其真实值之间的偏差；A矩阵为精密旋转平台旋转的角度为β时，r0对Xw、Yw坐标偏差的影响系数；AT为A的转置；(ATA)-1为(ATA)的倒数；A、X’导出矩阵具体为：
9.根据权利要求4所述的基于线激光的场景三维形貌重建方法，其特征在于，步骤5具体为：
步骤5-1、分离图像的通道，对步骤4畸变校正后的图像B进行通道分离，获得红、绿、蓝三个通道图像；
步骤5-2、去除图像的背景，对步骤5-1得到的图像B的蓝色通道图像，首先进行阈值提取，然后使用傅里叶滤波，获得去除背景后的图像C；
步骤5-3、提取激光条纹，采用灰度重心法提取步骤5-2获得的图像C中的激光条纹。
10.根据权利要求4所述的基于线激光的场景三维形貌重建方法，其特征在于，步骤6具体为：
步骤6-1、根据步骤5提取到的激光条纹的坐标(u,v)和步骤1获得的工业相机的内参矩阵I1，获取待重建三维形貌场景在相机坐标系中的坐标(Xc,Yc,Zc)的比例关系，具体转换方程为：
式中，fx、fy分别为工业相机镜头在x轴、y轴方向的焦距；(u0，v0)为步骤5中畸变校正后的图像B中心的坐标；
步骤6-2、在步骤6-1中公式的基础上结合步骤1-2-1中的公式L＝Xc+Zctanα，获取坐标(Xc,Yc,Zc)；
步骤6-3、根据步骤6-2得到的坐标(Xc,Yc,Zc)和步骤1获得的偏移距离r0的估计值获取待重建三维形貌场景在世界坐标系中的坐标(Xw,Yw,Zw)，由此重建三维形貌，具体转换方程为：
式中，为偏移距离r0的估计值，β为精密旋转平台旋转的角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810379517.4A CN108665542A (zh) | 2018-04-25 | 2018-04-25 | 一种基于线激光的场景三维形貌重建***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810379517.4A CN108665542A (zh) | 2018-04-25 | 2018-04-25 | 一种基于线激光的场景三维形貌重建***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108665542A true CN108665542A (zh) | 2018-10-16 |
Family
ID=63780889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810379517.4A Pending CN108665542A (zh) | 2018-04-25 | 2018-04-25 | 一种基于线激光的场景三维形貌重建***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108665542A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109709574A (zh) * | 2019-01-09 | 2019-05-03 | 国家***第一海洋研究所 | 一种海底微地形激光扫描成像***及三维地形重建方法 |
| CN110645921A (zh) * | 2019-09-30 | 2020-01-03 | 武汉理工大学 | 一种基于偏振成像的冰形三维测量方法 |
| CN110873718A (zh) * | 2019-11-15 | 2020-03-10 | 南京理工大学 | 基于机器视觉的钢板表面缺陷检测***及方法 |
| 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 |
| CN114565661A (zh) * | 2022-01-20 | 2022-05-31 | 华能汕头海门发电有限责任公司 | 基于图像采集的盘煤*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102062588A (zh) * | 2009-11-11 | 2011-05-18 | 中国科学院沈阳自动化研究所 | 一种计算机双目视觉义齿扫描装置及其三维重建方法 |
| CN104703762A (zh) * | 2012-10-05 | 2015-06-10 | 贝克曼考尔特公司 | 基于相机的自动对准的***和方法 |
| CN104848800A (zh) * | 2015-06-17 | 2015-08-19 | 中国地质大学（武汉） | 一种基于线激光扫描的多视角三维成像装置 |
| CN105345254A (zh) * | 2015-12-04 | 2016-02-24 | 湖北工业大学 | 旁轴式视觉***与激光振镜加工***位置关系的标定方法 |
| CN105466397A (zh) * | 2015-12-22 | 2016-04-06 | 广东工业大学 | 多尺度双轴旋转激光影像三维重构***及其方法 |
| US20170309066A1 (en) * | 2016-04-22 | 2017-10-26 | Utah State University Research Foundation | Textured digital elevation model generation |
-
2018
- 2018-04-25 CN CN201810379517.4A patent/CN108665542A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102062588A (zh) * | 2009-11-11 | 2011-05-18 | 中国科学院沈阳自动化研究所 | 一种计算机双目视觉义齿扫描装置及其三维重建方法 |
| CN104703762A (zh) * | 2012-10-05 | 2015-06-10 | 贝克曼考尔特公司 | 基于相机的自动对准的***和方法 |
| CN104848800A (zh) * | 2015-06-17 | 2015-08-19 | 中国地质大学（武汉） | 一种基于线激光扫描的多视角三维成像装置 |
| CN105345254A (zh) * | 2015-12-04 | 2016-02-24 | 湖北工业大学 | 旁轴式视觉***与激光振镜加工***位置关系的标定方法 |
| CN105466397A (zh) * | 2015-12-22 | 2016-04-06 | 广东工业大学 | 多尺度双轴旋转激光影像三维重构***及其方法 |
| US20170309066A1 (en) * | 2016-04-22 | 2017-10-26 | Utah State University Research Foundation | Textured digital elevation model generation |
Non-Patent Citations (7)
| Title |
|---|
| 冯焕飞: "三维重建中的相机标定方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 张广军等: "《光电测试技术与***》", 31 March 2010, 北京航空航天大学出版社 * |
| 徐进军: "《工业测量技术与数据处理》", 28 February 2014, 武汉大学出版社 * |
| 李莉: "OpenCV耦合改进张正友算法的相机标定算法", 《轻工机械》 * |
| 王震等: "基于激光影像的物体三维点云获取***", 《城市勘测》 * |
| 许冬磊: "基于线激光的三维测量***研究与应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 郭润: "世界坐标系、相机坐标系、图像坐标系之间的关系", 《HTTPS://WWW.CNBLOGS.COM/GARY-GUO/P/6553155.HTML》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109709574A (zh) * | 2019-01-09 | 2019-05-03 | 国家***第一海洋研究所 | 一种海底微地形激光扫描成像***及三维地形重建方法 |
| CN110645921A (zh) * | 2019-09-30 | 2020-01-03 | 武汉理工大学 | 一种基于偏振成像的冰形三维测量方法 |
| CN110873718A (zh) * | 2019-11-15 | 2020-03-10 | 南京理工大学 | 基于机器视觉的钢板表面缺陷检测***及方法 |
| 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 |
| CN114565661A (zh) * | 2022-01-20 | 2022-05-31 | 华能汕头海门发电有限责任公司 | 基于图像采集的盘煤*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108665542A (zh) | 一种基于线激光的场景三维形貌重建***及方法 | |
| CN107170043B (zh) | 一种三维重建方法 | |
| CN104330074B (zh) | 一种智能测绘平台及其实现方法 | |
| CN102721376B (zh) | 一种大视场三维视觉传感器的标定方法 | |
| CN114998499B (zh) | 一种基于线激光振镜扫描的双目三维重建方法及*** | |
| WO2018103152A1 (zh) | 一种三维数字成像传感器、三维扫描***及其扫描方法 | |
| CN105547189B (zh) | 基于变尺度的高精度光学三维测量方法 | |
| CN109919911B (zh) | 基于多视角光度立体的移动三维重建方法 | |
| CN103743352B (zh) | 一种基于多相机匹配的三维变形测量方法 | |
| CN102679959B (zh) | 基于主动全景视觉传感器的全方位三维建模*** | |
| CN106091983B (zh) | 包含扫描方向信息的线结构光视觉测量***完整标定方法 | |
| CN111754573B (zh) | 一种扫描方法及*** | |
| CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
| CN107990846B (zh) | 基于单帧结构光的主被动结合深度信息获取方法 | |
| CN103292699A (zh) | 一种三维扫描***及方法 | |
| CN1897715A (zh) | 立体视觉半实物仿真***及方法 | |
| CN105758623A (zh) | 一种基于tdi-ccd的大口径长焦距遥感相机畸变测量装置及方法 | |
| CN111640156A (zh) | 针对室外弱纹理目标的三维重建方法、设备及存储设备 | |
| Nagy et al. | Online targetless end-to-end camera-LiDAR self-calibration | |
| CN108010125A (zh) | 基于线结构光和图像信息的真实尺度三维重建***及方法 | |
| CN112595263A (zh) | 正弦光栅与散斑混合图案投影的双目视觉三维点云重建测量方法 | |
| CN105374067A (zh) | 一种基于pal相机的三维重建方法及其重建*** | |
| CN106895795A (zh) | 单目视觉测量装置及其三维建模*** | |
| Pahwa et al. | Dense 3D reconstruction for visual tunnel inspection using unmanned aerial vehicle | |
| CN102980511B (zh) | 一种扫描动态物体的三维扫描***及其扫描方法 |
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 |
Application publication date: 20181016 |
|
| RJ01 | Rejection of invention patent application after publication |