CN110634162A - 基于同心圆的结构光视觉传感器标定方法 - Google Patents
基于同心圆的结构光视觉传感器标定方法 Download PDFInfo
- Publication number
- CN110634162A CN110634162A CN201910258471.5A CN201910258471A CN110634162A CN 110634162 A CN110634162 A CN 110634162A CN 201910258471 A CN201910258471 A CN 201910258471A CN 110634162 A CN110634162 A CN 110634162A
- Authority
- CN
- China
- Prior art keywords
- plane
- target
- light
- coordinate system
- line
- 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 32
- 230000003287 optical effect Effects 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012418 validation experiment Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/85—Stereo camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于同心圆的结构光视觉传感器标定方法。建立摄像机坐标系作为全局坐标系;将结构光投射到平面靶标上,由摄像机获取得到清晰的靶标图像,并由Steger提取方法对靶标同心圆的特征进行提取;进而由同心圆与消隐线的特征计算出平面靶标的消隐线,进而确定光平面的消隐线,从而得到光平面的法向量;有其中的任一点坐标即可确定完整的光平面方程,完成线结构光视觉传感器的标定。本发明操作简单,精度高,避免了因角度偏移而引起的标定误差,同时,标定所用的平面靶标结构简单,容易加工。
Description
技术领域
本发明属于机器视觉测量技术,具体涉及一种基于同心圆的结构光视觉传感器标定方法。
背景技术
在计算机视觉测量领域,视觉测量与三维重构技术起着十分重要的作用。其中线结构光视觉传感器以其大视场、大量程、高精度、实时性强和信息易于提取等优点得到广泛应用。
迄今为止,由多种传感器标定方法,常见的标定方法有拉丝法、锯齿靶法、微分法、基于交比不变的标定方法以及Plücker矩阵标定方法等。按照应用靶标的种类可以分为三维靶标标定方法,平面靶标标定方法以及一维靶标标定方法。其中,三维靶标标定方法存在着诸如空间遮挡、靶标加工困难、体积较大等缺点,并不能很好的完成现场标定的任务。一维靶标虽然占用空间小,但是其往往存在特征点较少的缺点,使得其标定精度不高。平面靶标标定方法由于其加工简单、易于操作等优点得到了广泛的应用。
发明内容
为了更好的完成线结构光视觉传感器的标定任务,本发明提出了一种基于同心圆的线结构光视觉传感器标定方法,应用同心圆平面靶标或等价形式的靶标,对线结构光视觉传感器进行标定。该方法所应用的靶标加工简单,可避免因拍摄角度而产生的误差,且操作方便,适合现场标定。线结构光视觉传感器由一台摄像机和一个线激光投射器件组成,其中,摄像机与视觉传感器的位置关系固定不变。因此确定两者之间的关系是线结构光视觉传感器的一个重要工作,被称之为线结构光视觉传感器的标定。为了便于分析计算,视觉传感器的标定可以等价为计算出结构光在摄像机坐标系下的光平面方程。
一种基于同心圆的结构光视觉传感器标定方法,其特征在于:借助于线结构光视觉传感器,其中,线结构光视觉传感器包括关系为预设固定值的摄像机与激光器;该方法实现步骤如下:
步骤一,建立摄像机坐标系作为全局坐标系;首先,在线结构光视觉传感器中,建立摄像机坐标系O-XYZ作为全局坐标系;然后,在不考虑摄像机畸变的情况下,将标定的过程等价为计算二维的光平面图像坐标系o-xy,在摄像机坐标系下的表达方程的过程;摄像机坐标系与光平面的图像平面坐标系存在以下关系
步骤二,首先,将同心圆靶标置于摄像机视场内,根据公式(1) 由摄像机获取得到满足设定像素条件的同心圆靶标图像;然后,在靶标上建立靶标坐标系,定义C1和C2为两个同心圆,定义远心为O,对应的图像定义为C1,C2和o,定义靶标坐标系下圆心坐标为[x0,y0,1]T,圆心半径为r1和r2;则同心圆的矩阵表示为
步骤三,定义图像平面到靶标平面的单应矩阵为H,得到圆的矩阵表示为
pTCp=0 (4);
其中,p为圆特征点的齐次坐标坐标;
步骤四,由公式(2)、(3)、(4)得到
步骤五,根据公式(5)得到
步骤六,首先,将公式(6)特征分解表示为
[V,D]=eig(C2,C1) (7);
其中,然后,根据矩阵D得出,矩阵存在三个特征值,两个相同的特征值,一个不同的特征值,两个相同特征值对应的特征向量分别为[1 0 0]T,[0 1 0]T;其次,确定该两个特征向量对应为无穷远线上的点,根据公式(7),并对矩阵的特征分解,确定靶标平面的消隐线;
步骤七,将结构光投射器投射光条到靶标平面,由摄像机获取光条的图像,应用Steger特征提取方法对公式(2)、公式(3)的靶标同心圆特征进行提取,获得光条的中心线,同心圆特征为圆形边缘的中心点坐标;
步骤八,首先,根据同心圆特征,矩阵的两个相同特征值对应的特征向量为无穷远的线,确定结构光平面的消隐线;然后,由光平面的消隐线在摄像机坐标系中的关系,确定出光平面的法向量;其次,根据光平面消隐点的唯一性,光条中心线与靶标平面消隐线的坐标即为光平面的对应的消隐点;
步骤九,将平面靶标移动多个位置,通过步骤八的消隐点确定光平面的消隐线;根据消隐线与摄像机内在的关系,有
则光平面的法向量为
步骤十,光平面方程确定;由光平面上任一点的空间点坐标,得到完整的光平面方程,完成标定。
本发明的优点在于:
本发明可完成对线结构光视觉传感器的标定任务,即确定出光平面在摄像机坐标系中的方程。该标定方法操作简便,结果准确,鲁棒性好,可以很好的避免由于拍摄角度问题而引起的误差。所用靶标加工方便,精确度高,非常适用于现场标定。
附图说明
图1标定方法流程图
图2线结构光视觉传感器坐标系
图3平面靶标坐标系示意图
图4用于标定的平面棋盘格靶标图像
图5用于标定传感器的平面圆环靶标图像
具体实施方式
如图1-5所示,本实施例的基于同心圆的结构光视觉传感器标定方法,借助于线结构光视觉传感器,其中,线结构光视觉传感器包括关系为预设固定值的摄像机与激光器;实现步骤如下:
步骤一,建立摄像机坐标系作为全局坐标系;首先,在线结构光视觉传感器中,建立摄像机坐标系O-XYZ作为全局坐标系;然后,在不考虑摄像机畸变的情况下,将标定的过程等价为计算二维的光平面图像坐标系o-xy,在摄像机坐标系下的表达方程的过程;摄像机坐标系与光平面的图像平面坐标系存在以下关系
步骤二,首先,将同心圆靶标置于摄像机视场内,根据公式(1) 由摄像机获取得到满足设定像素条件的同心圆靶标图像;然后,在靶标上建立靶标坐标系(图3),定义C1和C2为两个同心圆,定义远心为O,对应的图像定义为C1,C2和o,定义靶标坐标系下圆心坐标为[x0,y0,1]T,圆心半径为r1和r2;则同心圆的矩阵表示为
步骤三,定义图像平面到靶标平面的单应矩阵为H,得到圆的矩阵表示为
pTCp=0 (13);
其中,p为圆特征点的齐次坐标坐标;
步骤四,由公式(2)、(3)、(4)得到
步骤五,根据公式(5)得到
步骤六,首先,将公式(6)特征分解表示为
[V,D]=eig(C2,C1) (16);
其中,然后,根据矩阵D得出,矩阵存在三个特征值,两个相同的特征值,一个不同的特征值,两个相同特征值对应的特征向量分别为[1 0 0]T,[0 1 0]T;其次,确定该两个特征向量对应为无穷远线上的点,根据步骤(7),并由矩阵的特征分解确定靶标平面的消隐线;
步骤七,将结构光投射器投射光条到靶标平面,由摄像机获取光条的图像,应用Steger特征提取方法对公式(2)、公式(3)的靶标同心圆特征进行提取,获得光条的中心线,同心圆特征为圆形边缘的中心点坐标;
步骤八,首先,根据同心圆特征,矩阵的两个相同特征值对应的特征向量为无穷远的线,确定结构光平面的消隐线;然后,由光平面的消隐线在摄像机坐标系中的关系,确定出光平面的法向量;其次,根据光平面消隐点的唯一性,光条中心线与靶标平面消隐线的坐标即为光平面的对应的消隐点;
步骤九,将平面靶标移动多个位置,通过步骤八的消隐点确定光平面的消隐线;根据消隐线与摄像机内在的关系,有
则光平面的法向量为
步骤十,光平面方程确定;由光平面上任一点的空间点坐标,得到完整的光平面方程,完成标定;
靶标图案为一组同心圆。圆的个数至少为2,当圆的个数>2时,会得到更加精确的标定结果,但同时,也会使得计算过程更加复杂。
由同心圆特征确定光平面消隐线的计算方法,首先,由同心圆的图像变换形式的特征分解,确定靶标平面的消隐线;然后,由消隐点的唯一性,确定光平面的消隐点;其次,由光平面上多个位置的消隐点,拟合得到光平面的消隐线。
其中,摄像机模型为理想针孔模型,靶标为平面靶标,加工简单,精度容易保证。
光平面表达式中D的确定可由任一光条特征点确定。更多特征点的使用可以提高D的精确度,但是,同时会增加计算量。
其中,Steger特征提取方法其具体方法描述见C.Steger,Unbiased extractionof curvilinear structures from 2D and 3D image[Ph.D. Dissertation],TechnischeUniversitaet Muenchen,1998
验证实验
为了确定该方法的精度与可行性,进行如下验证实验:
实验采用AVT F-504B工业摄像机,视场为200*200mm,一字线结构光投射器。平面靶标图案为两同心圆,半径分别为50mm和70mm,加工精度为0.01mm.
(1)应用棋盘格靶标对摄像机内参进行标定,所获得的靶标图像如图 4所示,标定得到摄像机的内部参数为
(2)应用本文所述方法对线结构光视觉传感器进行标定,获得的平面靶标图像以及提取得到的圆环特征和结构光光条图像特征如图5所示,其标定结果为
x+0.012y+0.381z-515.237=0 (19)
对平面靶标特征点进行测量,并与真实值进行对比,得到结果如下表所示
有上述实验可以看出,在视场200*200mm的范围内,该标定方法结果可以达到0.072mm。
提供以上实施例仅仅是为了描述本发明的目的,并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明范围内。
Claims (3)
1.一种基于同心圆的结构光视觉传感器标定方法,其特征在于:借助于线结构光视觉传感器,其中,线结构光视觉传感器包括关系为预设固定值的摄像机与激光器;该方法实现步骤如下:
步骤一,建立摄像机坐标系作为全局坐标系;首先,在线结构光视觉传感器中,建立摄像机坐标系O-XYZ作为全局坐标系;然后,在不考虑摄像机畸变的情况下,将标定的过程等价为计算二维的光平面图像坐标系o-xy,在摄像机坐标系下的表达方程的过程;摄像机坐标系与光平面的图像平面坐标系存在以下关系
步骤二,首先,将同心圆靶标置于摄像机视场内,根据公式(1)由摄像机获取得到满足设定像素条件的同心圆靶标图像;然后,在靶标上建立靶标坐标系,定义C1和C2为两个同心圆,定义远心为O,对应的图像定义为C1,C2和o,定义靶标坐标系下圆心坐标为[x0,y0,1]T,圆心半径为r1和r2;则同心圆的矩阵表示为
步骤三,定义图像平面到靶标平面的单应矩阵为H,得到圆的矩阵表示为
pTCp=0 (4);其中,p为圆特征点的齐次坐标坐标;
步骤四,由公式(2)、(3)、(4)得到
步骤五,根据公式(5)得到
步骤六,首先,将公式(6)特征分解表示为
[V,D]=eig(C2,C1) (7);
其中,然后,根据矩阵D得出,矩阵存在三个特征值,两个相同的特征值,一个不同的特征值,两个相同特征值对应的特征向量分别为[1 0 0]T,[0 1 0]T;其次,确定该两个特征向量对应为无穷远线上的点,根据公式(7),并对矩阵的特征分解,确定靶标平面的消隐线;
步骤七,将结构光投射器投射光条到靶标平面,由摄像机获取光条的图像,应用Steger特征提取方法对公式(2)、公式(3)的靶标同心圆特征进行提取,获得光条的中心线,同心圆特征为圆形边缘的中心点坐标;
步骤八,首先,根据同心圆特征,矩阵的两个相同特征值对应的特征向量为无穷远的线,确定结构光平面的消隐线;然后,由光平面的消隐线在摄像机坐标系中的关系,确定出光平面的法向量;其次,根据光平面消隐点的唯一性,光条中心线与靶标平面消隐线的坐标即为光平面的对应的消隐点;
步骤九,将平面靶标移动多个位置,通过步骤八的消隐点确定光平面的消隐线;根据消隐线与摄像机内在的关系,有
则光平面的法向量为
步骤十,光平面方程确定;由光平面上任一点的空间点坐标,得到完整的光平面方程,完成标定。
2.根据权利要求1所述的基于同心圆的结构光视觉传感器标定方法,其特征在于:靶标图案为一组同心圆;圆的个数至少为两个。
3.根据权利要求1所述的基于同心圆的结构光视觉传感器标定方法,其特征在于:根据同心圆特征确定光平面消隐线的计算方法,首先,由同心圆的图像变换形式的特征分解,确定靶标平面的消隐线;然后,由消隐点的唯一性,确定光平面的消隐点;其次,由光平面上多个位置的消隐点,拟合得到光平面的消隐线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910258471.5A CN110634162A (zh) | 2019-04-01 | 2019-04-01 | 基于同心圆的结构光视觉传感器标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910258471.5A CN110634162A (zh) | 2019-04-01 | 2019-04-01 | 基于同心圆的结构光视觉传感器标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110634162A true CN110634162A (zh) | 2019-12-31 |
Family
ID=68968555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910258471.5A Pending CN110634162A (zh) | 2019-04-01 | 2019-04-01 | 基于同心圆的结构光视觉传感器标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634162A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113790719A (zh) * | 2021-08-13 | 2021-12-14 | 北京自动化控制设备研究所 | 一种基于线特征的无人机惯性/视觉着陆导航方法 |
-
2019
- 2019-04-01 CN CN201910258471.5A patent/CN110634162A/zh active Pending
Non-Patent Citations (5)
Title |
---|
BOLIN CAI等: "An effective method for camera calibration in defocus scene with circular gratings", 《OPTICS AND LASERS IN ENGINEERING 》 * |
MINGWEI SHAO等: "A new calibration method for line-structured light vision sensors based on concentric circle feature", 《JOURNAL OF THE EUROPEAN OPTICAL SOCIETY-RAPID PUBLICATIONS》 * |
YUN YUAN等: "Camera calibration method based on circular ring", 《INTERNATIONAL SYMPOSIUM ON PHOTOELECTRONIC DETECTION AND IMAGING 2011》 * |
洪洋等: "基于正交消隐点无穷单应的摄像机内参数自标定方法", 《中国激光》 * |
陈新禹等: "视觉测量中圆形标记点的高精度定位", 《光电子.激光》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113790719A (zh) * | 2021-08-13 | 2021-12-14 | 北京自动化控制设备研究所 | 一种基于线特征的无人机惯性/视觉着陆导航方法 |
CN113790719B (zh) * | 2021-08-13 | 2023-09-12 | 北京自动化控制设备研究所 | 一种基于线特征的无人机惯性/视觉着陆导航方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598762B (zh) | 一种高精度双目相机标定方法 | |
CN106595528B (zh) | 一种基于数字散斑的远心显微双目立体视觉测量方法 | |
CN109211264B (zh) | 测量***的标定方法、装置、电子设备及可读存储介质 | |
CN104266608B (zh) | 视觉传感器现场标定装置和标定方法 | |
CN106705849B (zh) | 线结构光传感器标定方法 | |
CN110207614B (zh) | 一种基于双远心相机匹配的高分辨高精度测量***及方法 | |
CN109767476A (zh) | 一种自动对焦双目摄像头标定及深度计算方法 | |
CN111192235B (zh) | 一种基于单目视觉模型和透视变换的图像测量方法 | |
CN110378969B (zh) | 一种基于3d几何约束的汇聚式双目相机标定方法 | |
CN109443209A (zh) | 一种基于单应性矩阵的线结构光***标定方法 | |
CN101231750A (zh) | 一种双目立体测量***的标定方法 | |
CN109859272A (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
Chen et al. | Self-recalibration of a colour-encoded light system for automated three-dimensional measurements | |
WO2018201677A1 (zh) | 基于光束平差的远心镜头三维成像***的标定方法及装置 | |
CN112815843B (zh) | 一种3d打印过程中工件表面打印偏差的在线监测方法 | |
CN109540040B (zh) | 基于无约束共心光束族汽车形貌主动视觉检测***与方法 | |
CN109272555B (zh) | 一种rgb-d相机的外部参数获得及标定方法 | |
CN110672037A (zh) | 基于相移法的线性光源光栅投影三维测量***及方法 | |
CN104807405B (zh) | 一种基于光线角度标定的三维坐标测量方法 | |
CN109974618A (zh) | 多传感器视觉测量***的全局标定方法 | |
Shao et al. | A new calibration method for line-structured light vision sensors based on concentric circle feature | |
CN116740187A (zh) | 一种无重叠视场多相机联合标定方法 | |
CN109773589B (zh) | 对工件表面进行在线测量和加工导引的方法及装置、设备 | |
CN109506629B (zh) | 一种水下核燃料组件检测装置旋转中心标定的方法 | |
CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及*** |
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: 20191231 |
|
RJ01 | Rejection of invention patent application after publication |