CN111750804B - 一种物体测量的方法及设备 - Google Patents

一种物体测量的方法及设备 Download PDF

Info

Publication number
CN111750804B
CN111750804B CN202010563722.3A CN202010563722A CN111750804B CN 111750804 B CN111750804 B CN 111750804B CN 202010563722 A CN202010563722 A CN 202010563722A CN 111750804 B CN111750804 B CN 111750804B
Authority
CN
China
Prior art keywords
camera
laser stripe
point
structured light
target
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
Application number
CN202010563722.3A
Other languages
English (en)
Other versions
CN111750804A (zh
Inventor
刘羽
周云柯
周璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Huaray Technology Co Ltd
Original Assignee
Zhejiang Huaray Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Huaray Technology Co Ltd filed Critical Zhejiang Huaray Technology Co Ltd
Priority to CN202010563722.3A priority Critical patent/CN111750804B/zh
Publication of CN111750804A publication Critical patent/CN111750804A/zh
Priority to KR1020227045481A priority patent/KR20230014776A/ko
Priority to EP21826983.5A priority patent/EP4136403A4/en
Priority to PCT/CN2021/086557 priority patent/WO2021253940A1/en
Priority to JP2022577224A priority patent/JP7442691B2/ja
Application granted granted Critical
Publication of CN111750804B publication Critical patent/CN111750804B/zh
Priority to US18/057,221 priority patent/US20230084728A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2504—Calibration devices
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请提供一种物体测量的方法及设备，用以提高三维数据信息的扫描精度。本申请通过已标定的摄像机，获取含有线结构光光条的目标图像，其中线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的；基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点。本申请按照结构光传感器的曲面模型与摄像机的相机成像模型向结合，确定用于表示物体表面轮廓的三维坐标点，提升了三维扫描的精度。

Description

一种物体测量的方法及设备
技术领域
本发明涉及机器视觉技术领域，尤其涉及一种物体测量的方法及设备。
背景技术
对于工业零部件产品，零部件表面检测、尺寸测量等智能化分析在产品生产过程，及质量检验过程提高产品品质的重要环节。而零部件表面轮廓的三维数据信息，是零部件表面检测、尺寸测量等智能化分析中的必要条件。因此仅有准确获取到零部件表面轮廓的三维数据信息，才能保证零部件表面检测、尺寸测量的准确性，进一步提高产品品质。
目前，相关技术中采用高精度线结构光三角法获取零部件的三维数据信息，在该方法中采用线结构光平面模型来实现。而在实际获取过程中，线结构光的激光发射器是低功率线激光发射器。低功率线激光发射器的光线平直度大约都在0.1％左右。现有工艺无法做到使线激光发射器发射出来的线激光是绝对直线的，因此该线激光发射器发射出的发射线所形成的平面不是标准平面。
因此，按照平面模型计算零部件表面轮廓的三维数据信息的精确度低。
发明内容
本申请提供一种物体测量的方法及设备，应用机器视觉中，用以提高三维数据信息的扫描精度。
第一方面，本申请提供一种数据获取方法，该方法包括：
通过已标定的摄像机，获取含有线结构光光条的目标图像，其中线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的；
基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点。
在本申请中，通过已标定的摄像机，获取已标定的结构光传感器的曲面模型在物体表面上形成的结构光光条的目标图像，并基于已标定的摄像机的相机成像模型和获取到的目标图像，确定用于表示物体表面轮廓的三维坐标点。按照结构光传感器的曲面模型与摄像机的相机成像模型向结合，确定用于表示物体表面轮廓的三维坐标点，提升了三维扫描的精度。
在一种可能的实现方式中，通过如下方式对结构光传感器的曲面模型进行标定：
通过已标定的摄像机，获取结构光传感器在标定板上形成的激光条纹图像；
对激光条纹图像进行处理，获取目标激光条纹中心点；
根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在本申请中，给出一种对结构光传感器的曲面模型标定的方法，可以准确的确定出结构光传感器的曲面模型，进一步根据已标定的结构光传感器的曲面模型精准的确定用于表示物体表面轮廓的三维坐标点。
在一种可能的实现方式中，根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型，包括：
将获取的多个激光条纹图像对应的目标激光条纹中心点输入到预设的曲面模型中，并采用最小二乘法确定曲面模型的模型参数；
将模型参数输入到预设的曲面模型中，确定已标定的曲面模型。
在本申请中，进一步给出采用最小二乘法的方式，根据获取的多个激光条纹图像对应的目标激光条纹中心点确定曲面模型的模型参数，最终将模型参数输入到预设的曲面模型中，就可确定出已标定的曲面模型，准确的对曲面模型进行标定。
在一种可能的实现方式中，对激光条纹图像进行处理，获取目标激光条纹中心点，包括：
将激光条纹图像转换成灰度图像，根据灰度特征信息，采用极大值方式预取多个激光条纹中心点，组成像素点集合；
对像素点集合进行PCA(Principal Components Analysis，主成分分析)处理，获取目标像素点坐标；
根据目标像素点坐标，获取目标激光条纹中心点的法线向量；
根据法线向量，计算目标激光条纹中心点的亚像素坐标。
在本申请中，在对结构光传感器的曲面模型进行标定的过程中，为了准确标定结构光传感器的曲面模型，需要获取用于标定曲面模型的目标激光条纹中心点的亚像素坐标，故提供一种获取目标激光条纹中心点的亚像素坐标的方案。
在一种可能的实现方式中，根据目标像素点坐标，获取目标激光条纹中心点的法线向量，包括：
针对像素点集合中的每个激光条纹中心点，根据目标像素点坐标及激光条纹中心点确定协方差矩阵；
确定协方差矩阵对应的特征值及特征向量；
将最大特征值对应的特征向量作为目标激光条纹中心点的法线向量。
在本申请中，在确定目标激光条纹中心点的亚像素坐标的过程中，需要确定目标激光条纹中心点对应的法线向量，根据法线向量才可以准确的确定出目标激光条纹中心点的亚像素坐标，故确定目标激光条纹中心点对应的法线向量是确定亚像素坐标过程中必不可少的步骤，因此本申请提出一种确定目标激光条纹中心点对应的法线向量的具体方法。
在一种可能的实现方式中，根据法线向量，计算目标激光条纹中心点的亚像素坐标，包括：
以法线向量对应的目标激光条纹中心点为中心，沿法线向量方向及法线向量反方向各采集至少一个像素参考点；
根据像素参考点的坐标及像素参考点的灰度值，计算目标激光条纹中心点的亚像素坐标。
在本申请中，在确定出目标激光条纹中心点的法线向量后，根据法线向量确定目标激光条纹中心点的亚像素坐标时，以目标条纹中线点为中心，沿法线向量方向和反向方向各采集多个像素参考点，并根据采集的多个像素参考点的灰度值确定目标激光条纹中心点的亚像素坐标，提供了一种根据法线向量，确定目标激光条纹中心点的亚像素坐标的具体方案，故可以准确的确定出亚像素坐标，根据确定出的亚像素坐标可以准确的确定出曲面模型。
在一种可能的实现方式中，获取目标激光条纹中心点之后，还包括：
将目标激光条纹中心点的亚像素坐标转换到相机坐标系，获取相机坐标系下的三维点坐标；
根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型，包括：
根据相机坐标系下的三维点坐标及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在本申请中，由于求取的亚像素坐标是人为选取的世界坐标系下的三维坐标点，选定的世界坐标系的原点不同，同一图像中的同一像素点对应的亚像素坐标将不同，因此确定出的曲面模型将存在误差，为了可以准确的确定出曲面模型，在确定出亚像素坐标后，将亚像素坐标点对应的坐标转换到相机坐标系，获取亚像素坐标点在相机坐标系下的三维点坐标，因为摄像机已经标定，因此相机坐标系是固定的，故采用相机坐标系下的三维点坐标及预设的曲面模型，确定结构光传感器已标定的曲面模型时，可以使确定出的曲面模型更加准确。
在一种可能的实现方式中，通过如下方式标定摄像机：
通过摄像机从不同角度拍摄标定板，获取多张标定板图像；
针对任一张标定板图像，通过角点提取算法提取标定板图像中的角点作为特征点；
根据多张标定板图像对应的特征点，确定摄像机的内外参数，得到已标定的摄像机。
在一种可能的实现方式中，根据多张标定板图像对应的特征点，确定摄像机的内外参数，得到已标定的摄像机，包括：
根据特征点，确定摄像机的图像平面到世界平面的单映射矩阵；
根据单映射矩阵，获得摄像机的内外参数，得到已标定的摄像机。
本申请中，具体给出一种摄像机标定的方法，摄像机标定主要是为了确定摄像机的内外参数，在确定了摄像机的内外参数后，就可以得到已标定的摄像机。
在一种可能的实现方式中，基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点，包括：
基于摄像机的相机成像模型，确定摄像机的传播路径在摄像机坐标系下的射线方程；
基于射线方程和目标图像中的线结构光光条对应的曲面模型，确定用于表示物体表面轮廓的三维坐标点。
本申请中，具体给出根据摄像机的传播路径在摄像机坐标系下的射线方程和曲面模型，确定用于表示物体表面轮廓的三维坐标点，准确的确定物体表面轮廓的三维坐标点。
第二方面，一种物体测量的设备，该设备包括：至少一个处理单元以及至少一个存储单元，其中，存储单元存储有程序代码，当程序代码被处理单元执行时，处理单元具体用于：
通过已标定的摄像机，获取含有线结构光光条的目标图像，其中线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的；
基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点。
在一种可能的实现方式中，处理单元通过如下方式对结构光传感器的曲面模型进行标定：
通过已标定的摄像机，获取结构光传感器在标定板上形成的激光条纹图像；
对激光条纹图像进行处理，获取目标激光条纹中心点；
根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在一种可能的实现方式中，处理单元具体用于：
将获取的多个激光条纹图像对应的目标激光条纹中心点输入到预设的曲面模型中，并采用最小二乘法确定曲面模型的模型参数；
将模型参数输入到预设的曲面模型中，确定已标定的曲面模型。
在一种可能的实现方式中，处理单元具体用于：
将激光条纹图像转换成灰度图像，根据灰度特征信息，采用极大值方式预取多个激光条纹中心点，组成像素点集合；
对像素点集合进行主成分分析PCA处理，获取目标像素点坐标；
根据目标像素点坐标，获取目标激光条纹中心点的法线向量；
根据法线向量，计算目标激光条纹中心点的亚像素坐标。
在一种可能的实现方式中，处理单元具体用于：
针对像素点集合中的每个激光条纹中心点，根据目标像素点坐标及激光条纹中心点确定协方差矩阵；
确定协方差矩阵对应的特征值及特征向量；
将最大特征值对应的特征向量作为目标激光条纹中心点的法线向量。
在一种可能的实现方式中，处理单元具体用于：
以法线向量对应的目标激光条纹中心点为中心，沿法线向量方向及法线向量反方向各采集至少一个像素参考点；
根据像素参考点的坐标及像素参考点的灰度值，计算目标激光条纹中心点的亚像素坐标。
在一种可能的实现方式中，处理单元还用于：
获取目标激光条纹中心点之后，将目标激光条纹中心点的亚像素坐标转换到相机坐标系，获取相机坐标系下的三维点坐标；
根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型，包括：
根据相机坐标系下的三维点坐标及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在一种可能的实现方式中，处理单元通过如下方式标定摄像机：
通过摄像机从不同角度拍摄标定板，获取多张标定板图像；
针对任一张标定板图像，通过角点提取算法提取标定板图像中的角点作为特征点；
根据多张标定板图像对应的特征点，确定摄像机的内外参数，得到已标定的摄像机。
在一种可能的实现方式中，处理单元具体用于：
根据特征点，确定摄像机的图像平面到世界平面的单映射矩阵；
根据单映射矩阵，获得摄像机的内外参数，得到已标定的摄像机。
在一种可能的实现方式中，处理单元具体用于：
基于摄像机的相机成像模型，确定摄像机的传播路径在摄像机坐标系下的射线方程；
基于射线方程和目标图像中的线结构光光条对应的曲面模型，确定用于表示物体表面轮廓的三维坐标点。
第三方面，本申请实施例提供一种物体测量的设备，包括：获取模块及确定模块，其中：
获取模块用于：通过已标定的摄像机，获取含有线结构光光条的目标图像，其中线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的；
确定模块用于：基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点。
第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令被处理器执行时实现本申请实施例提供的物体测量的方法。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为相关技术中用于物体测量的线结构光测量***的示意图；
图2为本申请实施例提供的一种物体测量的方法流程图；
图3为本申请实施例提供的一种相机标定的方法流程图；
图4为本申请实施例提供的一种结构光传感器中曲面模型的标定方法流程图；
图5为本申请实施例提供的一种结构光传感器中曲面模型的标定整体方法流程图；
图6为本申请实施例提供的一种物体测量的原理图；
图7为本申请实施例提供的一种物体测量的整体方法流程图；
图8为本申请实施例提供的一种物体测量的设备结构图；
图9为本申请实施例提供的另一种物体测量的设备结构图。
具体实施方式
本申请实施例描述的架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。其中，在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；文本中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
由于线结构光三维扫描具有成本低、体积小、质量轻、方便灵活等特点，广泛应用于物体测量场景中。
图1示出了相关技术中用于物体测量的线结构光测量***的示意图，该线结构光测量***中包括有结构光传感器10，用于承载测量物体的测量平台11，摄像机12，以及在测量平台11上的测量物体13。
其中，结构光传感器10可以为线激光发射器，摄像机12可以为CCD(ChargeCoupled Device，电荷耦合器件)摄像机。
目前，线结构光测量物体表面轮廓的原理为：线激光发射器发出激光光束，并通过柱面镜将激光光束展成为一个激光平面，激光平面照射被测物体，与被测物体表面相交形成一条变形的结构光光条；利用CCD摄像机拍摄到包含有变形的结构光光条的图像几何信息，然后利用空间坐标系转换等方法求得特征光条的三维坐标。
最终通过控制结构光传感器、摄像机、测量平台的运动等，得到多个不同的光条纹图像，利用空间坐标系转换等方法求得光条的三维坐标在，达到对整个测量物体进行测量的目的。
从上述相关技术中可知，结构光传感器对应的是平面模型，因此在对物体进行测量时，采用线结构光平面模型来实现。但是结构光传感器发射出来的线激光不是绝对直线，因此结构光传感器发射出的发射线所形成的平面不是标准平面。因此按照平面模型确定出的物体表面轮廓的三维坐标点不够准确，物体测量的精度较低。
基于上述内容，本申请针对相关技术中物体三维数据信息扫描精度差的问题，提供一种物体测量的方法及设备，参见如下实施例，需要说明的是本申请提供的实施例仅是说明并不做具体限定。
实施一：
如图2所示，为本申请实施例提供的一种物体测量的方法流程图，包括如下步骤：
步骤200，通过已标定的摄像机，获取含有线结构光光条的目标图像，其中线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的。
在本申请中，在对物体测量时，采用结构光视觉测量原理对物体测量。即采用已标定的摄像机获取包含有结构光传感器在物体表面形成的线结构光光条的目标图像，其中结构光传感器为已标定的结构光传感器，结构光传感器的标定指定的是结构光传感器对应的数学模型的标定。
在本申请中，通过如下实施例对本申请中的摄像机标定和结构光传感器的标定进行说明。
实施例二：摄像机标定。
摄像机标定指建立摄像机图像像素位置与场景点位置之间的关系，根据相机成像模型，由特征点在图像中坐标与世界坐标的对应关系，求解摄像机的内外参数，内参数为摄像机自身特性相关的参数，比如焦距、像素大小等；外参数指摄像机在世界坐标中的参数，比如摄像机的位置、旋转方向等。
如图3所示，为本申请实施例提供的一种相机标定的方法流程图，具体包括如下步骤：
步骤300，通过摄像机从不同角度拍摄标定板，获取多张标定板图像。
在本申请中可以采用棋盘格格式的标定板。
需要说明的是，也可以多次采集不同位置的标定板图像。
步骤301，针对任一张标定板图像，对获取的标定板图像进行特征点提取。
在本申请中采用角点提取算法提取标定板图像中的角点作为特征点实现特征点提取；其中，角点提取算法包括但不限于：Kitchen-Rosenfeld角点提取算法，Harris角点提取算法、KLT角点提取算法及SUSAN角点提取算法。
步骤302，根据多张标定板图像对应的特征点，确定摄像机的内外参数。
在计算相机内外参数时，先计算单映射矩阵，单映射矩阵为摄像机的图像平面对应的像素坐标与世界平面对应的世界坐标之间的映射关系，是一个3*3的矩阵。且单映射矩阵是内参数矩阵的外参数矩阵的合体，因此确定出摄像机的内参数后，就可以求解出相机的外参数，求解出摄像机的内外参数就完成了摄像机标定。
实施例三：结构光传感器标定。
如图4所示，为本申请实施例提供的一种结构光传感器中曲面模型的标定方法流程图，包括如下步骤：
步骤400，通过已标定的摄像机，获取结构光传感器在标定板上形成的激光条纹图像。
在结构光传感器开启的情况下，结构光传感器形成的激光曲面在标定板上形成激光条纹，通过摄像机在结构光传感器开启的情况下拍摄标定板，因此可以获取到包含有激光条纹的标定板的图像，在本申请中称为激光条纹图像。
步骤401，对激光条纹图像进行处理，获取目标激光条纹中心点。
在本申请中，通过如下步骤对激光条纹图像进行处理，获取目标激光条纹中心点；
步骤1，将激光条纹图像转换成灰度图像，根据灰度特征信息，采用极大值方式预取多个激光条纹中心点，组成像素点集合。
比如，对灰度图像中的像素点按照灰度特征信息进行主状分析，提取亮度前2％～10％的点作为预取的激光条纹中心点，预取的激光条纹中心点组成像素点集合。
步骤2，对像素点集合进行PCA处理，获取目标像素点坐标。
在本申请中，对像素点集合进行PCA处理是将像素点集合中的所有像素点的坐标进行相加求平均，最终得到的值为目标像素点对应的坐标值。
步骤3，根据目标像素点坐标，获取目标激光条纹中心点的法线向量。
在本申请中，由于预取多个激光条纹中心点，而目标激光条纹中心点为预取的多个激光条纹中心点的一个激光条纹中心点，因此需要在预取的多个激光条纹中心点的法线向量中确定目标激光条纹中心点的法线向量。
在确定目标激光条纹中心点的法线向量时，针对像素点集合中的每个激光条纹中心点，根据目标像素点坐标及激光条纹中心点确定协方差矩阵。
2*2的协方差矩阵为：
Figure BDA0002546957080000121
其中pi表示像素点集合中的每个激光条纹中心点，
Figure BDA0002546957080000122
表示目标像素点；
确定出预取的多个激光条纹中心点对应的协方差矩阵后，确定每个协方差矩阵对应的特征值及特征向量，并将最大特征值对应的特征向量作为目标激光条纹中心点的法线向量。
步骤4，根据法线向量，计算目标激光条纹中心点的亚像素坐标。
在本申请中，根据法线向量，计算目标激光条纹中心点的也像素最表时，以法线向量对应的目标激光条纹中心点为中心，沿法线向量方向及法线向量反方向各采集至少一个像素参考点；
比如，以法线向量对应的目标激光条中心点为中心，沿法线向量方向取3个像参考素点，在沿法线向量反方向取3个像参考素点，记取的像素点为：pj,j＝i-3,i-2,i-1,i,i+1,i+2,i+3。
根据像素参考点的坐标及像素参考点的灰度值，计算目标激光条纹中心点的亚像素坐标。
在本申请中，通过如下公式计算目标激光条纹中心点的亚像素坐标：
Figure BDA0002546957080000131
其中，p′i为目标激光条纹中心点的亚像素坐标，gj为各个像素参考点对应的灰度值，Gj表示1*7的高斯卷积。
需要说明的是，本申请中通过改变标定板距离摄像机的高度，获取n个激光条纹图像，并采用上述方式获取每个激光条纹图像的目标激光条纹中心点的亚像素坐标。
在本申请中，预取多个激光条纹中心点，组成像素点集合时，可以对预取的多个激光条纹中心点进行高斯卷积处理，去除干扰点，并对卷积处理后的点进行PCA处理。
比如，对提取的多个激光条纹中心点进行5*5的二维高斯卷积，以去除干扰点，对卷积后的点在N*N窗口内进行PCA分析，计算出法线向量。
步骤402，根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在确定出目标激光条纹中心点后，由于目标激光条纹中心点的二维像素点，而预设的曲面模型为三维模型，因此在根据目标激光条纹中心点确定结构光传感器已标定的曲面模型时，需要将目标激光条纹中心点转换到三维坐标系下。
由于摄像机是已标定的摄像机，因此可以确定出用于表示像素坐标系和世界坐标系之间的映射关系的单映射矩阵，因此在确定出像素坐标后，根据单映射矩阵可以确定出世界坐标系下的三维点。
本申请中，由于结构光传感器的数学模型为曲面模型，因此设曲面模型为：
Ax2+By2+Cz2+Dxy+Eyz+Fzx+Gx+Hx+Ix+J＝0；
将获取的n个激光条纹图像对应的目标激光条纹中心点的亚像素坐标对应的世界坐标点代入到预设曲面模型中，应用最小二乘迭代拟合，确定各个系数，完成结构光传感器的标定。
在一种可能的实现方式中，为了保证结构光传感器的标定更加准确，在确定出亚像素点坐标对应的世界坐标后，将世界坐标转换到相机坐标系下。
如图5所示，为本申请实施例提供的一种结构光传感器中曲面模型的标定整体方法流程图，包括如下步骤：
步骤500，采用已标定的摄像机，获取结构光传感器在标定板上形成的激光条纹图像；
步骤501，对激光条纹图像进行处理，获取目标激光条纹中心点的亚像素坐标；
步骤502，根据但映射矩阵将亚像素坐标转换到世界坐标系下的三维点；
步骤503，将世界坐标系下的三维点转换到相机坐标系下；
步骤504，根据相机坐标系下的三维点坐标及预设的曲面模型，确定结构光传感器已标定的曲面模型。
步骤201，基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点。
在本申请中，相机成像模型为小孔成像模型。
基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点，具体为：基于摄像机的相机成像模型，确定摄像机的传播路径在摄像机坐标系下的射线方程；基于射线方程和目标图像中的线结构光光条对应的曲面模型，确定用于表示物体表面轮廓的三维坐标点。
即确定小孔成像形成的射线方程与结构光传感器曲面模型的交点坐标，交点即为用于表示物体表面轮廓的三维坐标点。
如图6所示，为本申请实施例提供的一种物体测量的原理图。
如图7所示，为本申请实施例提供的一种物体测量的整体方法流程图，包括如下步骤：
步骤700，对摄像机进行标定；
步骤701，对结构光传感器的曲面模型进行标定；
步骤702，通过已标定的摄像机获取包含有已标定的结构光传感器的曲面模型在物体上形成线结构光光条的图像；
步骤703，基于摄像机的小孔成像模型的射线和曲面模型在物体上形成线结构光光条的图像，确定用于表示物体表面轮廓的三维坐标点。
基于同一发明构思，本申请实施例中还提供了一种物体测量的设备，该设备对应的方法是本申请实施例物体测量的方法，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以方法的实施，重复之处不再赘述。
如图8所示，为本申请实施例提供的一种物体测量的设备，该设备包括：至少一个处理单元800以及至少一个存储单元801，其中，存储单元801存储有程序代码，当程序代码被处理单元执行时，处理单元800具体用于：
通过已标定的摄像机，获取含有线结构光光条的目标图像，其中线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的；
基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点。
在一种可能的实现方式中，处理单元800通过如下方式对结构光传感器的曲面模型进行标定：
通过已标定的摄像机，获取结构光传感器在标定板上形成的激光条纹图像；
对激光条纹图像进行处理，获取目标激光条纹中心点；
根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在一种可能的实现方式中，处理单元800具体用于：
将获取的多个激光条纹图像对应的目标激光条纹中心点输入到预设的曲面模型中，并采用最小二乘法确定曲面模型的模型参数；
将模型参数输入到预设的曲面模型中，确定已标定的曲面模型。
在一种可能的实现方式中，处理单元800具体用于：
将激光条纹图像转换成灰度图像，根据灰度特征信息，采用极大值方式预取多个激光条纹中心点，组成像素点集合；
对像素点集合进行主成分分析PCA处理，获取目标像素点坐标；
根据目标像素点坐标，获取目标激光条纹中心点的法线向量；
根据法线向量，计算目标激光条纹中心点的亚像素坐标。
在一种可能的实现方式中，处理单元800具体用于：
针对像素点集合中的每个激光条纹中心点，根据目标像素点坐标及激光条纹中心点确定协方差矩阵；
确定协方差矩阵对应的特征值及特征向量；
将最大特征值对应的特征向量作为目标激光条纹中心点的法线向量。
在一种可能的实现方式中，处理单元800具体用于：
以法线向量对应的目标激光条纹中心点为中心，沿法线向量方向及法线向量反方向各采集至少一个像素参考点；
根据像素参考点的坐标及像素参考点的灰度值，计算目标激光条纹中心点的亚像素坐标。
在一种可能的实现方式中，处理单元800还用于：
获取目标激光条纹中心点之后，将目标激光条纹中心点的亚像素坐标转换到相机坐标系，获取相机坐标系下的三维点坐标；
根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型，包括：
根据相机坐标系下的三维点坐标及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在一种可能的实现方式中，处理单元800通过如下方式标定摄像机：
通过摄像机从不同角度拍摄标定板，获取多张标定板图像；
针对任一张标定板图像，通过角点提取算法提取标定板图像中的角点作为特征点；
根据多张标定板图像对应的特征点，确定摄像机的内外参数，得到已标定的摄像机。
在一种可能的实现方式中，处理单元800具体用于：
根据特征点，确定摄像机的图像平面到世界平面的单映射矩阵；
根据单映射矩阵，获得摄像机的内外参数，得到已标定的摄像机。
在一种可能的实现方式中，处理单元800具体用于：
基于摄像机的相机成像模型，确定摄像机的传播路径在摄像机坐标系下的射线方程；
基于射线方程和目标图像中的线结构光光条对应的曲面模型，确定用于表示物体表面轮廓的三维坐标点。
如图9所示，为本申请实施例提供一种物体测量的设备，该设备包括：获取模块900及确定模块901；其中：
获取模块900用于：通过已标定的摄像机，获取含有线结构光光条的目标图像，其中线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的；
确定模块901用于：基于已标定的摄像机的相机成像模型和目标图像，确定用于表示物体表面轮廓的三维坐标点。
在一种可能的实现方式中，一种物体测量的设备包括标定模块902，标定模块902通过如下方式对结构光传感器的曲面模型进行标定：
通过已标定的摄像机，获取结构光传感器在标定板上形成的激光条纹图像；
对激光条纹图像进行处理，获取目标激光条纹中心点；
根据获取的目标激光条纹中心点及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在一种可能的实现方式中，标定模块902具体用于：
将获取的多个激光条纹图像对应的目标激光条纹中心点输入到预设的曲面模型中，并采用最小二乘法确定曲面模型的模型参数；
将模型参数输入到预设的曲面模型中，确定已标定的曲面模型。
在一种可能的实现方式中，标定模块902具体用于：
将激光条纹图像转换成灰度图像，根据灰度特征信息，采用极大值方式预取多个激光条纹中心点，组成像素点集合；
对像素点集合进行PCA处理，获取目标像素点坐标；
根据目标像素点坐标，获取目标激光条纹中心点的法线向量；
根据法线向量，计算目标激光条纹中心点的亚像素坐标。
在一种可能的实现方式中，标定模块902具体用于：
针对像素点集合中的每个激光条纹中心点，根据目标像素点坐标及激光条纹中心点确定协方差矩阵；
确定协方差矩阵对应的特征值及特征向量；
将最大特征值对应的特征向量作为目标激光条纹中心点的法线向量。
在一种可能的实现方式中，标定模块902具体用于：
以法线向量对应的目标激光条纹中心点为中心，沿法线向量方向及法线向量反方向各采集至少一个像素参考点；
根据像素参考点的坐标及像素参考点的灰度值，计算目标激光条纹中心点的亚像素坐标。
在一种可能的实现方式中，标定模块902还用于：
获取目标激光条纹中心点，将目标激光条纹中心点的亚像素坐标转换到相机坐标系，获取相机坐标系下的三维点坐标；
根据相机坐标系下的三维点坐标及预设的曲面模型，确定结构光传感器已标定的曲面模型。
在一种可能的实现方式中，标定模块902通过如下方式标定所述摄像机：
通过摄像机从不同角度拍摄标定板，获取多张标定板图像；
针对任一张标定板图像，通过角点提取算法提取标定板图像中的角点作为特征点；
根据多张标定板图像对应的特征点，确定摄像机的内外参数，得到已标定的摄像机。
在一种可能的实现方式中，标定模块902具体用于：
根据特征点，确定摄像机的图像平面到世界平面的单映射矩阵；
根据单映射矩阵，获得摄像机的内外参数，得到已标定的摄像机。
在一种可能的实现方式中，确定模块901具体用于：
基于所述摄像机的相机成像模型，确定所述摄像机的传播路径在所述摄像机坐标系下的射线方程；
基于所述射线方程和目标图像中的线结构光光条对应的曲面模型，确定用于表示所述物体表面轮廓的三维坐标点。
本申请实施例提供一种可读存储介质，该可读存储介质为非易失性存储介质，可读存储介质为非易失性可读存储介质，包括程序代码，当程序代码在计算设备上运行时，程序代码用于使计算设备执行上述物体测量的方法。
本申请实施例提供一种包含指令的计算机程序产品，当其在计算机上运行时，使计算设备执行上述物体测量的方法。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的物体测量的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算装置上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被命令执行***、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由命令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算装置上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算装置上部分在远程计算装置上执行、或者完全在远程计算装置或服务器上执行。在涉及远程计算装置的情形中，远程计算装置可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算装置，或者，可以连接到外部计算装置(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (9)

1.一种物体测量的方法，其特征在于，该方法包括：
通过已标定的摄像机，获取含有线结构光光条的目标图像，其中所述线结构光光条是结构光传感器已标定的曲面模型在物体表面上形成的；
基于所述已标定的摄像机的相机成像模型和所述目标图像，确定用于表示所述物体表面轮廓的三维坐标点；
通过如下方式对所述结构光传感器的曲面模型进行标定：
通过已标定的摄像机，获取结构光传感器在标定板上形成的激光条纹图像；
将所述激光条纹图像转换成灰度图像，根据灰度特征信息，采用极大值方式预取多个激光条纹中心点，并对预取的多个激光条纹中心点进行高斯卷积处理，组成像素点集合；
对所述像素点集合进行主成分分析PCA处理，获取目标像素点坐标；
根据所述目标像素点坐标，获取目标激光条纹中心点的法线向量；
根据所述法线向量，计算所述目标激光条纹中心点的亚像素坐标；
根据获取的目标激光条纹中心点及预设的曲面模型，确定所述结构光传感器已标定的曲面模型。
2.如权利要求1所述的方法，其特征在于，所述根据获取的目标激光条纹中心点及预设的曲面模型，确定所述结构光传感器已标定的曲面模型，包括：
将获取的多个激光条纹图像对应的目标激光条纹中心点输入到所述预设的曲面模型中，并采用最小二乘法确定所述曲面模型的模型参数；
将所述模型参数输入到所述预设的曲面模型中，确定所述已标定的曲面模型。
3.如权利要求1所述的方法，其特征在于，根据所述目标像素点坐标，获取目标激光条纹中心点的法线向量，包括：
针对所述像素点集合中的每个激光条纹中心点，根据所述目标像素点坐标及所述激光条纹中心点确定协方差矩阵；
确定协方差矩阵对应的特征值及特征向量；
将最大特征值对应的特征向量作为所述目标激光条纹中心点的法线向量。
4.如权利要求1所述的方法，其特征在于，所述根据所述法线向量，计算所述目标激光条纹中心点的亚像素坐标，包括：
以所述法线向量对应的目标激光条纹中心点为中心，沿所述法线向量方向及所述法线向量反方向各采集至少一个像素参考点；
根据所述像素参考点的坐标及所述像素参考点的灰度值，计算所述目标激光条纹中心点的亚像素坐标。
5.如权利要求2～4任一所述的方法，其特征在于，所述获取目标激光条纹中心点之后，还包括：
将所述目标激光条纹中心点的亚像素坐标转换到相机坐标系，获取相机坐标系下的三维点坐标；
根据获取的目标激光条纹中心点及预设的曲面模型，确定所述结构光传感器已标定的曲面模型，包括：
根据所述相机坐标系下的三维点坐标及预设的曲面模型，确定所述结构光传感器已标定的曲面模型。
6.如权利要求1所述的方法，其特征在于，通过如下方式标定所述摄像机：
通过摄像机从不同角度拍摄标定板，获取多张标定板图像；
针对任一张标定板图像，通过角点提取算法提取标定板图像中的角点作为特征点；
根据所述多张标定板图像对应的特征点，确定所述摄像机的内外参数，得到已标定的摄像机。
7.如权利要求6所述的方法，其特征在于，所述根据所述多张标定板图像对应的特征点，确定所述摄像机的内外参数，得到已标定的摄像机，包括：
根据所述特征点，确定所述摄像机的图像平面到世界平面的单映射矩阵；
根据所述单映射矩阵，获得所述摄像机的内外参数，得到已标定的摄像机。
8.如权利要求1～4任一所述的方法，其特征在于，所述基于所述已标定的摄像机的相机成像模型和所述目标图像，确定用于表示所述物体表面轮廓的三维坐标点，包括：
基于所述摄像机的相机成像模型，确定所述摄像机的传播路径在所述摄像机坐标系下的射线方程；
基于所述射线方程和目标图像中的线结构光光条对应的曲面模型，确定用于表示所述物体表面轮廓的三维坐标点。
9.一种物体测量的设备，其特征在于，该设备包括：至少一个处理单元以及至少一个存储单元，其中，存储单元存储有程序代码，当程序代码被处理单元执行时，处理单元具体用于执行如权利要求1～8任一所述的物体测量的方法的步骤。
CN202010563722.3A 2020-06-19 2020-06-19 一种物体测量的方法及设备 Active CN111750804B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202010563722.3A CN111750804B (zh) 2020-06-19 2020-06-19 一种物体测量的方法及设备
KR1020227045481A KR20230014776A (ko) 2020-06-19 2021-04-12 물체 측정을 위한 시스템들 및 방법들
EP21826983.5A EP4136403A4 (en) 2020-06-19 2021-04-12 OBJECT MEASUREMENT SYSTEMS AND METHODS
PCT/CN2021/086557 WO2021253940A1 (en) 2020-06-19 2021-04-12 Systems and methods for object measurement
JP2022577224A JP7442691B2 (ja) 2020-06-19 2021-04-12 物体測定のためのシステム及び方法
US18/057,221 US20230084728A1 (en) 2020-06-19 2022-11-20 Systems and methods for object measurement

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010563722.3A CN111750804B (zh) 2020-06-19 2020-06-19 一种物体测量的方法及设备

Publications (2)

Publication Number Publication Date
CN111750804A CN111750804A (zh) 2020-10-09
CN111750804B true CN111750804B (zh) 2022-10-11

Family

ID=72675541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010563722.3A Active CN111750804B (zh) 2020-06-19 2020-06-19 一种物体测量的方法及设备

Country Status (6)

Country Link
US (1) US20230084728A1 (zh)
EP (1) EP4136403A4 (zh)
JP (1) JP7442691B2 (zh)
KR (1) KR20230014776A (zh)
CN (1) CN111750804B (zh)
WO (1) WO2021253940A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111750804B (zh) * 2020-06-19 2022-10-11 浙江华睿科技股份有限公司 一种物体测量的方法及设备
CN113865514B (zh) * 2020-06-30 2023-08-29 西安知微传感技术有限公司 一种线结构光三维测量***标定方法
CN113034684B (zh) * 2021-05-24 2021-09-17 浙江华睿科技股份有限公司 三维重建方法、电子设备及计算机可读存储介质
CN113607090B (zh) * 2021-07-23 2024-01-16 深圳市鹰眼在线电子科技有限公司 曲面屏幕的三维形貌测量***、方法及装置
US11908147B1 (en) * 2022-10-14 2024-02-20 Lumincode As Calibration and monitoring of camera position and laser position and wavelength
CN117237434B (zh) * 2023-11-15 2024-02-09 太原理工大学 一种h型钢尺寸测量方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103499302A (zh) * 2013-09-27 2014-01-08 吉林大学 基于结构光视觉成像***的凸轮轴直径尺寸在线测量方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3930482B2 (ja) * 2004-01-19 2007-06-13 ファナック株式会社 ３次元視覚センサ
CN101887585B (zh) * 2010-07-15 2012-04-11 东南大学 基于非共面特征点的摄像机标定方法
WO2014084131A1 (ja) * 2012-11-29 2014-06-05 株式会社ニコン 形状測定装置、構造物製造システム、ステージ装置、形状測定方法、構造物製造方法、プログラム、及び記録媒体
CN103759671B (zh) * 2014-01-10 2016-05-18 西北农林科技大学 一种牙模三维表面数据非接触扫描方法
CN106441099B (zh) * 2016-10-13 2019-04-05 北京交通大学 多线结构光传感器的标定方法
CN106705849B (zh) * 2017-01-25 2019-06-21 上海新时达电气股份有限公司 线结构光传感器标定方法
CN106949851A (zh) * 2017-03-29 2017-07-14 沈阳建筑大学 一种基于支持向量机的线结构光视觉传感器标定方法
CN107578464B (zh) * 2017-06-30 2021-01-29 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CA3022442C (en) 2017-10-24 2019-08-27 Shining 3D Tech Co., Ltd. Three-dimensional reconstruction method and device based on monocular three-dimensional scanning system
CN108458671B (zh) * 2018-03-08 2020-01-03 西安知微传感技术有限公司 一种线结构光三维测量***的标定方法
CN108662987B (zh) * 2018-04-23 2021-06-08 西南交通大学 2d摄像式激光测量头的标定方法
CN110689581B (zh) * 2018-07-06 2022-05-13 Oppo广东移动通信有限公司 结构光模组标定方法、电子设备、计算机可读存储介质
CN108981604B (zh) * 2018-07-11 2020-06-09 天津工业大学 一种基于线激光的精密零件三维全貌测量方法
CN109443214B (zh) * 2018-12-19 2021-03-16 广东工业大学 一种结构光三维视觉的标定方法、装置及测量方法、装置
CN109945792A (zh) * 2019-04-22 2019-06-28 洛阳德晶智能科技有限公司 一种高反光圆柱体的直径测量方法、装置以及使用方法
CN110111424B (zh) * 2019-05-07 2023-06-06 易思维（杭州）科技有限公司 基于线结构光测量的圆弧状物的三维重建方法
CN110599541B (zh) * 2019-08-28 2022-03-11 贝壳技术有限公司 一种对多传感器进行标定的方法、装置和存储介质
CN110702009A (zh) * 2019-11-22 2020-01-17 中国科学院长春光学精密机械与物理研究所 一种基于逆向Hartmann计算机辅助法的三维测量***
CN111272102A (zh) * 2020-05-06 2020-06-12 中国空气动力研究与发展中心低速空气动力研究所 一种线激光扫描三维测量标定方法
CN111750804B (zh) * 2020-06-19 2022-10-11 浙江华睿科技股份有限公司 一种物体测量的方法及设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103499302A (zh) * 2013-09-27 2014-01-08 吉林大学 基于结构光视觉成像***的凸轮轴直径尺寸在线测量方法

Also Published As

Publication number Publication date
WO2021253940A1 (en) 2021-12-23
US20230084728A1 (en) 2023-03-16
CN111750804A (zh) 2020-10-09
JP7442691B2 (ja) 2024-03-04
KR20230014776A (ko) 2023-01-30
EP4136403A1 (en) 2023-02-22
JP2023530962A (ja) 2023-07-20
EP4136403A4 (en) 2023-10-18

Similar Documents

Publication Publication Date Title
CN111750804B (zh) 一种物体测量的方法及设备
CN110689579B (zh) 基于合作目标的快速单目视觉位姿测量方法及测量***
CN111210468B (zh) 一种图像深度信息获取方法及装置
CN109212510B (zh) 用于测量多线激光雷达的角分辨率的方法和装置
US9787960B2 (en) Image processing apparatus, image processing system, image processing method, and computer program
CN102472609B (zh) 位置和姿势校准方法及设备
CN109801333B (zh) 体积测量方法、装置、***及计算设备
US7471809B2 (en) Method, apparatus, and program for processing stereo image
CN109523595B (zh) 一种建筑工程直线棱角间距视觉测量方法
CN111263142B (zh) 一种摄像模组光学防抖的测试方法、装置、设备及介质
CN106254860B (zh) 照相机的校准装置、照相机***、以及照相机的校准方法
CN111123242B (zh) 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质
CN112465877B (zh) 一种基于运动状态估计的卡尔曼滤波视觉追踪稳定方法
US20220055652A1 (en) Device and method for data fusion between heterogeneous sensors
CN113658279A (zh) 相机内参和外参估算方法、装置、计算机设备及存储介质
CN113822920A (zh) 结构光相机获取深度信息的方法、电子设备及存储介质
JP2018009927A (ja) 画像処理装置、画像処理方法及びプログラム
JP6855938B2 (ja) 距離測定装置、距離測定方法および距離測定プログラム
CN115471566A (zh) 一种双目标定方法和***
CN110766740B (zh) 一种基于行人跟踪的实时高精度双目测距***及方法
CN115423877A (zh) 一种标定方法、标定***、深度相机及可读存储介质
CN112258635B (zh) 基于改进双目匹配sad算法的三维重建方法及装置
CN115018922A (zh) 畸变参数标定方法、电子设备和计算机可读存储介质
CN114792342A (zh) 一种线结构光标定方法、装置、设备、存储介质
CN112927299B (zh) 标定方法、装置及电子设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang Huarui Technology Co.,Ltd.

Address before: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant