CN111768364B - 一种飞机表面质量检测***标定方法 - Google Patents

一种飞机表面质量检测***标定方法 Download PDF

Info

Publication number
CN111768364B
CN111768364B CN202010412606.1A CN202010412606A CN111768364B CN 111768364 B CN111768364 B CN 111768364B CN 202010412606 A CN202010412606 A CN 202010412606A CN 111768364 B CN111768364 B CN 111768364B
Authority
CN
China
Prior art keywords
camera
calibration
cameras
error
objective function
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
CN202010412606.1A
Other languages
English (en)
Other versions
CN111768364A (zh
Inventor
韩利亚
周力
韩雄
陈代鑫
缑建杰
蔡怀阳
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.)
Chengdu Aircraft Industrial Group Co Ltd
Original Assignee
Chengdu Aircraft Industrial Group 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 Chengdu Aircraft Industrial Group Co Ltd filed Critical Chengdu Aircraft Industrial Group Co Ltd
Priority to CN202010412606.1A priority Critical patent/CN111768364B/zh
Publication of CN111768364A publication Critical patent/CN111768364A/zh
Application granted granted Critical
Publication of CN111768364B publication Critical patent/CN111768364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种飞机表面质量检测***标定方法，其特征在于：包括以下步骤：a、将多个相机进行排序，且构成一个闭环；b、将标定板对排序后的相机依次进行位置标定;c、获得两两相邻相机坐标的转换关系；d、依次构造参数化误差项；e、构造目标函数；f、得到修正后的转换关系集合。通过对飞机表面大范围采用多相机标定后，分解为两两相机之间的标定，从而避免了对大尺寸标定板或标定靶标的需求，简化了标定的过程；通过闭环误差的整体优化提高相机标定的全局精度，通过构造合理的误差项和目标函数，减小和消除累积误差，避免了两两标定带来的误差累积问题。

Description

一种飞机表面质量检测***标定方法
技术领域
本发明属于飞机质量检测技术领域，具体涉及一种飞机表面质量检测***标定方法。
背景技术
航空零部件以及飞机整机尺寸较大，为了对航空大部件或飞机整机进行基于图像的表面质量检测，需要移动式的图像采集装置，或由大量相机组成的固定式图像采集装置。移动式图像采集装置其整体精度受到运动机构精度的影响，大量相机组成的固定式图像采集装置可以避免运动机构对精度的影响，但对大范围多相机的标定较为困难。
由于每个相机的视野有限，标定只能分步在少数相机之间进行，最终会产生较大的累积误差，使整个***的精度无法提高，因此急需一种飞机大范围表面质量检测***标定方法，减小大范围多相机标定时的整体误差，提高***整体的精度。
发明内容
为了解决上述问题，本发明提供一种飞机表面质量检测***标定方法，解决了传统方法累积误差大，全局精度差的问题。这种快速标定方法简单可靠，准确度高，针对性强。
本发明是通过以下技术方案实现的。
一种飞机表面质量检测***标定方法，其特征在于：包括以下步骤：
a、将多个相机进行排序，相机排序的序号依次为1,2,3,i,i+1,,N-1,N，且构成一个闭环；
b、将标定板对排序后的相机依次进行位置标定；
c、获得两两相邻相机坐标的转换关系，既相机1和相机2之间坐标系的转换关系
Figure BDA0002493795550000011
相机2和相机3之间的转换关系T3 2；相机i和相机i-1之间的转换关系
Figure BDA0002493795550000012
相机N-1和相机N之间的转换关系
Figure BDA0002493795550000013
相机N和相机1之间的转换关系T1 N；
d、依次构造参数化误差项Δi，其与
Figure BDA0002493795550000021
为相同类型的矩阵，即由6个参数决定的旋转平移矩阵，i＝1,2,3,i,i+1,,N-1,N，其中ΔN为转换关系T1 N的误差项；
e、构造目标函数
Figure BDA0002493795550000022
目标函数的理想值是单位旋转平移矩阵，即相机1坐标系经过连续的旋转平移变换最终回到其本身；求解使得上述目标函数值最小的集合{Δi，(i＝1，2，3，i，i+1，N-1，N)}；
f、求得的集合{Δi，(i＝1，2，3，i，i+1，N-1，N)}修正相机两两之间的转换关系
Figure BDA0002493795550000023
得到修正后的转换关系集合
Figure BDA0002493795550000024
所述两两相邻序号相机之间的外部参数构造的误差项相互独立。
所述构造目标函数以闭环总误差为目标，以独立误差参数项为参数，求取使闭环总误差最小的误差参数项取值。
本发明带来的有益效果有。
1、通过对飞机表面大范围采用多相机标定后，分解为两两相机之间的标定，从而避免了对大尺寸标定板或标定靶标的需求，简化了标定的过程；通过闭环误差的整体优化提高相机标定的全局精度，通过构造合理的误差项和目标函数，减小和消除累积误差，避免了两两标定带来的误差累积问题；可以进行多重闭环的构造，从而降低误差项的求解难度，提高其求解的精度。
附图说明
图1是本发明中检测***标定方法的示意图。
具体实施方式
实施例1
如图1所示，一种飞机表面质量检测***标定方法，其特征在于：包括以下步骤：
a、将多个相机进行排序，相机排序的序号依次为1,2,3,i,i+1,,N-1,N，且构成一个闭环；
b、将标定板对排序后的相机依次进行位置标定；
c、获得两两相邻相机坐标的转换关系，既相机1和相机2之间坐标系的转换关系
Figure BDA0002493795550000031
相机2和相机3之间的转换关系T3 2；相机i和相机i-1之间的转换关系
Figure BDA0002493795550000032
相机N-1和相机N之间的转换关系
Figure BDA0002493795550000033
相机N和相机1之间的转换关系T1 N；
d、依次构造参数化误差项Δi，其与
Figure BDA0002493795550000034
为相同类型的矩阵，即由6个参数决定的旋转平移矩阵，i＝1,2,3,i,i+1,,N-1,N，其中ΔN为转换关系T1 N的误差项；
e、构造目标函数
Figure BDA0002493795550000035
目标函数的理想值是单位旋转平移矩阵，即相机1坐标系经过连续的旋转平移变换最终回到其本身；求解使得上述目标函数值最小的集合{Δi，(i＝1，2，3，i，i+1，N-1，N)}；
f、求得的集合{Δi，(i＝1，2，3，i，i+1，N-1，N)}修正相机两两之间的转换关系
Figure BDA0002493795550000036
得到修正后的转换关系集合
Figure BDA0002493795550000037
所述两两相邻序号相机之间的外部参数构造的误差项相互独立。
所述构造目标函数以闭环总误差为目标，以独立误差参数项为参数，求取使闭环总误差最小的误差参数项取值。
对多相机进行排序，相邻序号的相机之间有足够大的公共视野，最后一个序号的相机和第一个序号的相机之间有足够大的公共视野，可以通过标定板获得相邻序号的相机之间的坐标系转换关系，即外部参数，最后一个序号的相机和第一个序号也认为是相邻序号，从而构成闭环。
相机之间的坐标系转换关系进行传递，最终构成闭环。
从第一个序号的相机坐标系开始，通过连续的坐标系转换，最终应当回到第一个序号的相机坐标系，最终转换结果与第一个坐标系之间的误差，可认为是闭环总误差。
可以在全部相机中构造多个闭环，每个闭环包含不同或相同数量的相机，从而构造足够多的目标函数，以获取独立误差参数项的取值。
通过对飞机表面大范围采用多相机标定后，分解为两两相机之间的标定，从而避免了对大尺寸标定板或标定靶标的需求，简化了标定的过程；通过闭环误差的整体优化提高相机标定的全局精度，通过构造合理的误差项和目标函数，减小和消除累积误差，避免了两两标定带来的误差累积问题；可以进行多重闭环的构造，从而降低误差项的求解难度，提高其求解的精度，对多相机进行排序，确保相邻序号的相机之间有足够大的公共视野，最后一个序号的相机和第一个序号的相机之间有足够大的公共视野；使用标定板依序标定相机内部参数；使用标定板依序标定相机两两之间的外部参数，直至形成闭环；建立相机两两之间外部参数的参数化误差项；以闭环总误差为目标构造目标函数，求取使总误差最小的误差项取值；以前述误差项取值修正相机两两之间的外部参数。本方法适用于对大范围内的多个相机进行外部参数标定，可以减小两两标定带来的误差累积，达到全局最优的标定结果。
以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。

Claims (3)

1.一种飞机表面质量检测***标定方法，其特征在于：包括以下步骤：
a、将多个相机进行排序，相机排序的序号依次为1,2,3,i,i+1,N-1,N，且构成一个闭环；
b、将标定板对排序后的相机依次进行位置标定；
c、获得两两相邻相机坐标的转换关系，即相机1和相机2之间坐标系的转换关系T2 1；相机2和相机3之间的转换关系T3 2；相机i和相机i-1之间的转换关系
Figure FDA0003589526560000011
相机N-1和相机N之间的转换关系
Figure FDA0003589526560000012
相机N和相机1之间的转换关系T1 N；
d、依次构造参数化误差项△i，其与
Figure FDA0003589526560000013
为相同类型的矩阵，即由6个参数决定的旋转平移矩阵，i＝1,2,3,i,i+1,N-1,N，其中△N为转换关系T1 N的误差项；
e、构造目标函数
Figure FDA0003589526560000014
目标函数的理想值是单位旋转平移矩阵，即相机1坐标系经过连续的旋转平移变换最终回到其本身；求解使得上述目标函数值最小的集合{Δi，(i＝1，2，3，i，i+1，N-1，N)}；
f、求得的集合{Δi，(i＝1，2，3，i，i+1，N-1，N)}修正相机两两之间的转换关系
Figure FDA0003589526560000015
得到修正后的转换关系集合
Figure FDA0003589526560000016
2.如权利要求1所述的一种飞机表面质量检测***标定方法，其特征在于：所述两两相邻序号相机之间的外部参数构造的误差项相互独立。
3.如权利要求1所述的一种飞机表面质量检测***标定方法，其特征在于：所述构造目标函数以闭环总误差为目标，以独立误差参数项为参数，求取使闭环总误差最小的误差参数项取值。
CN202010412606.1A 2020-05-15 2020-05-15 一种飞机表面质量检测***标定方法 Active CN111768364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010412606.1A CN111768364B (zh) 2020-05-15 2020-05-15 一种飞机表面质量检测***标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010412606.1A CN111768364B (zh) 2020-05-15 2020-05-15 一种飞机表面质量检测***标定方法

Publications (2)

Publication Number Publication Date
CN111768364A CN111768364A (zh) 2020-10-13
CN111768364B true CN111768364B (zh) 2022-09-20

Family

ID=72720892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010412606.1A Active CN111768364B (zh) 2020-05-15 2020-05-15 一种飞机表面质量检测***标定方法

Country Status (1)

Country Link
CN (1) CN111768364B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104729534A (zh) * 2015-03-12 2015-06-24 北京空间飞行器总体设计部 合作目标的单目视觉误差测量***及误差限量化方法
CN106097300A (zh) * 2016-05-27 2016-11-09 西安交通大学 一种基于高精度运动平台的多相机标定方法
CN107680137A (zh) * 2017-09-20 2018-02-09 东南大学 一种基于球体投影公切线的多相机标定及参数优化方法
CN108648240A (zh) * 2018-05-11 2018-10-12 东南大学 基于点云特征地图配准的无重叠视场相机姿态标定方法
CN109360245A (zh) * 2018-10-26 2019-02-19 魔视智能科技(上海)有限公司 无人驾驶车辆多相机***的外参数标定方法
CN110689585A (zh) * 2019-10-09 2020-01-14 北京百度网讯科技有限公司 多相机外参的联合标定方法、装置、设备和介质
CN110919658A (zh) * 2019-12-13 2020-03-27 东华大学 一种基于视觉和多坐标系闭环转换的机器人标定方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10412369B2 (en) * 2015-07-31 2019-09-10 Dell Products, Lp Method and apparatus for compensating for camera error in a multi-camera stereo camera system
US20180374239A1 (en) * 2015-11-09 2018-12-27 Cognex Corporation System and method for field calibration of a vision system imaging two opposite sides of a calibration object
US10803292B2 (en) * 2017-04-26 2020-10-13 Mashgin Inc. Separation of objects in images from three-dimensional cameras

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104729534A (zh) * 2015-03-12 2015-06-24 北京空间飞行器总体设计部 合作目标的单目视觉误差测量***及误差限量化方法
CN106097300A (zh) * 2016-05-27 2016-11-09 西安交通大学 一种基于高精度运动平台的多相机标定方法
CN107680137A (zh) * 2017-09-20 2018-02-09 东南大学 一种基于球体投影公切线的多相机标定及参数优化方法
CN108648240A (zh) * 2018-05-11 2018-10-12 东南大学 基于点云特征地图配准的无重叠视场相机姿态标定方法
CN109360245A (zh) * 2018-10-26 2019-02-19 魔视智能科技(上海)有限公司 无人驾驶车辆多相机***的外参数标定方法
CN110689585A (zh) * 2019-10-09 2020-01-14 北京百度网讯科技有限公司 多相机外参的联合标定方法、装置、设备和介质
CN110919658A (zh) * 2019-12-13 2020-03-27 东华大学 一种基于视觉和多坐标系闭环转换的机器人标定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi-camera calibration method based on a multi-plane stereo target;Jin Zhang 等;《Applied Optics》;20191231;第58卷(第34期);9353-9359 *
激光雷达和多相机融合的智能标定方法研究;王晨宇;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20200215(第02期);C035-355 *

Also Published As

Publication number Publication date
CN111768364A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN105716542B (zh) 一种基于柔性特征点的三维数据拼接方法
CN108648241B (zh) 一种ptz摄像机现场标定及定焦方法
CN110006452B (zh) 高分六号宽视场相机相对几何定标方法及***
CN110986998B (zh) 一种基于有理函数模型的卫星视频相机在轨几何定标方法
CN108663043B (zh) 基于单个相机辅助的分布式pos主子节点相对位姿测量方法
CN103925912B (zh) 内视场光学分割型大面阵ccd影像几何拼接方法
CN109285195A (zh) 基于大尺寸靶标的单目投影***逐像素畸变校正方法及其应用
CN114972078B (zh) 应用sar影像提升国产光学卫星影像无控几何质量方法及***
CN113793270A (zh) 一种基于无人机姿态信息的航拍图像几何校正方法
CN114283203A (zh) 一种多相机***的标定方法及***
CN112946679B (zh) 一种基于人工智能的无人机测绘果冻效应检测方法及***
CN110246194A (zh) 一种像机与惯性测量单元旋转关系快速标定方法
CN112598608A (zh) 一种基于目标区域的光学卫星快速融合产品制作方法
CN111986267B (zh) 一种多相机视觉***的坐标***标定方法
CN110225321A (zh) 梯形校正的训练样本数据获取***和方法
CN112598747A (zh) 一种单目相机与投影仪的联合标定方法
CN111047586A (zh) 一种基于机器视觉的像素当量测量方法
CN111768364B (zh) 一种飞机表面质量检测***标定方法
CN112802118B (zh) 一种光学卫星传感器在轨分时几何定标方法
CN113624142B (zh) 一种飞机装配紧固件凹凸量检测方法
CN208478309U (zh) 一种用于晶圆对准的光学成像装置和晶圆对准***
CN110853140A (zh) 一种dem辅助的光学视频卫星影像稳像方法
CN101420520A (zh) 一种多摄像机阵列的联合标定方法
CN110298890B (zh) 一种基于普朗克参数化的光场相机标定方法
CN106403906A (zh) 一种提高多全景相机合成影像摄像测量精度的方法

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
GR01 Patent grant
GR01 Patent grant