CN111780678A - 一种轨道板预埋套管直径的测量方法 - Google Patents
一种轨道板预埋套管直径的测量方法 Download PDFInfo
- Publication number
- CN111780678A CN111780678A CN201911426818.9A CN201911426818A CN111780678A CN 111780678 A CN111780678 A CN 111780678A CN 201911426818 A CN201911426818 A CN 201911426818A CN 111780678 A CN111780678 A CN 111780678A
- Authority
- CN
- China
- Prior art keywords
- track slab
- image
- point cloud
- cloud data
- embedded sleeve
- 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
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
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种轨道板预埋套管直径的测量方法,属于轨道安全技术领域。该方法包括:通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得轨道板的点云数据;分割出轨道板的点云数据中预埋套管周边的点云数据;对预埋套管周边的点云数据进行预处理,利用最小二乘法找出预埋套管的圆形和半径,并确定出预埋套管的直径。本发明提出了使用双目立体视觉模块加线结构光模块,获得轨道板预埋套管的点云数据的方法,在进行特征提取和匹配点配准时,就可以有效的去除预埋套管边缘处的错误点云数据,为后续的数据处理提供方便,并增大测量的准确性。
Description
技术领域
本发明涉及轨道安全技术领域,特别涉及一种轨道板预埋套管直径的测量方法。
背景技术
随着时代的高速发展,我国应用于高速铁路的各项技术取得了举世瞩目的成就,在国际中已经取得了行业领先的地位,得益于国家对于高速铁路建设的大量支持,高速铁路已经成为国民经济大动脉,高速铁路所使用的无砟轨道板是高铁技术的关键技术之一,轨道板是承载轨道的基础,起着保证列车安全平稳运行的重要作用,不同于普通铁路的轨枕***,高速铁路所使用的轨道板有着严格的要求。预埋套管是预埋在轨枕的道钉固定孔内的一段机械强度好、耐热、耐磨、刚性高的塑料套管,它有着较长的使用寿命,简单方便的施工条件等优点,可用来提高轨枕的耐持久性、高绝缘性,满足了国家对铁路高速发展的要求,预埋在混凝土岔枕中不仅可以提高列车的运行速度,而且可以提高列车在道岔的过岔速度。因此,轨道板预埋套管的几何尺寸精度对于保证高速铁路的质量及安全平稳运行起着重要作用,我国对预埋套管的参数的测量也是具有严格的要求,选择有效准确的方法测出预埋套管半径也是检测轨道板参数的重中之重。
目前,我国轨道板的检测技术已经得到了突飞猛进的进展,常用的轨道板检测方法有游标卡尺法和结构光测量法。其中,游标卡尺法是指人为使用游标卡尺对需要检测的轨道板直接进行几何参数的相关测量,是最早应用在铁路现场的测量方法。采用游标卡尺法需要配合相应的工具,如深度尺、百分表、角度尺等测量工具。游标卡尺法的检测原理虽然简单直观,但是使用时需要配套的仪器较多,测量工序较为繁琐,而且进行接触性测量需要耗费大量的人力物力,在测量的过程中还存在安全隐患。
结构光测量法主要是利用激光的三角位移原理来进行测量,由线结构光传感器对轨道板进行实时扫描,由软件直接获取它的点云数据,再通过对点云数据的分割处理进而得到所需要的测量结果。但是由于预埋套管预埋在轨枕的道钉固定孔内且侧壁不一定垂直,结构光在对预埋套管进行扫描时,在预埋套管边界处会出现很多错误的点云数据,导致无法准确定位预埋套管的位置并获得点云数据计算其直径,对后续的数据处理造成很大的影响。
综上所述,传统用于轨道板检测的方法效率低、准确率低、速度慢,无法满足对每块轨道板的预埋套管直径的检测要求。
发明内容
为了解决相关技术中轨道板检测的效率和准确率较低的问题,本发明实施例提供了一种轨道板预埋套管直径的测量方法。所述方法包括:
通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得所述轨道板的点云数据;
分割出所述轨道板的点云数据中预埋套管周边的点云数据;
对所述预埋套管周边的点云数据进行预处理,利用最小二乘法找出所述预埋套管的圆形和半径,并确定出所述预埋套管的直径。
可选地,所述通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得所述轨道板的点云数据,包括:
搭建测量平台,所述测量平台包括所述双目立体视觉模块和所述线结构光扫描模块;
对所述双目立体视觉模块包括的两台摄像机进行标定,获得所述两台摄像机的内部参数和外部参数;
使用所述线结构光扫描模块包括的半导体激光器对轨道板的预埋套管位置处进行扫描,获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像;
使用Matlab提取出所述图像中的激光光条的中心线;
对所述左、右图像提取出的激光光条进行匹配,获得有效的匹配数据;
根据匹配的数据完成点云数据的三维重建,建立所述轨道板的坐标系,获得所述轨道板的点云数据。
可选地,所述双目立体视觉模块由两台型号为MER-131-75GM/C-P的超小型PoE工业数字摄像机组成,所述两台工业数字摄像机分别成一定角度固定在支架上,从左、右两边获取图像;所述线结构光扫描模块由一台半导体激光器、电控位移平台、滑动导轨组成,所述半导体激光器固定在所述电控位移平台上,并在所述步进电机的控制下沿着所述滑动导轨水平方向移动。
可选地,所述对所述双目立体视觉模块包括的两台摄像机进行标定,获得所述两台摄像机的内部参数和外部参数,包括:
使用9*9边长为10mm的棋盘格作为标定物,并将所述标定物放在所述两台摄像机的公共视场内,将所述两台摄像机的焦距进行调整,确保拍摄出清晰的图像;
通过改变所述标定物的方位,拍摄出多组不同方向的图像;
通过Matlab工具箱中的stereoCameraCalibrator应用程序对拍摄到的多组不同方向的图像进行双摄像机标定。
可选地,所述使用所述线结构光扫描模块包括的半导体激光器对轨道板的预埋套管位置处进行扫描,获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像,包括:
所述半导体激光器每移动一次,所述轨道板上显示一个位置处的激光光条;
所述两台摄像机分别采集图像一次,得到所述左、右图像。
可选地,所述获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像之后,还包括:对获取到的图像进行畸变校正。
可选地,所述使用Matlab提取出所述图像中的激光光条的中心线,包括:
通过所述图像中Hessian矩阵,找到所述激光光条的法线方向,再通过对所述激光光条法线方向上进行泰勒级数展开获得所述激光光条中心点的亚像素的图像坐标。
可选地,所述对所述左、右图像提取出的激光光条进行匹配,获得有效的匹配数据,包括:采用极线约束法进行匹配。
本发明实施例提供的技术方案带来的有益效果是:
本发明中可以通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得轨道板的点云数据,然后分割出预埋套管周边的点云数据,确定出预埋套管的圆形和半径,进而计算出预埋套管的直径。提出了使用双目立体视觉模块加线结构光模块,获得轨道板预埋套管的点云数据,以确定出预埋套管的直径的方法,不需要人为拿着多种测量工具,进行一一测量,节省了大量的人力物力,测量效率高,且避免了测量过程发生安全隐患;其次,由于两台摄像机对结构光的拍摄角度不同,在进行特征提取和匹配点配准时,可以有效的去除预埋套管边缘处的错误点云数据,为后续的数据处理提供方便,并增大测量的准确性;另外,使用极线约束法对激光光条进行立体匹配,极大的降低了运算量,提高了匹配的准确性,有利于后续获得准确的测量参数;再者,结合了预埋套管点云图形特点,提出使用最小二乘法拟合,获得测量参数,并得到了较精确的测量数据。
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单地介绍,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是本发明实施例提供的一种轨道板预埋套管直径的测量方法的流程图;
图2是本发明实施例提供的另一种轨道板预埋套管直径的测量方法的流程图;
图3是本发明实施例提供的一种测量平台的搭建示意图;
图4是本发明实施例提供的一种径向畸变示意图;
图5是本发明实施例提供的一种切向畸变示意图;
图6是本发明实施例提供的一种极线约束原理图;
图7是本发明实施例提供的一种双目立体视觉成像原理图;
图8是本发明实施例提供的一种预埋套管1的拟合图;
图9是本发明实施例提供的一种预埋套管2的拟合图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
以下将结合图1对本发明实施例提供的一种轨道板预埋套管直径的测量方法进行详细介绍。图1是本发明实施例提供的一种轨道板预埋套管直径的测量方法的流程图。参见图1,该方法包括以下步骤:
步骤101:通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得轨道板的点云数据。
步骤102:分割出轨道板的点云数据中预埋套管周边的点云数据。
步骤103:对预埋套管周边的点云数据进行预处理,利用最小二乘法找出预埋套管的圆形和半径,并确定出预埋套管的直径。
可选地,所述通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得所述轨道板的点云数据,包括:
搭建测量平台,所述测量平台包括所述双目立体视觉模块和所述线结构光扫描模块;
对所述双目立体视觉模块包括的两台摄像机进行标定,获得所述两台摄像机的内部参数和外部参数;
使用所述线结构光扫描模块包括的半导体激光器对轨道板的预埋套管位置处进行扫描,获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像;
使用Matlab提取出所述图像中的激光光条的中心线;
对所述左、右图像提取出的激光光条进行匹配,获得有效的匹配数据;
根据匹配的数据完成点云数据的三维重建,建立所述轨道板的坐标系,获得所述轨道板的点云数据。
可选地,所述双目立体视觉模块由两台型号为MER-131-75GM/C-P的超小型PoE工业数字摄像机组成,所述两台工业数字摄像机分别成一定角度固定在支架上,从左、右两边获取图像;所述线结构光扫描模块由一台半导体激光器、电控位移平台、滑动导轨组成,所述半导体激光器固定在所述电控位移平台上,并在所述步进电机的控制下沿着所述滑动导轨水平方向移动。
可选地,所述对所述双目立体视觉模块包括的两台摄像机进行标定,获得所述两台摄像机的内部参数和外部参数,包括:
使用9*9边长为10mm的棋盘格作为标定物,并将所述标定物放在所述两台摄像机的公共视场内,将所述两台摄像机的焦距进行调整,确保拍摄出清晰的图像;
通过改变所述标定物的方位,拍摄出多组不同方向的图像;
通过Matlab工具箱中的stereoCameraCalibrator应用程序对拍摄到的多组不同方向的图像进行双摄像机标定。
可选地,所述使用所述线结构光扫描模块包括的半导体激光器对轨道板的预埋套管位置处进行扫描,获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像,包括:
所述半导体激光器每移动一次,所述轨道板上显示一个位置处的激光光条;
所述两台摄像机分别采集图像一次,得到所述左、右图像。
可选地,所述获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像之后,还包括:对获取到的图像进行畸变校正。
可选地,所述使用Matlab提取出所述图像中的激光光条的中心线,包括:
通过所述图像中Hessian矩阵,找到所述激光光条的法线方向,再通过对所述激光光条法线方向上进行泰勒级数展开获得所述激光光条中心点的亚像素的图像坐标。
可选地,所述对所述左、右图像提取出的激光光条进行匹配,获得有效的匹配数据,包括:采用极线约束法进行匹配。
上述所有可选技术方案,均可按照任意结合形成本发明的可选实施例,本发明实施例对此不再一一赘述。
图2是本发明实施例提供的一种轨道板预埋套管直径的测量方法的流程图。本发明实施例将结合图2对图1提供的实施例进行展开论述。参见图2,该方法包括以下步骤:
步骤201:搭建测量平台,测量平台包括双目立体视觉模块和线结构光扫描模块。
具体地,参见图3,双目立体视觉模块由两台型号为MER-131-75GM/C-P 的超小型PoE工业数字摄像机组成,为保证轨道板在公共测量区域内,这两台工业数字摄像机分别成一定角度固定在支架上,用于模拟人的双眼,从左、右两边获取图像;线结构光扫描模块由一台半导体激光器、电控位移平台(图中未示出)、滑动导轨组成,半导体激光器固定在电控位移平台上,在步进电机的控制下沿着滑动导轨水平方向移动,半导体激光器每水平移动一次,两台工业数字摄像机就采集图像数据一次,由此就可以得到两幅不同角度的左右光条图像,后续就可以根据双目立体视觉理论,获得轨道板预埋套管周围的三维点云数据。
步骤202:对双目立体视觉模块包括的两台摄像机进行标定,获得两台摄像机的内部参数和外部参数。
需要说明的是,在图像的测量和机器视觉的应用过程中,为了找出物体表面某一点的三维空间位置与其在相对应的图像中对应点之间的相互关系,需要建立出摄像机成像在空间中的模型,得到空间模型参数就是我们常说的摄像机参数。在绝大多数情况下,想要获取这些常用的摄像机参数,必须进行大量实验与计算才可以得到,而这个求解摄像机参数的过程就被称为摄像机标定。无论是在机器视觉的应用还是在图像的测量中,对摄像机参数进行标定都是十分重要的环节,其中摄像机标定得出的参数精度以及标定过程中使用的算法的稳定性都会直接影响摄像机采集图像的准确性。因此,做好摄像机标定不仅是使用双目立体视觉原理的前提,而且是提高标定精度是进行后续工作的重点所在。本发明中双目摄像机标定需要使用的参数如下表1所示:
表1摄像机标定的参数
其中,内部参数是摄像机本身的物理光学参数,包括图像的主点坐标(μ0,v0),μ和v方向上的有效焦距fx和fy以及摄像机两坐标轴之间的不垂直因子γ。外部参数指的是摄像机坐标系相对于世界坐标系的方向和位置关系,本发明用旋转矩阵R和平移矩阵T来表示,可以利用摄像机的外部参数将摄像机坐标系中的点转换成理想世界坐标系中的点,从而获得物体实际的三维坐标信息,方便物体的实际测量。
常用的摄像机标定方法主要有线性模型标定方法和非线性模型标定方法。这是因为摄像机镜头可能会存在畸变,根据是否会产生畸变,将摄像机的标定方法分成线性模型标定方法和非线性模型标定方法。如果摄像机的成像模型是理想情况下的针孔模型,则使用线性模型的标定方法,此时只需要标定求解外部参数,得到旋转矩阵R和平移矩阵T;反之,摄像机的成像模型为非线性模型,则还需要考虑到内参中的畸变参数(径向畸变参数k1、k2和切向畸变参数 p1、p2)。
需要说明的是,本发明中可以采用平面棋盘格法对两台摄像机的参数进行标定,具体地,使用9*9边长为10mm的棋盘格作为标定物,并将该标定物放在两台摄像机的公共视场内,将两台摄像机的焦距进行调整确保拍摄出来的图像是清晰的,再通过改变标定物的方位拍摄出多组不同方向的图像,获得足够多的图像对后就可以进行摄像机的标定工作。本发明中通过Matlab工具箱中的 stereoCameraCalibrator应用程序进行两台摄像机的标定工作。
其次,标定结果中会直接显示标定的平均误差,将平均误差大的图像组从标点图像组中删掉,保留平均误差较小的图像组,最终看到标定的平均误差是 0.18pixels,表明标定的结果是可靠的,之后导出数据,得到如下表2所示的摄像机的标定参数表:
表2摄像机的标定参数表
需要说明的是,本发明实施例仅以上述表2所示的摄像机的标定参数表为例进行说明,上述表2并不对本发明实施例构成限定。
步骤203:使用线结构光扫描模块包括的半导体激光器对轨道板的预埋套管位置处进行扫描,获取双目立体视觉模块包括的两台摄像机检测到的左、右图像。
需要说明的是,半导体激光器每移动一次,轨道板上会显示一个位置处的激光光条,两台摄像机分别采集图像一次,每一组左、右摄像机拍下来的图像后续都要使用Matlab进行匹配和重建一次,最后将所有光条匹配和重建的数据组合在一起就可以得到轨道板的点云数据。
步骤204:对获取到的图像进行畸变校正。
需要说明的是,为了提高光通量,摄像机会使用透镜代替小孔来进行成像,但是这种代替不能完全的符合小孔成像的性质,所以成像后的图片就存在了畸变,造成图像畸变的原因有很多,总结起来可以分为两类:径向畸变和切向畸变,因而在对获取到的图像进行处理之前,还需要对图像进行畸变校正。
其中,径向畸变是指图像点相对于理想成像的位置在径向方向产生偏移现象,包括向内和向外两种偏移情况,这两种偏移情况又可以分别叫做枕形畸变和桶形畸变。顾名思义,枕形畸变使图像外侧的边缘点相对扩散,成像比例相对增大;桶形畸变则会使图像外侧的边缘点相对拥挤,成像比例相对减小,具体如图4所示。
以透镜为例子,将透镜的中心作为坐标轴原点,向外的方向是透镜的半径,当光线越靠近中心的位置,畸变越小,当光线沿着半径方向远离中心的时候,畸变越大,则径向畸变的矫正公式如下公式(1):
式中,(x,y)是理想的无畸变的坐标(图像坐标系),(xdr,ydr)是畸变后图像像素点的坐标,而且r、x、y满足如下公式(2):
r2=x2+y2 (2)
其中,切向畸变是由于透镜与成像平面不严格的平行造成的,当透镜与成像平面不行时,就产生了畸变,类似于透视变换,具体如图5所示。
具体地,切向畸变的矫正公式如下公式(3)所示:
根据上述的径向畸变和切向畸变模型,可以得到两个模型最终作用于真实图像后的矫正模型为如下公式(4):
另外,在图像采集的过程中,两台摄像机采集到的两幅图像因为摄像机固定的角度不同,拍摄出来的图像存在着极线几何关系,这种对应关系与摄像机的投影矩阵有关,因为两幅图像不是在同一个平面上的,所以为后续的立体匹配增加了大量的计算量。因而,本发明中还进行了立体校正,立体校正的作用就是要把消除畸变后的两幅图像严格地进行行对应,使得两幅图像的对极线恰好在同一水平线上,即将图像投影到共同的图像平面上,使得对应的点具有相同的行坐标。这样,在进行匹配点校准的时候,只需要在该点对应的水平线上进行扫描匹配,可以使得后续立体匹配进一步的优化,极大的减少了计算机的计算量。在完成了校正后,再进行特征点匹配就能将两张图联系到一起,进而求得距离信息,进行后续的计算处理。
步骤205:使用Matlab提取出图像中的激光光条的中心线。
需要说明的是,使用线结构光测量方法进行测量时,需要找出激光光条的中心线。线结构光的测量方法是基于主动式学技术,由线结构光激光器将线光条投射到被测物体表面,利用另一个角度的CCD获取光条的变形图像并分析经由被测物体表面得到的光条图像的变形情况,从而获得被测表面的二维轮廓。
具体地,因为激光的光条在线宽方向的光强分布与高斯分布类似,而且光条的宽度大于一个像素,因此可以为采用Steger算法,进行光条中心线的提取。 Steger算法是通过光条图像中Hessian矩阵来找到光条的法线方向,再通过对光条法线方向上进行泰勒级数展开获得光条中心点的亚像素的图像坐标。对于图像中激光条纹上的的任意一点(x,y),Hessian矩阵可以表示成如下公式(10):
其中,参数rxx代表图像沿x方向的二阶偏导数,rxy代表图像沿x、y方向的二阶偏导数,ryy代表图像沿y方向的二阶偏导数。在求解Hessian矩阵前一定要先对图像进行高斯滤波。光条的法线方向可以通过找Hessian矩阵最大特征值的特征向量,用(nx,ny)表示,将点(x0,y0)看作基准点,可以得到光条中心的亚像素坐标:(px,py)=(x0+tnx,y0+tny),其中t、n、r满足如下公式 (11):
如果(tnx,tny)∈[-0.5,0.5]×[-.5,0.5],表示当前像素内存在一阶导数为零的点,并且特征向量(nx,ny)所在的方向,二阶导数大于指定的阈值,可以确定出光条的中心点是(x0,y0),亚像素坐标是(px,py)。
步骤206:对左、右图像提取出的激光光条进行匹配,获得有效的匹配数据。
需要说明的是,对左、右图像提取出的激光光条进行匹配,获得有效的匹配数据,也即立体匹配。双目立体视觉理论中图像匹配就是为了寻找给定一副图像中已知点在另一幅图像中对应的匹配点的过程,由于受到,如噪声、光照条件、遮挡外界环境因素影响,需要选择合适的方法获得较好的立体匹配结果。比如在寻找左右图像对应点的过程中,假设没有任何约束条件,则对左图像每个像素,都需要在右图像全图空间中进行搜索,这种搜索方法不仅效率非常低,而且很容易由于其他因素(如重复纹理、光线等)寻找到错误的对应点,因此可以在匹配过程中根据具体要求选择性的使用一些约束条件,这样既可以缩小图像搜索匹配点的范围,又可以提高算法的精度与速度。常见的约束条件有一致性约束、相似性约束、极线约束、连续性约束以及唯一性约束等。
具体地,参见图6,极线约束法是最常用的立体匹配方法之一,利用极线几何约束法则可以减小搜索范围,从而提高匹配效率且降低错误匹配。在双目测量中,极线是极平面与两张图像的交线,极平面是物方点与两个摄像机中心共同所在的平面,而极线约束描述的是物方点在两张影像上的投影像点一定在同一个极平面上,进而可以推导出,左图像上每个像素点在右图像上的对应点一定在该像点所在极平面与右影像的交线(即极线)上。极线约束给出了对应点的约束条件,它将对应点的匹配从整张图像的找寻约束到从一条直线上找寻对应点,大大的减小了搜索范围,是提高匹配效率的十分有效的约束。
假设三维空间中一点P,投影到两个左右不同的图像平面I1、I2,投影点分别为P1、Pr。其中P、P1、Pr在三维空间内构成一个极平面S。S与面I1的交线1P1过P1点,称之为对应于Pr的极线。同理S与I2的交线lPr称之为对应于 P1的极线(对应于左边图像点的极线在右边图像上,右边与之相同)。因此,由之前的摄像机标定我们可以得到基础矩阵F,基于基础矩阵F,可以通过如下公式(4)计算相应的极线方程:
其中,基础矩阵F可以由摄像机标定直接得到,并且满足如下公式(5):
得到极线方程后,再分别找出左、右图像对应的匹配点,具体地,求出左图像所有待匹配点到对应的右极线方程距离,求出最小距离所对应的那个点就是右图像的匹配点。最后,将最后满足极线约束条件的对应点作为正确的匹配特征点,参加后面的三维***的重建,立体匹配的图像坐标点是在像素坐标系下的坐标,可以通过内参矩阵转换到毫米坐标系下参加三维重建工作。具体,如下公式(6)所示:
其中,点(x,y)是P点的图像毫米坐标系下的坐标,(u,v)是在像素坐标系下的坐标,(u0、v0)是光学中心,是摄像机标定的内参。
值得注意的是,图像中激光条纹的中心线是根据steger算法得出来的,先对图像进行高斯滤波,再根据激光光条的特点用Hessian矩阵来找到光条的法线方向,再通过对光条方向方向上进行泰勒级数展开获得光条中心点的亚像素的图像坐标。立体匹配按照极线约束法的原理,需要先找出左、右图像的极线方程,将左图的所有图像点带入右极线方程中,求出到右极线距离最小的点,该点即为右图像对应点的匹配点;同理,右图像也是这样处理。最后提取出匹配好的左、右特征点,根据像素坐标系和图像坐标系的转换关系,将匹配好的坐标点由像素坐标系转换到毫米世界坐标系参加三维重建工作。因为是采用线结构光测量方法进行激光光条的图像坐标匹配,只需要采集出激光光条的坐标信息就可以完成测量,所以也可以略过步骤204中双目视觉理论中畸变校正的过程,直接开始后续立体匹配与三维重建,也就是说,如果后续是采用线结构光测量方法进行激光光条的图像坐标匹配,那么就可以不执行步骤204的畸变校正步骤。
步骤207:根据匹配的数据完成点云数据的三维重建,建立轨道板的坐标系,获得轨道板的点云数据。
需要说明的是,根据匹配的数据完成点云数据的三维重建,建立轨道板的坐标系,获得轨道板的点云数据,也即三维***的重建。双目立体视觉空间测量的原理是视差原理,图7是简单的平视双目立体视觉的成像原理图。参见图7,在获得足够多三维点云的坐标信息后,就可以通过三维重建确定物体的表面形状。
假设台两摄像机的投影中心的连线距离为基线距B。三维空间点P(xc,yc, zc)是两台摄像机在同一时刻观测到的空间物体的同一特征点,这一特征点在左右摄像机的图像像素坐标系上分别表示成Pleft(Xleft,Yleft),Pright(Xright, Yright)。假设两摄像机的图像在同一平面上,通过立体匹配可以得到特征点P, P点的图像坐标与左右摄像机图像坐标系是的点在y轴是相同的,即Yleft =Yright=Y,由三角形相似性原理可以得到如下公式(7):
视差定义为从有一定距离的两个点上观察同一个目标所产生的方向差异,公式可以表示为如下公式(8):
Disparity=Xleft-Xright (8)
由此可以计算得到在摄像机坐标系下的特征点P的三维坐标是:
根据以上公式计算,可以得出只要左摄像机成像平面上的任意一点能在右摄像机成像平面上找到对应的匹配点,通过空间点P在左、右摄像机的图像坐标系下的图像坐标,就可以求出P点在摄像机坐标系下的三维坐标。综上,像面上的所有点只要能找到左右成像面的相应匹配点,就可以获得它对应的三维点坐标。
为方便计算,可以将从上面得到的左摄像机成像坐标系三维点云从左摄像机坐标系转换到世界坐标系,即通旋转矩阵R和平移矩阵T将左摄像机坐标系的点云数据转换到世界坐标系,具体如下公式(9):
由上所述,将P点的所有三维坐标统一到理想世界坐标系下,就可以完成三维***重建。
步骤208:分割出轨道板的点云数据中预埋套管周边的点云数据。
需要说明的是,通过双目立体视觉模块和线结构光扫描模块,最终可以得到半导体激光器扫描轨道板后重建的点云图,然后只需要提取预埋套管周围的点云数据,即可获得所需要的预埋套管的三维坐标信息。
步骤209:对预埋套管周边的点云数据进行预处理,利用最小二乘法找出预埋套管的圆形和半径,并确定出预埋套管的直径。
需要说明的是,通过双目视觉原理最终获得到三维点云的坐标数据,是后面三维场景的重现、三维数据的拟合等步骤的基础数据。因为测量过程中所使用的摄像机、外部测量环境、光照角度等因素的影响,最终获得的三维点云数据一定会存在不同程度测量的误差,这些测量的误差会一定程度的影响到后面的数据处理。因此,要先对测量数据进行预处理,确保测量数据有效可行。本发明中使用最小二乘法对测量数据进行处理。
最小二乘法又称最小平方法,是测量数据中最常应用的一种数学优化方法。最小二乘法的使用可以方便地计算出未知的数据,并可以使得这些计算出的数据与实际的数据之间误差的平方和为最小。特别是可以用在曲线或者曲面的拟合,找出最优化的曲线或者曲面。
从几何意义上来说就是找与之前给定的数据的点集合{(xi,yi)}(i=0,1, 2,3……,m)的距离平方和取最小的曲线y=p(x)。可以将函数p(x)称作是拟合函数或者最小二乘法解,将求拟合函数p(x)的方法叫做曲线拟合的最小二乘法。
需要说明的是,点云数据是基于双目立体视觉原理获得的,轨道板预埋套管所在位置的错误点云基本上在匹配的过程就被排除掉了,所以预埋套管所在的平面近似是一个二维平面,通过对轨道板预埋套管周围的点云数据分割提取,可以发现轨道板预埋套管周围的坐标点近似落在一个圆上,从而可以根据这些坐标数据使用最小二乘法进行圆形拟合,要求这些坐标点距离的平方和最小,从而获得拟合后的圆心坐标和半径,最终可以获得预埋套管的直径长度。
具体地,使用圆拟合的具体实现过程可以为:基于三个不在一条直线上的点可以构成一个圆的原理,使用matlab设定矩阵范围,大致分割出预埋套管周围几组点云数据,该矩阵范围是为了尽可能找出圆心的大致位置和半径的大小,因此矩阵分割出的是矩形选区,与预埋套管的点云数据一叠加就可以得出矩形四个角的点云数据,如图8和图9的左图所示,由这些点先进行第一次拟合,得到一个圆,就可以求出圆心和半径的粗略范围;之后,根据第一次拟合的结果,用matlab中roundn函数让圆心保留小数点后一位有效数字,用ceil函数取半径的正无穷方向的整数,再将调整后的圆心坐标和半径带入圆的方程,以此选取预埋套管圆形周围的点云数据,分割出预埋套管周围的坐标点,由分割出的坐标点再次使用最小二乘法拟合出圆心和半径参数,如图8和图9的右图所示。其中,预埋套管1和预埋套管2两次拟合出的数据表如下表3所示:
表3预埋套管1和预埋套管2两次拟合出的数据表
需要说明的是,本发明实施例仅以上述表3所示的预埋套管1和预埋套管2 两次拟合出的数据表为例进行说明,上述表3并不对本发明实施例构成限定。
由上述表3可知,获得的轨道板预埋套管的直径长度与数据直径长度25mm 相比较,测量的相对误差在1.5%左右,由测量得出的圆心坐标计算得出同一承轨台两相邻套管中心距离约为234.82mm,标准值为233.3mm,测量的相对误差为0.86%,因此使用双目***加线结构光测量方法得出结果是比较精确的。
本发明中可以通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得轨道板的点云数据,然后分割出预埋套管周边的点云数据,确定出预埋套管的圆形和半径,进而计算出预埋套管的直径。提出了使用双目立体视觉模块加线结构光模块,获得轨道板预埋套管的点云数据,以确定出预埋套管的直径的方法,不需要人为拿着多种测量工具,进行一一测量,节省了大量的人力物力,测量效率高,且避免了测量过程发生安全隐患;其次,由于两台摄像机对结构光的拍摄角度不同,在进行特征提取和匹配点配准时,可以有效的去除预埋套管边缘处的错误点云数据,为后续的数据处理提供方便,并增大测量的准确性;另外,使用极线约束法对激光光条进行立体匹配,极大的降低了运算量,提高了匹配的准确性,有利于后续获得准确的测量参数;再者,结合了预埋套管点云图形特点,提出使用最小二乘法拟合,获得测量参数,并得到了较精确的测量数据。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种轨道板预埋套管直径的测量方法,其特征在于,所述方法包括:
通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得所述轨道板的点云数据;
分割出所述轨道板的点云数据中预埋套管周边的点云数据;
对所述预埋套管周边的点云数据进行预处理,利用最小二乘法找出所述预埋套管的圆形和半径,并确定出所述预埋套管的直径。
2.根据权利要求1所述的方法,其特征在于,所述通过双目立体视觉模块和线结构光扫描模块,建立轨道板的坐标系,获得所述轨道板的点云数据,包括:
搭建测量平台,所述测量平台包括所述双目立体视觉模块和所述线结构光扫描模块;
对所述双目立体视觉模块包括的两台摄像机进行标定,获得所述两台摄像机的内部参数和外部参数;
使用所述线结构光扫描模块包括的半导体激光器对轨道板的预埋套管位置处进行扫描,获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像;
使用Matlab提取出所述图像中的激光光条的中心线;
对所述左、右图像提取出的激光光条进行匹配,获得有效的匹配数据;
根据匹配的数据完成点云数据的三维重建,建立所述轨道板的坐标系,获得所述轨道板的点云数据。
3.根据权利要求2所述的方法,其特征在于,所述双目立体视觉模块由两台型号为MER-131-75GM/C-P的超小型PoE工业数字摄像机组成,所述两台工业数字摄像机分别成一定角度固定在支架上,从左、右两边获取图像;所述线结构光扫描模块由一台半导体激光器、电控位移平台、滑动导轨组成,所述半导体激光器固定在所述电控位移平台上,并在所述步进电机的控制下沿着所述滑动导轨水平方向移动。
4.根据权利要求2所述的方法,其特征在于,所述对所述双目立体视觉模块包括的两台摄像机进行标定,获得所述两台摄像机的内部参数和外部参数,包括:
使用9*9边长为10mm的棋盘格作为标定物,并将所述标定物放在所述两台摄像机的公共视场内,将所述两台摄像机的焦距进行调整,确保拍摄出清晰的图像;
通过改变所述标定物的方位,拍摄出多组不同方向的图像;
通过Matlab工具箱中的stereoCameraCalibrator应用程序对拍摄到的多组不同方向的图像进行双摄像机标定。
5.根据权利要求3所述的方法,其特征在于,所述使用所述线结构光扫描模块包括的半导体激光器对轨道板的预埋套管位置处进行扫描,获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像,包括:
所述半导体激光器每移动一次,所述轨道板上显示一个位置处的激光光条;
所述两台摄像机分别采集图像一次,得到所述左、右图像。
6.根据权利要求2所述的方法,其特征在于,所述获取所述双目立体视觉模块包括的两台摄像机检测到的左、右图像之后,还包括:对获取到的图像进行畸变校正。
7.根据权利要求2所述的方法,其特征在于,所述使用Matlab提取出所述图像中的激光光条的中心线,包括:
通过所述图像中Hessian矩阵,找到所述激光光条的法线方向,再通过对所述激光光条法线方向上进行泰勒级数展开获得所述激光光条中心点的亚像素的图像坐标。
8.根据权利要求2所述的方法,其特征在于,所述对所述左、右图像提取出的激光光条进行匹配,获得有效的匹配数据,包括:采用极线约束法进行匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911426818.9A CN111780678A (zh) | 2019-12-30 | 2019-12-30 | 一种轨道板预埋套管直径的测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911426818.9A CN111780678A (zh) | 2019-12-30 | 2019-12-30 | 一种轨道板预埋套管直径的测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111780678A true CN111780678A (zh) | 2020-10-16 |
Family
ID=72754992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911426818.9A Pending CN111780678A (zh) | 2019-12-30 | 2019-12-30 | 一种轨道板预埋套管直径的测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111780678A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112525106A (zh) * | 2020-10-23 | 2021-03-19 | 清华大学 | 基于三相机协同激光的3d探测方法及装置 |
CN114322755A (zh) * | 2021-11-16 | 2022-04-12 | 中铁十四局集团房桥有限公司 | 一种岔枕底模板自动检测装置及检测方法 |
CN115115602A (zh) * | 2022-05-31 | 2022-09-27 | 江苏濠汉信息技术有限公司 | 线材直径测量过程中纹理定位的算法 |
CN115638725A (zh) * | 2022-10-26 | 2023-01-24 | 成都清正公路工程试验检测有限公司 | 一种基于自动测量***的目标点位测量方法 |
CN116659419A (zh) * | 2023-07-28 | 2023-08-29 | 成都市特种设备检验检测研究院(成都市特种设备应急处置中心) | 一种电梯导轨参数测量装置及方法 |
-
2019
- 2019-12-30 CN CN201911426818.9A patent/CN111780678A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112525106A (zh) * | 2020-10-23 | 2021-03-19 | 清华大学 | 基于三相机协同激光的3d探测方法及装置 |
CN112525106B (zh) * | 2020-10-23 | 2022-08-26 | 清华大学 | 基于三相机协同激光的3d探测方法及装置 |
CN114322755A (zh) * | 2021-11-16 | 2022-04-12 | 中铁十四局集团房桥有限公司 | 一种岔枕底模板自动检测装置及检测方法 |
CN115115602A (zh) * | 2022-05-31 | 2022-09-27 | 江苏濠汉信息技术有限公司 | 线材直径测量过程中纹理定位的算法 |
CN115115602B (zh) * | 2022-05-31 | 2023-09-19 | 江苏濠汉信息技术有限公司 | 线材直径测量过程中纹理定位的算法 |
CN115638725A (zh) * | 2022-10-26 | 2023-01-24 | 成都清正公路工程试验检测有限公司 | 一种基于自动测量***的目标点位测量方法 |
CN116659419A (zh) * | 2023-07-28 | 2023-08-29 | 成都市特种设备检验检测研究院(成都市特种设备应急处置中心) | 一种电梯导轨参数测量装置及方法 |
CN116659419B (zh) * | 2023-07-28 | 2023-10-20 | 成都市特种设备检验检测研究院(成都市特种设备应急处置中心) | 一种电梯导轨参数测量装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111780678A (zh) | 一种轨道板预埋套管直径的测量方法 | |
Liu et al. | Concrete crack assessment using digital image processing and 3D scene reconstruction | |
Hou et al. | Experimentation of 3D pavement imaging through stereovision | |
US7430312B2 (en) | Creating 3D images of objects by illuminating with infrared patterns | |
Zhou et al. | Rail profile measurement based on line-structured light vision | |
CN104990515B (zh) | 大型物体三维形状测量***及其测量方法 | |
CN114998499B (zh) | 一种基于线激光振镜扫描的双目三维重建方法及*** | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
JP2017510793A (ja) | 2つのカメラからの曲線の集合の構造化光整合 | |
CN105096314A (zh) | 基于二值网格模板的结构光动态场景深度获取方法 | |
Zhao et al. | A robust method for registering ground-based laser range images of urban outdoor objects | |
Kuznetsov et al. | Image rectification for prism-based stereoscopic optical systems | |
CN116245926A (zh) | 一种确定岩体表面粗糙度的方法及相关组件 | |
Kochi et al. | Development of 3D image measurement system and stereo‐matching method, and its archaeological measurement | |
Thanusutiyabhorn et al. | Image-based 3D laser scanner | |
CN212363177U (zh) | 一种多摄像头测距的机器人 | |
Yue et al. | Research on image deformation monitoring algorithm based on binocular vision | |
Pedersini et al. | Automatic monitoring and 3D reconstruction applied to cultural heritage | |
Cui et al. | Epipolar geometry for prism-based single-lens stereovision | |
KR20020037778A (ko) | 3차원 형상 측정방법 | |
CN116542927A (zh) | 一种基于相机视觉的轨道板产品平面度检测方法 | |
Zhao et al. | 3D concave defect measurement system of the cryogenic insulated cylinder based on linear structured light | |
Jin et al. | A Stereo Vision-Based Flexible Deflection Measurement System | |
Meng et al. | An angle measurement system for bending machine based on binocular active vision | |
Ma et al. | Hybrid scene reconstruction by integrating scan data and stereo image pairs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201016 |