CN111968183A - 一种用于单目线激光三维测量模块标定的量块标定法 - Google Patents
一种用于单目线激光三维测量模块标定的量块标定法 Download PDFInfo
- Publication number
- CN111968183A CN111968183A CN202010824459.9A CN202010824459A CN111968183A CN 111968183 A CN111968183 A CN 111968183A CN 202010824459 A CN202010824459 A CN 202010824459A CN 111968183 A CN111968183 A CN 111968183A
- Authority
- CN
- China
- Prior art keywords
- gauge block
- calibration
- standard
- gauge
- fitting
- 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.)
- Granted
Links
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
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种用于单目线激光三维测量模块标定的量块标定法,使用长量块制作标准数据集,先选择量块组;然后测量模块拍摄量块、量块组的图片集,作为标准数据集;再进行Z轴标定、Y轴标定;最后根据拟合结果,评估标定误差;本发明大大降低了标定成本,且具有操作简单、标定步骤少、标定速度快、标定精度高、实用性强等优点,有望在工业领域得到应用。
Description
技术领域
本发明涉及单目线激光测量技术领域,具体涉及一种用于单目线激光三维测量模块标定的量块标定法。
背景技术
单目线激光测量技术是一种非接触式的三维测量方法,具有测量点密度大、抗干扰能力强、测量速度快、可扩展性好、精度高等优点,在三维模型重建、在线检测等领域得到广泛应用。
单目线激光测量***由单目线激光测量模块与运动模块组成,其中单目线激光测量模块是三维测量、点云获取的核心模块,其标定精度直接决定整个测量***的精度。对于单目线激光测量模块的标定,传统方法,如中国专利(申请号为201910355395.X;申请号为202010370860.X),往往需要相机标定与激光平面拟合,步骤繁琐,测量误差难以溯源;对于高精度测量模块的标定,需要更高精度的相机标定板完成,而高精度的相机标定板价格昂贵,成本较高。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供了一种用于单目线激光三维测量模块标定的量块标定法,大大降低了标定成本,且具有操作简单、标定步骤少、标定速度快、标定精度高、实用性强等优点,有望在工业领域得到应用。
为了达到上述目的,本发明采取的技术方案为:
一种用于单目线激光三维测量模块标定的量块标定法,使用量块制作标准数据集,包括以下步骤:
步骤1:选择量块组,根据测量模块使用场景确定其测量范围,并根据测量范围确定量块尺寸,量块尺寸应小于相机视野,量块组的组合高度应尽量布满高度测量范围;根据精度需求确定量块精度等级,应使量块精度高于测量精度一个数量级;
步骤2:测量模块拍摄量块、量块组的图片集,作为标准数据集,对于每个量块或量块组,应拍摄三张图片,三张图片中量块或量块组分别位于图片上方、中部及下方;拍摄中部图片时,量块长边与激光线平行,拍摄上部图片时,量块上端位于相机视野上边缘以外;拍摄下部图片时,量块下端位于相机视野下边缘以外;
步骤3:Z轴标定,对标准数据集中的每张图片,计算激光线中心点坐标,得到一系列标准点云数据,对标准点云数据的X轴坐标、Z轴坐标进行数据拟合,完成Z轴标定;
步骤4:Y轴标定,选择标准数据集中量块位于中部的图片,计算激光线在量块上所成光条的像素长度,对光条的像素长度与量块长边的实际长度进行数据拟合,完成Y轴标定;
步骤5:根据拟合结果,评估标定误差。
所述的步骤3中激光线中心点坐标计算方法采用灰度重心法或Steger算法;数据拟合方法采用多元多项式最小二乘拟合、机器学习回归算法或神经网络方法。
所述的步骤4中采用灰度累积自适应阈值法实现量块光条的像素长度计算,沿X轴进行灰度累加,得到灰度累积向量,对灰度累积向量进行自适应阈值处理,将向量最大值的20%作为阈值,计算大于阈值的向量长度作为光条长度。
所述的步骤5中评估标定误差采用两种误差评估方法:残差法与交叉验证法;
残差法使用所有标准数据进行数据拟合,拟合完成后计算预测值与真实值的残差,使用残差标准差、残差绝对值平均值、残差绝对值最大值的指标评估误差;
交叉验证法来自机器学习领域,使用部分标准数据集作为训练集进行拟合,使用其他标准数据集作为测试集进行误差评估。
所述的量块是标准量块、机加工定制的高精度长方体标准块或3D打印得到的高精度长方体标准块。
本发明有益效果:
本发明通过使用量块制作标准数据集,可以省去传统标定方法中相机标定与激光平面拟合两个步骤,并在数据拟合中完成对相机畸变的矫正,大大简化了标定操作流程,有效降低了标定算法的复杂度,同时还具有标定速度快、标定精度高、测量误差易于溯源、实用性强等优点;此外,本发明使用量块替代专用标定板,大大降低了标定的成本,适合大规模应用于工业领域。
附图说明
图1是本发明方法的流程图。
图2是实施例测量模块拍摄量块的示意图。
图3是实施例某量块的拍摄样例。
图4是实施例根据标准图像集计算得到的标准数据点云。
图5是实施例灰度累积自适应阈值法计算量块光条长度的示意图。
具体实施方式
下面将结合实施例及附图对本发明的技术方案进行清楚、完整的描述,所描述的实施例仅是本发明的部分内容,而基于实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种用于单目线激光三维测量模块标定的量块标定法,使用长方体标准块作为量块制作标准数据集,包括以下步骤:
步骤1:选择量块组,根据测量模块使用场景确定其测量范围,并根据测量范围确定量块尺寸,量块尺寸应小于相机视野,量块组的组合高度应尽量布满高度测量范围;根据精度需求确定量块精度等级,应使量块精度高于测量精度一个数量级;
步骤2:如图2、图3所示,测量模块位于支架的上部,量块位于支架的下部,测量模块拍摄量块、量块组的图片集,作为标准数据集,对于每个量块或量块组,应拍摄三张图片,三张图片中量块或量块组分别位于图片上方、中部及下方;拍摄中部图片时,量块长边与激光线平行,拍摄上部图片时,量块上端位于相机视野上边缘以外;拍摄下部图片时,量块下端位于相机视野下边缘以外;
步骤3:Z轴标定,对标准数据集中的每张图片,计算激光线中心点坐标,得到一系列标准点云数据,对标准点云数据的X轴坐标、Z轴坐标进行数据拟合,完成Z轴标定;
本实施例中采用二元二次多项式最小二乘方法拟合数据,具体计算过程如下:
如图4所示,计算激光线中心点坐标后得到一系列标准点云:
Z轴标定的目标函数:
z=f(x,y)
使用二元二次多项式最小二乘拟合方法对数据进行拟合,设
z=f(x,y)=a0+a1x+a2y+a3x2+a4xy+a5y2
结合标准点云数据,即可求出上式6个系数的值,并完成Z轴标定;
步骤4:Y轴标定,选择标准数据集中量块位于中部的图片,计算激光线在量块上所成光条的像素长度,对光条的像素长度与量块长边的实际长度进行数据拟合,完成Y轴标定;
计算量块光条长度时,由于量块边缘处反射光不稳定,拍摄得到的光条两端存在毛刺状噪点,大大影响了光条长度的计算精度;为了减小噪点的影响,采用灰度累积自适应阈值法实现量块光条的像素长度计算,如图5所示,沿X轴进行灰度累加,得到灰度累积向量,对灰度累积向量进行自适应阈值处理,将向量最大值的20%作为阈值,计算大于阈值的向量长度作为光条长度;
步骤5:根据拟合结果,评估标定误差;
评估标定误差采用两种误差评估方法:残差法与交叉验证法;
残差法使用所有标准数据进行数据拟合,拟合完成后计算预测值与真实值的残差,使用残差标准差、残差绝对值平均值、残差绝对值最大值的指标评估误差;
交叉验证法来自机器学***均值、残差绝对值最大值的指标评估误差。
Claims (5)
1.一种用于单目线激光三维测量模块标定的量块标定法,其特征在于,使用量块制作标准数据集,包括以下步骤:
步骤1:选择量块组,根据测量模块使用场景确定其测量范围,并根据测量范围确定量块尺寸,量块尺寸应小于相机视野,量块组的组合高度应尽量布满高度测量范围;根据精度需求确定量块精度等级,应使量块精度高于测量精度一个数量级;
步骤2:拍摄量块、量块组的图片集,作为标准数据集,对于每个量块或量块组,应拍摄三张图片,三张图片中量块或量块组分别位于图片上方、中部及下方;拍摄中部图片时,量块长边与激光线平行,拍摄上部图片时,量块上端位于相机视野上边缘以外;拍摄下部图片时,量块下端位于相机视野下边缘以外;
步骤3:Z轴标定,对标准数据集中的每张图片,计算激光线中心点坐标,得到一系列标准点云数据,对标准点云数据的X轴坐标、Z轴坐标进行数据拟合,完成Z轴标定;
步骤4:Y轴标定,选择标准数据集中量块位于中部的图片,计算激光线在量块上所成光条的像素长度,对光条的像素长度与量块长边的实际长度进行数据拟合,完成Y轴标定;
步骤5:根据拟合结果,评估标定误差。
2.根据权利要求1所述的一种用于单目线激光三维测量模块标定的量块标定法,其特征在于:所述的步骤3中激光线中心点坐标计算方法采用灰度重心法或Steger算法;数据拟合方法采用多元多项式最小二乘拟合、机器学习回归算法或神经网络方法。
3.根据权利要求1所述的一种用于单目线激光三维测量模块标定的量块标定法,其特征在于:所述的步骤4中采用灰度累积自适应阈值法实现量块光条的像素长度计算,沿X轴进行灰度累加,得到灰度累积向量,对灰度累积向量进行自适应阈值处理,将向量最大值的20%作为阈值,计算大于阈值的向量长度作为光条长度。
4.根据权利要求1所述的一种用于单目线激光三维测量模块标定的量块标定法,其特征在于,所述的步骤5中评估标定误差采用两种误差评估方法:残差法与交叉验证法;
残差法使用所有标准数据进行数据拟合,拟合完成后计算预测值与真实值的残差,使用残差标准差、残差绝对值平均值、残差绝对值最大值的指标评估误差;
交叉验证法来自机器学习领域,使用部分标准数据集作为训练集进行拟合,使用其他标准数据集作为测试集进行误差评估。
5.根据权利要求1所述的一种用于单目线激光三维测量模块标定的量块标定法,其特征在于:所述的量块是标准量块、机加工定制的高精度长方体标准块或3D打印得到的高精度长方体标准块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824459.9A CN111968183B (zh) | 2020-08-17 | 2020-08-17 | 一种用于单目线激光三维测量模块标定的量块标定法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824459.9A CN111968183B (zh) | 2020-08-17 | 2020-08-17 | 一种用于单目线激光三维测量模块标定的量块标定法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968183A true CN111968183A (zh) | 2020-11-20 |
CN111968183B CN111968183B (zh) | 2022-04-05 |
Family
ID=73388076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010824459.9A Active CN111968183B (zh) | 2020-08-17 | 2020-08-17 | 一种用于单目线激光三维测量模块标定的量块标定法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968183B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112797915A (zh) * | 2020-12-29 | 2021-05-14 | 杭州海康机器人技术有限公司 | 一种线结构光测量***的标定方法、标定装置、以及*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10255399A1 (de) * | 2002-11-28 | 2004-07-08 | Technologiepool Gmbh | Verfahren und Vorrichtung zum Kalibrieren von Parallelendmaßen |
US20050068523A1 (en) * | 2003-08-11 | 2005-03-31 | Multi-Dimension Technology, Llc | Calibration block and method for 3D scanner |
CN101526336A (zh) * | 2009-04-20 | 2009-09-09 | 陈炳生 | 基于量块的线结构光三维视觉传感器标定方法 |
CN103530880A (zh) * | 2013-10-16 | 2014-01-22 | 大连理工大学 | 基于投影高斯网格图案的摄像机标定方法 |
CN103837093A (zh) * | 2012-11-20 | 2014-06-04 | 鸿富锦精密工业(深圳)有限公司 | 光谱共焦传感器校准***及方法 |
CN103884271A (zh) * | 2012-12-20 | 2014-06-25 | 中国科学院沈阳自动化研究所 | 一种线结构光视觉传感器直接标定方法 |
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 |
CN107424164A (zh) * | 2017-07-19 | 2017-12-01 | 中国计量大学 | 一种图像边缘检测精度评价方法 |
CN108709499A (zh) * | 2018-04-28 | 2018-10-26 | 天津大学 | 一种结构光视觉传感器及其快速标定方法 |
CN110118528A (zh) * | 2019-04-29 | 2019-08-13 | 天津大学 | 一种基于棋盘靶标的线结构光标定方法 |
CN110306413A (zh) * | 2018-11-30 | 2019-10-08 | 武汉滨湖电子有限责任公司 | 一种基于单目测量的高精度车辙测量装置及测量方法 |
CN110440721A (zh) * | 2019-08-19 | 2019-11-12 | 天津商业大学 | 一种三维移动平台运动角误差快速测量装置及方法 |
-
2020
- 2020-08-17 CN CN202010824459.9A patent/CN111968183B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10255399A1 (de) * | 2002-11-28 | 2004-07-08 | Technologiepool Gmbh | Verfahren und Vorrichtung zum Kalibrieren von Parallelendmaßen |
US20050068523A1 (en) * | 2003-08-11 | 2005-03-31 | Multi-Dimension Technology, Llc | Calibration block and method for 3D scanner |
CN101526336A (zh) * | 2009-04-20 | 2009-09-09 | 陈炳生 | 基于量块的线结构光三维视觉传感器标定方法 |
CN103837093A (zh) * | 2012-11-20 | 2014-06-04 | 鸿富锦精密工业(深圳)有限公司 | 光谱共焦传感器校准***及方法 |
CN103884271A (zh) * | 2012-12-20 | 2014-06-25 | 中国科学院沈阳自动化研究所 | 一种线结构光视觉传感器直接标定方法 |
CN103530880A (zh) * | 2013-10-16 | 2014-01-22 | 大连理工大学 | 基于投影高斯网格图案的摄像机标定方法 |
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 |
CN107424164A (zh) * | 2017-07-19 | 2017-12-01 | 中国计量大学 | 一种图像边缘检测精度评价方法 |
CN108709499A (zh) * | 2018-04-28 | 2018-10-26 | 天津大学 | 一种结构光视觉传感器及其快速标定方法 |
CN110306413A (zh) * | 2018-11-30 | 2019-10-08 | 武汉滨湖电子有限责任公司 | 一种基于单目测量的高精度车辙测量装置及测量方法 |
CN110118528A (zh) * | 2019-04-29 | 2019-08-13 | 天津大学 | 一种基于棋盘靶标的线结构光标定方法 |
CN110440721A (zh) * | 2019-08-19 | 2019-11-12 | 天津商业大学 | 一种三维移动平台运动角误差快速测量装置及方法 |
Non-Patent Citations (4)
Title |
---|
QIUCHENGSUN 等: "A robust method to extract a laser stripe centre based on grey level moment", 《OPTICS AND LASERS IN ENGINEERING》 * |
聂恒敬等: "用量块标定双频激光干涉仪的新方法", 《上海计量测试》 * |
邹媛媛等: "基于量块的线结构光视觉传感器直接标定方法", 《中国激光》 * |
鞠标等: "钢轨匹配中的线结构光平面标定方法研究", 《激光与红外》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112797915A (zh) * | 2020-12-29 | 2021-05-14 | 杭州海康机器人技术有限公司 | 一种线结构光测量***的标定方法、标定装置、以及*** |
CN112797915B (zh) * | 2020-12-29 | 2023-09-12 | 杭州海康机器人股份有限公司 | 一种线结构光测量***的标定方法、标定装置、以及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111968183B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106981083B (zh) | 双目立体视觉***摄像机参数的分步标定方法 | |
CN111207695A (zh) | 一种基于双线结构光的热轧带钢端部三维轮廓测量方法 | |
CN110189400B (zh) | 一种三维重建方法、三维重建***、移动终端及存储装置 | |
CN109297436B (zh) | 双目线激光立体测量基准标定方法 | |
CN103366360A (zh) | 信息处理设备和信息处理方法 | |
CN111667536A (zh) | 一种基于变焦相机深度估计的参数标定方法 | |
CN106225676B (zh) | 三维测量方法、装置及*** | |
CN112964186B (zh) | 一种轴孔自动化装配过程中间隙测量装置及方法 | |
CN111207670A (zh) | 一种线结构光标定装置及方法 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN113610929B (zh) | 一种相机与多线激光的联合标定方法 | |
CN107339938A (zh) | 一种用于单目立体视觉自标定的异型标定块及标定方法 | |
CN111968183B (zh) | 一种用于单目线激光三维测量模块标定的量块标定法 | |
CN112734858A (zh) | 一种双目标定精度在线检测方法及装置 | |
Xu et al. | Improved calibration method based on the RANSAC approach and an improved gray centroid method for a laser-line-based structured light system | |
CN111738971A (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
CN110796710A (zh) | 基于流形空间的快速在线标定相机外参的方法和模块 | |
CN111028294A (zh) | 一种基于深度相机的多距离标定方法及*** | |
CN100357702C (zh) | 一种三维视觉现场测量量值传递方法及装置 | |
CN114022636A (zh) | 一种基于3d线扫描相机点云畸变矫正方法和相关设备 | |
CN110400333B (zh) | 教练式双目立体视觉装置及高精度立体视觉图像获取方法 | |
Jianming et al. | Error correction for high-precision measurement of cylindrical objects diameter based on machine vision | |
CN112712566A (zh) | 基于结构参数在线校正的双目立体视觉传感器测量方法 | |
CN110842930A (zh) | 基于dlp和相机标定的用于机器人的视觉装置及测量方法 | |
CN114877826B (zh) | 一种双目立体匹配三维测量方法、***及存储介质 |
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 |