CN112066876B - 一种利用手机快速测量物体尺寸方法 - Google Patents

Abstract

本发明公开了一种利用手机快速测量物体尺寸方法，本发明基于摄影测量和双目立体视觉原理，使用市面上能够联网的、带有双摄像头功能的普通手机，即得到物体的最小外接立方体(长、宽、高)，不需要借助景深相机等其他专业设备，操作简单、便捷、速度快。本发明使物流行业的工作者们能够快捷地根据不同的物件选择合适大小的包装盒，以达到提升物流人员工作效率的目的。

Description

一种利用手机快速测量物体尺寸方法

技术领域

本发明属于摄影测量和图像处理技术领域，涉及一种物体尺寸快速测量方法，特别是面向物流行业的邮寄物体长宽高快速估算方法。

背景技术

随着我国电子商务的蓬勃发展，网络购物逐渐成为消费者的重要购物方式，与此同时，与网络购物紧密相连的快递服务行业也得到了飞速发展，中国目前有数十万家物流企业，绝大部分规模小而分散。无论是个人还是公司，通过快递运送的货物越来越多，全国每天都有十几亿个包裹邮递出去。

基础要素数字化，是物流精细化、智能化运作的基础，货物的重量和尺寸大小是物流行业中的基础要素，重量信息的获取现在已经十分便捷，但物体尺寸大小(长、宽、高)的获取还存在效率低，成本高，准确度差等问题，导致基于物体尺寸数据的应用难以展开，例如一个邮寄物体需要多大尺寸的包装盒最为合适。

最为直观的尺寸测量方法是采用钢尺或皮尺进行测量，而这种方法主要应用于较为规则的物体(立方体形状)，而对于不规则的物体则很难直接进行量测，还存在效率低、难以自动化和智能化，不能适应当前信息化的需求。

在摄影测量技术领域，可以通过构建物体三维模型来精确获取物体尺寸。主流的构建三维模型的方法大致分为三大类：激光扫描法，光栅图像法和多角度图像法。激光扫描法是利用激光扫描仪对物体进行全方位扫描，获得物体表面的点云数据，然后根据点云数据构建物体的三维模型。光栅图像法是将光栅照射在物体上，获取光栅图像，然后根据光栅的弯曲情况还原物体三维模型的一种方法。多角度图像法是利用测量相机或经过精确标定的数码相机，从不同角度对同一物体拍摄多张图像，然后利用摄影测量和图像处理方法处理这些图像，从而生成三维模型。

这些尺寸测量的方法虽然能够实现自动化和智能化，但还存在如下问题：①需要专业设备，仪器价格较为昂贵，一台摄影测量领域专业的激光扫描仪要几十万元到几百万元，是普通物流行业难以承受的；②处理激光点云数据和摄影测量图像数据，需要非常专业的知识储备，普通人员难以实现；③数据处理流程复杂，需要专业的数据处理软件；④直接利用图像获得的物体尺寸是相对的，并不是物体的真实尺寸。

因此，寻求一种高效、便捷，自动化、智能化的物体尺寸估算方法，利用物流从业人员自己随身携带的手机，将每个邮寄物体的长、宽、高测量出来，对物流行业有非常重要的应用价值，可以极大的降低物流精细化管理成本并提升物流效率。

发明内容

本发明的目的就在于针对物流行业中，物体尺寸测量遇到的上述问题，提供一种使用手机将规则和不规则物体尺寸(长、宽、高)快速估算出来的方法。

本发明基于摄影测量和双目立体视觉原理，使用市面上能够联网的、带有双摄像头功能的普通手机，即得到物体的最小外接立方体(长、宽、高)，不需要借助景深相机等其他专业设备，操作简单、便捷、速度快。本发明使物流行业的工作者们能够快捷地根据不同的物件选择合适大小的包装盒，以达到提升物流人员工作效率的目的。

实现本发明目的采用的技术方案是一种利用手机快速测量物体尺寸方法，包括如下步骤：

步骤1，手机相机参数标定，包括对左、右两个单目相机参数的标定和左右两相机***外参的标定，其中，单目相机参数标定包括线性参数标定和非线性畸变参数的标定，线性参数标定用于求解相机内参数和外参数，两相机***的外参是指两相机的相对位置和方位；

步骤2，图像拍摄，利用双摄像头的手机从被待测物体对象的正面和侧面分别拍摄物体图像，分别获得待测物体正面的左图像和右图像，以及待测物体侧面的左图像和右图像；

步骤3，将正面的左图像和右图像，以及侧面的左图像和右图像进行图像转换、压缩和上传；

步骤4，对上述四张图像进行预处理；

步骤5，分别对正面的左图像和右图像，以及侧面的左图像和左图像进行边缘提取与边缘特征配准，得到正面图像和侧面图像；

步骤7，提取待测物体的最小外接矩形，其中正面图像获取的是待测物体的长或宽和高，侧面图像获取的是待测物体的宽或长和高；

步骤8，待测物体上任意一点的物方坐标计算；

步骤9，目标尺寸显示，根据后台解算所得的待测物体各部分的坐标值，在前台绘制出目标物体，并显示物体尺寸大小；

步骤10，用户确认目标物体，后台解算后返回结果展示给客户，为了确认后台计算的目标物体是否是用户想要测量的物体，需要用户进行确认，否则重新量测。

进一步的，步骤1中单目相机线性参数标定用于求解五个内参和六个外参，五个内参，即：相机焦距f、像素坐标系中心点坐标(u₀、v₀)、以及一个像素在x方向所占的长度单位dx、在y方向所占据的长度单位dy，即一个像素代表的实际物理值的大小；六个外参，即三个坐标轴的旋转参数(ω，δ，θ)和平移参数(T_x，T_y，T_z)，其中，ω为相机坐标系的x轴与世界坐标系x轴的夹角，δ为相机坐标系的y轴与世界坐标系的y轴之间的夹角，θ为相机坐标系的z轴与世界坐标系的z轴之间的夹角。T_x为相机坐标系原点与世界坐标系原点在x方向的距离，T_y为相机坐标系原点与世界坐标系原点在y方向的距离，T_z为相机坐标系原点与世界坐标系原点在z方向的距离；具体实现方式为：

单目相机标定应满足的方程为：

式中，Z_c为比例因子，(u、v)为像素坐标，(u₀、v₀)是像素坐标系中心点坐标，(X_w，Y_w，Z_w)世界坐标系中的真实坐标，dx，dy为表示单个像素点在x方向和y方向的物理尺寸，r为坐标轴倾斜参数，理想情况下为0，f为相机焦距，其中，f_x＝f/dx称为相机在x方向上的焦距，也称为x方向上的尺度因子，f_y＝f/dy称为相机在y方向上的焦距，也称为y方向上的尺度因子，R和T分别描述了点在相机坐标系与世界坐标系之间的旋转矩阵和偏移向量，X_W＝[X_w Y_wZ_w 1]^T，M₁由f_x、f_y、u₀、v₀决定，由于这些参数与相机的内部结构有关，因此称为相机的内部参数，M₂由旋转矩阵R和平移向量T决定，刻画的是相机坐标系相对于世界坐标系的位置，因此称为相机的外部参数。

进一步的，步骤2中非线性畸变参数的标定中畸变系数的具体计算方式如下：

将畸变量表示为：

其中，(x，y)实际的图像点坐标，δ_x(x，y)，δ_y(x，y)分别为x，y方向的畸变值，其大小与图像点的坐标值有关系，k₁、k₂、k₃为径向畸变因子，p₁，p₂为切向畸变因子，r²＝x²+y²。

进一步的，步骤1中两相机***的外参标定的实现方式如下，

左、右相机的旋转矩阵和平移向量分别为R_l、T_l、R_r、T_r，三维场景中任意一点P对应的世界坐标系下的坐标为(X_w，Y_w，Z_w)，P点在左、右相机坐标系下的坐标分别为(X_l，Y_l，Z_l)和(X_r，Y_r，Z_r)，根据相机坐标系和世界坐标系之间的关系，有：

进一步地，由以上两式可得：

由上式可知，右相机相对于左相机的旋转矩阵为R’，平移矩阵为T’。

进一步的，步骤3中首先将拍摄的RGB图像转换为灰度图像，然后将转换后的灰度图像Huffman进行压缩，最后将压缩后的图像通过网络上传给后台进行处理。

进一步的，步骤4中图像预处理包括噪声抑制、直方图均衡化、亮度均衡化、图像增强。

进一步的，步骤5中采用Canny算子提取边缘图像，然后利用SURF算法进行边缘特征点的匹配。

进一步的，步骤8中待测物体上任意一点的物方坐标计算的具体实现方式如下：

设左相机坐标系O-xyz与世界坐标系一致，左相机图像坐标系为O_l-X_lY_l，右相机坐标系为O_r-xyz，右相机图像坐标系为O_r-X_rY_r，两相机的焦距分别为fl和f_r，设点P(x，y，z)为世界坐标系中的一点，点P在左、右相机坐标系中对应的坐标为(x_l，y_l，z_l)和(x_r，y_r，z_r)，在左、右相机对应图像上成像的像点对应的像平面坐标为P_l＝(X_l，Y_l)，P_r＝(X_r，Y_r)，左、右相机图像坐标系与对应相机坐标系的缩放比例为S_l和S_r，根据相机的投射模型对于左相机有：

对于右相机，有：

左右相机坐标系之间得转化公式为：

其中

为右相机相对于左相机的旋转矩阵和平移矩阵，其中R为右相机坐标系三个坐标轴相对于左相机坐标系三个坐标轴夹角的旋转矩阵，r_ij为旋转矩阵中对应的参数，T为两坐标系原点在三个坐标轴方向的距离，T_x、T_y、T_z分别为右相机坐标系坐标原点相对于左相机坐标系原点在X、Y、Z方向的平移距离；设右相机坐标系的X，Y，Z轴与左相机坐标系的X，Y，Z轴的夹角分别为α，β，γ，则旋转矩阵

得r₀₀＝cos β cos γ、r₀₁＝cos β sin γ、r₀₂＝-sinγ、r₁₀＝-cos α sinγ+sinα sin β cos γ、r₁₁＝cos α cosγ+sin α sin β sin γ、r₁₂＝sin α cos β、r₂₀＝sin αsinγ+cos α sin β cos γ、r₂₁＝-sin α cosγ+cos α sin β sin γ、r₂₂＝cos α cosβ；结合以上几式子，两个相机像平面点之间的对应关系表示为：

其中λ为两坐标系的比例因子，于是，对于左相机坐标系中的一点P_l(x_l，y_l，z_l)的z_l坐标值为：

由几何关系可得：

经过以上过程，由已知的物方点在左、右相机像片中对应的像点坐标求解出该物方点在左相机坐标系中的空间坐标(x_l，y_l，z_l)，由于左相机坐标系与世界坐标系一致，因此物方点P(x,y,z)的坐标为：x＝x_l，y＝y_l，z＝z_l。

本发明所述的物体尺寸测量方法，毋需专业的测量仪器设备，只需要随身携带的有拍照功能的手机，使物流行业的工作者们能够快捷地根据不同的物件选择合适大小的包装盒，以达到提升物流人员工作效率的目的。

附图说明

图1为本发明的具体实施方式中的物体尺寸快速测量手机端界面。

图2为本发明的相机坐标系与世界坐标系之间的关系图。

其中，O-X_wY_wZ_w为世界坐标系，O_c-X_cY_cZ_c为相机坐标系，O_c为相机的光心，Z_c轴过主点O_i且与图像平面垂直，O_i-XY为图像坐标系，原点O_i为像主点，O_p-UV为像素坐标系，主点O_i在像素坐标系的坐标为(u₀，v₀)，相机的焦距为f，P为世界坐标系中的一点，其在相机坐标系中的坐标为(X_c,Y_c,Z_c)，P点在相机成像平面上的对应点为p₁，p₁点的像素坐标和图像坐标分别为(u,v)和(X,Y)。

图3为本发明的普通双目视觉模型；其中，P为空间中的一点，其在左右相机图像平面的投影点分别为p₁、p₂，C₁、C₂为左右相机的光心，B为左右相机两摄像头之间的距离。

图4为本发明的具体实施方式中的流程图。

具体实施方式

要实现本发明所述的物体尺寸测量方法，需按照以下步骤完成。下面结合附图及实例对本发明作进一步的说明。如图4所示，本发明所述实施例提供一种利用手机快速测量物体尺寸的方法，具体包括以下步骤：

1.相机参数标定

相机参数标定，包括对手机左、右两个相机参数的标定和左右两相机***外参的标定。普通的双摄像头手机其内外参数的关系需要通过相机标定获得。对手机两个摄像头相机参数标定采用张正友标定法，具体步骤为：

(1)首先打印一张黑白棋格相间的棋盘格，贴在一个平面上，作为标定物；

(2)通过调整标定物或相机的方向，从不同角度拍摄若干张棋盘的照片；

(3)从照片中提取棋盘格角点；

(4)计算理想无畸变的情况下的五个内参和六个外参。五个内参，即：相机焦距f、像素坐标系中心点坐标(u₀、v₀)、以及一个像素在x方向所占的长度单位dx、在y方向所占据的长度单位dy，即一个像素代表的实际物理值的大小。六个外参，即三个坐标轴x、y、z方向依次旋转的角度参数(ω，δ，θ)和平移参数(T_x，T_y，T_z)。其中，ω为相机坐标系的x轴与世界坐标系x轴的夹角，δ为相机坐标系的y轴与世界坐标系的y轴之间的夹角，θ为相机坐标系的z轴与世界坐标系的z轴之间的夹角。T_x为相机坐标系原点与世界坐标系原点在x方向的距离，T_y为相机坐标系原点与世界坐标系原点在y方向的距离，T_z为相机坐标系原点与世界坐标系原点在z方向的距离。

(5)应用最小二乘法估算实际存在径向畸变下的畸变系数；

(6)极大似然法，优化估计，提升精度。

进一步地，本发明步骤1中双目***参数标定原理为：双目立体视觉模仿人类双目定位，首先利用双目相机(或由单个相机在不同位置)拍摄得到场景的两幅图像，基于视差原理，利用三角测量原理恢复出场景的三维几何信息，然后重建场景的三维形状，双目立体视觉的结构如图3所示，双目相机标定不仅要得到两相机的内参数，还要得到两相机的相对位置和方位，假定前一步中单目相机的标定已经完成，左、右相机的旋转矩阵和平移向量分别为R_l、T_l、R_r、T_r，三维场景中任意一点P对应的世界坐标系下的坐标为(X_w，Y_w，Z_w)，P点在左、右相机坐标系下的坐标分别为(X_l，Y_l，Z_l)和(X_r，Y_r，Z_r)，根据相机坐标系和世界坐标系之间的关系，有：

进一步地，由以上两式可得：

由上式可知，右相机相对于左相机的旋转矩阵为R，平移矩阵为T，当已经标定得到两个单目相机的外参时，两相机之间的相对位置关系可以通过简单的计算得到。

利用左右相机标定后的参数，对双摄像头组成的***进行立体校正，让两相机位于同一个坐标系，使左右两图像像素相互平行，为之后的特征匹配提供很好的前提。

进一步地，本发明步骤1中单目相机参数标定包括线性参数和非线性参数(畸变)的标定。其中步骤(4)中单目相机线性参数标定求解五个内参和六个外参的具体实现方式为：

在摄影测量过程中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。相机参数包括相机内参数和外参数，相机内参数是与相机自身特性相关的参数，比如相机的焦距、像素大小等，相机外参数是相机坐标系相对世界坐标系的旋转、平移参数。相机坐标系与世界坐标系之间的关系如图2所示，单目相机标定应满足的方程为：

式中，Z_c为比例因子，(u、v)为像素坐标，(u₀、v₀)是像素坐标系中心点坐标，(X_w，Y_w，Z_w)世界坐标系中的真实坐标，dx，dy为表示单个像素点在x方向和y方向的物理尺寸，r为坐标轴倾斜参数，理想情况下为0，f为相机焦距，其中，f_x＝f/dx称为相机在x方向上的焦距，也称为x方向上的尺度因子，f_y＝f/dy称为相机在y方向上的焦距，也称为y方向上的尺度因子，R和T分别描述了点在相机坐标系与世界坐标系之间的旋转矩阵和偏移向量，X_W＝[X_wY_wZ_w 1]^T，M₁由f_x、f_y、u₀、v₀决定，由于这些参数与相机的内部结构有关，因此称为相机的内部参数，M₂由旋转矩阵R和平移向量T决定，刻画的是相机坐标系相对于世界坐标系的位置，因此称为相机的外部参数。

进一步地，本发明步骤1中单目相机标定还包括非线性畸变参数标定，其中求解步骤(5)中畸变系数的具体实现方式为：

相机的内外参数并不能准确地描述成像的几何关系，一般而言，相机镜头并不是理想的针孔模型，还存在不同程度的镜头畸变，将畸变量表示为：

其中，(x，y)实际的图像点坐标，δ_x(x，y)，δ_y(x，y)分别为x，y方向的畸变值，其大小与图像点的坐标值有关系，k₁、k₂、k₃为径向畸变因子，p₁，p₂为切向畸变因子，r²＝x²+y²。

进一步地，利用最小二乘算法可以得到多组畸变参数的估计值，然后利用极大似然估计进一步优化畸变参数，得到最准确的参数值。步骤(6)中极大似然估计优化非线性畸变参数的具体实现方式为：

①根据已经求出的多组参数值D＝(x₁，x₂，x₃，...，x_n)构造似然函数L(θ)：

②取对数：ln L(θ)；

③令

求出lnL(θ)及似然方程1；

④解似然方程得到θ的极大似然估计值

⑤最后得到极大似然估计量：

2.拍摄被量测物体图像

利用有双摄像头的功能的手机从被拍摄物体对象的正面和侧面方(对于不规则物体，需用户自己定义正面和侧面)分别拍摄物体图像，分别获得正面图像的左图像和右图像，以及侧面图像的左图像和左图像，拍摄的图像应成像清晰，光照均匀。

3.图像转换、压缩和上传

手机拍摄的图像都为彩色图像，包含RGB(红、绿、蓝)三个通道，数据量较大，为减小数据量及便于后期图像处理，首先将其转换为灰度图像，可以利用RGB值按式(1)计算其灰度值。

Gray＝R*0.299+G*0.587+B*0.114 (1)

将转换后的灰度图像进行压缩，便于传输。我们采用霍夫曼编码进行图像压缩。赫夫曼(Huffman)编码，是一种比较经典的信息无损熵编码，该编码依据变长最佳编码定理，应用Huffman算法而产生。

Huffman编码是一种基于统计的无损编码，根据变长最佳编码定理，Huffman编码步骤如下：

①将信源符号按其出现的概率，由大到小顺序排列。

②将两个最小的概率的信源符号进行组合相加，并重复这一步骤，始终将较大的概率分支放在上部，直到只剩下一个信源符号且概率达到1.0为止；

③对每对组合的上边一个指定为1，下边一个指定为0(或相反：对上边一个指定为0，下边一个指定为1)；

④画出由每个信源符号到概率1.0处的路径，记下沿路径的1和0；

⑤对于每个信源符号都写出1、0序列，则从右到左就得到非等长的Huffman码。

将图像通过网络上传给后台进行处理。采用HTTP协议方式进行文件传输，客户通过客户端对后台发送请求。客户端是手机用户终端，服务器端是网站。通过使用Web浏览器客户端发起一个到服务器上指定端口(默认端口为80)的HTTP请求，建立一个到服务器的TCP连接。HTTP服务器则在那个端口监听客户端发送过来的文件或者其它一些信息。

4.图像预处理

图像预处理包括噪声抑制、直方图均衡化、亮度均衡化、图像增强，图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。

5.边缘提取

本发明采用Canny算子进行边缘特征的提取，Canny边缘检测算法的步骤为：

①用高斯滤波器平滑图象；

②用一阶偏导的有限差分来计算梯度的幅值和方向；

③对梯度幅值进行非极大值抑制；

④用双阈值算法检测和连接边缘。

Canny检测器中的最优函数使用四个指数项的和来描述，它可以由高斯函数的一阶导数来近似。在处理过程中，Canny算子还将经过一个非极大值抑制的过程，最后Canny算子采用两个阈值来连接边缘。

6.边缘特征配准

针对Canny算子提取的边缘图像，利用SURF算法对左、右相机拍摄的图像进行边缘特征点的配准。，在特征点匹配过程中加入极线约束。所谓极线约束，就是指当同一个空间点在两幅图像上分别成像时，已知左图投影点p₁，那么对应右图投影点p₂一定在相对于p₁的极线上，这样可以极大的缩小匹配范围，通过极线约束这个条件，使得原本需要在整幅图像搜索匹配点降为在对应极线搜索，将立体匹配的搜索维数从两维降到一维，缩减边缘特征点匹配的时间。

7.最小外接矩形计算与绘制

利用图像识别技术获取配准后的待测物体的最小外接矩形，其中正面图像获取的是物体的长(宽)和高，侧面图像获取的是物体的宽(长)和高。

8.物方坐标计算

被摄物体坐标计算是指把双目匹配得到的视差数据转化为对应的三维坐标。在左相机拍摄的图像上选择任意一点，通过立体匹配算法在右相机拍摄的图像的极线上找到对应的点，计算左右图像对应像素点的视差，通过标定的参数及视差计算出图像上对应的点在真实世界的三维坐标。具体的计算为：

设左相机坐标系O-xyz与世界坐标系一致，左相机图像坐标系为O_l-X_lY_l，右相机坐标系为O_r-xyz，图像坐标系为O_r-X_rY_r，两相机的焦距分别为fl和f_r。设点P(x，y，z)为世界坐标系中的一点，点P在左、右相机坐标系中对应的坐标为(x_l，y_l，z_l)和(x_r，y_r，z_r)，在左、右相机对应像片上成像的像点对应的像平面坐标为P_l＝(X_l，Y_l)，P_r＝(X_r，Y_r)，左、右相机像片坐标系与对应相机坐标系的缩放比例为S_l和S_r。根据相机的投射模型对于左相机有：

对于右相机，有：

左右相机坐标系之间得转化公式为：

其中

为右相机相对于左相机的旋转平移矩阵。其中R为右相机坐标系三个坐标轴相对于左相机坐标系三个坐标轴夹角的旋转矩阵，r_ij为旋转矩阵中对应的参数，T为两坐标系原点在三个坐标轴方向的距离，T_x、T_y、T_z分别为右相机坐标系坐标原点相对于左相机坐标系原点在X、Y、Z方向的平移距离。设右相机坐标系的X，Y，Z轴与左相机坐标系的X，Y，Z轴的夹角分别为α，β，γ，则旋转矩阵

得r₀₀＝cos β cos γ、r₀₁＝cos β sin γ、r₀₂＝-sinγ、r₁₀＝-cos α sinγ+sinα sin β cos γ、r₁₁＝cos α cosγ+sin α sin β sin γ、r₁₂＝sin α cos β、r₂₀＝sin αsinγ+cos α sin β cos γ、r₂₁＝-sin α cosγ+cos α sin β sin γ、r₂₂＝cos α cosβ。结合以上几式子，两个相机像平面点之间的对应关系可以表示为：

其中λ为两坐标系的比例因子。于是，对于左相机坐标系中的一点P_l(x_l，y_l，z_l)的z_l坐标值为：

由几何关系可得：

经过以上过程，可以由已知的物方点在左、右相机像片中对应的像点坐标求解出该物方点在左相机坐标系中的空间坐标(x_l，y_l，z_l)，由于左相机坐标系与世界坐标系一致，因此物方点P(x,y,z)的坐标为：x＝x_l，y＝y_l，z＝z_l。

9.尺寸显示

根据后台解算所得的被摄物体各部分的坐标值，将计算结果实时发送给手机端，包括外接矩形在图片中的顶点坐标，以及其长宽高，手机端在一个与上传图片相同尺寸的画布上进行绘制外接矩形。

10.用户确认

用户确认物体，后台解算后返回结果展示给客户，为了确认后台计算的目标物体是否是用户想要测量的物体，需要用户进行确认，否则重新量测。

11.结果验证

为验证本发明方法的正确性和可行性，分别对不规则物体和规则物体进行实验验证。

(1)、规则物体的实验结果

采用本发明方法对某规则物体进行多次量测，统计结果如表1所示。

表1规则物体量测统计结果(单位cm)

统计结果中实测值是通过尺子精确测量的结果，在实验中当作真实值，采用本发明方法每次用手机分别拍摄物体的正视图、侧视图利用后台计算结果作为量测值。分析可以看到，通过多次测量，实验误差基本在0.5cm左右。

(2)不规则物体实验结果

采用本发明方法对某不规则物体进行多次量测，统计结果如表2所示。

表2不规则物体量测统计结果(单位cm)

统计结果中实测值仍然是通过尺子精确测量的结果，在实验中当作真实值，采用本发明方法每次用手机分别拍摄物体的正视图、侧视图利用后台计算结果作为量测值。分析可以看到，通过多次测量，实验误差基本仍然在0.5cm左右，与规则物体的量测结果一致。

通过以上两种物体的量测结果可以说明，本发明所述的物体尺寸量测方法是正确、可行的，该方法简单、快速，能够实现物体量测的自动化和智能化。

Claims (7)

1.一种利用手机快速测量物体尺寸方法，其特征在于，包括如下步骤：

步骤1，手机相机参数标定，包括对左、右两个单目相机参数的标定和左右两相机***外参的标定，其中，单目相机参数标定包括线性参数标定和非线性畸变参数的标定，线性参数标定用于求解相机内参数和外参数，两相机***的外参是指两相机的相对位置和方位；

步骤2，图像拍摄，利用双摄像头的手机从被待测物体对象的正面和侧面分别拍摄物体图像，分别获得待测物体正面的左图像和右图像，以及待测物体侧面的左图像和右图像；

步骤3，将正面的左图像和右图像，以及侧面的左图像和右图像进行图像转换、压缩和上传；

步骤4，对上述四张图像进行预处理；

步骤5，分别对正面的左图像和右图像，以及侧面的左图像和左图像进行边缘提取与边缘特征配准，得到正面图像和侧面图像；

步骤7，提取待测物体的最小外接矩形，其中正面图像获取的是待测物体的长或宽和高，侧面图像获取的是待测物体的宽或长和高；

步骤8，待测物体上任意一点的物方坐标计算；具体实现方式如下：

设左相机坐标系O-xyz与世界坐标系一致，左相机图像坐标系为O_l-X_lY_l，右相机坐标系为O_r-xyz，右相机图像坐标系为O_r-X_rY_r，两相机的焦距分别为f_l和f_r，设点P(x，y，z)为世界坐标系中的一点，点P在左、右相机坐标系中对应的坐标为(x_l，y_l，z_l)和(x_r，y_r，z_r)，在左、右相机对应图像上成像的像点对应的像平面坐标为P_l＝(X_l，Y_l)，P_r＝(X_r，Y_r)，左、右相机图像坐标系与对应相机坐标系的缩放比例为S_l和S_r，根据相机的投射模型对于左相机有：

对于右相机，有：

左右相机坐标系之间得转化公式为：

其中

为右相机相对于左相机的旋转矩阵和平移矩阵，其中R为右相机坐标系三个坐标轴相对于左相机坐标系三个坐标轴夹角的旋转矩阵，r_ij为旋转矩阵中对应的参数，T为两坐标系原点在三个坐标轴方向的距离，T_x、T_y、T_z分别为右相机坐标系坐标原点相对于左相机坐标系原点在X、Y、Z方向的平移距离；设右相机坐标系的X，Y，Z轴与左相机坐标系的X，Y，Z轴的夹角分别为α，β，γ，则旋转矩阵

得r₀₀＝cosβcosγ、r₀₁＝cosβsinγ、r₀₂＝-sinγ、r₁₀＝-cosαsinγ+sinαsinβcosγ、

r₁₁＝cosαcosγ+sinαsinβsinγ、r₁₂＝sinαcosβ、r₂₀＝sinαsinγ+cosαsinβcosγ、r₂₁＝-sinαcosγ+cosαsinβsinγ、r₂₂＝cosαcosβ；结合以上几式子，两个相机像平面点之间的对应关系表示为：

其中λ为两坐标系的比例因子，于是，对于左相机坐标系中的一点P_l(x_l，y_l，z_l)的z_l坐标值为：

由几何关系可得：

经过以上过程，由已知的物方点在左、右相机图像中对应的像点坐标求解出该物方点在左相机坐标系中的空间坐标(x_l，y_l，z_l)，由于左相机坐标系与世界坐标系一致，因此物方点P(x，y，z)的坐标为：x＝x_l，y＝y_l，z＝zl；

步骤9，目标尺寸显示，根据后台解算所得的待测物体各部分的坐标值，在前台绘制出目标物体，并显示物体尺寸大小；

步骤10，用户确认目标物体，后台解算后返回结果展示给客户，为了确认后台计算的目标物体是否是用户想要测量的物体，需要用户进行确认，否则重新量测。

2.如权利要求1所述的一种利用手机快速测量物体尺寸方法，其特征在于：步骤1中单目相机线性参数标定用于求解五个内参和六个外参，五个内参，即：相机焦距f、像素坐标系中心点坐标(u₀、υ₀)、以及一个像素在x方向所占的长度单位dx、在y方向所占据的长度单位dy，即一个像素代表的实际物理值的大小；六个外参，即三个坐标轴的旋转参数(ω，δ，θ)和平移参数(T_x，T_y，T_z)，其中，ω为相机坐标系的x轴与世界坐标系x轴的夹角，δ为相机坐标系的y轴与世界坐标系的y轴之间的夹角，θ为相机坐标系的z轴与世界坐标系的z轴之间的夹角；T_x为相机坐标系原点与世界坐标系原点在x方向的距离，T_y为相机坐标系原点与世界坐标系原点在y方向的距离，T_z为相机坐标系原点与世界坐标系原点在z方向的距离；具体实现方式为：

单目相机标定应满足的方程为：

式中，Z_c为比例因子，(u、v)为像素坐标，(u₀、v₀)是像素坐标系中心点坐标，(X_w，Y_w，Z_w)世界坐标系中的真实坐标，dx，dy为表示单个像素点在x方向和y方向的物理尺寸，r为坐标轴倾斜参数，理想情况下为0，f为相机焦距，其中，f_x＝f/dx称为相机在x方向上的焦距，也称为x方向上的尺度因子，f_y＝f/dy称为相机在y方向上的焦距，也称为y方向上的尺度因子，R和T分别描述了点在相机坐标系与世界坐标系之间的旋转矩阵和偏移向量，X_W＝[X_w Y_wZ_w 1]^T，M₁由f_x、f_y、u₀、v₀决定，由于这些参数与相机的内部结构有关，因此称为相机的内部参数，M₂由旋转矩阵R和平移向量T决定，刻画的是相机坐标系相对于世界坐标系的位置，因此称为相机的外部参数。

3.如权利要求1所述的一种利用手机快速测量物体尺寸方法，其特征在于：步骤2中非线性畸变参数的标定中畸变系数的具体计算方式如下：

将畸变量表示为：

其中，(x，y)实际的图像点坐标，δ_x(x，y)，δ_y(x，y)分别为x，y方向的畸变值，其大小与图像点的坐标值有关系，k₁、k₂、k₃为径向畸变因子，p₁，p₂为切向畸变因子，r²＝x²+y²。

4.如权利要求1所述的一种利用手机快速测量物体尺寸方法，其特征在于：步骤1中两相机***的外参标定的实现方式如下，

左、右相机的旋转矩阵和平移向量分别为R_l、T_l、R_r、T_r，三维场景中任意一点P对应的世界坐标系下的坐标为(X_w，Y_w，Z_w)，P点在左、右相机坐标系下的坐标分别为(X_l，Y_l，Z_l)和(X_r，Y_r，Z_r)，根据相机坐标系和世界坐标系之间的关系，有：

进一步地，由以上两式可得：

由上式可知，右相机相对于左相机的旋转矩阵为R’，平移矩阵为T’。

5.如权利要求1所述的一种利用手机快速测量物体尺寸方法，其特征在于：步骤3中首先将拍摄的RGB图像转换为灰度图像，然后将转换后的灰度图像Huffman进行压缩，最后将压缩后的图像通过网络上传给后台进行处理。

6.如权利要求1所述的一种利用手机快速测量物体尺寸方法，其特征在于：步骤4中图像预处理包括噪声抑制、直方图均衡化、亮度均衡化、图像增强。

7.如权利要求1所述的一种利用手机快速测量物体尺寸方法，其特征在于：步骤5中采用Canny算子提取边缘图像，然后利用SURF算法进行边缘特征点的匹配。

Images