CN112697065A - 基于相机阵列的三维形貌重构方法 - Google Patents

基于相机阵列的三维形貌重构方法 Download PDF

Info

Publication number
CN112697065A
CN112697065A CN202011323433.2A CN202011323433A CN112697065A CN 112697065 A CN112697065 A CN 112697065A CN 202011323433 A CN202011323433 A CN 202011323433A CN 112697065 A CN112697065 A CN 112697065A
Authority
CN
China
Prior art keywords
world
cameras
coordinate system
coordinates
camera
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
Application number
CN202011323433.2A
Other languages
English (en)
Other versions
CN112697065B (zh
Inventor
费庆国
胡甜赐
朱锐
姜东�
马蕾
曹芝腑
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202011323433.2A priority Critical patent/CN112697065B/zh
Publication of CN112697065A publication Critical patent/CN112697065A/zh
Application granted granted Critical
Publication of CN112697065B publication Critical patent/CN112697065B/zh
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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种基于相机阵列的三维形貌重构方法，涉及非接触式光学测量领域。具体包括：搭建相机阵列***；固定被测试件，在被测试件表面喷洒随机散斑，将被测试件分为两部分测量区域，两部分区域存在重叠区域，控制相机进行拍照；采用多次散斑匹配方法求取重叠区域中计算点在两个世界系下的世界坐标；将所有测量点的世界坐标统一到一个坐标系下，重构被测物体三维形貌。本发明基于亚像素点散斑匹配方法，采用四台相机组成相机阵列，无需额外操作，根据相机拍摄图片之间的重叠区域通过计算即可实现大尺寸物体三维形貌的重构。

Description

基于相机阵列的三维形貌重构方法
技术领域
本发明涉及非接触式光学测量领域，尤其涉及一种基于相机阵列的三维形貌重构方法。
背景技术
在航空航天等领域里，对于精确测量物体的三维形貌有很大的需求。对于一些精度较高以及柔性较大的物体，有时无法使用传统的接触式测量方法进行测量。近年来，随着光学仪器设备的发展以及成本的降低，光学测量得到了很大的发展。数字图像相关是一种基于光学测量的非接触式测量方法，在位移、应变等测量上得到了广泛的应用。而传统的利用双相机组成的三维数字图像相关测量***测量范围有限，无法实现对大尺寸试件的测量。因此，如何利用多台相机组成的相机阵列进行大尺寸物体三维形貌重构成为了一个亟需解决的实际工程问题。
发明内容
本发明提供了一种基于相机阵列的三维形貌重构方法，目的在于基于亚像素点散斑匹配方法，根据相机拍摄图片的重叠区域通过计算即可实现大尺寸物体三维形貌的重构，操作简单，易实现。
为达到上述技术目的，本发明采用以下技术方案：
一种基于相机阵列的三维形貌重构方法，包括以下步骤：
(1)搭建相机阵列***，所述相机阵列***中包括四台相机C1、C2、C3、C4，其中，相机C1和C2组成一套三维数字图像相关测量***，C3和C4组成一套三维数字图像相关测量***；
(2)固定被测试件，在被测试件表面喷洒随机散斑，将被测试件分为两部分测量区域A1和A2，A1和A2之间存在重叠区域，控制相机进行拍照，相机C1和C2拍摄A1区域，相机C3和C4拍摄A2区域，四台相机拍摄图片分别为Img1，Img2，Img3，Img4；
(3)采用三维数字图像相关算法计算被测试件两部分拍摄区域的世界坐标；
(4)采用多次散斑匹配方法求取相机重叠区域中计算点在两个世界系下的世界坐标；
(5)根据重叠区域计算点的世界坐标，求取两个世界坐标系之间转换的旋转矩阵R和平移矩阵T，并将所有测量点的世界坐标统一到一个坐标系下，重构被测物体三维形貌。
优选的，所述步骤(3)中，采用三维数字图像相关算法计算被测试件两部分拍摄区域计算点的世界坐标的步骤如下：
(31)以Img1，Img2为计算图像，采用三维数字图像相关算法，计算相机C1、C2拍摄区域内散斑点的世界坐标，世界坐标系为相机C2的光心坐标系；
(32)以Img3，Img4为计算图像，采用三维数字图像相关算法，计算相机C3、C4拍摄区域内散斑点的世界坐标，世界坐标系为相机C3的光心坐标系。
优选的，所述步骤(4)中采用多次散斑匹配方法求取被测试件重合区域中计算点在两个世界坐标系中的世界坐标的步骤如下：
(41)从Img2中的重合区域内选取图像坐标中待计算的散斑点(x21,y21)，以该散斑点为中心点，选取一个正方形子区作为模板，通过三维数字图像相关算法计算该散斑点在以相机C2的光心坐标系为世界坐标系中的世界坐标(xw21,yw21,zw21)；
(42)通过第一次散斑匹配在Img3中搜索散斑点(x21,y21)对应的图像坐标(x31,y31)；
(43)通过第二次散斑匹配在Img4中搜索散斑点(x21,y21)对应的图像坐标(x41,y41)；
(44)根据双目视觉原理，计算得到该散斑点在以相机C3的光心坐标系为世界坐标系中的世界坐标(xw31,yw31,zw31)；
(45)重复步骤(41)、(42)、(43)、(44)，计算重合区域N个散斑点分别在两个世界坐标系中的世界坐标，其中N>4。
进一步优选的，所述步骤(5)中，根据重叠区域计算点的世界坐标，求取两个世界坐标系之间转换的旋转矩阵R和平移矩阵T，并将所有测量点的世界坐标统一到一个坐标系下，重构被测物体的三维形貌，具体步骤如下：
根据坐标系转换关系：
Figure BDA0002793610570000021
其中，R为旋转矩阵，T为平移矩阵，i表示散斑点；
由N个计算点计算得到N个等式，将第一个计算点得到的等式减去其散斑点得到：
Figure BDA0002793610570000022
写成矩阵形式：
Figure BDA0002793610570000023
即：
Xw2＝RXw3
其中：
Figure BDA0002793610570000031
Figure BDA0002793610570000032
旋转矩阵R通过最小二乘法计算得到：
Figure BDA0002793610570000033
得到平移矩阵T：
Figure BDA0002793610570000034
根据求得的旋转矩阵和平移矩阵将相机C3、C4拍摄的所有测量点的坐标转换到以C2相机光心坐标系为世界坐标系中，重构被测试件完整三维形貌。
有益效果
本发明基于亚像素点散斑匹配方法，采用四台相机组成相机阵列，无需额外操作，根据相机拍摄图片之间的重叠区域通过计算即可实现大尺寸物体三维形貌的重构。
附图说明
图1是被测试件测量区域划分示意图；
图2是本发明的计算流程图；
图3是亚像素模板选取示意图；
图4是四台相机采集的被测试件散斑图像；
图5是相机C1、C2测量区域以C2光心坐标系为世界坐标系三维形貌图；
图6是相机C3、C3测量区域以C3光心坐标系为世界坐标系三维形貌图；
图7是坐标系转换后被测试件完整形貌图。
具体实施方式
下面结合附图对本发明进行详细说明。
将被测试件表面喷洒随机散斑，搭建由四台相机组成的相机阵列，每两台相机负责测量被测试件一部分区域，采用亚像素点散斑匹配方法进行散斑匹配，获得不同世界坐标系之间的转换矩阵，最后将所有测量点统一到一个世界坐标系下，重构物体表面三维形貌。具体步骤如下：
步骤1、搭建相机阵列***，如图1所示，所述相机阵列***中包括四台相机C1、C2、C3、C4，其中，相机C1和C2组成一套三维数字图像相关测量***，C3和C4组成一套三维数字图像相关测量***。
步骤2、固定被测试件，在被测试件表面喷洒随机散斑，将被测试件分为两部分测量区域A1和A2，A1和A2之间存在重叠区域，控制相机进行拍照，相机C1和C2拍摄A1区域，相机C3和C4拍摄A2区域，四台相机拍摄图片分别为Img1，Img2，Img3，Img4，如图4所示。
步骤3、采用三维数字图像相关算法计算被测试件两部分拍摄区域的世界坐标；
(31)以Img1，Img2为计算图像，采用三维数字图像相关算法，计算相机C1、C2拍摄区域内散斑点的世界坐标，世界坐标系为相机C2的光心坐标系，如图5所示；
(32)以Img3，Img4为计算图像，采用三维数字图像相关算法，计算相机C3、C4拍摄区域内散斑点的世界坐标，世界坐标系为相机C3的光心坐标系，如图6所示。
步骤4、采用多次散斑匹配方法求取相机重叠区域中计算点在两个世界系下的世界坐标，如图2所示；
(41)从Img2中的重合区域内选取图像坐标中待计算的散斑点(x21,y21)，以该散斑点为中心点，选取一个正方形子区作为模板，如图3所示，通过三维数字图像相关算法计算该散斑点在以相机C2的光心坐标系为世界坐标系中的世界坐标(xw21,yw21,zw21)；
(42)通过第一次散斑匹配在Img3中搜索散斑点(x21,y21)对应的图像坐标(x31,y31)；
(43)通过第二次散斑匹配在Img4中搜索散斑点(x21,y21)对应的图像坐标(x41,y41)；
(44)根据双目视觉原理，计算得到该散斑点在以相机C3的光心坐标系为世界坐标系中的世界坐标(xw31,yw31,zw31)；
(45)重复步骤(41)、(42)、(43)、(44)，计算重合区域N个散斑点分别在两个世界坐标系中的世界坐标，其中N>4。
步骤5、根据重叠区域计算点的世界坐标，求取两个世界坐标系之间转换的旋转矩阵R和平移矩阵T，并将所有测量点的世界坐标统一到一个坐标系下，重构被测物体三维形貌。根据坐标系转换关系：
Figure BDA0002793610570000051
其中，R为旋转矩阵，T为平移矩阵，i表示散斑点；
由N个计算点计算得到N个等式，将第一个计算点得到的等式减去其散斑点得到：
Figure BDA0002793610570000052
写成矩阵形式：
Figure BDA0002793610570000053
即：
Xw2＝RXw3
其中：
Figure BDA0002793610570000054
Figure BDA0002793610570000055
旋转矩阵R通过最小二乘法计算得到：
Figure BDA0002793610570000056
得到平移矩阵T：
Figure BDA0002793610570000057
根据求得的旋转矩阵和平移矩阵将相机C3、C4拍摄的所有测量点的坐标转换到以C2相机光心坐标系为世界坐标系中，重构被测试件完整三维形貌，如图7所示。

Claims (4)

1.一种基于相机阵列的三维形貌重构方法，其特征在于，包括以下步骤：
(1)搭建相机阵列***，所述相机阵列***中包括四台相机C1、C2、C3、C4，其中，相机C1和C2组成一套三维数字图像相关测量***，C3和C4组成一套三维数字图像相关测量***；
(2)固定被测试件，在被测试件表面喷洒随机散斑，将被测试件分为两部分测量区域A1和A2，A1和A2之间存在重叠区域，控制相机进行拍照，相机C1和C2拍摄A1区域，相机C3和C4拍摄A2区域，四台相机拍摄图片分别为Img1，Img2，Img3，Img4；
(3)采用三维数字图像相关算法计算被测试件两部分拍摄区域的世界坐标；
(4)采用多次散斑匹配方法求取相机重叠区域中计算点在两个世界系下的世界坐标；
(5)根据重叠区域计算点的世界坐标，求取两个世界坐标系之间转换的旋转矩阵R和平移矩阵T，并将所有测量点的世界坐标统一到一个坐标系下，重构被测物体三维形貌。
2.根据权利要求1所述基于相机阵列的三维形貌重构方法，其特征在于，所述步骤(3)中，采用三维数字图像相关算法计算被测试件两部分拍摄区域计算点的世界坐标的步骤如下：
(31)以Img1，Img2为计算图像，采用三维数字图像相关算法，计算相机C1、C2拍摄区域内散斑点的世界坐标，世界坐标系为相机C2的光心坐标系；
(32)以Img3，Img4为计算图像，采用三维数字图像相关算法，计算相机C3、C4拍摄区域内散斑点的世界坐标，世界坐标系为相机C3的光心坐标系。
3.根据权利要求1所述基于相机阵列的三维形貌重构方法，其特征在于，所述步骤(4)中采用多次散斑匹配方法求取被测试件重合区域中计算点在两个世界坐标系中的世界坐标的步骤如下：
(41)从Img2中的重合区域内选取图像坐标中待计算的散斑点(x21,y21)，以该散斑点为中心点，选取一个正方形子区作为模板，通过三维数字图像相关算法计算该散斑点在以相机C2的光心坐标系为世界坐标系中的世界坐标(xw21,yw21,zw21)；
(42)通过第一次散斑匹配在Img3中搜索散斑点(x21,y21)对应的图像坐标(x31,y31)；
(43)通过第二次散斑匹配在Img4中搜索散斑点(x21,y21)对应的图像坐标(x41,y41)；
(44)根据双目视觉原理，计算得到该散斑点在以相机C3的光心坐标系为世界坐标系中的世界坐标(xw31,yw31,zw31)；
(45)重复步骤(41)、(42)、(43)、(44)，计算重合区域N个散斑点分别在两个世界坐标系中的世界坐标，其中N>4。
4.根据权利要求3所述基于相机阵列的三维形貌重构方法，其特征在于，所述步骤(5)中，根据重叠区域计算点的世界坐标，求取两个世界坐标系之间转换的旋转矩阵R和平移矩阵T，并将所有测量点的世界坐标统一到一个坐标系下，重构被测物体的三维形貌，具体步骤如下：根据坐标系转换关系：
Figure FDA0002793610560000021
其中，R为旋转矩阵，T为平移矩阵，i表示散斑点；
由N个计算点计算得到N个等式，将第一个计算点得到的等式减去其散斑点得到：
Figure FDA0002793610560000022
写成矩阵形式：
Figure FDA0002793610560000023
即：
Xw2＝RXw3
其中：
Figure FDA0002793610560000024
Figure FDA0002793610560000025
旋转矩阵R通过最小二乘法计算得到：
Figure FDA0002793610560000026
得到平移矩阵T：
Figure FDA0002793610560000027
根据求得的旋转矩阵和平移矩阵将相机C3、C4拍摄的所有测量点的坐标转换到以C2相机光心坐标系为世界坐标系中，重构被测试件完整三维形貌。
CN202011323433.2A 2021-01-25 2021-01-25 基于相机阵列的三维形貌重构方法 Active CN112697065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011323433.2A CN112697065B (zh) 2021-01-25 2021-01-25 基于相机阵列的三维形貌重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011323433.2A CN112697065B (zh) 2021-01-25 2021-01-25 基于相机阵列的三维形貌重构方法

Publications (2)

Publication Number Publication Date
CN112697065A true CN112697065A (zh) 2021-04-23
CN112697065B CN112697065B (zh) 2022-07-15

Family

ID=75506454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011323433.2A Active CN112697065B (zh) 2021-01-25 2021-01-25 基于相机阵列的三维形貌重构方法

Country Status (1)

Country Link
CN (1) CN112697065B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113446958A (zh) * 2021-06-02 2021-09-28 南京航空航天大学 基于对称布设的双目视觉***及dic技术的曲面重构法
CN114777672A (zh) * 2022-04-29 2022-07-22 河北工程大学 一种基于多目线结构光的不同分辨率视觉融合的三维测量设备和方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354624A (zh) * 2008-05-15 2009-01-28 中国人民解放军国防科学技术大学 一种四路摄像头协同工作的表面计算平台及多触点检测方法
CN103971353A (zh) * 2014-05-14 2014-08-06 大连理工大学 采用激光辅助大型锻件测量图像数据的拼接方法
CN104036488A (zh) * 2014-05-04 2014-09-10 北方工业大学 一种基于双目视觉的人体姿态动作研究方法
CN105157609A (zh) * 2015-09-01 2015-12-16 大连理工大学 基于两组相机的大型零件全局形貌测量方法
CN105987685A (zh) * 2016-07-04 2016-10-05 西北农林科技大学 一种基于双目视觉的昆虫行为学研究辅助***
CN106510626A (zh) * 2016-11-08 2017-03-22 重庆理工大学 基于双目立体视觉的人体浅层静脉三维重建装置及方法
CN106580470A (zh) * 2016-10-18 2017-04-26 南京医科大学附属口腔医院 基于双目视觉的头部定位方法及***
CN106969723A (zh) * 2017-04-21 2017-07-21 华中科技大学 基于低速相机阵列的高速动态物体关键点三维测量方法
CN109308718A (zh) * 2018-08-09 2019-02-05 上海青识智能科技有限公司 一种基于多深度相机的空间人员定位装置及方法
CN109373912A (zh) * 2018-12-21 2019-02-22 福州大学 一种基于双目视觉的非接触式六自由度位移测量方法
WO2019051728A1 (zh) * 2017-09-14 2019-03-21 深圳大学 基于相位映射的折叠相位三维数字成像方法及装置
CN109781014A (zh) * 2019-03-11 2019-05-21 安徽工业大学 机器视觉方式下多相机协同在线测量条状目标长度的技术和方法
CN110645917A (zh) * 2019-09-24 2020-01-03 东南大学 基于阵列式相机的高空间分辨率三维数字图像测量方法
CN111899344A (zh) * 2020-06-30 2020-11-06 南京理工大学 基于相机阵列的火焰发射层析重建装置及方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354624A (zh) * 2008-05-15 2009-01-28 中国人民解放军国防科学技术大学 一种四路摄像头协同工作的表面计算平台及多触点检测方法
CN104036488A (zh) * 2014-05-04 2014-09-10 北方工业大学 一种基于双目视觉的人体姿态动作研究方法
CN103971353A (zh) * 2014-05-14 2014-08-06 大连理工大学 采用激光辅助大型锻件测量图像数据的拼接方法
CN105157609A (zh) * 2015-09-01 2015-12-16 大连理工大学 基于两组相机的大型零件全局形貌测量方法
CN105987685A (zh) * 2016-07-04 2016-10-05 西北农林科技大学 一种基于双目视觉的昆虫行为学研究辅助***
CN106580470A (zh) * 2016-10-18 2017-04-26 南京医科大学附属口腔医院 基于双目视觉的头部定位方法及***
CN106510626A (zh) * 2016-11-08 2017-03-22 重庆理工大学 基于双目立体视觉的人体浅层静脉三维重建装置及方法
CN106969723A (zh) * 2017-04-21 2017-07-21 华中科技大学 基于低速相机阵列的高速动态物体关键点三维测量方法
WO2019051728A1 (zh) * 2017-09-14 2019-03-21 深圳大学 基于相位映射的折叠相位三维数字成像方法及装置
CN109308718A (zh) * 2018-08-09 2019-02-05 上海青识智能科技有限公司 一种基于多深度相机的空间人员定位装置及方法
CN109373912A (zh) * 2018-12-21 2019-02-22 福州大学 一种基于双目视觉的非接触式六自由度位移测量方法
CN109781014A (zh) * 2019-03-11 2019-05-21 安徽工业大学 机器视觉方式下多相机协同在线测量条状目标长度的技术和方法
CN110645917A (zh) * 2019-09-24 2020-01-03 东南大学 基于阵列式相机的高空间分辨率三维数字图像测量方法
CN111899344A (zh) * 2020-06-30 2020-11-06 南京理工大学 基于相机阵列的火焰发射层析重建装置及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113446958A (zh) * 2021-06-02 2021-09-28 南京航空航天大学 基于对称布设的双目视觉***及dic技术的曲面重构法
CN114777672A (zh) * 2022-04-29 2022-07-22 河北工程大学 一种基于多目线结构光的不同分辨率视觉融合的三维测量设备和方法

Also Published As

Publication number Publication date
CN112697065B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
CN109000582B (zh) 跟踪式三维扫描装置的扫描方法及***、存储介质、设备
CN110645917B (zh) 基于阵列式相机的高空间分辨率三维数字图像测量方法
CN104835158B (zh) 基于格雷码结构光与极线约束的三维点云获取方法
CN110728671B (zh) 基于视觉的无纹理场景的稠密重建方法
CN102155923B (zh) 基于立体靶标的拼接测量方法及***
CN112697065B (zh) 基于相机阵列的三维形貌重构方法
CN109443321B (zh) 一种监测大型结构形变的串并联像机网络测量方法
CN112629431B (zh) 土木结构变形监测方法及相关设备
CN108648237A (zh) 一种基于视觉的空间定位方法
CN108986070A (zh) 一种基于高速视频测量的岩石裂缝扩展实验监测方法
CN114283203B (zh) 一种多相机***的标定方法及***
CN112945141B (zh) 基于微透镜阵列的结构光快速成像方法及***
CN110793464A (zh) 大视场条纹投影视觉三维测量***和方法
CN110766759B (zh) 一种无重叠视场的多相机标定方法及装置
CN110044374A (zh) 一种基于图像特征的单目视觉测量里程的方法及里程计
CN112229323B (zh) 基于手机单目视觉的棋盘格合作目标的六自由度测量方法及其应用
CN113870366B (zh) 基于位姿传感器的三维扫描***的标定方法及其标定***
CN112489109A (zh) 一种三维成像***方法、装置及三维成像***
CN113048888A (zh) 基于双目视觉的远距离三维位移测量方法及***
Yu et al. An improved projector calibration method for structured-light 3D measurement systems
CN113012238A (zh) 一种多深度相机快速标定与数据融合的方法
CN117115272A (zh) 用于降水粒子多角度成像的远心相机标定和三维重构方法
CN113902811B (zh) 单相机四视角三维数字图像相关高精度变形测量方法
Liu et al. Flexible Calibration Method for A Quad-directional Stereo Vision Sensor Based on Unconstraint 3D Target
CN205300519U (zh) 铁塔变形测量装置

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