CN115423883A - 一种轮廓仪相机的标定方法、装置及电子设备 - Google Patents
一种轮廓仪相机的标定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115423883A CN115423883A CN202211139180.2A CN202211139180A CN115423883A CN 115423883 A CN115423883 A CN 115423883A CN 202211139180 A CN202211139180 A CN 202211139180A CN 115423883 A CN115423883 A CN 115423883A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- determining
- camera
- calibration block
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例提供了一种轮廓仪相机的标定方法、装置及电子设备,具体包括:获取轮廓仪相机采集标定块得到的三维点云数据,针对标定块的每个表面,确定出各个表面的模型约束条件,并从三维点云数据中确定出属于标定块各表面的局部点云数据,确定出使得各表面的局部点云数据与各表面的模型约束条件匹配的外参,作为轮廓仪相机的目标外参,对轮廓仪相机进行标定。如此,采用本发明所提供的实施例,能够借助简单结构的标定块,便可基于标定块的表面模型约束条件,对轮廓仪相机进行校准,可有效减少轮廓仪相机的标定成本,有效提高轮廓仪相机的测量准确度。
Description
技术领域
本发明涉及光学测量领域,特别是涉及一种轮廓仪相机的标定方法、装置及电子设备。
背景技术
在光学测量领域中,轮廓仪相机用于测量物体的轮廓、二维尺寸、深度等信息。若轮廓仪相机测量精度不准,则易使得所采集的数据有效性较低。因此,在本领域中,通常会使用标准的计量仪器对轮廓仪相机的精度进行校准,此校准的过程被称为:标定。
相关技术中,常采用镶嵌有钢球或者印制有特殊图案的标定块,以标定块中的钢球的球心或者特殊图案作为特征点,对轮廓仪相机的精度进行标定。此种标定方式所使用的标定块的结构往往比较复杂,加工成本较高,并且需要由专业测量机构对标定块的各特征点的尺寸进行精确测量方可保证标定块的尺寸准确,使得标定成本较高。
发明内容
本发明实施例的目的在于提供一种轮廓仪相机的标定方法、装置及电子设备,以节约轮廓仪相机的标定成本。具体技术方案如下:
第一方面,本发明实施例提供了一种轮廓仪相机的标定方法,其特征在于,所述方法包括:
获取轮廓仪相机采集标定块得到的三维点云数据;
针对所述标定块的每个表面,确定所述表面的模型约束条件并从所述三维点云数据中确定属于所述表面的局部点云数据;
确定使得各表面的所述局部点云数据与各表面的所述模型约束条件匹配的外参,作为所述轮廓仪相机的目标外参。
结合第一方面,本发明提供了第二种可能的实施例,在第二种可能的实施例中,所述确定使得各表面的所述局部点云数据与各表面的所述模型约束条件匹配的外参,作为所述轮廓仪相机的目标外参,包括:
根据各所述表面的所述模型约束条件,确定模型约束误差与外参之间的对应关系,其中,所述模型约束误差为:所述轮廓仪相机的外参为所述模型约束误差对应的外参的情况下,各所述表面的所述局部点云数据对于各所述表面的所述模型约束条件的误差;
根据所述对应关系,确定所述模型约束误差的最小值对应的外参,作为所述轮廓仪相机的目标外参。
结合第一方面,本发明提供了第三种可能的实施例,在第三种可能的实施例中,所述针对所述标定块的每个表面,从所述三维点云数据中确定属于所述表面的局部点云数据,包括:
对所述三维点云数据中的点云数据进行拟合,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征;
针对每个所述表面,按照预设的表面特征与表面之间的对应关系,从所述三维点云数据中确定表面特征与所述表面对应的点云数据,作为所述表面的局部点云数据。
结合第一方面的第三种可能的实施例,本发明提供了第四种可能的实施例,在第四种可能的实施例中,所述对所述三维点云数据中的点云数据进行拟合,包括:
根据所述标定块的预设形状,确定所述标定块的各轮廓线的类型;
将所述三维点云数据中的点云数据拟合为所述类型的拟合曲线,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征。
结合第一方面,本发明提供了第五种可能的实施例,在第五种可能的实施例中,所述确定所述表面的模型约束条件,包括:
根据所述表面的预设尺寸和预设形状,确定所述表面的表面方程,作为所述表面的模型约束条件。
结合第一方面,本发明提供了第六种可能的实施例,在第六种可能的实施例中,所述标定块的数目为多个;
所述确定所述表面的模型约束条件,包括:
根据各所述标定块的预设尺寸和预设形状以及预设排布方式,确定所述表面的表面方程,作为所述表面的模型约束条件
结合第一方面,本发明提供了第七种可能的实施例,所述获取轮廓仪相机采集标定块得到的三维点云数据,包括:
获取轮廓仪相机分别采集位于不同位置的标定块得到的多帧三维点云数据;
从所述三维点云数据中确定属于所述表面的局部点云数据,包括:
分别从每帧三维点云数据中确定属于所述表面的局部点云数据。
第二方面,本发明实施例提供了一种轮廓仪相机的标定装置,其特征在于,所述装置包括:
获取模块,用于获取轮廓仪相机采集标定块得到的三维点云数据;
第一确定模块,用于针对所述标定块的每个表面,确定所述表面的模型约束条件;并从所述三维点云数据中确定属于所述表面的局部点云数据;
第二确定模块,用于确定使得各表面的所述局部点云数据与各表面的所述模型约束条件匹配的外参,作为所述轮廓仪相机的目标外参。
结合第二方面,本发明提供了第二种可能的实施例,在第二种可能的实施例中,所述第二确定模块,具体用于:
根据各所述表面的所述模型约束条件,确定模型约束误差与外参之间的对应关系,其中,所述模型约束误差为:所述轮廓仪相机的外参为所述模型约束误差对应的外参的情况下,各所述表面的所述局部点云数据对于各所述表面的所述模型约束条件的误差;
根据所述对应关系,确定所述模型约束误差的最小值对应的外参,作为所述轮廓仪相机的目标外参。
结合第二方面,本发明提供了第三种可能的实施例,在第三种可能的实施例中,所述第一确定模块,具体用于:
对所述三维点云数据中的点云数据进行拟合,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征;
针对每个所述表面,按照预设的表面特征与表面之间的对应关系,从所述三维点云数据中确定表面特征与所述表面对应的点云数据,作为所述表面的局部点云数据。
结合第二方面的第三种可能的实施例,本发明提供了第四种可能的实施例,在第四种可能的实施例中,所述对所述三维点云数据中的点云数据进行拟合,包括:
根据所述标定块的预设形状,确定所述标定块的各轮廓线的类型;
将所述三维点云数据中的点云数据拟合为所述类型的拟合曲线,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征。
结合第二方面,本发明提供了第五种可能的实施例,在第五种可能的实施例中,所述第一确定模块,还用于:
根据所述表面的预设尺寸和预设形状,确定所述表面的表面方程,作为所述表面的模型约束条件。
结合第二方面,本发明提供了第六种可能的实施例,在第六种可能的实施例中,所述标定块的数目为多个;所述第一确定模块,还用于:
根据各所述标定块的预设尺寸和预设形状以及预设排布方式,确定所述表面的表面方程,作为所述表面的模型约束条件。
结合第二方面,本发明提供了第七种可能的实施例,所述获取模块,用于获取轮廓仪相机分别采集位于不同位置的标定块得到的多帧三维点云数据;
所述第一确定模块,用于分别从每帧三维点云数据中确定属于所述表面的局部点云数据。
第三方面,本发明实施例提供了一种电子设备,所述电子设备包括处理器、存储器,其中,存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现第一方面所述的轮廓仪相机的标定方法步骤。
第四方面,本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的轮廓仪相机的标定方法步骤。
本发明实施例有益效果:
本发明实施例提供了一种轮廓仪相机的标定方法、装置及设备,其中,具体包括获取轮廓仪相机采集标定块得到的三维点云数据,针对标定块的每个表面,确定出各个表面的模型约束条件,并从三维点云数据中确定出属于标定块各个表面的局部点云数据,然后确定出使得各表面的局部点云数据与各表面的模型约束条件匹配的外参,作为轮廓仪相机的目标外参。由于标定块的各表面的模型约束条件是根据标定块的实际表面尺寸确定得到,标定块的形状越简单,对应的各表面的模型约束条件确定流程就越简单并且越准确。
如此,采用本发明实施例所提供的轮廓仪相机的标定方法可直接借助简单结构的标定块,便可基于标定块的表面的模型约束条件,对轮廓仪相机的外参进行调整,使得调整后的轮廓仪相机所采集到的三维点云数据与标定块的实际表面的模型约束条件相匹配,进而实现对轮廓仪相机进行校准。可有效减少轮廓仪相机的标定成本的同时,提高轮廓仪相机的测量准确度。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据这些附图获得其他的实施例。
图1为本发明提供的轮廓仪相机标定方法的一种可能的流程示意图;
图2a为本发明提供的确定局部点云数据的一种可能的流程示意图;
图2b为本发明提供的一种可能的拟合曲线特征示意图;
图3a为本发明提供的确定点云数据的表面特征的一种可能的流程示意图;
图3b为本发明提供的另一种可能的拟合曲线特征示意图;
图4为本发明提供的一种可能的标定块形状示意图;
图5为本发明提供的一种可能的表面模型示意图;
图6为本发明提供的一种可能的标定块排布方式示意图;
图7为本发明提供的一种可能的多个轮廓仪相机架设方式示意图;
图8为本发明提供的另一种可能的标定块排布方式示意图;
图9为本发明提供的另一种可能的多轮廓仪相机的架设方式示意图;
图10为本发明提供的轮廓仪相机标定装置的一种可能的结构示意图;
图11为本发明提供的电子设备的一种可能的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员基于本发明所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中,采用镶嵌有钢球或者印制有特殊图案的标定块,对轮廓仪相机进行标定的原理为:以标定块上的钢球或者特殊特案作为特征点,采用轮廓仪相机对该标定块进行扫描,获取标定块的三维点云数据,利用从三维点云数据中提取出的特征点的坐标与标定块的实际特征点之间的位置关系进行配准,利用配准结果对轮廓仪相机的外参进行调整,以使得调整后的轮廓仪相机所采集到的三维点云数据能够准确表征标定块的实际尺寸。
采用此种镶嵌有钢球或者印制有特殊图案的标定块,一方面,由于标定块的结构通常较为复杂,必然导致标定块的加工周期长、加工成本较高。另一方面,由于以钢球或者特殊图案作为特征点,在对轮廓仪相机进行标定之前,需要预先精准确定出特征点的尺寸,比如钢球的球心坐标,钢球的直径。这意味着,需要将所加工得到的标定块送至专业精密测量机构进行尺寸测量,并根据所设计的标定块构建模型坐标系,方可得到准确计量参考数据。如此,必然增加了测量周期长、测量成本较高,进而使得轮廓仪相机的标定成本较高。
有鉴于此,为了节约轮廓仪相机的标定成本,本发明提供了一种轮廓仪相机的标定方法,应用于任一支持轮廓仪相机标定的电子设备中,包括但不限于移动终端、个人电脑或者服务器等电子设备,也可以是任一支持轮廓仪相机标定的测量***,本实施例对此不作任何限制。
在一种可能的实施例中,本发明所提供的一种轮廓仪相机的标定方法可如图1所示,具体包括如下步骤:
S110、获取轮廓仪相机采集标定块得到的三维点云数据;
S120、针对标定块的每个表面,确定表面模型约束条件以及属于该表面的局部点云数据;
S130、确定使得各表面的局部点云数据与表面的模型约束条件匹配的外参,作为轮廓仪相机的目标外参。
选用本发明实施例,利用标定块的实际各表面的表面模型约束条件与各表面的局部点云数据进行匹配,相当于利用标定块的实际表面的表面模型约束条件,对轮廓仪相机的参数进行约束,来对轮廓仪相机进行标定。从而使得标定后的轮廓仪相机所采集的各表面的局部点云数据,符合标定块的实际表面的表面模型约束条件,即所采集到的各表面的局部点云数据能够准确表征标定块实际的表面特征,进而完成对轮廓仪相机的校准。
采用本发明实施例,不要求标定块具有特定的结构或图案,因此可以使用结构简单的标定块进行轮廓仪相机标定,从而可有效节约标定块的加工成本以及测量成本,进一步节约了轮廓仪相机的标定成本。
为了清楚阐述本发明实施例所提供的轮廓仪相机的标定方法,下面将分别对前述步骤S110-S130进行说明:
在本发明实施例中,轮廓仪相机可以是任一具备三维信息采集功能的设备,包括但不限于线激光轮廓仪、线激光传感器、三维扫描仪、深度相机等等。在本发明实施例中,轮廓仪相机的数目可以是一个,也可以是多个,具体的轮廓仪相机的类型、型号、数目可根据实际测量需求进行选择,本发明不作具体限定。
在一种可能的情形中,轮廓仪相机通过发射特定波长的光线至待检测物体表面,以实现对待检测物体进行光学扫描,根据扫描结果生成待检测物体的三维点云数据。其中,所生成的待检测物体的三维点云数据实际上是:位于同一个空间参考系下表达待检测物体的空间分布以及待检测物体表面光谱特性的各个点的集合。
具体的,在步骤S110中,可通过轮廓仪相机对标定块进行数据采集,能够得到标定块的三维点云数据。此标定块的三维点云数据可以理解为:在轮廓仪相机的图像坐标系中,存在一个由海量个点构成的集合,该集合各个点的分布情况能够表征该标定块的空间分布和表面光谱性。其中,标定块的空间分布包括标定块的形状信息,标定块的形状信息具体可以为标定块的尺寸信息、标定块的表面分布等,具体的标定块的表面分布可以包括:标定块表面的数量,标定块表面的特征、标定块各表面之间形成在空间上的关联关系等等。标定块的表面光谱性可以反映标定块的表面粗糙情况、材质等。
由于步骤S110所获取的标定块的三维点云数据为海量个点构成的集合,各个点的分布情况能够表征该标定块的空间分布和表面光谱性。在步骤S120中,可针对标定块的每个表面,确定出属于标定块的各个表面的局部点云数据。具体的,按照标定块的空间分布情况将步骤S110中所获取的标定块的三维点云数据中的各个点进行划分,将属于同一个表面的点划分为一个点云数据集合,即得到各个表面的局部点云数据。
示例性的,以标定块为圆锥块为例,通过轮廓仪相机对该标定块进行数据采集,能够得到一个由海量的点组成的一个三维点云数据,该三维点云数据能够表征出标定块的空间分布情况,即该三维点云可以表征出标定块是由一个圆锥面以及一个底面的圆拼接而成的空间结构体。如此,便能够根据标定块的空间分布情况,确定出各个点云的表面归属情况,将属于同一个表面的点划分为一个点云集合。即采用步骤S120,能够将该三维点云中属于圆锥面的点确定为第一局部点云数据,将剩余部分属于底面的圆的点确定为第二局部点云数据。
在一种可能的实施例中,如图2a所示,步骤S120中针对标定块的每个表面,从三维点云数据中确定属于该表面的局部点云数据,可以通过如下步骤实现:
S121,对三维点云数据中的点云数据进行拟合,得到各点云数据所属拟合曲线的特征,作为点云数据的表面特征。
本文中的曲线不特指弯曲的线,也包括直线。同理,本文中的表面可以是任意形状的面,即表面可以为平面,也可以为曲面,本发明对此不作任何限制。
可以理解的是,不同表面的形状不同,因此不同表面上曲线具有不同的形状,示例性的,以标定块为圆锥体为例,圆锥体的底面为一圆形平面,因此底面上任意两点之间的连线为直线,而圆锥体的侧面的曲线,因此侧面上两点之间的连线为圆锥曲线。换言之,若对属于底面的点云数据进行拟合,则拟合得到的拟合曲线为直线,而若对属于侧面的点云数据进行拟合,则拟合得到的拟合曲线为圆锥曲线,示例性的,如图2b所示。由于不同表面的点云数据拟合得到的拟合曲线具有不同的形状,因此这些形状可以视为这些拟合曲线的特征,同时,如前述分析,这些特征取决于点云数据所属的表面,因此这些特征能够在一定程度上反映出点云数据所述表面,因此本文中将这些特征称为表面特征。
S122,针对每个表面,按照预设的表面特征与表面之间的对应关系,从三维点云数据中确定表面特征与表面对应的点云数据,作为表面的局部点云数据。
如前述分析,点云数据的表面特征取决于点云数据所属的表面,因此特定的表面的点云数据将具备特定的表面特征,即存在表面与表面特征之间的对应关系,根据该对应关系以及通过拟合得到的表面特征,则可以确定各表面的局部点云数据。示例性的,仍以前述圆锥体的示例为例,若点云数据的表面特征表示对该点云数据拟合得到的拟合曲线为圆锥曲线,则该点云数据属于圆锥体的侧面,而若点云数据的表面特征表示对该点云数据拟合得到的拟合曲线为直线,则该点云数据属于圆锥曲线的底面。
选用该实施例,可以对点云数据进行拟合,从而得到各点云数据的表面特征,利用表面特征取决于表面这一特点,准确地根据点云数据的表面特征确定各点云数据所属的表面,即能够准确地确定出各表面的局部点云数据。
前述S121中,根据应用场景的不同可以采用不同的方式进行拟合,示例性的,在一种可能的实施例中,将三维点云数据分别拟合为多种不同形状的曲线,并分别计算三维点云数据与拟合得到的各曲线之间的匹配程度,将匹配程度最高的曲线作为三维点云数据的拟合曲线。
在另一种可能的实施例中,上述S121,如图3a所示,也可以通过S1211-S1212实现:
S1211,根据标定块的预设形状,确定标定块的轮廓线的类型。
标定块的轮廓线是指标定块的表面在切面上的投影,切面为任意垂直于用于放置标定块的平台的平面,可以理解的是,根据切面的不同,同一标定块的轮廓线的类型也将不同,示例性的,如图3b所示,图3b左上部分示出了标定块为梯形台形状的情况下,不同切面的轮廓线。图3b右上部分示出了标定块为环形山形状的情况下,不同切面的轮廓线。图3b左下部分示出了标定块为圆锥体形状的情况下,不同切面的轮廓线。图3b右下部分示出了标定块为球冠形状的情况下,不同切面的轮廓线。
S1212,将三维点云数据中的点云数据拟合为各轮廓线的类型的拟合曲线,得到个点云数据所属拟合曲线的特征,作为点云数据的表面特征。
通过轮廓仪相机采集得到的三维点云数据为标定块表面的点云数据,因此理论上对三维点云数据进行拟合得到的拟合曲线应当为标定块的轮廓线,即拟合曲线的类型应当与标定块的轮廓线的类型相同。因此,确定得到的轮廓线的类型可以视为拟合曲线的类型。
可见,选用该实施例,能够基于标定块的预设形状这一先验知识,在对点云数据进行拟合之前确定出拟合曲线的类型,从而提高对点云数据的拟合效率。示例性的,相比于前述将三维点云数据分别拟合为多种不同形状的曲线,再从拟合得到的多个曲线中确定拟合曲线的方式,选用该实施例无需将相同的点云数据分别拟合为多种不同形状的曲线,因此拟合效率更高。
步骤S130中,模型约束条件用于表征在空间坐标系中位于同一个表面上的各个点应该满足的条件。例如,由于一个表面上的各点位于该表面上,因此表面上的各点应该满足该表面的表面方程,表面方程是指用于描述该表面的形状的方程,所以表面的表面方程可以作为一个模型约束条件。又例如,表面1与表面2平行,且表面1与表面2之间的距离为s,则表面1上的各点到表面2的距离也应当为s,因此到表面2的距离为s也可以作为一个模型约束条件。
可以理解的是,由于表面的表面方程取决于该表面的尺寸和形状,各表面之间的距离取决于各标定块的位姿,而在标定块固定的情况下,标定块的表面的尺寸和形状是固定的,但位姿受限制于标定块的具体放置方式,难以预先知悉。因此,相较于以到表面的距离作为模型约束条件,以根据表面的尺寸和形状确定得到的表面方程作为模型约束条件更容易实现。即,以表面方程作为模型约束条件能够有效降低轮廓仪相机的标定方法的复杂度。
以标定块为圆锥块为例,以是根据圆锥块的实际底面直径计算出圆锥块模型的底面的表面方程,作为底面的模型约束条件,根据圆锥块的实际底面直径、圆锥块的高确定出圆锥块模型的侧面的表面方程,作为侧面的模型约束条件。
可以理解的是,模型约束条件取决于标定块,因此模型约束条件是相对标定块静止的坐标系(下文称标定块坐标系)下的条件,示例性的,以模型约束条件为表面方程为例,该表面方程为相对标定块静止的坐标系下的方程。而局部点云数据为轮廓仪相机采集到的点云数据,因此是在相对轮廓仪相机静止的坐标系(下文称传感器坐标系)下的点云数据。而传感器坐标系与标定块坐标系之间的转换关系取决于轮廓仪相机的外参,因此,局部点云数据在标定块坐标系下的坐标取决于外参,又由于模型约束条件为标定块坐标系下的条件,因此局部点云数据在标定块坐标系下的坐标直接影响到局部点云数据是否与模型约束条件匹配。
对于存在多个标定块的情况,示例性的,如图4所示,由于不同标定块的位置不同,因此在一种可能的实施例中,可以为不同的标定块设置不同的标定块坐标系。示例性的,针对每个标定块,以该标定块的中心为原点构建标定块坐标系。在该示例中,不同标定块的表面的模型约束条件是在不同的标定块坐标系下的条件,因此各个模型约束条件之间相互独立。
而在另一种可能的实施例中,根据标定块的预设尺寸与预设形状以及预设排布方式,确定表面的表面方程,作为表面的模型约束条件,从而将各表面的模型约束条件整合至同一标定块坐标系下,示例性的,如图5所示,该示例中以左上方的标定块的中心为原点构建标定块坐标系,将四个标定块各表面的模型约束条件整合至该标定块坐标系之下。
可以理解的是,各表面之间也存在约束关系。示例性的,仍以图5为例,图5右上方的标定块左侧面上的局部局部点云数据距离左上方的标定块的左侧面的水平(即图5中左右方向)距离应当为dx,同理,图5左下方的标定块左侧面上的局部局部点云数据距离左上方的标定块的左侧面的竖直(即图5中上下方向)距离应当为dy。可以,将多个标定块各表面的模型约束条件整合至同一标定块坐标系下,一个表面的模型约束条件不但会对该表面的局部点云数据产生约束,同时会对其他表面的局部点云数据产生约束。即丰富了模型约束条件。
可以理解的是,模型约束条件越多,则能够使得局部点云数据与模型约束条件匹配的目标外参为轮廓仪相机真实外参的可能性越高,即选用该实施例,通过将各表面方程整合至同一标定块坐标系,以尽可能丰富模型约束条件,从而提高确定得到的目标外参的准确性,即进一步提高了轮廓仪相机标定的准确性。
可以理解的是,图4、图5中所示的排布方式仅是一种可能的排布方式,在其他可能的实施例中,多个标定块的排布方式也可以不如图4、图5所示,示例性的,在一些可能的实施例中,多个标定块的排布方式也可以如图6、图7、图8以及图9中任一附图所示。
并且,由于标定块的数目越多,则表面的数目越多,因此模型约束条件也将越多。所以在一种可能的实施例中,为丰富模型约束条件以提高标定的准确性,可以设置数目较多的标定块。
在另一种可能的实施例中,也可以让标定块具备移动能力,即使得标定块在多个不同的时刻分别处于多个不同位置,示例性的,如图6-图9所示,将标定块放置于传送带上,以使得标定块在传送带的带动下运动。在该示例中,通过轮廓仪相机分别采集位于不同位置的标定块得到多帧三维点云数据,分别从每帧三维点云数据中确定属于表面的局部点云数据,以根据局部点云数据和各表面的表面约束条件确定目标位姿。
可以理解的是,当标定块处于不同位置时,标定块上的表面也将处于不同位置,而同一表面在不同位置的模型约束条件也将不同,因此选用该实施例,能够通过使得标定块分别处于不同位置,丰富模型约束条件,进而提高轮廓仪相机标定的准确性,同时无需设置数目较多的标定块,因此有效降低了轮廓仪相机标定的成本。
局部点云数据为标定块表面的点云数据,因此即若外参为轮廓仪相机的真实外参,则局部点云数据应当与模型约束条件匹配,反之,能够使得局部点云数据应当与模型约束条件匹配的外参,可以视为轮廓仪相机的真实外参。因此在S130中能够将使得局部点云数据与模型约束条件匹配的外参作为目标外参。
可以理解的是,各表面的局部点云数据与表面的模型约束条件匹配时,各表面的局部点云数据与表面的模型约束条件之间的误差较小,反之,各表面的局部点云数据与表面的模型约束条件不匹配时,各表面的局部点云数据与表面的模型约束条件之间的误差较大,因此在一种可能的实施例中可以根据各表面的局部点云数据与表面的模型约束条件之间的误差判断各表面的局部点云数据与表面的模型约束条件是否匹配。下文中为描述方便,将各表面的局部点云数据与表面的模型约束条件之间的误差称为模型约束误差。
示例性的,在一种可能的实施例中,前述S130可以通过S131-S132实现:
S131,根据各表面的模型约束条件,确定模型约束误差与外参之间的对应关系。
其中,模型约束误差为:轮廓仪相机的外参为模型约束误差对应的外参
如前述分析,局部点云数据在标定块坐标系下的坐标直接影响到局部点云数据是否与模型约束条件匹配,因此不同外参的情况下模型约束误差不同,即模型约束误差与外参之间存在对应关系。
选用该实施例,能够根据建立得到的模型约束误差与外参之间的对应关系,确定得到使得模型约束误差最小的外参作为目标外参,从而使得确定得到的目标外参能够尽可能接近于轮廓仪相机真实的外参,从而进一步提高轮廓仪相机标定的准确性。
为了更清楚的对S131进行说明,下面将结合具体的应用场景对如何确定模型约束误差与外参之间的对应关系进行说明:
假设一共存在n个标定块,每个标定块包括m个表面,该n个标定块处于运动状态,如该n个标定块被放置在传送带上并在传送带的带动下运动。轮廓仪相机分别在p个不同的时刻采集各个标定块得到三维点云数据。
假设第j个时刻第j个标定块的第k个表面的局部点云数据在传感器坐标系下的坐标为Xs,i,j,k,则局部点云数据在标定块坐标系下的坐标满足公式(1):
Xo,i,j,k=f(Xs,i,j,k)…(1)
其中,Xo,i,j,k为局部点云数据在标定块坐标系下的坐标,f(·)为传感器坐标系与标定块坐标系之间坐标转换函数,该函数取决于轮廓仪相机的外参。
再假设该局部点云数据所述表面的模型约束条件为该表面的表面方程,且该表面的表面方程是以公式(2)的形式表示的:
g(X)=0…(2)
其中,g(·)根据该表面的形状不同而不同,X为标定块坐标系中的坐标,示例性的,若该表面为平面,则公式(2)可以改写成公式(3):
其中,a、b、c、d为平面的表面方程中的参数,x、y、z分别为X的x分量、y分量以及z分量。
若该表面为圆锥面,则公式(2)可以改写成公式(4):
其中,D、h为圆锥面的表面方程中的参数。
若该表面为球面,则公式(2)可以改写成公式(5):
其中,x0、y0、z0为球面的表面方程的参数。
将Xo,i,j,k作为X带入函数g(·)得到公式(6):
g(Xo,i,j,k)=ei,j,k…(6)
其中,ei,j,k为将Xo,i,j,k输入至函数g(·)得到的结果。如前述分析,当Xo,i,j,k与该表面的模型约束条件匹配时,ei,j,k为0,反之,当Xo,i,j,k与该表面的模型约束条件不匹配时,ei,j,k不为0,且Xo,i,j,k与该表面的模型约束条件越不匹配,则ei,j,k的值越大。可见,ei,j,k能够该表面的局部点云数据与该表面的模型约束条件是否匹配。
将公式(6)推广至各表面的局部点云数据,则可得到公式(7):
其中,T表示转置。如前述关于ei,j,k的分析,可知,E能够表示各表面的局部点云数据与各表面的模型约束条件是否匹配,换言之,E能够作为模型约束误差。又由于ei,j,k为将Xo,i,j,k输入至函数g(·)得到的结果,而Xo,i,j,k是根据函数f(·)得到的,函数f(·)取决于外参,因此公式(7)可以视为模型约束误差与外参之间的对应关系。
S132,根据对应关系,确定模型约束误差最小值对应的外参,作为轮廓仪相机的目标外参。
仍以对应关系是以前述公式(7)的形式表示的为例,则确定能够使得E最小的外参,作为轮廓仪相机的目标外参。即目的外参应当满足公式(8):
其中,Tg为目标外参,argminT是指能够使得取值达到最小的外参T,例如,argminTE是指能够使得E的取值达到最小的外参T。
可以理解的是,在一些应用场景中,局部点云数据在标定块坐标系下的坐标也可以不是按照公式(1)计算得到的,示例性的,在一种可能的实施例中,按照公式(9)计算得到:
Xo,i,j,k=fOM(XM,i,j,k)…(9)
其中,XM,i,j,k为局部点云数据在世界坐标系下的坐标,函数fOM(·)为世界坐标系与标定块坐标系之间的坐标转换函数。XM,i,j,k通过公式(10)计算得到:
XM,i,j,k=fMS(Xs,i,j,k)…(10)
其中,函数fMS(·)为传感器坐标系与世界坐标系之间的坐标转换函数。则在该实施例中,E取决于函数fOM(·)与函数fMS(·),并且假设在该实施例中,每两个时刻之间各标定块运动的步长为step,由于各表面的表面方程取决于step,因此E也取决于step,在该实施例中,公式(8)中第一个等号的右部分可以改写为公式(11):
由于,函数fOM(·)与步长step为固定值,而函数fMS(·)取决于外参,因此公式(11)仍然是在确定能够使得E的取值达到最小的外参,因此按照公式(11)也能够计算得到目标外参。
在一些应用场景中可能存在多个轮廓仪相机,在一种可能的实施例中,可以按照公式(11)分别为每隔轮廓仪相机进行标定。而如前述分析,模型约束条件越多,则轮廓仪相机标定越准确。因此在另一种可能的实施例中,可以将所有轮廓仪相机采集到的局部点云数据整合至同一标定块坐标系下,此时可以得到公式(12):
其中,Er为基于第r个轮廓仪相机采集到的三维点云数据确定得到的模型约束误差,关于如何基于三维点云数据确定得到模型约束误差可以参见前述相关说明,在此不再赘述。q为轮廓仪相机的数目,Etot为基于各轮廓仪相机采集得到的三维点云数据确定得到的各模型约束误差的总和。er,i,j,k为将Xo,r,i,j,k输入至函数g(·)得到的结果,关于函数g(·)可以参见前述S131的相关说明,Xo,r,i,j,k为第r个轮廓仪相机在第i个时刻采集到的第j个标定块的第k个表面的局部点云数据在标定块坐标系下的坐标。
如前述分析,Er取决于函数fOM(·)与步长step,并且取决于函数fMSr(·),其中,函数fMSr(·)为第r个轮廓仪相机的传感器坐标系与世界坐标系之间的坐标转换函数。因此,Etot取决于函数fOM(·)、函数fMS1(·)、函数fMS2(·)、…、函数fMSq(·)以及步长step。其中,函数fMS1(·)、函数fMS2(·)、…、函数fMSq(·)分别取决于各轮廓仪相机的外参,而函数fOM(·)与步长step为固定值,而如前述分析,当外参为轮廓仪相机真实外参的情况下模型约束误差最小,因此,能够使得模型约束误差的总和最小的外参可以认为是轮廓仪相机的真实外参,因此,可以按照公式(13)确定使得Etot最小的函数函数fMS1(·)、函数fMS2(·)、…、函数fMSq(·):
再根据确定得到的函数fMS1(·)、函数fMS2(·)、…、函数fMSq(·)确定各轮廓仪相机的外参,作为各轮廓仪相机的目标外参。由于公式(11)每次只能够标定一个轮廓仪相机,因此按照公式(11)标定轮廓仪相机称为单相机标定,而按照公式(13)能够一次标定多个轮廓仪相机,因此按照公式(13)标定轮廓仪相机称为多相机标定。
并且,对于存在多个轮廓仪相机的场景,不仅可以按照单相机标定分别标定每个轮廓仪相机,或按照多轮廓仪相机同时标定多个轮廓仪相机。还可以先按照单相机标定分别标定每个轮廓仪相机,将标定得到的各轮廓仪相机的外参作为公式(13)中各轮廓仪相机的外参的初始以确定使得Etot最小的函数函数fMS1(·)、函数fMS2(·)、…、函数fMSq(·),并根据确定得到的函数fMS1(·)、函数fMS2(·)、…、函数fMSq(·)确定各轮廓仪相机的外参,作为各轮廓仪相机的目标外参。
另一方面,如图10所示,本发明实施例还提供了一种轮廓仪相机的标定装置,其中该标定装置包括:
获取模块101,用于获取轮廓仪相机采集标定块得到的三维点云数据;
第一确定模块102,用于针对标定块的每个表面,确定各表面的模型约束条件,并从三维点云数据中确定属于各个表面的局部点云数据;
第二确定模块103,用于确定使得各表面的局部点云数据与各表面的模型约束条件匹配的外参,作为轮廓仪相机的目标外参。
在一种可能的实施例中,第二确定模块103,具体用于:
根据各所述表面的所述模型约束条件,确定模型约束误差与外参之间的对应关系,其中,所述模型约束误差为:所述轮廓仪相机的外参为所述模型约束误差对应的外参的情况下,各所述表面的所述局部点云数据对于各所述表面的所述模型约束条件的误差;
根据所述对应关系,确定所述模型约束误差的最小值对应的外参,作为所述轮廓仪相机的目标外参。
在一种可能的实施例中,第一确定模块102,具体用于:
对三维点云数据中的点云数据进行拟合,得到各点云数据所属拟合曲线的特征,作为点云数据的表面特征;
针对每个表面,按照预设的表面特征与表面之间的对应关系,从三维点云数据中确定表面特征与表面对应的点云数据,作为表面的局部点云数据。
在一种可能的实施例中,对三维点云数据中的点云数据进行拟合,包括:
根据标定块的预设形状,确定标定块的各轮廓线的类型;
将三维点云数据中的点云数据拟合为类型的拟合曲线,得到各点云数据所属拟合曲线的特征,作为点云数据的表面特征。
在一种可能的实施例中,第一确定模块102,还用于:
根据所述表面的预设尺寸和预设形状,确定所述表面的表面方程,作为所述表面的模型约束条件。
在一种可能的实施例中,标定块的数目为多个,第一确定模块102,还用于:
根据各标定块的预设尺寸和预设形状以及预设排布方式,确定表面的表面方程,作为表面的模型约束条件。
在一种可能的实施例中,获取模块101,用于获取轮廓仪相机分别采集位于不同位置的标定块得到的多帧三维点云数据;第一确定模块102,还用于分别从每帧三维点云数据中确定属于标定块各个表面的局部点云数据。
本发明实施例还提供了一种电子设备,如图11所示,包括存储器111,用于存放计算机程序;
处理器112,用于执行存储器111上所存放的程序时,实现如下步骤:
获取轮廓仪相机采集的标定块得到的三维点云数据;
针对标定块的每个表面,确定表面的模型约束条件并从三维点云数据中确定属于表面的局部点云数据;
确定使得各表面的局部点云数据与各表面的模型约束条件匹配的外参,作为轮廓仪相机的目标外参。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一轮廓仪相机的标定方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一轮廓仪相机的标定方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (11)
1.一种轮廓仪相机的标定方法,其特征在于,所述方法包括:
获取轮廓仪相机采集标定块得到的三维点云数据;
针对所述标定块的每个表面,确定所述表面的模型约束条件并从所述三维点云数据中确定属于所述表面的局部点云数据;
确定使得各表面的所述局部点云数据与各表面的所述模型约束条件匹配的外参,作为所述轮廓仪相机的目标外参。
2.根据权利要求1所述的方法,其特征在于,所述确定使得各表面的所述局部点云数据与各表面的所述模型约束条件匹配的外参,作为所述轮廓仪相机的目标外参,包括:
根据各所述表面的所述模型约束条件,确定模型约束误差与外参之间的对应关系,其中,所述模型约束误差为:所述轮廓仪相机的外参为所述模型约束误差对应的外参的情况下,各所述表面的所述局部点云数据对于各所述表面的所述模型约束条件的误差;
根据所述对应关系,确定所述模型约束误差的最小值对应的外参,作为所述轮廓仪相机的目标外参。
3.根据权利要求1所述的方法,其特征在于,所述针对所述标定块的每个表面,从所述三维点云数据中确定属于所述表面的局部点云数据,包括:
对所述三维点云数据中的点云数据进行拟合,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征;
针对每个所述表面,按照预设的表面特征与表面之间的对应关系,从所述三维点云数据中确定表面特征与所述表面对应的点云数据,作为所述表面的局部点云数据。
4.根据权利要求3所述的方法,其特征在于,所述对所述三维点云数据中的点云数据进行拟合,包括:
根据所述标定块的预设形状,确定所述标定块的各轮廓线的类型;
将所述三维点云数据中的点云数据拟合为所述类型的拟合曲线,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征。
5.根据权利要求1所述方法,其特征在于,所述确定所述表面的模型约束条件,包括:
根据所述表面的预设尺寸和预设形状,确定所述表面的表面方程,作为所述表面的模型约束条件。
6.根据权利要求1所述的方法,其特征在于,所述标定块的数目为多个;
所述确定所述表面的模型约束条件,包括:
根据各所述标定块的预设尺寸和预设形状以及预设排布方式,确定所述表面的表面方程,作为所述表面的模型约束条件。
7.根据权利要求1所述的方法,其特征在于,所述获取轮廓仪相机采集标定块得到的三维点云数据,包括:
获取轮廓仪相机分别采集位于不同位置的标定块得到的多帧三维点云数据;
从所述三维点云数据中确定属于所述表面的局部点云数据,包括:
分别从每帧三维点云数据中确定属于所述表面的局部点云数据。
8.一种轮廓仪相机的标定装置,其特征在于,所述装置包括:
获取模块,用于获取轮廓仪相机采集标定块得到的三维点云数据;
第一确定模块,用于针对所述标定块的每个表面,确定所述表面的模型约束条件;并从所述三维点云数据中确定属于所述表面的局部点云数据;
第二确定模块,用于确定使得各表面的所述局部点云数据与各表面的所述模型约束条件匹配的外参,作为所述轮廓仪相机的目标外参。
9.根据权利要求8所述的装置,其特征在于,所述第二确定模块,具体用于:
根据各所述表面的所述模型约束条件,确定模型约束误差与外参之间的对应关系,其中,所述模型约束误差为:所述轮廓仪相机的外参为所述模型约束误差对应的外参的情况下,各所述表面的所述局部点云数据对于各所述表面的所述模型约束条件的误差;
根据所述对应关系,确定所述模型约束误差的最小值对应的外参,作为所述轮廓仪相机的目标外参;
所述第一确定模块,具体用于:
对所述三维点云数据中的点云数据进行拟合,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征;
针对每个所述表面,按照预设的表面特征与表面之间的对应关系,从所述三维点云数据中确定表面特征与所述表面对应的点云数据,作为所述表面的局部点云数据;
所述对所述三维点云数据中的点云数据进行拟合,包括:
根据所述标定块的预设形状,确定所述标定块的各轮廓线的类型;
将所述三维点云数据中的点云数据拟合为所述类型的拟合曲线,得到各所述点云数据所属拟合曲线的特征,作为所述点云数据的表面特征;
所述第一确定模块,还用于:
根据所述表面的预设尺寸和预设形状,确定所述表面的表面方程,作为所述表面的模型约束条件;
所述标定块的数目为多个;所述第一确定模块,还用于:
根据各所述标定块的预设尺寸和预设形状以及预设排布方式,确定所述表面的表面方程,作为所述表面的模型约束条件;
所述获取模块,用于获取轮廓仪相机分别采集位于不同位置的标定块得到的多帧三维点云数据;
所述第一确定模块,还用于:
分别从每帧三维点云数据中确定属于所述表面的局部点云数据。
10.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211139180.2A CN115423883A (zh) | 2022-09-19 | 2022-09-19 | 一种轮廓仪相机的标定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211139180.2A CN115423883A (zh) | 2022-09-19 | 2022-09-19 | 一种轮廓仪相机的标定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115423883A true CN115423883A (zh) | 2022-12-02 |
Family
ID=84205056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211139180.2A Pending CN115423883A (zh) | 2022-09-19 | 2022-09-19 | 一种轮廓仪相机的标定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423883A (zh) |
-
2022
- 2022-09-19 CN CN202211139180.2A patent/CN115423883A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luhmann et al. | Sensor modelling and camera calibration for close-range photogrammetry | |
Di Leo et al. | Covariance propagation for the uncertainty estimation in stereo vision | |
CN111750804B (zh) | 一种物体测量的方法及设备 | |
CN108805936A (zh) | 摄像机外参标定方法、装置和电子设备 | |
US7860298B2 (en) | Method and system for the calibration of a computer vision system | |
CN110111384A (zh) | 一种tof深度模组的标定方法、装置及*** | |
El-Hakim et al. | Multicamera vision-based approach to flexible feature measurement for inspection and reverse engineering | |
Xu et al. | An optimization solution of a laser plane in vision measurement with the distance object between global origin and calibration points | |
TWI468658B (zh) | 鏡頭檢測裝置及方法 | |
Wang et al. | Measurement and analysis of depth resolution using active stereo cameras | |
CN115122333A (zh) | 机器人标定方法、装置、电子设备及存储介质 | |
CN108286946B (zh) | 传感器位置标定和数据拼接的方法及*** | |
CN1223826C (zh) | 影像测量***和方法 | |
CN111145247B (zh) | 基于视觉的位置度检测方法及机器人、计算机存储介质 | |
CN109212546B (zh) | 双目相机深度方向测量误差的计算方法和装置 | |
CN115423883A (zh) | 一种轮廓仪相机的标定方法、装置及电子设备 | |
CN115953478A (zh) | 相机参数标定方法、装置、电子设备及可读取存储介质 | |
CN108871204B (zh) | 摄影测量中长度测量相对误差的绝对评价方法 | |
CN114913241A (zh) | 一种结构光3d相机标定方法及装置 | |
CN109916341B (zh) | 一种产品表面水平倾斜角度的测量方法及*** | |
CN116164818A (zh) | 一种测量不确定度的确定方法、装置、设备以及存储介质 | |
CN114631014A (zh) | 非空间测量结果校准方法及相关***和设备 | |
Hanning | A least squares solution for camera distortion parameters | |
CN116608816B (zh) | 一种用于小角度测量仪器检定装置的校准方法和装置 | |
CN111442756B (zh) | 一种基于激光阵列测量无人机抖动角的方法及装置 |
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 |