WO2011160491A1 - 一种基于摄像机坐标系位置自适应的显微视觉测量方法 - Google Patents

一种基于摄像机坐标系位置自适应的显微视觉测量方法 Download PDF

Info

Publication number
WO2011160491A1
WO2011160491A1 PCT/CN2011/073276 CN2011073276W WO2011160491A1 WO 2011160491 A1 WO2011160491 A1 WO 2011160491A1 CN 2011073276 W CN2011073276 W CN 2011073276W WO 2011160491 A1 WO2011160491 A1 WO 2011160491A1
Authority
WO
WIPO (PCT)
Prior art keywords
microscopic
image
calibration
coordinates
point
Prior art date
Application number
PCT/CN2011/073276
Other languages
English (en)
French (fr)
Inventor
张广军
魏振忠
李伟仙
曹志鹏
王亚丽
Original Assignee
北京航空航天大学
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 北京航空航天大学 filed Critical 北京航空航天大学
Priority to US13/696,982 priority Critical patent/US8934721B2/en
Publication of WO2011160491A1 publication Critical patent/WO2011160491A1/zh

Links

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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G01B11/005—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates coordinate measuring machines
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/18—Arrangements with more than one light path, e.g. for comparing two specimens
    • G02B21/20—Binocular arrangements
    • G02B21/22—Stereoscopic arrangements

Definitions

  • the present invention relates to microscopic vision measurement techniques, and more particularly to a visual vision measurement method based on camera coordinate system position adaptation. Background technique
  • the accuracy of conventional vision measurement can be better than 5/100,000 ("A Novel Calibration Method for Large-Scale Stereo Vision Sensor based on One-dimensional Target", 7th International Symposium on Instrumentation and Control Technology, Proceedings of SPIE , Vol.7129, 2008: 71290K) proposed a large field of view binocular vision measurement system, using unconstrained one-dimensional targets to complete the calibration, The system can even reach 0.04% with respect to distance measurement. Measurement accuracy.
  • Microscopic vision measurement accuracy is lower than conventional vision measurements, mainly due to the low system calibration accuracy. Because the nonlinear function of the microscopic vision optimization objective function in the calibration process is very high, it is sensitive to the initial value, and the microscopic optical system has a small depth of field, so that the target plane is approximately parallel to the image plane, so that the linear solution of the parameter is very inaccurate, so The optimization objective function with the linear solution as the initial value is difficult to converge to the optimal value, and even the case where the parameter to be marked is imaginary.
  • the main object of the present invention is to provide a high-precision microscopic vision measurement method based on camera coordinate system position self-adaptation, using a stereo microscope and two left and right cameras, through the microscopic visual optical axis Adaptally change the position of the camera coordinate system, establish a microscopic visual measurement model and improve the nonlinear intensity of the optimized objective function in microscopic visual calibration, and then use the free movement of the planar target in the field of view to achieve high precision of small depth of field microscopic vision. Calibration, ultimately achieving high-precision measurement of the microscopic vision system.
  • a microscopic vision measuring method based on camera coordinate system position adaptation comprising: Step A: acquiring a synchronous image pair and transmitting to a computer through an image collection card;
  • Step B Calculating the three-dimensional coordinates of the scene feature points according to the calibrated microscopic stereoscopic measurement model parameters and the matched scene feature point pairs obtained from the synchronization image;
  • Step C Complete specific measurement content according to the three-dimensional coordinates of the feature points of the scene.
  • step B the calibration of the microscopic stereo vision measurement model based on the camera coordinate system position adaptation should be completed, and the calibration includes:
  • Step a By adaptively changing the position of the left and right camera coordinate systems on the left and right microscopic optical axes, a left and right microscopic vision measurement model is established, and a structural relationship between the left and right microscopic visual measurement models is established;
  • Step b randomly placing at least 3 positions of the planar target in the measurement space and passing the left and right cameras Shooting a pair of target images, establishing a world coordinate system according to the posture of the planar target;
  • Step C extracting coordinate of the calibration point image in the target image;
  • Step d respectively calibrating the parameters of the left and right microscopic vision measurement models
  • Step e Optimize all parameters of the calibration microscopic stereoscopic measurement model.
  • step a includes:
  • the left microscopic optical center The left optical axis and the left camera image plane are intersected with the main point.
  • the upper left corner is used as the origin to establish a two-dimensional image coordinate system A.
  • the ⁇ on the left optical axis is the origin, and ° ⁇ ⁇ ⁇ establishes the left camera right-hand coordinate system.
  • Set the right microscopic optics center, the right optical axis and the right camera image plane intersect with the main point; establish the two-dimensional image coordinate system with the upper left corner as the origin - "; with the origin on the right optical axis,
  • ⁇ are the left and right camera main point coordinates; respectively, the left and right camera coordinate system position offset; respectively, the left and right adaptive magnification;
  • the parameters of the established microscopic stereo vision measurement model based on camera coordinate system position adaptation include:
  • step b includes:
  • the step C includes:
  • Step d3 Find a linear solution of the remaining internal and external parameters according to the extracted calibration point image coordinates and world coordinates;
  • Step d6 taking the optimal value of the sequence of the solution set is the calibration result, and the calibration is terminated;
  • the vector function is a column vector composed of image reversal errors of all calibration points.
  • the step e includes: According to the structural relationship between the left and right microscopic visual measurement models, the structural parameters of the microscopic stereoscopic measurement model are calculated, and then all the parameters of the microscopic stereoscopic measurement model are optimized with the minimum of any two-point spacing error as the objective function;
  • the vector function is a column vector composed of any two-point spacing error of all calibration points, and its component expression is For the known spacing of the first and the _th calibration points, D is the spacing calculated by the microscopic stereoscopic measurement model for the first and the first calibration points.
  • the microscopic vision measurement method based on camera coordinate system position adaptation has the following advantages:
  • the method effectively adjusts the position of the camera coordinate system on the optical axis of the microscopic vision to obtain the optimal position of the camera coordinate system on the optical axis of the microscopic vision, thereby effectively improving the optimization objective function in the microscopic visual calibration.
  • the nonlinear strength in order to reduce the sensitivity of the optimization process to the initial value, obtain better calibration results, and finally achieve high-precision measurement of the microscopic vision system.
  • FIG. 1 is a schematic view of a microscopic vision measuring system according to an embodiment of the present invention.
  • FIG. 2 is a flow chart of a microscopic vision measuring method according to an embodiment of the present invention.
  • Figure 3 is a schematic diagram of a microscopic stereo vision measurement imaging model adaptive to the position of the camera coordinate system
  • Figure 4 and Figure 5 are the target images taken by the left and right cameras from the same pose.
  • the peripheral curve of the circle is the fitted ellipse, and the center point is the center of the detected spot;
  • Fig. 6 is a graph showing the intrinsic nonlinear intensity of the optimized objective function of the camera coordinate system position adaptive microscopy measurement model and the Zhang model
  • Fig. 7 is a graph showing the positional nonlinear dynamics of the camera's coordinate system and the Gaussian noise level of the optimized objective function of the Zhang model
  • Figure 8 Positional adaptation of the camera coordinate system The calibration accuracy of the microscopic visual measurement model and the Zhang model as a function of Gaussian noise level
  • Fig. 9 is a graph showing the nonlinearity of the microscopic vision measurement model adaptive to the position of the camera coordinate system as a function of adaptive magnification
  • Table 1 shows the measurement accuracy calculated from the test points after the microscopic stereo vision measurement system is calibrated based on the camera coordinate system position adaptive micro-stereoscopic vision system based on the calibration point;
  • Table 2 shows the measurement accuracy calculated from the test points after calibrating the microscopic stereo vision measurement system based on the calibration point based on the conventional binocular vision model.
  • FIG. 1 shows an embodiment of a microscopic vision measuring system proposed by the present invention.
  • the microscopic vision measurement system includes a visual sensor and a computer.
  • the visual sensor consists of a stereo microscope 1 , a left camera 2 , and a right camera 3 .
  • the computer 4 includes an image collection card, a calibration module and a measurement module.
  • the calibration module performs parameter calibration of the microscopic stereoscopic measurement model using planar targets that are freely placed within a limited depth of field.
  • the measurement module uses the correctly matched left and right image feature point pairs to reconstruct the three-dimensional coordinates of the scene features based on the microscopic stereo vision measurement model and complete the relevant measurement content.
  • the flow of the microscopic vision measurement method of the embodiment of the present invention includes:
  • Step 201 Calibrate parameters of the microscopic stereoscopic measurement model.
  • the calibration steps of the microscopic stereo vision measurement model based on camera coordinate system position adaptation are as follows:
  • Step 201a adaptively changing the left and right cameras by respectively respectively on the left and right display visual optical axes Position of the coordinate system, establish a left and right microscopic vision measurement model, and establish the structural relationship between the left and right microscopic vision measurement models, that is, the structural parameters from the left camera coordinate system to the right camera coordinate system.
  • Figure 3 is a schematic diagram of a microscopic stereo vision measurement imaging model based on camera coordinate system position adaptation.
  • the left microscopic optical center is such that the left optical axis and the left camera image plane intersect with the main point; the two-dimensional image coordinate system is established with the upper left corner as the origin. ' Take the origin on the left optical axis, .
  • He is. w - to - ⁇ ⁇ ⁇ transform, representing 3 x 3 rotation matrix and 3 xl translation vector
  • C is. possibly- to ⁇ - ⁇ transformation, respectively representing the 3 X 3 rotation matrix and the 3 X 1 translation vector
  • w and the structural parameters of the microscopic stereo vision measurement model referring to the transformation from - to ⁇ - XZ , respectively representing 3 x 3 Rotation matrix and 3 X 1 translation vector.
  • the parameters of the established micro-stereoscopic vision measurement model based on camera coordinate system position adaptation include:
  • Step 201b randomly place at least three positions of the planar target in the measurement space and take a pair of target images by the left and right cameras, and establish a world coordinate system according to the posture of the planar target.
  • the center of the round spot is the calibration point.
  • the calibration point of a planar target can also be a feature point of a square or other graphic. In the field of view with a small depth of field, the planar target is moved at least 3 positions in a non-parallel manner, and each of the left and right cameras is photographed one image at a time as a target image pair.
  • the world coordinate system w _ ⁇ 3 ⁇ w is established such that o w - x w y w is located on the target plane and the world coordinates of all the calibration points are obtained.
  • Step 201c Extract calibration point image coordinates in the target image.
  • Figures 4 and 5 are the target images taken by the left and right cameras from the same pose.
  • the peripheral curve of the circle in the figure is the fitted ellipse, and the center point is the center of the detected spot.
  • Step 201d respectively, calibrating the parameters of the left and right microscopic vision measurement models.
  • the calibration steps for the left-looking visual measurement model are as follows:
  • Step d3 Find a linear solution of the remaining internal and external parameters according to the extracted calibration point image coordinates and world coordinates;
  • Step d6 The optimal value of the sequence of the solution set is the calibration result. The calibration is terminated.
  • the vector function is a column vector composed of image reversal errors of all calibration points, and the component expression is l 2 , q distl is the coordinate of the calibration point image extracted according to step 20ic, which is the distortion image coordinate of the calibration point calculated according to the left microscopic vision measurement model.
  • the right microscopic visual measurement model is calibrated.
  • Step 201e Optimize all parameters of the calibration microscopic stereoscopic measurement model.
  • the structural parameters of the microscopic stereoscopic measurement model are calculated, and then all parameters of the microscopic stereoscopic measurement model are optimized with the minimum of any two-point spacing error as the objective function.
  • the spacing, D tj is the spacing calculated by the microscopic stereoscopic measurement model for the first and the first calibration points.
  • Fig. 6 and Fig. 7 are graphs of the intrinsic, parametric nonlinear strength of the parameter-optimized objective function based on the camera coordinate system position adaptive micro-visual measurement model and the Zhang model.
  • the definition and calculation method of the intrinsic and parametric nonlinear strength are described in the book "Bearing analysis and its applications, New York: Wiley, 1988" by Bates et al.
  • Figure 6 and Figure 7 show that the nonlinearity of the micro-visual measurement model based on the positional adaptation of the camera coordinate system is better than the Zhang model.
  • the former is less strict in optimizing the initial value during the calibration process, and the easier it is to converge to the global maximum. Advantages, in theory, the optimization results of the former will be better.
  • Fig. 9 The nonlinear intensity of the microscopic vision measurement model of the camera coordinate system position adaptation (the root mean square natural curvature and the square root of the root mean square parameter effect curvature) with the adaptive magnification curve, the figure shows The adaptive magnification value has a smaller nonlinear intensity near the optical magnification, which is why the adaptive magnification search interval in step dl is centered at the optical magnification.
  • the Stingray F504B camera forms a microscopic stereo vision measurement system.
  • the microscope objective magnification is 1.5x
  • the magnification magnification is set to 3.2x
  • the camera adapter magnification is 0.63 ⁇ , that is, the total magnification from the object space to the image space is 3.024 ⁇ , working distance (working point to the front end of the objective lens) The distance) is 30mm.
  • the camera sensor is a 2/3" CCD chip with a pixel resolution of 2452x2056.
  • the target plane contains 7x7 circular arrays, and the horizontal and vertical equidistant center distance is 0.3125mm.
  • the radius is 0.078125mm and the machining accuracy is 0.15 ⁇ .
  • the planar target is freely moved within a small depth of field of the microscopic stereoscopic measurement system, and the left and right cameras take 12 pairs of images at 12 positions and extract the image coordinates of the center of the circle.
  • a match is established between the center of the circle in the left and right images and the center of all the circles is used as the calibration point.
  • the planar target is freely moved within a small depth of field of the microscopic stereoscopic measurement system, and the left and right cameras take 10 pairs of images at 10 positions and extract the image coordinates of the center of the circle.
  • Measurement accuracy is defined as the error between adjacent test point spacing and known spacing (here, the adjacent center-to-center distance 0.3125 mm) calculated from the visual measurement model.
  • Table 1 shows the measurement accuracy calculated from the test points after the microscopic stereo vision measurement system is calibrated based on the camera coordinate system position adaptive microscopic stereo vision model based on the calibration point. It can be seen from Table 1 that the microscopic stereo vision system can achieve a measurement accuracy of 0 ⁇ based on the camera coordinate system position adaptive model, that is, a relative measurement accuracy of 0.12%.
  • Table 2 shows the measurement accuracy calculated from the test points after calibrating the microscopic stereo vision measurement system based on the calibration point based on the conventional binocular vision model (the binocular vision model established based on the Zhang model).
  • the microscopic stereo vision system can only achieve a measurement accuracy of 0.85/ ⁇ m based on the conventional binocular vision model, that is, a relative measurement accuracy of 0.27%. Therefore, the microscopic vision measurement based on the positional adaptation of the camera coordinate system provided by the present invention can improve the measurement accuracy by more than 2 times compared with the conventional vision measurement.
  • steps 202-204 When implementing specific measurement content, perform steps 202-204:
  • Step 202 Acquire a synchronous image pair and transmit the image to the computer through the image collection card;
  • the paired synchronized images are transmitted to the computer via the image collection card under high quality illumination.
  • Step 203 Calculate the three-dimensional coordinates of the scene feature points according to the calibrated microscopic stereoscopic measurement model parameters and the matched scene feature point pairs obtained from the synchronized image.
  • Scene feature point pairs having sub-pixel precision levels are extracted from the left and right camera image pairs, respectively.
  • the extraction method is the same as step 201c.
  • the three-dimensional coordinates of the scene feature points are calculated based on the calibrated microscopic stereoscopic measurement model parameters and the matched scene feature point pairs.
  • Step 204 Perform specific measurement content according to the three-dimensional coordinates of the feature points of the scene.
  • a specific measurement content such as a measurement of a three-dimensional geometric size or a change in pose
  • a specific measurement content is completed based on the calculated three-dimensional coordinates of the scene feature point.
  • the microscopic stereo vision system proposed by the present invention can be widely applied to the measurement of minute geometrical dimensions and micro-motion parameters.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Measurement Of Optical Distance (AREA)

Description

一种基于摄 坐标系位置自适应的显微视觉测量方法 技术领域
本发明涉及显微视觉测量技术， 尤其涉及一种基于摄像机坐标系位置 自适应的显 视觉测量方法。 背景技术
随着近二十年来高分辨光电成像器件和高性能计算机的发展， 以光机 为主体的传统的显微测量已经发展为以高分辨成像和实时快速处理为特征 的显微视觉测量。 该项技术以其快速、 准确和自动成像与分析等特点， 已 被广泛应用于微小生物器官和工业构件的几何尺寸测量， 以及细胞注射和 微机电***微装配的视觉导引。
随着微小***精细机构的研制和制造的需求， 对显微视觉测量精度提 出了越来越高的要求， 测量精度已成为显微视觉应用中的核心问题。 由于 显微光学***的景深小， 因此显微视觉标定困难， 是国内外研究的热点。
^口 Danuser( "Photogrammetric calibration of a stereo light microscope", Journal of Microscopy, Vol.193, 62-83, 1999 )提出的体视显微镜测量模型， 假设部 分模型参数已知（比如主点和左右平行光路基线距 2b ) , 利用高精度移动台 构造的三维靶标， 釆用捆集约束方法完成标定， 6.6x放大倍率的***关于距 离测量能达到水平方向 0.25%和深度方向 0.60%的测量精度。然而这与常规 视觉测量精度有着较大的差距。 常规视觉测量精度最高能优于十万分之五 , 口 Wu等 ( "A Novel Calibration Method for Large-Scale Stereo Vision Sensor based on One-dimensional Target", 7th International Symposium on Instrumentation and Control Technology, Proceedings of SPIE, Vol.7129, 2008: 71290K )提出的大视场双目视觉测量***， 利用无约束一维靶标完成标定， ***关于距离测量甚至能达到 0.04%。的测量精度。
与常规视觉测量相比， 显微视觉测量精度还较低， 其主要原因是*** 标定精度较低。 因为标定过程中显微视觉优化目标函数的非线性强度很高， 对初值敏感， 而显微光学***景深很小， 使得靶标平面与图像平面近似平 行， 以致参数线性解很不准确， 因此以线性解为初值的优化目标函数很难 收敛到最佳值， 甚至出现待标参数为虚数的情况。 发明内容
有鉴于此， 本发明的主要目的在于提供一种基于摄像机坐标系位置自 适应的高精度显微视觉测量方法， 利用一台体视显微镜和左右两台摄像机， 通过在显微视觉光轴上自适应地改变摄像机坐标系位置， 建立显微视觉测 量模型并改善显微视觉标定中优化目标函数的非线性强度， 然后利用平面 靶标在视场内的自由移动， 达到小景深显微视觉的高精度标定， 最终实现 显微视觉***的高精度测量。
为达到上述目的， 本发明的技术方案是这样实现的：
一种基于摄像机坐标系位置自适应的显微视觉测量方法， 包括： 步骤 A、 获取同步图像对并通过图像釆集卡传输至计算机；
步骤 B、 根据已标定的显微立体视觉测量模型参数和从同步图像获取 的已匹配的场景特征点对， 计算场景特征点的三维坐标；
步骤 C、 根据场景特征点的三维坐标， 完成特定的测量内容。
其中， 在步骤 B之前应先完成基于摄像机坐标系位置自适应的显微立 体视觉测量模型的标定， 所述标定包括：
步骤 a、通过在左右显微视觉光轴上分别自适应地改变左右摄像机坐标 系位置， 建立左右显微视觉测量模型， 并建立左右显微视觉测量模型之间 的结构关系；
步骤 b、在测量空间随机放置平面靶标至少 3个位置并通过左右摄像机 拍摄成对的靶标图像， 根据平面靶标所在位姿建立世界坐标系； 步骤 C、 提取靶标图像中的标定点图像坐标；
步骤 d、 分别标定左右显微视觉测量模型的参数；
步骤 e、 优化标定显微立体视觉测量模型的所有参数。
其中， 所述步骤 a包括：
设左显微视觉光学中心为。 ， 左光轴和左摄像机像平面^交于主点 以^左上角为原点建立二维图像坐标系 A 以左光轴上的 ^为原 点， 且 °ινι建立左摄像机右手坐标系。 设右显微视觉光学中心为 ， 右光轴和右摄像机像平面 交于主点 ； 以 左上角为原点建立二维图像坐标系 -" ； 以右光轴上的 为原点，
°^dr I' rur且 odrydr II orvr建立右摄像机右手坐标系。dr - x dr dr^dr , crodr =dr. 设 世界坐标系为 ^ΛΛ;
设空间点 2在世界坐标系下坐标为
Figure imgf000005_0001
其在左右摄像机坐 标 系 下 的 坐 标分另 为 和 =[¾r，3 ， Jr , 则 有 Xdl = X, + Τ , Xdr = Rw drXw + 和 = + ,其中： 和 Τ 为 ow - xwywzw 到 oM -xdlydlzdl的变换，分别表示 3 x 3旋转矩阵和 3 1平移矢量； ^和7^为 ¾^„到^- ^ ^的变换，分别表示 3 X 3旋转矩阵和 3 X 1平移矢量； 和 Γ为显微立体视觉测量模型的结构参数， 指从^ - 到 - J r 的变换， 分别表示 3 x 3旋转矩阵和 3 x l平移向量；
设空间点 β的左右光路像点 和 的图像坐标分别为 [Μ'， ν' 和 ， f , 则摄像机坐标系位置自适应的显微立体视觉模型的理想投影变换为： "ι
1
Figure imgf000006_0001
其中， 为比例系数； 分别为左右摄像机图像尺度因子； 和 ， ΐ分别为左右摄像机主点坐标； 分别为左右摄像机坐标系位置 偏移量； 分别为左右自适应放大率；
考虑镜头的一次及二次径向畸变， 设理想点 qi和 对应的实际像点 和 qdistr的坐标为 ， vdisn f和 ， vdistr f , 则理想图像坐标到实际图像坐标的 变换为：
rrr 2 + k2rrr 4) + u0r r + r ) +
，^和 klr,k2r 分
Figure imgf000006_0002
别为左右摄像机的一次及二次径向畸变系数；
综上， 所述建立的基于摄像机坐标系位置自适应的显微立体视觉测量 模型的参数包括：
内部参数： Si ' Sr ,
Figure imgf000006_0003
di , d r , ai,ar , ι ι , klr,k2r 结构参数： R , τ 外部参数： 和 。
其中， 所述步骤 b包括：
设定平面靶标， 在平面靶标上有预先设置的黑色圓斑阵列， 圓斑总数
40-100 个， 半径 0.01mm~0.08mm, 横纵间距 0.01mm~0.5mm, 定位精度 0.15μιη~3μιη, 定义圓斑中心为标定点；
在小景深视场范围内， 非平行地移动平面靶标至少 3 个位置， 每移动 一个位置左右摄像机各拍摄一幅图像， 作为靶标图像对； 建立世界坐标系 - zw , 使得。 w 位于靶标平面上， 并获取所 有标定点的世界坐标。
其中， 所述步骤 C包括：
提取靶标图像中圓斑边缘点的亚像素水平的图像坐标， 然后通过对所 述圓斑边缘点进行椭圓拟合计算圓斑中心， 将提取的圓斑中心作为标定点， 并将标定点图像坐标与其世界坐标相对应。
其中， 所述步骤 d中， 标定左显微视觉测量模型的参数的步骤包括： 步骤（11: 以***光学放大率为中心选取 [^in ] , 设"。=0^ , Ζ·=1; 步骤 d2:
步骤 d3: 根据已提取的标定点图像坐标和世界坐标， 求取剩余内外参 的线性解；
步骤 d4: 根据已提取的标定点图像坐标和世界坐标， 以线性解为初值， 设 =^=0, 以图像反投误差最小为目标函数釆用 Levenberg-Marquardt算 法优化内外参数， 优化结果记为第' '个解集；
步骤 d5: + 其中 Δ«为步长； 若" ], 则 = + 1, 转 步骤 d2; 否则， 转步骤 d6;
步骤 d6: 取 ζ·个解集序列的最优值为标定结果， 标定终止；
以图像反投误差最小为目标函数的非线性优化问题形如：
Figure imgf000007_0001
其中向量函数 为所有标定点的图像反投误差构成的列向量， 分量表 达式为 = l g _¾^ri lz, ^^为按步骤 C提取的标定点图像坐标， ^^为根 据左显微视觉测量模型反投计算的标定点的含畸变图像坐标，
其中， 所述步骤 e包括： 根据左右显微视觉测量模型之间的结构关系， 计算显微立体视觉测量 模型的结构参数， 然后以任意两点间距误差最小为目标函数优化显微立体 视觉测量模型的所有参数；
以任意两点间距误差最小为目标函数的非线性优化问题形如： mm ADTAD
¾
其中向量函数 为所有标定点的任意两点间距误差构成的列向量， 其 分量表达式为
Figure imgf000008_0001
为第 和第 _个标定点的已知间距， D 为第 和第 ·个标定点根据显微立体视觉测量模型计算的间距。
sr ,u0r ,v0r ,dr , kir ,k2r ,R, T} 本发明所提供的基于摄像机坐标系位置自适应的显微视觉测量方法， 具有以下优点：
该方法通过在显微视觉光轴上自适应地改变摄像机坐标系位置， 以获 得摄像机坐标系在显微视觉光轴上的最佳位置， 从而有效地改善了显微视 觉标定中优化目标函数的非线性强度， 以降低优化过程对初值的敏感程度， 获得较好的标定结果， 最终实现显微视觉***的高精度测量。 附图说明
图 1是本发明实施例的显微视觉测量***的示意图；
图 2是本发明实施例显微视觉测量方法的流程图；
图 3 ^^于摄像机坐标系位置自适应的显微立体视觉测量成像模型的 示意图；
图 4和图 5分别是左右摄像机从同一位姿处拍摄的靶标图像， 图中圓 斑的***曲线为拟合的椭圓， 中心点为检测到的圓斑中心；
图 6 ^^于摄像机坐标系位置自适应的显微视觉测量模型和 Zhang模 型的优化目标函数的固有非线性强度随高斯噪声水平的变化曲线图； 图 7 ^^于摄像机坐标系位置自适应的显微视觉测量模型和 Zhang模 型的优化目标函数的参数效应非线性强度随高斯噪声水平的变化曲线图； 图 8 ^^于摄像机坐标系位置自适应的显微视觉测量模型和 Zhang模 型的标定精度随高斯噪声水平的变化曲线图；
图 9 ^^于摄像机坐标系位置自适应的显微视觉测量模型的非线性强 度随自适应放大率的变化曲线图；
表 1 示出了根据标定点基于摄像机坐标系位置自适应的显微立体视觉 模型校准显微立体视觉测量***后根据测试点计算的测量精度；
表 2示出了根据标定点基于常规双目视觉模型校准显微立体视觉测量 ***后根据测试点计算的测量精度。 具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说 明。
图 1 所示为本发明提出的显微视觉测量***的一个实施例。 显微视觉 测量***包括视觉传感器和计算机。视觉传感器由一台体视显微镜 1 , 一台 左摄像机 2, —台右摄像机 3构成。 计算机 4包括一块图像釆集卡， 一个标 定模块和一个测量模块。 标定模块利用在有限景深内自由放置的平面靶标 完成显微立体视觉测量模型的参数标定。 测量模块利用正确匹配的左右图 像特征点对， 根据显微立体视觉测量模型， 重建场景特征的三维坐标， 并 完成相关测量内容。
如图 2所示， 本发明实施例显微视觉测量方法的流程包括：
步骤 201、 标定显微立体视觉测量模型的参数。
基于摄像机坐标系位置自适应的显微立体视觉测量模型的标定步骤如 下：
步骤 201a、 通过在左右显 视觉光轴上分别自适应地改变左右摄像机 坐标系位置， 建立左右显微视觉测量模型， 并建立左右显微视觉测量模型 之间的结构关系， 即从左摄像机坐标系到右摄像机坐标系的结构参数。
图 3 为基于摄像机坐标系位置自适应的显微立体视觉测量成像模型的 示意图。 如图 3 所示， 左显微视觉光学中心为 ， 左光轴和左摄像机像平 面 交于主点 ； 以 左上角为原点建立二维图像坐标系。' 以左光 轴上的 为原点， 。^ "°iui且 "°ινι建立左摄像机右手坐标系 odl-xdJdlzdl ,
Figure imgf000010_0001
右显微视觉光学中心为 ， 右光轴和右摄像机像平 面 交于主点 ； 以 左上角为原点建立二维图像坐标系 -" ； 以右 光轴上的 ^为原点， 。^ 11 °rUr且。drydr II OrVr建立右摄像机右手坐标系 °dr - XdrydrZdr , ° cr° dr = dr。 设世界坐标系为0 » _ 。 设空间点 β在世界坐标系下坐标为 K^， ，ZJ, 其在左右摄像机坐 系下 0々坐才示 ^另1 J为 = ， ， ]Γ矛口 Xdr =
Figure imgf000010_0002
,
Xdl = RdXw + T
Figure imgf000010_0003
xdr=RXdl+T (2)
其中： 和 为。 w- 到 - χ Λ^々变换， 分别表示 3 x 3旋转 矩阵和 3 x l平移矢量； 和 C为。„- 到^- ^ 的变换， 分别表 示 3 X 3旋转矩阵和 3 X 1平移矢量； w和 为显微立体视觉测量模型的结构 参数， 指从 — 到^— X Z 的变换， 分别表示 3 x 3 旋转矩阵和 3 X 1平移向量。
设空间点 β的左右光路像点 和 qr的图像坐标分别为 [Μ'， W和
Figure imgf000010_0004
则摄像机坐标系位置自适应的显微立体视觉模型的理想投影变换为： 1
Figure imgf000011_0001
其中， 为比例系数； 分别为左右摄像机图像尺度因子； 和 [ ， ΐ分别为左右摄像机主点坐标； 分别为左右摄像机坐标系位置 偏移量； 分别为左右自适应放大率。
考虑镜头的一次及二次径向畸变， 设理想点 qi和 对应的实际像点 和 qdistr的坐标为 [Μ^，ν^ί和 ，1^ , 则理想图像坐标到实际图像坐标的 变换为：
udistl = ( ,― u01)(l + kur, + k21r, ) + u01 udistr = (ur― u0r)(l + h r + k2 r ) + u
)(! + + K + ^ + (4) 其中^=("「 )2 + ( — )2, rr 2 ，^和 klr,k2r 分
Figure imgf000011_0002
别为左右摄像机的一次及二次径向畸变系数。
综上公式（ 1 ) ~ (4), 所述建立的基于摄像机坐标系位置自适应的显 微立体视觉测量模型的参数包括：
内部参数： Sl'Sr , [Μ。'，ν。'Γ,
Figure imgf000011_0003
dl,d r , ai,ar , l l , r 结构参数： R , τ 外部参数： 和 ^。
步骤 201b、 在测量空间随机放置平面靶标至少 3个位置并通过左右摄 像机拍摄成对的靶标图像， 根据平面靶标所在位姿建立世界坐标系。
设定平面靶标， 在平面靶标上有预先设置的黑色圓斑阵列， 圓斑总数 40-100 个， 半径 0.01mm~0.08mm, 横纵间距 0.01mm~0.5mm, 定位精度 0.15μιη~3μιη, 定义圓斑中心为标定点。 平面靶标的标定点也可是方形或其 他图形的特征点。 在小景深视场范围内， 非平行地移动平面靶标至少 3 个位置， 每移动 一个位置左右摄像机各拍摄一幅图像， 作为靶标图像对。
建立世界坐标系 w _ ^3^w 使得 ow - xwyw 位于靶标平面上， 并获取所 有标定点的世界坐标。
步骤 201c、 提取靶标图像中的标定点图像坐标。
提取靶标图像中圓斑边缘点的亚像素水平的图像坐标， 提取方法见 Carsten Steger 的学位论文" Unbiased Extraction of Curvilinear Structures from 2D and 3D Images[D] ( Technology University Munich, 1998 ) ,,。 然后通过对 上述圓斑边缘点进行椭圓拟合计算圓斑中心。 将提取的圓斑中心作为标定 点， 并将标定点图像坐标与其世界坐标相对应。
图 4和图 5分别是左右摄像机从同一位姿处拍摄的靶标图像。 图中圓 斑的***曲线为拟合的椭圓， 中心点为检测到的圓斑中心。
步骤 201d、 分别标定左右显微视觉测量模型的参数。
因为左显微视觉测量模型和右显微视觉测量模型的标定过程类似， 下 文仅给出左显微视觉测量模型的标定步骤。
和 是的虚拟模型参数， 而非数值确定的***特征参数。 任意位置 的 都有一个" '与之对应， 这两个参数相互关联， 且对外独立。 正是这种 性质使得模型能在 di和 的自适应过程中， 改善标定过程优化目标函数的 非线性强度， 实现精确和稳定的***标定。
左显 视觉测量模型的标定步骤如下：
步骤（11 : 以***光学放大率为中心选取 [^in，"皿 ] , 设"。 = °^ , ' = 1； 步骤 d2: αι = αο ·
步骤 d3: 根据已提取的标定点图像坐标和世界坐标， 求取剩余内外参 的线性解；
步骤 d4: 根据已提取的标定点图像坐标和世界坐标， 以线性解为初值， 设 k" =/¾ =υ , 以图像反投误差最小为目标函数釆用 Levenberg-Marquardt算 法优化内外参数， 优化结果记为第' '个解集；
步骤 d5: + 其中 Δ«为步长； 若" ], 则 = + 1, 转 步骤 d2; 否则， 转步骤 d6;
步骤 d6: 取 ζ·个解集序列的最优值为标定结果。 标定终止。
以图像反投误差最小为目标函数的非线性优化问题形如：
Figure imgf000013_0001
其中向量函数 为所有标定点的图像反投误差构成的列向量， 分量表 达式为
Figure imgf000013_0002
l2, qdistl为按步骤 20ic提取的标定点图像坐标， 为 根据左显微视觉测量模型反投计算的标定点的含畸变图像坐标。
同理， 标定右显微视觉测量模型。
步骤 201e、 优化标定显微立体视觉测量模型的所有参数。
根据左右显微视觉测量模型之间的结构关系， 计算显微立体视觉测量 模型的结构参数， 然后以任意两点间距误差最小为目标函数优化显微立体 视觉测量模型的所有参数。
以任意两点间距误差最小为目标函数的非线性优化问题形如：
Figure imgf000013_0003
其中向量函数 为所有标定点的任意两点间距误差构成的列向量， 其 分量表达式为 JD =\Dy- D, \,ί≠ j , Z½为第 i和第 j个标定点的已知间距， Dtj 为第 和第 ·个标定点根据显微立体视觉测量模型计算的间距。
sr,u0r,v0r,dr,kir,k2r,R,T} 这里， 为说明釆用本发明方法对显微视觉测量的效果， 进行了如下仿 真实验： 由于基于摄像机坐标系位置自适应的显微视觉测量模型和 Zhang模型 ( Z.Y. Zhang , "A Flexible New Technique for Camera Calibration[R] ( Microsoft Research,NSR-TR-98-71, 1998)" )是相容的， 仿真数据按后者生 成。 假设无畸变 Zhang模型的有效焦距 = 58398·3^'χ— 图像尺度因子 s = 1.024 , 主点坐标["。，¼) = [1231，1023] 。 将含 49个特征点的平面靶标随 机置于视场的 5个位置生成仿真特征点。 对 5个位置处的特征点分别加入 均值为 0, 标准差为 0~0.5pixel的噪声， 然后根据步骤 201d进行***标定。 所有结果都经 100次噪声重复实验计算所得。
图 6 和图 7 是基于摄像机坐标系位置自适应的显微视觉测量模型和 Zhang模型的标定优化目标函数的固有、参数效应非线性强度随高斯噪声水 平的变化曲线图。 固有和参数效应非线性强度的定义及计算方法详见 Bates 等的著作" Nonlinear regression analysis and its applications, New York: Wiley, 1988"。 图 6和图 7表明基于摄像机坐标系位置自适应的显微视觉测量模型 的非线性强度优于 Zhang模型， 则前者在标定过程中优化对初值的要求更 不严格， 越容易收敛到全局最优点， 理论上前者的优化结果会更好。
图 8 ^^于摄像机坐标系位置自适应的显微视觉测量模型和 Zhang模 型的标定精度随高斯噪声水平的变化曲线图， 结果表明标定结果前者确实 优于后者。
图 9 ^^于摄像机坐标系位置自适应的显微视觉测量模型的非线性强 度（均方根固有曲率和均方根参数效应曲率的平方根） 随自适应放大率的 变化曲线， 该图表明自适应放大率取值在光学放大率附近时非线性强度更 小， 这就是步骤 dl中自适应放大率搜索区间以光学放大率为中心的原因。
进一步， 为说明釆用本发明方法对显微视觉测量的效果， 进行了如下 精度测试实验：
釆用一台 Zeiss Carl Discovery Stereo V8 体视显 镜和两台 AVT Stingray F504B摄像机构成显微立体视觉测量***。 显微镜物镜放大倍率 1.5x , 变倍体放大倍数设置为 3.2x , 相机适配器放大倍率为 0.63χ , 即从物 方空间到像方空间的总放大倍率为 3.024χ , 工作距离 （工作点至物镜前端 的距离）为 30mm。相机传感器为 2/3"CCD芯片，像素分辨率为 2452x2056。 利用如图 4和图 5所示的圓斑平面靶标， 靶标平面上含圓斑阵列 7x7个， 横纵等长圓心距为 0.3125mm, 半径为 0.078125mm, 加工精度为 0.15μιη。
在显微立体视觉测量***的小景深范围内自由移动平面靶标， 左右摄 像机于 12个位置处拍摄 12对图像并提取圓斑中心的图像坐标。 建立左右 图像中圓斑中心的匹配并将所有圓斑中心作为标定点。 然后再在显微立体 视觉测量***的小景深范围内自由移动平面靶标， 左右摄像机于 10个位置 处拍摄 10对图像并提取圓斑中心的图像坐标。 建立左右图像中圓斑中心的 匹配并将所有圓斑中心作为测试点。 测量精度定义为根据视觉测量模型计 算的相邻测试点间距和已知间距（这里即为相邻圓心距 0.3125mm )的误差。
表 1 示出了根据标定点基于摄像机坐标系位置自适应显微立体视觉模 型校准显微立体视觉测量***后根据测试点计算的测量精度。 从表 1 可以 看出， 该显微立体视觉***基于摄像机坐标系位置自适应模型能达到 0 Ίμτη的测量精度， 即 0.12%的相对测量精度。
表 2示出了根据标定点基于常规双目视觉模型 (基于 Zhang模型建立 的双目视觉模型）校准显微立体视觉测量***后根据测试点计算的测量精 度。 从表 2 可以看出， 该显微立体视觉***基于常规双目视觉模型仅能达 到 0.85/^m的测量精度， 即 0.27%的相对测量精度。 因此， 本发明提供的一 种基于摄像机坐标系位置自适应的显微视觉测量能较常规视觉测量提高测 量精度 2倍以上。
实施具体测量内容时 , 执行步骤 202-204:
步骤 202、 获取同步图像对并通过图像釆集卡传输至计算机； 在高质量的均勾照明下， 成对的同步图像通过图像釆集卡传输至计算 机。
步骤 203、根据已标定的显微立体视觉测量模型参数和从同步图像获得 的已匹配的场景特征点对， 计算场景特征点的三维坐标。
从左右摄像机图像对中分别提取具有亚像素精度水平的场景特征点 对。 提取方法同步骤 201c。 根据已标定的显微立体视觉测量模型参数和已 匹配的场景特征点对， 计算场景特征点的三维坐标。
步骤 204、 根据场景特征点的三维坐标， 完成特定的测量内容。
基于特定的测量内容， 例如三维几何尺寸或位姿改变量的测量， 根据 已计算的场景特征点的三维坐标， 完成特定的测量内容。
釆用本发明提出的显微立体视觉***， 能够广泛应用于微小几何尺寸 和微运动参数的测量。
以上所述， 仅为本发明的较佳实施例而已， 并非用于限定本发明的保 护范围。

Claims

权利要求书
1、 一种基于摄像机坐标系位置自适应的显微视觉测量方法， 其特征在 于， 所述方法包括：
步骤 A、 获取同步图像对并通过图像釆集卡传输至计算机；
步骤 B、 根据已标定的显微立体视觉测量模型参数和从同步图像获取 的已匹配的场景特征点对， 计算场景特征点的三维坐标；
步骤 C、 根据场景特征点的三维坐标， 完成特定的测量内容。
2、 根据权利要求 1所述的显微视觉测量方法， 其特征在于， 在步骤 B 之前完成基于摄像机坐标系位置自适应的显微立体视觉测量模型的标定， 所述标定包括：
步骤 a、通过在左右显微视觉光轴上分别自适应地改变左右摄像机坐标 系位置， 建立左右显微视觉测量模型， 并建立左右显微视觉测量模型之间 的结构关系；
步骤 b、在测量空间随机放置平面靶标至少 3个位置并通过左右摄像机 拍摄成对的靶标图像， 根据平面靶标所在位姿建立世界坐标系；
步骤 c、 提取靶标图像中的标定点图像坐标；
步骤 d、 分别标定左右显微视觉测量模型的参数；
步骤 e、 优化标定显微立体视觉测量模型的所有参数。
3、 根据权利要求 2所述的显微视觉测量方法， 其特征在于， 所述步骤 a包括：
设左显微视觉光学中心为。 ， 左光轴和左摄像机像平面^交于主点 以^左上角为原点建立二维图像坐标系 A 以左光轴上的 为原 点， 0mxm 且 °ινι建立左摄像机右手坐标系。 设右显微视觉光学中心为 ， 右光轴和右摄像机像平面 交于主点 ； 以 左上角为原点建立二维图像坐标系 -"A; 以右光轴上的 为原点， 。 ¾·//。Α·且。 //。 建立右摄像机右手坐标系。 - crodr =d„ . 设 世界坐标系为 »-¾^ ； 设空间点 β在世界坐标系下坐标为 K^， ，ZJ, 其在左右摄像机坐 标 系 下 的 坐 标分另 为 和 , 则 有 xdl =R„ , ^^= „ + τ^和^ ^=^^+ ,其中： 和 为。„— 到 oM -xdlydlzdl的变换，分别表示 3 x 3旋转矩阵和 3 1平移矢量； ^和7^为 ¾^„到^- ^ 的变换，分别表示 3 X 3旋转矩阵和 3 X 1平移矢量； 和 Γ为显微立体视觉测量模型的结构参数， 指从 - 到
的变换， 分别表示 3 x 3旋转矩阵和 3 x l平移向量；
设空间点 β的左右光路像点 和 qr的图像坐标分别为 [Μ'， W和 ， V J 则摄像机坐标系位置自适应的显微立体视觉模型的理想投影变换为：
Figure imgf000018_0001
其中， 为比例系数； 分别为左右摄像机图像尺度因子； 和 [ ， ΐ分别为左右摄像机主点坐标； 分别为左右摄像机坐标系位置 偏移量； 分别为左右自适应放大率；
考虑镜头的一次及二次径向畸变， 设理想点 qi和 对应的实际像点 和 qdistr的坐标为 [Μ^，ν^ί和 ，1^ , 则理想图像坐标到实际图像坐标的 变换为：
=(ur -u0r)(l + klrrr + k2rrr ) + u,
Figure imgf000018_0002
= (Vr― X1 + K r + r ) + 其中 -½) +(νί -ν0ί) , "r =(ur -u0r) +(vr -v0r) , ku,k21 ^ H分 别为左右摄像机的一次及二次径向畸变系数；
综上， 所述建立的基于摄像机坐标系位置自适应的显微立体视觉测量 模型的参数包括：
内部参数： Sl'Sr , [Μ'ν'Γ,
Figure imgf000019_0001
dl,d r , ai,ar , l l , r 结构参数： R, τ 外部参数： 和 ^。
4、 根据权利要求 3所述的显微视觉测量方法， 其特征在于， 所述步骤 b包括：
设定平面靶标， 在平面靶标上有预先设置的黑色圓斑阵列， 圓斑总数
40-100 个， 半径 0.01mm~0.08mm, 横纵间距 0.01mm~0.5mm, 定位精度 0.15μιη~3μιη, 定义圓斑中心为标定点；
在小景深视场范围内， 非平行地移动平面靶标至少 3 个位置， 每移动 一个位置左右摄像机各拍摄一幅图像， 作为靶标图像对；
建立世界坐标系 使得 _Χ^ 立于靶标平面上， 并获取所 有标定点的世界坐标。
5、 根据权利要求 4所述的显微视觉测量方法， 其特征在于， 所述步骤 c包括：
提取靶标图像中圓斑边缘点的亚像素水平的图像坐标， 然后通过对所 述圓斑边缘点进行椭圓拟合计算圓斑中心， 将提取的圓斑中心作为标定点， 并将标定点图像坐标与其世界坐标相对应。
6、 根据权利要求 5所述的显微视觉测量方法， 其特征在于， 所述步骤 d中， 标定左显微视觉测量模型的参数的步骤包括：
步骤 dl: 以***光学放大率为中心选取 [^in ] , 设"。 =°^, '=1; 步骤 d2:
步骤 d3: 根据已提取的标定点图像坐标和世界坐标， 求取剩余内外参 的线性解；
步骤 d4: 根据已提取的标定点图像坐标和世界坐标， 以线性解为初值， 设 = k2i = ° , 以图像反投误差最小为目标函数釆用 Levenberg-Marquardt算 法优化内外参数， 优化结果记为第' '个解集；
步骤 d5: + 其中 Δ«为步长； 若" J , 则 = + 1 , 转 步骤 d2; 否则， 转步骤 d6;
步骤 d6: 取 ζ·个解集序列的最优值为标定结果， 标定终止；
以图像反投误差最小为目标函数的非线性优化问题形如：
mm AgTAg 其中向量函数 为所有标定点的图像反投误差构成的列向量， 分量表 达式为 = 1 12 为步骤 C提取的标定点图像坐标， 为根据 左显微视觉测量模型反投计算的标定点的含畸变图像坐标，
7、 根据权利要求 6所述的显微视觉测量方法， 其特征在于， 所述步骤 e包括：
根据左右显微视觉测量模型之间的结构关系， 计算显微立体视觉测量 模型的结构参数， 然后以任意两点间距误差最小为目标函数优化显微立体 视觉测量模型的所有参数；
以任意两点间距误差最小为目标函数的非线性优化问题形如：
Figure imgf000020_0001
其中向量函数 为所有标定点的任意两点间距误差构成的列向量， 其 分量表达式为 JD - A/ U ^ , 为第 和第 _个标定点的已知间距， Dti 为第 和第 ·个标定点根据显微立体视觉测量模型计算的间距。
sr,u0r,v0r,dr,kir,k2r,R,T}
PCT/CN2011/073276 2010-06-23 2011-04-25 一种基于摄像机坐标系位置自适应的显微视觉测量方法 WO2011160491A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US13/696,982 US8934721B2 (en) 2010-06-23 2011-04-25 Microscopic vision measurement method based on adaptive positioning of camera coordinate frame

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201010207245.3 2010-06-23
CN 201010207245 CN101876533B (zh) 2010-06-23 2010-06-23 一种显微立体视觉校准方法

Publications (1)

Publication Number Publication Date
WO2011160491A1 true WO2011160491A1 (zh) 2011-12-29

Family

ID=43019149

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/073276 WO2011160491A1 (zh) 2010-06-23 2011-04-25 一种基于摄像机坐标系位置自适应的显微视觉测量方法

Country Status (3)

Country Link
US (1) US8934721B2 (zh)
CN (1) CN101876533B (zh)
WO (1) WO2011160491A1 (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103487036A (zh) * 2013-08-14 2014-01-01 西北工业大学 基于空间前方交会和链码形似性的同名标记点匹配方法
CN108107837A (zh) * 2018-01-16 2018-06-01 三峡大学 一种基于视觉引导的玻璃加工装置及方法
CN108830906A (zh) * 2018-05-31 2018-11-16 福州大学 一种基于虚拟双目视觉原理的摄像机参数自动标定方法
CN110136048A (zh) * 2018-02-09 2019-08-16 中国科学院上海高等研究院 一种图像配准方法及***、存储介质及终端
CN111009014A (zh) * 2019-11-25 2020-04-14 天津大学 通用成像模型正交分光成像位姿传感器的标定方法
CN111127560A (zh) * 2019-11-11 2020-05-08 江苏濠汉信息技术有限公司 一种用于三维重建的三目视觉***的标定方法及***
CN111210480A (zh) * 2020-01-06 2020-05-29 中国农业大学 双目精度的检测方法、***、设备及存储介质
CN111833333A (zh) * 2020-07-16 2020-10-27 西安科技大学 一种基于双目视觉的悬臂式掘进装备位姿测量方法及***
CN111915685A (zh) * 2020-08-17 2020-11-10 沈阳飞机工业（集团）有限公司 一种变焦摄像机标定方法
CN112258593A (zh) * 2020-10-23 2021-01-22 明峰医疗***股份有限公司 单目相机下ct或pet-ct智能定位扫描方法
CN112712566A (zh) * 2020-12-29 2021-04-27 北京航空航天大学 基于结构参数在线校正的双目立体视觉传感器测量方法
CN112720469A (zh) * 2020-12-18 2021-04-30 北京工业大学 显微立体视觉用于三轴平移运动***零点校准方法
CN112902844A (zh) * 2021-02-24 2021-06-04 三门核电有限公司 一种基于激光跟踪的设备圆形端口建模方法
CN112985293A (zh) * 2021-01-14 2021-06-18 北京航空航天大学 一种单像机双球面镜镜像双目视觉测量***和测量方法
CN113155084A (zh) * 2021-05-03 2021-07-23 吕若罡 基于激光十字标准线辅助的双目视觉测距装置及方法
CN113192122A (zh) * 2021-04-28 2021-07-30 西安电子科技大学 大型装备装配位姿视觉检测过程中的光心提取方法
CN113240749A (zh) * 2021-05-10 2021-08-10 南京航空航天大学 一种面向海上舰船平台无人机回收的远距离双目标定与测距方法
CN114119768A (zh) * 2021-11-15 2022-03-01 山东省科学院海洋仪器仪表研究所 一种基于多目视觉技术的刺参活性监测方法
CN114565714A (zh) * 2022-02-11 2022-05-31 山西支点科技有限公司 一种单目视觉传感器混合式高精度三维结构恢复方法
CN114812416A (zh) * 2022-03-25 2022-07-29 合肥舒合机器人科技股份有限公司 一种利用双目立体视觉进行拖车轴距测量的方法
CN115060166A (zh) * 2022-08-18 2022-09-16 中国石油大学(华东) 一种基于反射棱镜的视觉测量***三维光路分析方法
CN115281681A (zh) * 2022-06-20 2022-11-04 中国科学院自动化研究所 柔性电极植入方法、柔性电极植入装置和电子设备
CN116643393A (zh) * 2023-07-27 2023-08-25 南京木木西里科技有限公司 基于显微图像偏转的处理方法及***

Families Citing this family (60)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9124877B1 (en) * 2004-10-21 2015-09-01 Try Tech Llc Methods for acquiring stereoscopic images of a location
CN101876533B (zh) 2010-06-23 2011-11-30 北京航空航天大学 一种显微立体视觉校准方法
CN102107179B (zh) * 2010-12-14 2013-07-24 浙江工业大学 一种基于双目视觉的单层皮革涂胶控制方法
US9317928B2 (en) 2012-04-06 2016-04-19 Adobe Systems Incorporated Detecting and tracking point features with primary colors
US8923638B2 (en) 2012-04-06 2014-12-30 Adobe Systems Incorporated Algorithm selection for structure from motion
CN103353388B (zh) * 2013-05-15 2016-04-06 西安交通大学 一种具摄像功能的双目体式显微成像***标定方法及装置
JP6238229B2 (ja) * 2014-01-07 2017-11-29 国立大学法人九州工業大学 視差センサ及び相関信号の生成方法
US20150286075A1 (en) * 2014-04-08 2015-10-08 Managing Innovation And Technology 3D Tracer
CN103983186B (zh) * 2014-04-17 2016-08-24 内蒙古大学 双目视觉***校正方法及校正设备
CN105091849B (zh) * 2014-05-05 2018-03-09 南京理工大学 一种光轴非平行双目测距方法
FR3026591B1 (fr) * 2014-09-25 2016-10-21 Continental Automotive France Procede de calibration extrinseque de cameras d'un systeme de formation d'images stereos embarque
CN104296657B (zh) * 2014-10-11 2016-09-07 三峡大学 一种基于双目视觉的石壁***孔检测与定位装置及定位方法
CN104376328B (zh) * 2014-11-17 2023-10-24 国家电网公司 基于坐标的分布型编码标志识别方法及***
CN105469439B (zh) * 2015-11-29 2018-01-19 北京工业大学 采用残差反馈的slm显微视觉数据重构方法
CN106568385B (zh) * 2016-01-29 2018-12-07 中国计量学院 一种基于双相机的汽车刹车片尺寸机器视觉自动测量***
CN107228625B (zh) * 2017-06-01 2023-04-18 深度创新科技（深圳）有限公司 三维重建方法、装置及设备
CN107560543B (zh) * 2017-09-04 2023-08-22 华南理工大学 一种基于双目立体视觉的摄像机光轴偏移校正装置与方法
JP6878219B2 (ja) * 2017-09-08 2021-05-26 株式会社東芝 画像処理装置および測距装置
US11308633B2 (en) * 2017-10-27 2022-04-19 King Abdullah University Of Science And Technology Apparatus and method for fiducial marker alignment in electron tomography
CN109155822B (zh) * 2017-11-28 2021-07-27 深圳市大疆创新科技有限公司 图像处理方法和装置
CN108198224B (zh) * 2018-03-15 2024-03-12 中国铁道科学研究院集团有限公司 一种用于立体视觉测量的线阵相机标定装置及标定方法
CN108898635A (zh) * 2018-05-07 2018-11-27 深圳大学 一种提高相机标定精度的控制方法及***
CN109035200B (zh) * 2018-06-21 2022-06-07 北京工业大学 一种基于单双目视觉协同的螺栓定位及位姿检测方法
CN108537850A (zh) * 2018-07-12 2018-09-14 合肥晟泰克汽车电子股份有限公司 汽车环视***标定场景
CN111239085B (zh) * 2019-03-06 2022-11-22 南昌工程学院 基于深度学习的显微视觉伺服控制方法
WO2020183312A1 (en) * 2019-03-09 2020-09-17 Corephotonics Ltd. System and method for dynamic stereoscopic calibration
CN109976344B (zh) * 2019-03-30 2022-05-27 南京理工大学 巡检机器人姿态矫正方法
CN110017833B (zh) * 2019-04-19 2022-11-01 西安应用光学研究所 基于像元类地模型的全屏像点地理坐标定位方法
CN112308925A (zh) * 2019-08-02 2021-02-02 上海肇观电子科技有限公司 可穿戴设备的双目标定方法、设备及存储介质
CN110415300B (zh) * 2019-08-02 2022-10-21 哈尔滨工业大学 一种基于三靶标建面的立体视觉结构动态位移测量方法
CN110608796A (zh) * 2019-08-08 2019-12-24 广东工业大学 一种基于双无人机的结构三维振动测量方法
CN110332924B (zh) * 2019-08-19 2020-04-24 哈尔滨博觉科技有限公司 基于双线阵ccd的稀释仪空间视觉定位偏差修正方法
CN110728745B (zh) * 2019-09-17 2023-09-15 上海大学 一种基于多层折射图像模型的水下双目立体视觉三维重建方法
CN112710308B (zh) * 2019-10-25 2024-05-31 阿里巴巴集团控股有限公司 机器人的定位方法、装置和***
CN112783076B (zh) * 2019-11-07 2022-03-29 东北大学秦皇岛分校 基于高精度位移传感器的引导机械手定位的方法及***
CN111047531B (zh) * 2019-12-02 2023-03-28 长安大学 一种基于单目视觉的仓储机器人室内定位方法
CN111080714B (zh) * 2019-12-13 2023-05-16 太原理工大学 一种基于三维重建的平行式双目相机标定方法
CN113066132B (zh) * 2020-03-16 2024-06-25 天目爱视（北京）科技有限公司 一种基于多设备采集的3d建模标定方法
CN113409395B (zh) * 2020-03-17 2024-05-07 沈阳智能机器人创新中心有限公司 导管管端高精度检测定位方法
CN113554710A (zh) * 2020-04-24 2021-10-26 西门子(深圳)磁共振有限公司 医学影像***中3d相机的标定方法、***和存储介质
CN111583342B (zh) * 2020-05-14 2024-02-23 中国科学院空天信息创新研究院 一种基于双目视觉的目标快速定位方法及装置
CN113689494B (zh) * 2020-05-18 2024-03-19 中冶宝钢技术服务有限公司 一种用于布袋除尘器的破损布袋定位方法
CN111862237B (zh) * 2020-07-22 2024-01-05 复旦大学 用于光学面形测量的相机标定方法和实现该方法的装置
CN111862238B (zh) * 2020-07-23 2022-05-10 中国民航大学 一种全空间单目光笔式视觉测量方法
CN112033293B (zh) * 2020-08-12 2021-12-28 上海隧道工程有限公司 机器视觉盾尾间隙检测自动跟踪管片有效边界特征点方法
CN112082477A (zh) * 2020-09-01 2020-12-15 中国科学技术大学 基于结构光的万能工具显微镜三维测量装置及方法
CN112184662B (zh) * 2020-09-27 2023-12-15 成都数之联科技股份有限公司 应用于无人机图像拼接中的相机外参数初始方法及***
CN112308962B (zh) * 2020-11-05 2023-10-17 山东产研信息与人工智能融合研究院有限公司 以实体目标为最小单元的实景模型构建方法及装置
CN112781565B (zh) * 2020-12-21 2023-10-20 土豆数据科技集团有限公司 一种双目倾斜摄影方法
CN112767338A (zh) * 2021-01-13 2021-05-07 南京工业大学 一种基于双目视觉的装配式桥梁预制构件吊装定位***及其方法
CN113315962B (zh) * 2021-04-27 2022-10-28 北京工业大学 3d显微实时虚拟观测与交互***
CN113446936B (zh) * 2021-06-23 2022-09-20 同济大学 一种基于主动视距的变视轴立体视觉测量***和方法
CN113516702B (zh) * 2021-07-16 2022-04-08 中国科学院自动化研究所 自动配液安瓿瓶液位检测方法、***及药液占比检测方法
CN114018212B (zh) * 2021-08-03 2024-05-14 广东省国土资源测绘院 面向球型摄像机单目测距的俯仰角校正方法及***
CN113870354B (zh) * 2021-08-19 2024-03-08 中国电力科学研究院有限公司 一种基于深度学习的变压器油箱的测量方法及***
CN113888640B (zh) * 2021-09-07 2024-02-02 浙江大学 一种适用于无人机云台相机的改进标定方法
CN113989389B (zh) * 2021-11-10 2024-05-14 中国科学院长春光学精密机械与物理研究所 应用于抬头设备的交替平差标定方法
CN114170246B (zh) * 2021-12-08 2024-05-17 广东奥普特科技股份有限公司 一种精密位移平台的定位方法
CN114565665B (zh) * 2022-02-28 2024-05-14 华中科技大学 一种选择性辅助加工视觉***的时空标定方法
DE102022115660A1 (de) 2022-06-23 2023-12-28 Basler Aktiengesellschaft Verfahren und Vorrichtung zur Mikroskopie

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19525561C2 (de) * 1994-07-13 2003-10-16 Murata Machinery Ltd 3D-Meßvorrichtung
CN1566900A (zh) * 2003-06-11 2005-01-19 北京航空航天大学 一种空间圆几何参数的视觉测量方法
US7164472B2 (en) * 2003-10-09 2007-01-16 Hunter Engineering Company Common reference target machine vision wheel alignment system
CN101055177A (zh) * 2007-05-30 2007-10-17 北京航空航天大学 基于双面靶标的流动式三维视觉测量拼接方法
DE102007024638A1 (de) * 2007-05-24 2008-01-10 Daimlerchrysler Ag Verfahren und Vorrichtung zur Kalibrierung eines Multikamerasystems
CN101373135A (zh) * 2008-07-01 2009-02-25 南京航空航天大学 基于瞬时随机光照的三维曲面测量装置及方法
CN101876533A (zh) * 2010-06-23 2010-11-03 北京航空航天大学 一种显微立体视觉校准方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7031497B2 (en) * 2001-11-05 2006-04-18 Koninklijke Philips Electronics N.V. Method for computing optical flow under the epipolar constraint
JP2005017808A (ja) * 2003-06-27 2005-01-20 Olympus Corp 光学顕微鏡システム、これを用いた光軸補正方法、光軸補正プログラム、及びこのプログラムを記録した記録媒体
US7453559B2 (en) 2003-10-09 2008-11-18 Hunter Engineering Company Vehicle lift reference system for movable machine-vision alignment system sensors
US7929801B2 (en) * 2005-08-15 2011-04-19 Sony Corporation Depth information for auto focus using two pictures and two-dimensional Gaussian scale space theory
US7616254B2 (en) * 2006-03-16 2009-11-10 Sony Corporation Simple method for calculating camera defocus from an image scene
CN1851752A (zh) * 2006-03-30 2006-10-25 东南大学 三维重构***中双摄像机标定方法
TW200834471A (en) * 2007-02-15 2008-08-16 Ind Tech Res Inst Image filling methods, and machine readable medium thereof
US8027083B2 (en) * 2007-04-20 2011-09-27 International Business Machines Corporation Contact microscope using point source illumination
US8280194B2 (en) * 2008-04-29 2012-10-02 Sony Corporation Reduced hardware implementation for a two-picture depth map algorithm
US8194995B2 (en) * 2008-09-30 2012-06-05 Sony Corporation Fast camera auto-focus

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19525561C2 (de) * 1994-07-13 2003-10-16 Murata Machinery Ltd 3D-Meßvorrichtung
CN1566900A (zh) * 2003-06-11 2005-01-19 北京航空航天大学 一种空间圆几何参数的视觉测量方法
US7164472B2 (en) * 2003-10-09 2007-01-16 Hunter Engineering Company Common reference target machine vision wheel alignment system
DE102007024638A1 (de) * 2007-05-24 2008-01-10 Daimlerchrysler Ag Verfahren und Vorrichtung zur Kalibrierung eines Multikamerasystems
CN101055177A (zh) * 2007-05-30 2007-10-17 北京航空航天大学 基于双面靶标的流动式三维视觉测量拼接方法
CN101373135A (zh) * 2008-07-01 2009-02-25 南京航空航天大学 基于瞬时随机光照的三维曲面测量装置及方法
CN101876533A (zh) * 2010-06-23 2010-11-03 北京航空航天大学 一种显微立体视觉校准方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HOU, XIAOPING: "Study on Camera Calibration and Stereo Reconstruction in Micro-stereo Vision System Chinese Doctoral Dissertations & Master's Theses Full-text Database (Master)", INFORMATION SCIENCE AND TECHNOLOGY, no. 3, September 2004 (2004-09-01), pages 16 - 23 *
ZHAO, ZHENG ET AL.: "A Camera Self-calibration Method Based on Coplanar Circles", JOURNAL OF OPTOELECTRONICS - LASER, vol. 20, no. 12, December 2009 (2009-12-01), pages 1576 - 1579 *

Cited By (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103487036A (zh) * 2013-08-14 2014-01-01 西北工业大学 基于空间前方交会和链码形似性的同名标记点匹配方法
CN108107837A (zh) * 2018-01-16 2018-06-01 三峡大学 一种基于视觉引导的玻璃加工装置及方法
CN110136048A (zh) * 2018-02-09 2019-08-16 中国科学院上海高等研究院 一种图像配准方法及***、存储介质及终端
CN110136048B (zh) * 2018-02-09 2022-10-14 中国科学院上海高等研究院 一种图像配准方法及***、存储介质及终端
CN108830906B (zh) * 2018-05-31 2023-10-24 福州大学 一种基于虚拟双目视觉原理的摄像机参数自动标定方法
CN108830906A (zh) * 2018-05-31 2018-11-16 福州大学 一种基于虚拟双目视觉原理的摄像机参数自动标定方法
CN111127560A (zh) * 2019-11-11 2020-05-08 江苏濠汉信息技术有限公司 一种用于三维重建的三目视觉***的标定方法及***
CN111009014A (zh) * 2019-11-25 2020-04-14 天津大学 通用成像模型正交分光成像位姿传感器的标定方法
CN111210480A (zh) * 2020-01-06 2020-05-29 中国农业大学 双目精度的检测方法、***、设备及存储介质
CN111210480B (zh) * 2020-01-06 2023-08-22 中国农业大学 双目精度的检测方法、***、设备及存储介质
CN111833333B (zh) * 2020-07-16 2023-10-03 西安科技大学 一种基于双目视觉的悬臂式掘进装备位姿测量方法及***
CN111833333A (zh) * 2020-07-16 2020-10-27 西安科技大学 一种基于双目视觉的悬臂式掘进装备位姿测量方法及***
CN111915685A (zh) * 2020-08-17 2020-11-10 沈阳飞机工业（集团）有限公司 一种变焦摄像机标定方法
CN111915685B (zh) * 2020-08-17 2023-10-31 沈阳飞机工业（集团）有限公司 一种变焦摄像机标定方法
CN112258593A (zh) * 2020-10-23 2021-01-22 明峰医疗***股份有限公司 单目相机下ct或pet-ct智能定位扫描方法
CN112258593B (zh) * 2020-10-23 2024-02-02 明峰医疗***股份有限公司 单目相机下ct或pet-ct智能定位扫描方法
CN112720469A (zh) * 2020-12-18 2021-04-30 北京工业大学 显微立体视觉用于三轴平移运动***零点校准方法
CN112712566A (zh) * 2020-12-29 2021-04-27 北京航空航天大学 基于结构参数在线校正的双目立体视觉传感器测量方法
CN112712566B (zh) * 2020-12-29 2022-07-29 北京航空航天大学 基于结构参数在线校正的双目立体视觉传感器测量方法
CN112985293B (zh) * 2021-01-14 2023-05-30 北京航空航天大学 一种单像机双球面镜镜像双目视觉测量***和测量方法
CN112985293A (zh) * 2021-01-14 2021-06-18 北京航空航天大学 一种单像机双球面镜镜像双目视觉测量***和测量方法
CN112902844A (zh) * 2021-02-24 2021-06-04 三门核电有限公司 一种基于激光跟踪的设备圆形端口建模方法
CN113192122B (zh) * 2021-04-28 2023-07-28 西安电子科技大学 大型装备装配位姿视觉检测过程中的光心提取方法
CN113192122A (zh) * 2021-04-28 2021-07-30 西安电子科技大学 大型装备装配位姿视觉检测过程中的光心提取方法
CN113155084A (zh) * 2021-05-03 2021-07-23 吕若罡 基于激光十字标准线辅助的双目视觉测距装置及方法
CN113240749B (zh) * 2021-05-10 2024-03-29 南京航空航天大学 一种面向海上舰船平台无人机回收的远距离双目标定与测距方法
CN113240749A (zh) * 2021-05-10 2021-08-10 南京航空航天大学 一种面向海上舰船平台无人机回收的远距离双目标定与测距方法
CN114119768B (zh) * 2021-11-15 2024-03-19 山东省科学院海洋仪器仪表研究所 一种基于多目视觉技术的刺参活性监测方法
CN114119768A (zh) * 2021-11-15 2022-03-01 山东省科学院海洋仪器仪表研究所 一种基于多目视觉技术的刺参活性监测方法
CN114565714A (zh) * 2022-02-11 2022-05-31 山西支点科技有限公司 一种单目视觉传感器混合式高精度三维结构恢复方法
CN114812416B (zh) * 2022-03-25 2023-09-15 合肥舒合机器人科技有限公司 一种利用双目立体视觉进行拖车轴距测量的方法
CN114812416A (zh) * 2022-03-25 2022-07-29 合肥舒合机器人科技股份有限公司 一种利用双目立体视觉进行拖车轴距测量的方法
CN115281681B (zh) * 2022-06-20 2023-08-15 中国科学院自动化研究所 柔性电极植入方法、柔性电极植入装置和电子设备
CN115281681A (zh) * 2022-06-20 2022-11-04 中国科学院自动化研究所 柔性电极植入方法、柔性电极植入装置和电子设备
CN115060166B (zh) * 2022-08-18 2022-11-08 中国石油大学(华东) 一种基于反射棱镜的视觉测量***三维光路分析方法
CN115060166A (zh) * 2022-08-18 2022-09-16 中国石油大学(华东) 一种基于反射棱镜的视觉测量***三维光路分析方法
CN116643393A (zh) * 2023-07-27 2023-08-25 南京木木西里科技有限公司 基于显微图像偏转的处理方法及***
CN116643393B (zh) * 2023-07-27 2023-10-27 南京木木西里科技有限公司 基于显微图像偏转的处理方法及***

Also Published As

Publication number Publication date
US8934721B2 (en) 2015-01-13
CN101876533A (zh) 2010-11-03
CN101876533B (zh) 2011-11-30
US20130058581A1 (en) 2013-03-07

Similar Documents

Publication Publication Date Title
WO2011160491A1 (zh) 一种基于摄像机坐标系位置自适应的显微视觉测量方法
JP6722323B2 (ja) 撮像装置のモデリングおよび校正のためのシステムおよびその方法
CN110276808B (zh) 一种单相机结合二维码测量玻璃板不平度的方法
CN106595528B (zh) 一种基于数字散斑的远心显微双目立体视觉测量方法
TWI555379B (zh) 一種全景魚眼相機影像校正、合成與景深重建方法與其系統
Genovese et al. Stereo-camera calibration for large-scale DIC measurements with active phase targets and planar mirrors
CN109859272B (zh) 一种自动对焦双目摄像头标定方法及装置
JP2011232330A (ja) 撮像装置、長さ測定方法、及びプログラム
CN109579695B (zh) 一种基于异构立体视觉的零件测量方法
CN111667536A (zh) 一种基于变焦相机深度估计的参数标定方法
CN110009690A (zh) 基于极线校正的双目立体视觉图像测量方法
CN109325981B (zh) 基于聚焦像点的微透镜阵列型光场相机几何参数标定方法
CN109272555B (zh) 一种rgb-d相机的外部参数获得及标定方法
CN106500625B (zh) 一种远心立体视觉测量方法
US20230083150A1 (en) Scanning system and calibration thereof
CN112634379B (zh) 一种基于混合视域光场的三维定位测量方法
CN112229323A (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
CN110728745B (zh) 一种基于多层折射图像模型的水下双目立体视觉三维重建方法
JP2012198031A (ja) 画像補正方法及び画像補正装置
WO2018168757A1 (ja) 画像処理装置、システム、画像処理方法、物品の製造方法、プログラム
CN111998834B (zh) 一种裂缝监测方法及***
CN114964052A (zh) 一种三维测量***的标定和重建方法及三维测量***
CN113781581A (zh) 基于靶标松姿态约束的景深畸变模型标定方法
Li et al. Binocular stereo vision calibration experiment based on essential matrix
CN117197170B (zh) 一种单目相机视场角测量方法及***

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11797522

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 13696982

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11797522

Country of ref document: EP

Kind code of ref document: A1