CN101419708B - 一种基于一维靶标的结构光传感器标定方法 - Google Patents

Abstract

本发明属于测量技术领域，涉及对结构光视觉三维测量中结构光参数标定方法的改进。本发明提出一种基于一维靶标的结构光参数标定方法。当传感器安装完成后，由传感器的摄像机拍摄自由非平行移动一维靶标的多幅图像；根据一维射影变换获取靶标上特征线的消隐点，并与摄像机投影中心确定特征线在摄像机坐标系下的方向矢量；根据特征点之间的长度约束及特征线的方向约束，计算特征线上参考点的摄像机坐标，得到特征线在摄像机坐标系下的方程；利用射影变换和特征线的方程获得多个非共线的光条上控制点的摄像机坐标，拟合控制点得到结构光参数。本方法不需要高成本的辅助调整设备，标定精度高，过程简单，能够满足大尺寸结构光三维视觉测量的现场标定需要。

Description

一种基于一维靶标的结构光传感器标定方法

技术领域

本发明属于测量技术领域，涉及基于一维靶标的结构光传感器标定方法。

背景技术

结构光视觉检测以其测量的非接触性、速度快和精度适中等优点，很好地满足了现代工业对检测的要求，将结构光视觉用于生产过程的监控和测量已成为解决许多在线问题最有效的途径。结构光视觉传感器的标定是结构光视觉检测能否成功应用的关键，所述标定主要包括摄像机内部参数标定和结构光参数标定两部分，其中，摄像机参数的标定方法已经比较成熟，在此不作详细介绍，针对结构光参数标定，对于线结构传感器指结构光光平面的方程，目前主要有以下方法：锯齿靶标法、三维靶标法、二维平面靶标法等。

关于锯齿靶法，段发阶等在文章“一种新型线结构光传感器结构光参数标定方法”(仪器仪表学报，2000，21(1)：108～110)中陈述了这种方法，该方法主要让光平面投射到锯齿状的靶标上，从而在齿棱上形成一些亮点作为标定点；因齿棱反光，造成像点的提取精度低，且需要外部设备来严格调整光平面与齿形靶基面相垂直，难以实现。

关于三维靶标法，1999年，D.Q.HUYNH等在文章“Calibration a StructuredLight Stripe System：A Novel Approach”(International Journal of Computer Vision，1999，33(1)：73～86)中陈述了这种方法，该方法需要至少两个相互垂直的平面构成的高精度三维标定靶标，三维靶标的加工成本高，维护困难，而且由于平面之间对光照的相互遮挡，难以获得高质量的标定图像。

关于二维平面靶标法，2005年，周富强等在文章“Complete calibration of astructured light stripe vision sensor through planar target of unknown orientations”(Image and Vision Computing，2005，23(1)：59～67)中陈述了这种方法，该方法采用自由移动平面靶标实现结构光参数标定。该方法无需辅助设备，不存在遮挡问题，操作简单。2006年，邾继贵等在文章“基于共面标定参照物的线结构光传感器快速标定方法”(中国机械工程，2006，17(2)：183～186)陈述了一种利用二维圆孔阵列靶标的结构光参数标定方法，该方法无需辅助设备，操作简单。

从上述分析可以看出，现有的结构光传感器标定方法都需要高精度的二维或三维靶标，随着靶标尺寸的增大，二维和三维标定靶标的加工精度将难以保证，且成本逐倍增加，高精度的二维和三维靶标的加工尺寸将受到限制，因此现有的结构光传感器标定方法只适用于常规尺寸测量的结构光视觉传感器。

一维靶标具有结构简单、易于加工、不存在自身遮挡等特点，且在大尺寸结构光视觉测量应用中，加工一个大尺寸的一维靶标要比加工一个同等尺寸的二维平面或三维靶标要容易得多。因此，研究基于一维靶标的结构光传感器标定具有重要意义，将进一步拓宽结构光视觉测量的应用领域。

发明内容

本发明所要解决的技术问题是：提供一种基于一维靶标的结构光传感器标定方法，能够用于大尺寸结构光视觉测量的标定需要，高精度大尺寸的标定靶标加工制造容易，维护和现场操作简单，扩大结构光标定的适用范围。

本发明的技术解决方案是：一种基于一维靶标的结构光传感器标定方法，其特征在于，

1、调整结构光视觉传感器的摄像机镜头的焦距和光圈，保证摄像机在测量范围内能够拍摄清晰图像，固定好结构光视觉传感器，标定摄像机内部参数；

2、设置一维标定靶标，所说的一维标定靶标的靶面上有中心共线的一行圆孔，圆孔的半径为2～4mm，精度为0.01mm，圆孔中心之间的距离为10～200mm，精度为0.01mm，圆孔的数量为3～20；选取靶标上圆孔中心为特征点，特征点构成的直线称为特征线，选取特征线上的一个端点为参考点；

3、在摄像机的视场范围内，使结构光能够投射在靶标上形成光条，拍摄一幅图像，称为结构光标定图像；要求包括参考点对应的圆孔在内的至少3个圆孔和光条包含在拍摄图像内；将特征线与光条中心线的交点称为控制点；

4、根据摄像机的畸变模型，校正结构光标定图像的畸变，得到无畸变结构光标定图像；提取无畸变结构光标定图像的特征点和光条中心线的图像坐标，根据摄像机模型，计算特征点和光条中心线的投影坐标；

5、利用至少3个特征点的投影坐标及对应的靶标坐标，计算特征点与其投影点之间的一维射影变换；

6、利用特征点的投影坐标，拟合得到特征线的投影直线，计算投影直线与光条中心线的交点得到控制点的投影坐标；根据步骤5得到的一维射影变换，计算控制点的靶标坐标；

7、根据步骤5得到的一维射影变换，由特征线的无穷远点计算特征线的消隐点的投影坐标，根据摄像机模型，获得消隐点的摄像机坐标；

8、在摄像机坐标系下，由消隐点和摄像机原点的连线计算得到特征线的直线方向矢量；根据特征点之间的长度约束和特征线的方向约束，计算得到参考点的摄像机坐标；由特征线的方向矢量和参考点的摄像机坐标，得到特征线在摄像机坐标系下的方程；

9、由步骤6得到的控制点靶标坐标和步骤8得到的特征线在摄像机坐标系下的方程，计算得到控制点的摄像机坐标；

10、将一维靶标自由、非平行放置到摄像机视场范围内的不同位置，采用步骤3～9叙述的方法，获得至少3个非共线控制点的摄像机坐标；

11、利用所有非共线控制点的摄像机坐标，拟合平面得到结构光光平面在摄像机坐标系下的方程；

12、将标定好的摄像机内部参数、结构光光平面方程系数保存到系统参数文件中，以备测量阶段调用。

本发明的优点是：

第一，与现有的结构光参数标定方法相比，该方法所需的标定靶标成本低，维护和现场操作简单，非常适合现场在线标定。

第二，摄像机可以获取多幅高质量的标定靶标的图像，能够获得更多的高精度特征点，且无需求解靶标坐标系到摄像机坐标系的旋转矩阵和平移矢量，减少了参数计算环节，提高了标定精度。

第三，相对于三维靶标和二维靶标，一维靶标具有结构简单、易于加工、不存在自身遮挡等特点，且在大尺寸结构光视觉测量应用中，加工一个大尺寸的一维靶标要比加工一个同等尺寸的二维平面或三维靶标要容易得多。因此可以适应大尺寸结构光视觉测量的现场标定需要。

附图说明

图1是结构光视觉传感器的数学模型示意图。

图2是基于一维靶标的结构光参数标定方法流程图。

图3是一种一维靶标示意图。

图4是投射在二维靶标上的结构光光条图像。

具体实施方式

下面对本发明做进一步详细说明。本发明首次使用简单无约束移动的一维靶标，对结构光视觉测量的结构光参数进行标定。

结构光视觉传感器的数学模型：

如图1所示，o_c-x_cy_cz_c为三维摄像机坐标系，o_n-x_ny_n为归一化投影坐标系。π_n为归一化投影平面，定义为距离摄像机坐标系原点距离为1且与摄像机光轴o_cz_c垂直的平面，则π_n在o_c-x_cy_cz_c下的方程为

z_c＝1        [1]

定义o_cx_c‖o_nx_n和o_cy_c‖o_ny_n。空间点P在π_n上的归一化投影p是直线

与π_n的交点，设X_c＝(x_c，y_c，z_c)^T为P的摄像机坐标，X_n＝(x_n，y_n)^T为p的归一化投影坐标，根据透视投影有

X_n＝(x_c/z_c，y_c/z_c)^T               [2]

设摄像机在x、y方向上的有效焦距为f_x和f_y，摄像机的主点坐标为(u₀，v₀)。投影点p对应的理想图像坐标为X_u＝(x_u，y_u)^T，则有

X_u＝(f_xx_n+u₀，f_yy_n+v₀)^T               [3]

若考虑摄像机镜头的一次径向畸变，设p对应的畸变图像坐标为X_d＝(x_d，y_d)^T，则有

$X_d=[1+k(x_u^2+y_u^2)]X_u---\left[4\right]$

式中k——径向畸变系数

公式[2]～[4]表示了空间点到实际图像坐标的投影模型，空间任意点可以确定惟一图像点。反之，如果已知摄像机参数，根据公式[2]～[4]，由点的实际图像坐标可以求得对应的归一化投影坐标，从而得到由摄像机原点与归一化投影点确定的直线

在o_c—x_cy_cz_c下的方程。

若投射结构光为光平面模式，如图1所示，π_s为光平面，则可以设n_s＝(n_s1，n_s2，n_s3)^T为π_s的单位法向矢量，则π_s在o_c—x_cy_cz_c下的方程为

n.X_ci＝c                                           [5]

式中c为常数项。

根据结构光视觉传感器的模型，由

与π_s的交点可以获得π_s上任意点在o_c—x_cy_cz_c下的三维坐标。结构光传感器的模型参数包括摄像机内部参数和结构光参数，结构光参数对于线结构光视觉指光平面的方程。

根据结构光视觉传感器的数学模型，结构光视觉传感器的标定分为摄像机参数和结构光参数的标定两个阶段，具体步骤如下：

1、调整结构光视觉传感器的摄像机镜头的焦距和光圈，保证摄像机在测量范围内能够拍摄清晰图像，固定好结构光视觉传感器，标定摄像机内部参数。

摄像机标定的具体方法参见周富强著《双目立体视觉检测的关键技术研究》，北京航空航天大学博士后研究工作报告，2002。

标定好摄像机内部参数后，根据公式[4]可以校正图像特征点的畸变，由公式[2]和[3]计算得到特征点的投影坐标。

2、设置一维标定靶标，所说的一维标定靶标的靶面上有中心共线的一行圆孔，圆孔的半径为2～4mm，精度为0.01mm，圆孔中心之间的距离为10～200mm，精度为0.01mm，圆孔的数量为3～20。

选取靶标上圆孔中心为特征点，用P_i(i＝0，...，N_p—1)表示，N_p为特征点的数量。特征点构成的直线称为特征线，用l_t表示，选取特征线上的一个端点为参考点，用P₀表示。

3、在摄像机的视场范围内，使结构光能够投射在靶标上形成光条，拍摄一幅图像，称为结构光标定图像。要求包括参考点对应的圆孔在内的至少3个圆孔和光条包含在拍摄图像内。将特征线与光条中心线的交点称为控制点，用Q表示，其投影点用q表示。

4、根据摄像机的畸变模型，校正结构光标定图像的畸变，得到无畸变结构光标定图像。畸变校正算法参见周富强著《双目立体视觉检测的关键技术研究》，北京航空航天大学博士后研究工作报告，2002。

提取无畸变结构光标定图像的特征点和光条中心线的图像坐标。圆孔中心的提取算法参见周富强著《双目立体视觉检测的关键技术研究》，北京航空航天大学博士后研究工作报告，2002。光条中心线提取算法参见Steger C.的文章“AnUnbiased Detector of Curvilinear Structures”(IEEE Transactions on Pattern Analysisand Machine Intelligence，1998，20(2)：113～125)。

根据公式[2]和[3]，计算特征点和光条中心线的投影坐标。

5、利用至少3个特征点的投影坐标及对应的靶标坐标，计算特征点与其投影点之间的一维射影变换。以P₀为原点建立一维靶标坐标系P₀—x_t，则靶标上特征点的靶标坐标为特征点到P₀的欧式距离。一维射影变换的计算方法参见HARTLEY R.I.，ZISSERMAN所著的“Multiple view geometry in computer vision”，Cambridge University Press，2004。

6、利用特征点的投影坐标，拟合得到特征线的投影直线，投影直线为l_t在π_n的投影，用l_r表示。计算投影直线与光条中心线的交点得到控制点的投影坐标。根据步骤5得到的一维射影变换，计算控制点的靶标坐标x_tq。

7、根据步骤5得到的一维射影变换，由特征线的无穷远点计算特征线的消隐点的投影坐标X_nv＝(x_nv，y_nv)^T，根据摄像机模型，获得消隐点的摄像机坐标X_cv＝(x_nv，y_nv，1)^T。消隐点的计算方法参见HARTLEY R.I.，ZISSERMAN所著的“Multiple view geometry in computer vision”，Cambridge University Press，2004。

8、在摄像机坐标系下，由消隐点和摄像机原点的连线计算得到特征线的单位方向矢量为

$n_t={(\frac{x_{\mathrm{nv}}}{\left|\right|X_{\mathrm{cv}}\left|\right|},\frac{y_{\mathrm{nv}}}{\left|\right|X_{\mathrm{cv}}\left|\right|},\frac{1}{\left|\right|X_{\mathrm{cv}}\left|\right|})}^T$

根据特征点之间的长度约束和特征线的方向约束，计算得到参考点的摄像机坐标。对于任何一幅图像的一维靶标，都有下列方程组成立：

$\left\{\begin{array}{c}{X}_{n0}={(x_{c0}/z_{c0},y_{c0}/z_{c0})}^T\\ X_{\mathrm{ni}}={(x_{\mathrm{ci}}/z_{\mathrm{ci}},y_{\mathrm{ci}}/z_{\mathrm{ci}})}^T\\ \left|\right|X_{\mathrm{ci}}-X_{c0}\left|\right|=L_{0i}\\ (X_{\mathrm{ci}}-X_{c0})\×n_t=0\end{array}\right.---\left[6\right]$

其中，X_n0＝(x_n0，y_n0)^T和X_c0＝(x_c0，y_c0，z_c0)^T分别为参考点P₀的投影坐标和摄像机坐标，X_ni＝(x_ni，y_ni)^T和X_ci＝(x_ci，y_ci，z_ci)^T为特征点P_i(i＝1，...，N_p—1)的投影坐标和摄像机坐标。L_0i为P₀和P_i(i＝1，...，N_p—1)之间的已知长度。

由方程组[6]可以求得P₀的摄像机坐标，由此可以得到l_t在o_c—x_cy_cz_c下的方程为

X_ci＝X_c0+L_nin_t                           [7]

9、由步骤6得到的控制点靶标坐标和步骤8得到的特征线在摄像机坐标系下的方程，根据式[8]计算得到控制点的摄像机坐标。

X_cq＝X_c0+x_tqn_t                            [8]

10、将一维靶标自由、非平行放置到摄像机视场范围内的不同位置，采用步骤3～9叙述的方法，获得至少3个非共线控制点的摄像机坐标。

11、利用所有非共线控制点的摄像机坐标，拟合平面得到光平面在摄像机坐标系下的方程。

12、将标定好的摄像机内部参数、结构光光平面方程系数保存到系统参数文件中，以备测量阶段调用。

实施例

基于一维靶标的结构光参数标定方法的流程如图2所示。采用WAT-902HCCD摄像机和12mm镜头组成镜头及结构光投射器组成结构光视觉传感器，图像分辨率为768pixels×576pixels。一维靶标可以设计如图3所示，图中白色圆圈的中心点为靶标特征点。靶标特征点之间的距离是14mm，设置了8个特征点。

为了便于比较试验，采用打印的棋盘二维靶标，靶标上特征点为6×8个格点，格点之间的距离为14mm，图4为实验图像。依据交比不变的平面靶标标定方法，每幅图像可以得到6个控制点。图3所示的二维靶标的每行相当于一个一维靶标，2幅图像相当于一维靶标摆放12次。根据交比不变方法标定结构光光平面，然后利用同样的试验图像，采用本发明提出的一维靶标标定方法标定光平面，最后进行结果比较。

选择摄像机坐标系为测量坐标系，将图4所示的靶标摆放在传感器的测量空间中至少2个不同的位置，可以得到12个控制点，由摄像机影模型求出投影坐标。试验中标定的摄像机内部参数为

f_x＝1511.491pixels，f_y＝1506.380pixels

u₀＝364.132pixels，v₀＝256.665pixels

k₁＝—2.934×10^-1

按照交比不变的二维靶标获取控制点和本文所提出的基于一维靶标获取控制点的方法，对同样的试验图像采用两种不同的处理方法，获取的控制点坐标如表1所示。然后分别利用获取的控制点进行光平面拟合得到结构光平面的参数方程如下

二维平面靶标方法：

0.766x_c—0.503y_c—0.400z_c＝281.485

一维靶标方法：

0.771x_c—0.497y_c—0.398＝280.814

           表1 两种方法获取的光条上的控制点坐标(单位：mm)

为了评定标定误差，以交比不变的方式获取控制点的二维靶标上的局部世界坐标，并计算控制点之间的距离作为参考值，然后将根据结构光视觉传感器的测量模型，由直线与光平面交点方法获取测量点的三维坐标，分别获得两种标定方法所用的控制点的测量坐标，计算点之间的距离，并与参考值进行比较，结果如表2所示。从表2可以看出，一维靶标标定法达到的精度与二维平面靶标标定法精度相当，在一般实验条件下，标定精度大约为0.1mm。当靶标的精度提高时，本发明所提出的标定方法的精度也会相应提高。与二维靶标相比，高精度大尺寸的一维靶标加工更容易，因为本发明的方法为解决大尺寸结构光视觉测量的结构光参数标定提供了有效途径。

          表2 两种标定方法计算控制点之间距离的比较(单位：mm)

Claims (1)

1.一种基于一维靶标的结构光传感器标定方法，结构光传感器模型参数包括摄像机内部参数和结构光参数，所述的结构光参数，对于线结构光视觉传感器指结构光光平面的方程，其特征在于，

1.1、调整结构光视觉传感器的摄像机镜头的焦距和光圈，保证摄像机在测量范围内能够拍摄清晰图像，固定好结构光视觉传感器，标定摄像机内部参数；

1.2、设置一维标定靶标，所说的一维标定靶标的靶面上有中心共线的一行圆孔，圆孔的半径为2～4mm，精度为0.01mm，圆孔中心之间的距离为10～200mm，精度为0.01mm，圆孔的数量为3～20；选取靶标上圆孔中心为特征点，特征点构成的直线称为特征线，选取特征线上的一个端点为参考点；

1.3、在摄像机的视场范围内，使结构光能够投射在靶标上形成光条，拍摄一幅图像，称为结构光标定图像；要求包括参考点对应的圆孔在内的至少3个圆孔和光条包含在拍摄图像内；将特征线与光条中心线的交点称为控制点；

1.4、根据摄像机的畸变模型，校正结构光标定图像的畸变，得到无畸变结构光标定图像；提取无畸变结构光标定图像的特征点和光条中心线的图像坐标，根据摄像机模型，计算特征点和光条中心线的投影坐标；

1.5、利用至少3个特征点的投影坐标及对应的靶标坐标，计算特征点与其投影点之间的一维射影变换；

1.6、利用特征点的投影坐标，拟合得到特征线的投影直线，计算投影直线与光条中心线的交点得到控制点的投影坐标；根据步骤1.5得到的一维射影变换，计算控制点的靶标坐标；

1.7、根据步骤1.5得到的一维射影变换，由特征线的无穷远点计算特征线的消隐点的投影坐标，根据摄像机模型，获得消隐点的摄像机坐标；

1.8、在摄像机坐标系下，由消隐点和摄像机原点的连线计算得到特征线的直线方向矢量；根据特征点之间的长度约束和特征线的方向约束，计算得到参考点的摄像机坐标；由特征线的方向矢量和参考点的摄像机坐标，得到特征线在摄像机坐标系下的方程；

1.9、由步骤1.6得到的控制点靶标坐标和步骤1.8得到的特征线在摄像机坐标系下的方程，计算得到控制点的摄像机坐标；

1.10、将一维靶标非平行放置到摄像机视场范围内的不同位置，采用步骤1.3～1.9叙述的方法，获得至少3个非共线控制点的摄像机坐标；

1.11、利用所有非共线控制点的摄像机坐标，拟合平面得到结构光光平面在摄像机坐标系下的方程；

1.12、将标定好的摄像机内部参数、结构光光平面方程系数保存到系统参数文件中，以备测量阶段调用。

Images