CN101509765A - 一种用于高精度三维测量的细纹幂增立体匹配方法 - Google Patents
一种用于高精度三维测量的细纹幂增立体匹配方法 Download PDFInfo
- Publication number
- CN101509765A CN101509765A CNA200910068306XA CN200910068306A CN101509765A CN 101509765 A CN101509765 A CN 101509765A CN A200910068306X A CNA200910068306X A CN A200910068306XA CN 200910068306 A CN200910068306 A CN 200910068306A CN 101509765 A CN101509765 A CN 101509765A
- Authority
- CN
- China
- Prior art keywords
- striped
- striation
- image
- projection
- power
- 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
Abstract
本发明属于图像处理和模式识别领域,涉及一种应用于高精度三维视觉测量的细纹幂增立体匹配方法。该方法是将二次幂增方法、步移方法、差影方法、递缩方法和立体匹配方法相结合的编码和立体匹配方法。通过二次幂增和步移方法的结合,所投射光信息可以覆盖全部被测物空间;通过差影方法,可以去除被测空间中的背景干扰;通过递缩方法,可以减少光信息搜索范围,提高光信息匹配的速度和精度;通过立体匹配方法,可以计算物空间的三维坐标。本发明所设计的细纹幂增方法,可以有效解决立体匹配过程中出现的误判断现象,提高三维测量的精度和可靠性。
Description
技术领域
本发明涉及一种用于三维测量设备的立体匹配方法,更具体的说,本发明涉及一种用于高精度三维视觉测量设备的采用细纹幂增方案的立体匹配方法。
背景技术
在工业检测和工业设计领域,现有的较成熟的三维测量仪器主要有三坐标测量机,激光扫描仪和光栅测量仪,它们在一定程度上可以进行曲面测量,但还分别存在以下不足:
所述的三坐标测量机是高精度的接触式测量仪器,每次只能测量一个点,测量速度慢,难于进行曲面的造型设计,而且无法测量软质物体,操作起来非常繁琐;
所述的激光扫描仪属于非接触式光学测量仪器,该仪器体积庞大,需要导轨(通常是平移平台和旋转平台),从而使其精度、速度均受导轨限制,难以实现高精度、高速度的测量,同时由于其有效平台尺寸的限制,又使其测量范围很窄。
所述的光栅式三维测量仪采用光栅作为光源,该仪器可以实现对物体外形的非接触三维面测量,大大提高了测量速度(例如德国的ATOS)。但是光栅测量方式对光照环境要求较高,在光源存在干扰的情况下,光栅被复杂形状物体调制后,容易出现栅线交叠、栅线混乱等现象,干扰正常解码操作,严重影响三维测量的精度和可靠性。
三维视觉测量研究的发展开始于20世纪60年代初,但由于硬件条件的限制,许多学者只限于一些基础理论的研究。1982年Marr的视觉计算理论,提出从图像恢复物体的三维形状,推动了基于图像技术的三维形貌测量技术的研究。20世纪90年代后,随着图像处理理论,模式识别理论,视觉标定理论,光学测量理论,外极约束理论,二维和三维拼接理论等相关理论的发展,三维视觉测量技术在不同领域转化成工业产品,并具有检测速度快,非接触,精度高等优势。如德国GOM公司的ATOS三维光学扫描仪,德国Ettemeyer 3D公司的G-Scan系列,美国法如(FARO)科技的便携式激光扫描仪等。所得到的三维形貌数据,可直接用于视觉检测和逆向工程等领域,在汽车、摩托车、模具、服装、鞋帽、雕刻等领域,具有深远的意义。已有的三维视觉测量装置中,采用二分编码作为光源投射和立体匹配方案的较多,但是二分编码中的白光编码面积大,容易造成边缘弥散、非边缘噪声干扰等现象,影响测量精度及点云质量
由此可见,已有的用于三维视觉测量的立体匹配方法对外界环境的适应性差,容易出现匹配错误,影响三维测量精度。因此研究更好的立体匹配方法,提高三维视觉测量设备的可靠性和准确度,以适应外形设计中的全方面曲面测量,已成为各个行业对几何量检测与设计的最迫切需求。
发明内容
本发明的目的就是克服以上现有技术的不足,提供一种可靠、实用、操作便捷的立体匹配方法,该方法采用细纹幂增的光源投射方案,可以弥补现有技术存在的缺陷。
本发明提出的细纹幂增立体匹配方法是用于改善三维视觉测量装置的测量准确度和可靠性。所述的三维视觉测量装置的组成包括:
用于建立高精度坐标基准的标定平台;
用于精度控制、图像采集和数据处理的计算机;
用于提供光源及扩展投射结构光条的光源投射装置;
用于采集图像的两个彩色或黑白摄像机;
用于放置所述的商用投影仪和所述的两个摄像机的扫描平台;
所述的细纹幂增立体匹配方法是通过二次幂方法和步移方法利用所述的光源投射装置投射光条;利用所述的两个摄像机采集图像;利用差影方法、递缩方法提取高精度光条信息;利用立体匹配方法确定左右图像的对应点坐标。所述的细纹幂增方法可细分为下述五个方法:
用于对测量空间进行逐步细分的二次幂增方法;
用于减少光强弥散的步移方法;
用于去掉背景干扰的差影方法;
用于提高条纹提取速度的递缩方法;
用于确定左右图像对应点的立体匹配方法;
所述的二次幂增方法是按照2的幂次方递增的顺序,从少到多向被测物体投射条纹。投射的光条将整个测量区域进行了逐步的细分。
所述的步移方法与相移方法有一定的相似性,但成像点云的均匀性和一致性要优于相移技术。由于细纹个数增加到一定程度时,采集到的细纹图像会存在比较严重的光强弥散现象,无法进行细纹的检测与提取。因此当细纹增加到适当的个数时,就不能再继续增加细纹的数量。没有被投射条纹覆盖的区域采用步移方法逐渐移动细纹,通过二次幂方法和步移方法的结合,被测物空间全部都能被光条覆盖到。与相移技术不同的是,步移技术中每次步进的长度是相同的、均匀的,而不是按照相位规律变化的。
所述的差影方法是将每个含有光条的信号与背景进行差影运算,该方法可以去除背景干扰,更好的提取所投射的光条信息。差影运算后的图像中含有清晰的细纹投影条纹,很容易通过边缘检测等图像处理方法检测到条纹在图像中的坐标信息。
所述的递缩方法是为了提高条纹提取的速度和准确度。由于物体形变的影响,投射条纹的图像坐标信息存在多样性和不确定性。在整个图像中寻找条纹信息容易出现条纹编码混乱和编码错误。采用递缩方法,逐步缩小条纹的图像搜索区域。这种方法不但可以提高条纹的提取速度,还可避免噪声的干扰。
所述的立体匹配方法,是将左右摄像机提取后的条纹进行立体匹配,为后续的三维重建奠定基础。
本发明的细纹幂增立体匹配方法工作步骤分为六步:
第一步:启动摄像机采集程序,采集未投射光之前的图像,分别保存为ImageLefft0和ImageRight0。
第二步:启动光投射程序,按照2的幂次方递增的顺序,从少到多向被测物体投射条纹。如图1所示,在时刻1投射一根光条,后面按照2的幂次原则逐渐增加光条的个数。投射的光条将整个测量区域进行了逐步的细分。如果投射到2的n次幂的时候,光条已经密集到无法正确区分的话,则停止幂次光条投射程序。每次光条投射后,均需启动摄像机采集程序,保存带有光条信息的图案,分别记为ImageLeft1,ImageRight1,ImageLeft2,ImageRight2……ImageLeftn,ImageRightn。
第三步:对第二步最后一次光条图案进行步移,通过二次幂方法和步移方法的结合,被测物空间全部都能被光条覆盖到。所有步移的光条图案均要进行摄像机采集。假设进行了M次步移,则摄像机采集保存后的图像分别为ImageLeftn+1,ImageRightn+1,ImageLeftn+2,ImageRightn+2……ImageLeftn+M,ImageRightn+M。
第四步:对第二步和第三步所采集到所有图像均与第一步采集到的背景图像做差影运算,即ImageLeft1到ImageLeftn+M均与ImageLeft0做差运算;即ImageRight1到ImageRightn+M均与ImageRight0做差运算;差影运算可以有效去除背景干扰,更好的提取所投射的光条信息。差影运算后的图像中含有清晰的细纹投影条纹,可通过边缘检测等图像处理方法检测到条纹在图像中的坐标信息。
第五步:第二步和第三步所投射的条纹均需要找到它们在左右图像的对应关系。当投射一根条纹的时候,左右摄像机很容易找到对应的象素点,但是当条纹个数逐渐增多时,由于物体形变的影响,投射条纹的图像坐标信息存在多样性和不确定性。在整个图像中寻找条纹信息容易出现条纹编码混乱和编码错误。采用递缩方法,逐步缩小条纹的图像搜索区域。即第一条条纹把物空间分为part1和part2两部分,用适当的坐标信息记录两部分的边界信息;当投射第二和第三条条纹时候,第二条条纹只需要在part1范围内查找,第三条条纹只需要在part2范围内查找,因此part1空间又被细分为part10和part11两部分;part2空间又被细分为part20和part21两部分,依次类推,物空间的搜索范围被逐渐细分。这种方法不但可以提高条纹的提取速度,还可避免噪声的干扰。
第六步:利用第五步所查找到的每一个左右图像的对应点,计算三维坐标。运算完毕。
细纹幂增立体匹配方法流程图如图2所示。
本发明的有益效果是:通过本发明提出的“细纹幂增”、“步移”“差影”、“递缩”、“立体匹配”等关键方法,解决了黑色物体及反光物体的光学测量难题,并可实现物体24位真彩色三维测量,有效解决光学测量系统的颜色适应范围。单次测量精度可由0.05mm/m,提高到0.01mm/m;采用照相机进行拍照测量,解决了现有的同类仪器易造成工件磨损及探头操作局限等问题,并可满足特殊材料三维检测和重建物体三维形貌的需求。
截取一幅利用本发明所述方法进行某摩托车零件三维检测后的图片如图3所示。
附图说明
图1:按照2的幂次方递增的顺序投射的光学条纹;
图2:细纹幂增立体匹配方法流程图;
图3:利用本发明所述方法进行某摩托车零件三维检测后的图片。
具体实施方式
三维视觉测量中使用的光栅测量方法,由于光栅被复杂形状物体调制后,容易出现栅线交叠、栅线混乱等现象,干扰正常解码操作。而且由于光栅编码中的白光编码面积大,容易造成边缘弥散、非边缘噪声干扰等现象,影响测量精度及点云质量。为了解决上述问题,本发明设计出细纹幂增立体匹配方法,该方法是将二次幂增方法、步移方法、差影方法、递缩方法和立体匹配方法相结合的编解码和立体匹配方法,可以有效解决立体匹配过程中出现的误判断现象,提高三维测量的精度和可靠性。
本发明的细纹幂增立体匹配方法是应用在三维视觉测量装置中,用来提高三维测量的精度和准确度的方法。所述三维测量装置含有用于建立高精度坐标基准的标定平台;用于精度控制、图像采集和数据处理的计算机;用于提供光源及扩展投射结构光条的光源投射装置;用于采集图像的两个彩色或黑白摄像机;用于放置所述的商用投影仪和所述的两个摄像机的扫描平台等。所述三维测量装置首先需要启动摄像机标定程序,建立每个摄像机的内部和外部参数,同时建立两个摄像机之间的空间坐标位置关系。在测量过程中,使用本发明所设计的细纹幂增立体匹配方法,进行光源的投射,光信息的提取和左右摄像机对应光条的匹配,进而计算被测物体的三维坐标。
本发明的细纹幂增立体匹配方法工作步骤分为六步:
第一步:启动摄像机采集程序,采集未投射光之前的背景图像,分别保存为ImageLeft0和ImageRight0,为后续的差影运算做准备;
第二步:启动光投射程序,按照2的幂次方递增的顺序,从少到多向被测物体投射条纹。如图1所示,在时刻1投射一根光条,后面按照2的幂次原则逐渐增加光条的个数。投射的光条将整个测量区域进行了逐步的细分。如果投射到2的n次幂的时候,光条已经密集到无法正确区分的话,则停止幂次光条投射程序。每次光条投射后,均需启动摄像机采集程序,将带有光条信息的被测空间的图像保存下来,分别记为ImageLeft1,ImageRight1,ImageLeft2,ImageRight2……ImageLeftn,ImageRightn,以用于后期的光条信息提取;
第三步:对第二步幂增后无法再进行细分的光条图案进行步移,步移次数由两条相邻光条之间间隔象素数量来决定。比如,如果相邻两条光之间间隔8个象素,则进行8次步移。通过二次幂方法和步移方法的结合,被测物空间全部都能被光条覆盖到。所有步移的光条图案均要进行摄像机采集。假设进行了M次步移,则摄像机采集保存后的图像分别为ImageLeftn+1,ImageRightn+1,ImageLeftn+2,ImageRightn+2……ImageLeftn+M,ImageRightn+M;
第四步:对第二步和第三步所采集到所有图像均与第一步采集到的背景图像做差影运算,即从ImageLeft1到ImageLeftn+M均与ImageLeft0做差运算;从ImageRight1到ImageRightn+M均与ImageRight0做差运算。差影运算可以有效去除背景干扰,更好的提取所投射的光条信息。差影运算后的图像中含有清晰的细纹投影条纹,可通过边缘检测等图像处理方法检测到条纹在图像中的坐标信息。差影运算后的结果继续保存,为后续的光信息提取做准备;
第五步:第二步和第三步所投射的条纹均需要找到它们在左右图像的对应关系。在细纹幂增方法中,当投射第一条条纹的时候,由于物空间所看到的光条均属于该光条信息,所以左右摄像机很容易找到对应的象素点,但是当条纹个数逐渐增多时,由于物体形变的影响,投射条纹的图像坐标信息存在多样性和不确定性。在整个图像中寻找条纹信息容易出现条纹编码混乱和编码错误。采用递缩方法,逐步缩小条纹的图像搜索区域。即第一条条纹把物空间分为part1和part2两部分,用适当的坐标信息记录两部分的边界信息;当投射第二和第三条条纹时候,第二条条纹只需要在part1范围内查找,第三条条纹只需要在part2范围内查找,因此part1空间又被第二条条纹细分为part10和part11两部分;part2空间又被第三条条纹细分为part20和part21两部分,依次类推,物空间的搜索范围被逐渐细分。这种方法不但可以提高条纹的提取速度,还可避免噪声的干扰,也不容易产生条纹的匹配错误。
第六步:利用第五步所查找到的每一个左右图像的对应点,计算三维坐标,直到所有的三维坐标计算完毕。
本发明与现有技术的便携式光栅三维测量系统的最大区别有如下两点:
(1)光栅法所使用光信号对亮度值要求很高,因此光栅法对光源系统的线性度有较高的要求,当光源线性度不好时,对三维测量精度有较大的影响,因此会增加光源系统的设计难度和成本;本发明所投射光条信息仅含有亮暗两种信息,可以使用普通的光源即可实现测量,节约光源的加工和生产成本;
(2)光栅法的光信息解码较复杂,当光栅被复杂形状物体调制后,容易出现栅线交叠、栅线混乱等现象,干扰正常解码操作,同时对三维测量精度有较大的影响;本发明所设计的细纹幂增方法,所投射的光信息的编解码快速准确,由于采用细纹幂增方法依次投射条纹信息,可以方便的用递缩方法逐步缩小光条查找范围,快速准确的找到左右摄像机采集到的光源匹配点,减少匹配误差和匹配错误,从而有效提高三维测量的精度和准确度。
综上所述,本发明所设计的细纹幂增立体匹配方法的优点是:
(1)对测量环境和被测物表面质量要求低,对于黑色和反光物体也可实现测量;
(2)编码和解码方式简单,对光源投射硬件设备要求低,普通黑白光源即可满足测量要求,大大减少三维测量装置的硬件成本;
(3)光条匹配精度高,不容易出现匹配误差和匹配错误,测量准确性和稳定性高;
(4)测量精度高,可达到0.01~0.02mm。
本发明采用普通光源的二次幂增顺序逐步投射光信息,使其在进行物体测量时,对环境的要求低、对光源的要求低,而且测量精度很高,应用广泛,适于对任何材料的物体表面(如工件、模型、模具、雕塑、人体等)进行三维数字化测量。
以上示意性的对本发明及其实施方式进行了描述,该描述没有局限性,附图中所示的也只是本发明的实施方式之一。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,采用其它形式的同类部件或其它形式的各部件布局方式,不经创造性的设计出与该技术方案相似的技术方案与实施例,均应属于本发明的保护范围。
Claims (2)
1.一种用于高精度三维视觉测量的细纹幂增立体匹配方法,其特征是,它包括用于对测量空间进行逐步细分的二次幂增方法;用于减少光强弥散的步移方法;用于去掉背景干扰的差影方法;用于提高条纹提取速度的递缩方法;用于确定左右图像对应点的立体匹配方法。
所述的二次幂增方法是按照2的幂次方递增的顺序,从少到多向被测物体投射条纹。投射的光条将整个测量区域进行了逐步的细分。
所述的步移方法是对没有被投射条纹覆盖的区域采用步移方法逐渐移动细纹,使得被测物空间全部都能被光条覆盖到。
所述的差影方法是每个含有光条信息的图像与背景图像进行差影运算,以有效去除背景干扰。
所述的递缩方法是逐步缩小条纹的图像搜索区域,以提高条纹的提取速度和准确度,还可避免噪声的干扰。
所述的立体匹配方法,是将左右摄像机提取后的条纹文进行立体匹配,为后续的三维重建奠定基础。
2.根据权利要求1所述的细纹幂增立体匹配方法,其特征是,它包括如下步骤:
第一步:启动摄像机采集程序,采集未投射光之前的图像,分别保存为ImageLeft0和ImageRight0。
第二步:启动光投射程序,按照2的幂次方递增的顺序,从少到多向被测物体投射条纹。如图1所示,在时刻1投射一根光条,后面按照2的幂次原则逐渐增加光条的个数。投射的光条将整个测量区域进行了逐步的细分。如果投射到2的n次幂的时候,光条已经密集到无法正确区分的话,则停止幂次光条投射程序。每次光条投射后,均需启动摄像机采集程序,保存带有光条信息的图案,分别记为ImageLeft1,ImageRight1,ImageLeft2,ImageRight2……ImageLeftn,ImageRightn.
第三步:对第二步最后一次光条图案进行步移,通过二次幂方法和步移方法的结合,被测物空间全部都能被光条覆盖到。所有步移的光条图案均要进行摄像机采集。假设进行了M次步移,则摄像机采集保存后的图像分别为ImageLeftn+1,ImageRightn+1,ImageLeftn+2,ImageRightn+2……ImageLeftn+M,ImageRightn+M.
第四步:对第二步和第三步所采集到所有图像均与第一步采集到的背景图像做差影运算,即ImageLeft1到ImageLeftn+M均与ImageLeft0做差运算;即ImageRight1到ImageRightn+M均与ImageRight0做差运算;差影运算可以有效去除背景干扰,更好的提取所投射的光条信息。差影运算后的图像中含有清晰的细纹投影条纹,可通过边缘检测等图像处理方法检测到条纹在图像中的坐标信息。
第五步:第二步和第三步所投射的条纹均需要找到它们在左右图像的对应关系。当投射一根条纹的时候,左右摄像机很容易找到对应的象素点,但是当条纹个数逐渐增多时,由于物体形变的影响,投射条纹的图像坐标信息存在多样性和不确定性。在整个图像中寻找条纹信息容易出现条纹编码混乱和编码错误。采用递缩方法,逐步缩小条纹的图像搜索区域。即第一条条纹把物空间分为part1和part2两部分,用适当的坐标信息记录两部分的边界信息;当投射第二和第三条条纹的时候,第二条条纹只需要在part1范围内查找,第三条条纹只需要在part2范围内查找,因此part1空间又被细分为part10和part11两部分;part2空间又被细分为part20和part21两部分,依次类推,物空间的搜索范围被逐渐细分。这种方法不但可以提高条纹的提取速度,还可避免噪声的干扰。
第六步:利用第五步所查找到的每一个左右图像的对应点,计算三维坐标。运算完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200910068306XA CN101509765A (zh) | 2009-03-30 | 2009-03-30 | 一种用于高精度三维测量的细纹幂增立体匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200910068306XA CN101509765A (zh) | 2009-03-30 | 2009-03-30 | 一种用于高精度三维测量的细纹幂增立体匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101509765A true CN101509765A (zh) | 2009-08-19 |
Family
ID=41002238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200910068306XA Pending CN101509765A (zh) | 2009-03-30 | 2009-03-30 | 一种用于高精度三维测量的细纹幂增立体匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101509765A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103075960A (zh) * | 2012-12-30 | 2013-05-01 | 北京工业大学 | 多视角大深度显微立体视觉特征融合测量方法 |
CN104713888A (zh) * | 2015-04-02 | 2015-06-17 | 张莹莹 | 使用计算机检测织物疵点的方法 |
CN111288929A (zh) * | 2020-03-16 | 2020-06-16 | 苏州依诺维视智能科技有限公司 | 大曲率表面工件的三维高精度视觉测量方法 |
CN113748313A (zh) * | 2019-05-22 | 2021-12-03 | 欧姆龙株式会社 | 三维测量系统及三维测量方法 |
-
2009
- 2009-03-30 CN CNA200910068306XA patent/CN101509765A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103075960A (zh) * | 2012-12-30 | 2013-05-01 | 北京工业大学 | 多视角大深度显微立体视觉特征融合测量方法 |
CN103075960B (zh) * | 2012-12-30 | 2015-06-03 | 北京工业大学 | 多视角大深度显微立体视觉特征融合测量方法 |
CN104713888A (zh) * | 2015-04-02 | 2015-06-17 | 张莹莹 | 使用计算机检测织物疵点的方法 |
CN113748313A (zh) * | 2019-05-22 | 2021-12-03 | 欧姆龙株式会社 | 三维测量系统及三维测量方法 |
CN113748313B (zh) * | 2019-05-22 | 2023-11-21 | 欧姆龙株式会社 | 三维测量系统及三维测量方法 |
CN111288929A (zh) * | 2020-03-16 | 2020-06-16 | 苏州依诺维视智能科技有限公司 | 大曲率表面工件的三维高精度视觉测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pages et al. | Optimised De Bruijn patterns for one-shot shape acquisition | |
CN102410811B (zh) | 一种弯管参数的测量方法和系统 | |
CN100408972C (zh) | 基于双频彩色条纹投影的三维物体轮廓相位测量方法 | |
Wang et al. | Robust active stereo vision using Kullback-Leibler divergence | |
CN103759671B (zh) | 一种牙模三维表面数据非接触扫描方法 | |
US20110081072A1 (en) | Image processing device, image processing method, and program | |
CA2938104C (en) | Structured light matching of a set of curves from two cameras | |
CN105043259A (zh) | 基于双目视觉的数控机床旋转轴误差检测方法 | |
CN101509763A (zh) | 单目高精度大型物体三维数字化测量系统及其测量方法 | |
CN111207692B (zh) | 一种改进的分段阶梯相位编码三维测量方法 | |
CN104634242A (zh) | 探针补点系统及方法 | |
CN101995219A (zh) | 一种基于三点编码标记点的车架的关键点测量方法 | |
CN106546193B (zh) | 一种高反射物体表面三维测量方法和系统 | |
CN101178811A (zh) | 一种三步法结构光直线光条的图像特征提取方法 | |
CN104133565B (zh) | 利用结构光技术实现的实时激光点追踪人机交互系统 | |
CN103884294B (zh) | 一种宽视场的红外光三维形貌测量的方法及其装置 | |
CN101509765A (zh) | 一种用于高精度三维测量的细纹幂增立体匹配方法 | |
CN103196393A (zh) | 一种几何形状及表面色彩实时成像装置 | |
CN111238365B (zh) | 基于立体视觉的地铁列车测距和定位方法及系统 | |
CN208012553U (zh) | 一种圆筒内壁检测系统 | |
CN113345039B (zh) | 三维重建量化结构光相位图像编码方法 | |
CN103591906A (zh) | 用二维编码对运动物体进行三维跟踪测量的方法 | |
CN1141670C (zh) | 用二维编码对运动物体进行三维跟踪测量的方法 | |
CN104200456A (zh) | 一种用于线结构光三维测量的解码方法 | |
CN109000587A (zh) | 获取精确高密度点云的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090819 |