CN101876533A - 一种显微立体视觉校准方法 - Google Patents
一种显微立体视觉校准方法 Download PDFInfo
- Publication number
- CN101876533A CN101876533A CN 201010207245 CN201010207245A CN101876533A CN 101876533 A CN101876533 A CN 101876533A CN 201010207245 CN201010207245 CN 201010207245 CN 201010207245 A CN201010207245 A CN 201010207245A CN 101876533 A CN101876533 A CN 101876533A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- point
- coordinate
- microscopic stereovision
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003287 optical effect Effects 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000013341 scale-up Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000014509 gene expression Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000012821 model calculation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000000386 microscopy Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—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
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)
- Measurement Of Optical Distance (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种显微立体视觉校准方法,通过建立显微立体视觉数学模型,然后对该显微立体视觉模型内部参数进行校准,再对该显微立体视觉双目结构参数进行校准,利用平面靶标完成显微立体视觉的校准。相对常规立体视觉校准方法,本发明的显微立体视觉校准方法,通过平移摄像机坐标系改善了数据的量值分布,提取的视觉模型参数对噪声干扰更为鲁棒,能够达到更稳定、更高精度地完成小景深显微立体视觉校准的效果,且操作简单。
Description
技术领域
本发明涉及光学精密测量技术,尤其涉及一种摄像机坐标系位置自适应的显微立体视觉校准方法。
背景技术
随着生物技术和微纳米技术的不断发展,微观领域的视觉测量技术有着广阔的发展前景,该技术可广泛应用于微生物培养领域,微型工件三维尺寸测量以及微型机器人控制等微机电系统。显微立体视觉,具有光学分辨率高、景深小的特点,靶标不能在较大深度范围内成像,导致常规立体视觉校准方法的不稳定(如,Zhang的校准方法)及校准精度低的问题。
现有的显微立体视觉的校准方法,主要有如下三类:一类是Yu Zhou等在文章“光学显微镜的参数模型校准方法”(Calibration of a parametric model of anoptical microscope),光学工程,第38卷,第12期,1989~1995页,1999年(OpticalEngineering,Vol.38,No.12,PP.1989~1995,1999)中提出的基于Tsai的共面点校准方法,此方法假定靶标面严格平行像平面,忽略靶标面在光轴方向的微小倾斜,造成测量精度不高,尤其对有几十甚至几百微米景深的低倍率显微系统而言,10×放大倍率的显微视觉系统能达到1.2μm的测量精度。二类是G.Danuser等在文章“体视光学显微镜的摄影测量学校准方法”(Photogrammetriccalibration of a stereo light microscope),显微镜学期刊,第193卷,62~83页,1999年(Journal of Microscopy,Vol.193,PP.62~83,1999)中提出的基于弱透视成像模型的三维靶标校准方法,此方法建立含显微镜头畸变的弱透视成像模型,通过二维靶标精密移动形成三维靶标完成显微立体视觉的参数校准,测量精度受限于移动台的定位精度及二维靶标平面与移动方向的垂直度,6.6×放大倍率的显微立体系统能达到横向0.7μm和轴向1.8μm的测量精度。三类是李景辉等在文章“双目显微立体视觉系统标定方法研究”(传感器与微系统,第27卷,第1期,105~108页,2008年)中提出基于定值工作距离的二维靶标校准方法,此方法先依Zhang的校准方法初步校准内参,获得放大倍率,再以光学工作距离为定值约束校准显微立体视觉参数。该方法通过平面靶标旋转获取的特征点近似共面,并且没有考虑镜头畸变的影响,会造成校准结果的不稳定和整个视场范围测量精度低。
综上所述,现有显微立体视觉校准技术存在校准方法不稳定和校准精度不足的缺陷,该常规立体视觉的成像模型及校准方法不能有效地应用于显微立体视觉。
发明内容
有鉴于此,本发明的主要目的在于提供一种显微立体视觉校准方法,利用一台体视显微镜和左右两台摄像机,通过左右摄像机坐标系沿各自光轴平移,根据图像反投误差最小的原则搜索最佳的左右摄像机坐标系位置,并基于这两处最佳位置建立显微立体视觉模型,利用平面靶标在视场内的自由移动,达到小景深显微立体视觉的高精度校准。
为达到上述目的,本发明的技术方案是这样实现的:
一种显微立体视觉校准方法,该方法包括:
A、建立显微立体视觉的数学模型的步骤;
B、对所述显微立体视觉数学模型内部参数进行校准的步骤;
C、对所述显微立体视觉双目结构参数进行校准的步骤。
其中,所述建立显微立体视觉的数学模型的过程为:
A1、左光轴和左摄像机理想像平面πul交于主点opl,oclopl=fl;以πul左上角为原点建立二维图像坐标系ol-ulvl;以odl为原点,odlxdl//olul且odlydl//olvl建立左摄像机右手坐标系odl-xdlydlzdl,oclodl=dl;右光轴和右摄像机理想像平面πur交于主点opr,ocropr=fr;以πur左上角为原点建立二维图像坐标系or-urvr;以odr为原点,odrxdr//orur且odrydr//orvr建立右摄像机右手坐标系odr-xdrydrzdr,ocrodr=dr;其中,点ocl和ocr分别为左右光路的光学中心;
A2、在空间定义世界坐标系ow-xwywzw,设空间点Q在世界坐标系下坐标为Xw=[xw,yw,zw]T,其在左右摄像机坐标系下的坐标分别为Xdl=[ydl,ydl,zdl]T和Xdr=[xdr,ydr,zdr]T,得到 Xdl=RXdr+T;其中:和为ow-xwywzw到odl-xdlydlzdl的变换,分别表示旋转矩阵和平移矢量;和为ow-xwywzw到odr-xdrydrzdr的变换,分别表示旋转矩阵和平移矢量;R和T称为双目结构参数,为odr-xdrydrzdr到odl-xdlydlzdl的变换,分别表示旋转矩阵和平移向量,
A3、空间点Q的左右光路像点ql和qr的图像坐标分别为[ul,vl]T和[ur,vr]T,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:
其中,sl,sr分别为左右摄像机图像尺度因子;dl,dr称为左右摄像机坐标系位置偏移量,单位为mm;[u0l,v0l]T和[u0r,v0r]T为左右摄像机主点坐标,单位为像素;ξl,ξr为比例系数;αl,αr为左右摄像机坐标系位置自适应参数,αl=(fl/dl)/dxl及αr=(fr/dr)/dxr,单位为mm-1;fl,fr为左右光路的有效焦距,单位为mm;dxl,dyl及dxr,dyr称为左右摄像机像素单元尺寸,单位为mm;dxl=dyl,dxr=dyr。
所述建立显微立体视觉的数学模型的过程进一步包括:
A4、考虑镜头的一次径向畸变,设理想点ql和qr对应的实际像点qdistl和qdiatr的坐标为[udistl,vdistl]T和[udistr,vdistr]T,则理想图像坐标到实际图像坐标的变换为:
其中,k1为一次径向畸变系数,下标l和r分别对应左右摄像机,空间任意Q能够确定唯一图像像点ql和qr,反之亦然。
所述建立显微立体视觉的模型为:
[xdl ydl zdl]T=R[xdr ydr zdr]T+T
其中,sl,sr为左右摄像机图像尺度因子;dl,dr为左右摄像机坐标系位置偏移量;[u0l,v0l]T和[u0r,v0r]T为左右摄像机主点坐标;k1l,k1r为左右摄像机畸变系数;αl,αr表征为左右摄像机坐标系位置自适应参数;αl=(fl/dl)/dxl及αr=(fr/dr)/dxr;fl,fr为左右光路的有效焦距;dxl,dyl及dxr,dyr为左右摄像机像素单元尺寸;R和T分别为双目结构参数的旋转矩阵和平移向量;
该显微立体视觉模型参数包括内部参数{αl,sl,dl,u0l,v0l,k1l,αr,sr,dr,u0r,v0r,k1r}和双目结构参数即{R,T}。
对所述显微立体视觉模型参数进行校准的过程包括:
B1、对αl,αr的校准,设定平面靶标,在白色陶瓷靶标上有预先设置的黑色圆斑阵列,圆斑总数40~100个,半径0.01mm~0.08mm,横纵间距0.01mm~0.5mm,定位精度0.15μm~3μm,圆斑中心为特征点,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,作为校准图像对;提取所有校准图像对的特征点的图像坐标,并与特征点的世界坐标相对应;左右两个光路分别利用特征点的图像坐标和对应的世界坐标,根据图像反投误差最小原则,优化搜索最佳摄像机坐标系位置自适应参数αl,αr;
B2、对{sl,dl,u0l,v0l,k1l,sr,dr,u0r,v0r,k1r}的校准,将最佳摄像机坐标系位置自适应参数αl,αr作为已知参数,利用步骤B1中提取的特征点的图像坐标和对应的世界坐标,左右两个光路各自完成其余内部参数的校准,包括左右摄像机图像尺度因子{sl,sr}、左右摄像机坐标系位置偏移量{dl,dr}、左右摄像机主点坐标{u0l,v0l,u0r,v0r}和左右摄像机畸变系数{k1l,k1r}。
对显微立体视觉双目结构参数的校准过程为:将校准图像对的特征点进行左右匹配,利用匹配好的特征点对的图像坐标及对应世界坐标,校准显微立体视觉系统的双目结构参数{R,T}。
本发明所提供的显微立体视觉校准方法,具有以下优点:
该方法通过左右摄像机坐标系沿光轴平移,根据图像反投误差最小原则搜索最佳的左右摄像机坐标系位置,并基于这两处最佳位置建立显微立体视觉的数学模型,利用平面靶标完成显微立体视觉的校准。对比于常规立体视觉校准方法,该校准方法通过平移摄像机坐标系改善了数据的量值分布,提取的视觉模型参数对噪声干扰更为鲁棒,能提高稳定性和高精度地完成小景深显微立体视觉的校准。该校准方法只需平面靶标在小景深范围内自由非平行地移动,操作简单。
附图说明
图1为摄像机坐标系位置自适应的显微立体视觉模型原理示意图;
图2为二维圆斑靶标示意图;
图3为图像反投误差随自适应参数变化曲线图。
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。
本发明的基本思想如下:建立摄像机坐标系位置自适应的显微立体视觉模型,对显微立体视觉内部参数进行校准,然后再对显微立体视觉双目结构参数进行校准。
步骤101、建立摄像机坐标系位置自适应的显微立体视觉模型;
如图1所示,点ocl和ocr分别为左右光路的光学中心;
左光轴和左摄像机理想像平面πul交于主点opl,oclopl=fl;以πul左上角为原点建立二维图像坐标系ol-ulvl;以odl为原点,odlxdl//olul且odlydl//olvl建立左摄像机右手坐标系odl-xdlydlzdl,oclodl=dl。
右光轴和右摄像机理想像平面πur交于主点opr,ocropr=fr;以πur左上角为原点建立二维图像坐标系or-urvr;以odr为原点,odrxdr//orur且odrydr//orvr建立右摄像机右手坐标系odr-xdrydrzdr,ocrodr=dr。
在空间定义世界坐标系ow-xwywzw。
设空间点Q在世界坐标系下坐标为Xw=[xw,yw,zw]T,在左右摄像机坐标系下的坐标分别为Xdl=[xdl,ydl,zdl]T和Xdr=[xdr,ydr,zdr]T。则有:
Xdl=RXdr+T (2)
其中:和为ow-xwywzw到odl-xdlydlzdl的变换,分别表示3×3的旋转矩阵和3×1的平移矢量。和为ow-xwywzw到odr-xdrydrzdr的变换,分别表示3×3的旋转矩阵和3×1的平移矢量。
空间点Q的左右光路像点ql和qr的图像坐标分别为[ul,vl]T和[ur,vr]T,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:
其中:sl,sr称为左右摄像机图像尺度因子,dl,dr称为左右摄像机坐标系位置偏移量,单位为mm,[u0l,v0l]T和[u0r,v0r]T为左右摄像机主点坐标,单位为像素,ξl,ξr为比例系数;αl,αr表征为左右摄像机坐标系位置自适应参数,αl=(fl/dl)/dxl及αr=(fr/dr)/dxr,单位为mm-1;fl,fr为左右光路的有效焦距,单位为mm;dxl,dyl及dxr,dyr称为左右摄像机像素单元尺寸,单位为mm,一般地dxl=dyl,dxr=dyr。
考虑镜头的一次径向畸变,设理想点ql和qr对应的实际像点qdistl和qdistr的坐标为[udistl,vdistl]T和[udistr,vdistr]T,则理想图像坐标到实际图像坐标的变换为:
其中,k1为一次径向畸变系数,下标l和r分别对应左右摄像机。公式(1)~(4)表示了空间点到左右摄像机实际图像坐标的投影模型,空间任意点Q可以确定唯一图像像点ql和qr,反之亦然。
这样,根据公式(1)~(4)建立摄像机坐标系位置自适应的显微立体视觉模型:
[xdl ydl zdl]T=R[xdr ydr zdr]T+T
其中:sl,sr为左右摄像机图像尺度因子、dl,dr为左右摄像机坐标系位置偏移量、[u0l,v0l]T和[u0r,v0r]T为左右摄像机主点坐标,k1l,k1r为左右摄像机畸变系数,αl,αr表征为左右摄像机坐标系位置自适应参数,αl=(fl/dl)/dxl及αr=(fr/dr)/dxr,fl,fr为左右光路的有效焦距,dxl,dyl及dxr,dyr为左右摄像机像素单元尺寸。R和T分别为双目结构参数的旋转矩阵和平移向量。
该显微立体视觉模型参数包括内部参数即{αl,sl,dl,u0l,v0l,k1l,αr,sr,dr,u0r,v0r,k1r}和双目结构参数即{R,T}。其中,内部参数,包括摄像机坐标系位置自适应参数αl,αr、图像尺度因子sl,sr、摄像机坐标系位置偏移量dl,dr、主点坐标[u0l,v0l]T和[u0r,v0r]T及畸变系数k1l,k1r;以及双目结构参数包括旋转矩阵R和平移向量T。
根据上述显微立体视觉模型,对该显微立体视觉模型进行校准可分为两步:一是显微立体视觉内部参数的校准,二是显微立体视觉双目结构参数的校准。
步骤102、对显微立体视觉内部参数进行校准。
步骤102a:设定平面靶标,在白色陶瓷靶标上预先设置黑色圆斑阵列,圆斑总数40~100个,半径0.01mm~0.08mm,横纵间距0.01mm~0.5mm,定位精度0.15μm~3μm。
如图2所示,以圆斑中心作为特征点,在小景深视场范围内,自由、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,作为校准图像对,使该靶标上所有特征点保持在左右摄像机的视场内。
步骤102b:提取所有校准图像对的特征点的图像坐标,提取算法可参见赵征等发表的论文“一种基于整列圆的圆心识别算法及其在摄像机标定中的应用”(Estimation of projected circle centers from array circles and its application incamera calibration),智能计算和工业应用第二次亚太会议论文集,第1卷,182~185页,武汉中国2009年(Second Asia-Pacific Conference on ComputationalIntelligence and Industrial Application(PACIIA),Vol.1,PP.182~185,Wuhan,China,2009)。并在该平面靶标上建立世界坐标系,用ow-xwywzw表示,原点定义在左上角的特征点,轴owxw和owyw分别与靶标阵列平行,轴owxw水平向右,owyw竖直向下,owzw由右手法则确定。将校准图像对的特征点的图像坐标分别与世界坐标对应。
步骤102c:左右两个光路分别利用特征点的图像坐标和对应的世界坐标,以图像反投误差最小为原则校准左右摄像机坐标系位置自适应参数αl,αr,同时获得显微立体视觉其余的内部参数{sl,dl,u0l,v0l,k1l,sr,dr,u0r,v0r,k1r}。这里,所述获得的显微立体视觉内部参数将作为步骤102d的初值。
利用公式(5)和(6),分别采用Levenberg-Marquardt非线性优化方法校准左右摄像机坐标系位置自适应参数αl,αr,同时得到显微视觉模型其余的内部参数{sl,dl,u0l,v0l,k1l}和{sr,dr,u0r,v0r,k1r}。这里,所述获得的显微立体视觉内部参数将作为步骤102d的初值。
步骤102d:左右光路分别利用特征点的图像坐标和对应的世界坐标,将步骤102c已校准的自适应参数αl,αr作为已知参数,完成其余的内部参数{sl,dl,u0l,v0l,k1l,sr,dr,u0r,v0r,k1r}的校准。
同步骤102c,可得到:
利用公式(7)和(8),将步骤102c得到的显微立体视觉其余内部参数作为初值,采用Levenberg-Marquardt非线性优化方法校准显微立体视觉模型参数{sl,dl,u0l,v0l,k1l}和{sr,dr,u0r,v0r,k1r}。
步骤103、对显微立体视觉双目结构参数进行校准。
将所述校准图像对的特征点进行左右摄像机匹配,利用匹配好的特征点对的图像坐标及对应的世界坐标,完成显微立体视觉双目结构参数R和T的校准。
利用已校准的显微立体视觉的内部参数,则可得到:
利用公式(9)采用Levenberg-Marquardt非线性优化方法即可校准双目结构参数R和T。
这里,为说明采用本发明方法对显微立体视觉校准的效果,进行了如下实验:
假设像元尺寸为3.45×3.45μm,焦距f=201.92mm,图像尺度因子s=1.024,主点坐标[u0,v0]T=[1231,1023]T,k1=0。
按显微视觉模型生成5个位置处的仿真特征点。每处位置的特征点个数为49个,集中分布在离光学中心距离80±0.01mm的深度范围内。图像反投误差定义为特征点根据模型计算的像点坐标和提取的实际像点坐标的距离。需要说明的是,下文提及的Zhang的校准方法指Zhang的基于摄像机光学中心的自由平面靶标校准方法。
进行50次重复实验,对5幅校准图像分别加入均值为0,标准差为0~0.4pixel的图像噪声,得到的图像反投误差随自适应参数变化曲线,如图3所示。图3中共示出6条像素噪声曲线,其中,曲线1表示0像素噪声、曲线2表示0.1像素噪声、曲线3表示0.2像素噪声、曲线4表示0.3像素噪声、曲线5表示0.4像素噪声、曲线6表示理想像平面位置。每条噪声分支曲线的最后一个点为Zhang的校准方法得到的反投误差。
采用一台Zeiss Carl Discovery Stereo V8体视显微镜和两台AVT StingrayF504B摄像机构成显微立体视觉系统。显微镜物镜放大倍率1.5×,变倍体放大倍数设置为3.2×,相机适配器放大倍率为0.63×,即从物方空间到像方空间的总放大倍率为3.024×,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2452×2056。利用如图2所示的圆斑平面靶标,如,圆靶标阵列为7×7个,横纵等长圆心距0.3125mm,半径为0.078125mm,加工精度为0.15μm。
在小景深范围内自由移动平面靶标拍摄12幅图像作为校准图像对。测量精度定义为三维空间内根据模型计算的两特征点间距和实际两特征点间距的差。
该显微立体视觉系统基于摄像机坐标系位置自适应模型能达到0.4μm的测量精度。
采用本发明方法校准完成的显微立体视觉系统,能够应用于微小位移和角度的测量,其校准方法稳定、测量精度高,能够获得较好的测量效果。
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 (6)
1.一种显微立体视觉校准方法,其特征在于,该方法包括:
A、建立显微立体视觉的数学模型的步骤;
B、对所述显微立体视觉数学模型内部参数进行校准的步骤;
C、对所述显微立体视觉双目结构参数进行校准的步骤。
2.根据权利要求1所述的显微立体视觉校准方法,其特征在于,所述建立显微立体视觉的数学模型的过程为:
A1、左光轴和左摄像机理想像平面πul交于主点opl,oclopl=fl;以πul左上角为原点建立二维图像坐标系ol-ulvl;以odl为原点,odlxdl//olul且odlydl//olvl建立左摄像机右手坐标系odl-xdlydlzdl,oclodl=dl;右光轴和右摄像机理想像平面πur交于主点opr,ocropr=fr;以πur左上角为原点建立二维图像坐标系or-urvr;以odr为原点,odrxdr//orur且odrydr//orvr建立右摄像机右手坐标系odr-xdrydrzdr,ocrodr=dr;其中,点ocl和ocr分别为左右光路的光学中心;
A2、在空间定义世界坐标系ow-xwywzw,设空间点Q在世界坐标系下坐标为Xw=[xw,yw,zw]T,其在左右摄像机坐标系下的坐标分别为Xdl=[xdl,ydl,zdl]T和Xdr=[xdr,ydr,zdr]T,得到 Xdl=RXdr+T;其中:和为ow-xwywzw到odl-xdlydlzdl的变换,分别表示旋转矩阵和平移矢量;和为ow-xwywzw到odr-xdrydrzdr的变换,分别表示旋转矩阵和平移矢量;R和T称为双目结构参数,为odr-xdrydrzdr到odl-xdlydlzdl的变换,分别表示旋转矩阵和平移向量,
A3、空间点Q的左右光路像点ql和qr的图像坐标分别为[ul,vl]T和[ur,vr]T,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:
其中,sl,sr分别为左右摄像机图像尺度因子;dl,dr称为左右摄像机坐标系位置偏移量,单位为mm;[u0l,v0l]T和[u0r,v0r]T为左右摄像机主点坐标,单位为像素;ξl,ξr为比例系数;αl,αr为左右摄像机坐标系位置自适应参数,αl=(fl/dl)/dxl及αr=(fr/dr)/dxr,单位为mm-1;fl,fr为左右光路的有效焦距,单位为mm;dxl,dyl及dxr,dyr称为左右摄像机像素单元尺寸,单位为mm;dxl=dyl,dxr=dyr。
3.根据权利要求2所述的显微立体视觉校准方法,其特征在于,所述建立显微立体视觉的数学模型的过程进一步包括:
A4、考虑镜头的一次径向畸变,设理想点ql和qr对应的实际像点qdistl和qdistr的坐标为[udistl,vdistl]T和[udistr,vdistr]T,则理想图像坐标到实际图像坐标的变换为:
其中,k1为一次径向畸变系数,下标l和r分别对应左右摄像机,空间任意Q能够确定唯一图像像点ql和qr,反之亦然。
4.根据权利要求2和3所述的显微立体视觉校准方法,其特征在于,所述建立显微立体视觉的模型为:
[xdl ydl zdl]T=R[xdr ydr zdr]T+T
其中,sl,sr为左右摄像机图像尺度因子;dl,dr为左右摄像机坐标系位置偏移量;[u0l,v0l]T和[u0r,v0r]T为左右摄像机主点坐标;k1l,k1r为左右摄像机畸变系数;αl,αr表征为左右摄像机坐标系位置自适应参数;αl=(fl/dl)/dxl及αr=(fr/dr)/dxr;fl,fr为左右光路的有效焦距;dxl,dyl及dxr,dyr为左右摄像机像素单元尺寸;R和T分别为双目结构参数的旋转矩阵和平移向量;
该显微立体视觉模型参数包括内部参数{αl,sl,dl,u0l,v0l,k1l,αr,sr,dr,u0r,v0r,k1r}和双目结构参数即{R,T}。
5.根据权利要求4所述的显微立体视觉校准方法,其特征在于,对所述显微立体视觉模型参数进行校准的过程包括:
B1、对αl,αr的校准,设定平面靶标,在白色陶瓷靶标上有预先设置的黑色圆斑阵列,圆斑总数40~100个,半径0.01mm~0.08mm,横纵间距0.01mm~0.5mm,定位精度0.15μm~3μm,圆斑中心为特征点,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,作为校准图像对;提取所有校准图像对的特征点的图像坐标,并与特征点的世界坐标相对应;左右两个光路分别利用特征点的图像坐标和对应的世界坐标,根据图像反投误差最小原则,优化搜索最佳摄像机坐标系位置自适应参数αl,αr;
B2、对{sl,dl,u0l,v0l,k1l,sr,dr,u0r,v0r,k1r}的校准,将最佳摄像机坐标系位置自适应参数αl,αr作为已知参数,利用步骤B1中提取的特征点的图像坐标和对应的世界坐标,左右两个光路各自完成其余内部参数的校准,包括左右摄像机图像尺度因子{sl,sr}、左右摄像机坐标系位置偏移量{dl,dr}、左右摄像机主点坐标{u0l,v0l,u0r,v0r}和左右摄像机畸变系数{k1l,k1r}。
6.根据权利要求4所述的显微立体视觉校准方法,其特征在于,对显微立体视觉双目结构参数的校准过程为:将校准图像对的特征点进行左右匹配,利用匹配好的特征点对的图像坐标及对应世界坐标,校准显微立体视觉系统的双目结构参数{R,T}。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010207245 CN101876533B (zh) | 2010-06-23 | 2010-06-23 | 一种显微立体视觉校准方法 |
US13/696,982 US8934721B2 (en) | 2010-06-23 | 2011-04-25 | Microscopic vision measurement method based on adaptive positioning of camera coordinate frame |
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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010207245 CN101876533B (zh) | 2010-06-23 | 2010-06-23 | 一种显微立体视觉校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101876533A true CN101876533A (zh) | 2010-11-03 |
CN101876533B CN101876533B (zh) | 2011-11-30 |
Family
ID=43019149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010207245 Expired - Fee Related CN101876533B (zh) | 2010-06-23 | 2010-06-23 | 一种显微立体视觉校准方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8934721B2 (zh) |
CN (1) | CN101876533B (zh) |
WO (1) | WO2011160491A1 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102107179A (zh) * | 2010-12-14 | 2011-06-29 | 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 |
WO2011160491A1 (zh) * | 2010-06-23 | 2011-12-29 | 北京航空航天大学 | 一种基于摄像机坐标系位置自适应的显微视觉测量方法 |
CN103353388A (zh) * | 2013-05-15 | 2013-10-16 | 西安交通大学 | 一种具摄像功能的双目体式显微成像系统标定方法及装置 |
CN106568385A (zh) * | 2016-01-29 | 2017-04-19 | 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系统 |
CN106716489A (zh) * | 2014-09-25 | 2017-05-24 | 法国大陆汽车公司 | 机载的形成立体图像的系统的摄像机的外在校准方法 |
CN107560543A (zh) * | 2017-09-04 | 2018-01-09 | 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 |
CN109155822A (zh) * | 2017-11-28 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 图像处理方法和装置 |
CN109470158A (zh) * | 2017-09-08 | 2019-03-15 | 株式会社东芝 | 影像处理装置及测距装置 |
CN110332924A (zh) * | 2019-08-19 | 2019-10-15 | 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 |
CN110415300A (zh) * | 2019-08-02 | 2019-11-05 | 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 |
CN111971956A (zh) * | 2019-03-09 | 2020-11-20 | 核心光电有限公司 | 用于动态立体校准的方法及系统 |
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 |
CN113315962A (zh) * | 2021-04-27 | 2021-08-27 | 北京工业大学 | 3d显微实时虚拟观测与交互系统 |
CN114018212A (zh) * | 2021-08-03 | 2022-02-08 | 广东省国土资源测绘院 | 一种面向球型摄像机单目测距的俯仰角校正方法及系统 |
Families Citing this family (69)
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 |
US9317928B2 (en) | 2012-04-06 | 2016-04-19 | Adobe Systems Incorporated | Detecting and tracking point features with primary colors |
US10778949B2 (en) | 2012-04-06 | 2020-09-15 | Adobe Inc. | Robust video-based camera rotation estimation |
CN103487036B (zh) * | 2013-08-14 | 2015-08-19 | 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 |
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 | 双目视觉系统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 |
CN104296657B (zh) * | 2014-10-11 | 2016-09-07 | 三峡大学 | 一种基于双目视觉的石壁爆破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系统 |
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 |
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 |
WO2019082029A1 (en) * | 2017-10-27 | 2019-05-02 | King Abdullah University Of Science And Technology | APPARATUS AND METHOD FOR ELECTRONIC TOMOGRAPHY CHANNEL BOTTOM LINE ALIGNMENT |
CN108107837B (zh) * | 2018-01-16 | 2023-07-11 | 三峡大学 | 一种基于视觉引导的玻璃加工装置及方法 |
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系统、存储介质及终端 |
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系统 |
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 |
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 | 汽车环视系统标定场景 |
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 |
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 |
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 |
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、装置和系统 |
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系统 |
CN111127560B (zh) * | 2019-11-11 | 2022-05-03 | 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系统的标定方法及系统 |
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 |
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 |
CN111210480B (zh) * | 2020-01-06 | 2023-08-22 | 中国农业大学 | 双目精度的检测方法、系统、设备及存储介质 |
CN111445528B (zh) * | 2020-03-16 | 2021-05-11 | 天目爱视(北京)科技有限公司 | 一种在3d建模中多相机共同标定方法 |
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 | 医学影像系统中3d相机的标定方法、系统和存储介质 |
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 |
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系统 |
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 |
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 |
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系统 |
CN112258593B (zh) * | 2020-10-23 | 2024-02-02 | 明峰医疗系统股份有限公司 | 单目相机下ct或pet-ct智能定位扫描方法 |
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 |
CN112720469B (zh) * | 2020-12-18 | 2022-09-09 | 北京工业大学 | 显微立体视觉用于三轴平移运动系统零点校准方法 |
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 |
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 |
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系统及其方法 |
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系统和测量方法 |
CN112902844B (zh) * | 2021-02-24 | 2023-04-07 | 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 |
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 |
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系统和方法 |
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、系统及药液占比检测方法 |
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系统 |
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 |
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 |
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 |
CN114565714B (zh) * | 2022-02-11 | 2023-05-23 | 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 |
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系统的时空标定方法 |
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 |
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 |
DE102022115660A1 (de) | 2022-06-23 | 2023-12-28 | Basler Aktiengesellschaft | Verfahren und Vorrichtung zur Mikroskopie |
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系统三维光路分析方法 |
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系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030086590A1 (en) * | 2001-11-05 | 2003-05-08 | Koninklijke Philips Electronics N.V. | Method for computing optical flow under the epipolar constraint |
CN1851752A (zh) * | 2006-03-30 | 2006-10-25 | 东南大学 | 三维重构系统中双摄像机标定方法 |
US20080199083A1 (en) * | 2007-02-15 | 2008-08-21 | Industrial Technology Research Institute | Image filling methods |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2692603B2 (ja) | 1994-07-13 | 1997-12-17 | 村田機械株式会社 | 三次元計測方法 |
CN1259542C (zh) | 2003-06-11 | 2006-06-14 | 北京航空航天大学 | 一种空间圆几何参数的视觉测量方法 |
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 |
US7164472B2 (en) | 2003-10-09 | 2007-01-16 | Hunter Engineering Company | Common reference target machine vision wheel alignment system |
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 |
US8027083B2 (en) * | 2007-04-20 | 2011-09-27 | International Business Machines Corporation | Contact microscope using point source illumination |
DE102007024638A1 (de) * | 2007-05-24 | 2008-01-10 | Daimlerchrysler Ag | Verfahren und Vorrichtung zur Kalibrierung eines Multikamerasystems |
CN100580370C (zh) * | 2007-05-30 | 2010-01-13 | 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 |
US8280194B2 (en) * | 2008-04-29 | 2012-10-02 | Sony Corporation | Reduced hardware implementation for a two-picture depth map algorithm |
CN101373135B (zh) * | 2008-07-01 | 2010-06-23 | 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 |
US8194995B2 (en) * | 2008-09-30 | 2012-06-05 | Sony Corporation | Fast camera auto-focus |
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 |
-
2010
- 2010-06-23 CN CN 201010207245 patent/CN101876533B/zh not_active Expired - Fee Related
-
2011
- 2011-04-25 US US13/696,982 patent/US8934721B2/en active Active
- 2011-04-25 WO PCT/CN2011/073276 patent/WO2011160491A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030086590A1 (en) * | 2001-11-05 | 2003-05-08 | Koninklijke Philips Electronics N.V. | Method for computing optical flow under the epipolar constraint |
CN1851752A (zh) * | 2006-03-30 | 2006-10-25 | 东南大学 | 三维重构系统中双摄像机标定方法 |
US20080199083A1 (en) * | 2007-02-15 | 2008-08-21 | Industrial Technology Research Institute | Image filling methods |
Non-Patent Citations (1)
Title |
---|
《传感器与微系统》 20080120 李景辉等 双目显微立体视觉系统标定方法研究 第27卷, 第01期 2 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011160491A1 (zh) * | 2010-06-23 | 2011-12-29 | 北京航空航天大学 | 一种基于摄像机坐标系位置自适应的显微视觉测量方法 |
US8934721B2 (en) | 2010-06-23 | 2015-01-13 | Beihang University | Microscopic vision measurement method based on adaptive positioning of camera coordinate frame |
CN102107179A (zh) * | 2010-12-14 | 2011-06-29 | 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 |
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 |
CN103353388A (zh) * | 2013-05-15 | 2013-10-16 | 西安交通大学 | 一种具摄像功能的双目体式显微成像系统标定方法及装置 |
CN106716489A (zh) * | 2014-09-25 | 2017-05-24 | 法国大陆汽车公司 | 机载的形成立体图像的系统的摄像机的外在校准方法 |
CN106568385A (zh) * | 2016-01-29 | 2017-04-19 | 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系统 |
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系统 |
CN107560543A (zh) * | 2017-09-04 | 2018-01-09 | 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 |
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 |
CN109470158A (zh) * | 2017-09-08 | 2019-03-15 | 株式会社东芝 | 影像处理装置及测距装置 |
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 |
CN109155822A (zh) * | 2017-11-28 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 图像处理方法和装置 |
CN111971956A (zh) * | 2019-03-09 | 2020-11-20 | 核心光电有限公司 | 用于动态立体校准的方法及系统 |
CN110415300A (zh) * | 2019-08-02 | 2019-11-05 | 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 |
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 |
CN110332924A (zh) * | 2019-08-19 | 2019-10-15 | 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 |
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 |
CN113315962A (zh) * | 2021-04-27 | 2021-08-27 | 北京工业大学 | 3d显微实时虚拟观测与交互系统 |
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系统 |
CN114018212A (zh) * | 2021-08-03 | 2022-02-08 | 广东省国土资源测绘院 | 一种面向球型摄像机单目测距的俯仰角校正方法及系统 |
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系统 |
Also Published As
Publication number | Publication date |
---|---|
US8934721B2 (en) | 2015-01-13 |
US20130058581A1 (en) | 2013-03-07 |
CN101876533B (zh) | 2011-11-30 |
WO2011160491A1 (zh) | 2011-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101876533B (zh) | 一种显微立体视觉校准方法 | |
CN101581569B (zh) | 双目视觉传感系统结构参数的标定方法 | |
CN104315995B (zh) | 基于虚拟多立方体标准目标的tof深度相机三维坐标标定装置和方法 | |
CN102155909B (zh) | 基于扫描电镜的纳米尺度三维形貌测量方法 | |
CN1971206A (zh) | 基于一维靶标的双目视觉传感器校准方法 | |
CN110006402A (zh) | 一种大型部件对接装配相对位姿的视觉测量系统和测量方法 | |
CN104316083B (zh) | 一种虚拟多球体球心定位的tof深度相机三维坐标标定装置和方法 | |
Li et al. | Research on the calibration technology of an underwater camera based on equivalent focal length | |
CN204010037U (zh) | 一种简易式摄像机标定装置 | |
CN102110290B (zh) | 一种利用正三棱柱靶标求解摄像机内参数方法 | |
Hui et al. | Determination of line scan camera parameters via the direct linear transformation | |
Cui et al. | Scanning electron microscope calibration using a multi-image non-linear minimization process | |
CN112720469B (zh) | 显微立体视觉用于三轴平移运动系统零点校准方法 | |
Liu et al. | Structural parameters optimal design and accuracy analysis for binocular vision measure system | |
Li et al. | Flexible calibration of the telecentric vision systems using only planar calibration target | |
Töberg et al. | Quantitative 3D Reconstruction from Scanning Electron Microscope Images Based on Affine Camera Models | |
Pei et al. | Accuracy analysis of SLM based micro stereo vision system | |
He et al. | An automatic registration system of multi-view 3D measurement data using two-axis turntables | |
Liao et al. | Dense three-dimensional point continuous measurement based on triple line-scan cameras | |
Pang et al. | Large-depth-of-field imaging system using a square aperture overlapped micro-lens array | |
Gao et al. | Calibration for zooming image shrink-amplify center | |
Wang et al. | 3D shape reconstruction of microstructures via micro stereovision | |
Ling et al. | Binocular camera calibration and stereo correction based on Halcon calibration method | |
Wang et al. | A stereoscopic imaging model and its calibration of micro stereovision for 3D measurement | |
Liu et al. | A monocular vision 3D measurement method based on refraction of light |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111130 |