CN102322826A - 一种物体三维表面数据的改进的测量方法 - Google Patents

Abstract

一种物体三维表面数据的改进的测量方法，通过摄像机对物体拍摄一张照片，并通过分析获得该照片中的点对应的高度图。对高度图建立空间域的卡尔曼滤波模型。通过高度图中每一个像素周围点的高度值来预测中心点的估计高度。通过该中心点的观测高度及估计高度，使用卡尔曼滤波模型进行运算，从而获得一个优化的高度并作为下一次运算使用的观测高度。当对该点的邻居采用同样的基于卡尔曼滤波模型的运算后，该点的高度变化也会间接的影响到它的邻居点的高度调整量。通过对整幅高度图的所有点依次进行一次基于卡尔曼滤波模型的运算，可以对整幅图进行一次高度的调整，使整个高度图趋向于测量物体的真实高度。噪声得到很好的抑制，总体方差大幅的下降。

Description

一种物体三维表面数据的改进的测量方法

技术领域：

本发明涉及物理领域，尤其涉及测量技术，特别涉及物体表面的三维数据测量，具体的是一种物体三维表面数据的改进的测量方法。 

背景技术：

现有技术中，采用摄像系统对物体进行三维视觉测量。但是，外部环境、摄像系统及测量方法都会引入较大的噪声，从而影响最终的测量结果。 

发明内容：

本发明的目的在于提供一种物体三维表面数据的改进的测量方法，所述的这种物体三维表面数据的改进的测量方法要解决现有技术中外部环境、摄像系统及测量方法对三维视觉测量引入较大噪声的技术问题。 

本发明的这种物体三维表面数据的改进的测量方法，其中，通过摄像机对物体拍摄一张照片，分析该照片上的点所对应的高度信息，获得高度图，对所述的高度图建立空间域的卡尔曼滤波模型，通过高度图中每一个像素周围点的高度值来预测中心点的估计高度，通过所述的中心点的观测高度及估计高度使用卡尔曼滤波模型进行运算，从而获得一个优化的高度并将所述的优化的高度作为下一次运算使用的观测高度，当对该点的邻居采用同样的基于卡尔曼滤波模型的运算后，该点的高度变化也会间接的影响到它的邻居点的高度调整量。正因为各个邻居点的相互调整，通过对整幅高度图的所有点依次进行一次基于卡尔曼滤波模型的运算，可以对整幅图进行一次高度的调整，该调整使得整个高度图趋向于测量物体的真实高度。噪声得到很好的抑制，总体方差大幅的下降。采用同样的方法对所述的高度图进行两次以上的基于卡尔曼滤波模型的迭代运算，使得最后的高度图可靠地反应物体的真实高度，总体方差下降到可接受范围内。 

进一步的，通过相邻点的高度信息获得中心点高度的估计值。 

进一步的，将卡尔曼滤波在时间域内前后时刻的状态信息调整的使用扩展到空间分布中的一个点与其相邻点之间的应用。 

进一步的，三维表面的优化过程中使用且只使用一幅图像。 

进一步的，通过采用两次以上的同样的基于卡尔曼滤波模型的迭代运算，获得经过优化的能够反应测量物体真实高度的方法。 

进一步的，任意一次应用基于卡尔曼滤波模型的运算得到的结果值均是下一次运算的测量值。 

本发明和已有技术相比较，其效果是积极和明显的。本发明利用摄像机取得物体表面图像，通过分析获得该图像上的点对应的高度图，对此高度图建立空间域的卡尔曼滤波模型，通过高度图中每一个像素周围点的高度值来预测中心点的估计高度。进一步通过该中心点的观测高度及估计高度，使用卡尔曼滤波模型进行运算，从而获得一个优化的高度并作为下一次运算使用的观测高度。当对该点的邻居采用同样的基于卡尔曼滤波模型的运算后，该点的高度变化也会间接的影响到它的邻居点的高度调整量。正因为各个邻居点的相互调整，通过对整幅高度图的所有点依次进行一次基于卡尔曼滤波模型的运算，可以对整幅图进行一次高度的调整，该调整使得整个高度图趋向于测量物体的真实高度。噪声得到很好的抑制，总体方差大幅的下降。 

附图说明：

图1是本发明的物体三维表面数据的改进的测量方法中的迭代次数与总体方差的趋势图。 

图2是本发明的一个实施例中优化前的物体的三维高度图。 

图3是图2经过优化后的三维高度图。 

具体实施方式：

实施例1： 

本发明的物体三维表面数据的改进的测量方法，其中，通过摄像机对 物体拍摄一张照片，分析该照片上的点所对应的高度信息，获得高度图，对所述的高度图建立空间域的卡尔曼滤波模型，通过高度图中每一个像素周围点的高度值来预测中心点的估计高度，通过所述的中心点的观测高度及估计高度使用卡尔曼滤波模型进行运算，从而获得一个优化的高度并将所述的优化的高度作为下一次运算使用的观测高度，当对该点的邻居采用同样的基于卡尔曼滤波模型的运算后，该点的高度变化也会间接的影响到它的邻居点的高度调整量。正因为各个邻居点的相互调整，通过对整幅高度图的所有点依次进行一次基于卡尔曼滤波模型的运算，可以对整幅图进行一次高度的调整，该调整使得整个高度图趋向于测量物体的真实高度。噪声得到很好的抑制，总体方差大幅的下降。采用同样的方法对所述的高度图进行两次以上的基于卡尔曼滤波模型的迭代运算，使得最后的高度图可靠地反应物体的真实高度，总体方差下降到可接受范围内。 

进一步的，通过相邻点的高度信息获得中心点高度的估计值。 

进一步的，将卡尔曼滤波在时间域内前后时刻的状态信息调整的使用扩展到空间分布中的一个点与其相邻点之间的应用。 

进一步的，三维表面的优化过程中使用且只使用一幅图像。 

进一步的，通过采用两次以上的同样的基于卡尔曼滤波模型的迭代运算，获得经过优化的能够反应测量物体真实高度的方法。 

进一步的，任意一次应用基于卡尔曼滤波模型的运算得到的结果值均是下一次运算的测量值。 

在本发明的一个实施例中，采用以下公式，其中，k表示第一时刻，k+1时刻表示第二时刻，h₀(k+1)表示第二时刻时点的高度，h₀(k)表示第一时刻时点的高度，假设物体是固定不变的，则可认为k+1时刻的高度值等于k时刻的高度。 

h₀(k+1)＝h₀(k)    (1) 

由此可以得到k时刻先验的高度值： 

${\hat{h}}_0^{-}=h_0\left(k\right)---\left(2\right)$

且该值含有服从正态分布的误差： 

w₀(k)～N(0，P(k))    (3) 

k时刻先验的方差则为： 

P-(k)＝P(k)    (4) 

根据该点周围的邻居点计算获得该点在k时刻的测量值，该测量值含有服从正态分布的误差w_i，0

z₀＝h_i+K·δ_0，i+w_i，0    (5) 

优化的卡尔曼增益可以由下式计算获得 

K(k)＝P^-(k)(P^-(k)+R)^-1    (6) 

因此，估计的k时刻的高度值及方差为 

${\hat{h}}_0={\hat{h}}_0^{-}+K\left(k\right)(z_0-{\hat{h}}_0^{-})$ (7) 

P(k)＝(1-K(k))P^-(k) 

根据上述方法，从k＝0时刻开始，进行迭代运算，经过n次的迭代后，最终的高度值会趋向于一个动态平衡的值，而该值就是物体最终的高度值。 

采用上述方法对三维测量得到的高度图进行滤波，得到下表的结果。 

迭代次数与总体方差 

迭代次数	1	2	3	4
					总体方差	723.8	996.5	209.3	203.5
迭代次数	5	6	7	8

[0040] 

迭代次数	1	2	3	4
					总体方差	65.3	65.3	42.2	40.3

从上表结合图1、图2和图3可见，随着迭代次数的增加，整个物体表面的方差逐步趋向于0，最后整个高度调整的过程趋向于一个动态的平衡。 

Claims (6)

1.一种物体三维表面数据的改进的测量方法，其特征在于：通过摄像机对物体拍摄一张照片，分析该照片上的点所对应的高度信息，获得高度图，对所述的高度图建立空间域的卡尔曼滤波模型，通过高度图中每一个像素周围点的高度值来预测中心点的估计高度，通过所述的中心点的观测高度及估计高度使用卡尔曼滤波模型进行运算，从而获得一个优化的高度并将所述的优化的高度作为下一次运算使用的观测高度，采用同样的方法对所述的高度图进行两次以上的基于卡尔曼滤波模型的迭代运算，使得最后的高度图可靠地反应物体的真实高度，总体方差下降到可接受范围内。

2.如权利要求1所述的物体三维表面数据的改进的测量方法，其特征在于：通过相邻点的高度信息获得中心点高度的估计值。

3.如权利要求1所述的物体三维表面数据的改进的测量方法，其特征在于：将卡尔曼滤波在时间域内前后时刻的状态信息调整的使用扩展到空间分布中的一个点与其相邻点之间的应用。

4.如权利要求1所述的物体三维表面数据的改进的测量方法，其特征在于：三维表面的优化过程中使用且只使用一幅图像。

5.如权利要求1所述的物体三维表面数据的改进的测量方法，其特征在于：通过采用两次以上的同样的基于卡尔曼滤波模型的迭代运算，获得经过优化的能够反应测量物体真实高度的方法。

6.如权利要求1所述的物体三维表面数据的改进的测量方法，其特征在于：任意一次应用基于卡尔曼滤波模型的运算得到的结果值均是下一次运算的测量值。

Images