CN102376089B - 一种标靶校正方法及系统 - Google Patents

一种标靶校正方法及系统 Download PDF

Info

Publication number
CN102376089B
CN102376089B CN201010580900.XA CN201010580900A CN102376089B CN 102376089 B CN102376089 B CN 102376089B CN 201010580900 A CN201010580900 A CN 201010580900A CN 102376089 B CN102376089 B CN 102376089B
Authority
CN
China
Prior art keywords
point
monumented
target
image
dimensional coordinate
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.)
Active
Application number
CN201010580900.XA
Other languages
English (en)
Other versions
CN102376089A (zh
Inventor
刘晓利
彭翔
殷永凯
何懂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Esun Display Co., Ltd.
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN201010580900.XA priority Critical patent/CN102376089B/zh
Publication of CN102376089A publication Critical patent/CN102376089A/zh
Application granted granted Critical
Publication of CN102376089B publication Critical patent/CN102376089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明适用于机器视觉、三维测量领域，提供了一种标靶校正方法及系统，本发明实施例先从不同角度拍摄标靶，获取多幅图像，分别提取各图像中标志点的中心作为特征点，建立各幅图像间同名标志点的对应关系，结合近景摄影测量技术计算特征点的三维坐标，该特征点的三维坐标由尺度因子所约束，最后获取尺度因子，将各特征点的三维坐标缩放至实际尺寸，经本方法制作及校正的标靶具有较高的精度，操作简易，成本低。同时，采用条纹投影测量系统及标准球获取尺度因子，校正精度更高，其中相对精度(绝对精度/标靶尺寸)可达到1∶10000。因而本方法及系统可广泛适用于视觉测量及系统标定。

Description

一种标靶校正方法及系统
技术领域
本发明属于机器视觉技术、三维测量领域，尤其涉及对摄像机标定的标靶制作及校正。
背景技术
摄像机标定是计算机视觉和三维测量领域的关键技术，而摄像机标定均需要一个高精度标靶，而且标靶的精度决定了摄像机标定及测量的精度。通常一个高精密的标靶制作加工复杂、成本较高；目前，仅对于获取一个精度达到微米级的二维平面标靶来说，通常有两种方式：第一种，需要高精密加工仪器，以保证标靶上标志点的距离精度达到微米级；第二种，借用微米级精度的二维影像仪测量出所有标志点的间距或坐标。这两种方法均比较复杂，且成本较高。因此，一种简易方便、低成本的标靶校正方法对摄像机标定具有重要意义。自Zhang提出了基于二维平面标靶的摄像机标定技术（Z.Zhang.“A flexible newtechnique for camera calibration”.IEEE Transactions on Pattern Analysis andMachine Intelligence,22(11):1330-1334,2000）以来，其获得了广泛的发展与应用。但该方法须以标靶上所有标志点坐标为已知条件。一般的平面标靶，以圆形标志点为例，其标志点的形状（圆度和边缘）可以达到精度要求，但其圆心的坐标精度较难保证。如果用其它手段（如用二维影像测量仪）逐一测量标志点的准确位置，往往费时费力。
发明内容
本发明实施例的目的在于提供一种操作简易、成本较低且适用于不同尺寸标靶的校正方法，以准确获取所有标志点的坐标，定位精度可达到微米级。
本发明实施例是这样实现的，一种标靶校正方法，包括以下步骤：
从不同角度获取标靶的多幅图像，所述标靶设有多个标志点；
分别提取各图像中标志点的中心作为特征点；
建立各幅图像间同名标志点的对应关系；
计算所述特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束；
获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸；
所述建立各幅图像间同名标志点的对应关系的步骤具体为：
从所述多个标志点中选取部分标志点作为识别点，所述识别点为多个；
对所述标靶上所有标志点进行编号；
确定各识别点的编号及它们之间的拓扑关系；
由所述拓扑关系确定相机采集的图像与标准图像之间的单应矩阵，由所述单应矩阵将采集图像中的标志点变换至标准图像，并搜索与变换后的标志点距离最近的标准的标志点，以所述最近的标准的标志点的编号作为采集图像中对应标志点的编号；
其中，所述标准的标志点为标准图像中的标志点。
本发明实施例的另一目的在于提供一种标靶校正系统，所述系统包括：
图像采集模块，用于从不同角度获取标靶的多幅图像，所述标靶设有多个标志点；
提取模块，用于分别提取各图像中标志点的中心作为特征点；
识别模块，用于建立各幅图像间同名标志点的对应关系；
运算模块，用于计算所述特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束；
缩放模块，用于获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸。
本发明实施例先从不同角度拍摄标靶，获取多幅图像，分别提取各图像中标志点的中心作为特征点，建立各幅图像间同名标志点的对应关系，计算特征点的三维坐标，该特征点的三维坐标由尺度因子所约束，最后获取尺度因子，将各特征点的三维坐标缩放至实际尺寸，经本方法制作及校正的标靶具有较高的精度，操作简易，成本低。因而本方法及系统可广泛适用于视觉测量及系统标定。
附图说明
图1是本发明实施例提供的标靶校正方法的实现流程图；
图2是本发明实施例中平面标靶的结构示意图；
图3是本发明实施例中数码单反相机拍摄标靶的角度示意图；
图4是本发明实施例中标靶编号及拓扑关系示意图；
图5是本发明实施例中摄影测量结果及数码单反相机与标靶的位置关系图；
图6是本发明实施例中摄影测量的重投影误差分布图；
图7是本发明实施例中条纹投影测量系统的结构示意图；
图8是本发明实施例中标准球的三维图；
图9是本发明实施例提供的标靶校正系统图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例先从不同角度拍摄标靶，获取多幅图像，分别提取各图像中标志点的中心作为特征点，建立各幅图像间同名标志点的对应关系，计算特征点的三维坐标，该特征点的三维坐标由尺度因子所约束，最后获取尺度因子，将各特征点的三维坐标缩放至实际尺寸，经本方法制作及校正的标靶具有较高的精度，操作简易，成本低。
本发明实施例提供的标靶校正方法包括以下步骤：
从不同角度获取标靶的多幅图像，所述标靶设有多个标志点；
分别提取各图像中标志点的中心作为特征点；
建立各幅图像间同名标志点的对应关系；
计算所述特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束；
获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸。
本发明实施例提供的标靶校正系统包括：
图像采集模块，用于从不同角度获取标靶的多幅图像，所述标靶设有多个标志点；
提取模块，用于分别提取各图像中标志点的中心作为特征点；
识别模块，用于建立各幅图像间同名标志点的对应关系；
运算模块，用于计算所述特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束；
缩放模块，用于获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸。
以下结合具体实施例对本发明的实现进行详细描述。
图1示出了本发明实施例提供的标靶校正方法的实现流程，详述如下：
在步骤S101中，从不同角度获取标靶的多幅图像，该标靶设有多个标志点；
本发明实施例于一发黑的金属板或陶瓷板印刷或粘贴多个白色标志点制成平面标靶，标志点的图案具有多种（如方形、圆形），优选为圆形，如图2所示。图2所示的标靶具有99个圆形标志点，其中外围套圆环的4个标志点（以下简称圆环点）仅用于标识99个标志点的位置拓扑关系，以自动识别各个标志点。该图案中每个标志点间距大致相同，其精度取决于印刷精度。
为从不同角度获取标靶的多幅图像，将标靶置于水平面，锁定数码单反相机的镜头焦距，分别从多个角度对标靶进行拍摄。选择如图3所示的6个角度进行拍摄即可获得理想的结果。此处以6个角度为例，并非用于限制本发明。拍摄时只要保证标靶上所有标志点被拍摄到，图像清晰即可。
具体地，图3中位置1、位置2、位置3和位置4分别从标靶的四个侧面斜向下拍摄，其中相机中心与标靶中心的连线与标靶平面的夹角约45度；位置5和位置6为相同的位置，只是相机旋转了180度，位置5和位置6是从标靶的正中位置垂直向下拍摄，其中相机中心与标靶中心的连线与标靶平面几乎垂直。
在步骤S102中，分别提取各图像中标志点的中心作为特征点；
本发明实施例对所有圆形标志点进行中心定位，并以标志点的中心为特征点，具体过程如下：
Step1，去除图像噪声；
本发明实施例通过高斯滤波去除图像噪声。
Step2，对椭圆边缘进行像素级粗定位；
本发明实施例利用边缘检测算子（如Canny算子）对椭圆边缘进行像素级粗定位。
Step3，识别标志点；
本发明实施例通过以下两个条件对标志点进行自动识别。其一，标志点轮廓所包含的像素数在一定范围内波动；其二，标志点轮廓是闭合的。同时满足该两个条件的被认为是标志点。
Step4，对椭圆边缘进行亚像素级精定位；
本发明实施例对像素级边缘的每个像素的5×5邻域进行三次多项式曲面拟合，求取曲面的一阶导数局部极值的位置，即亚像素位置。
Step5，对椭圆边缘点进行最小二乘拟合，得到所述标志点的圆心的亚像素定位，并以所述标志点的圆心作为特征点。
在步骤S103中，建立各幅图像间同名标志点的对应关系；
本发明实施例采用图2所示的标靶图案，其同名标志点的对应关系确定如下：
Step1，从标靶上多个标志点中选取部分标志点作为识别点，该识别点为多个。
本发明实施例以上述四个圆环点作为识别点，根据标志点的周长区分大小圆，得到四个圆环点的中心坐标。
Step2，对标靶上所有标志点进行编号；
本发明实施例按照从左至右、从上至下的顺序对标靶上所有标志点进行编号，用Pi(i≤99)表示标靶上编号为i的标志点，如图4所示。因而四个圆环点的编号分别为P28、P69、P71和P75，但无法区分。
Step3，将四个圆环点的中心两两连线，可得
Figure GDA00002884739800061
条直线lm-n(m,n=28,69,71,75，且m≠n)。求任意两条直线之间的夹角，可得
Figure GDA00002884739800062
个夹角。理想情况下，直线l69-71、l69-75和l71-75互相平行，每两条直线的夹角均为0。由于噪声和圆心定位误差的存在，每两条直线的夹角为接近0的小数。而15个夹角中，最小值必然产生在上述3条直线（直线l69-71、l69-75和l71-75）的夹角之间。因此，查找形成最小夹角的两条直线，不在这两条直线上的点即可确定为P28。
Step4，在P69、P71、P75三点中，距离最近的两点为P69和P71，则另一个点可确定为P75。
Step5，距离P75较近的点为P71，另一个点为P69。
Step6，连接P28及距P28较近的点，计算这些连线与l69-75的夹角，夹角最小的两条直线必为l28-27和l28-29，由此可确定P27和P29两点。应当注意，此时这两点（P27和P29）不能互相区分。接着判断P27P29和P69中哪两点是否位于直线l28-71的同侧，与P69同侧的是P27，与P69异侧的是P29。
Step7，由上述六个点（P27、P28、P29、P69、P71和P75）的拓扑关系即可确定相机采集的图像与标准图像之间的单应矩阵H，由此矩阵H将采集图像中的标志点变换到标准图像，并搜索与变换后的标志点距离最近的标准的标志点，以该标志点的编号作为采集图像中对应标志点的编号。其中标准图像中标志点间的距离相等。
在步骤S104中，计算特征点的三维坐标，该特征点的三维坐标由尺度因子所约束；
本发明实施例利用近景摄影测量技术计算标靶上所有标志点的三维坐标（该三维坐标是缺少一个尺度因子的相对坐标）并标定出数码单反相机的内参及外参。关于近景摄影测量技术具体可参见黄桂平《数字近景工业摄影测量关键技术研究与应用》，博士论文，天津，天津大学，2005。其主要流程为：（1）建立数码相机成像的数学模型（为达到高精度结果，需考虑相机镜头的非线性畸变），构造目标函数；（2）以标准图像中标志点的坐标作为初始估计，获取数码单反相机的初始参数值；（3）由光束平差法（Bundle Adjustment）对目标函数进行优化，从而获得所有特征点的三维坐标X1,X2,…X99，如图5所示。图6示出了最终重投影误差分布图，其重投影误差不超过2个像素，满足本发明实施例中摄影测量的要求。
在步骤S105中，获取尺度因子，将各特征点的三维坐标缩放至实际尺寸。
本发明实施例具有两种方式获取尺度因子，具体为：
方式一，利用标靶上任意两个标志点的绝对尺寸作为标尺进行缩放；
（1）获取标靶上任意两个标志点的实际尺寸，可利用影像测量仪等高精度测量仪器获取。假设测得第i个标志点与第j个标志点实际距离为dij（本实例中取i=1，j=99，测得dij=249.1522mm）。
（2）计算尺度因子
Figure GDA00002884739800071
其中d(Xi,Xj)为由近景摄影测量获得的第i个标志点坐标与第j个标志点坐标的距离（本实例中d(X1,X99)=315.6023mm，s=0.7895）。
（3）将各特征点的三维坐标Xk均乘以该尺度因子s作为校正后的标志点三维坐标，即X'k=s·Xk，k=1,2,…99。
方式二，利用该标靶对相位映射测量系统进行标定，并用该测量系统采集一个尺寸已知的标准球面的三维数据拟合出球面半径，真实的球半径与该拟合半径的比值即为尺度因子，将所有摄影测量获得的特征点三维坐标均乘以该尺度因子，即得标靶上所有标志点的实际尺寸。具体过程如下：
（1）搭建基于相位映射的条纹投影测量系统，如图7所示，该测量系统由位于中间的投影机101和分别位于投影机101两旁的CCD摄像机102与CCD摄像机103构成。投影机101将计算机产生的正弦条纹结构光投射至被测物体104上，被测物体104的深度变化对条纹的相位进行调制，获得相位编码的条纹图，并由CCD摄像机102与CCD摄像机103记录该条纹图。对编码条纹图进行相位解调与相位展开，获取相应于物体深度信息的绝对相位分布图。然后结合系统的标定信息确定相位与深度的映射关系，从而获取物体的深度信息。
（2）利用该标靶标定上述测量系统，具体标定方法可参见（S.Zhang,P.S.Huang.“Novel method for structured light system calibration".Optical Engineering,45(8):083601，2006），该标定主要由双目立体视觉确定上述两个CCD摄像机的内参和外参以及它们之间的位置关系。由于该标靶的标志点三维坐标是缺少一个尺度因子的，其标定结果会造成系统的测量尺寸与实际真实尺寸相比有该尺度因子的缩放。
（3）由该测量系统对一个实际半径尺寸为R的标准球表面进行测量（实例中标准球的半径为25.0345mm），从一个视场采集即可获得其部分球面的三维数据（图8为实例中标准球的三维图，共134270个点）。
（4）对获取的球面三维数据进行最小二乘拟合出球面方程，并计算拟合球的半径r（实例中拟合得到球的半径r为31.6998mm）。
（5）计算尺度因子
Figure GDA00002884739800081
（实例中计算s为0.7897）。
（6）将所有摄影测量获得的标志点三维坐标Xk均乘以该尺度因子s作为校正后的标志点坐标X'k=s·Xk，k=1,2,…99。
可见，方式二不仅可以准确地校正标靶，同时还可将基于相位的测量系统进行准确标定。
与传统采用二维影像测量仪逐个标志点测量相比，本方法只需一个数码相机即可对标靶上标志点的坐标进行校正，不仅减少了工作量和处理环节，而且降低了成本。其次，传统平面标靶制作要求标靶平面具有较高的平整度，而本方法对标靶平面的平整度不作要求，亦可大大降低制作成本。再者，由于本方法能方便、准确地对平面标靶进行校正，结合手工粘贴标志点的方法制作标靶，无需精密昂贵的加工工具，可极大地简化标靶的制作。
本领域的普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件完成，该程序可以存储于一计算机可读取存储介质中，如ROM/RAM、磁盘、光盘等。
图9示出了本发明实施例提供的标靶校正系统的结构原理，为了便于描述，仅示出了与本发明实施例相关的部分。
如图9所示，本发明实施例提供的标靶校正系统包括图像采集模块901、提取模块902、识别模块903、运算模块904和缩放模块905。其中图像采集模块901用于从不同角度获取标靶的多幅图像，所述标靶设有多个标志点；提取模块902用于分别提取各图像中标志点的中心作为特征点；识别模块903用于建立各幅图像间同名标志点的对应关系；运算模块904用于计算所述特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束；缩放模块905用于获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸。
上述各个模块（单元）的工作原理如上文所述，此处不再加以赘述。
上述标靶校正系统的各个模块（单元）可以为软件单元、硬件单元或者软硬件结合的单元，软件单元部分可以存储于一计算机可读取存储介质中，如ROM/RAM、磁盘、光盘等。
本发明实施例先从不同角度拍摄标靶，获取多幅图像，分别提取各图像中标志点的中心作为特征点，建立各幅图像间同名标志点的对应关系，计算特征点的三维坐标，该特征点的三维坐标由尺度因子所约束，最后获取尺度因子，将各特征点的三维坐标缩放至实际尺寸，经本方法制作及校正的标靶具有较高的精度，操作简易，成本低。同时，采用条纹投影测量系统及标准球获取尺度因子，校正精度更高，其中相对精度（绝对精度/标靶尺寸）可达到1:10000。此外，本方法可适用于从10mm至4m的各种尺寸及各种形状的标靶校正，并能够保持同样的相对精度，这是其他传统方法无法达到的。因而本方法和系统可广泛适用于视觉测量及系统标定。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种标靶校正方法，其特征在于，所述方法包括以下步骤：
从不同角度获取标靶的多幅图像，所述标靶设有多个标志点；
分别提取各图像中标志点的中心作为特征点；
建立各幅图像间同名标志点的对应关系；
计算所述特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束；
获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸；
所述建立各幅图像间同名标志点的对应关系的步骤具体为：
从所述多个标志点中选取部分标志点作为识别点，所述识别点为多个；
对所述标靶上所有标志点进行编号；
确定各识别点的编号及它们之间的拓扑关系；
由所述拓扑关系确定所获取的图像与标准图像之间的单应矩阵，由所述单应矩阵将获取的图像中的标志点变换至标准图像，并搜索与变换后的标志点距离最近的标准的标志点，以所述最近的标准的标志点的编号作为获取的图像中对应标志点的编号；
其中，所述标准的标志点为标准图像中的标志点。
2.如权利要求1所述的标靶校正方法，其特征在于，由一台数码单反相机从多个不同的角度对标靶进行拍摄，获取多幅清晰的图像；拍摄时，锁定所述数码单反相机的镜头焦距，各图像包含所述标靶上所有标志点。
3.如权利要求1所述的标靶校正方法，其特征在于，所述获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸的步骤具体为：
测得标靶上第i个标志点与第j个标志点的实际距离dij；
计算尺度因子
Figure FDA0000403956840000011
其中d(Xi,Xj)为由摄影测量获得的第i个标志点与第j个标志点的距离；
将各特征点的三维坐标Xk均乘以所述尺度因子s作为校正后的标志点三维坐标，即X'k=s·Xk。
4.如权利要求1所述的标靶校正方法，其特征在于，所述获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸的步骤具体为：
搭建条纹投影测量系统；
由所述标靶标定所述测量系统；
由所述测量系统对一个实际半径为R的标准球表面进行测量，从一个视场采集其部分球面的三维数据；
由所述球面的三维数据拟合出球面方程，并计算出拟合球的半径r；
计算尺度因子
Figure FDA0000403956840000021
将各特征点的三维坐标Xk均乘以所述尺度因子s作为校正后的标志点三维坐标，即X'k=s·Xk。
5.如权利要求4所述的标靶校正方法，其特征在于，所述条纹投影测量系统为基于相位映射的条纹投影测量系统，由位于所述标靶上方的投影机以及位于所述投影机两旁的CCD摄像机构成。
6.如权利要求1所述的标靶校正方法，其特征在于，所述标志点为圆形标志点，所述圆形标志点经成像为椭圆，所述分别提取各图像中标志点的中心作为特征点的步骤具体为：
去除所述图像的噪声；
对所述椭圆的边缘进行像素级粗定位；
识别所述标志点；
对所述椭圆的边缘进行亚像素级精定位；
对所述椭圆的边缘点进行最小二乘拟合，得到所述标志点的圆心的亚像素定位，以所述标志点的圆心作为特征点。
7.如权利要求1所述的标靶校正方法，其特征在于，所述识别点包括四个圆环点，其编号分别为P28、P69、P71和P75，但未能区分；
所述确定各识别点的编号的具体步骤为：
将四个圆环点的中心两两连线，得到
Figure FDA0000403956840000031
条直线lm-n，m,n=28,69,71,75，且m≠n；求任意两条直线之间的夹角，得到
Figure FDA0000403956840000032
个夹角；直线l69-71、l69-75和l71-75互相平行，每两条直线的夹角为接近0的小数；15个夹角中，最小值产生在这三条直线l69-71、l69-75和l71-75的夹角之间；查找形成最小夹角的两条直线，不在这两条直线上的点确定为P28；
在P69、P71和P75三个圆环点中，距离最近的两点为P69和P71，则另一个点确定为P75；
距离P75较近的点为P71，则另一个点为P69；
连接P28及距P28较近的点，计算这些连线与l69-75的夹角，夹角最小的两条直线为l28-27和l28-29，由此确定P27和P29两点，此时P27和P29未能互相区分；
判断P27P29和P69中哪两点位于直线l28-71的同侧，与P69同侧的是P27，与P69异侧的是P29。
8.如权利要求1所述的标靶校正方法，其特征在于，所述特征点的三维坐标由近景摄影测量技术获取，步骤具体为：
建立用于获取所述标靶的多幅图像的数码单反相机成像的数学模型，构造目标函数；
以标准图像中标志点的坐标作为初始估计，获取所述数码单反相机的初始参数值；
由光束平差法对所述目标函数进行优化，获取各特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束。
9.一种标靶校正系统，其特征在于，所述系统包括：
图像采集模块，用于从不同角度获取标靶的多幅图像，所述标靶设有多个标志点；
提取模块，用于分别提取各图像中标志点的中心作为特征点；
识别模块，用于建立各幅图像间同名标志点的对应关系；
运算模块，用于计算所述特征点的三维坐标，所述特征点的三维坐标由尺度因子所约束；
缩放模块，用于获取所述尺度因子，将各特征点的三维坐标缩放至实际尺寸；
所述识别模块具体包括：
选取子模块，用于从所述多个标志点中选取部分标志点作为识别点，所述识别点为多个；
编号子模块，用于对所述标靶上所有标志点进行编号；
确定子模块，用于确定各识别点的编号及它们之间的拓扑关系；
变换子模块，用于由所述拓扑关系确定所述图像采集模块所获取的图像与标准图像之间的单应矩阵，由所述单应矩阵将获取的图像中的标志点变换至标准图像，并搜索与变换后的标志点距离最近的标准的标志点，以所述最近的标准的标志点的编号作为获取的图像中对应标志点的编号；
其中，所述标准的标志点为标准图像中的标志点。
CN201010580900.XA 2010-12-09 2010-12-09 一种标靶校正方法及系统 Active CN102376089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010580900.XA CN102376089B (zh) 2010-12-09 2010-12-09 一种标靶校正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010580900.XA CN102376089B (zh) 2010-12-09 2010-12-09 一种标靶校正方法及系统

Publications (2)

Publication Number Publication Date
CN102376089A CN102376089A (zh) 2012-03-14
CN102376089B true CN102376089B (zh) 2014-05-07

Family

ID=45794642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010580900.XA Active CN102376089B (zh) 2010-12-09 2010-12-09 一种标靶校正方法及系统

Country Status (1)

Country Link
CN (1) CN102376089B (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103377469B (zh) * 2012-04-23 2016-05-04 宇龙计算机通信科技(深圳)有限公司 终端和图像处理方法
CN103514450B (zh) * 2012-06-29 2017-02-15 华为技术有限公司 一种图像特征提取方法和图像校正方法以及设备
CN102778199B (zh) * 2012-08-08 2014-11-26 苏州逸美德自动化科技有限公司 工业相机九点校正坐标变换方法
CN102915535B (zh) * 2012-08-23 2016-01-20 深圳大学 摄像机投影变换中圆形标志点的圆心偏差修正方法及系统
CN104754323B (zh) * 2013-12-31 2017-06-20 苏州智华汽车电子有限公司 摄像头光轴检测设备的标定方法
JP6510247B2 (ja) * 2015-01-27 2019-05-08 株式会社トプコン 測量データ処理装置、測量データ処理方法およびプログラム
CN104867160B (zh) * 2015-06-17 2017-11-07 合肥工业大学 一种用于摄像机内外参数标定的方向性标定靶标
KR101705558B1 (ko) * 2015-06-25 2017-02-13 (주)캠시스 Avm 시스템의 공차 보정 장치 및 방법
CN105678088B (zh) * 2016-01-12 2019-01-18 西安交通大学 一种靶标测头的平差优化算法
CN105423975B (zh) * 2016-01-12 2018-02-09 济南大学 一种大型工件的标定系统及方法
CN105643096B (zh) * 2016-03-28 2017-07-21 大族激光科技产业集团股份有限公司 基于激光加工机台的标靶定位方法、装置和激光加工机台
CN106595483B (zh) * 2016-12-19 2019-03-01 华中科技大学无锡研究院 一种主动光手持式标靶及其合作标志点识别方法
CN107478155A (zh) * 2017-08-24 2017-12-15 苏州光照精密仪器有限公司 产品检测方法、装置及系统
WO2019051728A1 (zh) * 2017-09-14 2019-03-21 深圳大学 基于相位映射的折叠相位三维数字成像方法及装置
CN107633533B (zh) * 2017-09-25 2020-08-18 深圳大学 大畸变镜头下的高精度圆形标志点中心定位方法及装置
CN107991665A (zh) * 2017-11-23 2018-05-04 江苏理工学院 一种基于定焦相机的对标靶三维坐标连续测量方法
CN108007472A (zh) * 2017-12-01 2018-05-08 深圳市沃特沃德股份有限公司 测量视觉扫地机器人里程计补偿系数的方法及系统
CN108680182A (zh) * 2017-12-01 2018-10-19 深圳市沃特沃德股份有限公司 测量视觉扫地机器人里程计补偿系数的方法及系统
CN109029382B (zh) * 2018-08-20 2023-08-08 上海矩尺土木科技有限公司 一种螺栓防松预警监测装置
CN109816724B (zh) * 2018-12-04 2021-07-23 中国科学院自动化研究所 基于机器视觉的三维特征提取方法及装置
CN109443214B (zh) * 2018-12-19 2021-03-16 广东工业大学 一种结构光三维视觉的标定方法、装置及测量方法、装置
CN109916300A (zh) * 2019-03-20 2019-06-21 天远三维（天津）科技有限公司 基于在线图像处理的面向三维扫描的标志点粘贴指示方法
CN110009692B (zh) * 2019-03-28 2023-05-02 渤海大学 用于相机标定的大型控制场人工标志点及其编码方法
CN110176035B (zh) * 2019-05-08 2021-09-28 深圳市易尚展示股份有限公司 标志点的定位方法、装置、计算机设备和存储介质
CN110533714A (zh) * 2019-08-21 2019-12-03 合肥晌玥科技有限公司 基于图像处理技术检测目标物体最大内接圆的方法和系统
CN111023995B (zh) * 2019-11-18 2021-08-06 西安电子科技大学 一种基于随机两帧相移条纹图的三维测量方法
CN114061472B (zh) * 2021-11-03 2024-03-19 常州市建筑科学研究院集团股份有限公司 基于标靶的测量坐标误差修正的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727670A (zh) * 2009-11-10 2010-06-09 西安交通大学 一种可变幅面多相机系统柔性标定方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8248476B2 (en) * 2008-09-03 2012-08-21 University Of South Carolina Robust stereo calibration system and method for accurate digital image correlation measurements

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727670A (zh) * 2009-11-10 2010-06-09 西安交通大学 一种可变幅面多相机系统柔性标定方法及装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
借助标志点的深度数据全局匹配方法;刘晓利等;《光学学报》;20090430;第29卷(第4期);1010-1014 *
刘晓利等.借助标志点的深度数据全局匹配方法.《光学学报》.2009,第29卷(第4期),1010-1014.
刘炜刚等.利用计算机自动识别和匹配标靶校正摄影镜头畸变.《北京科技大学学报》.2000,第22卷(第6期),561-564.
利用计算机自动识别和匹配标靶校正摄影镜头畸变;刘炜刚等;《北京科技大学学报》;20001231;第22卷(第6期);561-564 *
吴丽.平面参数的几何光学测量及分析.《中国优秀硕士学位论文全文数据库》.2007,(第3期),44-49.
平面参数的几何光学测量及分析;吴丽;《中国优秀硕士学位论文全文数据库》;20070915(第3期);44-49 *

Also Published As

Publication number Publication date
CN102376089A (zh) 2012-03-14

Similar Documents

Publication Publication Date Title
CN102376089B (zh) 一种标靶校正方法及系统
US9965870B2 (en) Camera calibration method using a calibration target
CN108921901B (zh) 一种基于精密二轴转台和激光跟踪仪的大视场相机标定方法
Luhmann et al. Sensor modelling and camera calibration for close-range photogrammetry
CN102364299B (zh) 一种多个结构光投影三维型面测量头的标定技术
CN109146980A (zh) 基于单目视觉的优化的深度提取和被动测距方法
CN109859272B (zh) 一种自动对焦双目摄像头标定方法及装置
Lucchese Geometric calibration of digital cameras through multi-view rectification
EP1378790A2 (en) Method and device for correcting lens aberrations in a stereo camera system with zoom
CN102768762B (zh) 一种针对盾构隧道病害数字照相检测的数码相机标定方法及其装置
CN109579695B (zh) 一种基于异构立体视觉的零件测量方法
CN107886547B (zh) 一种鱼眼相机标定方法及系统
CN105931222A (zh) 用低精度二维平面靶标实现高精度相机标定的方法
CN103278138A (zh) 一种复杂结构薄部件三维位置及姿态的测量方法
CN110223355B (zh) 一种基于双重极线约束的特征标志点匹配方法
Gerke Using horizontal and vertical building structure to constrain indirect sensor orientation
CN113592721B (zh) 摄影测量方法、装置、设备及存储介质
CN109272555B (zh) 一种rgb-d相机的外部参数获得及标定方法
CN113920205B (zh) 一种非同轴相机的标定方法
CN109544628A (zh) 一种指针式仪表的准确读数识别系统及方法
CN109920009B (zh) 基于二维码标识的控制点检测与管理方法及装置
CN105118086A (zh) 3d-aoi设备中的3d点云数据配准方法及系统
CN109255818A (zh) 一种新型标靶及其亚像素级角点的提取方法
CN102881040A (zh) 一种数码相机移动拍摄三维重建方法
CN110458951B (zh) 一种电网杆塔的建模数据获取方法及相关装置

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
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20170113

Address after: 518000 Futian District, Shenzhen, Fu Qiang Road, No. 4001 (Shenzhen cultural and Creative Park) AB block, layer B301, three,

Patentee after: Shenzhen Esun Display Co., Ltd.

Address before: 518060 Nanhai Road, Guangdong, Shenzhen, No. 3688, No.

Patentee before: Shenzhen University

CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 518133 23rd floor, Yishang science and technology creative building, Jiaan South Road, Haiwang community Central District, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province

Patentee after: SHENZHEN ESUN DISPLAY Co.,Ltd.

Address before: B301, 3rd floor, block AB, 4001 Fuqiang Road, Futian District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN ESUN DISPLAY Co.,Ltd.