CN103154665A - 确定3d特征的位置和朝向的系统和方法 - Google Patents
确定3d特征的位置和朝向的系统和方法 Download PDFInfo
- Publication number
- CN103154665A CN103154665A CN2011800362469A CN201180036246A CN103154665A CN 103154665 A CN103154665 A CN 103154665A CN 2011800362469 A CN2011800362469 A CN 2011800362469A CN 201180036246 A CN201180036246 A CN 201180036246A CN 103154665 A CN103154665 A CN 103154665A
- Authority
- CN
- China
- Prior art keywords
- peak
- controller
- sensing system
- sensor
- laser rays
- 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
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/2531—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object using several gratings, projected with variable angle of incidence on the object, and one detection device
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/2545—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object with one projection direction and several detection directions, e.g. stereo
-
- 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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
- G01B11/275—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing wheel alignment
- G01B11/2755—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing wheel alignment using photoelectric detection means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/10—Wheel alignment
- G01B2210/28—Beam projector and related sensors, camera, inclinometer or other active sensing or projecting device
- G01B2210/283—Beam projectors and related sensors
- G01B2210/286—Projecting a light pattern on the wheel or vehicle body
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/52—Combining or merging partially overlapping images to an overall image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
用于分析3D特征的传感器系统和方法。激光源将多条线投射到特征上,并且传感器接收激光线与特征的相交处的图像。控制器将图像分到多个区域中,并通过分析区域的像素的灰度级别来针对每个区域评估那些相交线的分布的顺序。分布的顺序被量化为“熵”,并且被用于动态地识别图像中的窗口,其最适合用来计算特征的轮廓。
Description
优先权要求
本申请是要求在2010年6月9日提交的美国申请号12/797,083的权益的国际申请,该美国申请的全部内容通过引用的方式并入本文。
技术领域
本申请总体上涉及用于确定特征的位置或朝向的系统和方法。
背景技术
3D点云数据的可用性已经使得绝对计量系统成为可能。存在各种模态(modality),通过这些模态来获取3D数据。激光扫描和莫尔条纹技术是较流行的商用方法中的一些。这两种方法在某些情形下产生可靠的数据。激光扫描通常依赖于运动装置来提供3D数据。运动会提高测量的周期时间并且对许多应用可能不实用。莫尔条纹技术依赖于摄影测量目标(photogrammetric target)来校准和提供3D数据。摄影测量技术依赖于安装在采样部件之上的若干个目标来获得3D数据,但是,在没有传感器或部件平移的情况下产生点云信息。但是,这些技术会可能需要多个图像以对绝对深度求解,并且校准的范围较大。另外,表面的不连续会导致感测问题。另外,在许多3D应用中经常会出现复杂的图像。过滤掉噪声或不想要的图像数据可以对识别对应于要检查的特征的图像数据很有帮助。
鉴于此,显然存在改进传感器系统的需要。
发明内容
为了满足上述需要,以及克服现有技术的列举的缺点和其它限制,本申请提供用于分析在感测体积中的特征的各种传感器系统实施例。另外,提供为对应于要被检查的特征的图像数据动态地设置窗口的系统和方法。这些特征可以是要被检查的轮胎、薄片金属部件或其它表面。本申请将对关于轮对准应用的系统进行一定程度的详细讨论,但是,显然,该系统和处理也可以用于其它应用。
该系统可以包括安装结构、激光源、传感器和控制器。激光源被附接到安装结构并被配置用来将例如多条激光线的激光投射到特征上。传感器被附接到安装结构并被配置用来对激光线与特征的相交处进行成像。控制器可以与传感器进行通信以接收图像数据。图像数据可以包括对应于激光线与特征的相交处的峰,并且控制器被配置为基于这些峰的熵来生成动态窗口。
参考构成本说明书的一部分并附录在本说明书中的附图和权利要求书,在阅读了下面的描述后,本申请的进一步的目的、特征和优点对本领域技术人员来说变得显而易见。
附图说明
图1是示出根据本申请的一个实施例的传感器系统的框图;
图2是示出包括结构化光投影仪的传感器系统的框图;
图3是示出激光源和传感器的光学元件的传感器系统的框图;
图4是示出包括莫尔条纹投影仪的传感器系统的框图;
图5是示出包括双传感器配置的传感器系统的框图;
图6是示出用于通过公开的传感器实现方式来测量特征的系统的一个实施例的框图;
图7是示出用于通过公开的传感器实现方式来测量轮对准的系统的一个实施例的框图;
图8是示出用于通过图5的传感器实现方式来测量轮对准的系统的一个实施例的侧视图;
图9是用于测量轮对准的系统的一个实施例的投射到轮胎上的激光图案的正视图;
图10是用于测量轮对准的系统的一个实施例的投射到轮胎上的激光图案的正视图;
图11是示出用于测量轮对准的系统的一个实施例的投射到轮胎上的各种激光图案实现方式的正视图;
图12是示出用于动态图像处理窗口调整的方法的流程图;
图13是示出用于激光线的动态识别的方法的流程图;
图14是示出本申请中的控制器、处理器或模块的一种实现方式的系统的框图;
图15是用于传感器系统的安装结构的俯视图;
图16是用于识别在图像数据中的线的方法的流程图;
图17是灰度图像数据的图形表示;
图18是出于图示目的的以边缘增强形式的图像数据的图形表示;
图19是具有区域窗口的图像数据的图形表示;
图20是示出区域窗口的处理的图像数据的图形表示;
图21是总计的和归一化的区域数据的轮廓(profile)的图形表示;
图22是总计的和归一化的区域数据的轮廓的图形表示;
图23是总计的和归一化的区域数据的轮廓的图形表示;
图24是总计的和归一化的区域数据的处理的图形表示;
图25是每个区域的熵值的曲线图;以及
图26是示出目标区域和跟踪窗口的图像数据的图形表示。
具体实施方式
现在参考图1,实施本申请的一些原理的系统在其中示出并以10表示。系统10包括:传感器12、第一激光源14、第二激光源16和安装结构18。
传感器12可以是照相机,并且包括接收光学器件和诸如CCD或CMOS阵列的检测器。因此,传感器12具有从照相机向外投射的视场和由传感器的接收光学器件限定的聚焦范围。视场和焦深限定传感器12的感测体积。第一激光源14可以将一条或多条激光线投射到物体上。如果多于一条的激光线从第一激光源14投射,那么这些线可以彼此平行。另外,这些激光线可以相互之间等距分开。第一激光源14以相对于传感器的角度定向,使得激光线与视场相交,从而限定感测体积。在一种配置中,可以投射激光线,从而中间的激光线与感测体积的中心相交。或者,如果存在偶数条激光线,那么中间两条激光线可以距离感测体积的中心大约相等的距离。
传感器12和第一激光源14可以都被附接到安装结构18。安装结构18可以是光具座(optical bench)、光管或其它刚性形式。安装结构18可以由具有低膨胀系数的材料制成,从而使得传感器12与第一激光源14之间的关系在较宽的温度范围内保持不变。或者,安装结构18可以包括多个温度传感器以补偿安装结构材料的膨胀。安装结构18可以由多种材料形成,这些材料包括但不限于钢、殷钢、铝或其它工业材料。例如,安装结构18可以是I型管(如图15中的附图标记1510所示)。这样,安装结构18提供被动热管理以及提供线性响应。没有滞后的线性响应能够实现准确的主动热补偿。
传感器12和第一激光源14可以是相互对准的工厂(factory)。例如,传感器12和第一激光源14可以使用各种夹具安装到安装结构18上,以控制传感器12与第一激光源14的对准和/或相对位置。另外,传感器12和第一激光源14可以例如通过安装结构18安装到精密台(precision stage)。精密台可以包括已知目标。已知目标可以由精密台在整个感测体积上移动,从而可以在整个感测体积上校准目标的感测位置之间的关系。该校准可以作为各种传感器系统模型参数存储在传感器中,这些参数包括传感器参数、激光源参数等。
基于该校准,传感器12与第一激光源14之间的关系已知,并且可以用三角测量法来确定从传感器12到激光线与感测体积中的特征相交的位置的距离。这样,特征相对于传感器12的位置可以基于工厂校准来确定,而不管传感器12的朝向和定位。此外,包括许多传感器的系统可以通过确定每个传感器相对于主坐标空间的位置和朝向来形成。通过使用激光跟踪器或经纬仪来直接确定传感器的位置和朝向或者通过使用这些装置来确定在感测体积中的目标的位置和朝向,然后确定传感器坐标空间与主坐标空间之间的变换,可以针对更大的系统来实现这一点。
还可以提供第二激光源16。第二激光源16可以是激光投影仪,诸如结构化光投影仪或莫尔条纹投影仪。第二激光源16可以被安装到安装结构18,或者可以独立于安装结构18来安装。如果第二激光源16被安装在安装结构18上,那么第二光源的位置和朝向可以类似于第一激光源14那样被工厂校准。但是,通常,零件的几何形状或在零件要被测量处的工具安装可能呈现一定的环境约束,这将限制被安装到安装结构18的第二激光源16的效率。在这种情况中,已知的目标可以被放置于感测体积中,并且可以基于使用传感器的激光线的三角测量法来确定已知的目标到传感器的位置。例如,激光线可以被投射到平坦表面上,并且基于传感器的视场内的激光条纹的位置来确定该表面的位置和朝向。然后,第二组线可以被投射到该表面上,并且第二激光源的朝向和位置可以基于该表面上的投射线图案来确定。例如,在该表面上形成的线条纹的阵列的间距和角度与来自第一激光源14的激光条纹相交。来自第二激光源16的激光条纹与图案之间的相交点可以被用来确定第二激光源16的位置和朝向。
因此,如图2所示,第二激光源16可以是结构化光投影仪。正如讨论的,检测器12相对于第一激光源14被校准。这样,这两个部件使用三角测量原理一同工作。第一激光源14(即激光线)与传感器的光轴之间的角度被用来确定表面20上的特征的距离和位置。另外,第二激光源16将一系列线投射到表面20上。来自第二激光源16的一系列线21的朝向可以与来自第一激光源14的一条线或多条线正交。来自第一激光源14的一条线或多条线的相交被用来确定在来自第二激光源16的表面上的系列线21的表面位置。来自第一激光源14的线22可以作为来自第二激光源56的投影图案的参照。然后,使用照相机/光学模型对表面进行建模。一旦使用离传感器有一定距离的平坦表面将传感器最终安装时,基于采用少量场校准图像,可以生成照相机/光学模型。因此,如上所述,第二激光源16可以与传感器12和第一激光投影仪14分开安装并且被场校准。
图1的传感器系统的机械结构将参考图3被进一步地描述。结构化光图案的梯形失真效果增加了测量的深度灵敏度。因此,第二激光源16的投射角(θ)应当被设计为不同于传感器12的接收角(φ)。例如,投射角可以与接收角相差10到15度。为了促进梯形失真效果,激光投影仪16的投影光学系统24可以包括两个透镜26、28。附加透镜28可以被用于改变接收光学器件30与投影光学系统24之间的放大率。具体地说,在感测体积内,投影光学系统24可以具有接收光学器件30的放大率的1.5至3倍。虽然可以使用其它比值,但该比值可以为许多工业应用提供特别的益处。
第一激光源14、第二激光源16和检测器31中的每一个都可以与传感器控制器29进行通信。传感器控制器29可以独立地控制每个激光源14、16的时间和强度。另外,传感器控制器29控制检测器30的获取和积分时间。传感器控制器29可以使来自第一激光源14的第一组激光线和来自第二激光源16的第二组激光线的投射交替。另外,检测器31可以与第一激光源14和第二激光源16的投射同步,以捕获第一图像中的来自第一激光源14的第一组激光线和在第二图像中的来自第二激光源16的第二组激光线。
如图4的系统410中所示,第二激光源16还可以是莫尔条纹投影仪。莫尔条纹投影仪可以发射发生干涉的两种波长的激光束,从而将莫尔条纹图案32投射到表面20上。莫尔条纹图案32类似于地形图,其中,条纹图案的每个环等同于到第二激光源16的不同距离。莫尔条纹图案16包括倾向于具有正弦轮廓的亮环38与暗环40的交替环。此外,线22充当与每个环的距离相关的参照。
传感器系统的另一个实施例在图5中示出。传感器系统510包括:第一传感器511、第二传感器512和激光源514。第一传感器511和第二传感器512被附接到安装结构518。第一传感器511和第二传感器512可以是CCD、CMOS或其它类似的传感器,所述类似的传感器包括其它特征,诸如传感器控制器,正如关于之前实施例的传感器所描述的。激光源514也被附接到安装结构518并且被配置为将激光图案534投射到物体上。激光图案可以是上述的任意图案,或者,更具体地说,可以包括相对于第一传感器511和第二传感器512中的每一个被预校准的一系列线。预校准可以是如关于之前的实施例进行描述的工厂校准。
传感器系统510具有基本上垂直于激光源514的光轴532的传感器轴520。第一传感器511以相对于传感器轴520的角度为定向,该角度略小于第二传感器512的朝向角度。例如,第一传感器511可以具有以相对于传感器轴520的17°的角度为定向的光轴524。此外,通过举例的方式,第二传感器512可以具有以相对于传感器轴520的22°的角度为定向的光轴528。这样,第一传感器511具有由附图标记526表示的视场,该视场与激光投影534相交,从而形成感测体积521。激光投影534的轴可以与传感器轴520正交,并且可以与传感器光轴528和524位于一个平面中。类似地,第二传感器512具有与激光投影534相交的视场530,以形成第二感测体积522。第一传感器511和第二传感器512被定向为使得第一感测体积521和第二感测体积522形成连续感测体积523。
第一感测体积521与第二感测体积522有轻微的重叠,以形成连续感测体积523。感测体积521更靠近安装结构和感测体积522,并且大部分的感测体积521不与感测体积522重叠,并且,类似地,大部分的感测体积522不与感测体积521重叠。为了易于图示,感测体积被示出为方形。但是,清楚的是,第一感测体积521与第二感测体积522具有实际的3-D形状,其分别由第一视场526与激光投影534的相交以及第二视场530与激光投影534的相交形成。当然,该形状随着与传感器或投影仪的相对距离的增加而扩展,并且基于光学系统的影响可以具有弯曲的外部区域。这样,第一传感器511和第二传感器512一同工作,从而大大地提高景深,在为大部分应用提供足够的分辨率的同时,可以分析景深。此外,还清楚的是,与之前的实施例类似,还可以提供第二激光源并对其进行定向,以投射激光图案,从而与第一感测体积521和第二感测体积522相交。如上文所讨论的,第二激光源可以被附接到安装结构或被单独地安装。
在图6中,提供包括传感器阵列614的测量系统610。每个传感器614对应于传感器系统10、410或510,包括这些系统的上述任何改变或组合。系统610包括控制器616和至少一个传感器614。可以在车体或框架612周围放置多个传感器614,以测量多个特定位置处的几何形状的尺寸偏差。或者,可以与运动装置一同使用单个传感器,从而使得传感器614能够沿着车体612测量多个特征。例如,传感器614可以被附接到机械人臂,该机械人臂可以被操纵用来测量在车体612上的不同位置处的多个特征。
传感器614与控制器616进行电通信,以针对每个测量的特征提供一组数据。传感器614可以包括板上处理器,以分析图像数据并生成特征数据,例如,指示特征的位置和朝向。特征数据可以被传送到控制器616。传感器614可以通过大量有线或无线通信协议(包括但不限于以太网)与控制器616进行通信。控制器616包括配置用来分析数据的微处理器。另外,控制器616与报警系统618进行通信,以基于来自传感器614的测量生成警报。报警系统618可以包含诸如闪光灯的可视指示器、诸如警报器的音频指示器等。另外,报警系统618可以包含配置用来发送电子邮件、电话消息、寻呼机消息或类似的警报的通信系统。
现在参考图7,提供检查系统710来对车辆的轮对准进行检查。这样,检查系统710包括两个传感器系统712,其可以对应于传感器系统10、410或510中的任意一个,包括之前实施例中所描述的改变或其组合。但是,出于图示的目的,将针对图5中示出的传感器系统510的实现方式来进一步描述系统710。这样,检查系统710包括左边的传感器714,其将激光图案726投射到轮胎728的左侧。类似地,检查系统710包括右边的传感器716,其将第二激光图案724投射到轮胎728的右侧壁。因此,左边的传感器714和右边的传感器716可以确定轮胎728的左侧壁和轮胎728的右侧壁两者的位置和朝向,以确定轮胎728的整体位置和朝向。
针对车辆上的每个轮胎可以重复系统710的操作,因此,针对车辆的每个车轮可以执行轮对准计算,包括诸如缘距(toe)、外倾角、节距等之类的测量。传感器系统712可以通过通信链路720与控制器722进行通信。通信链路720可以包括有线或无线通信,该有线或无线通信包括串行通信、以太网或其它通信介质。控制器722可以包括处理器、存储器和显示器,以执行轮对准测量。另外,控制器722可以与测量其它轮胎的其它传感器系统712或者配置用来检查车辆上的其它车轮的对准的其它控制器进行通信。
现在参考图8,提供系统810的侧视图,示出实现在图5中描述的双传感器系统的在图7中的系统的一个实施例。传感器系统712包括:第一传感器811、第二传感器812和激光源814。第一传感器811、第二传感器812和激光源814中的每一个都可以被附接到安装结构818。第一传感器811和第二传感器812的每一个的视场与激光源814的激光投影834相交,从而形成第一感测体积821和第二感测体积822。此外,第一感测体积821和第二感测体积822重叠以形成连续的系统感测体积823。如上文参考图5所描述的,连续的感测体积823允许传感器系统712与车轮728之间的增加的感测范围。
由箭头840表示的该增加的感测范围允许适应大量的轮胎模型和基于轮的车辆,以及在轮对准检查期间的大转向角改变。此外,激光源814可以包括光学器件,该光学器件提供贯穿整个第一感测体积821的第一传感器811和贯穿整个第二感测体积822的第二传感器812两者的接收光学器件的放大率的1.5到3倍。
现在参考图9,提供示出投射的激光图案的一个实施例的轮胎的正视图。在该实施例中,左边的传感器714将包括一系列平行线的激光图案910投射到轮胎728左手的侧壁上。类似地,右边的传感器716将包括一系列线的图案912投射到轮胎728右手的侧壁上。该图案可以包括第一组线914和第二组线916,其中,第一组线914是平行的并且在每连续的线之间都具有相等的间距。类似地,第二组线916可以具有一组平行线,其中,每连续的线都具有相等的间距。此外,第二组线916的间距可以与在第一组线914中提供的间距相同。
现在参考图10,更详细地描述了第一组线914和第二组线916。第一组线914可以包括第一线1012、第二线1014、第三线1016和第四线1018。此外,第二组线916可以包括第五线1020、第六线1022、第七线1024和第八线1026。这些线可以具有由附图标记1032表示的相等的间距。但是,第四线1018与第五线1020之间的距离可以包括作为线标识的更大的间距1030。间距1030可以是例如其它线之间的间距的两倍。这可以通过下述方式容易地、有效地实现:改变激光线投射源的格栅,从而使得格栅的中间两条线不是被蚀刻而是被填充,从而不透射光。附加的间距1030可以被用于标识图案中的特定的线数量。
第一传感器的第一感测体积821和第二传感器的第二感测体积822可以具有重叠区域1010,从而使得双倍间距1030可以被第一传感器和第二传感器中的每一个检测到。因此,重叠区域1010将足够大,以示出在第一感测体积821中的第四线1018和在第二感测体积822中的第五线1020。但是,正如可以容易地理解的,线的阵列可以包括多于八条的线,这样,第四线1018和第五线1020将代表图案的中间两条线。使用间距的改变来对线图案进行编码,并且允许系统容易地识别中间的两条线,从而识别在每个感测体积内的每条线。在识别出每条线后,物体(在本例中为轮728)的位置之间的关系可以使用传感器模型和预定的校准参数来确定。传感器模型可以包括说明检测器和传感器的光学参数的照相机模型,以及说明激光图案和投影物体的激光源模型。此外。传感器模型和激光源模型可以通过预定的校准参数来链接,以提供关于该物体的3D点云数据。
现在参考图11,提供附加的实施例,以识别图案912中的每一条线。在一个实施例中,第二激光线1110可以与来自第二激光投影仪的一系列激光线正交。或者,除了可以被用来基于空间关系识别一系列线中的每一条线的这一系列线以外,还可以提供诸如十字准线的独特的符号1112。在另一个可选方案中,中间的两条线中的每一个都可以具有诸如十字记号的标记1114、1116,其中,在第一组线914上的十字记号1114在一侧,而第二组线916的十字记号1116在相对一侧。这样,每个十字记号都是可以区分的,并且可以被用来基于空间关系识别一系列线中的每一条线。在另一个可选方案中,线之间的间距可以变化,从而使得线的数量可以基于一条或多条连续的线之间的变化的间距关系来识别。在一个例子中,可以提供双线1118。这两条线可以被紧密地一起提供,以唯一地识别在该系列线中的一条线,然后,其它线中的每一条都可以通过连续的空间关系来识别。此外,可以提供用于对该系列的连续线进行编码的其它的识别特征,其包括其它的各种独特的标记,或线间距,线厚度,或线朝向。
现在参考图12,提供用于动态图像处理窗口调整的方法。方法1200开始于框1210。在框1210中,激光源将图案投射到特征上并且获取到图案与特征相交的图像。在一种实现方式中,图案可以是图9中的平行线912。在框1212中,激光信号像素被从图像中提取。这样,沿着线的每个像素可以被变换为线强度轮廓。这样,参考线被定义为基本上与该系列激光线正交并且可以使用时间偏移来获取。在对由照相机和/或激光投影模型进行的对传感器和激光投影畸变的校正后,通过添加与参考线正交的强度值来确定激光线轮廓。在框1214中,在激光轮廓中识别高点。如框1216所述,基于轮廓中的高点来计算处理区域。最后,处理区域被应用,并且基于普通三角测量原理来提取3D点云数据。
参考图13,提供用于激光线的动态识别和分配的方法。方法1300开始于框1310。在框1310中,激光被投射到特征上并获取图像。在框1312中,激光信号像素被提取。如框1314所示,在激光线中的标记区域被识别。激光线数据被投射到参考线上,阈值被应用到合成的投影值,以识别激光线上的节点。然后提取沿着参考线的节点。参考线可以表示正被测量的物体的平均位置。然后,节点间的间距被用来识别线编号。在一个示例中,编号从中心开始,中心与其紧邻的部分具有更高的间距。在框1316中,基于标记区域来分配激光线编号。
因此,这样理解,在图12和图13中示出的方法可以在单一的处理中一同被采用。例如,在步骤1216之间可以识别标记区域1314并且分配激光线编号1316,并且提取点云数据。此外,上述方法可以通过传感器控制器来执行,这样,点云数据可以被从传感器发送到系统控制器。或者,可以采用系统控制器来实现这些方法。
参考图15,安装结构18可以是I型管1510。I型管包括具有I型梁1514的管部分1512。壁1516延伸超出I型梁1514并形成凹部1520。激光源和检测器可以被安装到I型梁1514上的凹部1520中。另外,I型管可以包括冷却叶片1518以增加散热。I型管1510可以由多种材料形成,这些材料包括但不限于钢、殷钢、铝或其它工业材料。I型管1510可以包括多个温度传感器以补偿I型管材料的膨胀。这样,I型管1510提供被动热管理以及提供线性响应。管状形状和I型梁限制了除了沿着管的长度方向以外的方向上的膨胀。没有滞后的线性响应能够实现准确的主动热补偿。
参考图16,提供用于识别投射到部件上的激光线的方法1600。部件的类型可以基于应用而不同,例如,轮、薄片金属部件或其它表面。在框1610中,图像数据由诸如照相机的传感器捕获。该照相机被配置为接收投射到要被检查的部件上的激光线的图像。该照相机可以包括按行和列组织的多个像素,并且,例如,可以被配置为在任意一种之前描述的传感器系统中的传感器。对投射到轮上的线的灰度图像数据的图示在图17中作为附图标记1700提供。来自框1610的图像数据可以被提供到控制器以识别目标区域,如框1618所示。在框1620中,图像将被清除并且被增强,例如,使用众所周知的图像处理算法,诸如各种平滑算法或边缘增强算法。在框1622中,图像可以被分成多个水平区域。针对各种应用,区域的数量可以不同。
为了更好地理解图17中的图像数据,在图18中提供边缘增强图像,从而出于图示的目的允许图像的各种特征被容易地表示。但是,出于提供的示例性算法的目的,将使用如图17所示的灰度值来实现描述的处理。当然,这样理解,可以对边缘增强图像、平滑图像或已经通过边缘增强或平滑技术的组合进行增强的图像执行相同的算法。投射到轮胎上的一组激光线通常由附图标记1810来表示。该组激光线包括多条激光线,每条激光线都由附图标记1811表示。这些激光线可以与关于在本文中描述的其它实施例的上述各种配置相符。
另外,也可以在图像数据中存在各种其它噪声和反射。某些噪声或反射可能由视场内的其它物体反射的激光线导致或基于其它的照明源。例如,由附图标记1814表示的反射可以是由投射到轮缘结构而不是轮胎表面上的激光线所导致的各种反射。类似地,附图标记1812表示当识别由附图标记1811所表示的投射到轮胎表面上的激光线时,由算法也希望忽略的诸如挡泥板或轮罩的另一个物体对激光线的反射。在本实施例中,激光线被分成第一组1816和第二组1818,其中,第一组1816与第二组1818之间存在间隙1820。
图19示出被分成七个水平区域1910、1912、1914、1916、1920、1922和1924的图像。这些区域的数量和大小会根据应用而不同。当确定这些区域的数量和大小时,可以考虑诸如视场的大小和线投射的长度的因素。再次参考图16,如框1624所示,每一个区域都可以被处理。在框1626中,该区域内的每个像素的灰度值针对该列被总计和归一化,正如框1626所示。参考图20,可以更好地理解在框1626中总计并归一化列灰度级别的处理。
在图20中,示出区域1914。如线2010所示,在每个列中垂直地总计像素,从而提供对包含在该区域内的列的每一个像素的灰度值的总计。然后对总计进行归一化,例如,通过将灰度值除以该区域的每个列中的像素的数量。然后针对每一列计算该值,例如,这可以提供如图21所示的轮廓。在图21中,轮廓2110示出将针对区域1914中的每一列产生的归一化的灰度值。在轮廓中的各个峰对应于图像数据中的激光线。例如,激光线2012对应于峰2112。类似地,激光线2014对应于峰2114,激光线2016对应于峰2116,并且,激光线2018对应于峰2118。此外,可以充当将第一组线从第二组线识别的标记的间隙1820对应于在峰之间的间隔中的间隙2120,这些峰可以被用来识别对应于每一组激光线的每一组峰。出于图示的目的,在图22中提供轮廓2210,其对应于图19的区域1910中总计和归一化的列灰度级别。类似地,图23中的轮廓2320对应于图19的区域1916中的总计和归一化的列灰度级别。
再次参考图16,如框1628所示,使用候选线来识别列。基于识别可以与激光线对应的峰的斜率分析或阈值技术,可以分析这些峰。然后,可以针对每个峰计算每个峰的如线2410所表示的重心。基于参数的数量,每个峰的重心2410可以被选作线候选。例如,峰的高度、峰的宽度、由线2411表示的一个峰的重心与下一个最接近的峰的重心之间的距离,以及其它几何因素。另外,如果在线图案中不存在特定的标记,例如,第一组线1816与第二组线1818之间的间隙1820,那么控制器可以忽略线候选。这样,每个峰的重心之间的距离的具体图案可以被用来识别线候选。例如,距离2422可以在峰2112的重心2412与峰2014的重心2414之间被识别。另外,更大的间隙(例如,两倍的距离)可以被识别为由峰2014的重心2414与峰2016的重心2416之间的线2420所表示。然后,可以期望返回如由峰2016的重心2416与峰2018的重心2418之间的距离2424所表示的正常间距。
现在再次参考图16,如框1630所示,基于列差的熵和各种其它想要的过滤标准来计算区域熵值。区域熵充当图像中的峰的图案与期望的指标(signature)有多么相符的量度。可以基于峰之间的距离(或者,更具体地说,峰的重心之间的距离)和峰之间的中间距离来计算熵。例如,峰可以反映相邻峰的重心之间的距离减去每个相邻的识别的峰的重心之间的中间距离的差的平方的归一化和。在一个具体例子中,区域熵可以根据下面的关系来计算:
其中,Ci是峰的位置,Ci+1是与Ci相邻的峰的位置,CAvg是相邻峰之间的平均距离,N是识别的峰的数量。
如果附加区域要被处理,那么该方法跟随线1632到达框1624,其中,区域被递增,并且根据所述步骤1626、1628和1630来处理。或者,当每个区域已经被处理时,方法跟随1634到达1636。
示出区域熵计算的轮廓由图25中的附图标记2510来表示。在图25中提供的样本中,请注意,十六个区域被用来分开图像,而不是图19中示出的七个区域。但是,这样理解,基于具体的应用,区域的数量可以不同。如图16的框1636中所示,区域熵曲线如线2512所示被区分。区域熵可以通过简单地对相邻区域之间进行求差来被区分,尽管其它差分算法可以被用来生成差分轮廓。在框1638中,平滑过滤被应用到差分曲线。所得到的平滑轮廓由图25的线2514示出。这样理解,可以使用各种平滑技术,例如,简单地对相邻区域进行平均的运行平均平滑或高斯平滑,或其它各种加权的平滑技术。另外,还这样理解,可以使用各种其它轮廓处理技术,而不是步骤1636和1638,和/或可以基于具体的应用和期望的图案来改变各种轮廓处理技术的顺序。
在框1640中,针对曲线计算最大阈值。最大阈值可以基于各种因素,例如,每个峰的平均归一化灰度和,或者,可替换地使用各种其它已知的阈值技术,诸如模态分析或其它基于直方图的分析。在框1642中,识别在阈值下的曲线的最长的一段。对于在图25中示出的例子,在区域3中的线2518与区域12中的线2520之间,轮廓2514低于阈值2516下。然后,基于落在阈值2516之下的轮廓2514的部分生成目标区域。该目标区域可以被用于识别在图像数据中的线候选。在一个例子中,在线2518与2520之间的曲线2514上的最低点可以被用作目标区域的中心。在另一个例子中,在线2518与2520之间的中点可以被用作目标区域的中心。在另一个例子中,在水平方向上的重心可以被用来确定目标区域的中心。在该具体例子中,目标区域的中心被计算为区域6.9。区域6.9的值可以被转换为图像的行或在坐标空间中的对应几何结构。
在图26中,目标区域的例子被识别为附图标记2610。如上所述,基于落到计算的阈值之下的平滑轮廓的部分,目标区域2610的中心2612被确定。目标区域2610的高度可以与在原始区域中使用的高度相同,或者,可替换地,目标区域可以根据应用稍大或稍小。在这种情形中,该区域的顶部由线2614表示,并且该区域的底部由线2616表示。然后,通过在目标区域中寻找每个峰的重心来识别线候选。在一种实现中,如参考步骤1626所描述的,列可以被总计并归一化。在另一种实现中,沿着每一行可以找到各峰的重心,并且可以基于线拟合算法中的分组来将重心分配给线。在任一情形中,子窗口2622可以用来消除图像数据中多余的噪声。可以基于之前的步骤,例如,基于在框1626中确定的重心来确定窗口2622的大小和放置。
在框1646中,候选线是使用动态跟踪窗口用最接近的邻居从目标区域发现或跟踪的。在某些情形中,线的上端点将落入处理窗口中。例如,在窗口2622内的线的顶端点2624。在其它情形中,端点可以落到窗口外部,例如,附接在窗口2622内的线上的底端点2626。在本例中,该线被这样地跟踪:水平地沿着线寻找重心,然后垂直地向上或向下移动,并重复本处理直到找到末端点。寻找末端点的算法可以使用各种跟踪技术,诸如线拟合和分组技术,以及用于消除由图像中的各种噪声导致的窗口内找到的重心的跟踪窗口。在一个例子中,顶端点2630使用跟踪窗口2632来被识别。在这种情形中,在窗口2640中的线延伸到超出窗口2640的顶部。因此,跟踪窗口2634直接在窗口2640以上被生成,并且可以相对于基于窗口2640的线候选数据(例如,重心测量)水平地移位。根据用来随着向上跟踪时寻找线的重心的技术,窗口2643可以具有单行像素或多行像素的高度。如果针对每一行中的灰度值找到重心,那么窗口2634可以具有单行的高度。或者,如果列被总计并归一化以确定重心,那么窗口2634可以具有多行的高度。在任一种情况中,在窗口2634中确定的重心可以被用来随着其沿着线向上跟踪时水平地偏移后续窗口2636。本处理会继续,其中,每个窗口可以被直接垂直地置于前一个窗口之上并水平地偏移,直到端点2630在例如窗口2638中被找到。顶端点2624和底端点2626可以被用来生成拟合轮胎表面的弯曲窗口。然后,在一个例子中,顶端点2624可以被用于确定弯曲窗口的上边缘,例如,基于上端点2624的曲线拟合。类似地,弯曲窗口的底边缘可以使用下端点2626的曲线拟合来限定。然后,该信息可以被提供给框1650,其中,可以基于重心和任意标记来识别这些线。
框1650可以与上面确定的技术一致,例如,关于识别图13中的线顺序,因此在这里做一般讨论。如框1652所示,基于质量因素和其它标准,重心可以被用来消除错误的线。如框1654所示,标记线可以例如使用列距离与中间列距离的比来被识别。然后,如框1656所示,例如,基于列距离和各种其它过滤标准,从标记移出的每条线可以被识别和编号。
描述的任何的模块、控制器、服务器或引擎都可以在一个或多个通用计算机系统中实现。在图14中提供一个示例性系统。计算机系统1400包括用于执行指令的处理器1410,这些指令诸如在上面讨论的方法中描述的那些指令。这些指令可以被存储在计算机可读介质中,该计算机可读介质诸如为存储器1412或存储装置1414,例如,硬盘驱动器、CD或DVD。计算机可以包括显示控制器1416,其响应于指令生成在显示装置1418上显示的文字或图片,显示装置1418为例如计算机监视器。另外,处理器1410可以与网络控制器1420进行通信,以将数据或指令传送到其它系统,例如,其它的通用计算机系统。网络控制器1420可以通过因特网或其它已知协议通信来分布处理或通过各种网络技术提供对信息的远程访问,这些网络技术包括局域网、广域网、互联网或其它通常使用的网络技术。
在可替换实施例中,诸如专用集成电路、可编程逻辑阵列和其它硬件装置的专用硬件实现方式可以被构建以实现本文中描述的一个或多个方法。可以包括各种实施例的设备和系统的应用可以广泛地包括各种电子器件和计算机系统。本文中描述的一个或多个实施例可以使用两个或更多的特定的互连硬件模块或装置通过可以在这些模块间或通过这些模块进行通信的相关控制和数据信号来实现功能,或者可以将这些功能实现为专用集成电路的部分。因此,本系统包括软件、固件和硬件实现方式。
根据本公开的各种实施例,本文中描述的方法可以通过能够由计算机系统执行的软件程序来实现。此外,在示例性、非限制实施例中,实现方式可以包括分布处理、组件/对象分布处理、以及并行处理。或者,可以构建虚拟计算机系统处理来实现本文中所述的一个或多个方法或功能。
此外,本文中描述的方法可以被包含在计算机可读介质中。术语“计算机可读介质”包括单个介质或多个介质,诸如存储一组或多组指令的相关联的服务器和高速缓冲存储器,和/或集中式或分布式数据库。术语“计算机可读介质”还应当包括任何这样的介质:这些介质能够存储、编码或承载用于由处理器执行的一组指令或者使计算机系统执行本文中公开的任何一个或多个方法或操作。
本领域技术人员将容易地认识到,以上描述是指对本发明的原理的图示。本描述不应当限制本发明的范围或应用,因为在不脱离如下面的权利要求所限定的本发明的精神的情况下允许对本发明进行修改、变化和改变。
Claims (20)
1.一种用于分析感测体积中的特征的传感器系统,该传感器系统包括:
安装结构;
激光源,被附接到安装结构并被配置用来将多条激光线投射到特征上;
传感器,被附接到安装结构并被配置用来对激光线与特征的相交处进行成像;
控制器,与传感器进行通信以接收图像数据;所述图像数据包括对应于激光线与特征的相交处的峰,其中,控制器被配置为基于所述峰的熵来生成动态窗口。
2.根据权利要求1所述的传感器系统,其中,控制器将图像数据分成多个区域。
3.根据权利要求2所述的传感器系统,其中,传感器具有按行和列组织的多个像素,其中控制器对每个区域中的每一列像素进行总计和归一化以生成轮廓。
4.根据权利要求3所述的传感器系统,其中,控制器识别轮廓中的峰。
5.根据权利要求4所述的传感器系统,其中,控制器计算每个峰的重心。
6.根据权利要求5所述的传感器系统,其中,控制器计算各相邻峰间的距离。
7.根据权利要求6所述的传感器系统,其中,控制器基于各相邻峰间的距离来计算区域熵。
8.根据权利要求7所述的传感器系统,其中,控制器基于各相邻峰间的距离与各相邻峰间的平均距离之间的差来计算区域熵。
9.根据权利要求8所述的传感器系统,其中,控制器基于各相邻峰间的距离与各相邻峰间的平均距离之间的差的平方和来计算区域熵。
10.根据权利要求9所述的传感器系统,其中,基于区域中的峰的总数对总和进行归一化。
12.根据权利要求1所述的传感器系统,其中,控制器利用熵来生成对应于激光线与特征的相交处的目标区域。
13.根据权利要求12所述的传感器系统,其中,控制器识别目标区域中的线的位置并跟踪每一条激光线以寻找每一条激光线的上端点和下端点。
14.根据权利要求13所述的传感器系统,其中,控制器利用跟踪窗口在跟踪每一条激光线时过滤噪声;基于激光线的前一位置测量来调整跟踪窗口。
15.一种用于分析感测体积中的特征的方法,该传感器系统包括:
从传感器接收图像数据,该图像数据包括对应于激光线与特征的相交处的峰;
使用控制器基于峰的熵来生成动态窗口。
16.根据权利要求15所述的方法,其中,控制器将图像数据分成多个区域,传感器具有按行和列组织的多个像素,其中控制器对每个区域中的每一列像素进行总计和归一化以生成轮廓。
17.根据权利要求16所述的传感器系统,其中,控制器识别轮廓中的峰并计算各相邻峰间的距离。
18.根据权利要求17所述的传感器系统,其中,控制器基于各相邻峰间的距离与各相邻峰间的平均距离之间的差的平方和来计算区域熵。
20.根据权利要求15所述的传感器系统,其中,控制器利用熵来生成对应于激光线与特征的相交处的目标区域并识别所述线在目标区域中的位置,其中控制器跟踪每一条激光线以寻找每一条激光线的上端点和下端点,控制器利用跟踪窗口在跟踪每一条激光线时过滤噪声,并且基于激光线的前一位置测量来调整跟踪窗口。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/797,083 | 2010-06-09 | ||
US12/797,083 US8243289B2 (en) | 2009-05-29 | 2010-06-09 | System and method for dynamic windowing |
PCT/US2011/039543 WO2011156441A1 (en) | 2010-06-09 | 2011-06-08 | System and method for determining the position and orientation of a 3d feature |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103154665A true CN103154665A (zh) | 2013-06-12 |
CN103154665B CN103154665B (zh) | 2016-01-20 |
Family
ID=44511464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180036246.9A Expired - Fee Related CN103154665B (zh) | 2010-06-09 | 2011-06-08 | 用于分析感测体积中的特征的传感器系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8243289B2 (zh) |
EP (1) | EP2580557A1 (zh) |
JP (2) | JP2013531793A (zh) |
CN (1) | CN103154665B (zh) |
WO (1) | WO2011156441A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108352060A (zh) * | 2015-09-17 | 2018-07-31 | 汤姆逊许可公司 | 用于生成表示像素束的数据的方法和装置 |
CN108474644A (zh) * | 2015-08-10 | 2018-08-31 | 慧咨环球有限公司 | 体积估计方法、设备和系统 |
CN108693876A (zh) * | 2017-04-06 | 2018-10-23 | 通用汽车环球科技运作有限责任公司 | 目标跟踪 |
CN108775873A (zh) * | 2018-05-02 | 2018-11-09 | 浙江树人学院 | 一种三维扫描装置及其控制方法 |
CN109556533A (zh) * | 2018-06-13 | 2019-04-02 | 中国人民解放军陆军工程大学 | 一种针对多线结构光条纹图像的自动提取方法 |
CN111833427A (zh) * | 2020-07-21 | 2020-10-27 | 北京推想科技有限公司 | 对三维图像进行体绘制的方法及装置 |
CN116558438A (zh) * | 2023-07-11 | 2023-08-08 | 湖南视觉伟业智能科技有限公司 | 一种吹瓶质量检测装置及方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2683364T3 (es) * | 2012-11-07 | 2018-09-26 | Artec Europe S.A.R.L. | Método para monitorizar dimensiones lineales de objetos tridimensionales |
US10921118B2 (en) * | 2016-07-27 | 2021-02-16 | Vehicle Service Group, Llc | Hybrid 3D optical scanning system |
WO2018054888A1 (de) * | 2016-09-20 | 2018-03-29 | Visicon Automatisierungstechnik Gmbh | Verfahren und vorrichtung zur stereo-photogrammetrischen vermessung von unterschiedlichen objekten |
EP3296688A1 (de) * | 2016-09-20 | 2018-03-21 | VisiCon Automatisierungstechnik GmbH | Verfahren und vorrichtung zur stereo-photogrammetrischen vermessung von unterschiedlichen objekten |
EP3425327B1 (en) * | 2017-07-06 | 2023-09-06 | Car-O-Liner Group AB | Determining wheel alignment parameters |
CN108269279B (zh) | 2017-07-17 | 2019-11-08 | 先临三维科技股份有限公司 | 基于单目三维扫描系统的三维重构方法和装置 |
CN111512180A (zh) * | 2017-10-22 | 2020-08-07 | 魔眼公司 | 调整距离传感器的投影系统以优化光束布局 |
WO2019147390A2 (en) | 2018-01-26 | 2019-08-01 | Vehicle Hail Scan Systems, Llc | Vehicle surface scanning system |
CN109949303B (zh) * | 2019-03-28 | 2021-10-29 | 凌云光技术股份有限公司 | 工件形状检测方法及装置 |
EP3742110B1 (en) * | 2019-05-24 | 2023-03-08 | Helmut Fischer GmbH Institut für Elektronik und Messtechnik. | Apparatus for determining a layer thickness and method of operating such apparatus |
US11987005B2 (en) | 2019-12-19 | 2024-05-21 | Concept Laser Gmbh | Build plane measurement systems and related methods |
US11574395B2 (en) | 2020-11-25 | 2023-02-07 | Vehicle Service Group, Llc | Damage detection using machine learning |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5753931A (en) * | 1995-07-13 | 1998-05-19 | Nike, Inc. | Object imaging device and method using line striping |
US6639685B1 (en) * | 2000-02-25 | 2003-10-28 | General Motors Corporation | Image processing method using phase-shifted fringe patterns and curve fitting |
CN1605190A (zh) * | 2001-12-21 | 2005-04-06 | 皇家飞利浦电子股份有限公司 | 基于族直方图的商业广告节目和其它视频内容的检测技术 |
CN1844900A (zh) * | 2006-04-10 | 2006-10-11 | 浙江大学 | 基于激光图像的水果表面缺陷检测方法及装置 |
US7375826B1 (en) * | 2004-09-23 | 2008-05-20 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration (Nasa) | High speed three-dimensional laser scanner with real time processing |
CN101365922A (zh) * | 2006-08-03 | 2009-02-11 | 杜尔装备产品有限公司 | 用来确定车辆的车轴几何位置的方法 |
CN101680754A (zh) * | 2007-05-04 | 2010-03-24 | 宝克E·博特机械公司 | 非接触式车轮定位传感器以及方法 |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4188544A (en) * | 1977-08-22 | 1980-02-12 | Weyerhaeuser Company | Method and apparatus for automatically processing a workpiece employing calibrated scanning |
JPS6125003A (ja) | 1984-07-13 | 1986-02-03 | Hitachi Zosen Corp | 形状計測方法 |
FR2591329B1 (fr) * | 1985-12-10 | 1992-05-22 | Canon Kk | Appareil et procede de traitement d'informations tridimensionnelles |
US4846577A (en) * | 1987-04-30 | 1989-07-11 | Lbp Partnership | Optical means for making measurements of surface contours |
JPH01299406A (ja) * | 1988-05-27 | 1989-12-04 | Nissan Motor Co Ltd | 縞図形検出装置 |
US4979815A (en) * | 1989-02-17 | 1990-12-25 | Tsikos Constantine J | Laser range imaging system based on projective geometry |
US5218427A (en) * | 1991-09-06 | 1993-06-08 | Koch Stephen K | Ranging system for three-dimensional object digitizing |
US5175601A (en) * | 1991-10-15 | 1992-12-29 | Electro-Optical Information Systems | High-speed 3-D surface measurement surface inspection and reverse-CAD system |
JP3191419B2 (ja) * | 1992-07-14 | 2001-07-23 | 松下電器産業株式会社 | 線分検出方法 |
WO1994016290A1 (en) | 1993-01-15 | 1994-07-21 | Thermo Electron Web Systems Inc. | Web curl measurement system |
US5615003A (en) * | 1994-11-29 | 1997-03-25 | Hermary; Alexander T. | Electromagnetic profile scanner |
US5680215A (en) * | 1995-02-27 | 1997-10-21 | Lockheed Missiles & Space Company, Inc. | Vision inspection system and method |
US5870220A (en) * | 1996-07-12 | 1999-02-09 | Real-Time Geometry Corporation | Portable 3-D scanning system and method for rapid shape digitizing and adaptive mesh generation |
US6542246B1 (en) * | 1998-11-20 | 2003-04-01 | Fuji Photo Film Co., Ltd. | Blood vessel imaging system |
US6369401B1 (en) * | 1999-09-10 | 2002-04-09 | Agri-Tech, Inc. | Three-dimensional optical volume measurement for objects to be categorized |
US6788210B1 (en) * | 1999-09-16 | 2004-09-07 | The Research Foundation Of State University Of New York | Method and apparatus for three dimensional surface contouring and ranging using a digital video projection system |
JP4206213B2 (ja) * | 2000-04-28 | 2009-01-07 | オラメトリックス インコーポレイテッド | 表面を走査し三次元物体を作製するための方法及びシステム |
US6492651B2 (en) * | 2001-02-08 | 2002-12-10 | 3D Systems, Inc. | Surface scanning system for selective deposition modeling |
JP3855756B2 (ja) * | 2001-12-07 | 2006-12-13 | ブラザー工業株式会社 | 3次元色形状検出装置及び3次元スキャナー |
WO2003060424A1 (en) * | 2002-01-18 | 2003-07-24 | Mv Research Limited | A machine vision system |
CN1437000A (zh) * | 2002-02-09 | 2003-08-20 | 沈阳同联集团高新技术有限公司 | 投影栅线测量物体三维表面形状的方法和装置 |
US6931149B2 (en) * | 2002-04-19 | 2005-08-16 | Norsk Elektro Optikk A/S | Pipeline internal inspection device and method |
US7286223B2 (en) * | 2003-03-18 | 2007-10-23 | Loma Linda University Medical Center | Method and apparatus for detecting embedded rebar within an interaction region of a structure irradiated with laser light |
US7286246B2 (en) * | 2003-03-31 | 2007-10-23 | Mitutoyo Corporation | Method and apparatus for non-contact three-dimensional surface measurement |
US7084989B2 (en) * | 2004-04-19 | 2006-08-01 | Sick Ivp Aktiebolag | Measuring apparatus and method in a distribution system |
EP1875162B1 (en) * | 2005-04-06 | 2014-06-11 | Dimensional Photonics International, Inc. | Determining positional error of an optical component using structured light patterns |
CN101223414B (zh) | 2005-07-15 | 2011-05-04 | 旭硝子株式会社 | 形状检查方法及装置 |
US7454841B2 (en) * | 2005-11-01 | 2008-11-25 | Hunter Engineering Company | Method and apparatus for wheel alignment system target projection and illumination |
JP4380663B2 (ja) * | 2006-06-08 | 2009-12-09 | コニカミノルタセンシング株式会社 | 三次元形状測定方法、装置、及びフォーカス調整方法 |
JP5078583B2 (ja) * | 2007-12-10 | 2012-11-21 | インターナショナル・ビジネス・マシーンズ・コーポレーション | マクロ検査装置、マクロ検査方法 |
JP2009168524A (ja) * | 2008-01-11 | 2009-07-30 | Toshiba Corp | 光学系、パターン検査装置、パターンの検査方法、パターンを有する物品の製造方法 |
WO2009120073A2 (en) | 2008-03-24 | 2009-10-01 | Bantwal Janardrian Mohandas Rao | A dynamically calibrated self referenced three dimensional structured light scanner |
DE102008041343A1 (de) | 2008-08-19 | 2010-02-25 | Robert Bosch Gmbh | 3D-Vermessungssystem sowie 3D-Vermessungsverfahren |
DE102008048963B4 (de) | 2008-09-25 | 2011-08-25 | Technische Universität Braunschweig Carolo-Wilhelmina, 38106 | 3D-Geometrie-Erfassungsverfahren und -vorrichtung |
US8031345B2 (en) | 2009-05-29 | 2011-10-04 | Perceptron, Inc. | Hybrid sensor |
-
2010
- 2010-06-09 US US12/797,083 patent/US8243289B2/en not_active Expired - Fee Related
-
2011
- 2011-06-08 CN CN201180036246.9A patent/CN103154665B/zh not_active Expired - Fee Related
- 2011-06-08 JP JP2013514321A patent/JP2013531793A/ja active Pending
- 2011-06-08 WO PCT/US2011/039543 patent/WO2011156441A1/en active Application Filing
- 2011-06-08 EP EP11727370.6A patent/EP2580557A1/en not_active Ceased
-
2016
- 2016-01-15 JP JP2016006047A patent/JP6104416B2/ja not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5753931A (en) * | 1995-07-13 | 1998-05-19 | Nike, Inc. | Object imaging device and method using line striping |
US6639685B1 (en) * | 2000-02-25 | 2003-10-28 | General Motors Corporation | Image processing method using phase-shifted fringe patterns and curve fitting |
CN1605190A (zh) * | 2001-12-21 | 2005-04-06 | 皇家飞利浦电子股份有限公司 | 基于族直方图的商业广告节目和其它视频内容的检测技术 |
US7375826B1 (en) * | 2004-09-23 | 2008-05-20 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration (Nasa) | High speed three-dimensional laser scanner with real time processing |
CN1844900A (zh) * | 2006-04-10 | 2006-10-11 | 浙江大学 | 基于激光图像的水果表面缺陷检测方法及装置 |
CN101365922A (zh) * | 2006-08-03 | 2009-02-11 | 杜尔装备产品有限公司 | 用来确定车辆的车轴几何位置的方法 |
CN101680754A (zh) * | 2007-05-04 | 2010-03-24 | 宝克E·博特机械公司 | 非接触式车轮定位传感器以及方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108474644A (zh) * | 2015-08-10 | 2018-08-31 | 慧咨环球有限公司 | 体积估计方法、设备和系统 |
CN108352060A (zh) * | 2015-09-17 | 2018-07-31 | 汤姆逊许可公司 | 用于生成表示像素束的数据的方法和装置 |
CN108693876A (zh) * | 2017-04-06 | 2018-10-23 | 通用汽车环球科技运作有限责任公司 | 目标跟踪 |
CN108693876B (zh) * | 2017-04-06 | 2021-07-27 | 通用汽车环球科技运作有限责任公司 | 用于具有控制部件的车辆的目标跟踪系统及方法 |
CN108775873A (zh) * | 2018-05-02 | 2018-11-09 | 浙江树人学院 | 一种三维扫描装置及其控制方法 |
CN109556533A (zh) * | 2018-06-13 | 2019-04-02 | 中国人民解放军陆军工程大学 | 一种针对多线结构光条纹图像的自动提取方法 |
CN109556533B (zh) * | 2018-06-13 | 2020-12-22 | 中国人民解放军陆军工程大学 | 一种针对多线结构光条纹图像的自动提取方法 |
CN111833427A (zh) * | 2020-07-21 | 2020-10-27 | 北京推想科技有限公司 | 对三维图像进行体绘制的方法及装置 |
CN111833427B (zh) * | 2020-07-21 | 2021-01-05 | 推想医疗科技股份有限公司 | 对三维图像进行体绘制的方法及装置 |
CN116558438A (zh) * | 2023-07-11 | 2023-08-08 | 湖南视觉伟业智能科技有限公司 | 一种吹瓶质量检测装置及方法 |
CN116558438B (zh) * | 2023-07-11 | 2023-09-15 | 湖南视觉伟业智能科技有限公司 | 一种吹瓶质量检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
US8243289B2 (en) | 2012-08-14 |
WO2011156441A1 (en) | 2011-12-15 |
CN103154665B (zh) | 2016-01-20 |
JP6104416B2 (ja) | 2017-03-29 |
EP2580557A1 (en) | 2013-04-17 |
JP2013531793A (ja) | 2013-08-08 |
JP2016122008A (ja) | 2016-07-07 |
US20100302558A1 (en) | 2010-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103154665B (zh) | 用于分析感测体积中的特征的传感器系统和方法 | |
EP2435783B1 (en) | Hybrid sensor | |
Usamentiaga et al. | Multi-camera calibration for accurate geometric measurements in industrial environments | |
EP3006893B1 (en) | Methods for improving the accuracy of dimensioning-system measurements | |
CN102159918B (zh) | 用于测定机动车的车轮或车轴几何形状的方法和测量装置 | |
Luo et al. | A simple calibration procedure for structured light system | |
KR101003168B1 (ko) | 다차원 에비던스 그리드 및 그를 적용한 시스템 및 방법 | |
CN114119553B (zh) | 一种以十字激光为基准的双目视觉异面圆孔检测方法 | |
CN103487034B (zh) | 一种基于立式标靶的车载单目摄像头测距测高方法 | |
US7995218B2 (en) | Sensor system and reverse clamping mechanism | |
Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
CA2685598A1 (en) | Non contact wheel alignment sensor and method | |
CN111385558B (zh) | Tof摄像模组精度测量方法及其系统 | |
CN115790387A (zh) | 基于在线式相机的桥梁位移转角同步实时监测方法和系统 | |
JP6838225B2 (ja) | ステレオカメラ | |
JP2017003331A (ja) | 被計測物の形状を計測する計測装置、算出装置、算出方法及びプログラム | |
JP2021038939A (ja) | キャリブレーション装置 | |
JP6072508B2 (ja) | 路面段差検出方法、路面段差検出装置、路面段差検出装置を備えた車両 | |
CN105373792A (zh) | 车轮定位的方法和设备 | |
RU2592712C1 (ru) | Способ и система определения скорости транспортного средства | |
Stocher et al. | Automated simultaneous calibration of a multi-view laser stripe profiler | |
US11948321B2 (en) | Three-dimensional geometry measurement apparatus and three-dimensional geometry measurement method | |
KR20180079111A (ko) | 구면 모델링을 통한 깊이 정보 보정 방법과 보정장치 | |
CN116152352A (zh) | 激光雷达与补盲结构光相机的外参标定方法、系统和介质 | |
CN116165648A (zh) | 雷达融合视觉的防碰测距方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Lin Chengzhi Inventor after: Manning Craig A Inventor after: Keshavmarthy Shyam P Inventor before: Lin Chengzhi Inventor before: Manning Craig A Inventor before: Keshavmarthy Shyam P |
|
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 Termination date: 20190608 |