CN103279953A - 一种基于LabVIEW平台的机器视觉标定系统 - Google Patents
一种基于LabVIEW平台的机器视觉标定系统 Download PDFInfo
- Publication number
- CN103279953A CN103279953A CN2013101837324A CN201310183732A CN103279953A CN 103279953 A CN103279953 A CN 103279953A CN 2013101837324 A CN2013101837324 A CN 2013101837324A CN 201310183732 A CN201310183732 A CN 201310183732A CN 103279953 A CN103279953 A CN 103279953A
- Authority
- CN
- China
- Prior art keywords
- image
- scaling board
- coordinate
- round dot
- black round
- 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
Landscapes
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于LabVIEW平台的机器视觉标定系统,包括图像获取模块,用于获取标定板的图像;畸变校正模块,通过对标定板的图像采用径向畸变模型和坐标变换算法校正由相机镜头引起的畸变。本发明还公开了一种基于LabVIEW平台的机器视觉标定方法,主要是根据标定板的图像信息采用径向畸变模型和坐标变换算法校正由相机镜头引起的畸变。本发明整个系统不仅开发周期短,而且图像获取简便快捷,标定操作简单,标定精度较高。
Description
技术领域
本发明涉及一种机器视觉标定系统,特别涉及一种基于LabVIEW平台的机器视觉标定系统。
背景技术
机器视觉是利用光电成像系统采集被监测目标的图像,经过计算机进行数字图像处理或通过专用的图像处理模块进行数字处理,再根据图像的相关信息(如像素分布、亮度和颜色等信息),进行尺寸、形状、颜色等目标识别。这样,把计算机的快速性、灵活性和可复现性,与人眼视觉的高度智能和抽象理解能力相结合,大大提高了生产、测量和监控的柔性和自动化程度。
随着光电技术和计算机技术的发展,机器视觉系统在制药、印刷、半导体、工业零件检测等领域取得了广泛的应用。利用机器视觉系统进行几何量测量时,得到的图像信息是以像素为单位来表示的。如果要给出实际的测量结果数值,必须建立数字图像像素与实际尺寸的对应关系。因此在测量之前,需要首先对从图像坐标系转换到工作台坐标系的转换系数进行标定。标定实际上就是确定每一个像素所表示的实际物理尺寸。标定的准确与否,将直接影响图像测量系统的测量精度。传统的标定系统从图像获取到标定处理算法主要使用C/C++作为编程语言,开发周期长,程序抽象,对图像的标定比较繁琐,用标定的结果修正数据也不方便,对于程序开发者的要求很高,对于大都数使用者而言,难以改良其代码。
发明内容
发明目的:针对上述现有技术存在的问题和不足,本发明的目的是提供一种开发周期短,图像获取简便快捷,标定操作简单,标定精度较高的基于LabVIEW平台的机器视觉标定系统。
技术方案:为实现上述发明目的,本发明采用一种基于LabVIEW平台的机器视觉标定系统,包括图像获取模块,用于获取标定板的图像;
畸变校正模块,通过对标定板的图像采用径向畸变模型和坐标变换算法校正由相机镜头引起的畸变。
其中,所述图像获取模块包括CCD相机、1394B接口、图像采集卡、LabVIEW视觉助手模块,其中CCD相机用于采集标定板的图像,CCD相机采集的标定板图像通过1394B接口传输到图像采集卡,通过LabVIEW平台获取图像采集卡中的标定板图像。
其中,所述坐标变换算法将标定板上黑色圆点在像平面中的实际成像点坐标代入径向畸变模型得出标定板上黑色圆点在像平面中的畸变修正量,从而得出标定板上黑色圆点在线性模型中的像平面坐标,最后根据线性模型中的像平面坐标与世界坐标之间的比例关系可以得出黑色圆点在像平面中实际成像点坐标与世界坐标系中坐标的对应关系完成标定。线性模型中的像平面坐标即为不存在畸变情况下像平面坐标。
其中,为了校正畸变,一般采用具有明显分辨特征的点阵模板进行标定,所以所述标定板为实心圆形点阵标定板。
本发明还提供了一种基于LabVIEW平台的机器视觉标定方法,包括以下步骤:
1)将CCD相机与图像采集卡的1394B接口连接,将标定板放置于CCD相机的视场内,通过LabVIEW平台获取图像采集卡中的标定板图像;
2)由于标定板的黑色圆点和白色底板具有明显的分辨特征即黑色圆点边缘的灰度值差别显著,因此利用标定板上黑色圆点边缘的灰度值作为阀值分割提取标定板中的黑色圆点,确定标定板中的黑色圆点在世界坐标系中的坐标,同时确定在X方向与Y方向相邻的黑色圆点圆心间的距离;
3)将标定板中的黑色圆点在像平面中的实际成像点坐标代入径向畸变模型得出黑色圆点在像平面中的畸变修正量,从而得出黑色圆点在线性模型中的像平面坐标,最后根据线性模型中的像平面坐标与世界坐标之间的比例关系可以得出黑色圆点在像平面中实际成像点坐标与世界坐标系中坐标的对应关系完成标定。
有益效果:本发明将复杂的标定信息与图像信息结合,实现像素坐标到实际工件坐标的转换,与现有技术相比本发明基于LabVIEW平台对机器视觉系统进行标定,不仅开发周期短,而且图像获取简便快捷,标定操作简单,标定精度较高。
具体实施方式
下面结合具体实施方式对本技术方案做进一步说明。
将CCD相机与图像采集卡的1394B接口连接,然后将标定板放置于CCD相机的视场内,通过LabVIEW平台的捕获图像节点,选择通过1394B接口获取图像。
接着由畸变校正模块根据获取标定板图像的信息对镜头畸变进行校正。主要步骤如下:
1)选择标定图片源;选择通过图像获取模块采集到的标定板图像;
2)提取特征点;由于标定板的黑色圆点和白色底板具有明显的分辨特征即黑色圆点边缘的灰度值差别显著,可以利用黑色圆点边缘的灰度值作为分割的阀值进行分割,从而将所有的特征点坐标提取出来;
3)列出网格参数,将步骤2)中获得的标定板中黑色圆点在X方向和Y方向相邻的两个黑色圆点的圆心间的距离和单位输入到LabVIEW平台中,这将作为畸变校正时工件世界坐标的标准,所以对于标定板的精度需要比测量的精度至少高一个数量级;
4)将标定板上黑色圆点在像平面中的实际成像点坐标代入径向畸变模型得出标定板上黑色圆点在像平面中的畸变修正量,从而得出标定板上黑色圆点在线性模型中的像平面坐标,最后根据线性模型中的像平面坐标与世界坐标之间的比例关系可以得出黑色圆点在像平面中实际成像点坐标与世界坐标系中坐标的对应关系,最终完成标定。
5)标定完成后可以通过LabVIEW平台查看标定后的图片和标定信息,并与模式识别模板等信息一起保存为png文件,只要摄像头和工作台的相对位置不变,就不需要重新标定。
Claims (4)
1.一种基于LabVIEW平台的机器视觉标定系统,其特征在于:
图像获取模块,用于获取标定板的图像;
畸变校正模块,通过对标定板的图像采用径向畸变模型和坐标变换算法校正由相机镜头引起的畸变;
其中,所述坐标变换算法将标定板上黑色圆点在像平面中的实际成像点坐标代入径向畸变模型得出黑色圆点在像平面中的畸变修正量,从而得出黑色圆点在线性模型中的像平面坐标,最后根据线性模型中的像平面坐标与世界坐标之间的关系得出黑色圆点在像平面中实际成像点坐标与世界坐标系中坐标的对应关系。
2.根据权利要求1所述的基于LabVIEW平台的机器视觉标定系统,其特征在于:所述图像获取模块包括CCD相机、1394B接口、图像采集卡、LabVIEW平台,其中CCD相机用于采集标定板的图像,CCD相机采集的标定板的图像通过1394B接口传输到图像采集卡,通过LabVIEW平台中的图像获取节点获取图像采集卡中的图像。
3.根据权利要求1所述的基于LabVIEW平台的机器视觉标定系统,其特征在于:所述标定板为实心圆形点阵标定板。
4.一种基于LabVIEW平台的机器视觉标定方法,其特征在于:包括以下步骤:
1)将CCD相机与图像采集卡的1394B接口连接,将标定板放置于CCD相机的视场内,通过LabVIEW平台中的图像获取节点获取图像采集卡中的标定板图像;
2)利用标定板上黑色圆点边缘的灰度值作为分隔阀值进行分割,从而提取标定板中的黑色圆点坐标,确定标定板中的黑色圆点在世界坐标系中的坐标,同时确定在X方向与Y方向相邻的黑色圆点圆心间的距离;
3)将标定板上黑色圆点在像平面中的实际成像点坐标代入径向畸变模型中得出黑色圆点在像平面中的畸变修正量,从而得出黑色圆点在线性模型中的像平面坐标,最后根据线性模型中的像平面坐标与世界坐标之间的关系得出黑色圆点在像平面中实际成像点坐标与世界坐标系中坐标的对应关系完成标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101837324A CN103279953A (zh) | 2013-05-17 | 2013-05-17 | 一种基于LabVIEW平台的机器视觉标定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101837324A CN103279953A (zh) | 2013-05-17 | 2013-05-17 | 一种基于LabVIEW平台的机器视觉标定系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103279953A true CN103279953A (zh) | 2013-09-04 |
Family
ID=49062460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101837324A Pending CN103279953A (zh) | 2013-05-17 | 2013-05-17 | 一种基于LabVIEW平台的机器视觉标定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103279953A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154050A (zh) * | 2017-05-03 | 2017-09-12 | 魏玉震 | 一种基于机器视觉的石材几何参数的自动获取方法 |
CN109040741A (zh) * | 2018-06-15 | 2018-12-18 | 上海应用技术大学 | 一种用于机器视觉系统的标定及测试装置和方法 |
CN109525762A (zh) * | 2018-12-05 | 2019-03-26 | 深圳英微智能科技有限公司 | 大幅面图像获取方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08293026A (ja) * | 1995-04-21 | 1996-11-05 | Murata Mach Ltd | 画像認識装置 |
CN101609507A (zh) * | 2009-07-28 | 2009-12-23 | 中国科学技术大学 | 步态识别方法 |
CN103077518A (zh) * | 2012-12-31 | 2013-05-01 | 北京配天大富精密机械有限公司 | 基于圆环点的相机自标定方法及装置 |
-
2013
- 2013-05-17 CN CN2013101837324A patent/CN103279953A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08293026A (ja) * | 1995-04-21 | 1996-11-05 | Murata Mach Ltd | 画像認識装置 |
CN101609507A (zh) * | 2009-07-28 | 2009-12-23 | 中国科学技术大学 | 步态识别方法 |
CN103077518A (zh) * | 2012-12-31 | 2013-05-01 | 北京配天大富精密机械有限公司 | 基于圆环点的相机自标定方法及装置 |
Non-Patent Citations (3)
Title |
---|
朱焱丹 等: "基于LabVIEW的机器视觉系统的标定", 《中国测试》, vol. 35, no. 6, 30 November 2009 (2009-11-30) * |
李长春: "机器视觉中摄像机标定技术研究及实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 1, 15 December 2011 (2011-12-15) * |
李鹏 等: "摄像机标定方法简述", 《传感器世界》, no. 3, 25 March 2007 (2007-03-25), pages 21 - 24 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154050A (zh) * | 2017-05-03 | 2017-09-12 | 魏玉震 | 一种基于机器视觉的石材几何参数的自动获取方法 |
CN109040741A (zh) * | 2018-06-15 | 2018-12-18 | 上海应用技术大学 | 一种用于机器视觉系统的标定及测试装置和方法 |
CN109525762A (zh) * | 2018-12-05 | 2019-03-26 | 深圳英微智能科技有限公司 | 大幅面图像获取方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340797B (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
CN106824806B (zh) | 基于机器视觉的小模数塑料齿轮的检测方法 | |
CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
CN105865329A (zh) | 基于视觉的成捆圆钢端面中心坐标的获取系统和方法 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
WO2019001164A1 (zh) | 滤光片同心度测量方法及终端设备 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN115564723A (zh) | 一种晶圆缺陷检测方法及应用 | |
CN103279953A (zh) | 一种基于LabVIEW平台的机器视觉标定系统 | |
CN202267464U (zh) | 一种基于手机的快速检测叶片面积的装置 | |
CN105758337B (zh) | 一种获取透镜平面与图像传感器平面之间夹角的方法 | |
CN114119695A (zh) | 一种图像标注方法、装置及电子设备 | |
CN112686872B (zh) | 基于深度学习的木材计数方法 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
CN110751690B (zh) | 铣床刀头视觉定位方法 | |
CN111784779A (zh) | 基于卷积神经网络和嵌套轮廓识别的棋盘格图像识别定位系统及方法 | |
CN102013087B (zh) | 一种裁剪样板数字化的方法 | |
CN111121637A (zh) | 一种基于像素编码的光栅位移检测方法 | |
CN106413280B (zh) | 贴片机喂料器元件位置自动矫正装置及自动矫正方法 | |
CN115511977A (zh) | 一种基于标定模板的外参标定方法及装置 | |
CN112232272B (zh) | 一种激光与视觉图像传感器融合的行人识别方法 | |
CN114299481A (zh) | 车辆识别码的识别方法、装置及计算机设备 | |
CN104677906A (zh) | 影像信息检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130904 |