CN106097302B - 基于单张图片的物体三维形貌非接触测量方法 - Google Patents

基于单张图片的物体三维形貌非接触测量方法 Download PDF

Info

Publication number
CN106097302B
CN106097302B CN201610370998.3A CN201610370998A CN106097302B CN 106097302 B CN106097302 B CN 106097302B CN 201610370998 A CN201610370998 A CN 201610370998A CN 106097302 B CN106097302 B CN 106097302B
Authority
CN
China
Prior art keywords
blurred width
camera
defocus distance
width
blurred
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
CN201610370998.3A
Other languages
English (en)
Other versions
CN106097302A (zh
Inventor
方钦志
钱炯
俞慧敏
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong 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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201610370998.3A priority Critical patent/CN106097302B/zh
Publication of CN106097302A publication Critical patent/CN106097302A/zh
Application granted granted Critical
Publication of CN106097302B publication Critical patent/CN106097302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images

Abstract

本发明提供一种基于单张图片的物体三维形貌非接触测量方法，包括相机CCD光强‑灰度的非线性响应校正、离焦距离和模糊宽度评价函数曲线标定和物体表面三维形貌重建三大步骤，相机CCD光强——灰度的非线性是通过比较标准条纹灰度值和相机转换后图像条纹灰度值来校正，通过理论得出离焦距离和模糊宽度关系方程，利用实验标定得出相关相机参数，建立离焦距离和模糊宽度的评价曲线；利用相机参数可以得到物体表面投影到附近聚焦平面的面内坐标，利用模糊宽度的测量计算，可以得到物体表面和聚焦平面的距离，由此方法根据一张照片可以测量得到物体表面的三维表面形貌。

Description

基于单张图片的物体三维形貌非接触测量方法
技术领域
本发明涉及一种利用评估照片模糊程度来测量物体表面形貌的方法，特别涉及基于单张图片的物体三维形貌非接触测量方法。
背景技术
利用评估照片模糊程度来测量物体表面形貌的方法具有计算简单，只需要一个镜头等优点，国内外对此已经有了许多研究。现有的方法主要分为DFF(depth from focus)方法和DFD(depth from defocus)方法。DFF方法需要多张在不同距离拍摄的照片，评估这些照片的模糊程度，找到聚焦最好的一张，就能得到测量点的深度信息。在每个测量点上重复上述的工作，就能得到物体表面的三维形貌。DFD方法需要对物体拍摄最少两张模糊程度不同的照片，通过照片的模糊信息和相机的参数可以求得物体的深度信息。
以上方法需要对物体拍摄两者或更多的图片才能得到物体表面的三维形貌，这就导致了这些方法不适用于实时测量移动或变形的物体。而且多张图片测量物体表面三维形貌需要对不同图片上的对应点进行匹配，这会提高测量方法的计算时间和难度。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于单张图片的物体三维形貌非接触测量方法，解决现有的利用评估照片模糊程度来测量物体表面形貌的方法对照片数量需求过多的缺点。
为达到上述目的本发明采用如下方案：
一种基于单张图片的物体三维形貌非接触测量方法，包括以下步骤：
步骤1、通过比较标准条纹灰度值和相机转换后图像的条纹灰度值，对相机CCD光强-灰度的非线性响应进行校正；
步骤2、通过理论得出离焦距离和模糊宽度关系方程，利用实验标定得出相关相机参数，建立离焦距离和模糊宽度的评价曲线；
步骤3、测量物体三维形貌
3.1在被测物体表面制备特征散斑；
3.2拍摄一张被测物体的照片；通过校正相机CCD光强-灰度非线性响应，修正照片中的灰度值；计算照片中各散斑边缘处的模糊宽度，利用离焦距离和模糊宽度的评价曲线，得到该处的深度值；
3.3利用相机参数得到物体表面投影到附近聚焦平面的面内坐标；
3.4根据被测物体上各点的深度值和面内坐标，最终得到了被测物体的三维表面形貌。
进一步，所述步骤2中，计算所有照片的模糊宽度，结合与之对应的离焦距离，得到模糊宽度和离焦距离关系的标定曲线；通过标定曲线，得到离焦距离和模糊宽度关系的理论方程中的相关相机参数，最终建立离焦距离和模糊宽度的评价曲线。
进一步，所述步骤3.2中，模糊宽度为沿着散斑边缘灰度值梯度方向上的模糊区域的宽度，通过模糊区域附近最大灰度值与最小灰度值的差值除以模糊区域内沿着梯度方向上的灰度值分布的斜率得到。
进一步，通过计算测量点与周围相同距离的点的灰度值差值，灰度值差值最大的两个点的连线作为灰度值梯度方向。
本发明基于单张图片的物体三维形貌非接触测量方法，基于离焦距离和模糊宽度具有一一对应的关系，利用模糊宽度可以有效的消除环境光照和物体表面反射率对模糊宽度计算结果的影响。通过离焦距离和模糊宽度关系的理论公式，在相机参数下得到的离焦距离和模糊宽度评价曲线可以转化成其他相机参数下的评价曲线，这使得本方法在实际操作中简单易行，且有更广的适用性。
附图说明
图1为本发明测量系统的示意图
图2为模糊区域沿灰度值梯度方向的灰度值分布图
具体实施方式
以下结合附图及实施例对本发明做进一步的详细描述。
如图1所示，被测物体被放置在相机的前方。物体在聚焦平面上的测量点能够在相机CCD上形成清晰的像，而一旦测量点偏离聚焦平面，它在相机CCD上的像为一块圆散斑。离焦距离越大，圆散斑的直径就越大。
本发明实施例的基于单张图片的物体三维形貌非接触测量方法包括如下步骤：
(1)通过比较标准条纹灰度值和相机转换后图像条纹灰度值对相机CCD光强-灰度的非线性响应进行校正。
(2)对一个平面物体表面制备特征散斑。把实验相机安装在三维移动平台上，并把平面物体平行放置于相机前方。移动实验平台找到相机聚焦清晰的位置作为起始位置，然后继续移动平台，从聚焦清晰到离焦模糊，拍摄一系列该平面物体的照片，记录照片的序号和对应的移动距离。通过校正相机CCD光强-灰度非线性响应，修正照片中的灰度值。
(3)计算测量点与周围相同距离的点的灰度值差值，灰度值差值最大的两个点的连线作为灰度值梯度方向。
(4)沿着散斑边缘灰度值梯度方向上的模糊区域的宽度定义为模糊宽度。如图2所示为其中一处模糊区域内的修正后灰度值在梯度方向上的分布，模糊宽度通过模糊区域附近最大最小灰度值的差值除以模糊区域在梯度方向上的灰度值分布的斜率得到。
(5)计算所有照片的模糊宽度，结合之前记录的与之对应的离焦距离，最终得到了模糊宽度和离焦距离关系的标定曲线。通过标定曲线，可以得到离焦距离和模糊宽度关系的理论方程中的相关相机参数，最终建立离焦距离和模糊宽度的评价曲线。
(6)在被测物体表面制备的黑色散斑。
(7)拍摄一张被测物体的照片。通过校正相机CCD光强-灰度非线性响应，修正照片中的灰度值。计算照片中各散斑边缘处的模糊宽度，利用离焦距离和模糊宽度的评价曲线，得到了该处的深度值。
(8)利用相机参数可以得到物体表面投影到附近聚焦平面的面内坐标。
(9)根据被测物体上各点的深度值和面内坐标，最终得到了被测物体的三维表面形貌。

Claims (3)

1.一种基于单张图片的物体三维形貌非接触测量方法，其特征在于包括以下步骤：
步骤1、通过比较标准条纹灰度值和相机转换后图像的条纹灰度值，对相机CCD光强-灰度的非线性响应进行校正；
步骤2、通过理论得出离焦距离和模糊宽度关系方程，利用实验标定得出相关相机参数，建立离焦距离和模糊宽度的评价曲线；
步骤3、测量物体三维形貌
3.1 在被测物体表面制备特征散斑；
3.2 拍摄一张被测物体的照片；通过校正相机CCD光强-灰度非线性响应，修正照片中的灰度值；计算照片中各散斑边缘处的模糊宽度，利用离焦距离和模糊宽度的评价曲线，得到该处的深度值；
3.3 利用相机参数得到物体表面投影到附近聚焦平面的面内坐标；
3.4 根据被测物体上各点的深度值和面内坐标，最终得到了被测物体的三维表面形貌；
所述步骤3.2中，模糊宽度为沿着散斑边缘灰度值梯度方向上的模糊区域的宽度，通过模糊区域附近最大灰度值与最小灰度值的差值除以模糊区域内沿着梯度方向上的灰度值分布的斜率得到。
2.如权利要求1所述的基于单张图片的物体三维形貌非接触测量方法，其特征在于：所述步骤2中，计算所有照片的模糊宽度，结合与之对应的离焦距离，得到模糊宽度和离焦距离关系的标定曲线；通过标定曲线，得到离焦距离和模糊宽度关系的理论方程中的相关相机参数，最终建立离焦距离和模糊宽度的评价曲线。
3.如权利要求1所述的基于单张图片的物体三维形貌非接触测量方法，其特征在于：通过计算测量点与周围相同距离的点的灰度值差值，灰度值差值最大的两个点的连线作为灰度值梯度方向。
CN201610370998.3A 2016-05-30 2016-05-30 基于单张图片的物体三维形貌非接触测量方法 Active CN106097302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610370998.3A CN106097302B (zh) 2016-05-30 2016-05-30 基于单张图片的物体三维形貌非接触测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610370998.3A CN106097302B (zh) 2016-05-30 2016-05-30 基于单张图片的物体三维形貌非接触测量方法

Publications (2)

Publication Number Publication Date
CN106097302A CN106097302A (zh) 2016-11-09
CN106097302B true CN106097302B (zh) 2019-07-23

Family

ID=57230391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610370998.3A Active CN106097302B (zh) 2016-05-30 2016-05-30 基于单张图片的物体三维形貌非接触测量方法

Country Status (1)

Country Link
CN (1) CN106097302B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108168439B (zh) * 2017-12-29 2019-11-19 北京理工大学 一种基于亚像素的裂缝宽度检测方法
CN111325683B (zh) * 2020-01-23 2023-06-20 深圳市易尚展示股份有限公司 基于复合编码三维重建的散斑灰度校正方法和装置
CN113421245A (zh) * 2021-06-27 2021-09-21 王程 用于颜色再现的三维表面粗糙度计算方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900536A (zh) * 2010-07-28 2010-12-01 西安交通大学 基于数字图像法的物体表面形貌的测量方法
CN103413309A (zh) * 2013-08-12 2013-11-27 西北工业大学 一种基于结构光三维测量系统的ccd相机非线性度标定方法
CN104299202A (zh) * 2014-10-25 2015-01-21 中国科学院光电技术研究所 一种基于中频的离焦模糊图像盲复原方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2013273843A1 (en) * 2013-12-23 2015-07-09 Canon Kabushiki Kaisha Motion blur compensation for depth from defocus

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900536A (zh) * 2010-07-28 2010-12-01 西安交通大学 基于数字图像法的物体表面形貌的测量方法
CN103413309A (zh) * 2013-08-12 2013-11-27 西北工业大学 一种基于结构光三维测量系统的ccd相机非线性度标定方法
CN104299202A (zh) * 2014-10-25 2015-01-21 中国科学院光电技术研究所 一种基于中频的离焦模糊图像盲复原方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Blind Image Quality Assessment for Measuring Image Blur;Xin Wang 等;《2008 Congress on Image and Signal Processing》;20080530;正文第468页第2.1节
Depth Estimation Based on Defocus Blur Using a Single Image Taken by a Tilted lens Optics Camera;Yuzo Taketomi 等;《2013 International Symposium on Intelligent Signal Processing and Communications Systems(ISPACS)》;20131115;403-408
DEPTH FROM DEFOCUS AND BLUR FOR SINGLE IMAGE;Huadong Sun等;《Visual Communications and Image Processing(VCIP),2013》;20131120;1-5
单幅自然场景深度恢复;曹风云 等;《中国图象图形学报》;20140531;第19卷(第5期);0746-0754

Also Published As

Publication number Publication date
CN106097302A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN106705855B (zh) 一种基于自适应光栅投影的高动态性能三维测量方法
CN106097302B (zh) 基于单张图片的物体三维形貌非接触测量方法
CN103292734B (zh) 相位测量系统中伽玛值标定方法
US20150260509A1 (en) Three dimensional (3d) imaging by a mobile communication device
CN107218904B (zh) 一种基于锯齿靶标的线结构光视觉传感器标定方法
CN107917679B (zh) 一种高亮、过暗区域动态检测、补偿的方法
CN104236482B (zh) 结合几何标定的相位测量轮廓术系统非线性校正方法
KR20200132838A (ko) 오브젝트의 3차원 이미지 생성 방법 및 시스템
CN106091986B (zh) 一种适用于光亮表面的三维测量方法
JP5633058B1 (ja) ３次元計測装置及び３次元計測方法
CN107610183B (zh) 一种条纹投影相位高度转换映射模型的标定方法
KR20110052993A (ko) 영상 보정 장치 및 영상 보정 방법
CN108335286A (zh) 一种基于双线结构光的在线焊缝成型视觉检测方法
US20150022659A1 (en) Luminance measuring apparatus
KR102255017B1 (ko) 시간 코딩된 패턴 타겟을 사용하여 적어도 하나의 센서 카메라를 포함하는 이미지 캡처 센서를 캘리브레이션하는 방법
CN105976363A (zh) 光学中心检测方法、校正方法及相关装置
CN106643567B (zh) 一种车道偏移系统产线标定板的校验方法及系统
US8970674B2 (en) Three-dimensional measurement apparatus, three-dimensional measurement method and storage medium
WO2016135856A1 (ja) ３次元形状計測システムおよびその計測方法
KR20180040846A (ko) 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법
Pistellato et al. Adaptive albedo compensation for accurate phase-shift coding
JP6139141B2 (ja) 外観画像生成方法及び外観画像生成装置
Chen et al. Dynamic 3D surface profilometry using a novel colour pattern encoded with a multiple triangular model
Berssenbrügge et al. Characterization of the 3D resolution of topometric sensors based on fringe and speckle pattern projection by a 3D transfer function
CN105698708A (zh) 一种三维视觉重建方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant