CN106441234B - 一种3d机器视觉空间检测标定方法 - Google Patents
一种3d机器视觉空间检测标定方法 Download PDFInfo
- Publication number
- CN106441234B CN106441234B CN201610839304.6A CN201610839304A CN106441234B CN 106441234 B CN106441234 B CN 106441234B CN 201610839304 A CN201610839304 A CN 201610839304A CN 106441234 B CN106441234 B CN 106441234B
- Authority
- CN
- China
- Prior art keywords
- space
- depth camera
- face
- line
- depth
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Abstract
本专利公开了一种基于深度视觉的3D机器视觉空间检测标定方法。通过现场标准化的物理空间九个特征点标定，通过深度相机采集深度信息直接完成空间转换、坐标变换、虚拟空间生成，能够快速完成3D机器视觉在空间检测中的标定过程，降低了标定复杂度，同时基于实际现场的标定过程有效避免了环境变化因素的影响。
Description
技术领域
本发明涉及一种3D机器视觉空间检测标定方法，属于工业机器视觉检测领域，尤其是基于深度相机的视觉检测领域。
背景技术
随着3D成像技术的发展，基于TOF技术的深度相机逐渐成熟，在工业机器视觉检测中开始应用。目前，在涉及空间检测的应用技术方面，主要有激光雷达，激光光栅扫描，二维多目立体视觉合成等。这些技术具有检测精度高，系统复杂、价格昂贵、空间分辨率较低、运算复杂的特点，而基于TOF技术的深度相机能够在高像素分辨率下，拥有较大的有效量程和快速同步测量的优势，在空间检测、工件姿态位置检测方面有巨大的优势。
目前公开的资料主要是对被检测物体的三维定量测量或定性分析。如专利CN201610310421.3公开了一种采用成像光谱仪前后两位置的光谱图像来探测物体的三维空间信息的方法，专利CN201610541401.7公开了一种基于主动斑投射器的三维形貌测量方法，专利CN201610051692.1公开了一种三维空间物体分割提取的方法，专利CN201510976370.3公开了一种基于空间面片的三维角点检测方法，专利CN201510170255.7公开了一种采用激光扫描传感器的的三维空间精细测量系统。针对动态空间的相对定位检测和标定尚未见相关公开信息。本发明基于高分辨率像素深度相机来构建动态虚拟空间，实现动态空间的精确检测与标定，在工业实时在线3D视觉检测中有重要的意义。
发明内容
本发明的目的在于在工业现场快速构建待检测空间的标定系统，实现现场应用中动态或静态空间的检测和定位功能。本发明思路为：通过在现场布设空间特征点，然后对特征点的空间采样值进行虚拟空间建模，从而获得当前动态或静态物理空间在深度相机影像数据构建的虚拟空间中的精确位置，进而确定空间边界或空间内外物体相对位置。
实现上述目的的技术方案：
一种3D机器视觉空间检测标定方法，其特征在于采用空间九个特征点进行空间标定。九个特征点分别为：构成深度相机正前方穿过相机轴线的面ABba的四个顶点A、B、b、a；深度相机轴线与面ABba的交点O；与面ABba平行更靠近深度相机的面DCcd的四个顶点D、C、c、d；其中深度相机轴线与面ABba的夹角为α。
上述九个特征点在深度相机像素坐标图像中的映射分别为：A′、B′、C′、D′、O′、a′、b′、c′、d′，其中O′为图像中心点。面ABba映射为面A′B′b′a′；面DCcd映射为D′C′c′d′；线AD映射为线A′D′、线BC映射为线B′C′、线ad映射为线a′d′、线bc映射为线b′c′。
上述九个特征点的深度数据来自于深度相机测量的深度数据，在空间线校正和空间面校正时需要将相机坐标转换为三维正交物理坐标，其依据为特征点O与特征点A、B、a、b的实际距离，特征点在图像上的映射点A′、B′、O′、a′、b′之间的像素距离，以及各特征点与深度相机的距离，即特征点的深度数据。
上述3D机器视觉空间检测标定方法的实现步骤为：
（1）确定深度相机检测工位，使得空间检测区域在深度相机视场中心区域位置，深度相机轴线落在被检空间或被检物体或被检区域的几何中心；
（2）在现场布设九个特征点，特征点的布设围绕深度相机轴线，且在水平方向上左右对称；
（3）采集和记录特征点图像坐标和深度数据；通过重复采样和数字滤波以便得到更精准的数值，采集的同时需要保证深度相机位置的固定；
（4）根据采集的特征点数值构建图像空间投影；
（5）进行空间边界线校正拟合，采用非线性球面坐标转正交三维坐标的方法；
（6）进行空间边界面校正拟合，采用非线性球面坐标转正交三维坐标的方法；
（7）使用校正后的空间边界线和空间边界面完成虚拟空间构建，形成深度相机二维像素图像的空间检测模板；
（8）在实时在线工作中，深度相机采样深度信息影像，与构建的空间检测模板进行比较或插值计算，可以快速而准确地完成空间机器视觉检测，实现对空间安全、空间定位、物体测量功能。
采用上述技术方案，本专利有益的技术效果在于：
采用实际的物理特征点构建虚拟空间，能够通过深度相机快速准确得到空间数据信息，其空间线和空间面的校正可以一次完成，并具有很好的准确度。在深度相机的体积检测、空间避障应用中具有简洁、准确、方便的特点，适应于现场快速安装布设。
附图说明
图1为一种3D机器视觉空间检测标定方法特征点布设示意图。
图2为所涉及的特征点在像素坐标OXY图像上的映射分布示意图。
图3为一种3D机器视觉空间检测标定方法的实现流程图。
具体实施方式
一种3D机器视觉空间检测标定方法，其采用空间九个特征点进行空间标定。如图1所示，九个特征点分别为：构成深度相机正前方穿过相机轴线的面ABba的四个顶点A、B、b、a；深度相机轴线与面ABba的交点O；与面ABba平行更靠近深度相机的面DCcd的四个顶点D、C、c、d；其中深度相机轴线与面ABba的夹角为α。
如图2所示，上述九个特征点在深度相机像素坐标OXY图像中的映射分别为：A′、B′、C′、D′、O′、a′、b′、c′、d′，其中O′为图像中心点。面ABba映射为面A′B′b′a′；面DCcd映射为D′C′c′d′；线AD映射为线A′D′、线BC映射为线B′C′、线ad映射为线a′d′、线bc映射为线b′c′。
上述九个特征点的深度数据来自于深度相机测量的深度数据，在空间线校正和空间面校正时需要将相机坐标转换为三维正交物理坐标，其依据为特征点O与特征点A、B、a、b的实际距离，特征点在图像上的映射点A′、B′、O′、a′、b′之间的像素距离，以及各特征点与深度相机的距离，即特征点的深度数据。
如图3所示，其具体实施步骤如下：
（1）确定深度相机检测工位（3.1），使得空间检测区域在深度相机视场中心区域位置，深度相机轴线落在被检空间或被检物体或被检区域的几何中心；
（2）在现场布设九个特征点（3.2），特征点的布设围绕深度相机轴线，且在水平方向上左右对称；
（3）采集和记录特征点图像坐标和深度数据（3.3）；通过重复采样和数字滤波以便得到更精准的数值，采集的同时需要保证深度相机位置的固定；
（4）根据采集的特征点数值构建图像空间投影（3.4）；
（5）进行空间边界线校正拟合（3.5），采用非线性球面坐标转正交三维坐标的方法；
（6）进行空间边界面校正拟合（3.6），采用非线性球面坐标转正交三维坐标的方法；
（7）使用校正后的空间边界线和空间边界面完成虚拟空间构建（3.7），形成深度相机二维像素图像的空间检测模板；
（8）在实时在线工作中，深度相机采样深度信息影像，与构建的空间检测模板进行比较或插值计算，可以快速而准确地完成空间机器视觉检测（3.8），实现对空间安全、空间定位、物体测量功能。
Claims (3)
1.一种3D机器视觉空间检测标定方法，其特征在于，采用空间九个特征点进行空间标定；
九个特征点分别为：构成深度相机正前方穿过相机轴线的面ABba的四个顶点A、B、b、a；深度相机轴线与面ABba的交点O；与面ABba平行更靠近深度相机的面DCcd的四个顶点D、C、c、d；其中深度相机轴线与面ABba的夹角为α；
其方法实现步骤为：
（1）确定深度相机检测工位（3.1），使得空间检测区域在深度相机视场中心区域位置，深度相机轴线落在被检空间或被检物体或被检区域的几何中心；
（2）在现场布设九个特征点（3.2），特征点的布设围绕深度相机轴线，且在水平方向上左右对称；
（3）采集和记录特征点图像坐标和深度数据（3.3）；通过重复采样和数字滤波以便得到更精准的数值，采集的同时需要保证深度相机位置的固定；
（4）根据采集的特征点数值构建图像空间投影（3.4）；
（5）进行空间边界线校正拟合（3.5），采用非线性球面坐标转正交三维坐标的方法；
（6）进行空间边界面校正拟合（3.6），采用非线性球面坐标转正交三维坐标的方法；
（7）使用校正后的空间边界线和空间边界面完成虚拟空间构建（3.7），形成深度相机二维像素图像的空间检测模板；
（8）在实时在线工作中，深度相机采样深度信息影像，与构建的空间检测模板进行比较或插值计算，可以快速而准确地完成空间机器视觉检测（3.8），实现对空间安全、空间定位、物体测量功能。
2.如权利要求1所述的一种3D机器视觉空间检测标定方法，其特征还在于，所述其九个特征点在深度相机像素坐标图像中的映射分别为：A′、B′、C′、D′、O′、a′、b′、c′、d′，其中O′为图像中心点；面ABba映射为面A′B′b′a′、面DCcd映射为D′C′c′d′；线AD映射为线A′D′、线BC映射为线B′C′、线ad映射为线a′d′、线bc映射为线b′c′。
3.如权利要求1所述的一种3D机器视觉空间检测标定方法，其特征还在于，所述九个特征点的深度数据来自于深度相机测量的深度数据，在空间线校正和空间面校正时需要将相机坐标转换为三维正交物理坐标，其依据为特征点O与特征点A、B、a、b的实际距离，特征点在图像上的映射点A′、B′、O′、a′、b′之间的像素距离，以及各特征点与深度相机的距离，即特征点的深度数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610839304.6A CN106441234B (zh) | 2016-09-22 | 2016-09-22 | 一种3d机器视觉空间检测标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610839304.6A CN106441234B (zh) | 2016-09-22 | 2016-09-22 | 一种3d机器视觉空间检测标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106441234A CN106441234A (zh) | 2017-02-22 |
| CN106441234B true CN106441234B (zh) | 2018-12-28 |
Family
ID=58165911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610839304.6A Active CN106441234B (zh) | 2016-09-22 | 2016-09-22 | 一种3d机器视觉空间检测标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106441234B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107462392A (zh) * | 2017-09-01 | 2017-12-12 | 南京航空航天大学 | 基于虚拟模板的高精度自动标定方法 |
| CN109085561B (zh) * | 2018-07-08 | 2022-11-15 | 中国人民解放军第三三零二工厂 | 三维激光雷达测量系统及标定方法 |
| CN110108269B (zh) * | 2019-05-20 | 2023-01-17 | 电子科技大学 | 基于多传感器数据融合的agv定位方法 |
| CN110296674B (zh) * | 2019-06-12 | 2021-07-30 | 智久(厦门)机器人科技有限公司 | 一种深度相机的距离误差补偿方法、装置、存储介质 |
| CN114194985B (zh) * | 2021-12-07 | 2023-09-26 | 武汉灵途传感科技有限公司 | 一种tof电梯安全光幕报警区域的标定方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007075362A1 (en) * | 2005-12-20 | 2007-07-05 | Cognex Technology And Investment Corporation | Decoding distorted symbols |
| CN101582165A (zh) * | 2009-06-29 | 2009-11-18 | 浙江大学 | 基于灰度图像与空间深度数据的摄像机阵列标定算法 |
| CN102034114A (zh) * | 2010-12-03 | 2011-04-27 | 天津工业大学 | 一种基于特征点检测的模板匹配跟踪方法 |
| CN102521822A (zh) * | 2011-10-25 | 2012-06-27 | 南京大学 | 一种用于机器视觉自动标定的主动发光式标靶及其标定方法 |
| CN104408719A (zh) * | 2014-11-24 | 2015-03-11 | 中国航空工业集团公司洛阳电光设备研究所 | 一种共线三特征点单目视觉空间定位方法 |
-
2016
- 2016-09-22 CN CN201610839304.6A patent/CN106441234B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007075362A1 (en) * | 2005-12-20 | 2007-07-05 | Cognex Technology And Investment Corporation | Decoding distorted symbols |
| CN101582165A (zh) * | 2009-06-29 | 2009-11-18 | 浙江大学 | 基于灰度图像与空间深度数据的摄像机阵列标定算法 |
| CN102034114A (zh) * | 2010-12-03 | 2011-04-27 | 天津工业大学 | 一种基于特征点检测的模板匹配跟踪方法 |
| CN102521822A (zh) * | 2011-10-25 | 2012-06-27 | 南京大学 | 一种用于机器视觉自动标定的主动发光式标靶及其标定方法 |
| CN104408719A (zh) * | 2014-11-24 | 2015-03-11 | 中国航空工业集团公司洛阳电光设备研究所 | 一种共线三特征点单目视觉空间定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106441234A (zh) | 2017-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106441234B (zh) | 一种3d机器视觉空间检测标定方法 | |
| KR101604037B1 (ko) | 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법 | |
| CN102003938B (zh) | 大型高温锻件热态在位检测方法 | |
| CN109764858B (zh) | 一种基于单目相机的摄影测量方法及系统 | |
| KR101948852B1 (ko) | 비접촉식 균열 평가를 위한 이종영상 스캐닝 방법 및 장치 | |
| JP6363863B2 (ja) | 情報処理装置および情報処理方法 | |
| CN104990515B (zh) | 大型物体三维形状测量系统及其测量方法 | |
| CN110148180A (zh) | 一种激光雷达与相机融合装置与标定方法 | |
| CN110793464B (zh) | 大视场条纹投影视觉三维测量系统和方法 | |
| KR102016636B1 (ko) | 카메라와 레이더의 캘리브레이션 장치 및 방법 | |
| CN113237435B (zh) | 一种高反光表面三维视觉测量系统及方法 | |
| CN105894511B (zh) | 标定靶设置方法、装置及停车辅助系统 | |
| JP2012058076A (ja) | ３次元計測装置及び３次元計測方法 | |
| Liu et al. | A novel stereo vision measurement system using both line scan camera and frame camera | |
| CN109801333A (zh) | 体积测量方法、装置、系统及计算设备 | |
| CN105043304A (zh) | 一种新型标定板及应用该标定板进行长度测量误差的校准方法 | |
| CN111311659B (zh) | 一种基于斜交平面镜三维成像的校准方法 | |
| CN103697811A (zh) | 一种相机与结构光源结合获取物体轮廓三维坐标的方法 | |
| JP2023122951A (ja) | ワーク計測方法、ワーク計測システム、およびプログラム | |
| CN104567749A (zh) | 一种设备直线度和垂直度的检测方法、装置 | |
| JP2013178174A (ja) | 複数の格子を用いた三次元形状計測装置 | |
| Zexiao et al. | A novel approach for the field calibration of line structured-light sensors | |
| CN104296690A (zh) | 一种基于图像融合的多线结构光三维测量方法 | |
| CN113628117B (zh) | 一种深度图像旋转变换方法及装置 | |
| Iovenitti et al. | Three-dimensional measurement using a single image |
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 |