CN106643555A - 基于结构光三维测量系统的连接件识别方法 - Google Patents

基于结构光三维测量系统的连接件识别方法 Download PDF

Info

Publication number
CN106643555A
CN106643555A CN201611225007.9A CN201611225007A CN106643555A CN 106643555 A CN106643555 A CN 106643555A CN 201611225007 A CN201611225007 A CN 201611225007A CN 106643555 A CN106643555 A CN 106643555A
Authority
CN
China
Prior art keywords
connector
image
group
coordinate
camera
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
Application number
CN201611225007.9A
Other languages
English (en)
Other versions
CN106643555B (zh
Inventor
徐静
刘顺涛
陈睿
陈恳
陈雪梅
郑林斌
何凤涛
郭喜锋
刘大鹏
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.)
Tsinghua University
Chengdu Aircraft Industrial Group Co Ltd
Original Assignee
Tsinghua University
Chengdu Aircraft Industrial Group Co Ltd
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 Tsinghua University, Chengdu Aircraft Industrial Group Co Ltd filed Critical Tsinghua University
Priority to CN201611225007.9A priority Critical patent/CN106643555B/zh
Publication of CN106643555A publication Critical patent/CN106643555A/zh
Application granted granted Critical
Publication of CN106643555B publication Critical patent/CN106643555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting

Abstract

本发明提供一种基于结构光三维测量系统的连接件识别方法。在根据本发明的基于结构光三维测量系统的连接件识别方法中，搭建结构光三维测量系统，先拍摄包括不同类型连接件的连接件组获得原始连接件组图像从而得到原始连接件组图像的纹理信息，纹理信息是像素点的二维信息，然后基于N步相移法测量原理得到连接件组的三维点云，三维点云是像素点的三维信息，从而建立二维信息到三维信息的对应关系，根据原始连接件组图像的纹理信息、连接件组的三维点云以及两者之间的对应关系提取连接件组中各类型的连接件的轮廓并判断是否符合该类型的标准连接件的轮廓，从而完成连接件的识别，该连接件识别方法的识别效率高且识别结果可靠。

Description

基于结构光三维测量系统的连接件识别方法
技术领域
本发明涉及连接件识别方法，尤其涉及一种基于结构光三维测量系统的连接件识别方法。
背景技术
工程中经常需要把一些构件连接起来，起连接作用的构件称为连接件，常用的连接件包括螺栓、铆钉、抽钉等。连接件识别是连接件平整度测量的前提，在测量前，需要先识别出测量物体表面所有的连接件，才能够准确、快速的测量出所有连接件的平整度。而目前的方法，主要依靠连接件表面三维形状的凸起或凹陷来识别连接件，所以无法做到识别出所有的连接件，因此无法实现所有连接件的平整度测量。
发明内容
鉴于现有技术存在的缺陷，本发明的目的在于一种基于结构光三维测量系统的连接件识别方法，识别效率高且识别结果可靠。
为了实现上述目的，本发明提供了一种基于结构光三维测量系统的连接件识别方法，包括步骤：
S1：搭建包括相机、投影仪、支架以及计算机的结构光三维测量系统，相机与投影仪均固定于支架上，使得相机与投影仪的相对位置固定，对结构光三维测量系统进行标定，得到相机的内参矩阵KC、投影仪的内参矩阵KP以及相机与投影仪之间的转换矩阵[RCP|tCP]，其中RCP和tCP分别为旋转矩阵和平移向量，计算机存储有来自技术手册的标准连接件的三维特征信息；
S2：将包括不同类型的连接件的连接件组设置在相机与投影仪的公共视场区域内，使投影仪投影的图像能投射到连接件组的表面上，且相机能拍摄到连接件组，利用相机拍摄连接件组得到原始连接件组图像，根据原始连接件组图像获得原始连接件组图像的纹理信息，原始连接件组图像的纹理信息包括图像上的各像素点在相机的图像坐标系下的坐标及各像素点的光强；
S3：利用结构光三维测量系统基于N步相移法测量原理得到连接件组的三维点云，连接件组的三维点云包括不同类型的连接件上的各像素点在投影仪坐标系下的坐标(XP,YP,ZP)；
S4：根据步骤S2中得到的原始连接件组图像的纹理信息和步骤S3中得到的连接件组的三维点云，建立原始连接件组图像的纹理信息与连接件组的三维点云的对应关系；
S5：根据步骤S4中得到的原始连接件组图像的纹理信息与连接件组的三维点云的对应关系，提取连接件组中的各类型的连接件的轮廓并识别各类型的连接件的轮廓是否符合存储的来自技术手册的所属类型的标准连接件，符合则将该连接件的轮廓识别为连接件，不符合则将该连接件的轮廓识别为非连接件。
本发明的有益效果如下：
在根据本发明的基于结构光三维测量系统的连接件识别方法中，搭建结构光三维测量系统，先拍摄包括不同类型连接件的连接件组获得原始连接件组图像从而得到原始连接件组图像的纹理信息，纹理信息是像素点的二维信息，然后基于N步相移法测量原理得到连接件组的三维点云，三维点云是像素点的三维信息，从而建立二维信息到三维信息的对应关系，根据原始连接件组图像的纹理信息、连接件组的三维点云以及两者之间的对应关系提取连接件组中各类型的连接件的轮廓并判断是否符合该类型的标准连接件的轮廓，从而完成连接件的识别，该连接件识别方法的识别效率高且识别结果可靠。
附图说明
图1是根据本发明的基于结构光三维测量系统的连接件识别方法的示意图。
其中，附图标记说明如下：
1 相机
2 投影仪
3 支架
4 计算机
具体实施方式
下面参照附图来详细说明根据本发明的基于结构光三维测量系统的连接件识别方法。
参照图1，根据本发明的基于结构光三维测量系统的连接件识别方法，包括步骤S1、S2、S3、S4以及S5。
S1：搭建包括相机1、投影仪2、支架3以及计算机4的结构光三维测量系统，相机1与投影仪2均固定于支架3上，使得相机1与投影仪2的相对位置固定，对结构光三维测量系统进行标定，得到相机1的内参矩阵KC、投影仪2的内参矩阵KP以及相机1与投影仪2之间的转换矩阵[RCP|tCP]，其中RCP和tCP分别为旋转矩阵和平移向量，计算机4存储有来自技术手册的标准连接件的三维特征信息；
S2：将包括不同类型的连接件的连接件组设置在相机1与投影仪2的公共视场区域内，使投影仪2投影的图像能投射到连接件组的表面上，且相机1能拍摄到连接件组，利用相机1拍摄连接件组得到原始连接件组图像，根据原始连接件组图像获得原始连接件组图像的纹理信息，原始连接件组图像的纹理信息包括图像上的各像素点在相机1的图像坐标系下的坐标及各像素点的光强；
S3：利用结构光三维测量系统基于N步相移法测量原理得到连接件组的三维点云，连接件组的三维点云包括不同类型的连接件上的各像素点在投影仪坐标系下的坐标(XP,YP,ZP)；
S4：根据步骤S2中得到的原始连接件组图像的纹理信息和步骤S3中得到的连接件组的三维点云，建立原始连接件组图像的纹理信息与连接件组的三维点云的对应关系；
S5：根据步骤S4中得到的原始连接件组图像的纹理信息与连接件组的三维点云的对应关系，提取连接件组中的各类型的连接件的轮廓并识别各类型的连接件的轮廓是否符合存储的来自技术手册的所属类型的标准连接件，符合则将该连接件的轮廓识别为连接件，不符合则将该连接件的轮廓识别为非连接件。
在根据本发明的基于结构光三维测量系统的连接件识别方法中，搭建结构光三维测量系统，先拍摄包括不同类型连接件的连接件组获得原始连接件组图像从而得到原始连接件组图像的纹理信息，纹理信息是像素点的二维信息，然后基于N步相移法测量原理得到连接件组的三维点云，三维点云是像素点的三维信息，从而建立二维信息到三维信息的对应关系，根据原始连接件组图像的纹理信息、连接件组的三维点云以及两者之间的对应关系提取连接件组中各类型的连接件的轮廓并判断是否符合该类型的标准连接件的轮廓，从而完成连接件的识别，该连接件识别方法的识别效率高且识别结果可靠。
在这里补充说明的是，步骤S1中对结构光三维测量系统进行标定是常规方法，将标定用的标定板(未示出)放置于投影仪2和相机1的视场范围内，标定板(未示出)上设置有多个标志点，多次改变标定板(未示出)的位姿，可得到不同位姿下的标定板(未示出)上的多个标志点在世界坐标系下的坐标，利用投影仪2将测量用的模板图像投射到不同位姿下的标定板(未示出)上并用相机1拍摄标定板(未示出)，利用计算机4处理用相机1拍摄得到的图像，根据从相机1拍摄得到的图像得到标定板上的多个标志点在相机的图像坐标系下的坐标和强度值，根据标定板上的多个标志点的强度值解码得到标定板上的多个标志点的相位，进而计算得到标定板上的多个标志点在投影仪的图像坐标系下的坐标，根据得到的标定板上的多个标志点在世界坐标系下的坐标、标定板上的多个标志点在相机的图像坐标系下的坐标以及标定板上的多个标志点在投影仪的图像坐标系下的坐标利用OpenCV或者Matlab相机双目标定工具箱即可得到投影仪2的内参矩阵KP、相机1的内参矩阵KC、投影仪2和相机1之间的转换矩阵[RCP|tCP]。其中，世界坐标系是指原点在标定板(未示出)的左上角的坐标系，坐标单位是毫米(mm)；相机坐标系是指原点在相机光心的坐标系，坐标单位是毫米(mm)；相机的图像坐标系是指原点在相机成像平面上的图像的左上角的坐标系，坐标单位是像素(pixel)；投影仪坐标系是指原点在投影仪光心的坐标系，坐标单位是毫米(mm)；投影仪的图像坐标系是指原点在投影仪成像平面上的图像的左上角的坐标系坐标单位是像素(pixel)；投影仪2的内参矩阵KP和相机1的内参矩阵KC分别包括投影仪2和相机1的水平方向和竖直方向的焦距、图像的主点，表达了相机坐标系和投影仪坐标系分别与相机的图像坐标系和投影仪的图像坐标系之间的变换。投影仪2和相机1之间的转换矩阵[RCP|tCP]包括旋转矩阵RCP和平移向量tCP，表达了投影仪坐标系和相机坐标系之间的变换。对结构光三维测量系统进行标定具体可参见Chen Rui的论文“Rui Chen,Jing Xu,Heping Chen,Jianhua Su,Zonghua Zhang,Ken Chen.Accurate calibration method for camera andprojector in fringe patterns measurement system[J].Applied Optics,2016,55(16):4293-4300.”。
由于在步骤S2和步骤S3中，连接件组的位姿在公共视场区域内是不变的，在同一位姿下，对某一像素点，步骤S3中像素点在投影仪坐标系下的坐标(XP,YP,ZP)通过相机1与投影仪2之间的转换矩阵[RCP|tCP]转化为相机坐标系下的坐标再经相机1的内参矩阵KC进一步转化得到在相机1的图像坐标系下的坐标，其与步骤S2中得到的原始图像的纹理信息中的该像素点在相机的图像坐标系下的坐标对应的是同一坐标，从而建立了原始图像的纹理信息与连接件组的三维点云的对应关系。
连接件组包括不同类型的连接件，不同类型的连接件可为抽钉、铆钉以及螺栓。步骤S2中得到的原始连接件组图像，图像中不仅包含有用信息即连接件组部分，还包含有噪声信息，所以在后续步骤S51中要对原始连接件组图像进行预处理。
在根据本发明的基于结构光三维测量系统的连接件识别方法中，步骤S3包括步骤：
S31：用计算机4生成高频正弦条纹模板图像组和低频正弦条纹模板图像组，高频正弦条纹模板图像组和低频正弦条纹模板图像组均有N张图像，高频正弦条纹模板图像组中的图像的条纹频率为fh，低频正弦条纹模板图像组中的图像的条纹频率为fl，fh＞fl，利用投影仪2分别依次将高频正弦条纹模板图像组和低频正弦条纹模板图像组中的图像投射到连接件组的表面上并用相机1拍摄连接件组，分别得到第一图像组和第二图像组；
S32：根据步骤S31中得到的第一图像组和第二图像组，得到各像素点在相机1的图像坐标系下的坐标(uc,vc)；
S33：根据步骤S31中得到的第一图像组和第二图像组，计算得到各像素点在相机1的图像坐标系下的坐标(uc,vc)处的投影仪高频相对相位φh和低频相对相位φu，表达为：
其中，ckh为第一图像组中的第k张图像在坐标(uc,vc)处的灰度值，cku为第二张图像组中的第k张图像在坐标(uc,vc)处的灰度值；
S34：根据步骤S33中得到的各像素点在相机1的图像坐标系下的坐标(uc,vc)处的投影仪高频相对相位φh和低频相对相位φu，计算得到各像素点在相机1的图像坐标系下的坐标(uc,vc)处的投影仪绝对相位φabs表达为：
其中，[*]为取整符号，Tu为低频正弦条纹模板图像组中的图像的条纹周期；Th为高频正弦条纹模板图像组中的图像的条纹周期；
S35，根据步骤S34中得到的各像素点在相机1的图像坐标系下的坐标(uc,vc)处的投影仪绝对相位φabs，得到各像素点在投影仪2的图像坐标系下的横坐标值up；
S36：各像素点在相机坐标系下的坐标记为(XC,YC,ZC)，各像素点在相机坐标系下的坐标(XC,YC,ZC)和其对应的在相机1的图像坐标系下的坐标(uc,vc)满足第一等式：
各像素点在投影仪坐标系下的坐标记为(XP,YP,ZP)，各像素点在投影仪坐标系下的坐标(XP,YP,ZP)和其对应的在投影仪2的图像坐标系下的坐标(up，vp)满足第二等式：
各像素点在投影仪坐标系下的坐标(XP,YP,ZP)和其对应的在相机坐标系下的坐标(XC,YC,ZC)满足第三等式：
根据第一等式、第二等式和第三等式计算得到各像素点在投影仪坐标系下的三维坐标(XP,YP,ZP)，即得到连接件组的三维点云。
在根据本发明的基于结构光三维测量系统的连接件识别方法中，步骤S5包括步骤：S51：根据步骤S2中得到的原始连接件组图像的纹理信息，对原始连接件组图像进行预处理，预处理包括滤波，降噪；S52：根据步骤S51中得到的预处理后的原始连接件组图像，提取原始连接件组图像的轮廓特征，得到轮廓序列；S53：连接件组中不同类型的连接件均为圆形连接件，则在原始连接件组图像中不同类型的连接件为椭圆形，在步骤S52得到的轮廓序列中，对每一轮廓进行椭圆拟合，并计算椭圆拟合误差，对于椭圆拟合误差小于所设阈值的，则判定为该轮廓可能为连接件轮廓，并存储为预选轮廓集合，预选轮廓集合包括连接件组中的各类型的连接件的轮廓；S54：对于预选轮廓集合中的各类型的连接件的轮廓，根据步骤S4中得到的连接件组图像的纹理信息与连接件的三维点云的对应关系，得到轮廓内部及其邻域附近的三维点云；S55：对轮廓内部及其邻域附近的三维点云进行处理，计算连接件组中各类型的连接件的三维特征，三维特征包括平面参数，将连接件组中各类型的连接件的三维特征与存储的来自技术手册的所属类型的标准连接件进行对比，如果连接件组中的连接件的三维特征符合存储的来自技术手册的所属类型的标准连接件的三维特征，则该连接件的轮廓识别为连接件，否则识别为非连接件。
在这里补充说明的是，步骤S53中连接件组中不同类型的连接件均为圆形连接件，则不同类型的连接件在原始连接件组图像中为椭圆形，所以可对轮廓序列中的每一轮廓进行椭圆拟合从而找到各类型的连接件的轮廓。
步骤S54中轮廓邻域的范围与轮廓的面积成正比，根据轮廓的面积确定轮廓邻域的范围。
步骤S55中三维特征中的平面参数主要指连接件的平面直径。

Claims (3)

1.一种基于结构光三维测量系统的连接件识别方法，包括步骤：
S1：搭建包括相机(1)、投影仪(2)、支架(3)以及计算机(4)的结构光三维测量系统，相机(1)与投影仪(2)均固定于支架(3)上，使得相机(1)与投影仪(2)的相对位置固定，对结构光三维测量系统进行标定，得到相机(1)的内参矩阵KC、投影仪(2)的内参矩阵KP以及相机(1)与投影仪(2)之间的转换矩阵[RCP|tCP]，其中RCP和tCP分别为旋转矩阵和平移向量，计算机(4)存储有来自技术手册的标准连接件的三维特征信息；
S2：将包括不同类型的连接件的连接件组设置在相机(1)与投影仪(2)的公共视场区域内，使投影仪(2)投影的图像能投射到连接件组的表面上，且相机(1)能拍摄到连接件组，利用相机(1)拍摄连接件组得到原始连接件组图像，根据原始连接件组图像获得原始连接件组图像的纹理信息，原始连接件组图像的纹理信息包括图像上的各像素点在相机(1)的图像坐标系下的坐标及各像素点的光强；
S3：利用结构光三维测量系统基于N步相移法测量原理得到连接件组的三维点云，连接件组的三维点云包括不同类型的连接件上的各像素点在投影仪坐标系下的坐标(XP,YP,ZP)；
S4：根据步骤S2中得到的原始连接件组图像的纹理信息和步骤S3中得到的连接件组的三维点云，建立原始连接件组图像的纹理信息与连接件组的三维点云的对应关系；
S5：根据步骤S4中得到的原始连接件组图像的纹理信息与连接件组的三维点云的对应关系，提取连接件组中的各类型的连接件的轮廓并识别各类型的连接件的轮廓是否符合存储的来自技术手册的所属类型的标准连接件，符合则将该连接件的轮廓识别为连接件，不符合则将该连接件的轮廓识别为非连接件。
2.根据权利要求1所述的基于结构光三维测量系统的连接件识别方法，其特征在于，步骤S3包括步骤：
S31：用计算机(4)生成高频正弦条纹模板图像组和低频正弦条纹模板图像组，高频正弦条纹模板图像组和低频正弦条纹模板图像组均有N张图像，高频正弦条纹模板图像组中的图像的条纹频率为fh，低频正弦条纹模板图像组中的图像的条纹频率为fl，fh＞fl，利用投影仪(2)分别依次将高频正弦条纹模板图像组和低频正弦条纹模板图像组中的图像投射到连接件组的表面上并用相机(1)拍摄连接件组，分别得到第一图像组和第二图像组；
S32：根据步骤S31中得到的第一图像组和第二图像组，得到各像素点在相机(1)的图像坐标系下的坐标(uc,vc)；
S33：根据步骤S31中得到的第一图像组和第二图像组，计算得到各像素点在相机(1)的图像坐标系下的坐标(uc,vc)处的投影仪高频相对相位φh和低频相对相位φu，表达为：
φ h = arctan - Σ k = 1 N c k h s i n ( 2 π · ( k - 1 ) / N ) Σ k = 1 N c k h cos ( 2 π · ( k - 1 ) / N )
φ u = arctan - Σ k = 1 N c k u s i n ( 2 π · ( k - 1 ) / N ) Σ k = 1 N c k u cos ( 2 π · ( k - 1 ) / N )
其中，ckh为第一图像组中的第k张图像在坐标(uc,vc)处的灰度值，cku为第二张图像组中的第k张图像在坐标(uc,vc)处的灰度值；
S34：根据步骤S33中得到的各像素点在相机(1)的图像坐标系下的坐标(uc,vc)处的投影仪高频相对相位φh和低频相对相位φu，计算得到各像素点在相机(1)的图像坐标系下的坐标(uc,vc)处的投影仪绝对相位φabs表达为：
φ a b s = [ T u / T h · φ u - φ h 2 π ] · 2 π + φ h
其中，[*]为取整符号，Tu为低频正弦条纹模板图像组中的图像的条纹周期；Th为高频正弦条纹模板图像组中的图像的条纹周期；
S35，根据步骤S34中得到的各像素点在相机(1)的图像坐标系下的坐标(uc,vc)处的投影仪绝对相位φabs，得到各像素点在投影仪(2)的图像坐标系下的横坐标值up；
S36：各像素点在相机坐标系下的坐标记为(XC,YC,ZC)，各像素点在相机坐标系下的坐标(XC,YC,ZC)和其对应的在相机(1)的图像坐标系下的坐标(uc,vc)满足第一等式：
u c v c 1 = 1 Z C K C X C Y C Z C
各像素点在投影仪坐标系下的坐标记为(XP,YP,ZP)，各像素点在投影仪坐标系下的坐标(XP,YP,ZP)和其对应的在投影仪(2)的图像坐标系下的坐标(up,vp)满足第二等式：
u p v p 1 = 1 Z P K P X P Y P Z P
各像素点在投影仪坐标系下的坐标(XP,YP,ZP)和其对应的在相机坐标系下的坐标(XC,YC,ZC)满足第三等式：
X P Y P Z P = R C P X C Y C Z C + t C P
根据第一等式、第二等式和第三等式计算得到各像素点在投影仪坐标系下的三维坐标(XP,YP,ZP)，即得到连接件组的三维点云。
3.根据权利要求1所述的基于结构光三维测量系统的连接件识别方法，其特征在于，步骤S5包括步骤：
S51：根据步骤S2中得到的原始连接件组图像的纹理信息，对原始连接件组图像进行预处理，预处理包括滤波，降噪；
S52：根据步骤S51中得到的预处理后的原始连接件组图像，提取原始连接件组图像的轮廓特征，得到轮廓序列；
S53：连接件组中不同类型的连接件均为圆形连接件，则在原始连接件组图像中不同类型的连接件为椭圆形，在步骤S52得到的轮廓序列中，对每一轮廓进行椭圆拟合，并计算椭圆拟合误差，对于椭圆拟合误差小于所设阈值的，则判定为该轮廓可能为连接件轮廓，并存储为预选轮廓集合，预选轮廓集合包括连接件组中的各类型的连接件的轮廓；
S54：对于预选轮廓集合中的各类型的连接件的轮廓，根据步骤S4中得到的连接件组图像的纹理信息与连接件的三维点云的对应关系，得到轮廓内部及其邻域附近的三维点云；
S55：对轮廓内部及其邻域附近的三维点云进行处理，计算连接件组中各类型的连接件的三维特征，三维特征包括平面参数，将连接件组中各类型的连接件的三维特征与存储的来自技术手册的所属类型的标准连接件进行对比，如果连接件组中的连接件的三维特征符合存储的来自技术手册的所属类型的标准连接件的三维特征，则该连接件的轮廓识别为连接件，否则识别为非连接件。
CN201611225007.9A 2016-12-27 2016-12-27 基于结构光三维测量系统的连接件识别方法 Active CN106643555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611225007.9A CN106643555B (zh) 2016-12-27 2016-12-27 基于结构光三维测量系统的连接件识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611225007.9A CN106643555B (zh) 2016-12-27 2016-12-27 基于结构光三维测量系统的连接件识别方法

Publications (2)

Publication Number Publication Date
CN106643555A true CN106643555A (zh) 2017-05-10
CN106643555B CN106643555B (zh) 2018-11-06

Family

ID=58833051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611225007.9A Active CN106643555B (zh) 2016-12-27 2016-12-27 基于结构光三维测量系统的连接件识别方法

Country Status (1)

Country Link
CN (1) CN106643555B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108332684A (zh) * 2018-04-23 2018-07-27 中国科学院苏州生物医学工程技术研究所 一种基于结构光照明显微技术的三维轮廓测量方法
CN108427975A (zh) * 2017-08-12 2018-08-21 中民筑友科技投资有限公司 一种pc墙板生产线的构件状态跟踪方法及装置
CN108734654A (zh) * 2018-05-28 2018-11-02 深圳市易成自动驾驶技术有限公司 绘图与定位方法、系统及计算机可读存储介质
CN108789414A (zh) * 2018-07-17 2018-11-13 五邑大学 基于三维机器视觉的智能机械臂系统及其控制方法
CN109003308A (zh) * 2018-06-27 2018-12-14 浙江大学 一种基于相位编码的特殊成像范围相机标定系统及方法
CN110146035A (zh) * 2019-04-12 2019-08-20 中民筑友科技投资有限公司 构件生产线的预埋件检测方法、装置、设备及系统
CN112504159A (zh) * 2020-10-27 2021-03-16 成都飞机工业（集团）有限责任公司 一种变截面筒状零件内腔三维形貌测量装置及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101089551A (zh) * 2007-07-11 2007-12-19 华中科技大学 一种基于二维编码的三维形貌测量方法
EP1882895A1 (en) * 2005-05-12 2008-01-30 Techno Dream 21 Co., Ltd. 3-dimensional shape measuring method and device thereof
US20080118143A1 (en) * 2006-11-21 2008-05-22 Mantis Vision Ltd. 3D Geometric Modeling And Motion Capture Using Both Single And Dual Imaging
CN101196986A (zh) * 2007-12-25 2008-06-11 哈尔滨工业大学 三维掌纹身份鉴别仪及其鉴别方法
CN102135417A (zh) * 2010-12-26 2011-07-27 北京航空航天大学 一种全自动三维特征提取方法
CN102880737A (zh) * 2012-07-30 2013-01-16 北京信息科技大学 基于柔性装配中的工件配准方法及系统
CN103093191A (zh) * 2012-12-28 2013-05-08 中电科信息产业有限公司 一种三维点云数据结合数字影像数据的物体识别方法
CN104266587A (zh) * 2014-09-22 2015-01-07 电子科技大学 一种三维测量系统及获得真实3d纹理点云数据方法
CN105953747A (zh) * 2016-06-07 2016-09-21 杭州电子科技大学 结构光投影全视角三维成像系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1882895A1 (en) * 2005-05-12 2008-01-30 Techno Dream 21 Co., Ltd. 3-dimensional shape measuring method and device thereof
US20080118143A1 (en) * 2006-11-21 2008-05-22 Mantis Vision Ltd. 3D Geometric Modeling And Motion Capture Using Both Single And Dual Imaging
CN101089551A (zh) * 2007-07-11 2007-12-19 华中科技大学 一种基于二维编码的三维形貌测量方法
CN101196986A (zh) * 2007-12-25 2008-06-11 哈尔滨工业大学 三维掌纹身份鉴别仪及其鉴别方法
CN102135417A (zh) * 2010-12-26 2011-07-27 北京航空航天大学 一种全自动三维特征提取方法
CN102880737A (zh) * 2012-07-30 2013-01-16 北京信息科技大学 基于柔性装配中的工件配准方法及系统
CN103093191A (zh) * 2012-12-28 2013-05-08 中电科信息产业有限公司 一种三维点云数据结合数字影像数据的物体识别方法
CN104266587A (zh) * 2014-09-22 2015-01-07 电子科技大学 一种三维测量系统及获得真实3d纹理点云数据方法
CN105953747A (zh) * 2016-06-07 2016-09-21 杭州电子科技大学 结构光投影全视角三维成像系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘顺涛等: "基于绝对相位编码的高速三维轮廓测量系统", 《半导体光电》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108427975A (zh) * 2017-08-12 2018-08-21 中民筑友科技投资有限公司 一种pc墙板生产线的构件状态跟踪方法及装置
CN108332684A (zh) * 2018-04-23 2018-07-27 中国科学院苏州生物医学工程技术研究所 一种基于结构光照明显微技术的三维轮廓测量方法
CN108734654A (zh) * 2018-05-28 2018-11-02 深圳市易成自动驾驶技术有限公司 绘图与定位方法、系统及计算机可读存储介质
CN109003308A (zh) * 2018-06-27 2018-12-14 浙江大学 一种基于相位编码的特殊成像范围相机标定系统及方法
CN109003308B (zh) * 2018-06-27 2022-03-18 浙江大学 一种基于相位编码的特殊成像范围相机标定系统及方法
CN108789414A (zh) * 2018-07-17 2018-11-13 五邑大学 基于三维机器视觉的智能机械臂系统及其控制方法
CN110146035A (zh) * 2019-04-12 2019-08-20 中民筑友科技投资有限公司 构件生产线的预埋件检测方法、装置、设备及系统
CN110146035B (zh) * 2019-04-12 2020-12-25 中民筑友科技投资有限公司 构件生产线的预埋件检测方法、装置、设备及系统
CN112504159A (zh) * 2020-10-27 2021-03-16 成都飞机工业（集团）有限责任公司 一种变截面筒状零件内腔三维形貌测量装置及方法
CN112504159B (zh) * 2020-10-27 2022-04-08 成都飞机工业（集团）有限责任公司 一种变截面筒状零件内腔三维形貌测量装置及方法

Also Published As

Publication number Publication date
CN106643555B (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
CN106643555B (zh) 基于结构光三维测量系统的连接件识别方法
Li et al. A multiple-camera system calibration toolbox using a feature descriptor-based calibration pattern
US8437537B2 (en) Method and system for estimating 3D pose of specular objects
US8773514B2 (en) Accurate 3D object reconstruction using a handheld device with a projected light pattern
EP2234064B1 (en) Method for estimating 3D pose of specular objects
CN111784778B (zh) 基于线性求解非线性优化的双目相机外参标定方法和系统
CN103499297A (zh) 一种基于ccd的高精度测量方法
CN107543496B (zh) 一种双目立体视觉三维坐标测量方法
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
Yang et al. An image-based intelligent system for pointer instrument reading
Tran et al. Non-contact gap and flush measurement using monocular structured multi-line light vision for vehicle assembly
CN110120013B (zh) 一种点云拼接方法及装置
CN111738320B (zh) 基于模板匹配的遮挡工件识别方法
CN110766669A (zh) 一种基于多目视觉的管线测量方法
CN107957246A (zh) 基于双目视觉的传送带上物体几何尺寸测量方法
CN111738971B (zh) 一种基于线激光双目立体视觉的电路板立体扫描检测方法
CN112747671B (zh) 三维检测系统和三维检测方法
CN106770322A (zh) 校准点深度检测方法及温控器外观检测方法
CN111524193B (zh) 一种物体二维尺寸的测量方法及测量装置
Bunda 3D point cloud reconstruction based on the finger vascular pattern
CN116563391A (zh) 一种基于机器视觉的激光结构自动标定方法
CN113970560B (zh) 一种基于多传感融合的缺陷三维检测方法
CN107330436A (zh) 一种基于尺度判据的全景图像sift优化方法
Zhang et al. Non-rigid registration of mural images and laser scanning data based on the optimization of the edges of interest
CN110772258A (zh) 一种用于人体尺寸测量的多视角测距方法

Legal Events

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