CN108332685A - 一种编码结构光三维测量方法 - Google Patents
一种编码结构光三维测量方法 Download PDFInfo
- Publication number
- CN108332685A CN108332685A CN201810111771.6A CN201810111771A CN108332685A CN 108332685 A CN108332685 A CN 108332685A CN 201810111771 A CN201810111771 A CN 201810111771A CN 108332685 A CN108332685 A CN 108332685A
- Authority
- CN
- China
- Prior art keywords
- line
- key point
- point
- image
- edge
- 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
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
- G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明一种编码结构光三维测量方法涉及图像处理技术领域;该方法包括以下步骤:分别输入格雷码编码测量图像与线移条纹编码测量图像;以欧拉距离为关键点距离约束条件,分别获取格雷码边缘线上与线移条纹中心线上的关键点;设计边缘奇异算子和中心奇异算子并分别构建边缘检测代价函数和中心检测代价函数;由最短路径搜索技术分别自动跟踪定位格雷码边缘和线移条纹中心;本发明能够有效减小格雷码条纹边缘定位不准确、线移条纹中心定位误差,更准确的获得被测物体表面三维信息,对格雷码边缘线与线移条纹中心线进行检测定位研究,提高三维测量中格雷码边缘定位与线移条纹中心定位的精度,最终提高三维测量精度。
Description
技术领域
本发明一种编码结构光三维测量方法涉及图像处理技术领域。
背景技术
工业发展迅猛的今天,机器视觉高速发展成为工业发展能够稳定向前的重要需求,对机器视觉的三维测量精度的高要求也成为机器视觉领域的重要研究方向。随着机器视觉图形图像技术的深入研究,三维测量的精准度也在不断提升,其中投射结构光三维测量作为机器视觉测量的一种方法,以其方法简单、非接触、无损高效的特点被广泛地应用在如机器人装配、视觉检测、医学治疗、游戏和文化遗产数字化等领域。结构光三维测量可分为点、线和编码结构光的方法,其中编码结构光具有较为广阔的视场,又以高效率、采样密度大、强时效性和主动受控等优点被大多数研究人员所接受,常见编码结构光的三维测量方法有结合线移条纹编码的格雷码编码结构光方法和相移码编码结构光方法。
利用编码结构光进行三维测量时,将设定的编码图像通过投影装置投射到被测物体表面,此时物体表面的编码图像会受到其表面纹理特征影响,而物体表面的三维坐标信息是由设定编码结构光的解码影响。当采用结合格雷码与线移条纹编码结构光时,格雷码的条纹边缘与线移条纹中心会受到物体表面的形状、纹理等因素调制影响而变形,在由摄像装置获取被测物体表面信息中用来三维测量定位采样的格雷码边缘点与线移条纹中心点产生扭曲,在解编码结构光测量物体表面时对格雷码边缘与线移条纹中心提取的精度,将直接影响三维测量重构结果的精度。
发明内容
针对上述技术需求,本发明公开了一种编码结构光三维测量方法,能够有效减小格雷码条纹边缘定位不准确、线移条纹中心定位误差,更准确的获得被测物体表面三维信息,对格雷码边缘线与线移条纹中心线进行检测定位研究,提高三维测量中格雷码边缘定位与线移条纹中心定位的精度,最终提高三维测量精度。
本发明的目的是这样实现的:
一种编码结构光三维测量方法,包括以下步骤:
步骤a、分别输入格雷码编码测量图像Ie与线移条纹编码测量图像Ic;
步骤b、以欧拉距离为关键点距离约束条件,分别获取格雷码边缘线上与线移条纹中心线上的关键点;
步骤c、设计边缘奇异算子和中心奇异算子并分别构建边缘检测代价函数和中心检测代价函数;
步骤d、由最短路径搜索技术分别自动跟踪定位格雷码边缘和线移条纹中心。
上述编码结构光三维测量方法,步骤b的具体步骤如下:
步骤b1:对于输入的格雷码编码测量图像Ie,图像域Ω∈R,R为自然域,代价函数为Γe∈Ω,且Γe>0,令Γe=Ie;用集合Se表示格雷码编码测量图像Ie上所有检测到的关键点集合,在初始的关键点集合Sei中存在初始点,即初始的集合Sei={ke0};已知初始集合的波阵面是个圆,圆心为ke0,得到Ie关键点的最小能量图所用迭代步长为te;
步骤b2:由公式E(l)=∫lP(l(s))ds计算Ie每条路径的能量积分E,其中,l为待求解的路径曲线,s为弧长参数,P为势函数;其中,最小能量积分Eemin即为Ie中需求最短路径,对应的边界点为Ie的候选关键点kep;
步骤b3:计算ke0与kep之间路径的欧拉距离,当欧拉距离大于给定的阀值Te时,则该点升级为关键点ke1;
步骤b4:对于输入的线移条纹编码测量图像Ic,图像域Ω∈R,R为自然域,代价函数为Γc∈Ω,且Γc>0,令Γc=Ic;用集合Sc表示线移条纹编码测量图像Ic上所有检测到的关键点集合,在初始的关键点集合Sci中存在初始点,即初始的集合Sci={kc0};已知初始集合的波阵面是个圆,圆心为kc0,得到Ic关键点的最小能量图所用迭代步长为tc;
步骤b5:由公式E(l)=∫lP(l(s))ds计算Ic每条路径的能量积分E,其中,l为待求解的路径曲线,s为弧长参数,P为势函数;其中,最小能量积分Ecmin即为Ic中需求最短路径,对应的边界点为Ic的候选关键点kcp;
步骤b6:计算kc0与kcp之间路径的欧拉距离,当欧拉距离大于给定的阀值Tc时,则该点升级为关键点kc1。
上述编码结构光三维测量方法,步骤c的具体步骤如下:
步骤c1:格雷码边缘检测代价函数构建
根据编码图像格雷码边缘灰度分布特点,构建格雷码边缘奇异算子如式:
式中:e表示格雷码边缘,xe,ye分别为Ie图像中点的位置坐标,θe为图像点(xe,ye)与图像中零点坐标的方向参数,αe为构建格雷码边缘奇异算子的尺度常数因子;σe为构建格雷码边缘奇异算子高斯核尺度;为在高斯核尺度下,沿着方向θe(xe,ye)的格雷码边缘图像的零阶导数;为在高斯核尺度σe下,沿着方向θe(xe,ye)的格雷码边缘图像的一阶导数;为在高斯核尺度σe下,沿着方向θe(xe,ye)格雷码边缘图像的二阶导数;
构建格雷码边缘检测奇异算子的最短路径代价函数,如式:
Γe=ηe*Ie+(1-ηe)*de(ψe(xe,ye,σe))
式中:ηe为Γe中的常数比例因子,用于调节Ie图像增强后的信息和本身的占比,de为ψe的递减函数,de=max(ψe(xe,ye,σe))-ψe(xe,ye,σe);
步骤c2:线移条纹中心检测代价函数构建
根据编码图像线移条纹灰度值的分布特点,构建条纹中心检测多尺度奇异值算子如式:
式中:c表示线移条纹中心,xc,yc分别为Ic图像中点的位置坐标,θc为图像点(xc,yc)与图像中零点坐标的方向参数,αc为构建线移条纹中心奇异算子的尺度常数因子,为在构建线移条纹中心奇异算子的高斯核尺度σc下,沿着方向θc(xc,yc)的线移条纹中心图像的零阶导数;为在高斯核尺度σc下,沿着方向θc(xc,yc)的线移条纹中心图像的一阶导数;为在高斯核尺度σc下,沿着方向θc(xc,yc)的线移条纹中心图像的二阶导数;
构建线移条纹中心检测奇异算子的最短路径代价函数,如式:
Γc=ηc*Ic+(1-ηc)*dc(ψc(xc,yc,σc))
式中:ηc为Γc的常数比例因子,其用于调节Ic图像增强后的信息和本身的占比,dc为ψc的递减函数,dc=max(ψc(xc,yc,σc))-ψc(xc,yc,σc)。
上述编码结构光三维测量方法,步骤d的具体步骤如下:
步骤d1:格雷码图像路径跟踪检测
当获得Ie的路径上关键点ke1后,关键点集合更新为Se={ke0,ke1},路径集合更新为Pe={ke0→ke1};如下为迭代检测Ie路径曲线上关键点步骤:
步骤d1-1、将更新后的关键点集合Se中的所有点作为更新源点,用快速行进算法求最小能量图,计算最小能量图的边界点与更新后的关键点源点之间最短路径积分能量Ee,确定边界点中下一个候选关键点kep;
步骤d1-2、再利用欧拉距离约束确定超过阀值Te的候选关键点,升级为新关键点ke2;
步骤d1-3、更新关键点集合与路径集合,有:Se={ke0,ke1,ke2},Pe={ke0→ke1,ke1→ke2};
步骤d1-4、判断关键点ke2是否满足停止条件,L(kei,pe)-L(kei,qe)-L(pe,qe)≤εe,其中,L函数表示两点间欧拉距离,kei表示Ie上第i个关键点,pe与qe表示Ie图像上的两个已知相邻关键点,其中候选关键点kei邻近关键点qe,εe表示给定容允许误差;
若关键点ke2满足此条件,停止路径跟踪监测;
若不满足停止条件,循环步骤d1-1到步骤d1-4,迭代得到最终的Ie图像上关键点集合和路径集合;
步骤d2:线移条纹中心路径跟踪检测
当获得Ic的路径上关键点kc1后,关键点集合更新为Sc={kc0,kc1},路径集合更新为Pc={kc0→kc1};如下为迭代检测Ic路径曲线上关键点步骤:
步骤d2-1、将更新后的关键点集合Sc中的所有点作为更新源点,用快速行进算法求最小能量图,计算最小能量图的边界点与更新后的关键点源点之间最短路径积分能量Ec,确定边界点中下一个候选关键点kcp;
步骤d2-2、再利用欧拉距离约束确定超过阀值Tc的候选关键点,升级为新关键点kc2;
步骤d2-3、更新关键点集合与路径集合,有:Sc={kc0,kc1,kc2},Pc={kc0→kc1,kc1→kc2};
步骤d2-4、判断关键点kc2是否满足停止条件,L(kci,pc)-L(kci,qc)-L(pc,qc)≤εc,其中,L函数表示两点间欧拉距离,kci表示Ic上第i个关键点,pc与qc表示Ic图像上的两个已知相邻关键点,其中候选关键点kci邻近关键点qc,εc表示给定容允许误差;
若关键点kc2满足此条件,停止路径跟踪监测;
若不满足停止条件,循环步骤d2-1到步骤d2-4,迭代得到最终的Ic图像上关键点集合和路径集合。
有益效果:
本发明采用了如下技术手段,基于奇异算子和最短路径搜索技术的格雷码条纹边缘检测与线移条纹中心检测的方法。本发明通过分别对格雷码边缘和线移条纹各自的信号特征进行分析研究,针对格雷码边缘设计边缘检测奇异算子并构建边缘代价函数,针对线移条纹中心设计中心检测奇异算子并构建中心代价函数。给出通过欧拉距离约束作为相邻关键点距离约束条件,以快速行进算法为基础计算最短路径搜索技术中最小能量图的方法,并给出由最短路径自动跟踪得到准确的格雷码边缘和线移条纹中心定位的方法。最终减小格雷码条纹边缘定位不准确、线移条纹中心定位误差,更准确的获得被测物体表面三维信息,对格雷码边缘线与线移条纹中心线进行检测定位研究,提高三维测量中格雷码边缘定位与线移条纹中心定位的精度,最终提高三维测量精度。
附图说明
图1是本发明一种编码结构光三维测量方法的流程图。
图2是格雷码编码测量图像。
图3是线移条纹编码测量图像。
图4是被测花瓶及其编码样图。
图5是被测球面及其编码样图。
图6是交点法边缘检测和灰度重心法中心检测的花瓶表面三维测量结果。
图7是本专利方法的花瓶表面三维测量结果。
图8是交点法边缘检测和灰度重心法中心检测的球面三维测量结果。
图9是本专利方法的球面三维测量结果。
具体实施例
下面结合附图对本发明具体实施例作进一步详细描述。
具体实施例一
本实施例的编码结构光三维测量方法,流程图如图1所示,该方法包括以下步骤:
步骤a、分别输入格雷码编码测量图像Ie与线移条纹编码测量图像Ic;
步骤b、以欧拉距离为关键点距离约束条件,分别获取格雷码边缘线上与线移条纹中心线上的关键点;
步骤c、设计边缘奇异算子和中心奇异算子并分别构建边缘检测代价函数和中心检测代价函数;
步骤d、由最短路径搜索技术分别自动跟踪定位格雷码边缘和线移条纹中心。
具体实施例二
本实施例的编码结构光三维测量方法,在具体实施例一的基础上,进一步限定步骤b的具体步骤如下:
步骤b1:对于输入的格雷码编码测量图像Ie,图像域Ω∈R,R为自然域,代价函数为Γe∈Ω,且Γe>0,令Γe=Ie;用集合Se表示格雷码编码测量图像Ie上所有检测到的关键点集合,在初始的关键点集合Sei中存在初始点,即初始的集合Sei={ke0};已知初始集合的波阵面是个圆,圆心为ke0,得到Ie关键点的最小能量图所用迭代步长为te;
步骤b2:由公式E(l)=∫lP(l(s))ds计算Ie每条路径的能量积分E,其中,l为待求解的路径曲线,s为弧长参数,P为势函数;其中,最小能量积分Eemin即为Ie中需求最短路径,对应的边界点为Ie的候选关键点kep;
步骤b3:计算ke0与kep之间路径的欧拉距离,当欧拉距离大于给定的阀值Te时,则该点升级为关键点ke1;
步骤b4:对于输入的线移条纹编码测量图像Ic,图像域Ω∈R,R为自然域,代价函数为Γc∈Ω,且Γc>0,令Γc=Ic;用集合Sc表示线移条纹编码测量图像Ic上所有检测到的关键点集合,在初始的关键点集合Sci中存在初始点,即初始的集合Sci={kc0};已知初始集合的波阵面是个圆,圆心为kc0,得到Ic关键点的最小能量图所用迭代步长为tc;
步骤b5:由公式E(l)=∫lP(l(s))ds计算Ic每条路径的能量积分E,其中,l为待求解的路径曲线,s为弧长参数,P为势函数;其中,最小能量积分Ecmin即为Ic中需求最短路径,对应的边界点为Ic的候选关键点kcp;
步骤b6:计算kc0与kcp之间路径的欧拉距离,当欧拉距离大于给定的阀值Tc时,则该点升级为关键点kc1。
具体实施例三
本实施例的编码结构光三维测量方法,在具体实施例一的基础上,进一步限定步骤c的具体步骤如下:
步骤c1:格雷码边缘检测代价函数构建
根据编码图像格雷码边缘灰度分布特点,构建格雷码边缘奇异算子如式:
式中:e表示格雷码边缘,xe,ye分别为Ie图像中点的位置坐标,θe为图像点(xe,ye)与图像中零点坐标的方向参数,αe为构建格雷码边缘奇异算子的尺度常数因子;σe为构建格雷码边缘奇异算子高斯核尺度;为在高斯核尺度下,沿着方向θe(xe,ye)的格雷码边缘图像的零阶导数;为在高斯核尺度σe下,沿着方向θe(xe,ye)的格雷码边缘图像的一阶导数;为在高斯核尺度σe下,沿着方向θe(xe,ye)格雷码边缘图像的二阶导数;
构建格雷码边缘检测奇异算子的最短路径代价函数,如式:
Γe=ηe*Ie+(1-ηe)*de(ψe(xe,ye,σe))
式中:ηe为Γe中的常数比例因子,用于调节Ie图像增强后的信息和本身的占比,de为ψe的递减函数,de=max(ψe(xe,ye,σe))-ψe(xe,ye,σe);
步骤c2:线移条纹中心检测代价函数构建
根据编码图像线移条纹灰度值的分布特点,构建条纹中心检测多尺度奇异值算子如式:
式中:c表示线移条纹中心,xc,yc分别为Ic图像中点的位置坐标,θc为图像点(xc,yc)与图像中零点坐标的方向参数,αc为构建线移条纹中心奇异算子的尺度常数因子,为在构建线移条纹中心奇异算子的高斯核尺度σc下,沿着方向θc(xc,yc)的线移条纹中心图像的零阶导数;为在高斯核尺度σc下,沿着方向θc(xc,yc)的线移条纹中心图像的一阶导数;为在高斯核尺度σc下,沿着方向θc(xc,yc)的线移条纹中心图像的二阶导数;
构建线移条纹中心检测奇异算子的最短路径代价函数,如式:
Γc=ηc*Ic+(1-ηc)*dc(ψc(xc,yc,σc))
式中:ηc为Γc的常数比例因子,其用于调节Ic图像增强后的信息和本身的占比,dc为ψc的递减函数,dc=max(ψc(xc,yc,σc))-ψc(xc,yc,σc)。
具体实施例四
本实施例的编码结构光三维测量方法,在具体实施例一的基础上,进一步限定步骤d的具体步骤如下:
步骤d1:格雷码图像路径跟踪检测
当获得Ie的路径上关键点ke1后,关键点集合更新为Se={ke0,ke1},路径集合更新为Pe={ke0→ke1};如下为迭代检测Ie路径曲线上关键点步骤:
步骤d1-1、将更新后的关键点集合Se中的所有点作为更新源点,用快速行进算法求最小能量图,计算最小能量图的边界点与更新后的关键点源点之间最短路径积分能量Ee,确定边界点中下一个候选关键点kep;
步骤d1-2、再利用欧拉距离约束确定超过阀值Te的候选关键点,升级为新关键点ke2;
步骤d1-3、更新关键点集合与路径集合,有:Se={ke0,ke1,ke2},Pe={ke0→ke1,ke1→ke2};
步骤d1-4、判断关键点ke2是否满足停止条件,L(kei,pe)-L(kei,qe)-L(pe,qe)≤εe,其中,L函数表示两点间欧拉距离,kei表示Ie上第i个关键点,pe与qe表示Ie图像上的两个已知相邻关键点,其中候选关键点kei邻近关键点qe,εe表示给定容允许误差;
若关键点ke2满足此条件,停止路径跟踪监测;
若不满足停止条件,循环步骤d1-1到步骤d1-4,迭代得到最终的Ie图像上关键点集合和路径集合;
步骤d2:线移条纹中心路径跟踪检测
当获得Ic的路径上关键点kc1后,关键点集合更新为Sc={kc0,kc1},路径集合更新为Pc={kc0→kc1};如下为迭代检测Ic路径曲线上关键点步骤:
步骤d2-1、将更新后的关键点集合Sc中的所有点作为更新源点,用快速行进算法求最小能量图,计算最小能量图的边界点与更新后的关键点源点之间最短路径积分能量Ec,确定边界点中下一个候选关键点kcp;
步骤d2-2、再利用欧拉距离约束确定超过阀值Tc的候选关键点,升级为新关键点kc2;
步骤d2-3、更新关键点集合与路径集合,有:Sc={kc0,kc1,kc2},Pc={kc0→kc1,kc1→kc2};
步骤d2-4、判断关键点kc2是否满足停止条件,L(kci,pc)-L(kci,qc)-L(pc,qc)≤εc,其中,L函数表示两点间欧拉距离,kci表示Ic上第i个关键点,pc与qc表示Ic图像上的两个已知相邻关键点,其中候选关键点kci邻近关键点qc,εc表示给定容允许误差;
若关键点kc2满足此条件,停止路径跟踪监测;
若不满足停止条件,循环步骤d2-1到步骤d2-4,迭代得到最终的Ic图像上关键点集合和路径集合。
需要说明的是,具体实施例二、具体实施例三和具体实施例四的技术不矛盾,能够相互排列组合,即存在以下组合方式:
具体实施例一、具体实施例二和具体实施例三的组合;
具体实施例一、具体实施例二和具体实施例四的组合;
具体实施例一、具体实施例三和具体实施例四的组合;
具体实施例一、具体实施例二、具体实施例三和具体实施例四的组合。
具体实施例五
本实施例的编码结构光三维测量方法,将具体实施例一应用到花瓶如与球面的测量当中,输入的格雷码编码测量图像如图2所示,输入的线移条纹编码测量图像如图3所示,被测花瓶及其编码样图如图4所示,被测球面及其编码样图如图5所示。图6为利用结合交点法边缘检测和灰度重心法中心检测的花瓶表面三维测量结果,图7为本专利方法的花瓶表面三维测量结果。图6和7均为将被测花瓶表面三维测量中的点云数据输入到geomagic中输出的图像,在图7中编码条纹方向的突出或凹陷明显少于图6,且对表面纹理刻画也较细致。图8所示为利用结合交点法边缘检测和灰度重心法中心检测的球面三维测量结果,图9所示为本专利方法的球面三维测量结果。图8中由于边缘或中心定位不准确,使得重构图像中部分位置信息点多,而起相邻位置产生少点现象,使得解码时点定位存在误差,使得图中存在条状的突出或凹陷,本专利方法定位更准确,条形的突出或凹陷明显减少,甚至消除。
Claims (2)
1.一种编码结构光三维测量方法,其特征在于,包括以下步骤:
步骤a、分别输入格雷码编码测量图像Ie与线移条纹编码测量图像Ic;
步骤b、以欧拉距离为关键点距离约束条件,分别获取格雷码边缘线上与线移条纹中心线上的关键点;
步骤c、设计边缘奇异算子和中心奇异算子并分别构建边缘检测代价函数和中心检测代价函数;
步骤d、由最短路径搜索技术分别自动跟踪定位格雷码边缘和线移条纹中心。
2.根据权利要求2所述的一种编码结构光三维测量方法,其特在于,步骤b的具体步骤如下:
步骤b1:对于输入的格雷码编码测量图像Ie,图像域Ω∈R,R为自然域,代价函数为Γe∈Ω,且Γe>0,令Γe=Ie;用集合Se表示格雷码编码测量图像Ie上所有检测到的关键点集合,在初始的关键点集合Sei中存在初始点,即初始的集合Sei={ke0};已知初始集合的波阵面是个圆,圆心为ke0,得到Ie关键点的最小能量图所用迭代步长为te;
步骤b2:由公式E(l)=∫lP(l(s))ds计算Ie每条路径的能量积分E,其中,l为待求解的路径曲线,s为弧长参数,P为势函数;其中,最小能量积分Eemin即为Ie中需求最短路径,对应的边界点为Ie的候选关键点kep;
步骤b3:计算ke0与kep之间路径的欧拉距离,当欧拉距离大于给定的阀值Te时,则该点升级为关键点ke1;
步骤b4:对于输入的线移条纹编码测量图像Ic,图像域Ω∈R,R为自然域,代价函数为Γc∈Ω,且Γc>0,令Γc=Ic;用集合Sc表示线移条纹编码测量图像Ic上所有检测到的关键点集合,在初始的关键点集合Sci中存在初始点,即初始的集合Sci={kc0};已知初始集合的波阵面是个圆,圆心为kc0,得到Ic关键点的最小能量图所用迭代步长为tc;
步骤b5:由公式E(l)=∫lP(l(s))ds计算Ic每条路径的能量积分E,其中,l为待求解的路径曲线,s为弧长参数,P为势函数;其中,最小能量积分Ecmin即为Ic中需求最短路径,对应的边界点为Ic的候选关键点kcp;
步骤b6:计算kc0与kcp之间路径的欧拉距离,当欧拉距离大于给定的阀值Tc时,则该点升级为关键点kc1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810111771.6A CN108332685B (zh) | 2018-02-05 | 2018-02-05 | 一种编码结构光三维测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810111771.6A CN108332685B (zh) | 2018-02-05 | 2018-02-05 | 一种编码结构光三维测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108332685A true CN108332685A (zh) | 2018-07-27 |
CN108332685B CN108332685B (zh) | 2019-11-29 |
Family
ID=62928452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810111771.6A Expired - Fee Related CN108332685B (zh) | 2018-02-05 | 2018-02-05 | 一种编码结构光三维测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108332685B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141293A (zh) * | 2018-08-08 | 2019-01-04 | 深圳市银星智能科技股份有限公司 | 基于结构光的物体测量方法及电子设备 |
CN113532330A (zh) * | 2021-08-28 | 2021-10-22 | 哈尔滨理工大学 | 一种相位格雷码三维测量方法 |
CN114166150A (zh) * | 2021-12-07 | 2022-03-11 | 海伯森技术(深圳)有限公司 | 一种条纹反射三维测量方法、系统及存储介质 |
CN114234849A (zh) * | 2021-12-20 | 2022-03-25 | 广东工业大学 | 一种调制格雷码信息于周期边缘的三维测量方法 |
CN114252026A (zh) * | 2021-12-20 | 2022-03-29 | 广东工业大学 | 调制三维编码于周期边缘的三维测量方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738172A (zh) * | 2008-11-05 | 2010-06-16 | 哈尔滨理工大学 | 基于绿条纹分割的高采样密度彩色结构光三维测量方法 |
CN103033147A (zh) * | 2013-01-09 | 2013-04-10 | 中航华东光电有限公司 | 一种结构光三维测量装置及其测量方法 |
CN104835158A (zh) * | 2015-05-05 | 2015-08-12 | 中国人民解放军国防科学技术大学 | 基于格雷码结构光与极线约束的三维点云获取方法 |
CN105890546A (zh) * | 2016-04-22 | 2016-08-24 | 无锡信捷电气股份有限公司 | 基于正交格雷码和线移相结合的结构光三维测量方法 |
CN106920220A (zh) * | 2017-02-24 | 2017-07-04 | 西北工业大学 | 基于暗原色和交替方向乘子法优化的湍流图像盲复原方法 |
JP2018054410A (ja) * | 2016-09-28 | 2018-04-05 | Juki株式会社 | 3次元形状計測方法及び3次元形状計測装置 |
-
2018
- 2018-02-05 CN CN201810111771.6A patent/CN108332685B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738172A (zh) * | 2008-11-05 | 2010-06-16 | 哈尔滨理工大学 | 基于绿条纹分割的高采样密度彩色结构光三维测量方法 |
CN103033147A (zh) * | 2013-01-09 | 2013-04-10 | 中航华东光电有限公司 | 一种结构光三维测量装置及其测量方法 |
CN104835158A (zh) * | 2015-05-05 | 2015-08-12 | 中国人民解放军国防科学技术大学 | 基于格雷码结构光与极线约束的三维点云获取方法 |
CN104835158B (zh) * | 2015-05-05 | 2016-03-23 | 中国人民解放军国防科学技术大学 | 基于格雷码结构光与极线约束的三维点云获取方法 |
CN105890546A (zh) * | 2016-04-22 | 2016-08-24 | 无锡信捷电气股份有限公司 | 基于正交格雷码和线移相结合的结构光三维测量方法 |
JP2018054410A (ja) * | 2016-09-28 | 2018-04-05 | Juki株式会社 | 3次元形状計測方法及び3次元形状計測装置 |
CN106920220A (zh) * | 2017-02-24 | 2017-07-04 | 西北工业大学 | 基于暗原色和交替方向乘子法优化的湍流图像盲复原方法 |
CN106920220B (zh) * | 2017-02-24 | 2019-07-19 | 西北工业大学 | 基于暗原色和交替方向乘子法优化的湍流图像盲复原方法 |
Non-Patent Citations (2)
Title |
---|
于晓洋等: "基于Gray码和线移条纹的结构光3D测量技术", 《仪器仪表学报》 * |
于晓洋等: "基于条纹边缘解码的结构光三维测量技术", 《电子器件》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109141293A (zh) * | 2018-08-08 | 2019-01-04 | 深圳市银星智能科技股份有限公司 | 基于结构光的物体测量方法及电子设备 |
CN113532330A (zh) * | 2021-08-28 | 2021-10-22 | 哈尔滨理工大学 | 一种相位格雷码三维测量方法 |
CN113532330B (zh) * | 2021-08-28 | 2022-10-04 | 哈尔滨理工大学 | 一种相位格雷码三维测量方法 |
CN114166150A (zh) * | 2021-12-07 | 2022-03-11 | 海伯森技术(深圳)有限公司 | 一种条纹反射三维测量方法、系统及存储介质 |
CN114166150B (zh) * | 2021-12-07 | 2022-06-21 | 海伯森技术(深圳)有限公司 | 一种条纹反射三维测量方法、系统及存储介质 |
CN114234849A (zh) * | 2021-12-20 | 2022-03-25 | 广东工业大学 | 一种调制格雷码信息于周期边缘的三维测量方法 |
CN114252026A (zh) * | 2021-12-20 | 2022-03-29 | 广东工业大学 | 调制三维编码于周期边缘的三维测量方法及系统 |
CN114252026B (zh) * | 2021-12-20 | 2022-07-15 | 广东工业大学 | 调制三维编码于周期边缘的三维测量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108332685B (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108332685B (zh) | 一种编码结构光三维测量方法 | |
Zhou et al. | Rail profile measurement based on line-structured light vision | |
CN108195377B (zh) | 一种基于三角形周长匹配的反光板匹配算法 | |
CN204730814U (zh) | 一种基于线激光三维测量的零部件质量检验装置 | |
CN101692257B (zh) | 一种复杂曲面的配准方法 | |
CN103678754B (zh) | 信息处理装置及信息处理方法 | |
CN105654483B (zh) | 三维点云全自动配准方法 | |
CN106248035A (zh) | 一种基于点云模型的面轮廓度精确检测的方法及系统 | |
Wang et al. | Distortion calibrating method of measuring rail profile based on local affine invariant feature descriptor | |
CN110675440B (zh) | 三维深度数据的置信度评估方法、装置和计算机设备 | |
CN105066915A (zh) | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 | |
CN106052646A (zh) | 信息处理装置及信息处理方法 | |
Liu et al. | Recognition and calibration of rail profile under affine-distortion-based point set mapping | |
CN101515331B (zh) | 一种邻域相关的亚像素定位方法 | |
CN104764413B (zh) | 海洋结构物甲板片焊接变形测量方法 | |
CN103868471A (zh) | 三维形状测量装置及其控制方法 | |
CN106996752A (zh) | 三维扫描装置及三维扫描方法 | |
CN103218809A (zh) | 一种珍珠长度参数的图像测量方法 | |
JP2017026430A (ja) | 標識検出装置、方法、及びプログラム | |
JP5796187B2 (ja) | 評価値算出装置及び評価値算出方法 | |
Rak et al. | The use of low density high accuracy (LDHA) data for correction of high density low accuracy (HDLA) point cloud | |
JPH09113223A (ja) | 非接触距離姿勢測定方法及び装置 | |
Yu et al. | Visual texture-based 3-D roughness measurement for additive manufacturing surfaces | |
CN106645168A (zh) | 一种起重机臂筒表面凹凸缺陷的检测方法 | |
Liu et al. | A novel scratch detection and measurement method for automotive stamping parts |
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 | ||
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: 20191129 Termination date: 20220205 |