CN109272051A - 一种基于聚类分析和循环迭代的相机组网筛选方法 - Google Patents
一种基于聚类分析和循环迭代的相机组网筛选方法 Download PDFInfo
- Publication number
- CN109272051A CN109272051A CN201811177728.6A CN201811177728A CN109272051A CN 109272051 A CN109272051 A CN 109272051A CN 201811177728 A CN201811177728 A CN 201811177728A CN 109272051 A CN109272051 A CN 109272051A
- Authority
- CN
- China
- Prior art keywords
- camera
- point
- clustering
- redundancy
- angle
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Abstract
本发明涉及工业测量技术领域,是一种针对大型工业结构进行测量方法,包括以下步骤:将来自视频成像的点云分为过覆盖点和合理的覆盖点,过覆盖点是指被超过三个相机拍摄,合理覆盖点是指被三个相机拍摄;将参与拍摄过覆盖点的相机归类为冗余相机,将参与拍摄合理覆盖点的相机归类为合理的相机;统计每个相机的覆盖率,删除覆盖率低的冗余相机;在删除相机后,更新立体视觉测量网络,继续进行测试。点云重新被分为过覆盖点和合理的覆盖点;重复步骤3,新的相机被删除,直到没有冗余相机拍摄过覆盖点。本发明根据物体形状生成多个相机环绕物体,删除冗余相机形成最佳测量网络。
Description
技术领域:
本发明是一种针对大型工业结构进行测量方法,属于工业测量技术领域。
技术背景:
随着制造业的发展,对测量任务提出了大范围、高精度、高速度的测量要求,采用坐标测量机、经纬仪等传统的测量方法无法满足要求,在这种背景之下,视觉测量技术得以快速的发展,并能很好的完成上面提出的测量要求,使其成为现代测量方法的重要研究方向。但在大型工业结构的测量中,由于零件尺寸大及表面形貌曲率复杂,需进行多次局部测量,使之每次测量的局部范围大小不尽相同,由此产生了视觉测量网络站位规划的问题,而现今视觉测量网络站位多根据经验给定,存在一定的盲目性、不合理性与不稳定性,并对测量人员有较高的专业素质要求,难以将视觉测量技术广泛推广到大型工业结构测量的工程实践之中。实现大型工业结构精确和高度详细的三维重建,需要多个相机组成相机网络,使用最少的相机找到合适的成像位姿。
发明内容:
本发明的目的是为了克服上述现有技术存在的不足之处,从而提供一种基于聚类分析和循环迭代的相机组网筛选方法,使用最少的相机满足覆盖率和精确度。解决视觉测量网络站位规划的问题。
为了达到上述目的,本发明提供如下技术方案:一种基于聚类分析和循环迭代的相机组网筛选方法,流程图如图5所示,包括以下步骤:
步骤a、总结归纳相机规划问题的影响因素,获取被测物的点云数据,确定相机的可见性约束条件;
步骤b、根据可见性约束条件,建立完整的数学模型,检验每个相机对获取点云中每个点的可见性;
步骤c、通过相机对点的可见性,对相机进行聚类分析;
步骤d、统计每个相机的覆盖率,删除覆盖率低的冗余相机;
步骤e、删除相机后,更新立体视觉测量网络,继续进行测试;
步骤f、重复步骤b,新的冗余相机被删除,直到没有冗余相机;
所述步骤(1)中,所述步骤a具体为:点云使用From Structure-from-Motion(VisualSFM软件)技术生成,我们根据点云使用MeshLab软件生成三角平面区,并计算每个三角平面区域的法向量,利用法向量计算每个相机对于每个平面的可见性。
所述步骤(1)中,约束条件如下:
A.可见性约束:视觉传感器视点的一个方向向量与曲面相切于p点,若测量目标曲面p点处的法向量与视觉传感器视点的方向向量夹角等于90°,那么P点右边的部分是采集不到的。在实际测量中,夹角略大于90°的区域点的成像质量也不是很好。
通过以上分析可知,可见性约束条件为:
式中,为测量目标表面的法向量;为视觉传感器视点的方向向量。
B.入射角约束:在实际的视觉测量过程中,为了减少二维成像后的像点误差值,不希望一些视点的位置与被测物体表面共面,为摄像机视点方向向量与目标点法向向量间可以接受的角度最大值,定义为入射角。则入射角约束条件为:
C.视场约束:受到镜头焦距和CCD尺寸的限制,视觉传感器只能采集到一定角度内的图像,这一图像范围称为视场。可见的视场区域通常可视为四棱锥形。镜头中心沿z方向为视觉传感器的可视方向,沿y轴观察,锥形顶角便称为视场角,为确保目的采集区域落于可视区域之间,需满足的视场角约束条件为:
式中,为CCD光轴方向的单位向量;为视觉传感器视点的方向向量;为视场角。
所述步骤(1)中,所述步骤c具体为:对相机进行聚类分析时,将点云中每个点划分为过覆盖点和合理覆盖点,合理覆盖点是只被三个相机拍摄的点,过覆盖点是被超过三个相机拍摄的点;参与拍摄合理覆盖点的相机为合理相机,参与拍摄过覆盖点的相机为冗余相机,合理相机的优先级大于冗余相机。
所述步骤(1)中,所述步骤d具体为:根据相机的覆盖率,使用算法将相机升序排列,删除覆盖率低的冗余相机,更新相机组网。
所述步骤(1)中,所述步骤f具体为:如果所有点均只被三个相机拍摄,停止更新相机网络。
本发明的有益效果在于:
使用最少的相机满足覆盖率和精确度,降低测量成本、提高效率,解决视觉测量网络站位规划的问题。
附图说明:
图1是使用三角形区域法向量检验可视性
图2是相机可见性约束条件
图3是入射角约束条件
图4是视场约束条件
图5是相机网络初始化及其筛选方法流程图
对本发明的具体实施方式作如下说明:
实施例1:
1.1相机网络的初始化
如图(1)所示,利用被测物体形状和相机参数,形成一个椭球模型环绕被测物体,相机分布在椭球模型,相机光轴指向椭球中心,环绕被测物体。
1.2一种基于聚类分析和循环迭代的相机组网筛选方法,包括以下步骤:
步骤a、总结归纳相机规划问题的影响因素,获取被测物的点云数据,确定相机的可见性约束条件;
步骤b、根据可见性约束条件,建立完整的数学模型,检验每个相机对获取点云中每个点的可见性;
步骤c、通过相机对点的可见性,对相机进行聚类分析;
步骤d、统计每个相机的覆盖率,删除覆盖率低的冗余相机;
步骤e、删除相机后,更新立体视觉测量网络,继续进行测试;
步骤f、重复步骤b,新的冗余相机被删除,直到没有冗余相机;
所述步骤(1)中,所述步骤a具体为:点云使用From Structure-from-Motion(VisualSFM软件)技术生成,我们根据点云使用MeshLab软件生成三角平面区,并计算每个三角平面区域的法向量,利用法向量计算每个相机对于每个平面的可见性。
所述步骤(1)中,约束条件如下:
A.可见性约束:视觉传感器视点的一个方向向量与曲面相切于p点,若测量目标曲面p点处的法向量与视觉传感器视点的方向向量夹角等于90°,那么P点右边的部分是采集不到的。在实际测量中,夹角略大于90°的区域点的成像质量也不是很好。
通过以上分析可知,可见性约束条件为:
式中,为测量目标表面的法向量;为视觉传感器视点的方向向量。
B.入射角约束:在实际的视觉测量过程中,为了减少二维成像后的像点误差值,不希望一些视点的位置与被测物体表面共面,为摄像机视点方向向量与目标点法向向量间可以接受的角度最大值,定义为入射角。则入射角约束条件为:
C.视场约束:受到镜头焦距和CCD尺寸的限制,视觉传感器只能采集到一定角度内的图像,这一图像范围称为视场。可见的视场区域通常可视为四棱锥形。镜头中心沿z方向为视觉传感器的可视方向,沿y轴观察,锥形顶角便称为视场角,为确保目的采集区域落于可视区域之间,需满足的视场角约束条件为:
式中,为CCD光轴方向的单位向量;为视觉传感器视点的方向向量;为视场角。
所述步骤(1)中,所述步骤c具体为:对相机进行聚类分析时,将点云中每个点划分为过覆盖点和合理覆盖点,合理覆盖点是只被三个相机拍摄的点,过覆盖点是被超过三个相机拍摄的点;参与拍摄合理覆盖点的相机为合理相机,参与拍摄过覆盖点的相机为冗余相机,合理相机的优先级大于冗余相机。
所述步骤(1)中,所述步骤d具体为:根据相机的覆盖率,使用算法将相机升序排列,删除覆盖率低的冗余相机,更新相机组网。
所述步骤(1)中,所述步骤f具体为:如果所有点均只被三个相机拍摄,停止更新相机网络。
以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于聚类分析和循环迭代的相机组网筛选方法,其特征在于,包括以下步骤:
步骤a、总结归纳相机规划问题的影响因素,获取被测物的点云数据,确定相机的可见性约束条件;
步骤b、根据可见性约束条件,建立完整的数学模型,检验每个相机对获取点云中每个点的可见性;
步骤c、通过相机对点的可见性,对相机进行聚类分析;
步骤d、统计每个相机的覆盖率,删除覆盖率低的冗余相机;
步骤e、删除相机后,更新立体视觉测量网络,继续进行测试;
步骤f、重复步骤b,新的冗余相机被删除,直到没有冗余相机。
2.根据权利要求1所述一种基于聚类分析和循环迭代的相机组网筛选方法,其特征在于,所述步骤a具体为:点云使用From Structure-from-Motion(Visual SFM软件)技术生成,我们根据点云使用MeshLab软件生成三角平面区,并计算每个三角平面区域的法向量,利用法向量计算每个相机对于每个平面的可见性。
3.根据权利要求1所述一种基于聚类分析和循环迭代的相机组网筛选方法,其特征在于,所述步骤b具体为,可见性约束条件如下:
A.可见性约束:视觉传感器视点的一个方向向量与曲面相切于p点,若测量目标曲面p点处的法向量与视觉传感器视点的方向向量夹角等于90°,那么P点右边的部分是采集不到的;
在实际测量中,夹角略大于90°的区域点的成像质量也不是很好;
通过以上分析可知,可见性约束条件为:
式中,为测量目标表面的法向量;为视觉传感器视点的方向向量;
B.入射角约束:在实际的视觉测量过程中,为了减少二维成像后的像点误差值,不希望一些视点的位置与被测物体表面共面,为摄像机视点方向向量与目标点法向向量间可以接受的角度最大值,定义为入射角;
则入射角约束条件为:
C.视场约束:受到镜头焦距和CCD尺寸的限制,视觉传感器只能采集到一定角度内的图像,这一图像范围称为视场;
可见的视场区域通常可视为四棱锥形;
镜头中心沿z方向为视觉传感器的可视方向,沿y轴观察,锥形顶角便称为视场角,为确保目的采集区域落于可视区域之间,需满足的视场角约束条件为:
式中,为CCD光轴方向的单位向量;为视觉传感器视点的方向向量;为视场角。
4.根据权利要求1所述一种基于聚类分析和循环迭代的相机组网筛选方法,其特征在于,所述步骤c具体为:对相机进行聚类分析时,将点云中每个点划分为过覆盖点和合理覆盖点,合理覆盖点是只被三个相机拍摄的点,过覆盖点是被超过三个相机拍摄的点;参与拍摄合理覆盖点的相机为合理相机,参与拍摄过覆盖点的相机为冗余相机,合理相机的优先级大于冗余相机。
5.根据权利要求1所述一种基于聚类分析和循环迭代的相机组网筛选方法,其特征在于,所述步骤d具体为:根据相机的覆盖率,使用算法将相机升序排列,删除覆盖率低的冗余相机,更新相机组网。
6.根据权利要求1所述一种基于聚类分析和循环迭代的相机组网筛选方法,其特征在于,所述步骤f具体为:如果所有点均只被三个相机拍摄,停止更新相机网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811177728.6A CN109272051A (zh) | 2018-10-10 | 2018-10-10 | 一种基于聚类分析和循环迭代的相机组网筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811177728.6A CN109272051A (zh) | 2018-10-10 | 2018-10-10 | 一种基于聚类分析和循环迭代的相机组网筛选方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109272051A true CN109272051A (zh) | 2019-01-25 |
Family
ID=65196288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811177728.6A Pending CN109272051A (zh) | 2018-10-10 | 2018-10-10 | 一种基于聚类分析和循环迭代的相机组网筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272051A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300051A (zh) * | 2010-06-28 | 2011-12-28 | 株式会社日立制作所 | 摄像机配置决定支援装置 |
US20120307067A1 (en) * | 2011-06-01 | 2012-12-06 | Honeywell International Inc. | System and method for automatic camera placement |
CN102821246A (zh) * | 2012-08-29 | 2012-12-12 | 上海天跃科技股份有限公司 | 一种摄像头联动控制方法及监控系统 |
CN102867086A (zh) * | 2012-09-10 | 2013-01-09 | 安科智慧城市技术(中国)有限公司 | 一种监控摄像机的自动部署方法、系统及电子设备 |
CN104732565A (zh) * | 2015-04-21 | 2015-06-24 | 南京森林警察学院 | 一种基于监控范围可视化设计的安防布局绘图方法 |
CN107066747A (zh) * | 2017-04-24 | 2017-08-18 | 哈尔滨理工大学 | 一种视觉测量网络组网规划方法 |
-
2018
- 2018-10-10 CN CN201811177728.6A patent/CN109272051A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300051A (zh) * | 2010-06-28 | 2011-12-28 | 株式会社日立制作所 | 摄像机配置决定支援装置 |
US20120307067A1 (en) * | 2011-06-01 | 2012-12-06 | Honeywell International Inc. | System and method for automatic camera placement |
CN102821246A (zh) * | 2012-08-29 | 2012-12-12 | 上海天跃科技股份有限公司 | 一种摄像头联动控制方法及监控系统 |
CN102867086A (zh) * | 2012-09-10 | 2013-01-09 | 安科智慧城市技术(中国)有限公司 | 一种监控摄像机的自动部署方法、系统及电子设备 |
CN104732565A (zh) * | 2015-04-21 | 2015-06-24 | 南京森林警察学院 | 一种基于监控范围可视化设计的安防布局绘图方法 |
CN107066747A (zh) * | 2017-04-24 | 2017-08-18 | 哈尔滨理工大学 | 一种视觉测量网络组网规划方法 |
Non-Patent Citations (4)
Title |
---|
QIAN SUN 等: ""Coverage performance analysis of multi-camera networks based on observing reliability model"", 《OPTIK》 * |
S.Y. CHEN 等: "Automatic sensor placement for model-based robot vision", 《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS, PART B (CYBERNETICS)》 * |
王学娟 等: "基于多约束条件和遗传算法的摄像机网络规划研究", 《工具技术》 * |
王浩然: ""大型复杂曲面三维测量的立体视觉规划研究"", 《万方数据库-学位论文库》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106595528B (zh) | 一种基于数字散斑的远心显微双目立体视觉测量方法 | |
JP5955028B2 (ja) | 画像処理装置、画像処理方法および画像処理用のプログラム | |
CN105066909B (zh) | 一种手持式多激光条纹快速三维测量方法 | |
JP4970296B2 (ja) | オルソフォト画像の生成方法、および撮影装置 | |
CN106228609A (zh) | 一种基于空间特征信息的倾斜摄影三维建模方法 | |
CN108734741A (zh) | 摄像头校正方法、摄像头校正程序以及摄像头校正装置 | |
CN108734740A (zh) | 摄像头校正方法、摄像头校正程序以及摄像头校正装置 | |
CN103033132B (zh) | 基于单目视觉的平面测量方法及装置 | |
CN105783786B (zh) | 一种基于结构光视觉的零件倒角测量方法与装置 | |
CN109003311A (zh) | 一种鱼眼镜头的标定方法 | |
JP6338369B2 (ja) | 情報処理装置および情報処理方法 | |
CN109523595A (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
CN104482924B (zh) | 旋成体目标位姿视觉测量方法 | |
CN110425998A (zh) | 灰度图像耦合特征点高度的构件三维测量方法 | |
CN108010125A (zh) | 基于线结构光和图像信息的真实尺度三维重建系统及方法 | |
CN112288848A (zh) | 无人机航拍三维建模计算工程量的方法 | |
CN114926440A (zh) | 一种基于同心椭圆弦长比的单晶硅直径检测方法及装置 | |
CN115359127A (zh) | 一种适用于多层介质环境下的偏振相机阵列标定方法 | |
CN106291788B (zh) | 自由曲面棱镜及其形状的确定方法及其光学成像方法 | |
JP2019220099A (ja) | ステレオマッチング処理装置、ステレオマッチング処理方法、及びプログラム | |
CN107864372A (zh) | 立体拍照方法、装置及终端 | |
CN109272051A (zh) | 一种基于聚类分析和循环迭代的相机组网筛选方法 | |
CN115421509B (zh) | 一种无人机飞行拍摄规划方法、装置及存储介质 | |
Sulej et al. | Optical distortion compensation in the visual measurement with the new Depth From Defocus method | |
CN105783881B (zh) | 空中三角测量的方法和装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190125 |
|
WD01 | Invention patent application deemed withdrawn after publication |