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 PDF

Info

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
Application number
CN201811177728.6A
Other languages
English (en)
Inventor
乔玉晶
皮彦超
高胜彪
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.)
Harbin University of Science and Technology
Original Assignee
Harbin University of Science and Technology
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 Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN201811177728.6A priority Critical patent/CN109272051A/zh
Publication of CN109272051A publication Critical patent/CN109272051A/zh
Pending legal-status Critical Current

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

一种基于聚类分析和循环迭代的相机组网筛选方法
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。
CN201811177728.6A 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 Pending CN109272051A (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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