CN109584157A - 物体平面度测量方法及装置、存储介质、电子测量设备 - Google Patents
物体平面度测量方法及装置、存储介质、电子测量设备 Download PDFInfo
- Publication number
- CN109584157A CN109584157A CN201811223294.9A CN201811223294A CN109584157A CN 109584157 A CN109584157 A CN 109584157A CN 201811223294 A CN201811223294 A CN 201811223294A CN 109584157 A CN109584157 A CN 109584157A
- Authority
- CN
- China
- Prior art keywords
- area image
- feature point
- plane
- under test
- image
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 71
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 230000009466 transformation Effects 0.000 claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012546 transfer Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004441 surface measurement Methods 0.000 abstract description 4
- 238000013519 translation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种物体平面度测量方法及装置、存储介质、电子测量设备,其中方法包括如下步骤:采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同;从多个区域图像中选取相邻的区域图像,并根据相邻的区域图像,获取相邻的区域图像之间的重叠区域;根据重叠区域,计算相邻的区域图像进行拼接的变换矩阵;根据变换矩阵,将每个区域图像拼接到同一平面;根据平面,测量待测物体的平面度。本发明通过从不同方位采集待测物体的多个区域图像,将每个区域图像的局部特征点都变换到同一个全局坐标系下,进而计算待测物体的平面度,在很大程度上,提高了待测物体的平面度测量精度和测量速度,同时提高了待测物体的表面测量范围。
Description
技术领域
本发明涉及表面度平面测量技术领域,具体涉及一种物体平面度测量方法及装置、存储介质、电子测量设备。
背景技术
平面度指的是被测物体实际表面对其理想平面的变动量,它是工业生产检测中的重要检测指标之一。高精度、快速的对工业产品进行平面度检测有助于提升产品质量和检测效率。所以,对物体平面度的研究至关重要。
目前传统的物体平面度测量方法一般为探针采点测量或2D影像测量或3D影像测量,其中,探针采点测量通过多点检测被测物体表面,多次检测,容易导致探头发生损耗,且其测量速度较慢;2D影像测量需要利用摄像头进行多点对焦采集被测物体表面的图片,由于多点对焦需要花费一定时间,故其检测速度较慢,3D影像测量主要采用单组固定位置的结构光投影仪和相机,所以,其测量区域的范围大小有限,不容易测量物体的不同位置,如果需要测量物体不同位置,还需要不断移动被测物体,导致其测量精度和测量速度下降。因此,现有技术中的物体平面度测量方法其测量速度较慢,测量精度和测量范围有限。
发明内容
因此,本发明实施例要解决的技术问题在于现有技术中的现有技术中的物体平面度测量方法其测量速度较慢,测量精度和测量范围有限。
为此,本发明实施例提供了如下技术方案:
本发明实施例提供一种物体平面度测量方法,包括如下步骤:
采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同;
从所述多个区域图像中选取相邻的区域图像,并根据所述相邻的区域图像,获取所述相邻的区域图像之间的重叠区域;
根据所述重叠区域,计算所述相邻的区域图像进行拼接的变换矩阵;
根据所述变换矩阵,将所述每个区域图像拼接到同一平面;
根据所述平面,测量所述待测物体的平面度。
可选地,所述并根据所述相邻的区域图像,获取所述相邻的区域图像之间的重叠区域的步骤包括;
分别获取相邻区域的第一区域图像和第二区域图像;
分别对所述第一区域图像和所述第二区域图像进行预处理;
分别从所述预处理后的所述第一区域图像中提取第一特征点和从所述第二区域图像中提取第二特征点;
分别对所述第一特征点和所述第二特征点进行匹配得到二者的匹配对应点;
根据所述匹配对应点确定所述重叠区域。
可选地,所述根据所述重叠区域,计算所述相邻的区域图像进行拼接的变换矩阵的步骤包括:
获取得到所述重叠区域的所述匹配对应点;
根据所述匹配对应点,利用SVD奇异值分解法计算所述第一特征点与所述第二特征点之间变换的初始矩阵;
根据所述初始矩阵,利用ICP迭代算法计算所述第一特征点和所述第二特征点之间变换的所述变换矩阵。
可选地,所述根据所述变换矩阵,将所述每个区域图像拼接到同一平面步骤包括:
分别从每个区域图像中提取第三特征点;
根据所述变换矩阵,分别将每个区域图像的所述第三特征点依次进行坐标转移直到其位于同一坐标系;
对所述同一坐标系的所述第三特征点进行平面拟合;
获取拟合后的平面。
可选地,所述根据所述平面,测量所述待测物体的平面度的步骤包括:
获取所述待测物体的表面与所述平面之间的最大距离;
获取所述待测物体的表面与所述平面之间的最小距离;
根据所述最大距离和所述最小距离,计算二者的差值得到所述平面度。
本发明实施例提供一种物体平面度测量装置,包括:
采集模块,用于采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同;
获取模块,用于从所述多个区域图像中选取相邻的区域图像,并根据所述相邻的区域图像,获取所述相邻的区域图像之间的重叠区域;
计算模块,用于根据所述重叠区域,计算所述相邻的区域图像进行拼接的变换矩阵;
拼接模块,用于根据所述变换矩阵,将所述每个区域图像拼接到同一平面;
测量模块,用于根据所述平面,测量所述待测物体的平面度。
可选地,所述获取模块还包括:
获取子模块,用于分别获取相邻区域的第一区域图像和第二区域图像;
预处理模块,用于分别对所述第一区域图像和所述第二区域图像进行预处理;
特征提取子模块,用于分别从所述预处理后的所述第一区域图像中提取第一特征点和从所述第二区域图像中提取第二特征点;
匹配子模块,用于分别对所述第一特征点和所述第二特征点进行匹配得到二者的匹配对应点;
确定子模块,用于根据所述匹配对应点确定所述重叠区域。
可选地,所述拼接模块还包括:
提取子模块,用于分别从每个区域图像中提取第三特征点;
转移子模块,用于根据所述变换矩阵,分别将每个区域图像的所述第三特征点依次进行坐标转移直到其位于同一坐标系;
拟合子模块,用于对所述同一坐标系的所述第三特征点进行平面拟合;
获取子模块,用于获取拟合后的平面。
本发明实施例一种存储介质,其上存储有计算机指令,该指令被处理器执行时实现所述的物体平面度测量方法的步骤。
本发明实施例提供一种电子测量设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现所述的物体平面度测量方法的步骤。
本发明实施例技术方案,具有如下优点:
本发明提供一种物体平面度测量方法及装置、存储介质、电子测量设备,其中方法包括如下步骤:采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同;从多个区域图像中选取相邻的区域图像,并根据相邻的区域图像,获取相邻的区域图像之间的重叠区域;根据重叠区域,计算相邻的区域图像进行拼接的变换矩阵;根据变换矩阵,将每个区域图像拼接到同一平面;根据平面,测量待测物体的平面度。本发明通过从不同方位采集待测物体的多个区域图像,将每个区域图像的局部特征点都变换到同一个全局坐标系下,进而计算待测物体的平面度,在很大程度上,提高了待测物体的平面度测量精度和测量速度,同时提高了待测物体的表面测量范围。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中物体平面度测量方法的第一流程图;
图2为本发明实施例中物体平面度测量方法的第二流程图;
图3为本发明实施例中物体平面度测量方法的第二流程图;
图4为本发明实施例中不同方位进行区域图像的转移示意图;
图5为本发明实施例中物体测量装置的第一结构框图;
图6为本发明实施例中物体测量装置的第二结构框图;
图7为本发明实施例中物体测量装置的第三结构框图;
图8为本发明实施例中电子测量设备的硬件示意图。
具体实施方式
下面将结合附图对本发明实施例的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种物体平面度测量方法,物体平面度可以通俗理解是物体表面的平滑程度,平面宏观高度相对理想平面的偏差,在产品制造或加工中会经常涉及到物体平面度。如图1所示,包括如下步骤:
S1、采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同。此处的多个区域图像是通过相机和投影仪组成的结构光设备从各个不同方位进行全方位拍摄所采集的图像,从不同方位采集区域图像,这样便于在每个区域图像中提取特征点的分布均匀性,每个区域图像不同,但可能存在重叠区域,例如;相邻位置所拍摄的区域图像会存在重叠区域。从不同方位进行全方位拍摄待测物体可以大面积采集待测物体的表面信息,进而可以提高测量待测物体的平面度的精度,所以,本实施例中测量物体平面度测量方法不受测量范围的限制,并且可根据待测物体的尺寸灵活调整拍摄方位。
S2、从多个区域图像中选取相邻的区域图像,并根据相邻的区域图像,获取相邻的区域图像之间的重叠区域。此处相邻的区域图像指相机在第一方位所拍摄待测物体的区域图像与第二方位所拍摄待测物体的区域图像;或相邻的区域图像指相机在第一方位所拍摄待测物体的区域图像、第二方位所拍摄待测物体的区域图像与第三方位所拍摄待测物体的区域图像;即相邻的区域图像包括两个不同方位所拍摄的相邻区域图像或三个或四个不同方位所拍摄的区域图像,而重叠区域指相邻的两区域图像或相邻的三区域图像交叠的区域,本申请较为优选的实施方式是两两相邻区域存在重叠区域。
如图2所示,上述从多个区域图像中选取相邻的区域图像,并根据相邻的区域图像,获取相邻的区域图像之间的重叠区域的步骤S2包括:
S21、分别获取相邻区域的第一区域图像和第二区域图像。此处的第一区域图像可代表相机在第一方位上所拍摄的待测物体的表面图像,第二区域图像可以是相机在第二方位上所拍摄的待测物体的表面图像。作为其它可替换的实施方式,还可以获取相邻区域和第一区域图像、第二区域图像和第三区域图像,本实施例优选获取相邻区域的第一区域图像和第二区域图像。
S22、分别对第一区域图像和第二区域图像进行预处理。为了提高匹配精度,需要将这些原始点云组成的图像数据进行预处理。例如:可以去除一些无效深度的原始点云,或者对原始点云进行滤波去除离散异常点,或者采用直通滤波和统计滤波将离散的原始点云去除,为了加快匹配速度可以采取较为稀疏的点云数据,较为稀疏的点云数据更加具有代表性。
S23、分别从预处理后的第一区域图像中提取第一特征点和从第二区域图像中提取第二特征点。具体地,第一特征点和第二特征点分别表示描述待测物体的表面局部特征的特征点云。
S24、分别对第一特征点和第二特征点进行匹配得到二者的匹配对应点。对第一特征点与第二特征点进行预处理后,需要对预处理后的第一特征点和第二特征点进行数据匹配。
具体地,利用SIFT匹配算法进行匹配得到第一特征点和第二特征点的匹配对应点。
第一步,查找第一SIFT三维特征点和第二SIFT三维特征点;
第二步,利用FPFH(快速点特征直方图)特征描述来得到第一SIFT三维特征点的第一特征描述子和第二SIFT三维特征点的第二特征描述子;
第三步,通过将第一特征描述子和第二特征描述子进行SCIA特征匹配建立特征对应关系得到第一特征点和第二特征点的匹配对应点。
S25、根据匹配对应点确定重叠区域。此处的匹配对应点为第一区域图像和第二区域图像的重叠区域。
S3、根据重叠区域,计算相邻的区域图像进行拼接的变换矩阵。此处的变换矩阵为第一特征点变换到第二特征点所在位置所做的刚体运动或第二特征点变换为第一特征点所在位置所做的刚体运动。例如:变换矩阵G包括旋转矩阵R2和平移向量T2。例如:
其中,Qi表示第一特征点或第二特征点,Qi+1表示第一特征点变换到另一位置坐标的特征点,或第二特征点变换到另一位置坐标下的特征点,Tj表示变换矩阵,R3×3表示3×3的旋转矩阵,T3×1表示3×1的平移向量。
具体地,上述根据重叠区域,计算相邻的区域图像进行拼接的变换矩阵步骤S3包括:
第一步、获取得到重叠区域的匹配对应点。例如:在第一特征点集Q1={q11,q12,…q1n}和第二特征点集Q2={q21,q22,…q2n}匹配的基础上分别查找出Q1的初匹配特征点集Q’1={q’11,q’12,…q’1n},和Q2的初匹配特征点集Q’2={q’21,q’22,…q’2n}。
第二步、根据匹配对应点,利用SVD奇异值分解法计算第一特征点与第二特征点之间变换的初始矩阵。
(a1)、利用如下公式计算Q’1={q’11,q’12,…q’1n}和Q’2={q’21,q’22,…q’2n}的点集质心,其中n为匹配对应点的对数,其中q11′和q21′为任一对匹配三维点的三维坐标,Q1′和Q2′为3×1的矩阵。
(b1)、将两片点集Q1′和Q2′相对各自质心作平移,得到新点集
J1={j11,j12,…j1n}和J2={j21,j22,…j2n};
je=q’11-Q’1; (3)
j’e=q’21-Q’2; (4)
(c1)、利用如下公式计算3×3的矩阵H。
(d1)、对H矩阵进行奇异分解得H=U∧VT,其中上标T1为初始旋转矩阵,U与V为3X3酉矩阵,A为3×3对角矩阵,
(e1)、利用如下公式计算对角矩阵A;
(f1)、利用如下公式计算初始矩阵;
R1=UAVT1,T1=Q2‘-RQ1’; (7)
其中,R1为初始旋转矩阵,T1为初始平移矩阵。
上述(a1)、(b1)、(c1)、(d1)、(e1)、(f1)相当于对获得重叠区域的匹配对应点进行粗配准得到初始矩阵,该初始矩阵用于相邻区域图像的第一特征点与第二特征点进行矩阵变换完成图像拼接。
第三步、根据初始矩阵,利用ICP迭代算法计算第一特征点和第二特征点之间变换的变换矩阵。
(a2)、将第一特征点Q1利用初始矩阵变换到Q2的所在位置,或将第二特征点Q2利用初始矩阵变换到Q1的所在位置;将初始配准后的两片点云Q1′和Q2′作为精配准的初始点集;
(b2)、对初匹配特征点集Q’1={q’11,q’12,…q’1n}每一点q’11,q’21,…q’1n,在目标点云Q中寻找距离最近的对应点Pi,作为该点在目标点云中的对应点,组成初始对应点对;
(c2)、通过对应点利用上述奇异SVD奇异值分解法对计算旋转矩阵R2和平移向量T2,使dk最小,即对应点集之间的均方误差最小;其中dk通过如下公式进行计算;
其中,d为迭代值,N为特征点个数,Q为原始特征点,R2为旋转矩阵,T2为平移向量,Pi为原始特征点的对应点。
(d2)设定某一阈值ε=dk-1和最大迭代次数Nmax,将上一步得到的刚体变换作用于源点云P′,得到新点云P",计算P"和Q的距离误差,如果两次迭代的误差小于阈值ε或者当前迭代次数大于Nmax,则迭代结束.否则将初始配准的点集更新为P"和Q,继续重复上述步骤,直至满足收敛条件。
(e2)、迭代完成之后,通过上述ICP算法可以得到更精确的变换矩阵G(包括旋转矩阵R2和平移向量T2)。
上述(a2)、(b2)、(c2)、(d2)、(e2)、(f2)相当于对获得重叠区域的匹配对应点进行精配准得到最终的变换矩阵,该变换矩阵用于相邻区域图像的第一特征点与第二特征点进行矩阵变换完成图像拼接。在经过粗配准与精配准计算后得到的变换矩阵更加有利于进一步提高待测物体的测量精度。
S4、根据变换矩阵,将每个区域图像拼接到同一平面。通过相邻的区域图像的变换矩阵可以将不同方位所拍摄的多个图像都转移到一幅图像中,即将每个区域图像都拼接到同一平面上。具体地,如图3所示,
S31、分别从每个区域图像中提取第三特征点。此处的第三特征点从每个区域图像上选取代表待测物体的表面信息的稀疏点集合Si1={i=1,2,…n};对所选取的稀疏的点作滤波处理。
S32、根据变换矩阵,分别将每个区域图像的第三特征点依次进行坐标转移直到其位于同一坐标系。每个区域图像中经过滤波处理的第三特征点利用变换矩阵变换到同一坐标系中。从N个不同方向拍摄待测物体的表面图像信息,在每个方位上分别选取第三特征点利用变换矩阵G(相邻的区域图像的重叠区域计算得到)将其连续变换到同一坐标系下,得到最终同一坐标系下所有点集。如图4所示,第一步,从方位1取3点,通过方位1到方位2的变换矩阵G1平移旋转到方位2的坐标系下;第二步,从方位2下取4点与方位1变换过来的3点,通过方位2到方位3的变换矩阵G2平移旋转到方位3,同理,方位N处的点集(取点与其他方位变换过来的点)通过变换矩阵Gn不断变换到下一方位所在坐标系下,最终得到同一坐标系系下的所有选取点集S。上述中的变换矩阵G1、G2、Gn属于变换矩阵G,而变换矩阵G是利用相邻的区域图像的重叠区域计算得到。
S33、对同一坐标系的第三特征点进行平面拟合。具体地,得到每个区域图像中的第三特征点全都转移到同一坐标系下的第三特征点,即第三特征点位于同一平面中,例如:第三特征点集合S,对位于同一平面的第三特征点集S进行平面拟合。拟合平面的方式有很多,例如:最小二乘法、随机采样一致法、SVD等,本实施例通过最小二乘法拟合得出,其方法的思想是使得待测物体的表面与拟合平面之间的距离平方和最小。本实施例主要利用如下公式进行平面拟合
Ax+By+C=z; (9)
其中,A、B和C为拟合平面参数,x,y和z为第三特征点的空间坐标。
S34、获取拟合后的平面。通过对点云数据集S进行拟合可获得从不同方位所拍摄待测物体的多个区域图像的拟合平面。
S5、根据平面,测量待测物体的平面度。具体地,如下:
第一步、获取待测物体的表面与平面之间的最大距离;最大距离为待测物体的平面是指待测物体的表面上的每个点在Z方向上与拟合后的平面之间的最远距离。
第二步、获取待测物体的表面与平面之间的最小距离。最小距离为待测物体的平面是指待测物体的表面上的每个点在Z方向上与拟合后的平面之间的最近距离。
第三步、根据最大距离和最小距离,计算二者的差值得到平面度。例如:利用如下公式进行计算:
f=max(zx-z)-min(zx-z)(x=1,2,3,…M) (10)
其中,x为拟合平面中第三特征点的点集S中的点的索引。
本发明实施例中的物体平面度测量方法,从不同方位采集待测物体的多个区域图像,对多个区域图像中的特征点进行空间位置的转移,每个区域图像中的特征点转移到同一平面,即将每个区域图像的局部特征点都变换到同一个全局坐标系下,进而计算待测物体的平面度,在很大程度上,提高了待测物体的平面度测量精度和测量速度,同时提高了待测物体的表面测量范围。
实施例2
本发明是合理提供一种物体平面度测量装置,如图5所示,包括:
采集模块51,用于采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同;
获取模块52,用于从多个区域图像中选取相邻的区域图像,并根据相邻的区域图像,获取相邻的区域图像之间的重叠区域;
计算模块53,用于根据重叠区域,计算相邻的区域图像进行拼接的变换矩阵;
拼接模块54,用于根据变换矩阵,将每个区域图像拼接到同一平面;
测量模块55,用于根据平面,测量待测物体的平面度。
本发明实施例中的物体平面度测量装置,如图6所示,获取模块52还包括:
获取子模块521,用于分别获取相邻区域的第一区域图像和第二区域图像;
预处理模块522,用于分别对第一区域图像和第二区域图像进行预处理;
特征提取子模块523,用于分别从预处理后的第一区域图像中提取第一特征点和从第二区域图像中提取第二特征点;
匹配子模块524,用于分别对第一特征点和第二特征点进行匹配得到二者的匹配对应点;
确定子模块525,用于根据匹配对应点确定重叠区域。
本发明实施例中的物体平面度测量装置,计算模块53包括:
获取子模块,用于获取得到重叠区域的匹配对应点;
第一计算子模块,用于根据匹配对应点,利用SVD奇异值分解法计算第一特征点与第二特征点之间变换的初始矩阵;
第二计算子模块,用于根据初始矩阵,利用ICP迭代算法计算第一特征点和第二特征点之间变换的变换矩阵。
本发明实施例中的物体平面度测量装置,如图7所示,拼接模块54包括:
提取子模块541,用于分别从每个区域图像中提取第三特征点;
转移子模块542,用于根据变换矩阵,分别将每个区域图像的第三特征点依次进行坐标转移直到其位于同一坐标系;
拟合子模块543,用于对同一坐标系的第三特征点进行平面拟合;
获取子模块544,用于获取拟合后的平面。
本发明实施例中的物体平面度测量装置,测量模块55包括:
第一获取子模块,用于获取待测物体的表面与平面之间的最大距离;
第二获取子模块,用于获取待测物体的表面与平面之间的最小距离;
计算子模块,用于根据最大距离和最小距离,计算二者的差值得到平面度
本发明实施例中的物体平面度测量装置,从不同方位采集待测物体的多个区域图像,对多个区域图像中的特征点进行空间位置的转移,每个区域图像中的特征点转移到同一平面,即将每个区域图像的局部特征点都变换到同一个全局坐标系下,进而计算待测物体的平面度,在很大程度上,提高了待测物体的平面度测量精度和测量速度,同时提高了待测物体的表面测量范围。
实施例3
本发明实施例提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现实施例1中的方法的步骤。该存储介质上还存储有多个区域图像、相邻的区域图像以及相邻的区域图像的重叠区域、变换矩阵以及平面度等。
其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
实施例4
本发明实施例提供一种电子测量设备,如图8所示,包括存储器820、处理器810及存储在存储器820上并可在处理器810上运行的计算机程序,处理器810执行程序时实现实施例1中方法的步骤。
图8是本发明实施例提供的执行列表项操作的处理方法的一种电子测量设备的硬件结构示意图,如图8所示,该电子测量设备包括一个或多个处理器810以及存储器820,图8中以一个处理器810为例。
执行列表项操作的处理方法的设备还可以包括:获取装置830。
处理器810、存储器820、获取装置830可以通过总线或者其他方式连接,图8中以通过总线连接为例。
处理器810可以为中央处理器(Central Processing Unit,CPU)。处理器810还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种物体平面度测量方法,其特征在于,包括如下步骤:
采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同;
从所述多个区域图像中选取相邻的区域图像,并根据所述相邻的区域图像,获取所述相邻的区域图像之间的重叠区域;
根据所述重叠区域,计算所述相邻的区域图像进行拼接的变换矩阵;
根据所述变换矩阵,将所述每个区域图像拼接到同一平面;
根据所述平面,测量所述待测物体的平面度。
2.根据权利要求1所述的物体平面度测量方法,其特征在于,所述并根据所述相邻的区域图像,获取所述相邻的区域图像之间的重叠区域的步骤包括;
分别获取相邻区域的第一区域图像和第二区域图像;
分别对所述第一区域图像和所述第二区域图像进行预处理;
分别从所述预处理后的所述第一区域图像中提取第一特征点和从所述第二区域图像中提取第二特征点;
分别对所述第一特征点和所述第二特征点进行匹配得到二者的匹配对应点;
根据所述匹配对应点确定所述重叠区域。
3.根据权利要求2所述的物体平面度测量方法,其特征在于,所述根据所述重叠区域,计算所述相邻的区域图像进行拼接的变换矩阵的步骤包括:
获取得到所述重叠区域的所述匹配对应点;
根据所述匹配对应点,利用SVD奇异值分解法计算所述第一特征点与所述第二特征点之间变换的初始矩阵;
根据所述初始矩阵,利用ICP迭代算法计算所述第一特征点和所述第二特征点之间变换的所述变换矩阵。
4.根据权利要求1所述的物体平面度测量方法,其特征在于,所述根据所述变换矩阵,将所述每个区域图像拼接到同一平面步骤包括:
分别从每个区域图像中提取第三特征点;
根据所述变换矩阵,分别将每个区域图像的所述第三特征点依次进行坐标转移直到其位于同一坐标系;
对所述同一坐标系的所述第三特征点进行平面拟合;
获取拟合后的平面。
5.根据权利要求1所述的物体平面度测量方法,其特征在于,所述根据所述平面,测量所述待测物体的平面度的步骤包括:
获取所述待测物体的表面与所述平面之间的最大距离;
获取所述待测物体的表面与所述平面之间的最小距离;
根据所述最大距离和所述最小距离,计算二者的差值得到所述平面度。
6.一种物体平面度测量装置,其特征在于,包括:
采集模块,用于采集待测物体的表面的多个区域图像,每个区域图像的采集位置不同;
获取模块,用于从所述多个区域图像中选取相邻的区域图像,并根据所述相邻的区域图像,获取所述相邻的区域图像之间的重叠区域;
计算模块,用于根据所述重叠区域,计算所述相邻的区域图像进行拼接的变换矩阵;
拼接模块,用于根据所述变换矩阵,将所述每个区域图像拼接到同一平面;
测量模块,用于根据所述平面,测量所述待测物体的平面度。
7.根据权利要求6所述的物体平面度测量装置,其特征在于,所述获取模块还包括:
获取子模块,用于分别获取相邻区域的第一区域图像和第二区域图像;
预处理模块,用于分别对所述第一区域图像和所述第二区域图像进行预处理;
特征提取子模块,用于分别从所述预处理后的所述第一区域图像中提取第一特征点和从所述第二区域图像中提取第二特征点;
匹配子模块,用于分别对所述第一特征点和所述第二特征点进行匹配得到二者的匹配对应点;
确定子模块,用于根据所述匹配对应点确定所述重叠区域。
8.根据权利要求1所述的物体平面度测量方法,其特征在于,所述拼接模块还包括:
提取子模块,用于分别从每个区域图像中提取第三特征点;
转移子模块,用于根据所述变换矩阵,分别将每个区域图像的所述第三特征点依次进行坐标转移直到其位于同一坐标系;
拟合子模块,用于对所述同一坐标系的所述第三特征点进行平面拟合;
获取子模块,用于获取拟合后的平面。
9.一种存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现权利要求1-5任一项所述的物体平面度测量方法的步骤。
10.一种电子测量设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5任一项所述的物体平面度测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811223294.9A CN109584157A (zh) | 2018-10-19 | 2018-10-19 | 物体平面度测量方法及装置、存储介质、电子测量设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811223294.9A CN109584157A (zh) | 2018-10-19 | 2018-10-19 | 物体平面度测量方法及装置、存储介质、电子测量设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109584157A true CN109584157A (zh) | 2019-04-05 |
Family
ID=65920712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811223294.9A Pending CN109584157A (zh) | 2018-10-19 | 2018-10-19 | 物体平面度测量方法及装置、存储介质、电子测量设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584157A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349214A (zh) * | 2019-07-01 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 一种物体的定位方法、终端及可读存储介质 |
CN110675358A (zh) * | 2019-09-30 | 2020-01-10 | 上海扩博智能技术有限公司 | 长形物体的图像拼接方法、系统、设备和存储介质 |
CN111145167A (zh) * | 2019-12-30 | 2020-05-12 | 杭州艾芯智能科技有限公司 | 平整度检测方法、装置、计算机设备和存储介质 |
CN111951201A (zh) * | 2019-05-16 | 2020-11-17 | 杭州海康机器人技术有限公司 | 一种无人机航拍图像拼接方法、装置和存储介质 |
WO2021136509A1 (zh) * | 2019-12-31 | 2021-07-08 | 杭州海康机器人技术有限公司 | 检测包裹的方法、装置、计算设备、物流系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101033953A (zh) * | 2007-02-02 | 2007-09-12 | 西安交通大学 | 基于图像处理与图像识别的平整度检测方法 |
CN101751659A (zh) * | 2009-12-24 | 2010-06-23 | 北京优纳科技有限公司 | 大容量快速图像拼接方法 |
CN103048333A (zh) * | 2012-12-07 | 2013-04-17 | 北京优纳科技有限公司 | 外观检测设备及方法 |
CN106863014A (zh) * | 2017-02-24 | 2017-06-20 | 大连理工大学 | 一种五轴数控机床直线轴几何误差检测方法 |
US9990753B1 (en) * | 2017-01-11 | 2018-06-05 | Macau University Of Science And Technology | Image stitching |
WO2018171429A1 (zh) * | 2017-03-22 | 2018-09-27 | 腾讯科技(深圳)有限公司 | 图像拼接方法、装置、终端及存储介质 |
-
2018
- 2018-10-19 CN CN201811223294.9A patent/CN109584157A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101033953A (zh) * | 2007-02-02 | 2007-09-12 | 西安交通大学 | 基于图像处理与图像识别的平整度检测方法 |
CN101751659A (zh) * | 2009-12-24 | 2010-06-23 | 北京优纳科技有限公司 | 大容量快速图像拼接方法 |
CN103048333A (zh) * | 2012-12-07 | 2013-04-17 | 北京优纳科技有限公司 | 外观检测设备及方法 |
US9990753B1 (en) * | 2017-01-11 | 2018-06-05 | Macau University Of Science And Technology | Image stitching |
CN106863014A (zh) * | 2017-02-24 | 2017-06-20 | 大连理工大学 | 一种五轴数控机床直线轴几何误差检测方法 |
WO2018171429A1 (zh) * | 2017-03-22 | 2018-09-27 | 腾讯科技(深圳)有限公司 | 图像拼接方法、装置、终端及存储介质 |
Non-Patent Citations (3)
Title |
---|
张立琴等: "摄影测量在大型雷达天线阵面测量中的应用", 《现代雷达》 * |
李涛涛等: "基于多视觉线结构光传感器的大尺度测量方法", 《中国激光》 * |
董绍开: "基于特征提取的点云地图融合算法研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111951201A (zh) * | 2019-05-16 | 2020-11-17 | 杭州海康机器人技术有限公司 | 一种无人机航拍图像拼接方法、装置和存储介质 |
CN111951201B (zh) * | 2019-05-16 | 2024-01-23 | 杭州海康威视数字技术股份有限公司 | 一种无人机航拍图像拼接方法、装置和存储介质 |
CN110349214A (zh) * | 2019-07-01 | 2019-10-18 | 深圳前海达闼云端智能科技有限公司 | 一种物体的定位方法、终端及可读存储介质 |
CN110349214B (zh) * | 2019-07-01 | 2022-09-16 | 达闼机器人股份有限公司 | 一种物体的定位方法、终端及可读存储介质 |
CN110675358A (zh) * | 2019-09-30 | 2020-01-10 | 上海扩博智能技术有限公司 | 长形物体的图像拼接方法、系统、设备和存储介质 |
CN110675358B (zh) * | 2019-09-30 | 2023-05-16 | 上海扩博智能技术有限公司 | 长形物体的图像拼接方法、系统、设备和存储介质 |
CN111145167A (zh) * | 2019-12-30 | 2020-05-12 | 杭州艾芯智能科技有限公司 | 平整度检测方法、装置、计算机设备和存储介质 |
WO2021136509A1 (zh) * | 2019-12-31 | 2021-07-08 | 杭州海康机器人技术有限公司 | 检测包裹的方法、装置、计算设备、物流系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584157A (zh) | 物体平面度测量方法及装置、存储介质、电子测量设备 | |
CN107833181B (zh) | 一种基于变焦立体视觉的三维全景图像生成方法 | |
Camposeco et al. | Hybrid camera pose estimation | |
JP5430456B2 (ja) | 幾何特徴抽出装置、幾何特徴抽出方法、及びプログラム、三次元計測装置、物体認識装置 | |
CN105701827A (zh) | 可见光相机与红外相机的参数联合标定方法及装置 | |
WO2021004416A1 (zh) | 一种基于视觉信标建立信标地图的方法、装置 | |
CN107192350A (zh) | 一种三维激光扫描仪内参数标定方法及装置 | |
CN102750704B (zh) | 一种摄像机分步自标定方法 | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
CN105046743A (zh) | 一种基于全局变分技术的超高分辨率三维重建方法 | |
CN108088383B (zh) | 一种应用于起重机械的摄影测量算法 | |
CN107133986B (zh) | 一种基于二维标定物的相机标定方法 | |
CN104268880A (zh) | 基于特征和区域匹配相结合的深度信息获取方法 | |
CN108305277A (zh) | 一种基于直线段的异源图像匹配方法 | |
CN103308000A (zh) | 基于双目视觉的曲线物体测量方法 | |
CN111353997A (zh) | 一种基于条纹投影的实时三维面型缺陷检测方法 | |
Shu et al. | An unsupervised network for fast microscopic image registration | |
CN112132752A (zh) | 一种大型复杂曲面多视扫描点云的精拼接方法 | |
CN105869141A (zh) | 图像配准方法及装置 | |
US20040175057A1 (en) | Affine transformation analysis system and method for image matching | |
CN116935013B (zh) | 基于三维重建的电路板点云大范围拼接方法及系统 | |
CN105434046B (zh) | 基于消除红外滤光片折射效应的手术导航仪定位方法 | |
Cui et al. | Robust global translation averaging with feature tracks | |
Wieneke et al. | Lagrangian particle tracking in the presence of obstructing objects | |
Ding et al. | Automatic 3D reconstruction of SEM images based on Nano-robotic manipulation and epipolar plane images |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |