CN109887038B - 一种用于在线检测的机器视觉图像校正方法 - Google Patents

一种用于在线检测的机器视觉图像校正方法 Download PDF

Info

Publication number
CN109887038B
CN109887038B CN201910062402.7A CN201910062402A CN109887038B CN 109887038 B CN109887038 B CN 109887038B CN 201910062402 A CN201910062402 A CN 201910062402A CN 109887038 B CN109887038 B CN 109887038B
Authority
CN
China
Prior art keywords
point
image
points
distorted
standard
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.)
Active
Application number
CN201910062402.7A
Other languages
English (en)
Other versions
CN109887038A (zh
Inventor
陈光胜
田培运
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.)
Shenzhen Yunsi Vision Co ltd
Original Assignee
University of Shanghai for 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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201910062402.7A priority Critical patent/CN109887038B/zh
Publication of CN109887038A publication Critical patent/CN109887038A/zh
Application granted granted Critical
Publication of CN109887038B publication Critical patent/CN109887038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明提供了一种用于在线检测的机器视觉图像校正方法，包括以下步骤：步骤1，使用工业相机和镜头来获取棋盘格标定板的图像以及工件的激光加工图像并作为畸变图像，对畸变图像进行校正后得到位于标准坐标系的标准图像；步骤2，调整工业相机的视场，使得激光加工图像和棋盘格标定板全部在视场内；步骤3，取棋盘格标定板4个角点与中心角点，通过角点与中心角点提取畸变图像的特征点E、F、G和H点；步骤4，确定E、F、G和H点在标准图像中的坐标；步骤5，根据线性方程组：R＝SF来解得F；步骤6，根据F得到转换矩阵T并通过转换矩阵将畸变坐标系中的点转变为标准坐标系中的点，得到标准图像；步骤7，对标准图像进行裁剪，完成图像校正。

Description

一种用于在线检测的机器视觉图像校正方法
技术领域
本发明属于机器视觉在线检测领域，具体涉及一种用于在线检测的机器视觉图像校正方法。
背景技术
由于受到激光等加工系统安装位置影响，成像系统有时需要倾斜安装才能实现在线测量，这样会使相机拍摄的图像发生畸变，将畸变图像校正成正投影的方式才能对图像进行进一步的处理。目前对畸变图像校正的算法一般都要用到直线检测和旋转角度检测等技术，但由于参数设置多，程序较为繁琐，并且相机安装倾斜角度发生变化时，直线检测系统也会由于参数的固定而造成检测结果不准确。此外，传统的图像变换需要对加工表面的对象进行提取处理，带入原始加工误差，使得校正结果误差偏大。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种用于在线检测的机器视觉图像校正方法。
本发明提供了一种用于在线检测的机器视觉图像校正方法，具有这样的特征，包括以下步骤：
步骤1，使用工业相机和镜头来获取棋盘格标定板的图像以及与棋盘格标定板在同一平面上的工件的激光加工图像，工业相机直接获得的图像为位于畸变坐标系的畸变图像，对畸变图像进行校正后得到位于标准坐标系的标准图像；
步骤2，调整相对于工件的表面倾斜固定的工业相机的视场，使得激光加工图像和棋盘格标定板全部在视场内；
步骤3，取畸变图像中棋盘格标定板最外侧边缘的4个角点为A点、B点、C点和D点，取棋盘格标定板的中心角点为O点，并通过像素差分的方法得到A点、B点、C点、D点以及O点的浮点型坐标，记为A(uA，vA)、B(uB，vB)、C(uC，vC)、D(uD，vD)和O(uO，vO)，直线连接OA、OB、OC和OD并延长至视场内E点、F点、G点和H点，E点、F点、G点和H点为畸变图像的特征点，使OE＝k×OA、OF＝k×OB、OG＝k×OC、OH＝k×OD，各点坐标记为E(uE，vE)，F(uF，vF)，G(uG，vG)，H(uH，vH)；
步骤4，设AB实际距离为m，AC的实际距离为n，像元尺寸为l，基于实际距离和坐标间距离的比例关系以及放大的比例系数k来确定E点、F点、G点和H点，在标准图像中对应点分别为E′(xE，yE)、F′(xF，yF)、G′(xG，yG)、H′(xH，yH)；
步骤5，令R＝[xE yE xF yF xG yG xH yH]T，
Figure BDA0001954570470000031
F＝[a，d，g，b，e，h，c，f]T，得到线性方程组：
R＝SF
解线性方程组得到F；
步骤6，取畸变坐标系一点P(u，v)，并将点P的齐次坐标设为[u v 1]，设M＝[u v1]T，点P对应在标准坐标系中为点P′(x，y)，其齐次坐标设为[x y kI]，设N＝[x y kI]T，
令
Figure BDA0001954570470000032
N由以下公式得到：
N＝TM，
通过计算将位于畸变坐标系中的点转变为标准坐标系中的点后，得到标准图像；
步骤7，对标准图像进行裁剪，去除边缘不需要的部分，即完成图像校正，
其中，步骤5中，xE＝0，
Figure BDA0001954570470000033
yG＝0，xH＝0，yH＝0，uE＝uA-(uO-uA)·k，vE＝vA+(vA-vO)·k，uF＝uB+(uB-uO)·k，vF＝vB+(vB-vO)·k，uG＝uC+(uC-u0)·k，vG＝vC-(vO-vC)·k，uH＝uD-(uO-uD)·k，vH＝vD-(vO-vD)·k，
步骤6中，k1为比例因子，T为变换矩阵。
在本发明提供的一种用于在线检测的机器视觉图像校正方法中，还可以具有这样的特征：其中，在保证工业相机位置不变，并且激光加工图像与棋盘格标定板图像位于同一平面时，利用相同的变换矩阵T来完成对不同的激光加工图像的校正。
在本发明提供的一种用于在线检测的机器视觉图像校正方法中，还可以具有这样的特征：其中，步骤1中的棋盘格标定板的精度为1um。
在本发明提供的一种用于在线检测的机器视觉图像校正方法中，还可以具有这样的特征：其中，步骤1中的工业相机采用1600万以上像素的工业相机。
在本发明提供的一种用于在线检测的机器视觉图像校正方法中，还可以具有这样的特征：其中，步骤1中的镜头采用2000万以上像素的镜头。
发明的作用与效果
根据本发明所涉及的一种用于在线检测的机器视觉图像校正方法，因为不需要对加工图像中原始数据进行提取，所以，避免了加工误差的带入，能够实现高精度的图像校正，为工件的高精度测量提供重要的保障；因为使用了棋盘格标定板，并且只需要确定棋盘格标定板与激光加工工件的位置关系即可实现大范围、高精度的坐标变换，从而将畸变图像从畸变坐标系转换至标准坐标系并得到标准图像，所以，操作简单，校正效率高，适用性好；因为求得的转换矩阵T在工业相机位置不变的情况下能够对其他不同的激光加工图像进行校正，所以，提高了在线检测的效率。因此，本发明的一种用于在线检测的机器视觉图像校正方法，通过确定棋盘格标定板与激光加工工件的位置关系来实现大范围、高精度的坐标变换，进而快速、高精度的对畸变图像进行校正，有效的提高了在线检测的性能。
附图说明
图1是本发明的实施例中工业相机拍摄的方形激光加工图像；
图2是本发明的实施例中的棋盘格标定板的校正图；
图3是本发明的实施例中的图像特征点提取图；
图4是本发明的实施例中的图像校正原理图；
图5是本发明的实施例中校正后的方形激光加工图像；
图6是本发明的实施例中裁剪后的方形激光加工图像。
具体实施方式
为了使本发明实现的技术手段与功效易于明白了解，以下结合实施例及附图对本发明作具体阐述。
实施例:
本实施例提供了一种用于在线检测的机器视觉图像校正方法，包括以下步骤：
步骤1，使用工业相机和镜头来获取棋盘格标定板的图像以及与棋盘格标定板在同一平面上的工件的激光加工图像，工业相机直接获得的图像为位于畸变坐标系的畸变图像，对畸变图像进行校正后得到位于标准坐标系的标准图像。
本实施例中的激光加工图像为20mm的方形激光加工图像。
步骤1中的棋盘格标定板的精度为1um。
步骤1中的工业相机采用1600万以上像素的工业相机。
步骤1中的镜头采用2000万以上像素的镜头。
图1是本发明的实施例中工业相机拍摄的方形激光加工图像。
如图1所示，图中为工业相机直接拍摄的20mm的方形激光加工图像。
步骤2，调整相对于工件的表面倾斜固定的工业相机的视场，使得激光加工图像和棋盘格标定板全部在视场内。
图2是本发明的实施例中的棋盘格标定板的校正图，图3是本发明的实施例中的图像特征点提取图。
步骤3，如图2和图3所示，取畸变图像中棋盘格标定板最外侧边缘的4个角点为A点、B点、C点和D点，取棋盘格标定板的中心角点为O点，并通过像素差分的方法得到A点、B点、C点、D点以及O点的浮点型坐标，记为A(uA,vA)、B(uB,vB)、C(uC,vC)、D(uD,vD)和O(uO,vO)，直线连接OA、OB、OC和OD并延长至视场内E点、F点、G点和H点，E点、F点、G点和H点为畸变图像的特征点，使OE＝k×OA、OF＝k×OB、OG＝k×OC、OH＝k×OD，各点坐标记为E(uE，vE)，F(uF，vF)，G(uG，vG)，H(uH，vH)。
步骤4，设AB实际距离为m，AC的实际距离为n，像元尺寸为l，基于实际距离和坐标间距离的比例关系以及放大的比例系数k来确定E点、F点、G点和H点在标准图像中对应点分别为E′(xE，yE)、F′(xF，yF)、G′(xG，yG)、H′(xH，yH)。
步骤5，令R＝[xE yE xF yF xG yG xH yH]T，
Figure BDA0001954570470000071
F＝[a，d，g，b，e，h，c，f]T，得到线性方程组：
R＝SF
解线性方程组得到F。
步骤5中，xE＝0，
Figure BDA0001954570470000072
yG＝0xH＝0，yH＝0，uE＝uA-(uO-uA)·k，vE＝vA+(vA-vO)·k，uF＝uB+(uB-uO)·k，vF＝vB+(vB-vO)·k，uG＝uC+(uC-u0)·k，vG＝vC-(vO-vC)·k，uH＝uD-(uO-uD)·k，vH＝vD-(vO-vD)·k。
步骤6，取畸变坐标系一点P(u，v)，并将点P的齐次坐标设为[u v 1]，设M＝[u v1]T，点P对应在标准坐标系中为点P′(x，y)，其齐次坐标设为[x y kI]，设N＝[x y kI]T，
令
Figure BDA0001954570470000081
N由以下公式得到：
N＝TM，
通过计算将位于畸变坐标系中的点转变为标准坐标系中的点后，得到标准图像。
步骤6中，k1为比例因子，T为变换矩阵。
图4是本发明的实施例中的图像校正原理图。
如图4所示，位于畸变坐标系的畸变图像中的各个点转变至标准坐标系，即得到标准图像。
步骤7，对标准图像进行裁剪，去除边缘不需要的部分，即完成图像校正。
图5是本发明的实施例中校正后的方形激光加工图像。
如图5所示，由于受到视场大小的限制，图像校正后边缘出现没有像素的区域，对图像进行裁剪，去除边缘不需要的区域。
图6是本发明的实施例中裁剪后的方形激光加工图像。
如图6所示，图中即为裁剪后的方形激光加工图像。
在保证工业相机位置不变，并且激光加工图像与棋盘格标定板图像位于同一平面时，能够利用相同的变换矩阵T来完成对不同的激光加工图像的校正。
实施例的作用与效果
根据本实施例所涉及的一种用于在线检测的机器视觉图像校正方法，因为不需要对加工图像中原始数据进行提取，所以，避免了加工误差的带入，能够实现高精度的图像校正，为工件的高精度测量提供重要的保障；因为使用了棋盘格标定板，并且只需要确定棋盘格标定板与激光加工工件的位置关系即可实现大范围、高精度的坐标变换，从而将畸变图像从畸变坐标系转换至标准坐标系并得到标准图像，所以，操作简单，校正效率高，适用性好；因为求得的转换矩阵T在工业相机位置不变的情况下能够对其他不同的激光加工图像进行校正，所以，提高了在线检测的效率。因此，本实施例的一种用于在线检测的机器视觉图像校正方法，通过确定棋盘格标定板与激光加工工件的位置关系来实现大范围、高精度的坐标变换，进而快速、高精度的对畸变图像进行校正，有效的提高了在线检测的性能。
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (5)

1.一种用于在线检测的机器视觉图像校正方法，其特征在于，包括以下步骤：
步骤1，使用工业相机的镜头来获取棋盘格标定板的图像以及与所述棋盘格标定板在同一平面上的工件的激光加工图像，所述工业相机直接获得的图像为位于畸变坐标系的畸变图像，对所述畸变图像进行校正后得到位于标准坐标系的标准图像；
步骤2，调整相对于所述工件的表面倾斜固定的所述工业相机的视场，使得所述工件和所述棋盘格标定板全部在视场内；
步骤3，取所述畸变图像中所述棋盘格标定板最外侧边缘的4个角点为A点、B点、C点和D点，取所述棋盘格标定板的中心角点为O点，并通过像素差分的方法得到A点、B点、C点、D点以及O点的浮点型坐标，记为A(uA，vA)、B(uB，vB)、C(uC，vC)、D(uD，vD)和O(uO，vO)，直线连接OA、OB、OC和OD并延长至视场内E点、F点、G点和H点，E点、F点、G点和H点为所述畸变图像的特征点，使OE＝k×OA、OF＝k×OB、OG＝k×OC、OH＝k×OD，各点坐标记为E(uE，vE)，F(uF，vF)，G(uG，vG)，H(uH，vH)；
步骤4，设AB实际距离为m，AC的实际距离为n，像元尺寸为l，基于实际距离和坐标间距离的比例关系以及放大的比例系数k来确定E点、F点、G点和H点在所述标准图像中对应点分别为E′(xE，yE)、F′(xF，yF)、G′(xG，yG)、H′(xH，yH)，其中，xE＝0，
Figure FDA0003372332810000011
Figure FDA0003372332810000012
yG＝0，xH＝0，yH＝0，uE＝uA-(uO-uA)·k，vE＝vA+(vA-vO)·k，uF＝uB+(uB-uO)·k，vF＝vB+(vB-vO)·k，uG＝uC+(uC-u0)·k，vG＝vC-(vO-vC)·k，uH＝uD-(uO-uD)·k，vH＝vD-(vO-vD)·k；
步骤5，令R＝[xE yE xF yF xG yG xH yH]T，
Figure FDA0003372332810000021
F＝[a，d，g，b，e，h，c，f]T，得到线性方程组：
R＝SF
解线性方程组得到F；
步骤6，取所述畸变坐标系一点P(u，v)，并将点P的齐次坐标设为[u v 1]，设M＝[u v 1]T，点P对应在所述标准坐标系中为点P′(x，y)，其齐次坐标设为[x y k1]，设N＝[x y k1]T，
根据求解得到的矩阵F，令
Figure FDA0003372332810000022
N由以下公式得到：
N＝TM，
通过计算将位于所述畸变坐标系中的点转变为所述标准坐标系中的点后，得到所述标准图像；
步骤7，对所述标准图像进行裁剪，去除边缘不需要的部分，即完成图像校正，
其中，步骤6中，k1为比例因子，T为变换矩阵。
2.根据权利要求1所述的一种用于在线检测的机器视觉图像校正方法，其特征在于：
其中，在保证所述工业相机位置不变，并且所述激光加工图像与所述棋盘格标定板图像位于同一平面时，利用相同的所述变换矩阵T来完成对不同的激光加工图像的校正。
3.根据权利要求1所述的一种用于在线检测的机器视觉图像校正方法，其特征在于：
其中，所述步骤1中的所述棋盘格标定板的精度为1um。
4.根据权利要求1所述的一种用于在线检测的机器视觉图像校正方法，其特征在于：
其中，所述步骤1中的所述工业相机采用1600万以上像素的工业相机。
5.根据权利要求1所述的一种用于在线检测的机器视觉图像校正方法，其特征在于：
其中，所述步骤1中的所述镜头采用2000万以上像素的镜头。
CN201910062402.7A 2019-01-23 2019-01-23 一种用于在线检测的机器视觉图像校正方法 Active CN109887038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910062402.7A CN109887038B (zh) 2019-01-23 2019-01-23 一种用于在线检测的机器视觉图像校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910062402.7A CN109887038B (zh) 2019-01-23 2019-01-23 一种用于在线检测的机器视觉图像校正方法

Publications (2)

Publication Number Publication Date
CN109887038A CN109887038A (zh) 2019-06-14
CN109887038B true CN109887038B (zh) 2022-03-25

Family

ID=66926631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910062402.7A Active CN109887038B (zh) 2019-01-23 2019-01-23 一种用于在线检测的机器视觉图像校正方法

Country Status (1)

Country Link
CN (1) CN109887038B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111768395B (zh) * 2020-07-03 2024-04-16 深圳惠牛科技有限公司 一种虚拟显示设备的畸变测量方法及装置
CN114331924B (zh) * 2022-03-15 2022-05-17 四川焱飞科技有限公司 大工件多相机视觉测量方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574419A (zh) * 2015-01-28 2015-04-29 深圳市安健科技有限公司 镜头畸变参数标定方法及系统
CN104657982A (zh) * 2015-01-15 2015-05-27 华中科技大学 一种投影仪标定方法
CN104809739A (zh) * 2015-05-15 2015-07-29 南京大学 一种超广角镜头相机视频实时校正的方法
CN106780623A (zh) * 2016-12-14 2017-05-31 厦门理工学院 一种机器人视觉系统快速标定方法
CN107886547A (zh) * 2017-11-10 2018-04-06 长沙全度影像科技有限公司 一种鱼眼相机标定方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657982A (zh) * 2015-01-15 2015-05-27 华中科技大学 一种投影仪标定方法
CN104574419A (zh) * 2015-01-28 2015-04-29 深圳市安健科技有限公司 镜头畸变参数标定方法及系统
CN104809739A (zh) * 2015-05-15 2015-07-29 南京大学 一种超广角镜头相机视频实时校正的方法
CN106780623A (zh) * 2016-12-14 2017-05-31 厦门理工学院 一种机器人视觉系统快速标定方法
CN107886547A (zh) * 2017-11-10 2018-04-06 长沙全度影像科技有限公司 一种鱼眼相机标定方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
视觉检测系统的若干关键问题研究;张浩鹏;《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》;20140415;全文 *
采用棋盘格靶标的全自动相机标定方法;郭春磊 等;《计算机工程与应用》;20161231;第176-179页 *

Also Published As

Publication number Publication date
CN109887038A (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
CN110751609B (zh) 一种基于智能光畸变校正的dlp打印精度提升方法
CN109887038B (zh) 一种用于在线检测的机器视觉图像校正方法
CN113538583A (zh) 一种工件在机床上位置的精准定位方法及视觉系统
CN106952262B (zh) 一种基于立体视觉的船板加工精度分析方法
CN114463442A (zh) 一种非同轴相机的标定方法
CN112611343A (zh) 一种用于5g环形器的芯片平整度检测装置及其检测方法
CN112037284A (zh) 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统
CN113607058B (zh) 一种基于机器视觉的直刃刀尺寸检测方法及系统
CN111131801B (zh) 投影仪校正系统、方法及投影仪
CN108230400B (zh) 一种适用于激光切割机的自适应坐标重建方法
CN116342435B (zh) 一种线扫描相机畸变校正方法、计算设备及存储介质
CN113538399A (zh) 一种用于获取工件精准轮廓的方法、机床及存储介质
US20070053583A1 (en) Image correcting apparatus, pattern inspection apparatus, and image correcting method, and reticle
JP5254545B2 (ja) 画像処理装置、及び画像処理方法
CN110458951B (zh) 一种电网杆塔的建模数据获取方法及相关装置
CN115861584A (zh) 基于单相机的模板标记检测方法及模板位置矫正方法
CN116596987A (zh) 一种基于双目视觉的工件三维尺寸高精度测量方法
CN114998571B (zh) 基于固定尺寸标志物的图像处理及颜色检测方法
CN106951814B (zh) 编码器偏心调整系统的圆光栅偏心计算方法
CN113763279A (zh) 一种具有矩形框图像的精确校正处理方法
JP3774320B2 (ja) ウエハの位置把握方法並びに露光方法及び露光装置
CN109872367B (zh) 带有ccd相机雕刻机的校正方法及校正系统
JP2008287338A (ja) 画像処理装置
WO2020118637A1 (zh) 摄像机标定板、标定方法以及摄像机
CN109544509A (zh) 一种基于二次模板匹配的工件定位方法、设备及存储设备

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
TR01 Transfer of patent right

Effective date of registration: 20240130

Address after: Room 1104, No. 11 Hengqi Yili, Houxi Town, Jimei District, Xiamen City, Fujian Province, 361000

Patentee after: Xiamen Huazhiyu Intelligent Technology Co.,Ltd.

Country or region after: China

Address before: 200093 No. 516, military road, Shanghai, Yangpu District

Patentee before: University of Shanghai for Science and Technology

Country or region before: China

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240315

Address after: A1307, Goldman Sachs Building, No. 18 Shaqi Community Center Road, Xinqiao Street, Bao'an District, Shenzhen City, Guangdong Province, 518000

Patentee after: Shenzhen Yunsi Vision Co.,Ltd.

Country or region after: China

Address before: Room 1104, No. 11 Hengqi Yili, Houxi Town, Jimei District, Xiamen City, Fujian Province, 361000

Patentee before: Xiamen Huazhiyu Intelligent Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right