CN110930460A - 面向结构光3d视觉系统的全自动标定方法及装置 - Google Patents
面向结构光3d视觉系统的全自动标定方法及装置 Download PDFInfo
- Publication number
- CN110930460A CN110930460A CN201911116903.5A CN201911116903A CN110930460A CN 110930460 A CN110930460 A CN 110930460A CN 201911116903 A CN201911116903 A CN 201911116903A CN 110930460 A CN110930460 A CN 110930460A
- Authority
- CN
- China
- Prior art keywords
- automatic calibration
- vision system
- calibration
- structured light
- full
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 15
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种面向结构光3D视觉系统的全自动标定方法及装置,对于已经架设好的三维视觉系统,无需移动它就可以完成全自动标定;对于未固定的三维视觉系统,也可以无需人工操作就可以完成全自动标定。利用本标定方法,一方面使得非专业人士可以轻松完成结构光3D成像的标定;另一方面也可以解决对大批量3D相机进行标定的问题。
Description
技术领域
本发明涉及视觉识别技术领域,尤其是一种面向结构光3D视觉系统的全自动标定方法及装置。
背景技术
目前的移动式光学设备(比如搭载在手机上的摄像头)升级一直停留在像素、感光等二维层面,也是智能手机创新周期的主驱动力。3D成像系统在二维的基础上,实现了像素景深的叠加,拍照的同时记录下对象的立体信息,未来将可以推动人脸识别、远程手势控制等变为现实,将是未来成像设备的创新焦点。
在三维成像方面,基于结构光的立体成像一直占据重要的地位,它具有速度快、精度高的优点。结构光是有特殊组织结构的光场,比如光斑、条纹光、编码结构光等。将二维结构光图像投影至被测物上,根据图像的畸变大小,利用三角函数可以计算出被测物的表面的深度信息。根据这个原理产生出了一系列的基于结构光的3D成像系统。
基于结构光的3D成像系统需要一个投影系统和一个取像系统,这两个系统处于不同的3D坐标系中。如果要使二者的3D坐标系统一起来,就需要一个复杂的标定流程。
对3D视觉系统的标定过程复杂,由于目前3D视觉系统的总数量不多,对于3D视觉系统的标定主要是在实验室或者工厂里手动进行的。它包括一系列的手动拍照和程序运算过程。即使是光学或者成像方面的专业人士,也需要对照操作说明书进行精密的操作才可以完成一次标定过程。
随着3D视觉系统的广泛应用,比如一种说法是未来的每个手机上都可能搭载一套3D视觉系统,这意味着3D视觉系统的出货量将会增加甚至急剧增加。但是目前为止,在实验室和车间中一般都是由手动标定的。目前的方式无法完成3D相机的批量标定。
基于结构光的3D成像系统不仅在出厂时需要标定,当系统受到碰撞、振动或较大外力时,都可能需要重新标定,即使是一般的维修技术人员,也不容易精确的完成标定过程。
发明内容
为解决上述问题,本发明的目的在于提供一种面向结构光3D视觉系统的全自动标定方法及装置,其操作便捷,使得非专业人士也可以利用此标定方法轻松完成结构光3D成像的标定;对于3D相机的生产方和批量使用方,同样可以依据此标定方法进行批量标定3D视觉系统。
本发明解决其问题所采用的技术方案是:
第一方面,本发明实施例提出了一种面向结构光3D视觉系统的全自动标定方法,包括:
架设三维视觉系统和机械手臂;
在机器手臂上安装标定板和可控照明系统;
初始化机器手臂的位置;
运行自动标定系统,输出标定结果。
进一步,所述运行自动标定系统包括:
1)拍图20组,每组45个图像;
2)把20组图输入到张氏标定法,检测结果;
3)增加一组记录结果;
4)如果“已记录结果”的组数<2,回到步骤1),否则,进入步骤5);
5)如果“已记录结果”的组数=2,进入步骤6);
6)如果结果差小于设定阈值,进入步骤7),否则,回到步骤1);
7)求平均,输出结果。
进一步,所述拍图包括:
1)启动单幅拍照;
2)如果有图,则继续;如果没有,则查找;
3)在Z平面内做六角形移位,在每一个位置拍照取像,判断角点个数并排序;
4)如果没有,扩大搜索范围;
5)如果还没有,回复到原点,调整Z平面的方向,45度角,重复;
6)如果有找到最大角点位置,调整三维视觉系统的方向和亮度,得到第一个完整的正面图,记录位置;
7)调整角度,得到一组图;
8)调整距离,得到一组图;
9)共得到20组,每组50幅图。
进一步,所述运行自动标定系统进行2次或3次标定。
第二方面,本发明实施例还提出了一种面向结构光3D视觉系统的全自动标定装置,包括:
架设模块,用于架设三维视觉系统和机械手臂;
安装模块,用于在机器手臂上安装标定板和可控照明系统;
初始化模块,用于初始化机器手臂的位置;
标定模块,用于运行自动标定系统,输出标定结果。
第三方面,本发明实施例还提出了一种面向结构光3D视觉系统的全自动标定设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明第一方面所述的方法。
第四方面,本发明实施例还提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行本发明第一方面所述的方法。
本发明实施例中提供的一个或多个技术方案,至少具有如下有益效果:本发明提供的一种面向结构光3D视觉系统的全自动标定方法及装置,对于已经架设好的三维视觉系统,无需移动它就可以完成全自动标定;对于未固定的三维视觉系统,也可以无需人工操作就可以完成全自动标定。利用本标定方法,一方面使得非专业人士可以轻松完成结构光3D成像的标定;另一方面也可以解决对大批量3D相机进行标定的问题。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明第一实施例中面向结构光3D视觉系统的全自动标定方法的流程简图;
图2是本发明第一实施例中面向结构光3D视觉系统的全自动标定方法中的运行自动标定系统流程图;
图3是本发明第一实施例中面向结构光3D视觉系统的全自动标定方法中的拍图流程图;
图4是本发明第二实施例中面向结构光3D视觉系统的全自动标定装置的结构简图;
图5是本发明第三实施例中面向结构光3D视觉系统的全自动标定设备的结构简图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本发明的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
下面结合附图,对本发明实施例作进一步阐述。
如图1所示,本发明的第一实施例提供了一种面向结构光3D视觉系统的全自动标定方法,包括但不限于以下步骤:
S100:架设三维视觉系统和机械手臂;
S200:在机器手臂上安装标定板和可控照明系统;
S300:初始化机器手臂的位置;
S400:运行自动标定系统,输出标定结果。
需要指出的是,对于已经架设好的三维视觉系统,无需移动此三维视觉系统就可以完成全自动标定;对于未固定的三维视觉系统,可以无需人工操作就可以完成全自动标定。上述两种情形都要先把三维视觉系统架设好实现位置固定,再由机械手臂带动标定板按照自动标定系统设定的步骤运行。
如图2所示,在步骤S400中,运行自动标定系统具体步骤如下:
1)拍图20组,每组45个图像,把这些图存放到指定路径的文件夹内;
2)把20组图输入到张氏标定法,检测结果;
3)增加一组记录结果;
4)如果“已记录结果”的组数<2,回到步骤1),否则,进入步骤5);
5)如果“已记录结果”的组数=2,进入步骤6);
6)如果结果差小于设定阈值,进入步骤7),否则,回到步骤1);
7)求平均,输出结果。
其中,如图3所示,拍图具体步骤如下:
1)启动单幅拍照;
2)如果有图,则继续;如果没有,则查找;
3)在Z平面内做六角形移位,在每一个位置拍照取像,判断角点个数并排序;
4)如果没有,扩大搜索范围;
5)如果还没有,回复到原点,调整Z平面的方向,45度角,重复;
6)如果有找到最大角点位置,调整三维视觉系统中照明相机的方向和亮度,得到第一个完整的正面图,记录位置。
7)调整角度,得到一组图;
8)调整距离,得到一组图;
9)共得到20组,每组50幅图。
整个拍图过程三维视觉系统在相机捕捉时发出图案,每次应捕获一组45个图像,把45幅图存放到指定路径的文件夹内,拍摄15到20组图像进行一次标定,总共要进行2次到3次标定。
另外,对于非专业人士可以执行如下步骤来进行标定:
步骤一:小范围旋转标定板;
步骤二:查找正面;
步骤三:远近变化;
步骤四:旋转;
步骤五:标定尝试;
步骤六:循环;
步骤七:输出标定文件。
通过上述步骤,这样非专业人士也可以迅速得到高质量的标定结果。
综上所述,与现有技术相比,本面向结构光3D视觉系统的全自动标定方法的优点在于:对于已经架设好的三维视觉系统,无需移动它就可以完成全自动标定;对于未固定的三维视觉系统,也可以无需人工操作就可以完成全自动标定。利用本标定方法,一方面使得非专业人士可以轻松完成结构光3D成像的标定;另一方面也可以解决对大批量3D相机进行标定的问题。
另外,如图4所示,本发明的第二实施例提供了一种面向结构光3D视觉系统的全自动标定装置,包括:
架设模块110,用于架设三维视觉系统和机械手臂;
安装模块120,用于在机器手臂上安装标定板和可控照明系统;
初始化模块130,用于初始化机器手臂的位置;
标定模块140,用于运行自动标定系统,输出标定结果。
本实施例中的面向结构光3D视觉系统的全自动标定装置与第一实施例中的面向结构光3D视觉系统的全自动标定方法基于相同的发明构思,因此,本实施例中的面向结构光3D视觉系统的全自动标定系统具有相同的有益效果:对于已经架设好的三维视觉系统,无需移动它就可以完成全自动标定;对于未固定的三维视觉系统,也可以无需人工操作就可以完成全自动标定。利用本装置,一方面使得非专业人士可以轻松完成结构光3D成像的标定;另一方面也可以解决对大批量3D相机进行标定的问题。
如图5所示,本发明的第三实施例还提供了一种面向结构光3D视觉系统的全自动标定设备,包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述第一实施例中任意一种面向结构光3D视觉系统的全自动标定方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的虚拟影像控制方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行立体成像处理装置的各种功能应用以及数据处理,即实现上述任一方法实施例的面向结构光3D视觉系统的全自动标定方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据立体成像处理装置的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该立体投影装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任意方法实施例中的面向结构光3D视觉系统的全自动标定方法,例如第一实施例中的方法步骤S100至S400。
本发明的第四实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,可使得上述一个或多个处理器执行上述方法实施例中的一种面向结构光3D视觉系统的全自动标定方法,例如第一实施例中的方法步骤S100至S400。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通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,所述的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,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (7)
1.一种面向结构光3D视觉系统的全自动标定方法,其特征在于,包括:
架设三维视觉系统和机械手臂;
在机器手臂上安装标定板和可控照明系统;
初始化机器手臂的位置;
运行自动标定系统,输出标定结果。
2.根据权利要求1所述的一种面向结构光3D视觉系统的全自动标定方法,其特征在于,所述运行自动标定系统包括:
1)拍图20组,每组45个图像;
2)把20组图输入到张氏标定法,检测结果;
3)增加一组记录结果;
4)如果“已记录结果”的组数<2,回到步骤1),否则,进入步骤5);
5)如果“已记录结果”的组数=2,进入步骤6);
6)如果结果差小于设定阈值,进入步骤7),否则,回到步骤1);
7)求平均,输出结果。
3.根据权利要求2所述的一种面向结构光3D视觉系统的全自动标定方法,其特征在于,所述拍图包括:
1)启动单幅拍照;
2)如果有图,则继续;如果没有,则查找;
3)在Z平面内做六角形移位,在每一个位置拍照取像,判断角点个数并排序;
4)如果没有,扩大搜索范围;
5)如果还没有,回复到原点,调整Z平面的方向,45度角,重复;
6)如果有找到最大角点位置,调整三维视觉系统的方向和亮度,得到第一个完整的正面图,记录位置;
7)调整角度,得到一组图;
8)调整距离,得到一组图;
9)共得到20组,每组50幅图。
4.根据权利要求1所述的一种面向结构光3D视觉系统的全自动标定方法,其特征在于,所述运行自动标定系统进行2次或3次标定。
5.一种面向结构光3D视觉系统的全自动标定装置,其特征在于,包括:
架设模块,用于架设三维视觉系统和机械手臂;
安装模块,用于在机器手臂上安装标定板和可控照明系统;
初始化模块,用于初始化机器手臂的位置;
标定模块,用于运行自动标定系统,输出标定结果。
6.一种面向结构光3D视觉系统的全自动标定设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1-4任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911116903.5A CN110930460B (zh) | 2019-11-15 | 2019-11-15 | 面向结构光3d视觉系统的全自动标定方法及装置 |
US17/622,604 US12002241B2 (en) | 2019-11-15 | 2019-12-27 | Full-automatic calibration method and apparatus oriented to structured light 3D vision system |
PCT/CN2019/128962 WO2021093111A1 (zh) | 2019-11-15 | 2019-12-27 | 面向结构光3d视觉系统的全自动标定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911116903.5A CN110930460B (zh) | 2019-11-15 | 2019-11-15 | 面向结构光3d视觉系统的全自动标定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110930460A true CN110930460A (zh) | 2020-03-27 |
CN110930460B CN110930460B (zh) | 2024-02-23 |
Family
ID=69853050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911116903.5A Active CN110930460B (zh) | 2019-11-15 | 2019-11-15 | 面向结构光3d视觉系统的全自动标定方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US12002241B2 (zh) |
CN (1) | CN110930460B (zh) |
WO (1) | WO2021093111A1 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170243374A1 (en) * | 2014-11-13 | 2017-08-24 | Olympus Corporation | Calibration device, calibration method, optical device, image-capturing device, projection device, measuring system, and measuring method |
CN108709499A (zh) * | 2018-04-28 | 2018-10-26 | 天津大学 | 一种结构光视觉传感器及其快速标定方法 |
CN108830906A (zh) * | 2018-05-31 | 2018-11-16 | 福州大学 | 一种基于虚拟双目视觉原理的摄像机参数自动标定方法 |
CN109754433A (zh) * | 2018-12-27 | 2019-05-14 | 中国科学院长春光学精密机械与物理研究所 | 一种标定图像采集方法、装置、设备及存储介质 |
CN110095136A (zh) * | 2019-03-27 | 2019-08-06 | 苏州德沃物流科技有限公司 | 融合imu位姿修正的双目视觉三维重建标定装置和方法 |
CN110111394A (zh) * | 2019-05-16 | 2019-08-09 | 湖南三一快而居住宅工业有限公司 | 基于机械手特征对摄像机自动标定的方法及装置 |
CN110136208A (zh) * | 2019-05-20 | 2019-08-16 | 北京无远弗届科技有限公司 | 一种机器人视觉伺服系统的联合自动标定方法及装置 |
CN110163918A (zh) * | 2019-04-24 | 2019-08-23 | 华南理工大学 | 一种基于射影几何的线结构光标定方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4877891B2 (ja) * | 2001-08-03 | 2012-02-15 | 株式会社トプコン | 校正用被写体 |
CN101814185B (zh) | 2010-04-14 | 2012-10-10 | 天津大学 | 用于微小尺寸测量的线结构光视觉传感器标定方法 |
CN106017312B (zh) | 2016-03-22 | 2020-01-07 | 武汉武大卓越科技有限责任公司 | 结构光三角测量自动标定系统及标定方法 |
CN106441099B (zh) | 2016-10-13 | 2019-04-05 | 北京交通大学 | 多线结构光传感器的标定方法 |
JP6396516B2 (ja) * | 2017-01-12 | 2018-09-26 | ファナック株式会社 | 視覚センサのキャリブレーション装置、方法及びプログラム |
US20200041262A1 (en) | 2017-04-05 | 2020-02-06 | Kallion, Inc. | Method for performing calibration by using measured data without assumed calibration model and three-dimensional scanner calibration system for performing same |
US10366531B2 (en) * | 2017-10-24 | 2019-07-30 | Lowe's Companies, Inc. | Robot motion planning for photogrammetry |
US10369698B1 (en) * | 2019-03-07 | 2019-08-06 | Mujin, Inc. | Method and system for performing automatic camera calibration for robot control |
US10565737B1 (en) * | 2019-07-09 | 2020-02-18 | Mujin, Inc. | Method and system for performing automatic camera calibration for a scanning system |
-
2019
- 2019-11-15 CN CN201911116903.5A patent/CN110930460B/zh active Active
- 2019-12-27 WO PCT/CN2019/128962 patent/WO2021093111A1/zh active Application Filing
- 2019-12-27 US US17/622,604 patent/US12002241B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170243374A1 (en) * | 2014-11-13 | 2017-08-24 | Olympus Corporation | Calibration device, calibration method, optical device, image-capturing device, projection device, measuring system, and measuring method |
CN108709499A (zh) * | 2018-04-28 | 2018-10-26 | 天津大学 | 一种结构光视觉传感器及其快速标定方法 |
CN108830906A (zh) * | 2018-05-31 | 2018-11-16 | 福州大学 | 一种基于虚拟双目视觉原理的摄像机参数自动标定方法 |
CN109754433A (zh) * | 2018-12-27 | 2019-05-14 | 中国科学院长春光学精密机械与物理研究所 | 一种标定图像采集方法、装置、设备及存储介质 |
CN110095136A (zh) * | 2019-03-27 | 2019-08-06 | 苏州德沃物流科技有限公司 | 融合imu位姿修正的双目视觉三维重建标定装置和方法 |
CN110163918A (zh) * | 2019-04-24 | 2019-08-23 | 华南理工大学 | 一种基于射影几何的线结构光标定方法 |
CN110111394A (zh) * | 2019-05-16 | 2019-08-09 | 湖南三一快而居住宅工业有限公司 | 基于机械手特征对摄像机自动标定的方法及装置 |
CN110136208A (zh) * | 2019-05-20 | 2019-08-16 | 北京无远弗届科技有限公司 | 一种机器人视觉伺服系统的联合自动标定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110930460B (zh) | 2024-02-23 |
WO2021093111A1 (zh) | 2021-05-20 |
US20220358680A1 (en) | 2022-11-10 |
US12002241B2 (en) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109194876B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
EP3531066B1 (en) | Three-dimensional scanning method including a plurality of lasers with different wavelengths, and scanner | |
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
US9946955B2 (en) | Image registration method | |
CN108225216B (zh) | 结构光系统标定方法及装置、结构光系统及移动设备 | |
CN110689581A (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
CN207766424U (zh) | 一种拍摄装置及成像设备 | |
CN110910459B (zh) | 一种对摄像装置的标定方法、装置及标定设备 | |
CN111080705B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
CN107808398B (zh) | 摄像头参数算出装置以及算出方法、程序、记录介质 | |
CN113841384B (zh) | 校准装置,用于校准的图表和校准方法 | |
CN113034612B (zh) | 一种标定装置、方法及深度相机 | |
CN109598764A (zh) | 摄像头标定方法和装置、电子设备、计算机可读存储介质 | |
CN110544278B (zh) | 刚体运动捕捉方法及装置、agv位姿捕捉系统 | |
CN108340405B (zh) | 一种机器人三维扫描系统及方法 | |
CN116182786B (zh) | 单目视觉测距方法、相机及介质 | |
CN109493387B (zh) | 一种多摄像头光轴对齐的方法和装置 | |
CN116524022B (zh) | 偏移数据计算方法、图像融合方法、装置及电子设备 | |
CN109741384B (zh) | 深度相机的多距离检测装置及方法 | |
CN110930460A (zh) | 面向结构光3d视觉系统的全自动标定方法及装置 | |
CN111526297B (zh) | 曲面屏图像采集方法、装置及终端设备 | |
JPH11194027A (ja) | 三次元座標計測装置 | |
CN109587303B (zh) | 电子设备和移动平台 | |
CN112648936A (zh) | 基于差分投影的立体视觉检测方法及检测装置 | |
CN109379521A (zh) | 摄像头标定方法、装置、计算机设备和存储介质 |
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 |