CN111325802B - 一种直升机风洞试验中圆形标记点识别匹配方法 - Google Patents

一种直升机风洞试验中圆形标记点识别匹配方法 Download PDF

Info

Publication number
CN111325802B
CN111325802B CN202010087043.3A CN202010087043A CN111325802B CN 111325802 B CN111325802 B CN 111325802B CN 202010087043 A CN202010087043 A CN 202010087043A CN 111325802 B CN111325802 B CN 111325802B
Authority
CN
China
Prior art keywords
circular
points
matching
image pair
circular mark
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
CN202010087043.3A
Other languages
English (en)
Other versions
CN111325802A (zh
Inventor
马军
左承林
宋晋
岳廷瑞
刘垒
张卫国
王勋年
史哲羽
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.)
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
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 Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202010087043.3A priority Critical patent/CN111325802B/zh
Publication of CN111325802A publication Critical patent/CN111325802A/zh
Application granted granted Critical
Publication of CN111325802B publication Critical patent/CN111325802B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种直升机风洞试验中圆形标记点识别匹配方法，属于直升机风洞试验测量技术领域。包括以下步骤：基于两台高速CCD相机，构建双目成像系统；使用棋盘格标定板，对双目成像系统的内外参数进行标定；基于构建的双目成像系统，采集包含圆形标记点的直升机桨叶图像对；基于标定得到的双目成像系统内外参数，对采集的桨叶图像对进行校正，得到水平对齐的校正图像对；基于水平对齐约束，对校正图像对中的圆形标记点进行检测匹配。本发明所提供的方法通过对直升机桨叶图像对进行立体校正，将图像对中同一圆形标记点约束在了同一水平线上，可直接根据圆形标记点的图像纵坐标进行匹配，极大简化了圆形标记点识别匹配的复杂度，有效解决了圆形标记点的误匹配问题，可实现圆形标记点的准确匹配。

Description

一种直升机风洞试验中圆形标记点识别匹配方法
技术领域
本发明涉及直升机风洞试验测量技术领域，具体指一种直升机风洞试验中圆形标记点识别匹配方法。
背景技术
低速风洞试验是研究直升机飞行性能和空气动力特性的重要手段。试验中，通过测量直升机旋翼桨叶的挥舞、摆振、扭转变形等运动变形参数，可为旋翼系统的结构设计和空气动力特性分析提供重要的参数依据。
基于双目视觉的测量方法可对旋翼桨叶运动变形参数进行非接触式的三维测量。双目视觉测量时，需要对双目相机拍摄的桨叶图像对中的对应点进行识别匹配以计算其空间三维坐标，匹配的精度至关重要，直接决定了旋翼桨叶运动变形参数的测量精度。然而，旋翼桨叶表面的纹理结构信息非常有限，传统立体匹配方法难以实现桨叶图像对中对应点的精确匹配，因而无法满足直升机风洞试验的高精度测量需求。为此，需要借助具有显著特征的标记点，将之粘贴在旋翼桨叶表面后进行双目成像，通过识别匹配桨叶图像对中的同一标记点，计算其空间三维坐标，进而计算得到旋翼桨叶的运动变形参数。
圆形标记点是直升机风洞试验测量旋翼桨叶运动变形参数中较为常用的标记点，具有结构简单、受成像光照影响小、易于检测等优点。但是，圆形标记点本身没有标识信息，不同圆形标记点之间的区分识别较为困难，匹配时往往会出现误匹配的情况，即将桨叶表面不同位置的圆形标记点匹配在了一起，从而造成测量结果出现错误。因此，亟需一种鲁棒有效的圆形标记点识别匹配方法，能够实现桨叶图像对中圆形标记点的准确识别匹配。
发明内容
本发明提供了一种直升机风洞试验中圆形标记点识别匹配方法，旨在解决直升机风洞试验测量旋翼桨叶运动变形参数中的圆形标记点误匹配问题。
为解决上述技术问题，本发明提出的技术方案是：
一种直升机风洞试验中圆形标记点识别匹配方法，其特征在于，包括以下步骤：
步骤1：基于两台高速CCD相机，构建双目成像系统；
步骤2：使用棋盘格标定板，对双目成像系统的内外参数进行标定；
步骤3：基于构建的双目成像系统，采集包含圆形标记点的直升机桨叶图像对；
步骤4：基于标定得到的双目成像系统内外参数，对采集的桨叶图像对进行校正，得到水平对齐的校正图像对；
步骤5：对校正图像对中的圆形标记点进行检测匹配，具体步骤如下：
步骤5.1：使用canny算子对校正图像对进行边缘检测；
步骤5.2：计算校正图像对中所有边缘轮廓的周长L、面积A以及形状因子
Figure BDA0002382432070000021
其中，边缘轮廓的周长L指其所占像素点数量，面积A指其形成的连通域所包含的像素点数量；
步骤5.3：设置最小周长阈值Lmin、最大周长阈值Lmax、最小面积阈值Amin、最大面积阈值Amax、最小形状因子阈值Cmin、最大形状因子阈值Cmax，筛除不满足阈值条件的边缘轮廓，保留圆形标记点边缘轮廓，Lmin、Lmax、Amin、Amax、Cmin、Cmax的取值范围是0～10000；
步骤5.4：对圆形标记点边缘轮廓进行最小二乘椭圆拟合，得到拟合椭圆参数，其中，拟合椭圆中心坐标即为圆形标记点的图像坐标；
步骤5.5：对于左校正图像中的第i个圆形标记点，计算其与右校正图像中所有圆形标记点之间的纵向距离，得到纵向距离序列Di＝{di,1,di,2,...,di,j,...,di,m}，其中，m为右校正图像中圆形标记点数量，纵向距离计算如下：
Figure BDA0002382432070000022
式中，
Figure BDA0002382432070000023
为左校正图像中第i个圆形标记点的纵坐标，
Figure BDA0002382432070000024
为右校正图像中第j个圆形标记点的纵坐标，di,j为上述两个圆形标记点之间的纵向距离；
步骤5.6：对纵向距离序列Di进行排序，得到最小纵向距离
Figure BDA0002382432070000025
其中，k为最小纵向距离对应的右校正图像中的第k个圆形标记点；
步骤5.7：设定阈值T，若
Figure BDA0002382432070000026
则左校正图像中第i个圆形标记点与右校正图像中第k个圆形标记点为匹配点，否则，左校正图像中第i个圆形标记点在右校正图像中没有匹配点，T的取值范围是0～10；
步骤5.8：重复步骤5.5至步骤5.7，完成校正图像对中所有圆形标记点匹配。
本发明有益效果：
本发明所提供的方法通过对采集的直升机桨叶图像对进行立体校正，将图像对中同一圆形标记点约束在了同一水平线上，极大简化了圆形标记点识别匹配的复杂度，有效解决了圆形标记点的误匹配问题，可实现圆形标记点的准确匹配。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明方法的整体流程图；
图2是构建的双目成像系统；
其中，1为高速CCD相机，2为直升机旋翼试验台。
图3是棋盘格标定板；
图4是双目成像系统内外参数标定结果；
图5是双目成像系统采集的旋翼桨叶瞬态图像对；
图6是基于双目成像系统内外参数校正得到的校正图像对；
图7是边缘轮廓检测结果；
图8是边缘轮廓筛选结果；
图9是圆形标记点边缘轮廓的拟合椭圆中心坐标；
图10是圆形标记点匹配结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作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。
如图1所示，本实施例提供了一种直升机风洞试验中圆形标记点识别匹配方法。
步骤1：如图2所示，基于两台高速CCD相机1，构建双目成像系统，安装固定于直升机旋翼试验台2的下方。
步骤2：使用棋盘格标定板，如图3所示，采用MATLAB双目立体标定应用程序，对双目成像系统的内外参数进行标定，标定结果如图4所示。
步骤3：基于构建的双目成像系统，采集包含圆形标记点的直升机桨叶图像对，如图5所示。
步骤4：基于标定得到的双目成像系统内外参数，采用MATLAB中rectifyStereoImages校正函数，对采集的旋翼桨叶瞬态图像对进行立体校正，得到水平对齐的校正图像对，如图6所示，通过图中的白色水平线可以看到，校正图像对已经水平对齐。
步骤5：对校正图像对中的圆形标记点进行检测匹配，具体步骤如下：
步骤5.1：采用MATLAB中canny算子对校正图像对进行边缘检测，结果如图7所示。
步骤5.2：计算校正图像对中所有边缘轮廓的周长L、面积A以及形状因子
Figure BDA0002382432070000041
其中，边缘轮廓的周长L指其所占像素点数量，面积A指其形成的连通域所包含的像素点数量。
步骤5.3：设置最小周长阈值Lmin＝50、最大周长阈值Lmax＝90、最小面积阈值Amin＝200、最大面积阈值Amax＝600、最小形状因子阈值Cmin＝0.8、最大形状因子阈值Cmax＝1.3，筛除不满足阈值条件的边缘轮廓，保留圆形标记点边缘轮廓，结果如图8所示。
步骤5.4：对圆形标记点边缘轮廓进行最小二乘椭圆拟合，得到拟合椭圆中心坐标，结果如图9所示，拟合椭圆中心坐标即为圆形标记点的二维图像坐标。
步骤5.5：对于左校正图像中的第i个圆形标记点，计算其与右校正图像中所有圆形标记点之间的纵向距离，得到纵向距离序列Di＝{di,1,di,2,...,di,j,...,di,10}，纵向距离计算如下：
Figure BDA0002382432070000042
式中，
Figure BDA0002382432070000043
为左校正图像中第i个圆形标记点的纵坐标，
Figure BDA0002382432070000044
为右校正图像中第j个圆形标记点的纵坐标，di,j为上述两个圆形标记点之间的纵向距离。
步骤5.6：对纵向距离序列Di进行排序，得到最小纵向距离
Figure BDA0002382432070000045
其中，k为最小纵向距离对应的右校正图像中的第k个圆形标记点。
步骤5.7：设定阈值T＝2，若
Figure BDA0002382432070000046
则左校正图像中第i个圆形标记点与右校正图像中第k个圆形标记点为匹配点，否则，左校正图像中第i个圆形标记点在右校正图像中没有匹配点。
步骤5.8：重复步骤5.5至步骤5.7，完成校正图像对中所有圆形标记点匹配。
本实施例的最终识别匹配结果如图10所示，可以看出，经过本发明方法的处理，所有圆形标记点都得到了正确的识别匹配。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (1)

1.一种直升机风洞试验中圆形标记点识别匹配方法，其特征在于，包括以下步骤：
步骤1：基于两台高速CCD相机，构建双目成像系统；
步骤2：使用棋盘格标定板，对双目成像系统的内外参数进行标定；
步骤3：基于构建的双目成像系统，采集包含圆形标记点的直升机桨叶图像对；
步骤4：基于标定得到的双目成像系统内外参数，对采集的桨叶图像对进行校正，得到水平对齐的校正图像对；
步骤5：对校正图像对中的圆形标记点进行检测匹配；
步骤5对校正图像对中的圆形标记点进行检测匹配，具体包括以下步骤：
步骤5.1：使用canny算子对校正图像对进行边缘检测；
步骤5.2：计算校正图像对中所有边缘轮廓的周长、面积以及形状因子，其中，边缘轮廓的周长指其所占像素点数量，面积指其形成的连通域所包含的像素点数量；
步骤5.3：设置最小周长阈值、最大周长阈值、最小面积阈值、最大面积阈值、最小形状因子阈值、最大形状因子阈值，筛除不满足阈值条件的边缘轮廓，保留圆形标记点边缘轮廓，、、、、、的取值范围是0~10000；
步骤5.4：对圆形标记点边缘轮廓进行最小二乘椭圆拟合，得到拟合椭圆参数，其中，拟合椭圆中心坐标即为圆形标记点的图像坐标；
步骤5.5：对于左校正图像中的第i个圆形标记点，计算其与右校正图像中所有圆形标记点之间的纵向距离，得到纵向距离序列，其中，m为右校正图像中圆形标记点数量，纵向距离计算如下：
（1）
式中，为左校正图像中第i个圆形标记点的纵坐标，为右校正图像中第j个圆形标记点的纵坐标，为上述两个圆形标记点之间的纵向距离；
步骤5.6：对纵向距离序列进行排序，得到最小纵向距离，其中，k为最小纵向距离对应的右校正图像中的第k个圆形标记点；
步骤5.7：设定阈值T，若，则左校正图像中第i个圆形标记点与右校正图像中第k个圆形标记点为匹配点，否则，左校正图像中第i个圆形标记点在右校正图像中没有匹配点，T的取值范围是0~10；
步骤5.8：重复步骤5.5至步骤5.7，完成校正图像对中所有圆形标记点匹配。
CN202010087043.3A 2020-02-11 2020-02-11 一种直升机风洞试验中圆形标记点识别匹配方法 Active CN111325802B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010087043.3A CN111325802B (zh) 2020-02-11 2020-02-11 一种直升机风洞试验中圆形标记点识别匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010087043.3A CN111325802B (zh) 2020-02-11 2020-02-11 一种直升机风洞试验中圆形标记点识别匹配方法

Publications (2)

Publication Number Publication Date
CN111325802A CN111325802A (zh) 2020-06-23
CN111325802B true CN111325802B (zh) 2023-04-25

Family

ID=71168816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010087043.3A Active CN111325802B (zh) 2020-02-11 2020-02-11 一种直升机风洞试验中圆形标记点识别匹配方法

Country Status (1)

Country Link
CN (1) CN111325802B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485483B (zh) * 2022-04-15 2022-06-24 中国空气动力研究与发展中心低速空气动力研究所 一种基于多相机组合成像的冰形在线测量方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567046A (zh) * 2009-06-11 2009-10-28 北京航空航天大学 一种基于最小覆盖圆匹配的无人机目标识别方法
CN105091782A (zh) * 2015-05-29 2015-11-25 南京邮电大学 一种基于双目视觉的多线激光器光平面标定方法
US9934592B1 (en) * 2016-11-15 2018-04-03 Carl Zeiss Industrielle Messtechnik Gmbh Method and system for determining a 6-DOF-pose of an object in space

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999021134A1 (en) * 1997-10-22 1999-04-29 Spectra Precision Ab Contactless measuring of position and orientation
JP3754340B2 (ja) * 2001-10-15 2006-03-08 株式会社デンソーウェーブ 位置検出装置
US7809197B2 (en) * 2004-12-09 2010-10-05 Eastman Kodak Company Method for automatically determining the acceptability of a digital image
KR100835380B1 (ko) * 2007-01-15 2008-06-05 한국과학기술원 영상의 경계를 검출하는 방법 및 그 장치와 이를 구현할 수있는 컴퓨터로 읽을 수 있는 기록 매체
CN105157592B (zh) * 2015-08-26 2018-03-06 北京航空航天大学 基于双目视觉的柔性后缘可变形机翼的变形形状和速率的测量方法
JP6898425B2 (ja) * 2017-03-03 2021-07-07 富士フイルム株式会社 計測支援装置、内視鏡システム、及び内視鏡システムのプロセッサ
CN106840110B (zh) * 2017-03-17 2019-08-13 大连理工大学 一种应用于大型多板波浪模拟系统的运动测量方法与装置
CN107588723B (zh) * 2017-09-22 2019-08-23 南昌航空大学 一种基于两步法的高速动目标上圆形标记漏点检测方法
CN107993224B (zh) * 2017-11-28 2021-06-11 沈阳建筑大学 一种基于圆形标志物的物体检测定位方法
CN108844524B (zh) * 2018-07-05 2020-11-17 空气动力学国家重点实验室 一种基于振动修正的直升机旋翼桨叶运动参数测量方法
CN109215045A (zh) * 2018-07-19 2019-01-15 广东工业大学 基于区域生长与Laplace算子相结合边缘检测方法
CN109655040B (zh) * 2018-12-25 2021-09-21 南京工业大学 一种基于无人机靶向技术的边坡位移监测方法
CN110490934B (zh) * 2019-08-13 2022-04-19 西北工业大学 基于单目相机与机器人的混合机立式桨叶姿态检测方法
CN110570412B (zh) * 2019-09-06 2022-03-22 西安交通大学 一种零件误差视觉判断系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567046A (zh) * 2009-06-11 2009-10-28 北京航空航天大学 一种基于最小覆盖圆匹配的无人机目标识别方法
CN105091782A (zh) * 2015-05-29 2015-11-25 南京邮电大学 一种基于双目视觉的多线激光器光平面标定方法
US9934592B1 (en) * 2016-11-15 2018-04-03 Carl Zeiss Industrielle Messtechnik Gmbh Method and system for determining a 6-DOF-pose of an object in space

Also Published As

Publication number Publication date
CN111325802A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN110689579B (zh) 基于合作目标的快速单目视觉位姿测量方法及测量系统
CN109035309B (zh) 基于立体视觉的双目摄像头与激光雷达间的位姿配准方法
CN108734744B (zh) 一种基于全站仪的远距离大视场双目标定方法
CN111311689B (zh) 一种激光雷达与相机相对外参的标定方法及系统
CN108510530B (zh) 一种三维点云匹配方法及其系统
CN109285194B (zh) 相机标定板及相机标定数据采集方法
CN106683137B (zh) 基于人工标志的单目多目标识别与定位方法
CN107392929B (zh) 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法
CN105865329A (zh) 基于视觉的成捆圆钢端面中心坐标的获取系统和方法
CN110223355B (zh) 一种基于双重极线约束的特征标志点匹配方法
CN110966956A (zh) 一种基于双目视觉的三维检测装置和方法
CN113253246B (zh) 一种激光雷达和相机的标定方法
CN110763204A (zh) 一种平面编码靶标及其位姿测量方法
CN111008602B (zh) 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法
CN113221953A (zh) 基于实例分割和双目深度估计的目标姿态识别系统与方法
CN111325802B (zh) 一种直升机风洞试验中圆形标记点识别匹配方法
CN115082777A (zh) 基于双目视觉的水下动态鱼类形态测量方法及装置
CN115222819A (zh) 一种基于机场大范围场景下多模信息参照的相机自标定和目标追踪方法
CN111292375B (zh) 一种基于位置约束的直升机桨叶标记点识别匹配方法
CN107677223B (zh) 一种非接触四轮定位仪的车轮拍摄测量装置及测量方法
CN117710588A (zh) 一种基于视觉测距先验信息的三维目标检测方法
CN111340884B (zh) 一种双目异构相机与rfid的双重目标定位与身份辨识方法
CN108180825A (zh) 一种基于线结构光的长方体形物体三维识别与定位方法
CN102542563A (zh) 一种移动机器人前向单目视觉的建模方法
CN112102419B (zh) 双光成像设备标定方法及系统、图像配准方法

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