CN111833401B - 一种基于双面点云信息的快速测距方法及其系统 - Google Patents

一种基于双面点云信息的快速测距方法及其系统 Download PDF

Info

Publication number
CN111833401B
CN111833401B CN202010538037.5A CN202010538037A CN111833401B CN 111833401 B CN111833401 B CN 111833401B CN 202010538037 A CN202010538037 A CN 202010538037A CN 111833401 B CN111833401 B CN 111833401B
Authority
CN
China
Prior art keywords
point cloud
matrix
coordinate
point
distance
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
CN202010538037.5A
Other languages
English (en)
Other versions
CN111833401A (zh
Inventor
陶波
周佩
赵兴炜
王乾杰
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong 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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202010538037.5A priority Critical patent/CN111833401B/zh
Publication of CN111833401A publication Critical patent/CN111833401A/zh
Application granted granted Critical
Publication of CN111833401B publication Critical patent/CN111833401B/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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明属于三维测量领域，并具体公开了一种基于双面点云信息的快速测距方法及其系统。该方法包括如下步骤：1)获取待测物体的双面点云信息，并分别计算两片点云的点云端点；2)通过点云端点匹配将两片点云进行粗配准；3)对两片点云数据进行坐标变换，并剔除影响后续计算的无效点；4)最小化两片点云的形状差以进行精配准；5)结合采样点的距离信息计算两片点云的真实距离分布。该方法适用于距离极近的两表面测距，可以在仅依赖三维点云信息的条件下，实现对间距的快速测量，如测量薄壁物体的厚度分布或狭窄间隙的距离分布，相比现有的测量方法具有快速、简便、高精度的特点。

Description

一种基于双面点云信息的快速测距方法及其系统
技术领域
本发明属于三维测量领域，更具体地，涉及一种基于双面点云信息的快速测距方法及其系统。
背景技术
当今社会对机械加工和测量自动化的要求日益提高，各种高精度测量设备如激光跟踪仪、激光扫描仪、单/双目相机等被广泛应用到工业加工和医疗系统中。在这些应用中，真实物体的动态定位追踪及三维重构是两大热点，前者往往借助靶球等装置辅助标记与识别运动个体，而后者亦往往需要大量标记点或特殊工具以辅助实现三维物体的完整拼接。但是上述方法均具有操作繁琐、计算量巨大、耗时长等缺点。
CN109360267A公开了一种薄物体快速三维重建方法，该方法通过深度相机采集深度图像和彩色图像，并识别标记点以得到变换矩阵。该发明具有操作简便、重建速度快的优点，但是需要带标记点的转台作为辅助测量设备，且转台运动精度极大地影响测量精度。CN102679891A公开了薄壁冲压件厚度变化激光检测方法，该方法在薄壁冲压件的内、外两侧分设三个球心不共线的基准球以作为定位基准，并通过激光测量系统得到其内、外表面对应的点云数据，以此检测薄壁冲压件的厚度。该发明具有测量精度高的优点，但是需要借助多个预先安装的基准球等辅助装置，且操作过程繁琐，测量效率较低。
发明内容
针对现有技术的上述缺点和/或改进需求，本发明提供了一种基于双面点云信息的快速测距方法及其系统，本发明不需要借助转台、基准靶标等辅助设备和装置，而是通过算法自动提取点云端点作为拼接匹配点以完成点云粗拼，通过消除形状差调整点云位姿以完成点云精拼，并通过采样测量修正拼接残余误差，即可计算得到待测两表面的精确距离分布情况，相比现有的测量方法具有快速、简便、高精度的特点。
为实现上述目的，按照本发明的一个方面，提出了一种基于双面点云信息的快速测距方法，该方法包括如下步骤：
S1获取待测物体的双面点云信息，将其记为点云A和点云B，分别计算所述点云A和点云B的点云端点；
S2将所述点云A和点云B的点云端点依次进行匹配，以此完成两片点云的粗配准；
S3将所述点云A和点云B的点云数据进行坐标变换，并剔除所述点云A和点云B中的无效点，获得重整后的点云A和点云B；
S4计算所述重整后的点云A和点云B的形状差，通过调整所述重整后的点云B的姿态和位置使两片点云的形状差最小，以获得修正后的点云B；
S5在所述待测物体的两表面上选取预设数量的测量点，获得该测量点的真实间距，并计算该测量点在重整后的点云A和修正后的点云B上的计算间距，根据所述计算间距与真实间距的差值对所述修正后的点云B进行更新获得最终的点云B，利用所述重整后的点云A和最终的点云B计算所述待测物体的真实距离分布。
作为进一步优选地，步骤S1包括如下子步骤：
S11获取待测物体的双面点云信息；
S12对所述点云A和点云B进行坐标变换，使其平行于X-Y坐标平面；
S13计算调整后的点云A与点云B的几何中心CeA与CeB；
S14根据过点云A几何中心CeA的X-Z平面和Y-Z平面，将所述点云A划分为四个点云块，并分别计算上述四个点云块中距离所述点云A几何中心CeA最远的点，将其作为所述点云A的点云端点；
S15对所述调整后的点云B同样实施步骤S14，以此获得所述点云B的点云端点。
作为进一步优选地，步骤S2包括如下子步骤：
S21根据所述点云A与点云B的点云端点对应关系，利用所述点云A的点云端点构建新坐标系TA，同时利用所述点云B的点云端点构建新坐标系TB，然后利用下式计算齐次变换矩阵
Figure BDA0002537754510000031
Figure BDA0002537754510000032
S22利用所述齐次变换矩阵
Figure BDA0002537754510000033
对所述点云B进行坐标变换，获得端点匹配后的点云B坐标矩阵，以此完成两片点云的粗对准。
作为进一步优选地，步骤S3包括如下子步骤：
S31对粗对准后的所述点云A和点云B进行坐标变换，使所述点云A的点云端点中的三个任选点位于X-Y平面；
S32将步骤S31中坐标变换后的两片点云投影到X-Y平面，获得重叠的投影区域Ar；
S33保留点云A与点云B中投影到Ar的部分，其余部分视为无效数据并剔除，得到重整后的点云A坐标矩阵
Figure BDA0002537754510000034
与重整后的点云B坐标矩阵
Figure BDA0002537754510000035
作为进一步优选地，步骤S4包括如下子步骤：
S41对所述重整后的点云A坐标矩阵
Figure BDA0002537754510000036
和重整后的点云B坐标矩阵
Figure BDA0002537754510000037
进行求差运算，得到形状差矩阵Dh；
S42计算所述形状差矩阵Dh的最小二乘拟合平面SD及其法向矢量tD，然后计算将该法向矢量tD转换到Z轴矢量za＝[0 0 1]T的旋转变换矩阵
Figure BDA0002537754510000038
并根据其构建齐次变换矩阵
Figure BDA0002537754510000039
Figure BDA00025377545100000310
S43利用所述齐次变换矩阵
Figure BDA0002537754510000041
校正所述重整后的点云B坐标矩阵
Figure BDA0002537754510000042
获得倾斜的点云B坐标矩阵
Figure BDA0002537754510000043
Figure BDA0002537754510000044
S44对所述重整后的点云A坐标矩阵
Figure BDA0002537754510000045
和倾斜的点云B坐标矩阵
Figure BDA0002537754510000046
进行求差运算，得到校正形状差矩阵
Figure BDA0002537754510000047
并计算所述校正形状差矩阵
Figure BDA0002537754510000048
中各元素的形状差均值Pmean；
S45利用所述形状差均值Pmean对所述倾斜的点云B坐标矩阵
Figure BDA0002537754510000049
进行进一步修正，得到修正后的点云B坐标矩阵，
Figure BDA00025377545100000410
式中，
Figure BDA00025377545100000411
为修正后的点云B坐标矩阵。
作为进一步优选地，步骤S5包括如下子步骤：
S51对所述重整后的点云A坐标矩阵
Figure BDA00025377545100000412
和修正后的点云B坐标矩阵
Figure BDA00025377545100000413
进行求差运算，得到距离分布矩阵
Figure BDA00025377545100000414
S52在所述待测物体上选取预设数量的测量点，获得该测量点在所述距离分布矩阵
Figure BDA00025377545100000415
中的计算间距，以及该测量点在待测物体上的实际间距；
S53根据所述计算间距和实际间距的差值对该测量点在修正后的点云B上的坐标进行更新，利用更新前后的坐标获得变换矩阵HD，最后根据所述变换矩阵HD校正所述修正后的点云B坐标矩阵
Figure BDA00025377545100000416
Figure BDA00025377545100000417
式中，
Figure BDA00025377545100000418
为最终的点云B坐标矩阵；
S54对重整后的点云A坐标矩阵
Figure BDA00025377545100000419
和最终的点云B坐标矩阵
Figure BDA00025377545100000420
进行求差运算，最终得到所述待测物体的真实距离分布，
Figure BDA00025377545100000421
式中，D为待测两表面的真实距离分布。
按照本发明的另一方面，提供了一种利用上述方法进行快速测距的系统。
作为进一步优选地，利用上述基于双面点云信息的快速测距系统测量薄壁零件的厚度时，将所述薄壁零件正反面的点云信息作为所述待测物体的双面点云信息。
作为进一步优选地，利用上述基于双面点云信息的快速测距系统测量间隙的距离时，将间隙两侧的点云信息作为所述待测物体的双面点云信息。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
1.本发明不需要借助转台、基准靶标等辅助设备和装置，并且不需要额外的预处理步骤和标定过程，仅需要获取待测物体的双面点云信息，并依靠算法自动提取点云端点作为匹配基准，根据距离极近的双面点云数据高度相似的特点，通过消除形状差匹配双面点云，并通过采样测量修正计算结果，使测量精度进一步提高，进而实现基于双面点云信息的快速测距，极大简化了准备工作流程，具有操作简单、计算速度快的优势；
2.同时，本发明在点云精拼的过程中，根据距离极近两表面高度相似的特征，提出计算其形状差分布，然后对形状差数据点进行平面拟合并使其均值为零，从而获取调节点云位姿的齐次变换矩阵以实现最小化形状差，该方法充分利用了待测表面的自身特征，以辅助提升双面点云的拼接精度，并且计算量较小、计算过程方便快速；
3.尤其是，本发明针对精拼后仍存在的点云相对位姿残差，提出通过少量的采样数据点进行点云位姿修正的方法；利用采样点的距离分布测量值与精拼点云后得到的距离分布计算值之差，对点云位姿进行最后的微调，以得到最终的距离分布值；相比现有的效率低下的全采样直接测量方法和精度不足的仅依赖点云的间接测量方法，该方法在提高测量效率的同时，极大地提升了测量精度。
附图说明
图1是本发明提供的基于双面点云信息的快速测距方法的流程图；
图2是本发明优选实施例中双面点云的点云端点示意图；
图3是本发明优选实施例中进行粗配准后的双面点云示意图；
图4是本发明优选实施例中最后计算得到的真实距离分布示意图；
图5是本发明提供的基于双面点云信息的快速测距系统的结构示意图。
在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：
1-置物台，2-待测物体，3-激光扫描仪。
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仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明实施例提供了一种基于双面点云信息的快速测距方法，该方法包括如下步骤：
S1获取待测物体的双面点云信息，将其记为点云A和点云B，分别计算点云A和点云B的点云端点，如图2所示，具体包括如下步骤：
S11获取待测物体的双面点云信息并将其整理为矩阵形式，点云A中各点的坐标为Pi＝[xi,yi,zi]T，将所有点坐标按列排布构成点云A的坐标矩阵XA＝[P1 P2 … Pn]，同理获得点云B的坐标矩阵记XB；
S12利用PCA主成分分析调整点云A和点云B的姿态，使其第一长轴和第二长轴方向形成的平面平行于X-Y坐标平面，生成调整后的点云A坐标矩阵
Figure BDA0002537754510000061
和调整后的点云B坐标矩阵
Figure BDA0002537754510000062
S13根据调整后的点云A坐标矩阵
Figure BDA0002537754510000063
利用下式计算点云A的几何中心CeA：
Figure BDA0002537754510000071
式中，
Figure BDA0002537754510000072
为调整后的点云A中的点坐标；
S14根据过点云A几何中心CeA的X-Z平面和Y-Z平面，将点云A划分为四个点云块(Ω1 Ω2 Ω3 Ω4)，并分别计算上述四个点云块中各点与点云A几何中心CeA的距离di，
Figure BDA0002537754510000073
将各点云块中距离di最大的点作为该点云块的点云端点，以此获得点云A的点云端点(M1 M2 M3 M4)；
S15对调整后的点云B坐标矩阵
Figure BDA0002537754510000074
同样实施步骤S14，以此获得点云B的几何中心CeB和点云端点(N1 N2 N3 N4)；
S2将点云A和点云B的点云端点依次进行匹配，以此完成两片点云的粗配准，如图3所示，具体包括如下子步骤：
S21点云A与点云B的点云端点对应关系为M1对应N2，M2对应N3，M3对应N4，M4对应N1，据此利用点云A的点云端点构建新坐标系TA，利用点云B的点云端点构建新坐标系TB；具体为，以点M2为原点，M2M1为x轴正向，M1M2M3为X-Y平面，构建新坐标系TA，以点N3为原点，N3N4为x轴正向，N2N3N4为X-Y平面，构建新坐标系TB，利用下式计算齐次变换矩阵
Figure BDA0002537754510000075
Figure BDA0002537754510000076
S22利用齐次变换矩阵
Figure BDA0002537754510000077
将点云B的点云端点与点云A的点云端点进行依次对准，从而获得对准后的点云B坐标矩阵，以此完成两片点云的粗对准，
Figure BDA0002537754510000078
式中，
Figure BDA0002537754510000081
为对准后的点云B坐标矩阵，
Figure BDA0002537754510000082
为调整后的点云B坐标矩阵；
S3将点云A和点云B的点云数据进行坐标变换，并剔除点云A和点云B中的无效点，获得重整后的点云A和点云B；
S4计算重整后的点云A和点云B的形状差，通过调整重整后的点云B的姿态和位置使两片点云的形状差最小，以获得修正后的点云B；
S5在待测表面上选取预设数量的测量点，获得该测量点的真实间距，计算重整后的点云A和修正后的点云B在该测量点上的计算间距，根据计算间距与真实间距的差值对修正后的点云B进行更新获得最终的点云B，利用重整后的点云A和最终的点云B计算待测物体的真实距离分布。
进一步，步骤S3包括如下子步骤：
S31对粗对准后的点云A和点云B进行坐标变换，使点云A的点云端点中的三个任选点位于X-Y平面；具体为，将调整后的点云A的M1M2M3平面调整为与X-Y平面重合，同时对粗对准后的点云B做同样变化，并获得平置后的点云A坐标矩阵
Figure BDA0002537754510000083
和平置后的点云B坐标矩阵
Figure BDA0002537754510000084
Figure BDA0002537754510000085
Figure BDA0002537754510000086
式中，TP为将M1M2M3面变换到X-Y平面的齐次变换矩阵；
S32计算平置后的点云A坐标矩阵
Figure BDA0002537754510000087
和平置后的点云B坐标矩阵
Figure BDA0002537754510000088
在X-Y平面上的投影Ar＝{(x,y)|x∈[xa,xb],y∈[ya,yb]}，并按间距δ对投影Ar进行网格划分，以此生成m×n×1维的网格矩阵XR，对于网格矩阵XR的每个元素Pij(xij,yxj,zij)，其代表网格的一个含高度信息的格点；
S33利用下式计算平置后的点云A坐标矩阵
Figure BDA0002537754510000089
中各点PF(xF,yF,zF)到网格矩阵XR中各格点Pij(xij,yxj,zij)的平面投影距离dp；
Figure BDA0002537754510000091
记平置后的点云A坐标矩阵
Figure BDA0002537754510000092
中取得最小平面投影距离dpmin的点为Pk(xk,yk,zk)，若
Figure BDA0002537754510000093
则将该格点Pij(xij,yij,zij)的坐标修改为Pij(xij,yxj,zk)；若
Figure BDA0002537754510000094
则将该格点Pij(xij,yij,zij)作为不参与厚度计算无效点进行剔除；利用上述方法遍历网格矩阵中所有格点，并将更新后的网格矩阵作为重整后m×n×1维的点云A坐标矩阵
Figure BDA0002537754510000095
同理获得重整后m×n×1维的点云B坐标矩阵
Figure BDA0002537754510000096
进一步，步骤S4包括如下子步骤：
S41对重整后的点云A坐标矩阵
Figure BDA0002537754510000097
和重整后的点云B坐标矩阵
Figure BDA0002537754510000098
进行求差运算，得到形状差矩阵Dh，
Figure BDA0002537754510000099
若有一方对应元素位置上超出合理范围，则将运算结果的对应位置设置为无效值；
S42取形状差矩阵Dh的所有有效元素构成点集{Pi D|xi,yi,zi∈R}，求该点集Pi D的最小二乘拟合平面SD及平面SD的法向矢量tD，然后计算将该法向适量tD转换到z轴矢量za＝[00 1]T的旋转变换矩阵
Figure BDA00025377545100000910
并根据其构建齐次变换矩阵
Figure BDA00025377545100000911
Figure BDA00025377545100000912
S43利用齐次变换矩阵
Figure BDA00025377545100000913
校正重整后的点云B坐标矩阵
Figure BDA00025377545100000914
获得倾斜的点云B坐标矩阵
Figure BDA00025377545100000915
Figure BDA00025377545100000916
S44对重整后的点云A坐标矩阵
Figure BDA00025377545100000917
和倾斜的点云B坐标矩阵
Figure BDA00025377545100000918
进行求差运算，利用公式(11)得到校正形状差矩阵
Figure BDA00025377545100000919
然后根据公式(12)计算校正形状差矩阵
Figure BDA00025377545100000920
中形状差均值Pmean，
Figure BDA0002537754510000101
Figure BDA0002537754510000102
式中，
Figure BDA0002537754510000103
为校正形状差矩阵
Figure BDA0002537754510000104
第(i,j,1)位置上的元素值。
S45利用形状差均值Pmean对倾斜的点云B坐标矩阵
Figure BDA0002537754510000105
进行进一步修正，得到修正后的点云B坐标矩阵
Figure BDA0002537754510000106
Figure BDA0002537754510000107
进一步，步骤S5包括如下子步骤：
S51对重整后的点云A坐标矩阵
Figure BDA0002537754510000108
和修正后的点云B坐标矩阵
Figure BDA0002537754510000109
进行求差运算，得到距离分布矩阵
Figure BDA00025377545100001010
Figure BDA00025377545100001011
S52在待测物体上选取预设数量的测量点，在本发明优选实施例中选择距离分布矩阵
Figure BDA00025377545100001012
分布边缘的三点，获得该测量点在距离矩阵
Figure BDA00025377545100001013
中的测量间距
Figure BDA00025377545100001014
以及该测量点在待测物体上的实际厚度d1,d2,d3；
S53根据测量间距和实际厚度的差值Δd1,Δd2,Δd3对该测量点在修正后的点云B上的坐标进行更新，将其坐标由{P1 B,P2 B,P3 B}更新为
Figure BDA00025377545100001015
求取{P1 B,P2 B,P3 B}到
Figure BDA00025377545100001016
的变换矩阵HD，最后根据变换矩阵HD校正修正后的点云B坐标矩阵
Figure BDA00025377545100001017
Figure BDA00025377545100001018
式中，
Figure BDA00025377545100001019
为最终的点云B坐标矩阵；
S54对重整后的点云A坐标矩阵
Figure BDA00025377545100001020
和最终的点云B坐标矩阵
Figure BDA00025377545100001021
进行求差运算，如图4所示，最终得到待测物体的真实距离，
Figure BDA00025377545100001022
式中，D为待测物体两表面的真实距离分布。
按照本发明的另一方面，如图5所示，提供了一种利用上述方法进行快速测距的系统，该系统包括置物台1和激光扫描仪3，工作时将待测物体2放置在置物台1上，利用激光扫描仪3获取待测物体2的双面点云信息。
利用上述基于双面点云信息的快速测距系统测量薄壁零件的厚度时，将薄壁零件正反面的点云信息作为待测物体的双面点云信息，不能选择薄壁零件的两个侧面，并尽量少包含侧面数据。测量时，固定激光扫描仪3，通过翻转薄壁零件以获得双面点云信息。
利用上述基于双面点云信息的快速测距系统测量间隙的距离，将间隙两侧的点云信息作为待测物体的双面点云信息。测量时，固定待测物体，通过移动激光扫描仪3以获得双面点云信息。
本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于双面点云信息的快速测距方法，其特征在于，该方法包括如下步骤：
S1获取待测物体的双面点云信息，将其记为点云A和点云B，分别计算所述点云A和点云B的点云端点，其中，根据距离极近的双面点云数据高度相似的特点，在测量薄壁零件的厚度时，将薄壁零件正反面的点云信息作为待测物体的双面点云信息，不能选择薄壁零件的两个侧面，并尽量少包含侧面数据；具体包括：
S11获取待测物体的双面点云信息；
S12对所述点云A和点云B进行坐标变换，使其平行于X-Y坐标平面；
S13计算调整后的点云A与点云B的几何中心CeA与CeB；
S14根据过点云A几何中心CeA的X-Z平面和Y-Z平面，将所述点云A划分为四个点云块，并分别计算上述四个点云块中距离所述点云A几何中心CeA最远的点，将其作为所述点云A的点云端点；
S15对所述调整后的点云B同样实施步骤S14，以此获得所述点云B的点云端点；
S2将所述点云A和点云B的点云端点依次进行匹配，以此完成两片点云的粗配准；
S3将所述点云A和点云B的点云数据进行坐标变换，并剔除所述点云A和点云B中的无效点，获得重整后的点云A和点云B；
S4计算所述重整后的点云A和点云B的形状差，通过调整所述重整后的点云B的姿态和位置使两片点云的形状差最小，以获得修正后的点云B；
S5在所述待测物体的两表面上选取预设数量的测量点，获得该测量点的真实间距，并计算该测量点在重整后的点云A和修正后的点云B上的计算间距，根据所述计算间距与真实间距的差值对所述修正后的点云B进行更新获得最终的点云B，利用所述重整后的点云A和最终的点云B计算所述待测物体的真实距离分布。
2.如权利要求1所述的基于双面点云信息的快速测距方法，其特征在于步骤S2包括如下子步骤：
S21根据所述点云A与点云B的点云端点对应关系，利用所述点云A的点云端点构建新坐标系TA，同时利用所述点云B的点云端点构建新坐标系TB，然后利用下式计算齐次变换矩阵
Figure FDA0003576518840000021
Figure FDA0003576518840000022
S22利用所述齐次变换矩阵
Figure FDA0003576518840000023
对所述点云B进行坐标变换，获得端点匹配后的点云B坐标矩阵，以此完成两片点云的粗对准。
3.如权利要求2所述的基于双面点云信息的快速测距方法，其特征在于步骤S3包括如下子步骤：
S31对粗对准后的所述点云A和点云B进行坐标变换，使所述点云A的点云端点中的三个任选点位于X-Y平面；
S32将步骤S31中坐标变换后的两片点云投影到X-Y平面，获得重叠的投影区域Ar；
S33保留点云A与点云B中投影到Ar的部分，其余部分视为无效数据并剔除，得到重整后的点云A坐标矩阵
Figure FDA0003576518840000024
与重整后的点云B坐标矩阵
Figure FDA0003576518840000025
4.如权利要求3所述的基于双面点云信息的快速测距方法，其特征在于，步骤S4包括如下子步骤：
S41对所述重整后的点云A坐标矩阵
Figure FDA0003576518840000026
和重整后的点云B坐标矩阵
Figure FDA0003576518840000027
进行求差运算，得到形状差矩阵Dh；
S42计算所述形状差矩阵Dh的最小二乘拟合平面SD及其法向矢量tD，然后计算将该法向矢量tD转换到Z轴矢量za＝[0 0 1]T的旋转变换矩阵
Figure FDA0003576518840000028
并根据其构建齐次变换矩阵
Figure FDA0003576518840000029
Figure FDA0003576518840000031
S43利用所述齐次变换矩阵
Figure FDA0003576518840000032
校正所述重整后的点云B坐标矩阵
Figure FDA0003576518840000033
获得倾斜的点云B坐标矩阵
Figure FDA0003576518840000034
所述倾斜的点云B平行于重整后的点云A；
Figure FDA0003576518840000035
S44对所述重整后的点云A坐标矩阵
Figure FDA0003576518840000036
和倾斜的点云B坐标矩阵
Figure FDA0003576518840000037
进行求差运算，得到校正形状差矩阵
Figure FDA0003576518840000038
并计算所述校正形状差矩阵
Figure FDA0003576518840000039
中各元素的形状差均值Pmean；
S45利用所述形状差均值Pmean对所述倾斜的点云B坐标矩阵
Figure FDA00035765188400000310
进行进一步修正，得到修正后的点云B坐标矩阵，
Figure FDA00035765188400000311
式中，
Figure FDA00035765188400000312
为修正后的点云B坐标矩阵。
5.如权利要求4所述的基于双面点云信息的快速测距方法，其特征在于，步骤S5包括如下子步骤：
S51对所述重整后的点云A坐标矩阵
Figure FDA00035765188400000313
和修正后的点云B坐标矩阵
Figure FDA00035765188400000314
进行求差运算，得到距离分布矩阵
Figure FDA00035765188400000315
S52在所述待测物体上选取预设数量的测量点，获得该测量点在所述距离分布矩阵
Figure FDA00035765188400000316
中的计算间距，以及该测量点在待测物体上的实际间距；
S53根据所述计算间距和实际间距的差值对该测量点在修正后的点云B上的坐标进行更新，利用更新前后的坐标获得变换矩阵HD，最后根据所述变换矩阵HD校正所述修正后的点云B坐标矩阵
Figure FDA00035765188400000317
Figure FDA00035765188400000318
式中，
Figure FDA00035765188400000319
为最终的点云B坐标矩阵；
S54对重整后的点云A坐标矩阵
Figure FDA00035765188400000320
和最终的点云B坐标矩阵
Figure FDA00035765188400000321
进行求差运算，最终得到所述待测物体的真实距离分布，
Figure FDA00035765188400000322
式中，D为待测两表面的真实距离分布。
6.一种利用如权利要求1～5任一项所述的基于双面点云信息的快速测距方法进行快速测距的系统。
7.如权利要求6所述的基于双面点云信息的快速测距系统，其特征在于，利用该系统测量间隙的距离时，将间隙两侧的点云信息作为所述待测物体的双面点云信息。
CN202010538037.5A 2020-06-12 2020-06-12 一种基于双面点云信息的快速测距方法及其系统 Active CN111833401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010538037.5A CN111833401B (zh) 2020-06-12 2020-06-12 一种基于双面点云信息的快速测距方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010538037.5A CN111833401B (zh) 2020-06-12 2020-06-12 一种基于双面点云信息的快速测距方法及其系统

Publications (2)

Publication Number Publication Date
CN111833401A CN111833401A (zh) 2020-10-27
CN111833401B true CN111833401B (zh) 2022-05-27

Family

ID=72899306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010538037.5A Active CN111833401B (zh) 2020-06-12 2020-06-12 一种基于双面点云信息的快速测距方法及其系统

Country Status (1)

Country Link
CN (1) CN111833401B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102679891A (zh) * 2012-01-15 2012-09-19 河南科技大学 薄壁冲压件厚度变化激光检测方法
CN102798362A (zh) * 2012-06-20 2012-11-28 北京航空航天大学 一种基于点云数据的铸件加工余量估计方法
CN103983188A (zh) * 2014-05-06 2014-08-13 华东师范大学 一种运动物体的体积测量方法及其测量装置
CN104867136A (zh) * 2015-05-06 2015-08-26 华中科技大学 一种基于距离方差最小的工件点云匹配算法
CN105931238A (zh) * 2016-04-19 2016-09-07 北京理工大学 一种粮仓储粮体积测量的方法和系统
CN109341626A (zh) * 2018-10-24 2019-02-15 中国铁道科学研究院集团有限公司标准计量研究所 直线度计算方法、截面最大直径与最小直径之差计算方法
CN110082779A (zh) * 2019-03-19 2019-08-02 同济大学 一种基于3d激光雷达的车辆位姿定位方法及系统
CN110276790A (zh) * 2019-06-28 2019-09-24 易思维（杭州）科技有限公司 基于形状约束的点云配准方法
CN110390687A (zh) * 2019-07-29 2019-10-29 四川大学 一种基于三维激光扫描的河道冲淤测量方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10694103B2 (en) * 2018-04-24 2020-06-23 Industrial Technology Research Institute Building system and building method for panorama point cloud

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102679891A (zh) * 2012-01-15 2012-09-19 河南科技大学 薄壁冲压件厚度变化激光检测方法
CN102798362A (zh) * 2012-06-20 2012-11-28 北京航空航天大学 一种基于点云数据的铸件加工余量估计方法
CN103983188A (zh) * 2014-05-06 2014-08-13 华东师范大学 一种运动物体的体积测量方法及其测量装置
CN104867136A (zh) * 2015-05-06 2015-08-26 华中科技大学 一种基于距离方差最小的工件点云匹配算法
CN105931238A (zh) * 2016-04-19 2016-09-07 北京理工大学 一种粮仓储粮体积测量的方法和系统
CN109341626A (zh) * 2018-10-24 2019-02-15 中国铁道科学研究院集团有限公司标准计量研究所 直线度计算方法、截面最大直径与最小直径之差计算方法
CN110082779A (zh) * 2019-03-19 2019-08-02 同济大学 一种基于3d激光雷达的车辆位姿定位方法及系统
CN110276790A (zh) * 2019-06-28 2019-09-24 易思维（杭州）科技有限公司 基于形状约束的点云配准方法
CN110390687A (zh) * 2019-07-29 2019-10-29 四川大学 一种基于三维激光扫描的河道冲淤测量方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A method for object detection using point cloud measurement in the sea environment;Seong Ju Lee等;《2017 IEEE Underwater Technology (UT)》;20170403;第1-4页 *
机器人测量－操作－加工一体化技术研究及其应用;陶波等;《中国机械工程》;20200131;第49-56页 *
足部模型点云配准方法研究;马天娇等;《机电工程技术》;20200531;第75-78页 *

Also Published As

Publication number Publication date
CN111833401A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111536902B (zh) 一种基于双棋盘格的振镜扫描系统标定方法
CN111192235B (zh) 一种基于单目视觉模型和透视变换的图像测量方法
CN110966935B (zh) 基于标志点的偏折测量系统一体化几何标定方法
CN107449374B (zh) 柔性布局的视觉辅助激光振镜扫描系统及其现场校准方法
CN106990776B (zh) 机器人归航定位方法与系统
CN102376089A (zh) 一种标靶校正方法及系统
CN110455225B (zh) 基于结构光视觉的矩形花键轴同轴度及键位置度测量方法
CN104036542A (zh) 一种基于空间光线聚集性的像面特征点匹配方法
CN105424058A (zh) 基于摄影测量技术的数码相机投影中心位置精确标定方法
CN113781579B (zh) 一种全景红外相机几何标定方法
CN107588929B (zh) 球幕投影/跟踪系统标定方法及标定器
CN115540775A (zh) 一种ccd单相机的3d视频引伸计
CN114926538A (zh) 单目激光散斑投影系统的外参数标定方法和装置
CN114001651A (zh) 一种基于双目视觉测量和先验检测数据的大型细长筒类构件位姿原位测量方法
CN111833401B (zh) 一种基于双面点云信息的快速测距方法及其系统
CN110428471B (zh) 一种针对光学自由曲面子孔径偏折测量的精确自定位方法
CN109059761B (zh) 一种基于eiv模型的手持靶标测头标定方法
CN111968182A (zh) 一种双目相机非线性模型参数的标定方法
CN115375773A (zh) 单目激光散斑投影系统的外参数标定方法和相关装置
CN110260817B (zh) 基于虚拟标志点的复杂曲面偏折测量自定位方法
Liu et al. Comparison study of three camera calibration methods considering the calibration board quality and 3D measurement accuracy
CN110706292B (zh) 一种基于机器视觉的二维工作台误差自标定方法
JP2007122160A (ja) モデリング装置およびカメラパラメータの計算方法
Wu et al. A novel precise guiding method for visual guiding theodolite measurement in volume space
CN114018167A (zh) 一种基于单目三维视觉的桥梁挠度测量方法

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