CN112700480A - 一种面向小尺寸物体旋转扫描的点云快速配准方法及应用 - Google Patents

一种面向小尺寸物体旋转扫描的点云快速配准方法及应用 Download PDF

Info

Publication number
CN112700480A
CN112700480A CN202011593999.7A CN202011593999A CN112700480A CN 112700480 A CN112700480 A CN 112700480A CN 202011593999 A CN202011593999 A CN 202011593999A CN 112700480 A CN112700480 A CN 112700480A
Authority
CN
China
Prior art keywords
coordinate system
point
formula
rotation
point cloud
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
Application number
CN202011593999.7A
Other languages
English (en)
Other versions
CN112700480B (zh
Inventor
刘今越
李学飞
翟志国
王晓帅
胡占宇
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.)
Hebei University of Technology
Original Assignee
Hebei University of 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 Hebei University of Technology filed Critical Hebei University of Technology
Priority to CN202011593999.7A priority Critical patent/CN112700480B/zh
Publication of CN112700480A publication Critical patent/CN112700480A/zh
Application granted granted Critical
Publication of CN112700480B publication Critical patent/CN112700480B/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
    • G06T7/30—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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30208—Marker matrix

Abstract

本发明为一种面向小尺寸物体旋转扫描的点云快速配准方法及应用，该方法包括：第一步、标定旋转平台，得到旋转平台坐标系与相机坐标系之间的位姿变换关系；第二步、获取工件在不同旋转角度下的点云数据，得到多组点云数据；第三步、根据旋转平台坐标系与相机坐标系之间的位姿变换关系，将点云数据转换至旋转平台坐标系中，得到各组点云数据在旋转平台0°位置的坐标；再将各组点云数据还原至旋转平台转动前的位置。该方法能用于加工中心的刀具的旋转扫描，不需要进行点云数据间的迭代运算，计算效率较高，不存在累积误差，且不要求点云数据间有重叠区域，在保证配准精度的同时提高了速度。

Description

一种面向小尺寸物体旋转扫描的点云快速配准方法及应用
技术领域
本发明涉及3D扫描技术领域，具体是一种面向小尺寸物体旋转扫描的点云快速配准方法及应用。
背景技术
基于结构光照明的三维面形测量方法具有非接触、高精度以及易于在计算机控制下实行自动化测量等特点，在机器视觉、自动检测、产品质量控制、逆向工程、生物医学等领域具有重要意义和广阔的应用前景，已经被广泛用于复杂漫反射表面的三维测量。由于相机与被测物体之间的相对位置固定，因此每次测量只能得到某一位置和角度的点云数据，若要得到完整的三维点云模型，则需要采集多个位置的点云数据并进行点云拼接，这个过程被称为点云配准。
常用的点云配准方法有标志点拼接法和ICP算法。标志点拼接法由于其自身算法的限制，在测量小尺寸物体时由于其表面积较小，曲率半径小，导致粘贴标志点出现翘曲等问题，导致配准精度较差，而且标志点需要人工进行选取，耗时较长，因此一般用于大型物体的三维测量中，或用于点云粗配准作为ICP算法的迭代初值进行三维精密测量。
ICP算法主要通过标记特征进行迭代运算，因此对于表面具有明显特征的待测物体的测量精度较高，对于类似光滑圆柱体等没有明显特征的物体容易出现配准错误；而且ICP算法对初始位置敏感，易陷入局部最优，常常需要进行粗配准，迭代运算耗时长。
发明内容
针对现有技术的不足，本发明拟解决的技术问题是，提供一种面向小尺寸物体旋转扫描的点云快速配准方法及应用。
本发明解决所述技术问题采用的技术方案是：
一种面向小尺寸物体旋转扫描的点云快速配准方法，其特征在于，该方法包括以下步骤：
第一步、标定旋转平台，得到旋转平台坐标系与相机坐标系之间的位姿变换关系；
第二步、获取工件在不同旋转角度下的点云数据，得到多组点云数据；
第三步、根据旋转平台坐标系与相机坐标系之间的位姿变换关系，将点云数据转换至旋转平台坐标系中，得到各组点云数据在旋转平台0°位置的坐标；根据公式(17)将各组点云数据还原至旋转平台转动前的位置(xt,yt,zt)；
Figure BDA0002867651390000011
式(17)中，(xt0,yt0,zt0)为第t组点云数据在旋转平台0°位置的坐标，γ为旋转平台前t次旋转一共转动的角度。
所述旋转平台坐标系与相机坐标系之间的位姿变换关系为：
Figure BDA0002867651390000021
其中，(x0,y0,z0)为旋转平台坐标系原点在相机坐标系中的坐标；Rot(Zc,α)和Rot(Xc,β)为旋转矩阵，Zc表示绕相机坐标系的Z轴转动，Xc表示绕相机坐标系的X轴转动；α为相机坐标系绕轴OcZc旋转之前，轴OcXc与面OzXzYz之间的夹角；β为相机坐标系绕轴OcXc旋转之前，轴OcZc与轴OzZz之间的夹角。
第一步包括以下内容：
1)相机坐标系与旋转平台坐标系之间的平移向量T满足公式(1)；
T＝[x0,y0,z0]T (1)
设相机坐标系中的任意点Q的坐标为(xc,yc,zc)，经过坐标系位姿变换后点Q在旋转平台坐标系中的坐标为(xz,yz,zz)，则有公式(4)所示的坐标系位姿变换模型；
Figure BDA0002867651390000022
式(4)中，Rot(Zc,α)和Rot(Xc,β)为旋转矩阵，Zc表示绕相机坐标系的Z轴转动，Xc表示绕相机坐标系的X轴转动；
α满足公式(5)：
Figure BDA0002867651390000023
式(5)中，A、B、C为相机坐标系变换之前，旋转平台坐标系的面OzXzYz在相机坐标系中的平面方程参数；
相机坐标系绕相机坐标系的轴OcZc旋转后，面OzXzYz的平面参数为A'、B'、C'，参数A'、B'、C'与参数A、B、C的关系满足公式(6)；
Figure BDA0002867651390000024
β满足公式(7)：
Figure BDA0002867651390000025
2)将棋盘格标定板平放于旋转平台上，多次转动旋转平台，每次转动相同角度直到旋转360°；相机采集标定板图像，对所有标定板图像进行标定，获取每张标定板图像上所有棋盘格角点在相机坐标系中的坐标；
3)求解旋转平台坐标系的平面参数，得到旋转矩阵Rot(Zc,α)和Rot(Xc,β)的取值；
设步骤2)中旋转平台旋转n次，n≥6；对于任意棋盘格角点pi，i≤m，旋转n次生成n个pi点，记为点集P＝{p1i,…,pki,…,pni}；设棋盘格标定板上具有m个棋盘格角点，则m个棋盘格角点旋转360°得到m个点集P和m个相互平行的平面，得到公式(9)的平面方程组；
Figure BDA0002867651390000031
其中，D1、D2、…、Dm为各个平面方程的常系数；将公式(9)中各项参数对应相加，得到公式(10)的广义平面方程；
Figure BDA0002867651390000032
式(10)中，D'＝D1+…+Dm，表示广义平面方程的常系数；
将点集P中所有点的坐标代入公式(10)，得到公式(11)的齐次线性方程组；
Figure BDA0002867651390000033
对公式(11)进行求解得到A、B和C这三个参数的值；
将A、B和C三个参数值代入公式(5)～(7)中，得到α、β的取值，进而得到旋转矩阵Rot(Zc,α)和Rot(Xc,β)的取值；
4)求解旋转平台坐标系的原点坐标，得到旋转平台坐标系与相机坐标系的位姿变换的平移向量T的取值；
将m个点集P旋转至中转坐标系中，得到m个点集P'，中转坐标系平行于旋转平台坐标系；令任意点集P中的点pki在相机坐标系中的坐标为(xki,yki,zki)，点p'ki＝(x'ki,y'ki,z'ki)为点pki旋转至中转坐标系中得到的点，点pki与点p'ki之间的位置关系满足公式(12)；
Figure BDA0002867651390000041
取所有点集P'在面OzXzYz上的投影点作为二维待拟合圆的散点，得到待拟合点集M；待拟合点集M中包含m个子点集N，每个子点集N包含n个pi点；
选用椭圆方程作为二维待拟合圆的拟合曲线方程，故每个子点集N的所有点均位于同一椭圆上，因此待拟合点集M中的点可形成m个椭圆；
将子点集N中的n个pi点的坐标分别代入椭圆方程的一般表达式中，得到n个方程；对n个方程求解得到椭圆方程参数取值，利用椭圆方程的参数计算得到子点集N所在椭圆的圆心坐标；
每个子点集N都进行此操作，一共得到m个椭圆的圆心坐标；对m个椭圆的圆心坐标求和取平均，得到棋盘格角点的三维散点图上所有散点所在圆的圆心在中转坐标系中的X轴和Y轴坐标(x'0,y'0)；棋盘格角点的三维散点图上所有散点所在圆的圆心即为旋转平台坐标系原点；
利用所有点集P'中的所有点的Z轴坐标，按照公式(15)计算得到棋盘格角点的三维散点图上所有散点所在圆的圆心在中转坐标系中的Z轴坐标z'0；
Figure BDA0002867651390000042
通过上述求解得到旋转平台坐标系原点在中转坐标系中的坐标(x'0,y'0,z'0)，再按照公式(16)进行逆旋转变换，得到旋转平台坐标系原点在相机坐标系中的坐标(x0,y0,z0)；
Figure BDA0002867651390000043
将(x0,y0,z0)代入公式(1)得到平移向量T，至此完成旋转平台的标定。
所述步骤2)中棋盘格标定板的规格为a×b，其中a为奇数，b为偶数或a为偶数，b为奇数。
所述第二步中将工件放置在旋转平台的中心位置，然后将旋转平台转动多次，直到转动360°；获取0°和不同旋转角度下的工件点云，一共得到多组相机坐标系中的点云数据。
所述小尺寸物体表面无明显特征，且尺寸范围为：小于：长*宽*高＝60*60*80mm且大于：长*宽*高＝15*15*20mm。
本发明还提供一种面向小尺寸物体旋转扫描的点云快速配准方法的应用，其特征在于，所述方法能用于加工中心的刀具的旋转扫描。
与现有技术相比，本发明的有益效果是：
1.本申请的点云配准方法本质上是利用点云数据的对齐实现配准，只需要通过相机获取点云数据，根据相机坐标系与旋转平台坐标系之间的位姿变换关系，将相机坐标系中的点云数据转换至旋转平台坐标系中，然后根据旋转平台转动的角度将各组点云数据对齐到同一个视点下，即可形成完整的三维点云模型，实现点云配准。不需要进行点云数据间的迭代运算，因此其计算效率较高，将点云数据对齐到同一视点下时只旋转平台转动的角度有关，因此本方法不存在累积误差，且不要求点云数据间有重叠区域，在保证配准精度的同时提高了速度，易于实现。
2.本申请尤其适用于小尺寸且表面无明显特征的物体(小于：长*宽*高＝60*60*80mm且大于：长*宽*高＝15*15*20mm)，比如加工中心的刀具，克服了标志点拼接法对于小尺寸物体测量精度低，ICP算法对于无明显特征的物体容易出现配准错误且速度慢等缺点。
3.本申请采用基于标定板的多角度旋转标定法，通过棋盘格角点的三维散点图获取散点图的圆心坐标，仅需要保证棋盘格角点的提取精度，不需保证标定板本身的尺寸精度，因此对棋盘格标定板的精度要求较低，使用打印的棋盘格标定板即可，同时无需额外的辅助设备。
附图说明
图1是本发明的坐标系位姿变换模型的示意图；
图2是本发明在不同旋转角度下标定板的位姿图；
图3是本发明的旋转平台转动360°得到的所有标定板在相机坐标系下的位姿图；
图4(a)是本发明的棋盘格角点在相机坐标系中的三维散点图；
图4(b)是本发明的棋盘格角点在中转坐标系中的三维散点图；
图5是本发明的所有点集P'在面OzXzYz上的投影图；
图6是本发明在不同旋转角度下获取的点云数据以及配准后的效果图；(a)为旋转平台逆时针转动60°获取的点云数据，(b)为旋转平台逆时针转动120°获取的点云数据，(c)为将(a)、(b)两组点云数据配准后的效果图。
具体实施方式
下面结合实例及附图对本发明作进一步的说明，但并不以此作为对本申请保护范围的限定。
本发明为一种面向小尺寸物体旋转扫描的点云快速配准方法(简称方法，参见图1-6)，包括以下步骤：
第一步、标定旋转平台，得到旋转平台坐标系与相机坐标系之间的位姿变换关系；位姿变换关系包括旋转矩阵Rot(Zc,α)、旋转矩阵Rot(Xc,β)和平移向量T；
1)建立坐标系位姿变换模型
如图1所示，坐标系位姿变换模型包括旋转平台和相机；Oc－XcYcZc为相机坐标系，轴OcZc为相机光轴；Oz－XzYzZz为旋转平台坐标系，轴OzZz与旋转平台的回转轴重合；面OzXzYz平行于旋转平台，n＝(A,B,C)为旋转平台在相机坐标系中的法向量；轴OcZc平行于旋转平台坐标系的面OzYzZz；
设旋转平台坐标系的原点Oz在相机坐标系中的坐标为(x0,y0,z0)；平移Oc－XcYcZc坐标系，使点Oc与旋转平台坐标系的原点Oz重合，得到公式(1)的平移向量T；
T＝[x0,y0,z0]T (1)
绕轴OcZc旋转相机坐标系，使轴OcXc与轴OzXz轴重合，得到公式(2)的旋转矩阵Rot(Zc,α)；
Figure BDA0002867651390000061
式(2)中，α为相机坐标系绕轴OcZc旋转之前，轴OcXc与面OzXzYz之间的夹角；
保持轴OcXc不动，绕轴OcXc旋转相机坐标系，使两坐标系完全重合，得到公式(3)的旋转矩阵Rot(Xc,β)；
Figure BDA0002867651390000062
式(3)中，β为相机坐标系绕轴OcXc旋转之前，轴OcZc与轴OzZz之间的夹角；
设相机坐标系中的任意点Q的坐标为(xc,yc,zc)，经过坐标系位姿变换后点Q在旋转平台坐标系中的坐标为(xz,yz,zz)，则有公式(4)所示的坐标系位姿变换模型；
Figure BDA0002867651390000063
设相机坐标系旋转之前，面OzXzYz在相机坐标系中的平面方程为Ax+By+Cz+D0＝0，则轴OcXc与面OzXzYz之间的夹角α满足公式(5)；
Figure BDA0002867651390000064
相机坐标系绕轴OcZc旋转后，面OzXzYz的平面参数为A'、B'、C'，参数A'、B'、C'与参数A、B、C的关系满足公式(6)；
Figure BDA0002867651390000065
利用参数A'、B'、C'，β可以表示为公式(7)：
Figure BDA0002867651390000066
通过上述操作即可将相机坐标系中的坐标转化至旋转平台坐标系中，旋转平台标定的目的即为得到旋转平台坐标系的平面参数A,B,C和原点坐标(x0,y0,z0)。
2)将棋盘格标定板平放于旋转平台上，多次转动旋转平台，每次转动的角度相同，直到旋转360°；相机采集每个角度下的标定板图像，并对所有标定板图像进行标定，获取每张标定板图像上所有棋盘格角点在相机坐标系中的坐标；
选用a×b棋盘格标定板，a为奇数，b为偶数或a为偶数，b为奇数，则标定板上包含m个棋盘格角点，m＝(a-1)×(b-1)；选用奇数×偶数个棋盘格是为了保证标定板旋转过程中，相机捕捉到的棋盘格原点位置不变(假定以标定板左上角的棋盘格角点为原点位置，若采用奇数×奇数或偶数×偶数的棋盘格，当标定板旋转180°时，标定板上的棋盘格与初始位置完全相同，则相机容易将标定板右下角的棋盘格角点作为原点位置，导致相机在不同位置捕捉到的棋盘格原点位置不一致)；将标定板平放于旋转平台上，标定板平行于面OzXzYz；每隔一定角度转动一次旋转平台，直到标定板旋转360°，相机采集每个角度下的标定板图像；图2为不同角度下采集到的标定板图像，图3为旋转平台转动360°得到的所有标定板图像的集合；然后利用张正友标定法对所有采集的标定板图像进行标定，得到每张标定板图像上的所有棋盘格角点在相机坐标系中的坐标。
3)求解旋转平台坐标系的平面参数，得到旋转矩阵Rot(Zc,α)和Rot(Xc,β)的取值；
设步骤2)中旋转平台旋转n次(n≥6)，对于任意棋盘格角点pi(i≤m)，旋转n次生成n个pi点，记为点集P＝{p1i,…,pki,…,pni}；m个棋盘格角点一共得到m个点集P，并得到如图4(a)所示的棋盘格角点的三维散点图；所有点集P中的点均位于同一个空间圆S上，同一个点集P的所有点位于同一水平圆f上，水平圆f与面OzXzYz平行，空间圆S和水平圆f满足公式(8)；
Figure BDA0002867651390000071
由于无法精确保证每次旋转过程中所有棋盘格角点组成的平面均与旋转平台的回转轴垂直，因此m个棋盘格角点旋转360°得到m个相互平行的平面(每个棋盘格角点旋转360°形成一个平面)，得到公式(9)的平面方程组；
Figure BDA0002867651390000072
其中，D1、D2、…、Dm为各个平面方程的常系数；为方便求解，将公式(9)中各项参数对应相加，得到公式(10)的广义平面方程；
Figure BDA0002867651390000073
式(10)中，D'＝D1+…+Dm，表示广义平面方程的常系数；n＝(A,B,C)即为m个平面共有的法向量；
将其中一个点集P中所有点的坐标代入公式(10)，得到公式(11)的齐次线性方程组；
Figure BDA0002867651390000081
公式(11)即为齐次线性方程组的矩阵表示形式，其求解问题为线性最小二乘问题；首先采用SVD法简略求解，并将SVD法求解得到的结果作为梯度下降法的迭代初值，然后利用梯度下降法进行迭代优化，直到达到最大迭代次数，即可得到求解得到公式(11)中A、B和C这三个参数的值；
将A、B和C三个参数值代入公式(5)～(7)中，得到α、β的取值，进而得到旋转矩阵Rot(Zc,α)和Rot(Xc,β)的取值。
4)求解旋转平台坐标系的原点坐标，得到旋转平台坐标系与相机坐标系的位姿变换的平移向量T的取值；
实际应用中发现采用棋盘格角点的三维散点图进行球面拟合时，由于缺失棋盘格角点第三维度数据(标定板在水平面上旋转，因此没有z轴方向的数据)，容易产生错误或拟合误差较大的情况；为避免出现拟合误差，采用二维圆曲线进行圆拟合，得到拟合圆的圆心坐标。
将棋盘格角点的三维散点图旋转至中转坐标系中，中转坐标系平行于旋转平台坐标系，如图4(b)所示；也就是将m个点集P旋转至中转坐标系中，得到m个点集P'；令任意点集P中的点pki在相机坐标系中的坐标为(xki,yki,zki)，点p'ki＝(x'ki,y'ki,z'ki)为点pki旋转至中转坐标系中得到的点，点pki与点p'ki之间的位置关系满足公式(12)；
Figure BDA0002867651390000082
每个点集P'中的所有点构成的平面平行于旋转平台坐标系的面OzXzYz，因此取所有点集P'在面OzXzYz上的投影点作为二维待拟合圆的散点，得到待拟合点集M，见图5；待拟合点集M中包含m个子点集N，每个子点集N包含n个pi点；
由于相机与旋转平台之间的透视畸变会产生一定的透视误差，为提高原点坐标求解精度，采用公式(13)的椭圆方程作为二维待拟合圆的拟合曲线方程，故每个子点集N的所有点均位于同一椭圆上，因此待拟合点集M中的点可形成m个椭圆；
ax2+bxy+dy2+ex+gy+h＝0 (13)
将子点集N中的n个pi点的坐标分别代入公式(13)，一共得到n个方程，对n个方程求解得到公式(13)中a、b、d、e、g、h六个参数的值，并将这些参数带入公式(14)，得到子点集N所在椭圆的圆心坐标；
Figure BDA0002867651390000091
每个子点集N都进行此操作，一共得到m个椭圆的圆心坐标；对m个椭圆的圆心坐标求和取平均，得到棋盘格角点的三维散点图上所有散点所在圆的圆心在中转坐标系中的X轴和Y轴坐标(x'0,y'0)；棋盘格角点的三维散点图上所有散点所在圆的圆心即为旋转平台坐标系原点；
利用所有点集P'中的所有点的Z轴坐标，按照公式(15)计算得到棋盘格角点的三维散点图上所有散点所在圆的圆心在中转坐标系中的Z轴坐标z'0；
Figure BDA0002867651390000092
通过上述求解得到旋转平台坐标系原点在中转坐标系中的坐标(x'0,y'0,z'0)，再按照公式(16)进行逆旋转变换，得到旋转平台坐标系原点在相机坐标系中的坐标(x0,y0,z0)；
Figure BDA0002867651390000093
将(x0,y0,z0)代入公式(1)得到平移向量T，至此完成旋转平台的标定，得到旋转平台坐标系与相机坐标系之间的位姿变换关系。
第二步、获取工件在不同旋转角度下的点云数据
在标定完成旋转平台后，就得到了相机坐标系与旋转平台坐标系之间的位姿变换关系以及旋转平台坐标系原点在相机坐标系中的坐标。将工件放置在旋转平台的中心位置，然后将旋转平台转动u次，直到转动360°；利用面结构光三维测量系统获取初始位置(0°)和不同旋转角度下的工件点云，一共得到u+1组相机坐标系中的点云数据；
根据工件结构的复杂性选取转动次数，结构复杂则需要的转动次数要多，获得的点云数据越精细。
第三步、基于旋转平台的点云配准
将第二步得到的所有点云数据的三维坐标代入公式(4)，将点云数据转换至旋转平台坐标系中，得到各组点云数据在旋转平台初始位置的坐标，此时所有的点云数据处于重叠状态；
以旋转平台初始位置的点云数据为基准，令第t组点云数据在旋转平台初始位置的坐标为(xt0,yt0,zt0)，γ为旋转平台前t次旋转一共转动的角度；按照公式(17)将第t组点云数据还原至旋转平台转动前的位置，得到(xt,yt,zt)；
Figure BDA0002867651390000101
所有点云数据均通过此操作还原至旋转平台转动前的位置，所有点云数据形成完整的三维点云模型，至此完成点云的配准。
利用本申请的方法对加工中心的刀具进行旋转扫描，获取刀具的三维点云模型，如图6所示，(a)为旋转平台逆时针转动60°获取的点云数据，(b)为旋转平台逆时针转动120°获取的点云数据，(c)为经过公式(17)将(a)、(b)两组点云数据还原至旋转平台转动前的位置示意图，也就是(a)、(b)两组点云数据的配准效果图。
本发明未述及之处适用于现有技术。

Claims (7)

1.一种面向小尺寸物体旋转扫描的点云快速配准方法，其特征在于，该方法包括以下步骤：
第一步、标定旋转平台，得到旋转平台坐标系与相机坐标系之间的位姿变换关系；
第二步、获取工件在不同旋转角度下的点云数据，得到多组点云数据；
第三步、根据旋转平台坐标系与相机坐标系之间的位姿变换关系，将点云数据转换至旋转平台坐标系中，得到各组点云数据在旋转平台0°位置的坐标；根据公式(17)将各组点云数据还原至旋转平台转动前的位置(xt,yt,zt)；
Figure FDA0002867651380000011
式(17)中，(xt0,yt0,zt0)为第t组点云数据在旋转平台0°位置的坐标，γ为旋转平台前t次旋转一共转动的角度。
2.根据权利要求1所述的面向小尺寸物体旋转扫描的点云快速配准方法，其特征在于，旋转平台坐标系与相机坐标系之间的位姿变换关系为：
Figure FDA0002867651380000012
其中，(x0,y0,z0)为旋转平台坐标系原点在相机坐标系中的坐标；Rot(Zc,α)和Rot(Xc,β)为旋转矩阵，Zc表示绕相机坐标系的Z轴转动，Xc表示绕相机坐标系的X轴转动；α为相机坐标系绕轴OcZc旋转之前，轴OcXc与面OzXzYz之间的夹角；β为相机坐标系绕轴OcXc旋转之前，轴OcZc与轴OzZz之间的夹角。
3.根据权利要求1所述的面向小尺寸物体旋转扫描的点云快速配准方法，其特征在于，第一步包括：
1)相机坐标系与旋转平台坐标系之间的平移向量T满足公式(1)；
T＝[x0,y0,z0]T (1)
设相机坐标系中的任意点Q的坐标为(xc,yc,zc)，经过坐标系位姿变换后点Q在旋转平台坐标系中的坐标为(xz,yz,zz)，则有公式(4)所示的坐标系位姿变换模型；
Figure FDA0002867651380000013
式(4)中，Rot(Zc,α)和Rot(Xc,β)为旋转矩阵，Zc表示绕相机坐标系的Z轴转动，Xc表示绕相机坐标系的X轴转动；
α满足公式(5)：
Figure FDA0002867651380000021
式(5)中，A、B、C为相机坐标系变换之前，旋转平台坐标系的面OzXzYz在相机坐标系中的平面方程参数；
相机坐标系绕相机坐标系的轴OcZc旋转后，面OzXzYz的平面参数为A'、B'、C'，参数A'、B'、C'与参数A、B、C的关系满足公式(6)；
Figure FDA0002867651380000022
β满足公式(7)：
Figure FDA0002867651380000023
2)将棋盘格标定板平放于旋转平台上，多次转动旋转平台，每次转动相同角度直到旋转360°；相机采集标定板图像，对所有标定板图像进行标定，获取每张标定板图像上所有棋盘格角点在相机坐标系中的坐标；
3)求解旋转平台坐标系的平面参数，得到旋转矩阵Rot(Zc,α)和Rot(Xc,β)的取值；
设步骤2)中旋转平台旋转n次，n≥6；对于任意棋盘格角点pi，i≤m，旋转n次生成n个pi点，记为点集P＝{p1i,…,pki,…,pni}；设棋盘格标定板上具有m个棋盘格角点，则m个棋盘格角点旋转360°得到m个点集P和m个相互平行的平面，得到公式(9)的平面方程组；
Figure FDA0002867651380000024
其中，D1、D2、…、Dm为各个平面方程的常系数；将公式(9)中各项参数对应相加，得到公式(10)的广义平面方程；
Figure FDA0002867651380000025
式(10)中，D'＝D1+…+Dm，表示广义平面方程的常系数；
将点集P中所有点的坐标代入公式(10)，得到公式(11)的齐次线性方程组；
Figure FDA0002867651380000031
对公式(11)进行求解得到A、B和C这三个参数的值；
将A、B和C三个参数值代入公式(5)～(7)中，得到α、β的取值，进而得到旋转矩阵Rot(Zc,α)和Rot(Xc,β)的取值；
4)求解旋转平台坐标系的原点坐标，得到旋转平台坐标系与相机坐标系的位姿变换的平移向量T的取值；
将m个点集P旋转至中转坐标系中，得到m个点集P'，中转坐标系平行于旋转平台坐标系；令任意点集P中的点pki在相机坐标系中的坐标为(xki,yki,zki)，点p'ki＝(x'ki,y'ki,z'ki)为点pki旋转至中转坐标系中得到的点，点pki与点p'ki之间的位置关系满足公式(12)；
Figure FDA0002867651380000032
取所有点集P'在面OzXzYz上的投影点作为二维待拟合圆的散点，得到待拟合点集M；待拟合点集M中包含m个子点集N，每个子点集N包含n个pi点；
选用椭圆方程作为二维待拟合圆的拟合曲线方程，故每个子点集N的所有点均位于同一椭圆上，因此待拟合点集M中的点可形成m个椭圆；
将子点集N中的n个pi点的坐标分别代入椭圆方程的一般表达式中，得到n个方程；对n个方程求解得到椭圆方程参数取值，利用椭圆方程的参数计算得到子点集N所在椭圆的圆心坐标；
每个子点集N都进行此操作，一共得到m个椭圆的圆心坐标；对m个椭圆的圆心坐标求和取平均，得到棋盘格角点的三维散点图上所有散点所在圆的圆心在中转坐标系中的X轴和Y轴坐标(x'0,y'0)；棋盘格角点的三维散点图上所有散点所在圆的圆心即为旋转平台坐标系原点；
利用所有点集P'中的所有点的Z轴坐标，按照公式(15)计算得到棋盘格角点的三维散点图上所有散点所在圆的圆心在中转坐标系中的Z轴坐标z'0；
Figure FDA0002867651380000033
通过上述求解得到旋转平台坐标系原点在中转坐标系中的坐标(x'0,y'0,z'0)，再按照公式(16)进行逆旋转变换，得到旋转平台坐标系原点在相机坐标系中的坐标(x0,y0,z0)；
Figure FDA0002867651380000041
将(x0,y0,z0)代入公式(1)得到平移向量T，至此完成旋转平台的标定。
4.根据权利要求3所述的面向小尺寸物体旋转扫描的点云快速配准方法，其特征在于，步骤2)中棋盘格标定板的规格为a×b，其中a为奇数，b为偶数或a为偶数，b为奇数。
5.根据权利要求1所述的面向小尺寸物体旋转扫描的点云快速配准方法，其特征在于，第二步中将工件放置在旋转平台的中心位置，然后将旋转平台转动多次，直到转动360°；获取0°和不同旋转角度下的工件点云，一共得到多组相机坐标系中的点云数据。
6.根据权利要求1所述的面向小尺寸物体旋转扫描的点云快速配准方法，其特征在于，所述小尺寸物体表面无明显特征，且尺寸范围为：小于：长*宽*高＝60*60*80mm且大于：长*宽*高＝15*15*20mm。
7.一种面向小尺寸物体旋转扫描的点云快速配准方法的应用，其特征在于，所述方法能用于加工中心的刀具的旋转扫描。
CN202011593999.7A 2020-12-29 2020-12-29 一种面向小尺寸物体旋转扫描的点云快速配准方法及应用 Active CN112700480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011593999.7A CN112700480B (zh) 2020-12-29 2020-12-29 一种面向小尺寸物体旋转扫描的点云快速配准方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011593999.7A CN112700480B (zh) 2020-12-29 2020-12-29 一种面向小尺寸物体旋转扫描的点云快速配准方法及应用

Publications (2)

Publication Number Publication Date
CN112700480A true CN112700480A (zh) 2021-04-23
CN112700480B CN112700480B (zh) 2022-07-12

Family

ID=75511873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011593999.7A Active CN112700480B (zh) 2020-12-29 2020-12-29 一种面向小尺寸物体旋转扫描的点云快速配准方法及应用

Country Status (1)

Country Link
CN (1) CN112700480B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689351A (zh) * 2021-08-24 2021-11-23 北京石油化工学院 基于深度相机的危化品仓储监控方法、装置及设备
CN114359413A (zh) * 2022-03-17 2022-04-15 深圳市纵维立方科技有限公司 用于三维扫描的旋转平台位置参数计算方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107014312A (zh) * 2017-04-25 2017-08-04 西安交通大学 一种振镜式线激光扫描三维测量系统的整体标定方法
CN107702663A (zh) * 2017-09-29 2018-02-16 五邑大学 一种基于具有标志点的旋转平台的点云配准方法
CN107767442A (zh) * 2017-10-16 2018-03-06 浙江工业大学 一种基于Kinect和双目视觉的脚型三维重建与测量方法
CN110763152A (zh) * 2019-10-09 2020-02-07 哈尔滨工程大学 一种水下主动旋转结构光三维视觉测量装置及测量方法
CN110780285A (zh) * 2019-10-24 2020-02-11 深圳市镭神智能系统有限公司 激光雷达与组合惯导的位姿标定方法、系统及介质
CN110910454A (zh) * 2019-10-11 2020-03-24 华南农业大学 一种牲畜三维重构移动式设备的自动标定配准方法
US20200132451A1 (en) * 2017-06-12 2020-04-30 Beihang University Structural Light Parameter Calibration Device and Method Based on Front-Coating Plane Mirror
CN111156925A (zh) * 2019-12-19 2020-05-15 南京理工大学 基于线结构光和工业机器人的大构件三维测量方法
CN111272102A (zh) * 2020-05-06 2020-06-12 中国空气动力研究与发展中心低速空气动力研究所 一种线激光扫描三维测量标定方法
CN111536902A (zh) * 2020-04-22 2020-08-14 西安交通大学 一种基于双棋盘格的振镜扫描系统标定方法
CN111862238A (zh) * 2020-07-23 2020-10-30 中国民航大学 一种全空间单目光笔式视觉测量方法
CN112017220A (zh) * 2020-08-27 2020-12-01 南京工业大学 一种基于抗差约束最小二乘算法的点云精确配准方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107014312A (zh) * 2017-04-25 2017-08-04 西安交通大学 一种振镜式线激光扫描三维测量系统的整体标定方法
US20200132451A1 (en) * 2017-06-12 2020-04-30 Beihang University Structural Light Parameter Calibration Device and Method Based on Front-Coating Plane Mirror
CN107702663A (zh) * 2017-09-29 2018-02-16 五邑大学 一种基于具有标志点的旋转平台的点云配准方法
CN107767442A (zh) * 2017-10-16 2018-03-06 浙江工业大学 一种基于Kinect和双目视觉的脚型三维重建与测量方法
CN110763152A (zh) * 2019-10-09 2020-02-07 哈尔滨工程大学 一种水下主动旋转结构光三维视觉测量装置及测量方法
CN110910454A (zh) * 2019-10-11 2020-03-24 华南农业大学 一种牲畜三维重构移动式设备的自动标定配准方法
CN110780285A (zh) * 2019-10-24 2020-02-11 深圳市镭神智能系统有限公司 激光雷达与组合惯导的位姿标定方法、系统及介质
CN111156925A (zh) * 2019-12-19 2020-05-15 南京理工大学 基于线结构光和工业机器人的大构件三维测量方法
CN111536902A (zh) * 2020-04-22 2020-08-14 西安交通大学 一种基于双棋盘格的振镜扫描系统标定方法
CN111272102A (zh) * 2020-05-06 2020-06-12 中国空气动力研究与发展中心低速空气动力研究所 一种线激光扫描三维测量标定方法
CN111862238A (zh) * 2020-07-23 2020-10-30 中国民航大学 一种全空间单目光笔式视觉测量方法
CN112017220A (zh) * 2020-08-27 2020-12-01 南京工业大学 一种基于抗差约束最小二乘算法的点云精确配准方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周朗明: "旋转平台点云数据的配准方法", 《测绘学报》 *
武培轩: "适于文物的三维扫描技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689351A (zh) * 2021-08-24 2021-11-23 北京石油化工学院 基于深度相机的危化品仓储监控方法、装置及设备
CN113689351B (zh) * 2021-08-24 2023-10-10 北京石油化工学院 基于深度相机的危化品仓储监控方法、装置及设备
CN114359413A (zh) * 2022-03-17 2022-04-15 深圳市纵维立方科技有限公司 用于三维扫描的旋转平台位置参数计算方法及系统
CN114359413B (zh) * 2022-03-17 2022-06-28 深圳市纵维立方科技有限公司 用于三维扫描的旋转平台位置参数计算方法及系统

Also Published As

Publication number Publication date
CN112700480B (zh) 2022-07-12

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
CN111369630A (zh) 一种多线激光雷达与相机标定的方法
Orteu et al. Multiple-camera instrumentation of a single point incremental forming process pilot for shape and 3D displacement measurements: methodology and results
Luhmann Close range photogrammetry for industrial applications
CN106056587B (zh) 全视角线激光扫描三维成像标定装置及方法
CN106056620B (zh) 线激光相机测量系统标定方法
CN110378969B (zh) 一种基于3d几何约束的汇聚式双目相机标定方法
CN110966935B (zh) 基于标志点的偏折测量系统一体化几何标定方法
CN112700480B (zh) 一种面向小尺寸物体旋转扫描的点云快速配准方法及应用
CN105486289B (zh) 一种激光摄影测量系统及相机标定方法
CN109443209A (zh) 一种基于单应性矩阵的线结构光系统标定方法
WO2018201677A1 (zh) 基于光束平差的远心镜头三维成像系统的标定方法及装置
CN109272555B (zh) 一种rgb-d相机的外部参数获得及标定方法
CN109141226A (zh) 单相机多角度的空间点坐标测量方法
CN106248014A (zh) 一种基于单相片的三维坐标测量方法及装置
CN113205603A (zh) 一种基于旋转台的三维点云拼接重建方法
WO2020199439A1 (zh) 基于单双目混合测量的三维点云计算方法
Fernandez et al. Planar-based camera-projector calibration
CN109506629B (zh) 一种水下核燃料组件检测装置旋转中心标定的方法
CN115861445A (zh) 一种基于标定板三维点云的手眼标定方法
EP1174681A2 (en) Method and apparatus for the determination of the contour of sheet metal blanks
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
CN116309879A (zh) 一种机器人辅助的多视角三维扫描测量方法
CN113432558B (zh) 一种基于激光的不规则物体表面积的测量装置及方法
CN112361982B (zh) 一种大幅面工件三维数据提取方法及系统

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