CN112797900A - 多相机板材尺寸测量方法 - Google Patents
多相机板材尺寸测量方法 Download PDFInfo
- Publication number
- CN112797900A CN112797900A CN202110370920.2A CN202110370920A CN112797900A CN 112797900 A CN112797900 A CN 112797900A CN 202110370920 A CN202110370920 A CN 202110370920A CN 112797900 A CN112797900 A CN 112797900A
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- roi
- coordinate system
- calibration
- 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
Images
Classifications
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种多相机板材尺寸测量方法,包括以下步骤:步骤1:输入标定板图像和板材图像集合;步骤2:获取各相机的标定关系和转换关系;步骤3:获取基准相机的连体坐标系和测量元素的抽象ROI;步骤4:将所述测量元素抽象ROI分发到各相机下;步骤5:获取分配ROI区域的轮廓点信息;步骤6:根据轮廓点信息获取测量元素物理信息;步骤7:测量元素的信息拟合;步骤8:测量元素之间的距离。本发明方法可以实现对图像集合进行并行处理,提高检测效率;基于最近邻连体坐标系和相机间转换关系的多相机成像的板材物理测量元素的图像分配方法,方法简单易行、自动化程度高、并且能够达到较高的转换和测量精度。
Description
技术领域
本发明涉及机器视觉测量方法技术领域,特别涉及一种基于多相机成像系统标定和板材尺寸测量的方法。
背景技术
板材在各个行业有大量需求。为满足客户需求及降低生产成本,生产企业对此类产品尺寸核验的精度要求越来越高。板材的尺寸测量是家具行业对产品品质把控的一个重要步骤,过去一般是需要人工去测量,并且测量精度受限,容易有漏检情况。传统的手工测量长度和宽度的方法劳动强度高,人为因素对测量精度影响大。激光跟踪仪或光笔等光电测量方法虽然精度高,但不适合测量运动中的板材。
近年来,以计算机视觉技术为代表的非接触测量方法成为这一领域的研究热点。针对板材长度和宽度的测量,有些现有技术采用针孔模型,但在视觉解算过程中没有考虑到镜头畸变,误差较大,虽然利用了多台相机,但本质上还是单目视觉技术;有些现有技术采用双目视觉的方法,但要求两台相机的光心连线与辊轴平行,现场安装难度大;有些现有技术采用双目视觉技术测量宽度,两条边缘分别由两台相机进行测量,使用的设备比较多。
针对大尺寸板材的测量,有些利用多台三维扫描仪和投影仪,采用图像拼接的方法恢复目标的三维图像,可测量平面或曲面板材;有些现有技术采用双目结构光技术测量大型工件尺寸;有些提出多相机多视场协同测量方法,有利于获得目标的细节特征,以提高测量精度。
综上所述,板材尺寸测量的计算机视觉方法目前可分为单目视觉和双目视觉两类。相比于单目方法,双目视觉方法设备多、标定过程相对复杂,存在特征匹配的环节,因此总体上不如单目视觉方法简便。但单目视觉在一般情况下无法完成三维测量,需要借助结构光等其他设备才能完成测量任务。
另一方面,高精度视觉测量方法中一般都采用相机的针孔模型和镜头畸变模型,需要标定相机参数和畸变参数,而现有的成熟标定算法,如基于共面特征点的标定方法,往往需要拍摄多幅标定板图像才能达到满意的标定精度。
而在工业现场条件比较苛刻的情况下,特别是大测量场、需要现场调节相机的焦距和光圈的情况下,现场标定过程是十分复杂的。双平面相机模型采用物点在已统一坐标系的两个平面上的投影点连线确定物点与像点的透视投影关系。由于标定过程仅需要两个标定平面的图像,其标定工作量比较低。该模型虽然在三维重建等领域有所应用,但由于模型参数较多,存在过参数化倾向,加之精度不是特别高,所以未得到广泛采用。
因此,能快速且准确的进行板材的自动测量是保证产品品质的重要步骤。由于板材的来料规格不同且纹理不同,自动进行识别和测量会有一定难度。现有技术中,对于板材的尺寸测量的方式通用性不强,准确度不高;借助传感器的测量方式,测量稳定不够,达不到精准测量的技术要求。
发明内容
本发明所要解决的技术问题在于,提供了一种多相机板材尺寸测量方法,能够快速且准确的进行板材尺寸测量;测量方法中获取的板材图像集合是在线阵相机成像系统下获取的固定行高的图像的集合,可以实现对图像集合进行并行处理,提高检测效率;基于最近邻连体坐标系和相机间转换关系的多相机成像的板材物理测量元素的图像分配方法,方法简单易行、自动化程度高、并且能够达到较高的转换和测量精度。
为解决上述技术问题,本发明提供了一种多相机板材尺寸测量方法,包括以下步骤:
步骤1:输入标定板图像和板材图像集合;
步骤2:获取各相机的标定关系和转换关系;
步骤3:获取基准相机的连体坐标系和测量元素的抽象ROI;
步骤4:将所述测量元素抽象ROI分发到各相机下;
步骤5:获取分配ROI区域的轮廓点信息;
步骤6:根据轮廓点信息获取测量元素物理信息;
步骤7:测量元素的信息拟合;
步骤8:测量元素之间的距离。
优选地,所述标定板图像是定制的具有固定精度规格的棋盘格图像。
优选地,所述板材图像集合是在多线阵相机系统下获取的固定行高的板材的图像集合。
优选地,所述步骤2中获取各相机的标定关系的子步骤,进一步包括:通过计算全视场的棋盘格角点的图像坐标和对应的物理坐标之间的多项式关系获取各相机的标定关系。
优选地,所述步骤2中获取各相机的转换关系的子步骤,进一步包括:通过基准相机和其余相机在标定板实物下共用的物理坐标对应的图像坐标集合之间的关系获取各相机的转换关系。
优选地,所述步骤3中获取基准相机的连体坐标系的子步骤,进一步包括:所述基准相机的连体坐标系是与被测物外观一致的坐标系。
优选地,所述步骤3中获取基准相机的连体坐标系的子步骤,进一步包括:所述基准相机的连体坐标系不同于笛卡尔直角坐标系;所述基准相机的连体坐标系是通过多个直角坐标系之间的转换得到的与被测物契合的连体坐标系。
优选地,所述步骤5中获取分配ROI区域的轮廓点信息,进一步包括:先对ROI区域的图像进行边缘增强,然后再获取ROI区域的轮廓点信息。
优选地,所述步骤5中获取分配ROI区域的轮廓点信息,进一步包括:
a、根据相机间的转换关系,将抽象ROI分发到各个相机下;
b、将分发到每个相机下的ROI信息再分发到每个相机下的各个图像中。
优选地,所述步骤6根据轮廓点信息获取测量元素物理信息,进一步包括:测量元素的实际物理位置以及每个相机视场的像素当量,计算直线测量元素之间的距离得到板材外观尺寸信息;计算圆孔测量元素到边缘的距离得到圆孔的位置信息。
本发明有益效果包括:
(1)本发明基于多相机成像系统的板材尺寸测量方法采用多相机方案对输入图像进行并行处理,提高了测量的效率;
(2)利用相机之间的转换关系可以对测量元素进行准确分配;
(3)利用基准相机的连体坐标系,可以实现任意板材形状的物理元素转换;
(4)利用对板材图像的的增强预处理,可以实现任意灰度成像的轮廓点获取,可准确的定位到测量元素的边缘信息。
(5)本发明的方法能针对不同尺寸规格、不同纹理的板材进行快速准确的尺寸测量,实现了板材工艺测量元素的自动分配和并行处理,在家具板材行业有很大的应用前景和价值。
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使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是一部分实施例或现有技术,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的类似或相关附图。
图1为本发明实施例所述板材尺寸测量方法的流程图;
图2为本发明实施例所述标定板图像集合图;
图3为本发明实施例所述板材图像集合图;
图4为本发明实施例所述构造基准相机下的连体坐标示意图;
图5为本发明实例所述ROI分配示意图;
图6为本发明实例所述测量结果示意图。
具体实施方式
下面结合实施例详述本发明。为使本发明的目的、技术方案及优点更加清楚、明确,以下对本发明进一步详细说明,但本发明并不局限于这些实施例。
一、定义。
本发明中的一些名词是基于以下定义:
ROI(region of interest)——感兴趣区域:机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域,ROI。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子(Operator)和函数来求得感兴趣区域ROI,并进行图像的下一步处理。
二、原理概述
本发明基于多相机成像系统的板材尺寸测量方法,基于多相机成像系统,获取测量物体的图像集合,包括在基准相机和其余相机下的标定板图像以及板材图像。利用棋盘格标定板进行大视场的标定,获取每个相机的标定关系以及各个相机间的转换关系。构造基准相机下的连体坐标系,并将板材的工艺测量元素转换为基准相机下的抽象ROI。根据各个相机间的图像转换关系将抽象ROI分发到每个相机下的图像集合中。在每个被分配到测量元素的ROI图像中进行边缘增强并根据梯度信息获取轮廓点集合。将同一相机下获取的轮廓点进行合并,根据标定关系转换到世界点中,将各个相机下获取的世界点进行合并进行测量元素的拟合和尺寸测量值的获取。
三、具体实施
本发明基于多相机成像系统的板材尺寸测量方法,获取的板材图像集合是在线阵相机成像系统下获取的固定行高的图像的集合,可对图像集合进行并行处理提高检测效率。
本发明基于多相机成像系统的板材尺寸测量方法中测量元素的拟合步骤如下:a、利用各相机的标定关系,将在各个相机下获取的图像轮廓点集根据标定关系获取世界坐标信息。b、将属于同一测量元素的世界坐标进行合并。c、利用RANSAC策略进行干扰轮廓点的剔除。d、利用最小二乘方法进行测量元素的获取。
本发明基于多相机成像系统的板材尺寸测量方法,获取相机间的图像转换关系步骤如下:a.框选待测相机的ROI区域获取mark点的图像坐标集合A和物理坐标集合B。b.利用基准相机的标定关系计算物理坐标集合B在基准相机下的图像坐标集合C,利用LM(Levenberg-Marquardt非线性最优化)方法求解两组图像点集合坐标A和C的仿射变化关系,即为相机间的图像转换关系。
基准相机下的连体坐标系是与被测物外观一致的坐标系,区别于笛卡尔直角坐标系,在特殊情况是多边形板材实物的连体坐标系。操作步骤如下:a.获取基准相机下的板材上边线以及板材的右边线。b.根据各个直角坐标系之间的转换关系求出板材的连体坐标系转换关系。
板材工艺测量元素的实际物理位置以及每个相机视场的像素当量,通过基准相机的连体坐标系转换到基准相机的视场下,得到测量元素的抽象ROI信息。
获取ROI区域的轮廓点步骤如下:a、根据相机间的转换关系,将抽象ROI分发到各个相机下。b、将分发到每个相机下的ROI信息再分发到每个相机下的各个图像中。
本发明基于多相机成像系统的板材尺寸测量方法,包括以下步骤:
步骤1,输入来自机器视觉系统的,由多线阵相机图像传感器采集所得的标定板图像和板材图像;
步骤2,获取各相机标定关系和转换关系;
步骤3,构造基准相机下的连体坐标系,获取测量元素的ROI并将ROI分发到各相机下;
步骤4,操作ROI内的图像获取轮廓点,并将轮廓点转换为世界坐标点;
步骤5,进行元素拟合并测量元素之间的距离。
其中,步骤1中所述板材图像集合是在多线阵相机系统下获取的固定行高的图像的集合,标定板图像是定制的具有固定精度规格的棋盘格物体。
其中,步骤2中所述相机标定关系是通过计算全视场的棋盘格角点的图像坐标和对应的物理坐标之间的多项式关系进行获取的,步骤2进一步包括:
步骤2.1,通过harris角点算子获取棋盘格角点的图像坐标集合Corner-img以及对应的物理坐标集合Corner-world;
步骤2.2,构建多项式标定模型。
其中,步骤2中所述相机间转换关系是通过基准相机和其余相机在标定板实物下共用的物理坐标对应的图像坐标集合之间的关系得到的,步骤2进一步包括:
步骤2.3,框选待测相机C的ROI区域获取mark点的图像坐标集合A,并通过标定板的行标和列标标识获取物理坐标集合B。
步骤2.4,利用基准相机M的标定关系计算物理坐标集合B在基准相机下的图像坐标集合H,利用LM方法求解两组图像点集合坐标A和H的仿射变化关系。
其中,步骤3中所述基准相机下的连体坐标系是与被测物外观一致的坐标系,区别于笛卡尔直角坐标系,通过多个直角坐标系之间的转换得到与实物契合的连体坐标系,并根据该连体坐标系将测量元素转换到基准图像坐标系下,步骤3进一步包括:
步骤3.1:获取基准相机下的板材上边线以及右边线,并计算方向角度;
步骤3.2:根据各个直角坐标系之间的转换关系求出板材的连体坐标系。
其中,步骤3中所述将ROI分发到各相机下进一步包括:
步骤3.3,将在基准相机M下的测量元素MROI转换到其余相机C下,得到CROI,其中C为除基准相机外的其余相机。
步骤3.4,计算CROI与其余相机C下成像的所有图像的交集,若交集大于0,则进行分配并进行后续的元素获取。
其中,步骤4中所述获取轮廓点先需要对ROI区域的图像进行边缘增强后再获取轮廓点信息,步骤4进一步包括:
步骤4.1, ROI的起点和终点构成向量,该向量的垂线方向为获取轮廓的扫描方向,若扫描方向角度接近水平状态,则进行Y方向的sobel增强操作,若角度接近垂直状态,则进行X方向的sobel增强操作;
步骤4.2,针对增强之后的图像,沿着ROI的扫描方向统计梯度最大值对应的坐标点即为边缘点信息,该ROI所有的边缘点构成集合Contour-img。
其中,步骤4中所述将轮廓点转换为世界坐标点进一步包括:合并同一相机下的各个小图得到的图像轮廓点坐标Contour-img,并通过该相机的标定关系转换到物理坐标下的Contour-world,再将不同相机的物理坐标信息进行合并,从而得到测量元素分布的所有轮廓点信息Contour-all。
其中,步骤5中所述元素拟合进一步包括:将Contour-all信息通过RANSAC原理剔除干扰点信息,得到Contour-check,再通过最小二乘方法进行元素的拟合,得到测量元素Measure-ele。
步骤5中所述测量元素之间的距离进一步包括:计算直线测量元素之间的距离得到板材外观尺寸,计算圆孔测量元素到直线的距离得到圆孔的位置信息。
如图1所示,为本发明实施例所述板材尺寸测量方法的流程图。本发明具体实施例流程包括以下步骤:
步骤1:标定板图像(步骤1A)和板材图像(步骤1B)输入。输入多相机成像系统下的标定板图像集合(步骤1A)和板材图像集合(步骤1B);
步骤2:获取各相机的标定关系(步骤2A)和各相机转换关系(步骤2B)。根据线阵相机的标定系统进行每个相机的图像和世界信息的标定(步骤2A)以及相机间的图像转换关系(步骤2B);
步骤3:获取基准相机的连体坐标系(步骤3A),获取测量元素的抽象ROI(步骤3B)。构造基准相机下的连体坐标系(步骤3A);将工艺测量物理元素转换为基准相机成像下的抽象ROI(步骤3B);
步骤4:将抽象ROI利用相机间的图像转换关系分发到各相机的板材图像集合下;
步骤5:利用边缘增强策略对分发的ROI区域图像进行增强,获取分发后的ROI区域内的轮廓点坐标集合;
步骤6:利用各相机的标定关系,将图像轮廓点转换为世界坐标点,并将同一测量元素的世界坐标点进行合并;
步骤7:利用RANSAC(随机一致性采样)策略以及最小二乘策略进行测量元素的拟合;
步骤8:测量元素之间的距离。
下面介绍各个操作步骤的具体实施细节。
步骤1、标定板图像(步骤1A)和板材图像(步骤1B)输入。
在本发明实施例中输入标定板图像和板材图像来自于机器视觉系统中的多线阵相机图像传感器。
如图2所示,为本发明实施例所述标定板图像集合图。图中,标定板图像是定制的具有固定精度规格的棋盘格物体,在X方向跨所有相机的视场。
如图3所示,为本发明实施例所述板材图像集合图。板材来料一侧的相机定义为基准相机,板材图像是根据来料尺寸不同,在相机下成像的图像个数不同,是固定行高,不同宽度的图像集合。
步骤2、获取各相机的标定关系(步骤2A)和各相机转换关系(步骤2B)。
步骤2A:获取各相机的标定关系。
在本发明实施例中的相机标定关系是通过计算全视场的棋盘格角点的图像坐标和对应的物理坐标之间的多项式关系进行获取的。由于X方向成像存在一定畸变并且为了不让模型过拟合,采用的是二阶的多项式模型,Y方向采用的是一阶的多项式模型,具体实施步骤如下:
a. 通过harris角点算子获取棋盘格角点的图像坐标集合Corner-img以及对应的物理坐标集合Corner-world。
b. 构建多项式标定模型,其中,X方向为二阶多项式模型,Y向为一阶多项式模型,公式如下:
(公式1)
步骤2B:获取各相机的转换关系。
在本发明实施例中需要计算各相机之间的转换关系,通过基准相机和其余相机在标定板实物下共用的物理坐标对应的图像坐标集合之间的关系得到各相机之间的转换关系,具体实施步骤如下:
a. 框选待测相机C的ROI区域获取mark点的图像坐标集合A,并通过标定板的行标和列标标识获取物理坐标集合B。
b. 利用基准相机M的标定关系计算物理坐标集合B在基准相机下的图像坐标集合C,利用下述公式方法求解两组图像点集合坐标A和C的仿射变化关系,公式如下:
其中, 。是待求解的仿射变换系数,kx和ky是基准相机的视场相对于待测相机视场在水平方向和垂直方向的缩放系数,a和b是基准相机与待测相机之间夹角的余弦值和正弦值,x0和y0是基准相机的视场相对于待测相机视场的图像偏移量。通过本发明前述方法进行迭代求解,当上一步的仿射变换系数与当前步的仿射变换系数的差值小于给定阈值时,则停止迭代,即获取了待测相机与基准相机的转换关系。
步骤3、获取基准相机的连体坐标系(步骤3A),获取测量元素的抽象ROI。构造基准相机的物体连体坐标系并将测量元素转换到基准图像坐标系下得到抽象ROI。
如图4所示,为本发明实施例所述构造基准相机下的连体坐标示意图。在本发明实施例中需要构造基准相机的连体坐标系,基准相机下的连体坐标系是与被测物外观一致的坐标系,区别于笛卡尔直角坐标系,在特殊情况下是多边形板材实物的连体坐标系,通过多个直角坐标系之间的转换得到与实物契合的连体坐标系,并根据该连体坐标系将测量元素转换到基准图像坐标系下。具体操作步骤如下:
3A1.获取基准相机下的板材上边线以及右边线,并计算方向角度。
3A2.根据各个直角坐标系之间的转换关系求出板材的连体坐标系,如图4所示,XOY是基准相机下的图像坐标系,rxSry是以物体的上边线为基准的直角连体坐标系,cxScy是以物体的左边线为基准的直角连体坐标系,rxScy为待计算的板材连体坐标系。XOY图像坐标系下的P点坐标为(x,y),P点在物体连体坐标系下的坐标为(d2, d1),在cxScy下的坐标为(x1,d1),在vxSvy下的坐标为(d2, y2),θcy是Scy向量的方向角度,θcx是Scx向量的方向角度,物体的顶点S在XOY坐标系下的坐标为(x0,y0),计算物体连体坐标系的目的是将在rxScy下的坐标转换到XOY图像坐标系下。通过直角坐标系之间的相互转换,得出基准相机下物体的连体坐标系转换关系为如下公式:
(公式3)
该公式的退化版本就是直角连体坐标系,因此具有很大的应用场景。
步骤4、将测量元素抽象ROI分发到各相机下。将抽象ROI利用相机间的图像转换关系分发到各相机的板材图像集合下。
在本发明实施例中,需要将测量元素分发到各相机下的图像中,进而进行元素的获取,主要根据各相机与基准相机的转换关系,将基准相机下的测量元素抽象ROI分发到各相机下,具体步骤如下:
a、将在基准相机M下的测量元素MROI 通过公式(2)转换到其余相机C下,得到CROI,其中C为除基准相机外的其余相机。
b、计算CROI与相机C下成像的所有图像的交集。
如图5所示,为本发明实例所述ROI分配示意图。如图中所示,若交集大于0,则进行分配并进行后续的元素获取。
步骤5、获取分配ROI区域的轮廓点信息。利用边缘增强策略对分发的ROI区域图像进行增强,获取分发后的ROI区域内的轮廓点坐标集合。
在本发明实施例中的板材图像纹理多种多样,边缘成像不明显,且有过渡带影响。因此需要先对ROI区域的图像进行边缘增强后再获取轮廓点信息,具体步骤如下:
a、每个分配的ROI都有一个给定的方向,即ROI的起点和终点构成的向量,该向量的垂线方向为获取轮廓的扫描方向,若扫描方向角度接近水平状态,则进行Y方向的sobel增强操作,若角度接近垂直状态,则进行X方向的sobel增强操作。这样可以对边缘起到增强的目的,有助于后面获取轮廓点信息。
b、针对增强之后的图像,沿着ROI的扫描方向统计梯度最大值对应的坐标点即为边缘点信息,该ROI所有的边缘点构成集合Contour-img。
步骤6、根据轮廓点信息得到测量元素物理信息。利用各相机的标定关系,将图像轮廓点转换为世界坐标点,并将同一测量元素的世界坐标点进行合并。
在本发明实施例中采取的是多相机成像方案,因此同一个测量元素会被分配到多个相机的多个图像下,需要综合各图像信息后再获取测量元素的物理信息,具体实施步骤为:合并同一相机下的各个小图得到的图像轮廓点坐标Contour-img,并通过该相机的标定关系转换到物理坐标下Contour-world,再将不同相机的物理坐标信息进行合并,从而得到测量元素分布的所有轮廓点信息Contour-all。
步骤7、测量元素的信息拟合。利用RANSAC(随机一致性采样)策略以及最小二乘策略进行测量元素的拟合。
将Contour-all信息通过RANSAC原理剔除干扰点信息,得到Contour-check,再通过最小二乘方法进行测量元素的拟合,得到测量元素Measure-ele。
步骤8、测量元素之间的距离。计算直线测量元素Measure-ele之间的距离,即为板材的外观尺寸,计算圆孔测量元素距离直线测量元素的距离,即为圆孔的位置信息。如图6所示,为本发明实例所述测量结果示意图和测量误差数值。左侧示意图中标注的1和2为板材上的两个圆孔测量元素,标注的两条横线和竖线分别为板材的上宽、下宽和左长、右长测量线。右侧为本发明的测量误差结果,通过本方案实施,可以将测量精度控制在0.5mm以内,满足测量需求。
本发明基于多相机成像系统的板材尺寸测量方法,对分发的ROI与图像有交集的图像进行边缘增强处理,可以获取弱纹理或灰度较低板材的轮廓点信息。
本发明基于多相机成像系统的板材尺寸测量方法采用多相机方案对输入图像进行并行处理,提高了测量的效率;利用相机之间的转换关系可以对测量元素进行准确分配;利用基准相机的连体坐标系,可实现任意板材形状的物理元素转换;利用对板材图像的的增强预处理,可实现任意灰度成像的轮廓点获取,可准确的定位到测量元素的边缘信息。
以上所述,仅是本发明的几个实施例,并非对本发明做任何形式的限制,虽然本发明以较佳实施例揭示如上,然而并非用以限制本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案的范围内,利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例,均属于本发明技术方案保护范围内。
Claims (10)
1.一种多相机板材尺寸测量方法,其特征在于,包括以下步骤:
步骤1:输入标定板图像和板材图像集合;
步骤2:获取各相机的标定关系和转换关系;
步骤3:获取基准相机的连体坐标系和测量元素的抽象ROI;
步骤4:将所述测量元素抽象ROI分发到各相机下;
步骤5:获取分配ROI区域的轮廓点信息;
步骤6:根据轮廓点信息获取测量元素物理信息;
步骤7:测量元素的信息拟合;
步骤8:测量元素之间的距离。
2.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述标定板图像是定制的具有固定精度规格的棋盘格图像。
3.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述板材图像集合是在多线阵相机系统下获取的固定行高的板材的图像集合。
4.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述步骤2中获取各相机的标定关系的子步骤,进一步包括:通过计算全视场的棋盘格角点的图像坐标和对应的物理坐标之间的多项式关系获取各相机的标定关系。
5.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述步骤2中获取各相机的转换关系的子步骤,进一步包括:通过基准相机和其余相机在标定板实物下共用的物理坐标对应的图像坐标集合之间的关系获取各相机的转换关系。
6.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述步骤3中获取基准相机的连体坐标系的子步骤,进一步包括:所述基准相机的连体坐标系是与被测物外观一致的坐标系。
7.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述步骤3中获取基准相机的连体坐标系的子步骤,进一步包括:所述基准相机的连体坐标系不同于笛卡尔直角坐标系;所述基准相机的连体坐标系是通过多个直角坐标系之间的转换得到的与被测物契合的连体坐标系。
8.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述步骤5中获取分配ROI区域的轮廓点信息,进一步包括:先对ROI区域的图像进行边缘增强,然后再获取ROI区域的轮廓点信息。
9.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述步骤5中获取分配ROI区域的轮廓点信息,进一步包括:
a、根据相机间的转换关系,将抽象ROI分发到各个相机下;
b、将分发到每个相机下的ROI信息再分发到每个相机下的各个图像中。
10.根据权利要求1所述多相机板材尺寸测量方法,其特征在于,所述步骤6根据轮廓点信息获取测量元素物理信息,进一步包括:计算直线测量元素之间的距离得到板材外观尺寸信息;计算圆孔测量元素到边缘的距离得到圆孔的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370920.2A CN112797900B (zh) | 2021-04-07 | 2021-04-07 | 多相机板材尺寸测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370920.2A CN112797900B (zh) | 2021-04-07 | 2021-04-07 | 多相机板材尺寸测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112797900A true CN112797900A (zh) | 2021-05-14 |
CN112797900B CN112797900B (zh) | 2021-07-06 |
Family
ID=75816374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110370920.2A Active CN112797900B (zh) | 2021-04-07 | 2021-04-07 | 多相机板材尺寸测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112797900B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516721A (zh) * | 2021-09-13 | 2021-10-19 | 中科慧远视觉技术(北京)有限公司 | 一种基于多相机的测量方法、装置及存储介质 |
CN113532292A (zh) * | 2021-09-17 | 2021-10-22 | 中科元象(常州)智能装备有限公司 | 一种板材在线尺寸检测系统及其工作方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002029722A2 (en) * | 2000-10-03 | 2002-04-11 | Jestertek, Inc. | Object tracking system using multiple cameras |
CN102762344A (zh) * | 2009-05-29 | 2012-10-31 | 考戈奈克斯技术和投资股份有限公司 | 用于实用3d视觉系统的方法和设备 |
US20130155199A1 (en) * | 2011-12-16 | 2013-06-20 | Cognex Corporation | Multi-Part Corresponder for Multiple Cameras |
CN104182969A (zh) * | 2014-08-08 | 2014-12-03 | 河南科技大学 | 一种单线阵相机内外参数标定方法 |
CN104704816A (zh) * | 2012-09-25 | 2015-06-10 | Sk电信有限公司 | 从多个拍摄图像检测事件的设备和方法 |
CN105915781A (zh) * | 2009-12-29 | 2016-08-31 | 康耐视公司 | 分布式多相同步的视觉系统 |
CN105823416B (zh) * | 2016-03-04 | 2019-01-15 | 大族激光科技产业集团股份有限公司 | 多相机测量物体的方法和装置 |
CN109781014A (zh) * | 2019-03-11 | 2019-05-21 | 安徽工业大学 | 机器视觉方式下多相机协同在线测量条状目标长度的技术和方法 |
WO2020000369A1 (en) * | 2018-06-29 | 2020-01-02 | Logistics and Supply Chain MultiTech R&D Centre Limited | Multimodal imaging sensor calibration method for accurate image fusion |
DE102018129143A1 (de) * | 2018-11-20 | 2020-05-20 | Carl Zeiss Industrielle Messtechnik Gmbh | Variabler messobjektabhängiger Kameraaufbau und Kalibrierung davon |
CN112212788A (zh) * | 2020-11-17 | 2021-01-12 | 华南农业大学 | 基于多台手机的视觉空间点三维坐标测量方法 |
CN112330678A (zh) * | 2021-01-07 | 2021-02-05 | 中科慧远视觉技术(北京)有限公司 | 产品边缘缺陷检测方法 |
-
2021
- 2021-04-07 CN CN202110370920.2A patent/CN112797900B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002029722A2 (en) * | 2000-10-03 | 2002-04-11 | Jestertek, Inc. | Object tracking system using multiple cameras |
CN102762344A (zh) * | 2009-05-29 | 2012-10-31 | 考戈奈克斯技术和投资股份有限公司 | 用于实用3d视觉系统的方法和设备 |
CN105915781A (zh) * | 2009-12-29 | 2016-08-31 | 康耐视公司 | 分布式多相同步的视觉系统 |
US20130155199A1 (en) * | 2011-12-16 | 2013-06-20 | Cognex Corporation | Multi-Part Corresponder for Multiple Cameras |
CN104704816A (zh) * | 2012-09-25 | 2015-06-10 | Sk电信有限公司 | 从多个拍摄图像检测事件的设备和方法 |
CN104182969A (zh) * | 2014-08-08 | 2014-12-03 | 河南科技大学 | 一种单线阵相机内外参数标定方法 |
CN105823416B (zh) * | 2016-03-04 | 2019-01-15 | 大族激光科技产业集团股份有限公司 | 多相机测量物体的方法和装置 |
WO2020000369A1 (en) * | 2018-06-29 | 2020-01-02 | Logistics and Supply Chain MultiTech R&D Centre Limited | Multimodal imaging sensor calibration method for accurate image fusion |
DE102018129143A1 (de) * | 2018-11-20 | 2020-05-20 | Carl Zeiss Industrielle Messtechnik Gmbh | Variabler messobjektabhängiger Kameraaufbau und Kalibrierung davon |
CN109781014A (zh) * | 2019-03-11 | 2019-05-21 | 安徽工业大学 | 机器视觉方式下多相机协同在线测量条状目标长度的技术和方法 |
CN112212788A (zh) * | 2020-11-17 | 2021-01-12 | 华南农业大学 | 基于多台手机的视觉空间点三维坐标测量方法 |
CN112330678A (zh) * | 2021-01-07 | 2021-02-05 | 中科慧远视觉技术(北京)有限公司 | 产品边缘缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
FANGWU SHU ET AL.: "A multi-camera system for precise pose estimation in industrial applications", 《PROCEEDINGS OF THE IEEE》 * |
HUI WANG ET AL.: "Pose Recognition of 3D Human Shapes via Multi-View CNN with Ordered View Feature Fusion", 《ELECTRONICS》 * |
陆东升等: "基于多相机组合成像的厚板外形尺寸测量技术", 《冶金自动化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516721A (zh) * | 2021-09-13 | 2021-10-19 | 中科慧远视觉技术(北京)有限公司 | 一种基于多相机的测量方法、装置及存储介质 |
CN113516721B (zh) * | 2021-09-13 | 2021-11-12 | 中科慧远视觉技术(北京)有限公司 | 一种基于多相机的测量方法、装置及存储介质 |
CN113532292A (zh) * | 2021-09-17 | 2021-10-22 | 中科元象(常州)智能装备有限公司 | 一种板材在线尺寸检测系统及其工作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112797900B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10690492B2 (en) | Structural light parameter calibration device and method based on front-coating plane mirror | |
CN111536902B (zh) | 一种基于双棋盘格的振镜扫描系统标定方法 | |
CN110118528B (zh) | 一种基于棋盘靶标的线结构光标定方法 | |
Huang et al. | Research on multi-camera calibration and point cloud correction method based on three-dimensional calibration object | |
CN109443209B (zh) | 一种基于单应性矩阵的线结构光系统标定方法 | |
CN100557635C (zh) | 一种基于柔性立体靶标的摄像机标定方法 | |
CN112797900B (zh) | 多相机板材尺寸测量方法 | |
CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
CN105783711B (zh) | 三维扫描仪校正系统及其校正方法 | |
Xie et al. | Simultaneous calibration of the intrinsic and extrinsic parameters of structured-light sensors | |
CN107818542B (zh) | 一种图像变形的修复方法及装置 | |
Wang et al. | Error analysis and improved calibration algorithm for LED chip localization system based on visual feedback | |
CN108088381A (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
Ren et al. | Accurate three-dimensional shape and deformation measurement at microscale using digital image correlation | |
CN102128617B (zh) | 基于色标块的视觉实时测量方法 | |
KR102023087B1 (ko) | 카메라 캘리브레이션 방법 | |
CN112179292B (zh) | 一种基于投影仪的线结构光视觉传感器标定方法 | |
CN114140534A (zh) | 一种用于激光雷达与相机的联合标定方法 | |
CN113983934A (zh) | 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 | |
Zexiao et al. | A novel approach for the field calibration of line structured-light sensors | |
CN115289997B (zh) | 一种双目相机三维轮廓扫描仪及其使用方法 | |
CN115082538A (zh) | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 | |
CN116309325A (zh) | 一种基于深度学习的贴片检测方法及系统 | |
CN114549659A (zh) | 一种基于准三维靶标的摄像机标定方法 | |
CN112562010B (zh) | 一种双远心镜头的简化成像模型及其标定方法 |
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 |