CN112991383B - 基于三种颜色光点图案的立体视觉匹配方法 - Google Patents

基于三种颜色光点图案的立体视觉匹配方法 Download PDF

Info

Publication number
CN112991383B
CN112991383B CN201911310649.2A CN201911310649A CN112991383B CN 112991383 B CN112991383 B CN 112991383B CN 201911310649 A CN201911310649 A CN 201911310649A CN 112991383 B CN112991383 B CN 112991383B
Authority
CN
China
Prior art keywords
color
matching
light
spots
blocks
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
CN201911310649.2A
Other languages
English (en)
Other versions
CN112991383A (zh
Inventor
王振洲
双永灿
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.)
Shandong University of Technology
Original Assignee
Shandong 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 Shandong University of Technology filed Critical Shandong University of Technology
Priority to CN201911310649.2A priority Critical patent/CN112991383B/zh
Publication of CN112991383A publication Critical patent/CN112991383A/zh
Application granted granted Critical
Publication of CN112991383B publication Critical patent/CN112991383B/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
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

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

Abstract

本发明公开了一种适用于三维传感测量中使用的由三种颜色组成的光点图案及其立体视觉匹配方法。通过结构光投影装置，将设计的光点图案投影到被测物体表面，由两相机同时采集投影到物体表面的图案，首先匹配不同颜色光点组成的颜色块，再对匹配好的颜色块内的光点进行匹配，通过左右相机第一种颜色与第二种颜色的光点匹配关系，使用内插离散数据的方法计算出左右相机的映射关系方程，通过映射关系方程匹配第三种颜色的光点，并且通过更新的光点匹配关系更新映射关系方程，再用更新的映射关系方程对不同颜色的光点重新匹配，如此反复迭代，直至左右相机中所有光点的匹配关系不再改变。本发明即解决了现有立体匹配方法匹配精度低的国际难题。

Description

基于三种颜色光点图案的立体视觉匹配方法
技术领域
本发明涉及光学三维传感技术，特别是涉及通过投影单幅三种颜色组成的彩色光点图案，由两相机同时采集投影到物体表面的光点图案并且对左右相机中对应光点进行精确匹配，从而实现对物体表面三维形状的实时测量。
背景技术
本发明涉及一种基于一次投影三种颜色光点图案的立体视觉匹配方法，该立体视觉匹配方法主要用于主动立体视觉的三维测量技术中。主动立体视觉技术既能测量静止物体的三维数据，也能测量运动或变形物体的三维数据，完全不受物体运动状态的限制，因此应用非常广泛。相对于time of flight (TOF)技术，主动立体视觉技术精度与分辨率都要高出很多。相对于被动立体视觉技术，主动立体视觉可以测量无纹理物体。但是不管是主动立体视觉技术还是被动立体视觉技术，两相机中对应像素的匹配方法一直以来都是国内外的研究难点与热点。主动立体视觉的匹配方法往往是由精心设计的投影图案决定的，而目前被国内外的研究者们广泛使用的投影图案包括光点图案，散斑图案，彩色条纹图案以及相位图案。其中光点图案精度最高，请参见文献Z.Z. Wang, Q. Zhou and Y.C. Shuang,“Three-dimensional reconstruction with single-shot structured light dotpattern and analytic solutions,”Measurement, 151, 107114, (2020)。Z.Z. Wang,“A one-shot-projection method for measurement of specular surfaces,” Opt.Express, 23, 1912, (2015)。Z.Z. Wang, “Single-shot three-dimensionalreconstruction based on structured light line pattern,” Opt. Lasers Eng.,106, 10-16, (2018)。但是为了满足精确的立体视觉匹配，现有光点图案中光点尺寸较大，而光点数量较少，导致三维重构结果的分辨率较低，无法满足很多应用中的实际需求。因此如何设计分辨率较高而且能够精确匹配的光点图案成为一个国际研究热点与难点。本发明设计的由三种颜色组成的彩色光点图案，充分利用了HSV颜色空间中容易区分不同颜色的特点，精心设计不同颜色的光点组成不同大小的颜色块。通过首先匹配两相机中的不同颜色块，然后再匹配块中的光点，大大地提高了光点的匹配精度与可接受密度。本发明可以将设计的三种颜色组成的彩色光点图案投影到不同形状与不同运动模式的物体上，并且进行鲁棒地立体视觉匹配。
发明内容
本发明的目的是针对现有的立体视觉匹配方法匹配精度偏低，无法正确匹配复杂物体表面以及无法正确匹配不连续物体表面等缺陷，提供一种基于三种颜色的光点图案的立体视觉匹配方法，该方法根据三种颜色光点组成的颜色块的大小不一样，首先对第一种颜色的颜色块与第二种颜色的颜色块用分别进行立体视觉匹配，其次对匹配好的第一种颜色的颜色块与第二种颜色的颜色块中的光点进行匹配，在第一种颜色的光点与第二种颜色的光点全部匹配完成之后，建立左右两相机的匹配映射方程，通过建立的映射方程，对第三种颜色的光点进行匹配。在第三种颜色的光点匹配完成后，通过迭代的方法用新匹配的光点不断更新映射方程，再通过更新的映射方程，重新匹配不同颜色的光点，直至更新的左右相机中所有光点的匹配关系不再变化。
为了实现上述发明的目的，本发明采用下述技术方案实现：
使用结构光投影装置，将单幅三种颜色彩色光点图案投影到被测物体表面，该三种颜色彩色光点图案，是指通过二进制编码或者通过余弦函数编码或者通过专业画图软件生成的周期性重复的光点，在每一个周期中，不同颜色光点的个数不一样，第一种颜色光点的个数最少，第三种颜色光点的个数最多，第一种颜色光点被第二种颜色光点包围，第二种颜色光点被第三种颜色光点包围，而相邻光点间隔相同。使用两个摄像装置记录变形的彩色光点图案，将采集的彩色光点图像从RGB域转换至HSV域，在V信道中，通过求取区域极值的方法，得到所有光点。在H信道中，同一颜色的相邻光点会连接成块，通过阈值选取方法对不同颜色的光点组成的颜色块进行分割，然后分别对两相机中第一种颜色的颜色块与第二种颜色的颜色块进行块匹配。颜色块匹配成功后，再依次对颜色块对应的光点进行匹配。在第一种颜色的光点与第二种颜色的光点全部匹配完成之后，建立左右两相机的匹配映射方程，通过建立的映射方程，对第三种颜色的光点进行匹配。在第三种颜色的光点匹配完成后，通过迭代的方法用新匹配的光点不断更新映射方程，再通过更新的映射方程，重新匹配不同颜色的光点，直至更新的左右相机中所有光点的匹配关系不再变化。在匹配完成后，通过计算两条通过光心与匹配点的直线交点，计算出物体的三维坐标。
本发明与现有技术相比，有如下优点：
本发明投影的三种颜色组成的彩色光点图案，光点的对比度明显，在HSV域中可以进行精确提取。通过对不同颜色光点组成的颜色块进行匹配，再通过颜色块的匹配关系，匹配组成颜色块的光点，大大提高了光点的匹配精度，通过左右相机第一种颜色与第二种颜色的光点匹配关系，使用内插离散数据的方法计算出左右相机的映射关系方程，通过映射关系方程匹配第三种颜色的光点，并且通过更新的光点匹配关系更新映射关系方程，再用更新的映射关系方程对不同颜色的光点重新匹配，如此反复不断迭代，直至左右相机中所有光点的匹配关系不再改变。本发明即解决了现有立体匹配方法匹配精度低的国际难题。
附图说明
图1为本发明设计的三种颜色彩色光点图案示例图。
图2为本发明设计的三种颜色彩色光点图案对应的颜色块示例图。
具体实施方式
下面根据附图与工作原理，对本发明进行详细说明。
附图1是本发明设计的三种颜色彩色光点图案示例图，附图2是本发明设计的三种颜色彩色光点图案的采集图像从RGB域转换到HSV域后，不同颜色的光点组成不同的颜色块，通过阈值分割之后就会得到附图2中演示形状相似的颜色块，其中黑色表示第一种颜色光点生成的颜色块，白色表示第二种颜色光点生成的颜色块，灰色表示第三种颜色光点生成的颜色块。本发明将设计的三种颜色光点图案投影到被测物体表面，由左右相机同步采集被扭曲的彩色光点图案图像，然后通过本发明的匹配方法对左右相机中不同颜色的所有光点进行精确匹配。本发明的匹配方法包括四个部分： (一)，不同颜色的光点及其组成的颜色块的提取方法；(二)，第一种颜色块与第二种颜色块的匹配方法；(三)，第一种颜色块中的光点与第二种颜色块中的光点的匹配方法；(四)，所有颜色块中光点的迭代匹配方法。
一)，不同颜色的光点及其组成的颜色块的提取方法
将采集图像从RGB域转换至HSV域，通过下式分割S信道的图像得到被重构物体的轮廓区域图像R：
Figure RE-546645DEST_PATH_IMAGE001
(1)
其中(i, j)表示图像的像素坐标，S表示S信道图像，
Figure RE-317155DEST_PATH_IMAGE002
为分割阈值。利用H信道图 像，通过下式分割得到第一种颜色光点组成的颜色块图像
Figure RE-412150DEST_PATH_IMAGE003
：
Figure RE-785887DEST_PATH_IMAGE004
(2)
其中H表示H信道图像，
Figure RE-624530DEST_PATH_IMAGE005
与
Figure RE-249546DEST_PATH_IMAGE006
分别为分割第一种颜色块的较小分割阈值与较大 分割阈值。利用H信道图像，通过下式分割得到第二种颜色光点组成的颜色块图像
Figure RE-781021DEST_PATH_IMAGE007
：
Figure RE-858699DEST_PATH_IMAGE008
(3)
其中
Figure RE-766612DEST_PATH_IMAGE009
与
Figure RE-760982DEST_PATH_IMAGE010
分别为分割第二种颜色块的较小分割阈值与较大分割阈值。利用H 信道图像，通过下式分割得到第三种颜色光点组成的颜色块图像
Figure RE-197779DEST_PATH_IMAGE011
：
Figure RE-762753DEST_PATH_IMAGE012
(4)
其中
Figure RE-208778DEST_PATH_IMAGE013
与
Figure RE-808386DEST_PATH_IMAGE014
分别为分割第三种颜色块的较小分割阈值与较大分割阈值。利用V 信道图像，通过求取区域极值的方法得到包含所有光点的二进制图像D。通过下式求交集得 到第一种颜色的所有光点图像
Figure RE-681664DEST_PATH_IMAGE015
：
Figure RE-983202DEST_PATH_IMAGE016
(5)
通过下式求交集得到第二种颜色的所有光点图像
Figure RE-967338DEST_PATH_IMAGE017
：
Figure RE-687032DEST_PATH_IMAGE018
(6)
通过下式求交集得到第三种颜色的所有光点图像
Figure RE-465633DEST_PATH_IMAGE019
：
Figure RE-270778DEST_PATH_IMAGE020
(7)。
二)，第一种颜色块与第二种颜色块的匹配方法
通过如下方法对齐左右相机中被重构物体的轮廓区域图像
Figure 879314DEST_PATH_IMAGE021
与
Figure 104759DEST_PATH_IMAGE022
。
步骤1:分别计算出左相机中被重构物体的轮廓区域的中心
Figure 21900DEST_PATH_IMAGE023
以及右相机中 被重构物体的轮廓区域R的中心
Figure 67216DEST_PATH_IMAGE024
。
步骤2:将左相机中被重构物体的轮廓区域
Figure 603371DEST_PATH_IMAGE021
沿着水平方向向左平移
Figure 683322DEST_PATH_IMAGE025
， 大体上对齐左右相机中被重构物体的轮廓区域
Figure 771364DEST_PATH_IMAGE021
与
Figure 303977DEST_PATH_IMAGE022
。
步骤３:将左相机中被重构物体的轮廓区域
Figure 643822DEST_PATH_IMAGE021
沿着水平方向在[-10, 10]范围内 左右平移
Figure 578280DEST_PATH_IMAGE026
，选取令左右相机中被重构物体的轮廓区域
Figure 837223DEST_PATH_IMAGE021
与
Figure 857132DEST_PATH_IMAGE022
交集最大的
Figure 513852DEST_PATH_IMAGE027
：
Figure 302816DEST_PATH_IMAGE028
(8)
步骤4:将左相机中被重构物体的轮廓区域
Figure 732661DEST_PATH_IMAGE029
沿着水平方向向左平移
Figure 239865DEST_PATH_IMAGE030
。
第一种颜色光点组成的颜色块图像
Figure 921514DEST_PATH_IMAGE031
由下列方法进行匹配：
步骤1:对左相机中第一种颜色光点组成的颜色块图像
Figure 564985DEST_PATH_IMAGE032
中的所有颜色块进行标 记，得到标记颜色块图像
Figure 431309DEST_PATH_IMAGE033
以及不同标记的颜色块
Figure 160231DEST_PATH_IMAGE034
。通过下式更新标 记颜色块图像
Figure 645570DEST_PATH_IMAGE033
：
Figure 143547DEST_PATH_IMAGE035
(9)
Figure 180774DEST_PATH_IMAGE036
(10)
对右相机中第一种颜色光点组成的颜色块图像
Figure 396991DEST_PATH_IMAGE037
中的所有颜色块进行标记，得 到标记颜色块图像
Figure 420442DEST_PATH_IMAGE038
以及不同标记的颜色块
Figure 38505DEST_PATH_IMAGE039
。
步骤2:将左相机中更新的标记颜色块图像
Figure 246633DEST_PATH_IMAGE040
沿着水平方向向左平移
Figure 950146DEST_PATH_IMAGE030
，得到移位的标记颜色块图像
Figure 275823DEST_PATH_IMAGE041
。将移位的标记颜色块图像
Figure 748393DEST_PATH_IMAGE041
与右相机的 标记颜色块图像
Figure 127422DEST_PATH_IMAGE038
相加得到重叠标记块图像
Figure 318232DEST_PATH_IMAGE042
：
Figure 683485DEST_PATH_IMAGE043
(11)
重叠标记块图像
Figure 276140DEST_PATH_IMAGE042
中第n个重叠块的标记号由下式计算：
Figure 560491DEST_PATH_IMAGE044
(12)
其中
Figure 238597DEST_PATH_IMAGE045
表示左相机中标记颜色块图像
Figure 407542DEST_PATH_IMAGE033
的第
Figure 854703DEST_PATH_IMAGE046
个标记块的标记号，
Figure 575535DEST_PATH_IMAGE047
表示右 相机中标记颜色块图像
Figure 475358DEST_PATH_IMAGE038
的第
Figure 182414DEST_PATH_IMAGE048
个标记块的标记号。相应的重叠块的标记号
Figure 749661DEST_PATH_IMAGE049
的前
Figure 641394DEST_PATH_IMAGE050
个 数字等于
Figure 28513DEST_PATH_IMAGE045
，后
Figure 306304DEST_PATH_IMAGE050
个数字等于
Figure 462479DEST_PATH_IMAGE047
。因此左相机中标记颜色块图像
Figure 790692DEST_PATH_IMAGE033
与右相机中标记颜 色块图像
Figure 540473DEST_PATH_IMAGE038
中的标记块可以通过重叠块的标记号
Figure 713965DEST_PATH_IMAGE049
进行匹配。
第二种颜色光点组成的颜色块图像
Figure 990226DEST_PATH_IMAGE007
的匹配方法与第一种颜色光点组成的颜色 块
Figure 223761DEST_PATH_IMAGE003
的匹配方法完全相同。
三)，第一种颜色块中的光点与第二种颜色块中的光点的匹配方法
在第一种颜色块图像
Figure 319893DEST_PATH_IMAGE003
与第二种颜色块图像
Figure 172443DEST_PATH_IMAGE007
匹配完成后，匹配好的颜色块中 的光点通过如下方法进行匹配：
步骤１:将左相机颜色块中的光点沿着水平方向在[-5 ,5]范围内平移
Figure 303210DEST_PATH_IMAGE051
，选取令 左右相机中匹配颜色块中光点之间的距离总和最小的
Figure 707646DEST_PATH_IMAGE052
：
Figure 697599DEST_PATH_IMAGE053
(13)
其中M1是左相机匹配颜色块中光点总数， M2是右相机匹配颜色块中光点总数。
Figure 478473DEST_PATH_IMAGE054
是左相机匹配颜色块中第m1个光点的坐标，
Figure 198168DEST_PATH_IMAGE055
是右相机匹配颜色块中 第m2个光点的坐标。将左相机匹配颜色块中的光点平移
Figure 773505DEST_PATH_IMAGE052
。
步骤2:通过下式寻找左相机颜色块中每一个光点
Figure 109809DEST_PATH_IMAGE054
在右相机颜色块中 的最佳匹配光点
Figure 802696DEST_PATH_IMAGE056
：
Figure 908055DEST_PATH_IMAGE057
(14)
左相机中第一种颜色光点图像
Figure 654294DEST_PATH_IMAGE015
中所有匹配光点的坐标表示为
Figure 477894DEST_PATH_IMAGE058
；右相机中第一种颜色光点图像
Figure 210358DEST_PATH_IMAGE015
中所有匹配光点的坐标表示为
Figure 170223DEST_PATH_IMAGE059
；左相机中第二种颜色光点图像
Figure 352943DEST_PATH_IMAGE017
中所有匹配光点的坐标表示为
Figure 398259DEST_PATH_IMAGE060
；右相机中第二种颜色光点图像
Figure 934414DEST_PATH_IMAGE017
中所有匹配光点的坐标表示为
Figure 14366DEST_PATH_IMAGE061
。
四)，所有颜色块中光点的迭代匹配方法
步骤１:通过下式内插离散数据的方法计算左相机中第一种颜色光点图像
Figure 102407DEST_PATH_IMAGE015
与第 二种颜色光点图像
Figure 635020DEST_PATH_IMAGE017
中所有匹配光点的坐标
Figure 974865DEST_PATH_IMAGE062
与右相机中第 一种颜色光点图像
Figure 909323DEST_PATH_IMAGE015
与第二种颜色光点图像
Figure 168266DEST_PATH_IMAGE017
中所有匹配光点的坐标
Figure 188175DEST_PATH_IMAGE063
的映射方程：
Figure 833176DEST_PATH_IMAGE064
(15)
通过计算的映射方程
Figure 622141DEST_PATH_IMAGE065
与左相机中第三种颜色光点图像中光点坐标
Figure 317564DEST_PATH_IMAGE066
，计算出右相机中第三种颜色光点图像中匹配点的拟合坐标：
Figure 700135DEST_PATH_IMAGE067
(16)
其中
Figure 240838DEST_PATH_IMAGE068
表示右相机第三种颜色光点图像中匹配光点的拟 合坐标。右相机中第三种颜色光点图像中第i个匹配光点的拟合坐标
Figure 149888DEST_PATH_IMAGE069
与右相机中第三种颜色光点的实际坐标
Figure 750634DEST_PATH_IMAGE070
通过下式进行匹配：
Figure 620501DEST_PATH_IMAGE071
(17)
其中右相机第三种颜色光点
Figure 964895DEST_PATH_IMAGE072
就是拟合点
Figure 728451DEST_PATH_IMAGE073
的匹配点,也就是 左相机第三种颜色光点
Figure 500098DEST_PATH_IMAGE074
的匹配点。更新左右相机中最终匹配的第三种颜色光点 的匹配点，分别用
Figure 857261DEST_PATH_IMAGE075
与
Figure 5346DEST_PATH_IMAGE076
表示。
步骤2:通过下式计算左相机中第一种颜色光点图像
Figure 623409DEST_PATH_IMAGE077
与第三种颜色光点图像
Figure 831536DEST_PATH_IMAGE078
中所有匹配光点的坐标
Figure 908952DEST_PATH_IMAGE079
与右相机中第一种颜色光点图像
Figure 595148DEST_PATH_IMAGE077
与第二种颜色光点图像
Figure 333297DEST_PATH_IMAGE078
中所有匹配光点的坐标
Figure 712325DEST_PATH_IMAGE080
的映 射方程：
Figure 778502DEST_PATH_IMAGE081
(18)
通过计算的映射方程
Figure 268389DEST_PATH_IMAGE082
与左相机中二种颜色光点图像中光点坐标
Figure 595465DEST_PATH_IMAGE083
，计算出右相机中第二种颜色光点图像中匹配点的拟合坐标：
Figure 145395DEST_PATH_IMAGE084
(19)
其中
Figure 698867DEST_PATH_IMAGE085
表示右相机第二种颜色光点图像中匹配光点的拟 合坐标。右相机中第二种颜色光点图像中第i个匹配光点的拟合坐标
Figure 992445DEST_PATH_IMAGE086
与右相机中第二种颜色光点的实际坐标
Figure 439607DEST_PATH_IMAGE087
通过下式进行匹配：
Figure 894859DEST_PATH_IMAGE088
(20)
其中右相机第二种颜色光点
Figure 935628DEST_PATH_IMAGE089
就是拟合点
Figure 767317DEST_PATH_IMAGE090
的匹配点,也就是左 相机第二种颜色光点
Figure 334565DEST_PATH_IMAGE091
的匹配点。更新左右相机中最终匹配的第二种颜色光点的匹 配点。
步骤3:通过下式计算左相机中第二种颜色光点图像
Figure 960718DEST_PATH_IMAGE017
与第三种颜色光点图像
Figure 990248DEST_PATH_IMAGE019
中所有匹配光点的坐标
Figure 625628DEST_PATH_IMAGE092
与右相机中第二种颜色光点图像
Figure 781803DEST_PATH_IMAGE017
与第三种颜色光点图像
Figure 844437DEST_PATH_IMAGE019
中所有匹配光点的坐标
Figure 594218DEST_PATH_IMAGE093
的映射 方程：
Figure 33290DEST_PATH_IMAGE094
(21)
通过计算的映射方程
Figure 309550DEST_PATH_IMAGE095
与左相机中第一种颜色光点图像中光点坐标
Figure 543086DEST_PATH_IMAGE096
，计算出右相机中第二种颜色光点图像中匹配点的拟合坐标：
Figure 780163DEST_PATH_IMAGE097
(22)
其中
Figure 757346DEST_PATH_IMAGE098
表示右相机第一种颜色光点图像中匹配光点的拟 合坐标。右相机中第一种颜色光点图像中第i个匹配光点的拟合坐标
Figure 888113DEST_PATH_IMAGE099
与右相机中第一种颜色光点的实际坐标
Figure 292550DEST_PATH_IMAGE100
通过下式进行匹配：
Figure 16923DEST_PATH_IMAGE101
(23)
其中右相机第一种颜色光点
Figure 532218DEST_PATH_IMAGE102
就是拟合点
Figure 783071DEST_PATH_IMAGE103
的匹配点,也就是左 相机第一种颜色光点
Figure 358409DEST_PATH_IMAGE104
的匹配点。更新左右相机中最终匹配的第一种颜色光点的 匹配点。
步骤4:重复步骤1-3，直至更新的匹配点不再变化。

Claims (5)

1.一种适用于三维传感测量中使用的由三种颜色组成的彩色光点图案的立体视觉匹配方法，其特征是使用结构光投影装置，将一幅由三种颜色组成的彩色光点图案投影到被测物体表面，由两相机同时采集投影到物体表面的图案，将采集图像在HSV域进行光点提取与颜色块分割，首先对第一种颜色的颜色块与第二种颜色的颜色块进行匹配，再将两种颜色块内的光点进行匹配，通过左右相机两种颜色光点的匹配关系，使用内插离散数据的方法求解映射关系方程，通过映射关系方程匹配第三种颜色的光点，并且通过更新的光点匹配关系更新映射关系方程，再用更新的映射关系方程对光点重新匹配，如此反复不断迭代，直至左右相机中所有光点的匹配关系不再改变，从而实现对左右相机对应光点的精确匹配。
2.按照权利要求1所述的方法，其特征在于所述由三种颜色组成的彩色光点图案，是指通过二进制编码或者通过余弦函数编码或者通过专业画图软件生成周期性重复的光点，在每一个周期中，不同颜色光点的个数不一样，第一种颜色光点的个数最少，第三种颜色光点的个数最多，第一种颜色光点被第二种颜色光点包围，第二种颜色光点被第三种颜色光点包围，而相邻光点间隔相同。
3.按照权利要求1所述的方法，其特征在于所述光点提取与颜色块分割，需要将采集图像从RGB域转化到HSV域，在V信道中通过求取区域极值提取所有光点，在H信道中通过阈值选取的方法分割所有的颜色块。
4.按照权利要求1所述的方法，其特征在于颜色块的匹配方法是指首先平移左相机中颜色块图像与右相机中颜色块图像对齐，再通过左右相机中颜色块的重叠区域的标记号的前几位数字与后几位数字进行匹配。
5.按照权利要求1所述的方法，其特征在于所述第一种颜色和第二种颜色生成的颜色块内光点的匹配方法是指首先平移左相机中颜色块与其对应的右相机颜色块对齐，再通过对应光点距离最小原则进行匹配。
CN201911310649.2A 2019-12-18 2019-12-18 基于三种颜色光点图案的立体视觉匹配方法 Active CN112991383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911310649.2A CN112991383B (zh) 2019-12-18 2019-12-18 基于三种颜色光点图案的立体视觉匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911310649.2A CN112991383B (zh) 2019-12-18 2019-12-18 基于三种颜色光点图案的立体视觉匹配方法

Publications (2)

Publication Number Publication Date
CN112991383A CN112991383A (zh) 2021-06-18
CN112991383B true CN112991383B (zh) 2022-11-08

Family

ID=76343975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911310649.2A Active CN112991383B (zh) 2019-12-18 2019-12-18 基于三种颜色光点图案的立体视觉匹配方法

Country Status (1)

Country Link
CN (1) CN112991383B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2666256A1 (en) * 2008-05-23 2009-11-23 National Research Council Of Canada Deconvolution-based structured light system with geometrically plausible regularization
CN103020954A (zh) * 2012-10-31 2013-04-03 长春理工大学 面向非规则表面的自适应投影系统
CN104570315A (zh) * 2014-12-30 2015-04-29 中国科学院西安光学精密机械研究所 一种基于结构照明的彩色三维层析显微成像系统及方法
CN104599314A (zh) * 2014-06-12 2015-05-06 深圳奥比中光科技有限公司 三维模型重建方法与系统
CN106780725A (zh) * 2016-12-23 2017-05-31 西安交通大学 一种双目三维重构方法及系统
CN109556535A (zh) * 2018-09-29 2019-04-02 广东工业大学 一种基于彩色条纹投影的三维面型一步重构方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2666256A1 (en) * 2008-05-23 2009-11-23 National Research Council Of Canada Deconvolution-based structured light system with geometrically plausible regularization
CN103020954A (zh) * 2012-10-31 2013-04-03 长春理工大学 面向非规则表面的自适应投影系统
CN104599314A (zh) * 2014-06-12 2015-05-06 深圳奥比中光科技有限公司 三维模型重建方法与系统
CN104570315A (zh) * 2014-12-30 2015-04-29 中国科学院西安光学精密机械研究所 一种基于结构照明的彩色三维层析显微成像系统及方法
CN106780725A (zh) * 2016-12-23 2017-05-31 西安交通大学 一种双目三维重构方法及系统
CN109556535A (zh) * 2018-09-29 2019-04-02 广东工业大学 一种基于彩色条纹投影的三维面型一步重构方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"3D reconstruction of rotating objects based on line structured-light scanning";Jinhu Deng等;《2018 International Conference on Sensing, Diagnostics, Prognostics, and Control》;20181231;第244-247页 *
"Depth acquisition with the combination of structured light and deep learning stereo matching";Fu Li等;《Signal Processing: Image Communication》;20190404;第111-117页 *
"基于结构光的高反物体三维形貌测量方法";杨鹏斌等;《中国激光》;20190228;第46卷(第2期);第1-8页 *

Also Published As

Publication number Publication date
CN112991383A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN103400366B (zh) 基于条纹结构光的动态场景深度获取方法
CN101853528B (zh) 一种手持式三维型面信息提取方法及其提取仪
CN100384220C (zh) 摄像机标定数据的采集方法及其标定板
CN105844633B (zh) 基于De序列和相位编码的单帧结构光深度获取方法
CN106091983B (zh) 包含扫描方向信息的线结构光视觉测量系统完整标定方法
CN101915573B (zh) 一种基于标记物的关键点检测的定位测量方法
CN113052903B (zh) 一种用于移动机器人的视觉与雷达融合定位方法
CN101667303A (zh) 一种基于编码结构光的三维重建方法
CN107392849B (zh) 基于图像细分的靶标识别与定位方法
CN109903377B (zh) 一种无需相位展开的三维人脸建模方法及系统
CN105303616A (zh) 基于单张照片的浮雕建模方法
CN106952262B (zh) 一种基于立体视觉的船板加工精度分析方法
CN104851089A (zh) 一种基于三维光场的静态场景前景分割方法和装置
Li et al. RGB line pattern-based stereo vision matching for single-shot 3-D measurement
CN110926339A (zh) 一种基于一次投影结构光平行条纹图案的实时三维测量方法
CN102750698B (zh) 纹理摄像机标定装置与方法及其纹理图像几何校正方法
CN109064536B (zh) 一种基于双目结构光的书页三维重建方法
CN104809757A (zh) 一种通过颜色与形状组合匹配三维点云的设备与方法
CN102999895A (zh) 利用两个同心圆线性求解摄像机内参数
CN112050752B (zh) 一种基于二次投影的投影仪标定方法
CN112991383B (zh) 基于三种颜色光点图案的立体视觉匹配方法
CN104517280A (zh) 三维成像方法
CN105662632A (zh) 一种用于牙颌模型的颜色信息扫描装置及方法
CN105096314A (zh) 基于二值网格模板的结构光动态场景深度获取方法
CN103591906A (zh) 用二维编码对运动物体进行三维跟踪测量的方法

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