CN113029037B - 物体的轮廓测量方法、装置、计算机设备和可读存储介质 - Google Patents
物体的轮廓测量方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN113029037B CN113029037B CN201911250567.3A CN201911250567A CN113029037B CN 113029037 B CN113029037 B CN 113029037B CN 201911250567 A CN201911250567 A CN 201911250567A CN 113029037 B CN113029037 B CN 113029037B
- Authority
- CN
- China
- Prior art keywords
- camera
- determining
- phase information
- light
- detection window
- 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
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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种物体的轮廓测量方法、装置、计算机设备和可读存储介质,方法包括:当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过所述物体反射而成的光条纹,得到条纹图像;通过各所述条纹图像计算相位信息;将所述相位信息转化为所述物体中相应点的高度值;根据所述物体中各点的水平坐标值和对应的所述高度值,确定所述物体的轮廓。本申请提供的方案可以确定物体的轮廓。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种物体的轮廓测量方法、装置、计算机设备和可读存储介质。
背景技术
在电子产品制造领域中,通常是通过夹治具固定加工产品,并结合机械定位和二维视觉定位来提高电子元器件的加工精度。随着电子产品的向高集成度趋势发展,电子元器件的尺寸越来越小,相应的对电子元器件的加工精度要求也越来越高。
然而,传统方案无法精确地测量产品的三维轮廓,导致所加工的产品精度较低。
发明内容
基于此,有必要针对传统方案无法精确地测量产品的三维轮廓,导致所加工的产品精度较低的技术问题,提供一种物体的轮廓测量方法、装置、计算机设备和可读存储介质。
一种物体的轮廓测量方法,包括:
当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过所述物体反射而成的光条纹,得到条纹图像;
通过各所述条纹图像计算相位信息;
将所述相位信息转化为所述物体中相应点的高度值;
根据所述物体中各点的水平坐标值和对应的所述高度值,确定所述物体的轮廓。
在一个实施例中,所述通过各所述条纹图像计算相位信息,包括:
获取各所述条纹图像中各点的光强;
根据所述条纹图像中各点的光强计算相位信息。
在一个实施例中,所述根据所述条纹图像中各点的光强计算相位信息,包括:
确定所述条纹图像的数量;
将预设角度值与所述条纹图像的数量的比值作为所述条纹图像的相位差值;
根据所述条纹图像的相位差值和所述光强计算相位信息。
在一个实施例中,所述将所述相位信息转化为所述物体中相应点的高度值,包括:
获取所述相机的标定参数;
将所述标定参数与所述相位信息的乘积确定为所述物体对应的高度值。
在一个实施例中,所述方法还包括:
当所述物体平面尺寸大于所述相机的视场区域时,通过蚁群算法确定所述物体的各检测窗口;
通过遗传算法,确定所述相机在拍摄各所述检测窗口时的移动路径;
根据所述移动路径移动所述物体,以使所述物体的各检测窗口分别接收到所述光栅投影仪投射的多幅具有相位差的光条纹。
在一个实施例中,所述通过蚁群算法确定所述物体的各检测窗口,包括:
遍历所述物体上的各目标对象;
在所述物体中,确定用于框定各所述目标对象所采用的最少检测窗口。
在一个实施例中,所述方法还包括:
获取透视变换矩阵模型;
基于所述透视变换矩阵模型计算所述相机的初始标定参数;
利用非线性最优化方法调整所述初始标定参数,得到标定参数;
利用所述标定参数对所述相机进行标定,标定后的所述相机用于拍摄经过所述物体反射而成的光条纹。
一种物体的轮廓测量装置,所述装置包括:
条纹图像获得模块,用于当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过所述物体反射而成的光条纹,得到条纹图像;
相位信息计算模块,用于通过各所述条纹图像计算相位信息;
高度值转化模块,用于将所述相位信息转化为所述物体中相应点的高度值;
轮廓确定模块,用于根据所述物体中各点的水平坐标值和对应的所述高度值,确定所述物体的轮廓。
在一个实施例中,所述相位信息计算模块还用于:
获取各所述条纹图像中各点的光强;
根据所述条纹图像中各点的光强计算相位信息。
在一个实施例中,所述相位信息计算模块还用于:
确定所述条纹图像的数量;
将预设角度值与所述条纹图像的数量的比值作为所述条纹图像的相位差值;
根据所述条纹图像的相位差值和所述光强计算相位信息。
在一个实施例中,所述高度值转化模块还用于:
获取所述相机的标定参数;
将所述标定参数与所述相位信息的乘积确定为所述物体对应的高度值。
在一个实施例中,所述装置还包括:检测窗口确定模块,移动路径确定模块和光条纹投射模块;其中:
检测窗口确定模块,用于当所述物体平面尺寸大于所述相机的视场区域时,通过蚁群算法确定所述物体的各检测窗口;
移动路径确定模块,用于通过遗传算法,确定所述相机在拍摄各所述检测窗口时的移动路径;
光条纹投射模块,用于根据所述移动路径移动所述物体,以使所述物体的各检测窗口分别接收到所述光栅投影仪投射的多幅具有相位差的光条纹。
在一个实施例中,所述检测窗口确定模块还用于:
遍历所述物体上的各目标对象;
在所述物体中,确定用于框定各所述目标对象所采用的最少检测窗口。
在一个实施例中,所述装置还包括:透视变换矩阵模型获取模块,初始标定参数计算模块,标定参数获得模块和相机标定模块;其中:
透视变换矩阵模型获取模块,用于获取透视变换矩阵模型;
初始标定参数计算模块,用于基于所述透视变换矩阵模型计算所述相机的初始标定参数;
标定参数获得模块,用于利用非线性最优化方法调整所述初始标定参数,得到标定参数;
相机标定模块,用于利用所述标定参数对所述相机进行标定,标定后的所述相机用于拍摄经过所述物体反射而成的光条纹。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上所述任一项方法的步骤。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上所述任一项所述的步骤。
上述物体的轮廓测量方法、装置、计算机设备和可读存储介质,当需要测物体的三维轮廓时,通过光栅投影仪分别向物体投射多幅具有相位差的光条纹,并获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像;通过各条纹图像计算物体的相位信息;从而可以将相位信息转化为物体中相应点的高度值,根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓,从而在对该物体进行加工时,可以基于物体的轮廓,精确地测量物体的三维尺寸,从而提高加工该物体的精度。
附图说明
图1为一个实施例中物体的轮廓测量方法的应用环境图;
图2为一个实施例中物体的轮廓测量方法的流程示意图;
图3为一个实施例中相位信息计算步骤的流程示意图;
图4为一个实施例中检测窗口确定步骤的流程示意图;
图5为一个实施例中检测窗口确定步骤的流程示意图;
图6为一个实施例中检测窗口的示意图;
图7为一个实施例中移动路径的示意图;
图8为一个实施例中相机标定步骤的流程示意图;
图9为一个实施例中物体的轮廓测量方法的流程示意图;
图10为一个实施例中物体的轮廓测量装置的结构框图;
图11为另一个实施例中物体的轮廓测量装置的结构框图;
图12为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
图1为一个实施例中物体的轮廓测量方法的应用环境图。参照图1,该物体的轮廓测量方法应用于物体的轮廓测量系统。该物体的轮廓测量系统包括终端110、光栅投影仪120、相机130、控制器140和运动平台150。终端110分别与投影仪120、相机130、控制器140通过网络连接,控制器140分别与相机130和运动平台150之间通信连接。物体置于运动平台150上,终端110向控制器140发送移动指令,控制器140根据移动指令控制运动平台150的移动,或者根据移动指令控制相机130的移动,使得物体置于相机130的视场之下,终端110控制光栅投影仪120向物体投射光条纹,终端110控制相机130对投射有光条纹的物体进行拍摄,得到条纹图像,终端110得到条纹图像之后,对该光条纹图像进行分析,从而确定出物体的轮廓。
该物体的轮廓测量方法应用于终端,当光栅投影仪120分别向物体投射多幅具有相位差的光条纹时,终端110获取由相机130依次拍摄经过物体反射而成的光条纹,得到条纹图像;通过各条纹图像计算相位信息;将相位信息转化为物体中相应点的高度值;根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓。
终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。
如图2所示,在一个实施例中,提供了一种物体的轮廓测量方法。本实施例主要以该方法应用于上述图1中的终端110来举例说明。参照图2,该物体的轮廓测量方法具体包括如下步骤:
S202,当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像。
其中,光栅投影仪用于将终端生成的光条纹投射到置于运动平台的物体上。相机用于对投射有光条纹的待测物体进行拍摄,相机可以是CCD(Charge Coupled Device,电荷耦合器件)摄像机,与CCD配套的还有光学镜头,用于被摄物体在CCD的芯片感光区域内成像,以便CCD采集到高质量的图像。
在一个实施例中,终端通过运行的光条纹生成软件产生多幅光条纹之后,将所产生的多幅光条纹发送给光栅投影仪,同时向该光栅投影仪发出光条纹投射指令,投影仪在接收到光条纹和光条纹投射指令之后,根据光条纹投射指令向置于运动平台上的物体投射光条纹,终端在检测到投影仪投射出光条纹之后,向相机发出拍摄指令,相机根据拍摄指令对经过物体反射而成的光条纹进行拍摄,并将拍摄的条纹图像传送给终端。
在一个实施例中,终端向光栅投影仪发出光条纹投射指令,投影仪在接收到光条纹投射指令之后,通过光栅投影仪内部光学器件产生多幅相位不同的光条纹,并将该多幅光条纹投射到置于运动平台上的物体投射光条纹,终端在检测到投影仪投射出光条纹之后,向相机发出拍摄指令,相机根据拍摄指令对经过物体反射而成的光条纹进行拍摄,并将拍摄的条纹图像传送给终端。
在一个实施例中,终端在检测到物体终端在检测到投影仪投射出光条纹之后向相机发出拍摄指令,相机根据拍摄指令,对反射而成的光条纹在相机的芯片感光区域所成的像进行拍摄,并将拍摄的条纹图像传送给终端。
在一个实施例中,终端根据物体的尺寸和形状确定产生的光条纹的周期、强度、对比度,使得该光条纹投影到物体之后,根据相机拍摄的经过物体反射而成的光条纹,能够准确的确定出物体的轮廓。
在一个实施例中,终端通过投影仪分别向物体投射多幅具有相位差的光条纹,并获取由相机拍摄经过物体发射而成的光条纹,得到条纹图像。其中,该多幅光条纹中,相邻两幅光条纹的相位差为预设角度值与条纹图像数量的比值。例如,终端通过投影仪分别向物体投射3幅具有相位差的光条纹,预设角度值为360°,则相邻两个光条纹图像之间的相位差为120°。
S204,通过各条纹图像计算相位信息。
其中,相位信息包含了物体的高度信息,光栅投影仪向物体投射的光条纹在经过物体的反射之后,光条纹形状会发生改变,通过获取到的条纹图像计算相位信息,以便根据相位信息获得物体的高度信息。
在一个实施例中,终端在得到条纹图像之后,分别获取各条纹图像中各点的光强,然后根据条纹图像中各点的光强,计算各点对应的相位信息。其中,各点的光强对应于物体表面各点的反射光强。
对于投影了光条纹的物体,其表面各点的反射光强可以通过以下光强-相位公式进行表示:
其中,I(i,j)为水平坐标为(i,j)点的反射光强,I0(i,j)为坐标为水平坐标为(i,j)点的入射光强,γ(i,j)为水平坐标为(i,j)点的反射率,为水平坐标为(i,j)点的相位信息,/>为所投影的光条纹的相位差。
在一个实施例中,终端在获取到各条纹图像之后,从各条纹图像提取出条纹图像中各坐标点对应的光强,并将所提取的各点的光强信息作为物体对应点的反射光强,并结合条纹图像各点的光强-相位公式,计算出条纹图像各点对应的相位信息。
S206,将相位信息转化为物体中相应点的高度值。
其中,条纹图像中的各点与物体表面的各点相对应,条纹图像中各点的相位信息与物体表面各点的高度值对应。
在一个实施例中,终端在计算各点相位信息之后,根据相位信息与物体高度值的对应关系,将相位信息转化为物体中相应点的高度值。
在一个实施例中,终端在计算出各点相位信息之后,获取相机的标定参数,并根据标定参数将相位信息转化为物体对应的高度值。具体的,将标定参数与相位信息的乘积确定为物体的高度值。其中标定参数包含有条纹图像上的点与物体表面对应的点之间的相互关系。具体地,标定参数可以是畸变系数。
S208,根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓。
在一个实施例中,终端在得到物体中相应点的高度值以后,根据各点的水平坐标值和对应的高度值计算出物体表面的三维坐标数据,然后根据三维坐标数据,建立该物体的三维轮廓模型,即确定该物体的轮廓。
上述实施例中,当需要测物体的三维轮廓时,终端通过光栅投影仪分别向物体投射多幅具有相位差的光条纹,并获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像;通过各条纹图像计算物体的相位信息;从而可以将相位信息转化为物体中相应点的高度值,根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓,从而在对该物体进行加工时,可以基于物体的轮廓,精确地测量物体的三维尺寸,从而提高加工该物体的精度。
在一个实施例中,如图3所示,S204具体包括以下步骤:
S302,获取各条纹图像中各点的光强。
S304,确定条纹图像的数量。
S306,将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值。
S308,根据条纹图像的相位差值和光强计算相位信息。
在一个实施例中,预设角度值为360°,终端在得到各条纹图像之后,获取各条纹图像中各点的光强,并确定出条纹图像的数量,然后将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值,并根据条纹图像的相位差值和光强计算相位信息。
作为一个示例,对终端计算相位信息的过程进行说明。预设角度值为360°终端通过投影仪向物体投射3幅具有相位差的光条纹,终端在得到由相机依次拍摄的经物体反射而成的光条纹之后,获取各条纹图像中各点的光强,并确定出条纹图像的数量为3,从而计算出预设角度值与条纹图像的数量的比值为120°,即相邻两个条纹图像的相位差值为120°,从而得出各个条纹图像中各点对应的光强-相位公式,用I1(i,j)、I2(i,j)和I3(i,j)分别表示第一幅、第二幅和第三幅条纹图像中各点对应的光强,则:
上述实施例中,终端在获取各条纹图像中各点的光强之后,确定条纹图像的数量,将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值,从而根据条纹图像的相位差值和光强计算出相位信息,以便将相位信息转化为物体中相应点的高度值,从而确定物体的轮廓,从而在对该物体进行加工时,可以基于物体的轮廓,精确地测量物体的三维尺寸,从而提高加工该物体的精度。
在一个实施例中,当物体平面尺寸大于相机的视场区域时,如图4所示,上述物体的轮廓测量方法还包括以下步骤:
S402,通过蚁群算法确定物体的各检测窗口。
其中,蚁群算法利用各个蚂蚁尝试多个分支路径,并根据路径长短留下浓度不同的信息素,信息素为后面蚂蚁选择的进行正反馈。其中单个蚂蚁的路径分支选择具有随机性以避免局部最优解,信息素以增加概率来作正反馈;蚂蚁个体间完全并行,但又共享并改变信息素。蚁群算法的本质实际是离散分支路径的组合优化。各检测窗口的尺寸相同,具体可以是各检测窗口的尺寸等于相机视场的尺寸。
在一个实施例中,终端遍历物体上的各目标对象,然后在物体中,确定用于框定各目标对象所采用的最少检测窗口。其中,目标对象是指存在于物体表面上、具有用户关注特征的对象。例如,对于一个焊接产品,其表面上存在多处焊膏点,则每个焊膏点均为该焊接产品上的目标对象。
S404,通过遗传算法,确定相机在拍摄各检测窗口时的移动路径。
S406,根据移动路径移动物体,以使物体的各检测窗口分别接收到光栅投影仪投射的多幅具有相位差的光条纹。
作为一个示例,对上述通过蚁群算法确定物体的各检测窗口的过程进行说明。
S502,以物体的最左端,最上端的目标对象为关键点,并将包含该关键点的不同情形的检测窗口作为不同蚂蚁对应的路径分支。
其中,每个检测窗口应包含尽可能多的其他目标对象,每个路径分支的信息素的初始值为0。例如,图6所示的,窗口A并未包含尽可能多的其他目标对象,所以窗口A是无效的,而窗口B和窗口C为两个不同的路径分支。
S504,根据信息素以概率选择其中一个路径分支,然后去掉该检测窗口已经覆盖的对象。
重复执行S502和S504,直至覆盖物体上的所有目标对象。
S506,根据不同蚂蚁所用检测窗口的数量,重新调整每个分支窗口的信息素浓度。
其中,调整规则为窗口数量越少,信息素浓度越大。多个蚂蚁并行重复执行S502至506,直至各蚂蚁所确定的窗口数量最少。
S508,通过遗传算法,确定所述相机在拍摄各所述检测窗口时的移动路径。
例如,在计算窗口之间的最短移动路径时,首选确定窗口的可移动范围,然后根据窗口的可移动范围确定最短的移动路径。如图7所示,终端通过蚁群算法确定出检测窗口为窗口A、窗口B和窗口C,对应的窗口左下端点的位置为A点、B点和C点,从图中可以看出如果将窗口B的位置移动到B'点,则由窗口A移动到窗口B再到窗口C的路径明显缩短,从而根据窗口B的可移动范围将窗口B的位置移动至B'点,确定最短的移动路径为A-B'-C。
上述实施例中,当物体平面尺寸大于相机的视场区域时,终端通过蚁群算法确定物体的各检测窗口,并通过遗传算法确定相机在拍摄各检测窗口时的移动路径,即确定出最少的检测窗口和最短的移动路径,从而物体通过按照移动路径进行移动,使得物体的各检测窗口均可以接收到光栅投影仪投射的多幅具有相位差的光条纹,从而可以快速地确定出物体的轮廓。
在一个实施例中,终端在通过相机拍摄经过所述物体反射而成的光条纹之前,对相机进行标定,具体包括以下步骤:
S802,获取透视变换矩阵模型。
在一个实施例中,终端在布置好标定点之后,通过已固定位置的相机对标定点进行拍摄,然后测量各标定点的像平面坐标(u,v),并获取透视变换矩阵模型,其中,透视变换矩阵模型具体可以写为:
其中,[X Y Z 1]T是空间三维坐标矢量,[u v 1]T为相应的图像坐标矢量,mi,j为透视变换矩阵M的元素。
S804,基于透视变换矩阵模型计算相机的初始标定参数。
其中,初始标定参数包括相机的内参数和外参数,具体包括旋转和平移矩阵中的三个坐标系旋转角度和坐标系平移量(fu=f/Sx,fv=f/Sy,u0,v0,u),以及各种畸变系数k1、k2、p1、p2、s1、s2,畸变系数只考虑径向畸变系数,并设k1=k2=k。
在一个实施例中,终端将已知的三维世界坐标和测量的各标定点的像平面坐标(u,v),输入透视变换矩阵模型,计算出透视变换矩阵M,并根据透视变换矩阵计算出相机的各个初始标定参数。
S806,利用非线性最优化方法调整初始标定参数,得到标定参数。
其中,非线性最优化方法是将相机的各个外部参数和内部参数同时作为未知数来求解的。
在一个实施例中,终端在基于透视变换矩阵模型计算相机的初始标定参数之后,将所计算出的各个初始标定参数作为非线性最优化算法中相机的各个内参数和外参数的初始值,然后利用非线性最优化方法计算出相机的各个外部参数和内部参数,即标定参数。
S808,利用标定参数对相机进行标定,标定后的相机用于拍摄经过物体反射而成的光条纹。
上述实施例中,终端通过获取透视变换矩阵模型,基于透视变换矩阵模型计算相机的初始标定参数,利用非线性最优化方法调整初始标定参数,得到标定参数,利用标定参数对相机进行标定,从而使得在利用标定后的相机拍摄经过物体反射而成的光条纹,获得条纹图像,并根据该条纹图像确定物体的轮廓时,使得所确定的物体的轮廓更加精确。
在一个实施例中,如图9所示,提供了一种物体的轮廓测量方法。本实施例主要以该方法应用于上述图1中的终端110来举例说明。参照图9,该物体的轮廓测量方法具体包括如下步骤:
S902,获取透视变换矩阵模型。
S904,基于透视变换矩阵模型计算相机的初始标定参数。
S906,利用非线性最优化方法调整初始标定参数,得到标定参数。
S908,利用标定参数对相机进行标定,标定后的相机用于拍摄经过物体反射而成的光条纹。
S910,当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像。
S912,获取各条纹图像中各点的光强。
S914,确定条纹图像的数量。
S916,将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值。
S918,根据条纹图像的相位差值和光强计算相位信息。
S920,将标定参数与相位信息的乘积确定为物体对应的高度值。
S922,根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓。
图2-5和8-9为一个实施例中物体的轮廓测量方法的流程示意图。应该理解的是,虽然图2-5和8-9的流程图中的各步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5和8-9中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种物体的轮廓测量装置,该装置包括:条纹图像获得模块1002,相位信息计算模块1004,高度值转化模块1006和轮廓确定模块1008,其中:
条纹图像获得模块1002,用于当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像;
相位信息计算模块1004,用于通过各条纹图像计算相位信息;
高度值转化模块1006,用于将相位信息转化为物体中相应点的高度值;
轮廓确定模块1008,用于根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓。
上述实施例中,当需要测物体的三维轮廓时,终端通过光栅投影仪分别向物体投射多幅具有相位差的光条纹,并获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像;通过各条纹图像计算物体的相位信息;从而可以将相位信息转化为物体中相应点的高度值,根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓,从而在对该物体进行加工时,可以基于物体的轮廓,精确地测量物体的三维尺寸,从而提高加工该物体的精度。
在一个实施例中,相位信息计算模块1004还用于:
获取各条纹图像中各点的光强;
根据条纹图像中各点的光强计算相位信息。
在一个实施例中,相位信息计算模块1004还用于:
确定条纹图像的数量;
将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值;
根据条纹图像的相位差值和光强计算相位信息。
在一个实施例中,高度值转化模块1006还用于:
获取相机的标定参数;
将标定参数与相位信息的乘积确定为物体对应的高度值。
上述实施例中,终端在获取各条纹图像中各点的光强之后,确定条纹图像的数量,将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值,从而根据条纹图像的相位差值和光强计算出相位信息,以便将相位信息转化为物体中相应点的高度值,从而确定物体的轮廓,从而在对该物体进行加工时,可以基于物体的轮廓,精确地测量物体的三维尺寸,从而提高加工该物体的精度。
在一个实施例中,如图11所示,装置还包括:检测窗口确定模块1010,移动路径确定模块1012和光条纹投射模块1014;其中:
检测窗口确定模块1010,用于当物体平面尺寸大于相机的视场区域时,通过蚁群算法确定物体的各检测窗口;
移动路径确定模块1012,用于通过遗传算法,确定相机在拍摄各检测窗口时的移动路径;
光条纹投射模块1014,用于根据移动路径移动物体,以使物体的各检测窗口分别接收到光栅投影仪投射的多幅具有相位差的光条纹。
在一个实施例中,检测窗口确定模块1010还用于:
遍历物体上的各目标对象;
在物体中,确定用于框定各目标对象所采用的最少检测窗口。
上述实施例中,当物体平面尺寸大于相机的视场区域时,终端通过蚁群算法确定物体的各检测窗口,并通过遗传算法确定相机在拍摄各检测窗口时的移动路径,即确定出最少的检测窗口和最短的移动路径,从而物体通过按照移动路径进行移动,使得物体的各检测窗口均可以接收到光栅投影仪投射的多幅具有相位差的光条纹,从而可以快速地确定出物体的轮廓。
在一个实施例中,如图11所示,装置还包括:透视变换矩阵模型获取模块1016,初始标定参数计算模块1018,标定参数获得模块1020和相机标定模块1022;其中:
透视变换矩阵模型获取模块1016,用于获取透视变换矩阵模型;
初始标定参数计算模块1018,用于基于透视变换矩阵模型计算相机的初始标定参数;
标定参数获得模块1020,用于利用非线性最优化方法调整初始标定参数,得到标定参数;
相机标定模块1022,用于利用标定参数对相机进行标定,标定后的相机用于拍摄经过物体反射而成的光条纹。
上述实施例中,终端通过获取透视变换矩阵模型,基于透视变换矩阵模型计算相机的初始标定参数,利用非线性最优化方法调整初始标定参数,得到标定参数,利用标定参数对相机进行标定,从而使得在利用标定后的相机拍摄经过物体反射而成的光条纹,获得条纹图像,并根据该条纹图像确定物体的轮廓时,使得所确定的物体的轮廓更加精确。
图12示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110。如图12所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现物体的轮廓测量方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行物体的轮廓测量方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的物体的轮廓测量装置可以实现为一种计算机程序的形式,计算机程序可在如图12所示的计算机设备上运行。计算机设备的存储器中可存储组成该物体的轮廓测量装置的各程序模块,比如,图10所示的条纹图像获得模块1002,相位信息计算模块1004,高度值转化模块1006和轮廓确定模块1008。各程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各实施例的物体的轮廓测量方法中的步骤。
例如,图12所示的计算机设备可以通过如图10所示的物体的轮廓测量装置中的条纹图像获得模块1002执行S202。计算机设备可通过相位信息计算模块1004执行S204。计算机设备可通过高度值转化模块1006执行S206。计算机设备可通过轮廓确定模块1008执行S208。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像;通过各条纹图像计算相位信息;将相位信息转化为物体中相应点的高度值;根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓。
在一个实施例中,计算机程序被处理器执行通过各条纹图像计算相位信息的步骤时,使得处理器具体执行以下步骤:获取各条纹图像中各点的光强;根据条纹图像中各点的光强计算相位信息。
在一个实施例中,计算机程序被处理器执行根据条纹图像中各点的光强计算相位信息的步骤时,使得处理器具体执行以下步骤:确定条纹图像的数量;将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值;根据条纹图像的相位差值和光强计算相位信息。
在一个实施例中,计算机程序被处理器执行将相位信息转化为物体中相应点的高度值的步骤时,使得处理器具体执行以下步骤:获取相机的标定参数;将标定参数与相位信息的乘积确定为物体对应的高度值。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下步骤:当物体平面尺寸大于相机的视场区域时,通过蚁群算法确定物体的各检测窗口;通过遗传算法,确定相机在拍摄各检测窗口时的移动路径;根据移动路径移动物体,以使物体的各检测窗口分别接收到光栅投影仪投射的多幅具有相位差的光条纹。
在一个实施例中,计算机程序被处理器执行通过蚁群算法确定物体的各检测窗口的步骤时,使得处理器具体执行以下步骤:遍历物体上的各目标对象;在物体中,确定用于框定各目标对象所采用的最少检测窗口。
在一个实施例中计算机程序被处理器执行时,使得处理器还执行以下步骤:获取透视变换矩阵模型;基于透视变换矩阵模型计算相机的初始标定参数;利用非线性最优化方法调整初始标定参数,得到标定参数;利用标定参数对相机进行标定,标定后的相机用于拍摄经过物体反射而成的光条纹。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:当光栅投影仪分别向物体投射多幅具有相位差的光条纹时,获取由相机依次拍摄经过物体反射而成的光条纹,得到条纹图像;通过各条纹图像计算相位信息;将相位信息转化为物体中相应点的高度值;根据物体中各点的水平坐标值和对应的高度值,确定物体的轮廓。
在一个实施例中,计算机程序被处理器执行通过各条纹图像计算相位信息的步骤时,使得处理器具体执行以下步骤:获取各条纹图像中各点的光强;根据条纹图像中各点的光强计算相位信息。
在一个实施例中,计算机程序被处理器执行根据条纹图像中各点的光强计算相位信息的步骤时,使得处理器具体执行以下步骤:确定条纹图像的数量;将预设角度值与条纹图像的数量的比值作为条纹图像的相位差值;根据条纹图像的相位差值和光强计算相位信息。
在一个实施例中,计算机程序被处理器执行将相位信息转化为物体中相应点的高度值的步骤时,使得处理器具体执行以下步骤:获取相机的标定参数;将标定参数与相位信息的乘积确定为物体对应的高度值。
在一个实施例中,计算机程序被处理器执行时,使得处理器还执行以下步骤:当物体平面尺寸大于相机的视场区域时,通过蚁群算法确定物体的各检测窗口;通过遗传算法,确定相机在拍摄各检测窗口时的移动路径;根据移动路径移动物体,以使物体的各检测窗口分别接收到光栅投影仪投射的多幅具有相位差的光条纹。
在一个实施例中,计算机程序被处理器执行通过蚁群算法确定物体的各检测窗口的步骤时,使得处理器具体执行以下步骤:遍历物体上的各目标对象;在物体中,确定用于框定各目标对象所采用的最少检测窗口。
在一个实施例中计算机程序被处理器执行时,使得处理器还执行以下步骤:获取透视变换矩阵模型;基于透视变换矩阵模型计算相机的初始标定参数;利用非线性最优化方法调整初始标定参数,得到标定参数;利用标定参数对相机进行标定,标定后的相机用于拍摄经过物体反射而成的光条纹。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种物体的轮廓测量方法,包括:
获取透视变换矩阵模型;
基于所述透视变换矩阵模型计算相机的初始标定参数;所述初始标定参数包括所述相机的内参数和外参数,具体包括旋转和平移矩阵中的三个坐标系旋转角度和坐标系平移量,以及畸变系数,所述畸变系数包括径向畸变系数;
利用非线性最优化方法调整所述初始标定参数,得到标定参数;
利用所述标定参数对所述相机进行标定,标定后的所述相机用于拍摄经过物体反射而成的光条纹;所述光条纹的周期、强度以及对比度由所述物体的尺寸和形状确定;
当光栅投影仪分别向所述物体投射多幅具有相位差的光条纹时,获取由标定后的所述相机依次拍摄经过所述物体反射而成的光条纹,得到条纹图像;
通过所述条纹图像的相位差值和光强计算相位信息;所述相位差值为预设角度值与所述条纹图像的数量的比值;
将所述相位信息转化为所述物体中相应点的高度值;
根据所述物体中各点的水平坐标值和对应的所述高度值,确定所述物体的轮廓;
当所述物体平面尺寸大于所述相机的视场区域时,通过蚁群算法确定所述物体的各检测窗口;
通过遗传算法,确定所述相机在拍摄各所述检测窗口时的移动路径;
根据所述移动路径移动所述物体,以使所述物体的各检测窗口分别接收到所述光栅投影仪投射的多幅具有相位差的光条纹。
2.根据权利要求1所述的方法,其特征在于,所述通过所述条纹图像的相位差值和光强计算相位信息,包括:
确定所述条纹图像的数量、以及每一所述条纹图像中各点的光强;
将预设角度值与所述条纹图像的数量的比值作为所述条纹图像的相位差值;
根据所述条纹图像的相位差值和所述光强计算相位信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述相位信息转化为所述物体中相应点的高度值,包括:
获取所述相机的标定参数;
将所述标定参数与所述相位信息的乘积确定为所述物体对应的高度值。
4.根据权利要求1所述的方法,其特征在于,所述通过蚁群算法确定所述物体的各检测窗口,包括:
遍历所述物体上的各目标对象;
在所述物体中,确定用于框定各所述目标对象所采用的最少检测窗口。
5.一种物体的轮廓测量装置,其特征在于,所述装置包括:
透视变换矩阵模型获取模块,用于获取透视变换矩阵模型;
初始标定参数计算模块,用于基于所述透视变换矩阵模型计算相机的初始标定参数;所述初始标定参数包括所述相机的内参数和外参数,具体包括旋转和平移矩阵中的三个坐标系旋转角度和坐标系平移量,以及畸变系数,所述畸变系数包括径向畸变系数;
标定参数获得模块,用于利用非线性最优化方法调整所述初始标定参数,得到标定参数;
相机标定模块,用于利用所述标定参数对所述相机进行标定,标定后的所述相机用于拍摄经过物体反射而成的光条纹;所述光条纹的周期、强度以及对比度由所述物体的尺寸和形状确定;
条纹图像获得模块,用于当光栅投影仪分别向所述物体投射多幅具有相位差的光条纹时,获取由标定后的所述相机依次拍摄经过所述物体反射而成的光条纹,得到条纹图像;
相位信息计算模块,用于通过所述条纹图像的相位差值和光强计算相位信息;所述相位差值为预设角度值与所述条纹图像的数量的比值;
高度值转化模块,用于将所述相位信息转化为所述物体中相应点的高度值;
轮廓确定模块,用于根据所述物体中各点的水平坐标值和对应的所述高度值,确定所述物体的轮廓;
检测窗口确定模块,用于当所述物体平面尺寸大于所述相机的视场区域时,通过蚁群算法确定所述物体的各检测窗口;
移动路径确定模块,用于通过遗传算法,确定所述相机在拍摄各所述检测窗口时的移动路径;
光条纹投射模块,用于根据所述移动路径移动所述物体,以使所述物体的各检测窗口分别接收到所述光栅投影仪投射的多幅具有相位差的光条纹。
6.根据权利要求5所述的装置,其特征在于,相位信息计算模块包括:
光强确定单元,用于确定所述条纹图像的数量、以及每一所述条纹图像中各点的光强;
相位差值确定单元,用于将预设角度值与所述条纹图像的数量的比值作为所述条纹图像的相位差值;
相位计算单元,用于根据所述条纹图像的相位差值和所述光强计算相位信息。
7.根据权利要求5所述的装置,其特征在于,高度值转化模块包括:
参数获取模元,用于获取所述相机的标定参数;
数据转化单元,用于将所述标定参数与所述相位信息的乘积确定为所述物体对应的高度值。
8.根据权利要求5所述的装置,其特征在于,检测窗口确定模块包括:
对象遍历单元,用于遍历所述物体上的各目标对象;
窗口确定单元,用于在所述物体中,确定用于框定各所述目标对象所采用的最少检测窗口。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至4中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250567.3A CN113029037B (zh) | 2019-12-09 | 2019-12-09 | 物体的轮廓测量方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250567.3A CN113029037B (zh) | 2019-12-09 | 2019-12-09 | 物体的轮廓测量方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113029037A CN113029037A (zh) | 2021-06-25 |
CN113029037B true CN113029037B (zh) | 2023-07-04 |
Family
ID=76451057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911250567.3A Active CN113029037B (zh) | 2019-12-09 | 2019-12-09 | 物体的轮廓测量方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113029037B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066208A (zh) * | 2021-11-11 | 2022-02-18 | 深圳市乐福衡器有限公司 | 一种食物质量的评价方法、系统、智能终端和存储介质 |
CN116958292A (zh) * | 2023-06-15 | 2023-10-27 | 湖南视比特机器人有限公司 | 一种面向光滑物体面型重建的偏折成像方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288131A (zh) * | 2011-05-12 | 2011-12-21 | 上海大学 | 物体360°轮廓误差的自适应条纹测量装置和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243103A (zh) * | 2011-04-13 | 2011-11-16 | 西安交通大学 | 一种物体颜色及三维轮廓的快速测量方法 |
TW201349119A (zh) * | 2012-05-28 | 2013-12-01 | chun-zhi Zhang | 可結合遺傳演算法與蟻群演算法來求得最佳化結果之平行處理系統 |
CN103383745B (zh) * | 2013-06-28 | 2016-08-10 | 中国航天科技集团公司第五研究院第五一三研究所 | 一种焊点质量检测系统检测窗优化布局的方法 |
CN108225217B (zh) * | 2017-12-28 | 2019-11-15 | 中国科学院西安光学精密机械研究所 | 彩色物体三维轮廓测量方法 |
CN109282815A (zh) * | 2018-09-13 | 2019-01-29 | 天津西青区瑞博生物科技有限公司 | 一种动态环境下基于蚁群算法的移动机器人路径规划方法 |
CN109443239A (zh) * | 2018-12-03 | 2019-03-08 | 广州欧科信息技术股份有限公司 | 结构光测量方法、装置、设备、存储介质及系统 |
CN110243307A (zh) * | 2019-04-15 | 2019-09-17 | 深圳市易尚展示股份有限公司 | 一种自动化三维彩色成像与测量系统 |
-
2019
- 2019-12-09 CN CN201911250567.3A patent/CN113029037B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288131A (zh) * | 2011-05-12 | 2011-12-21 | 上海大学 | 物体360°轮廓误差的自适应条纹测量装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113029037A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210041236A1 (en) | Method and system for calibration of structural parameters and construction of affine coordinate system of vision measurement system | |
US8718326B2 (en) | System and method for extracting three-dimensional coordinates | |
TWI489082B (zh) | 用於校正雷射量測裝置的方法及其系統 | |
JP5029618B2 (ja) | パターン投影法による3次元形状計測装置、方法およびプログラム | |
WO2021140886A1 (ja) | 三次元モデル生成方法、情報処理装置およびプログラム | |
CN107084794B (zh) | 基于光场分层成像技术的火焰三维温度场测量系统及其方法 | |
JP4782899B2 (ja) | 視差検出装置、測距装置及び視差検出方法 | |
JP5633058B1 (ja) | 3次元計測装置及び3次元計測方法 | |
JP2015032144A (ja) | 撮像装置およびその制御方法 | |
CN113029037B (zh) | 物体的轮廓测量方法、装置、计算机设备和可读存储介质 | |
CN107808398B (zh) | 摄像头参数算出装置以及算出方法、程序、记录介质 | |
KR20110116325A (ko) | 영상 처리 장치 및 그 방법 | |
JP6580761B1 (ja) | 偏光ステレオカメラによる深度取得装置及びその方法 | |
JP6282377B2 (ja) | 3次元形状計測システムおよびその計測方法 | |
JP2016100698A (ja) | 校正装置、校正方法、プログラム | |
WO2018120168A1 (zh) | 一种视觉检测方法及系统 | |
US11512946B2 (en) | Method and system for automatic focusing for high-resolution structured light 3D imaging | |
Wilm et al. | Accurate and simple calibration of DLP projector systems | |
Etchepareborda et al. | Random laser speckle pattern projection for non-contact vibration measurements using a single high-speed camera | |
JP2016217833A (ja) | 画像処理システム及び画像処理方法 | |
Charbal et al. | Hybrid stereocorrelation using infrared and visible light cameras | |
CN109661815A (zh) | 存在相机阵列的显著强度变化的情况下的鲁棒视差估计 | |
JP6645140B2 (ja) | 画像のキャリブレーション装置及びキャリブレーション方法 | |
JP2008216158A (ja) | 変位計測装置 | |
JP2018179577A (ja) | 位置計測装置 |
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 |