CN113112543A - 一种基于视觉移动目标的大视场二维实时定位系统及方法 - Google Patents

一种基于视觉移动目标的大视场二维实时定位系统及方法 Download PDF

Info

Publication number
CN113112543A
CN113112543A CN202110379232.2A CN202110379232A CN113112543A CN 113112543 A CN113112543 A CN 113112543A CN 202110379232 A CN202110379232 A CN 202110379232A CN 113112543 A CN113112543 A CN 113112543A
Authority
CN
China
Prior art keywords
target
image
camera
industrial
mobile robot
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.)
Pending
Application number
CN202110379232.2A
Other languages
English (en)
Inventor
周东
吴文亮
殷庆文
李晋航
李勇
张寒
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.)
Dongfang Electric Group Research Institute of Science and Technology Co Ltd
Original Assignee
Dongfang Electric Group Research Institute of Science and Technology Co Ltd
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 Dongfang Electric Group Research Institute of Science and Technology Co Ltd filed Critical Dongfang Electric Group Research Institute of Science and Technology Co Ltd
Priority to CN202110379232.2A priority Critical patent/CN113112543A/zh
Publication of CN113112543A publication Critical patent/CN113112543A/zh
Pending legal-status Critical Current

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
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • 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
    • G06T2207/10004—Still image; Photographic image

Landscapes

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

Abstract

本发明公开了一种基于视觉移动目标的大视场二维实时定位系统及方法，该系统包括工具搁架、图像采集系统和靶标，图像采集系统安装于工具搁架的上部，靶标放置于工具搁架下端的移动机器人上，移动机器人位于图像采集系统采集范围的平面内；工具搁架用于放置不同工具的搁架和用于限制移动机器人在平面内的移动范围；图像采集系统至少包括两个用于采集靶标图像的工业相机；靶标是放置于移动机器人上的一棋盘格标定板，该棋盘格标定板上设置有便于采集和标记识别的图形；移动机器人的移动范围为图像采集系统的采集范围，即工业相机所能采集到的视场内。本发明基于机器视觉技术，可以轻松实现目标的平面二维定位。

Description

一种基于视觉移动目标的大视场二维实时定位系统及方法
技术领域
本发明涉及机械视觉定位领域，属于大目标平面二维定位技术，具体是一种基于视觉移动目标的大视场二维实时定位系统及方法。
背景技术
在当今的工业生产中，涉及关于机器视觉在二维测量或者二维定位的应用。其中，二维测量多数是针对小目标，以高精度需求为主；定位更多的是针对大目标，以低精度需求为主。
由于机器视觉的高准确性和自动化程度高的特点，所以二维测量或者二维定位在大多数情况下都需要基于机器视觉来实现。其中目标的平面二维定位在智能制造中占有重要地位，包括工业AGV自动导航等等。但是，传统的机器视觉在使用过程中，始终存在精度较低的问题。
发明内容
本发明是一种基于视觉移动目标的大视场二维实时定位系统及方法，对同一平面内的二维目标进行定位，包括图像采集、相机标定、目标的平面外参矩阵标定和靶标识别。为验证移动机器人的控制精度、智能工厂的信息化提供AGV的位置信息等等。本发明中主要是为验证移动机器人的控制精度。移动机器人的移动在实际中由于环境因素等等，控制精度往往无法直观检测，采用本发明可以验证移动机器人的控制精度。
本发明基于机器视觉技术，采用工业相机采集图像；对工业相机进行标定，获取相机的内参矩阵和目标的表面外参矩阵，即相机坐标系和目标表面的转换关系；获取相机间的坐标转换关系，将不同相机的坐标转换到同一个世界坐标系下；通过识别目标靶标，利用匹配算法获取靶标的图像坐标；利用目标的表面的外参矩阵，并将靶标的图像坐标转换到世界坐标，从而实现目标的平面二维定位。
本发明的技术方案如下：
一种基于视觉移动目标的大视场二维实时定位系统，包括工具搁架、图像采集系统和靶标，图像采集系统安装于工具搁架的上部，靶标放置于工具搁架下端的平面内，所述平面为图像采集系统的采集范围内的平面；
所述工具搁架，用于不同工具放置的搁架，并且限制机器人在平面的运动范围；
所述图像采集系统，至少包括工业相机1#和工业相机2#(可根据实际视场范围设置多个工业相机满足视野需求)，用于采集靶标的图像；所述图像采集系统还包括三两组光源，工业相机和光源间隔安装在搁架顶部的一条直线上；
为简化识别的过程和减少误差，给移动机器人贴上靶标，所述靶标，是放置于移动机器人上的一棋盘格标定板，该棋盘格标定板上可以是一便于采集和标记识别的图形，比如一白色背景的黑色实心圆或者其他靶标；移动机器人的移动范围为图像采集系统的采集范围，即两个工业相机所能采集到的视场，包括每个工业相机所能单独采集到的视场。
基于上述系统的具体定位方法如下：
(1)相机标定
图像采集系统采集图像集，利用张氏标定法或其他标定法计算出两个相机的内参矩阵H1和H2；目前优先张氏标定法；
所述图像集称为标定图像集，不同相机的图像集分别为不同的标定图像集，根据工业相机1#和工业相机2#可定义为标定图像集1#和标定图像集2#，每张图像能够清晰稳定找到棋盘格标定板的角点，并且确保标定板在图像中最好能够覆盖整个视野以及标定板覆盖较大的深度范围、标定板的姿态多样化，并且棋盘格标定板在相机坐标系下具有不同姿态和布满单个相机的视场。
(2)相机坐标系之间的转换关系求取
将棋盘格标定板置于两个工业相机的共同视场区内，使得两个工业相机均能稳定提取到棋盘格标定板的角点；然后，两个工业相机分别采集共同视场区(即两个工业相机可同时采集到的视场)内的棋盘格标定板的参考图片(分别对应相机编号定义为参考图片一和参考图片二)，将采集到的图片分别置于各自对应的标定图像集1#和标定图像集2#中，分别计算出参考图片对应的工业相机外参矩阵(为保证准确求取两个相机坐标系之间的转换关系，需保证提取参考图片一和参考图片二提取棋盘格标定板角点的顺序一致)，如式(1)所示：
Figure BDA0003012218340000031
其中[Xc1,Yc1,Zc1]、[Xc2,Yc2,Zc2]分别为相机坐标系1#和相机坐标系2#坐标，[Xw,Yw,Zw]为棋盘格标定板的坐标系坐标；L1和L2分别为标定求出的棋盘格标定板分别相对于两个相机坐标系的外参矩阵，包括旋转矩阵和平移向量。将式(1)中的两个方程化简去掉[Xw,Yw,Zw]可得两个相机坐标系之间的转换关系，如式(2)所示：
Figure BDA0003012218340000032
式中
Figure BDA0003012218340000033
为L2的逆矩阵，并定义
Figure BDA0003012218340000034
为Mt，即两个相机坐标系间的转换矩阵。
(3)标定移动机器人平面
将棋盘格标定板置于移动机器人表面，进行采集图像，并将采集到的图像分别放入对应工业相机的标定图像集中，计算出移动机器人平面分别相对于两个相机的相机坐标系的外参矩阵，定义为T1和T2。所述移动机器人平面为靶标放置的机器人表面。其中，步骤(2)的参考图片是标定相机的内参矩阵，步骤(3)是为了标定出机器人上靶标所在的面的参数矩阵。
(4)靶标识别
以上三个步骤是离线工作，从第四个开始是实时的。靶标识别是基于归一化积相关算法来进行模板匹配，即利用子图(靶标在实际定位过程中的图像)与模板图(模板图是事先裁剪完成的靶标的图像)的灰度，通过归一化的相关性度量公式来计算二者之间的匹配程度，可以得到一个匹配的模板。在该匹配的模板中，利用灰度二值化，得到靶标上圆的内部像素点坐标集合，进行椭圆拟合，计算出靶标的圆心坐标，将圆心的图像坐标当做移动机器人的图像坐标。
归一化相关性度量公式如下所示：
Figure BDA0003012218340000041
Figure BDA0003012218340000042
Figure BDA0003012218340000043
其中I(x+i,y+j)代表子图在(x+i,y+j)坐标下的像素灰度值，同理T(x,y)代表模板在(x,y)坐标下的像素值。0≤x≤M-m，0≤y≤N-n，M，N分别为待匹配图像像素的行数和列数，m，n分别为模板像素的行数和列数。
(5)将图像坐标换算为世界坐标
由于两个工业相机是作为扩大视场用途，所以需要将两个工业相机的坐标统一，以工业相机1#为标准，从工业相机1#通过步骤(4)获得的靶标的圆心图像坐标直接通过内参矩阵转换为相机坐标，再通过外参矩阵转换为世界坐标，如式(3)和(4)所示。而从工业相机2#获得的靶标的圆心图像坐标，先利用内参矩阵H2转换为本身的相机坐标([Xc2,Yc2,Zc2])，再通过步骤(2)求得的转换矩阵Mt转换为工业相机1#的相机坐标系下，再通过工业相机1#和移动机器人平面的外参矩阵转换为世界坐标，最终结果如式(5)所示。
Figure BDA0003012218340000044
Figure BDA0003012218340000045
Figure BDA0003012218340000046
式中[U1,V1,1]为工业相机1#通过靶标识别计算出的靶标圆心的图像坐标，
Figure BDA0003012218340000051
为工业相机1#下的靶标圆心的世界坐标。
Figure BDA0003012218340000052
工业相机1#通过靶标识别计算出的靶标圆心的在工业相机1#标准下的世界坐标。由此可以达到将2个相机坐标统一的目的。
本发明通过双目扩大视场，利用靶标识别的方法简化定位移动机器人，能够实现检测移动机器人控制精度的目的。
本发明的优点和积极效果如下：
本发明解决了移动目标的二维实时定位的问题，提供了一种简单实现移动目标的二维坐标检测的方法，为移动机器人的控制精度检测提出一种高效快捷的方法，并且解决了大视场单目相机精度较低的问题，同时兼顾了视场大和精度高的需求。
附图说明
图1为本发明的系统结构示意图。
其中，附图标记为：1-光源，2-工业相机1#，3-工业相机2#，4-靶标，5-移动机器人，6-移动机器人所在的平面，7-搁架。
具体实施方式
如图1所示，一种基于视觉移动目标的大视场二维实时定位系统，包括工具搁架、图像采集系统和靶标，图像采集系统安装于工具搁架的上部，靶标放置于工具搁架下端的平面内，所述平面为图像采集系统的采集范围内的平面。
工具搁架，用于不同工具放置的搁架，并且限制机器人在平面的运动范围。
图像采集系统包括工业相机1#、工业相机2#和三两组光源，两个工业相机和光源间隔安装在搁架顶部的一条直线上，具体安装要求为：两个工业相机在移动机器人所在的平面有足够的共同视场使得标定板存在某个位置(定义该位置为共同视场区)使得两个工业相机都能完整地捕获标定板；光源实际上使用的是面阵光源，能够覆盖整个视场，并且均匀照亮两个工业相机形成的视场；通过以太网通讯将图像信号传输到PC端。
为简化识别的过程和减少误差，给移动机器人贴上靶标，即放置于移动机器人上的一棋盘格标定板，该棋盘格标定板上可以是一白色背景的黑色实心圆；移动机器人的移动范围为图像采集系统的采集范围，即两个工业相机所能采集到的视场，包括每个工业相机所能单独采集到的视场。
基于上述系统的具体定位方法如下：
(1)相机标定
图像采集系统采集图像集，利用张氏标定法计算出两个相机的内参矩阵H1和H2；所述图像集称为标定图像集，不同相机的图像集分别为不同的标定图像集，根据工业相机1#和工业相机2#可定义为标定图像集1#和标定图像集2#，每张图像能够清晰稳定找到棋盘格标定板的角点，并且棋盘格标定板在相机坐标系下具有不同姿态和布满单个相机的视场。
(2)相机坐标系之间的转换关系求取
将棋盘格标定板置于两个工业相机的共同视场区内，使得两个工业相机均能稳定提取到棋盘格标定板的角点；然后，两个工业相机分别采集共同视场区(即两个工业相机可同时采集到的视场)内的棋盘格标定板的参考图片(分别对应相机编号定义为参考图片一和参考图片二)，将采集到的图片分别置于各自对应的标定图像集1#和标定图像集2#中，分别计算出参考图片对应的工业相机外参矩阵(为保证准确求取两个相机坐标系之间的转换关系，需保证提取参考图片一和参考图片二提取棋盘格标定板角点的顺序一致)，如式(1)所示：
Figure BDA0003012218340000061
其中[Xc1,Yc1,Zc1]、[Xc2,Yc2,Zc2]分别为相机坐标系1#和相机坐标系2#的坐标系坐标，[Xw,Yw,Zw]为棋盘格标定板的坐标系坐标；L1和L2分别为标定求出的棋盘格标定板分别相对于两个相机坐标系的外参矩阵，包括旋转矩阵和平移向量。将式(1)中的两个方程化简去掉[Xw,Yw,Zw]可得两个相机坐标系之间的转换关系，如式(2)所示：
Figure BDA0003012218340000071
式中
Figure BDA0003012218340000072
为L2的逆矩阵，并定义
Figure BDA0003012218340000073
为Mt，即两个相机坐标系间的转换矩阵。
(3)标定移动机器人平面
将棋盘格标定板置于移动机器人表面，采集图像，并将采集到的图像分别放入对应工业相机的标定图像集中，计算出移动机器人平面分别相对于两个相机的相机坐标系的外参矩阵，定义为T1和T2。
(4)靶标识别
以上三个步骤是离线工作，从第四个开始是实时的。靶标识别是基于归一化积相关算法来进行模板匹配，即利用子图与模板图的灰度，通过归一化的相关性度量公式来计算二者之间的匹配程度，可以得到一个匹配的模板。在该匹配的模板中，利用灰度二值化，得到靶标上圆的内部像素点坐标集合，进行椭圆拟合，得到靶标的圆心，将圆心的图像坐标当做移动机器人的图像坐标。
归一化相关性度量公式如下所示：
Figure BDA0003012218340000074
Figure BDA0003012218340000075
Figure BDA0003012218340000076
其中I(x+i,y+j)代表子图在(x+i,y+j)坐标下的像素灰度值，同理T(x,y)代表模板在(x,y)坐标下的像素值。0≤x≤M-m，0≤y≤N-n，M，N分别为待匹配图像像素的行数和列数，m，n分别为模板像素的行数和列数。
(5)将图像坐标换算为世界坐标
由于两个工业相机是作为扩大视场用途，所以需要将两个工业相机的坐标统一，以工业相机1#为标准，从工业相机1#通过步骤(4)获得的靶标的圆心图像坐标直接通过内参矩阵转换为相机坐标，再通过外参矩阵转换为世界坐标，如式(3)和(4)所示。而从工业相机2#获得的靶标的圆心图像坐标，先利用内参矩阵H2转换为本身的相机坐标([Xc2,Yc2,Zc2])，再通过步骤(2)求得的转换矩阵Mt转换为工业相机1#的相机坐标系下，再通过工业相机1#和移动机器人平面的外参矩阵转换为世界坐标，最终结果如式(5)所示。
Figure BDA0003012218340000081
Figure BDA0003012218340000082
Figure BDA0003012218340000083
式中[U1,V1,1]为工业相机1#通过靶标识别计算出的靶标圆心的图像坐标，
Figure BDA0003012218340000084
为工业相机1#下的靶标圆心的世界坐标。
Figure BDA0003012218340000085
工业相机1#通过靶标识别计算出的靶标圆心的在工业相机1#标准下的世界坐标。由此可以达到将2个相机坐标统一的目的。
本发明通过双目扩大视场，利用靶标识别的方法简化定位移动机器人，能够实现检测移动机器人控制精度的目的。

Claims (10)

1.一种基于视觉移动目标的大视场二维实时定位系统，其特征在于：包括工具搁架、图像采集系统和靶标，图像采集系统安装于工具搁架的上部，靶标放置于工具搁架下端的移动机器人上，移动机器人位于图像采集系统采集范围的平面内；
所述工具搁架，用于放置不同工具的搁架，并且用于限制移动机器人在平面内的移动范围；
所述图像采集系统，至少包括工业相机1#和工业相机2#，用于采集靶标的图像；
所述靶标，是放置于移动机器人上的一棋盘格标定板，该棋盘格标定板上设置有一便于采集和标记识别的图形；移动机器人的移动范围为图像采集系统的采集范围，即工业相机所能采集到的视场内。
2.根据权利要求1所述的基于视觉移动目标的大视场二维实时定位系统，其特征在于：所述图像采集系统还包括三两组光源，工业相机和光源沿一条直线间隔安装于工具搁架上。
3.根据权利要求1或2所述系统进行基于视觉移动目标的大视场二维实时定位方法，其特征在于步骤如下：
(1)对图像采集系统的工业相机进行标定，确定工业相机的内参矩阵；
(2)求取相机坐标系之间的转换矩阵；
(3)对移动机器人平面进行标定，得到移动机器人平面分别相对于两个相机的相机坐标系的外参矩阵；
(4)进行靶标识别，匹配模板，在模板中进行处理得到移动机器人的图像坐标；
(5)将得到的图像坐标换算为世界坐标。
4.根据权利要求3所述基于视觉移动目标的大视场二维实时定位方法，其特征在于步骤如下：步骤(1)是通过图像采集系统采集图像形成图像集，利用张氏标定法计算出两个工业相机的内参矩阵H1和H2。
5.根据权利要求4所述基于视觉移动目标的大视场二维实时定位方法，其特征在于：所述图像集称为标定图像集，不同工业相机的图像集分别为不同的标定图像集，图像集中的每张图像均能清晰稳定找到棋盘格标定板的角点，每张图像中的棋盘格标定板在同一相机坐标系下具有不同姿态和布满单个相机的视场。
6.根据权利要求3所述基于视觉移动目标的大视场二维实时定位方法，其特征在于步骤如下：步骤(2)是先将棋盘格标定板置于两个工业相机的共同视场区内，使得两个工业相机均能稳定提取到棋盘格标定板的角点；然后，两个工业相机分别采集共同视场区内的棋盘格标定板的参考图片，被采集到的参考图片分别置于各自对应的标定图像集中，分别计算出参考图片对应的工业相机外参矩阵，得到两个相机坐标系之间的转换关系：
Figure FDA0003012218330000021
其中：[Xc1,Yc1,Zc1]、[Xc2,Yc2,Zc2]分别为两个工业相机的相机坐标系，[Xw,Yw,Zw]为棋盘格标定板的坐标系坐标；L1和L2分别为标定求出的棋盘格标定板分别相对于两个相机坐标系的外参矩阵，包括旋转矩阵和平移向量；
Figure FDA0003012218330000022
为L2的逆矩阵，定义
Figure FDA0003012218330000023
为Mt，即两个相机坐标系间的转换矩阵。
7.根据权利要求3所述基于视觉移动目标的大视场二维实时定位方法，其特征在于步骤如下：步骤(3)是将棋盘格标定板置于移动机器人表面，采集图像，并将采集到的图像分别放入对应工业相机的标定图像集中，计算出移动机器人平面分别相对于两个工业相机的相机坐标系的外参矩阵，定义为T1和T2。
8.根据权利要求3所述基于视觉移动目标的大视场二维实时定位方法，其特征在于步骤如下：步骤(4)是通过归一化的相关性度量公式来计算子图与模板图之间的灰度的匹配程度，得到一个匹配的模板；在所述匹配的模板中，利用灰度二值化，得到棋盘格标定板上图形的大致范围，进行拟合，得到靶标上图形的中心，将中心的图像坐标当做移动机器人的图像坐标。
9.根据权利要求8所述基于视觉移动目标的大视场二维实时定位方法，其特征在于步骤如下：所述子图指靶标在实际定位过程中的图像，所述模板图是事先裁剪完成的靶标的图像；所述图形设计为圆形。
10.根据权利要求9所述基于视觉移动目标的大视场二维实时定位方法，其特征在于步骤如下：通过步骤(4)从工业相机1#获得的靶标圆心的图像坐标通过内参矩阵H1转换为工业相机1#的相机坐标，再通过外参矩阵T1将转换得到的工业相机1#的相机坐标转换为世界坐标；而通过步骤(4)从工业相机2#获得的靶标的中心图像坐标，先利用内参矩阵H2转换为工业相机2#的相机坐标[Xc2,Yc2,Zc2]，再通过步骤(2)求得的转换矩阵Mt转换到工业相机1#的相机坐标系下，再通过工业相机1#和移动机器人平面的外参矩阵T1转换为世界坐标，如下式所示：
Figure FDA0003012218330000031
其中：
Figure FDA0003012218330000032
为工业相机1#下的靶标的圆心的世界坐标，
Figure FDA0003012218330000033
为工业相机1#通过靶标识别计算出的靶标的圆心的在工业相机1#标准下的世界坐标；
从而达到将两个相机坐标统一的目的。
CN202110379232.2A 2021-04-08 2021-04-08 一种基于视觉移动目标的大视场二维实时定位系统及方法 Pending CN113112543A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110379232.2A CN113112543A (zh) 2021-04-08 2021-04-08 一种基于视觉移动目标的大视场二维实时定位系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110379232.2A CN113112543A (zh) 2021-04-08 2021-04-08 一种基于视觉移动目标的大视场二维实时定位系统及方法

Publications (1)

Publication Number Publication Date
CN113112543A true CN113112543A (zh) 2021-07-13

Family

ID=76714688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110379232.2A Pending CN113112543A (zh) 2021-04-08 2021-04-08 一种基于视觉移动目标的大视场二维实时定位系统及方法

Country Status (1)

Country Link
CN (1) CN113112543A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170246A (zh) * 2021-12-08 2022-03-11 广东奥普特科技股份有限公司 一种精密位移平台的定位方法
CN117392242A (zh) * 2023-12-11 2024-01-12 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 成像系统标定方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015024407A1 (zh) * 2013-08-19 2015-02-26 国家电网公司 基于电力机器人的双目视觉导航系统及方法
CN110136208A (zh) * 2019-05-20 2019-08-16 北京无远弗届科技有限公司 一种机器人视觉伺服系统的联合自动标定方法及装置
CN110370286A (zh) * 2019-08-13 2019-10-25 西北工业大学 基于工业机器人和单目相机的定轴运动刚体空间位置识别方法
WO2020237574A1 (zh) * 2019-05-30 2020-12-03 深圳市大疆创新科技有限公司 相机的内参及相对姿态的标定方法、装置、无人机和存储装置
CN112066879A (zh) * 2020-09-11 2020-12-11 哈尔滨工业大学 基于计算机视觉的气浮运动模拟器位姿测量装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015024407A1 (zh) * 2013-08-19 2015-02-26 国家电网公司 基于电力机器人的双目视觉导航系统及方法
CN110136208A (zh) * 2019-05-20 2019-08-16 北京无远弗届科技有限公司 一种机器人视觉伺服系统的联合自动标定方法及装置
WO2020237574A1 (zh) * 2019-05-30 2020-12-03 深圳市大疆创新科技有限公司 相机的内参及相对姿态的标定方法、装置、无人机和存储装置
CN110370286A (zh) * 2019-08-13 2019-10-25 西北工业大学 基于工业机器人和单目相机的定轴运动刚体空间位置识别方法
CN112066879A (zh) * 2020-09-11 2020-12-11 哈尔滨工业大学 基于计算机视觉的气浮运动模拟器位姿测量装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任贵文;: "基于OpenCV的红外与可见光双摄像机标定方法研究", 科学技术与工程, no. 03 *
罗继曼;魏泽明;刘思远;都闯;: "基于双目视觉原理的混联机器人初始点坐标研究", 沈阳建筑大学学报(自然科学版), no. 01 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170246A (zh) * 2021-12-08 2022-03-11 广东奥普特科技股份有限公司 一种精密位移平台的定位方法
CN114170246B (zh) * 2021-12-08 2024-05-17 广东奥普特科技股份有限公司 一种精密位移平台的定位方法
CN117392242A (zh) * 2023-12-11 2024-01-12 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 成像系统标定方法、装置、计算机设备和存储介质
CN117392242B (zh) * 2023-12-11 2024-04-19 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 成像系统标定方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN110555889B (zh) 一种基于CALTag和点云信息的深度相机手眼标定方法
CN111089569B (zh) 一种基于单目视觉的大型箱体测量方法
CN109035320A (zh) 基于单目视觉的深度提取方法
CN103499297B (zh) 一种基于ccd的高精度测量方法
CN109146980A (zh) 基于单目视觉的优化的深度提取和被动测距方法
CN106935683B (zh) 一种太阳能电池片高速视觉定位及矫正系统及其方法
CN108007388A (zh) 一种基于机器视觉的转盘角度高精度在线测量方法
CN106897995B (zh) 一种面向机械装配过程的零部件自动识别方法
CN113112543A (zh) 一种基于视觉移动目标的大视场二维实时定位系统及方法
CN107729893A (zh) 一种合模机的视觉定位方法、系统和存储介质
CN105307115A (zh) 一种基于行动机器人的分布式视觉定位系统及方法
CN109448043A (zh) 平面约束下的立木高度提取方法
CN110763204A (zh) 一种平面编码靶标及其位姿测量方法
CN112033408B (zh) 一种贴纸式的物体空间定位系统及定位方法
CN111707187A (zh) 一种大型零件的测量方法及系统
CN105307116A (zh) 一种基于移动机器人的分布式视觉定位系统及方法
CN109255818A (zh) 一种新型标靶及其亚像素级角点的提取方法
Mi et al. A vision-based displacement measurement system for foundation pit
CN111399634A (zh) 一种手势引导物体识别的方法及装置
CN108827250A (zh) 一种机器人单目视觉测距技术方法
Wang et al. Automatic reading system for analog instruments based on computer vision and inspection robot for power plant
CN113269729B (zh) 一种基于深度图像对比的装配体多视角检测方法和系统
CN109636856A (zh) 基于hog特征融合算子的物体六维度位姿信息联合测量方法
CN112050752B (zh) 一种基于二次投影的投影仪标定方法
CN116563391B (zh) 一种基于机器视觉的激光结构自动标定方法

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