CN113269673A - 一种基于标准球架的三维点云拼接方法 - Google Patents
一种基于标准球架的三维点云拼接方法 Download PDFInfo
- Publication number
- CN113269673A CN113269673A CN202110454695.0A CN202110454695A CN113269673A CN 113269673 A CN113269673 A CN 113269673A CN 202110454695 A CN202110454695 A CN 202110454695A CN 113269673 A CN113269673 A CN 113269673A
- Authority
- CN
- China
- Prior art keywords
- sphere
- point cloud
- spherical
- point
- standard
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 3
- 230000008521 reorganization Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2008—Assembling, disassembling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于标准球架的三维点云拼接方法,本分明通过标准球架为中间媒介,实现对测量视场区域内各局部坐标系的统一,消除了多视场拼接带来的累积误差;同时在点云精确配准过程中利用具有特征约束的球面点云构造虚拟重叠区域,提供了更精确地对应点对,并结合改进的迭代最近点算法,利用权函数优化求解拼接点云之间的转换关系,减少点云中较大的噪声影响,实现高精度三维点云拼接。
Description
技术领域
本发明属于三维点云拼接领域,具体涉及一种基于标准球架的三维点云拼接方法。
背景技术
随着科学技术和工业的迅速发展,在逆向工程、产品数字化检测、形貌3D测绘等一系列要求下催生了对实体快速三维形貌测量的需求。随着三维测量技术的不断发展,其在航天航空领域、汽车工业领域、复杂自由曲面模具成型领域的应用也越来越广泛,人们对三维形貌的测量精度、测量速度和测量视场范围的要求也越来越高,高精度、大视场的三维测量技术成为现在目前的研究热点和难点。
在物体的三维轮廓测量中无论采用哪一种方式,由于受到被测物结构的限制、测量仪器工作范围的限制,往往通过一次测量无法实现对物体整体三维轮廓的测量,需要对被测物进行多方位多角度测量,为了获得物体正确的整体外部形貌,就需要通过点云拼接技术,将测量的单场数据拼接在一起获得被测物表面的整体数据点云,同时点云拼接属于三维测量过程中的数据处理阶段,各个局部点云数据之间的拼接精度也直接影响着整体的测量精度。因此点云拼接技术是三维形貌测量中的关键过程,也是实现对物体完整三维轮廓重构的重要处理步骤。
发明内容
本发明的目的在于克服上述不足,提供一种基于标准球架的三维点云拼接方法,以标准球架作为中间媒介,将多个单场测量数据转换到统一坐标系中,避免了多视场拼接的累积误差;通过构造特征球面的方式,提高各测量点云数据间的重叠度,降低了拼接误差,实现了高效、高精度的三维点云拼接。
为了达到上述目的,本分明包括以下步骤:
S1,固定测量设备组合的空间位置,使测量设备的测量视场内至少能够拍摄到三个标准球;
S2,测量设备测量球架上每个标准球的球面点云数据,拟合球面获得每个标准球的球心坐标,以此来建立球架坐标系;
S3,计算标准球点云的曲率,并提取标准球球面的点云;
S4,通过距离约束,分割出不同的球面,并建立球心距离矩阵,建立不同球的对应关系;
S5,通过不同球的对应关系的将球体中心对齐,完成对来自同一标准球的对应点云拼接;
S6,利用拟合的球心坐标和已知半径特征构造连续球面,通过迭代最近点算法完成球面点云精确拼接。
测量设备为结构光测头或三坐标测量机。
S4中,在分割出不同的球面之后,确定两片点云中来自同一个标准球的球面对应关系。
通过建立球心距离矩阵来寻找对应关系,球心距离矩阵M:
矩阵M中的每个元素都是两个球心之间的距离,如果M矩阵的某一行和另一片点云球心距离矩阵的某一行有至少三个相等的元素,则改组数据对应的两个球来自同一个标准球。
S6中,通过采用球面任意部分测量点拟合的方法计算球面中心,同时测量球体半径作为约束条件提高构造精度,然后根据球面的中心和半径来构造整个球面,球面方程为:
(xsi-x0)2+(ysi-y0)2+(zsi-z0)2=r2
式中:xsi,ysi,zsi为球上点的坐标,x0,y0,z0为球心坐标,r为球的半径;
预先测量球面目标半径,将球体半径作为特征约束设为已知参数,通过最小化以下函数求解x0,y0,z0;
r=constant
式中:n为拟合点个数;
用任意一对球面中心和半径来构造一个完整的球面,构造的表面与其它测量点云具有重叠区域。
S6中,通过迭代最近点算法完成球面点云精确拼接的具体方法如下:
利用求取的对应点对,通过四元数法求解旋转矩阵R和平移向量T,目标函数是:
或者,通过最小化下面的方程来求解:
式中:qi为拼接点云中第i个拼接点,为虚拟重叠区域与其相对应的点,nj为每个点云中配准点个数,m为目标个数,N为所有配准点的总数,||·||为欧式范数,ρj为第j个点云的权重,ρj的值是在[0,1];
式中:uj为第j个点云的目标拟合半径与其实际半径之间的偏差。
与现有技术相比,本分明通过标准球架为中间媒介,实现对测量视场区域内各局部坐标系的统一,消除了多视场拼接带来的累积误差;同时在点云精确配准过程中利用具有特征约束的球面点云构造虚拟重叠区域,提供了更精确地对应点对,并结合改进的迭代最近点算法,利用权函数优化求解拼接点云之间的转换关系,减少点云中较大的噪声影响,实现高精度三维点云拼接。
附图说明
图1为本发明的简化示意图;
图2为本发明的三维点云拼接方法流程图;
图3为实施例中拼接结果示意图,其中,(a)理论数据,(b)为拼接后数据;
其中,1a为第一台结构光测头,1b为第二台结构光测头,2为标准球架。
具体实施方式
下面结合附图对本发明做进一步说明。
本发明包括以下步骤:
步骤一,固定测量设备组合的空间位置,并保证其在测量过程中的相对位置不变;测量设备数量为两个或两个以上,可根据测量空间范围自由选取;测量设备不局限于结构光测头,也可以是三坐标测量机或其他测量设备,同时还需要选取适应视场范围的标准球架,完成点云拼接。
步骤二,通过高精度设备(如三坐标机)测量球架上每个标准球的球面点云数据,拟合球面获得每个标准球的球心坐标,以此来建立球架坐标系;通过高精度测量方式建立球架坐标系,以该坐标系为中间媒介,实现不同坐标系的数据统一。
步骤三,每个测量设备对应的测量视场内都会拍摄到三个或三个以上标准球,通过计算点云的曲率将球面点云提取出来;
步骤四,通过距离约束,分割出不同的球面,并建立球心距离矩阵,用以建立不同球的对应关系;在分割出不同的球面之后,还需要确定两片点云中来自同一个标准球的球面对应关系。通过建立球心距离矩阵来寻找对应关系,球心距离矩阵M:
矩阵M中的每个元素都是两个球心之间的距离,如果M矩阵的某一行和另一片点云球心距离矩阵的某一行有三个或三个以上相等的元素,这对应的这两个球来自同一个标准球。
步骤五,球面中心粗配准,通过将拟合后的球体中心对齐,完成对来自同一标准球的对应点云拼接;
步骤六,利用球心拟合坐标和已知半径特征构造连续球面,通过改进的迭代最近点(ICP)算法完成球面点云精确拼接。
拟合连续球面的目的就是构造虚拟重叠区域,通过采用球面任意部分测量点拟合的方法计算球面中心,同时测量球体半径作为约束条件提高构造精度,然后根据球面的中心和半径来构造整个球面,球面方程为:
(xsi-x0)2+(ysi-y0)2+(zsi-z0)2=r2
式中:(xsi,ysi,zsi)——为球上点的坐标;x0,y0,z0——为球心坐标;r——球的半径。
预先测量球面目标半径,将球体半径作为特征约束设为已知参数,通过最小化以下函数求解x0,y0,z0:
r=constant
式中:n——拟合点个数。
最小化方程是一个非线性问题,用Levenberg-Marquardt算法求解。然后用任意一对球面中心和半径来构造一个完整的球面,构造的表面与其它测量点云具有重叠区域。
通过改进的迭代最近点(ICP)算法完成球面点云精确拼接,利用求取的对应点对,通过四元数法求解旋转矩阵R和平移向量T,目标函数是:
或者,可以通过最小化下面的方程来求解:
式中:qi——拼接点云中第i个拼接点;——虚拟重叠区域与其相对应的点;nj——为每个点云中配准点个数;m——目标个数;N——所有配准点的总数;||·||——欧式范数;ρj——第j个点云的权重,它的值是在[0,1],主要取决于拼接点云的测量精度。
式中:uj——第j个点云的目标拟合半径与其实际半径之间的偏差。权重ρj主要用于提高拼接的稳定性,拼接点云中的一些较大误差的影响可以通过一个小的权重来减少。
如图1所示,固定第一台结构光测头1a和第二台结构光测头1b的空间位置,保证其在测量过程中的空间位置不变,并根据视场范围选取合适结构与尺寸的标准球架2。
将标准球架放在三坐标机上进行触点式高精度测量,并拟合出每个标准球的球心坐标,注意在测量过程中固定球架的位置不动,保证球架坐标系建立的准确性。
第一台结构光测头1a和第二台结构光测头1b向标准球架2投射预设图案,获取三维点云数据,并作点云去噪等预处理。
随后,将两个视场的实测点云进行如图2所示的点云拼接过程。
a)识别实测点云中的球面点云:通过曲率特征提取球面点云;
b)将实测球面点云分割为不同的球:在球面点云中随机抽取一点qi,用点qi和它的邻域点云拟合球面求出球心位置,将三个标准球分开;
c)识别不同的标准球:通过建立球心矩阵确定理论球面点云和实测球面点云中来自同一个标准球的对应关系;
d)球心粗对齐:通过将拟合后的球体中心对齐拼接来自同一标准球的对应点云。
e)构造虚拟球面:将球体半径设为一直参数作为约束条件来构造虚拟球面。
f)选择对应的点对:理论球面点云P作为固定点云。实测球面点云Q中的每个点qi分别连接到对应的拟合球面中心Oj(j=1,2,3)。连线与球面Sj(j=1,2,3)在qi'处相交,视为qi的对应点。
采用四元数法求解旋转矩阵R和平移向量T。
实施例:为了验证本发明方法的可行性,搭建平台,按照上述步骤实施实验,拼接结果如图3所示。对所示结果进行统计,结果如表1至表5所示。
表1理论球心距
表2拼接后的球心距
表3视场a内的球心距及误差
表4视场b内的球心距误差
表5相邻视场球心距误差
结论为:以表3、表4中每个视场中的球心距误差作为整个系统的测量误差,计算各视场内球心距的平均误差评估测量误差,整个系统的平均误差为0.01906mm。以表5中不同视场之间的球心距误差作为拼接精度的累计误差(包含测量误差和拼接误差),计算不同视场球心距误差的平均值来评估拼接的累计误差,整个系统平均拼接累计误差为:0.043347mm。由此可得验证实验的拼接精度可达0.024287mm。
Claims (6)
1.一种基于标准球架的三维点云拼接方法,其特征在于,包括以下步骤:
S1,固定测量设备组合的空间位置,使测量设备的测量视场内至少能够拍摄到三个标准球;
S2,测量设备测量球架上每个标准球的球面点云数据,拟合球面获得每个标准球的球心坐标,以此来建立球架坐标系;
S3,计算标准球点云的曲率,并提取标准球球面的点云;
S4,通过距离约束,分割出不同的球面,并建立球心距离矩阵,建立不同球的对应关系;
S5,通过不同球的对应关系的将球体中心对齐,完成对来自同一标准球的对应点云拼接;
S6,利用拟合的球心坐标和已知半径特征构造连续球面,通过迭代最近点算法完成球面点云精确拼接。
2.根据权利要求1所述的一种基于标准球架的三维点云拼接方法,其特征在于,测量设备为结构光测头或三坐标测量机。
3.根据权利要求1所述的一种基于标准球架的三维点云拼接方法,其特征在于,S4中,在分割出不同的球面之后,确定两片点云中来自同一个标准球的球面对应关系。
5.根据权利要求1所述的一种基于标准球架的三维点云拼接方法,其特征在于,S6中,通过采用球面任意部分测量点拟合的方法计算球面中心,同时测量球体半径作为约束条件提高构造精度,然后根据球面的中心和半径来构造整个球面,球面方程为:
(xsi-x0)2+(ysi-y0)2+(zsi-z0)2=r2
式中:xsi,ysi,zsi为球上点的坐标,x0,y0,z0为球心坐标,r为球的半径;
预先测量球面目标半径,将球体半径作为特征约束设为已知参数,通过最小化以下函数求解x0,y0,z0;
r=constant
式中:n为拟合点个数;
用任意一对球面中心和半径来构造一个完整的球面,构造的表面与其它测量点云具有重叠区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110454695.0A CN113269673B (zh) | 2021-04-26 | 2021-04-26 | 一种基于标准球架的三维点云拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110454695.0A CN113269673B (zh) | 2021-04-26 | 2021-04-26 | 一种基于标准球架的三维点云拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269673A true CN113269673A (zh) | 2021-08-17 |
CN113269673B CN113269673B (zh) | 2023-04-07 |
Family
ID=77229599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110454695.0A Active CN113269673B (zh) | 2021-04-26 | 2021-04-26 | 一种基于标准球架的三维点云拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269673B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820604A (zh) * | 2022-06-27 | 2022-07-29 | 四川大学 | 基于最邻近点距离损失的叶片型线数据拼接方法及设备 |
CN115795579A (zh) * | 2022-12-23 | 2023-03-14 | 岭南师范学院 | 一种无特征复杂曲面误差分析的快速坐标对齐方法 |
CN116721239A (zh) * | 2023-06-12 | 2023-09-08 | 山西阳光三极科技股份有限公司 | 一种基于多个雷达设备的自动化点云拼接方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
CN104599272A (zh) * | 2015-01-22 | 2015-05-06 | 中国测绘科学研究院 | 面向可移动靶标球的机载LiDAR点云与影像联合配准方法 |
US20160379366A1 (en) * | 2015-06-25 | 2016-12-29 | Microsoft Technology Licensing, Llc | Aligning 3d point clouds using loop closures |
CN108151668A (zh) * | 2017-12-15 | 2018-06-12 | 西安交通大学 | 一种叶片型面全数据测量拼接方法及装置 |
US20180315214A1 (en) * | 2017-04-27 | 2018-11-01 | Sick Ag | Method of calibrating a camera and a laser scanner |
CN109238168A (zh) * | 2018-08-06 | 2019-01-18 | 大连理工大学 | 大尺寸测量件表面三维形状高精度测量方法 |
CN109584292A (zh) * | 2018-11-14 | 2019-04-05 | 南京农业大学 | 一种基于Kinect自主标定的果树三维形态测量系统 |
CN110363707A (zh) * | 2019-06-28 | 2019-10-22 | 西安交通大学 | 一种基于约束物虚拟特征的多视三维点云拼接方法 |
CN111551111A (zh) * | 2020-05-13 | 2020-08-18 | 华中科技大学 | 一种基于标准球阵的零件特征机器人快速视觉定位方法 |
KR102152436B1 (ko) * | 2019-03-04 | 2020-09-04 | 광운대학교 산학협력단 | 3차원 포인트 클라우드 기반의 동적 3차원 모델 생성을 위한 뼈대 정보 처리 시스템 및 방법 |
-
2021
- 2021-04-26 CN CN202110454695.0A patent/CN113269673B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
CN104599272A (zh) * | 2015-01-22 | 2015-05-06 | 中国测绘科学研究院 | 面向可移动靶标球的机载LiDAR点云与影像联合配准方法 |
US20160379366A1 (en) * | 2015-06-25 | 2016-12-29 | Microsoft Technology Licensing, Llc | Aligning 3d point clouds using loop closures |
US20180315214A1 (en) * | 2017-04-27 | 2018-11-01 | Sick Ag | Method of calibrating a camera and a laser scanner |
CN108151668A (zh) * | 2017-12-15 | 2018-06-12 | 西安交通大学 | 一种叶片型面全数据测量拼接方法及装置 |
CN109238168A (zh) * | 2018-08-06 | 2019-01-18 | 大连理工大学 | 大尺寸测量件表面三维形状高精度测量方法 |
CN109584292A (zh) * | 2018-11-14 | 2019-04-05 | 南京农业大学 | 一种基于Kinect自主标定的果树三维形态测量系统 |
KR102152436B1 (ko) * | 2019-03-04 | 2020-09-04 | 광운대학교 산학협력단 | 3차원 포인트 클라우드 기반의 동적 3차원 모델 생성을 위한 뼈대 정보 처리 시스템 및 방법 |
CN110363707A (zh) * | 2019-06-28 | 2019-10-22 | 西安交通大学 | 一种基于约束物虚拟特征的多视三维点云拼接方法 |
CN111551111A (zh) * | 2020-05-13 | 2020-08-18 | 华中科技大学 | 一种基于标准球阵的零件特征机器人快速视觉定位方法 |
Non-Patent Citations (5)
Title |
---|
CHI YUAN等: "3D point cloud matching based on principal component analysis and iterative closest point algorithm", 《2016 INTERNATIONAL CONFERENCE ON AUDIO, LANGUAGE AND IMAGE PROCESSING (ICALIP)》 * |
乔建委等: "基于迭代最近点算法的激光点云拼接研究", 《山东理工大学学报(自然科学版)》 * |
廖海平等: "多测源数据融合下的点云配准方法研究", 《机械设计与制造》 * |
袁建英等: "利用标志点多视图约束实现结构光扫描高精度粗拼接", 《计算机辅助设计与图形学学报》 * |
陆艺等: "基于标准球距离约束的工业机器人参数标定", 《计量学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820604A (zh) * | 2022-06-27 | 2022-07-29 | 四川大学 | 基于最邻近点距离损失的叶片型线数据拼接方法及设备 |
CN114820604B (zh) * | 2022-06-27 | 2022-09-09 | 四川大学 | 基于最邻近点距离损失的叶片型线数据拼接方法及设备 |
CN115795579A (zh) * | 2022-12-23 | 2023-03-14 | 岭南师范学院 | 一种无特征复杂曲面误差分析的快速坐标对齐方法 |
CN115795579B (zh) * | 2022-12-23 | 2023-06-27 | 岭南师范学院 | 无特征复杂曲面测量误差分析的快速坐标对齐方法 |
CN116721239A (zh) * | 2023-06-12 | 2023-09-08 | 山西阳光三极科技股份有限公司 | 一种基于多个雷达设备的自动化点云拼接方法 |
CN116721239B (zh) * | 2023-06-12 | 2024-01-26 | 山西阳光三极科技股份有限公司 | 一种基于多个雷达设备的自动化点云拼接方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113269673B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113269673B (zh) | 一种基于标准球架的三维点云拼接方法 | |
CN110689579A (zh) | 基于合作目标的快速单目视觉位姿测量方法及测量系统 | |
CN106651942A (zh) | 基于特征点的三维旋转运动检测与旋转轴定位方法 | |
CN110966935B (zh) | 基于标志点的偏折测量系统一体化几何标定方法 | |
CN110940267B (zh) | 测量方法及其测量系统 | |
CN114413788B (zh) | 基于双目视觉和反向模型重构的零件表面图案检测方法 | |
CN110827360B (zh) | 一种光度立体式测量系统及其标定光源方向的方法 | |
CN113119129A (zh) | 一种基于标准球的单目测距定位方法 | |
Liu et al. | A three-dimensional triangular vision-based contouring error detection system and method for machine tools | |
CN116402792A (zh) | 一种基于三维点云的空间孔位对接方法 | |
CN113074660A (zh) | 一种大尺寸透明物体的面型测量方法 | |
Grudziński et al. | Stereovision tracking system for monitoring loader crane tip position | |
CN113916128A (zh) | 一种基于光笔式视觉测量系统的提高精度的方法 | |
Li et al. | Uncalibrated Euclidean 3-D reconstruction using an active vision system | |
CN112712566A (zh) | 基于结构参数在线校正的双目立体视觉传感器测量方法 | |
CN111998823A (zh) | 基于双目异光源测距装置的目标测距方法 | |
CN111968182A (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN115908562A (zh) | 一种异面点合作标志器及测量方法 | |
CN108801187A (zh) | 基于坐标变换的导轨滑台运动的几何误差辨识方法 | |
CN115164793A (zh) | 微纳米级复合测量的坐标统一标定器及标定方法 | |
CN114170321A (zh) | 一种基于测距的相机自标定方法及系统 | |
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 | |
CN110260817B (zh) | 基于虚拟标志点的复杂曲面偏折测量自定位方法 | |
CN113758422B (zh) | 一种发散型多线激光条纹的编号及识别方法 | |
CN113865514A (zh) | 一种线结构光三维测量系统标定方法 |
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 |