CN113758422B - 一种发散型多线激光条纹的编号及识别方法 - Google Patents

一种发散型多线激光条纹的编号及识别方法 Download PDF

Info

Publication number
CN113758422B
CN113758422B CN202111056930.5A CN202111056930A CN113758422B CN 113758422 B CN113758422 B CN 113758422B CN 202111056930 A CN202111056930 A CN 202111056930A CN 113758422 B CN113758422 B CN 113758422B
Authority
CN
China
Prior art keywords
area
light
pixel
stripe
stripes
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
CN202111056930.5A
Other languages
English (en)
Other versions
CN113758422A (zh
Inventor
李文国
侯大猛
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.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and 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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202111056930.5A priority Critical patent/CN113758422B/zh
Publication of CN113758422A publication Critical patent/CN113758422A/zh
Application granted granted Critical
Publication of CN113758422B publication Critical patent/CN113758422B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种发散型多线激光条纹的编号及识别方法，属于计算机视觉测量技术领域。包括：1、对光条纹进行编号和区域划分；2、对工业相机采集到的光条纹图像进行滤波处理及中心线提取；3、对于步骤2中所获得的中心线像素坐标，计算步骤1中所划分的各区域的参数，包括该区域左侧第一根光条纹相对于基础区域左侧第一根光条纹的像素横坐标偏移量dx1，该区域左侧第二根光条纹相对于基础区域左侧第二根光条纹的像素横坐标偏移量dx2；4、根据步骤3所得到的各区域参数，结合初步计算像素横坐标x的公式判别出光条纹的编号。本发明适用于投射发散型多线激光的三维视觉测量系统，能够解决多线激光条纹之间的混淆问题，避免后续三维测量的错误。

Description

一种发散型多线激光条纹的编号及识别方法
技术领域
本发明涉及一种发散型多线激光条纹的编号及识别方法，属于计算机视觉测量技术领域。
背景技术
近年来，随着信息化与智能化的发展，结构光视觉测量技术广泛应用于现代智能制造，而传统的三坐标测量仪和柔性测量臂等接触式测量方法虽然能够满足测量精度的要求，但存在易损伤基础表面、无法测量结构尺寸小于侧头半径的凹面等缺陷。结构光视觉测量技术属于非接触式的测量方法，它利用光学成像的技术识别待测物体的空间位置和外貌，具有成本低、精度适中和便于集成等优点，在某些领域逐渐替代接触式测量，并取得了快速发展。
结构光视觉测量技术根据激光器所投射出的激光类型可分析点激光、线激光和面激光。对于线激光视觉测量系统来说，包括单线激光和多线激光。在多线激光视觉测量系统中，求取物体表面的光条纹中心线的三维坐标时，需要知道所提取的光条纹中心线对应的光平面方程。将所提取到的物体表面的光条纹中心线上的每一个点与工业相机连成直线，然后求取直线与对应光平面的交点，即可得到物体表面的中心线在工业相机坐标系下的三维坐标。因此，物体表面的光条纹中心线与光平面方程要做到一一对应，否则会给后续的三维测量带来严重的误差。目前，国内外常用的线激光条纹中心线的提取方法主要有几何中心法、阈值法、极值法、Steger、灰度重心法等，这些方法的提取精度、提取速度和抗干扰性各有优劣。
发明内容
针对现有的发散型多线激光三维测量系统，本发明提供了一种发散型多线激光条纹的编号及识别方法，能够准确的识别光条纹的编号，解决多线激光条纹之间的混淆问题，避免后续三维测量的错误。
本发明采用的技术方案是：一种发散型多线激光条纹的编号及识别方法，包括以下步骤：
步骤1：采用发散型多线激光器投射光条纹，并将光条纹进行编号和区域划分；
步骤2：用工业相机对步骤1中的光条纹进行拍照，获得光条纹图像，对获得的光条纹图像进行滤波处理及中心线提取；
步骤3：根据步骤2中提取的中心线的像素坐标，计算步骤1中所划分的各区域的参数，各区域的参数包括：该区域左侧第一根光条纹相对于基础区域左侧第一根光条纹的像素横坐标偏移量dx1，该区域左侧第二根光条纹相对于基础区域左侧第二根光条纹的像素横坐标偏移量dx2；
步骤4：根据步骤3所得到的各区域参数，结合初步计算像素横坐标x的公式判别出光条纹的编号。
具体地，步骤1中对光条纹编号是将由工业相机采集到的图像中的光条纹自左向右编号。本发明步骤1中发散型多线激光器共投射出25条光条纹，光条纹编号是将由工业相机采集到的图像中的光条纹自左向右编号为1至25。
具体地，步骤1中区域划分原则为：将工作台表面设为基础区域，根据物体表面光条纹的断续情况进行区域划分，基础区域无需计算步骤3所述的区域参数dx1和dx2。
具体地，所述步骤3中像素横坐标偏移量dx1和像素横坐标偏移量dx2的计算公式如下：
dxi＝|xLi-xi|,i＝1,2
其中，xLi(i＝1,2)为该区域左侧第一根和第二根光条纹的像素横坐标，xi(i＝1,2)为基础区域左侧第一根和第二根光条纹的像素横坐标。
具体地，步骤4中的初步计算像素横坐标x的公式是基于斜射式激光三角测量法提出的：根据输入的查询坐标Xin，结合区域参数初步计算一个像素横坐标x，初步计算像素横坐标x的公式如下：
Figure BDA0003255037120000021
其中，x1为基础区域左侧第一根光条纹的像素横坐标，Xin为输入的查询坐标，dx为该区域的参数偏移量dx1和偏移量dx2的差值的绝对值，即dx＝|dx1-dx2|，m为该区域的参数偏移量dx1和偏移量dx2的均值，即
Figure BDA0003255037120000022
然后将计算得到的像素横坐标x与基础区域各个光条纹的像素横坐标xj(j＝1,2,3...,25)对比，计算像素横坐标x与基础区域各个光条纹的像素横坐标xj(j＝1,2,3...,25)的差值的绝对值，最小值对应的j便是光条纹的编号。
本发明的有益效果是：本发明提供了一种发散型多线激光条纹的编号及识别方法，能够准确的识别光条纹的编号，在求取物体表面光条纹中心线的三维坐标时，与光平面方程做到一一对应，有效避免了多线激光条纹之间的混淆问题。
附图说明
图1为本发明的系统流程图；
图2为本发明的编号识别原理示意图；
图3为本发明的区域划分及参数计算示意图；
图4为本发明的实验结果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1：如图1-4所示，本发明提供了一种发散型多线激光条纹的编号及识别方法，包括以下步骤：
步骤1：采用发散型多线激光器投射光条纹，并将光条纹进行编号和区域划分；
步骤2：用工业相机对步骤1中的光条纹进行拍照，获得光条纹图像，对获得的光条纹图像进行滤波处理及中心线提取；
步骤3：根据步骤2中提取的中心线的像素坐标，计算步骤1中所划分的各区域的参数，各区域的参数包括：该区域左侧第一根光条纹相对于基础区域左侧第一根光条纹的像素横坐标偏移量dx1，该区域左侧第二根光条纹相对于基础区域左侧第二根光条纹的像素横坐标偏移量dx2；
步骤4：根据步骤3所得到的各区域参数，结合初步计算像素横坐标x的公式判别出光条纹的编号。
进一步地，本发明使用的发散型多线激光器共投射出25条光条纹，所以所述步骤1中的光条纹编号是将由工业相机采集到的图像中的光条纹自左向右编号为1至25。
进一步地，所述步骤1中的区域划分原则为：将工作台表面设为基础区域，根据物体表面光条纹的断续情况进行区域划分。基础区域无需计算步骤3所述的区域参数dx1和dx2。
进一步地，本发明使用的发散型多线激光器共所射出的各激光线之间的夹角均为1.11°，由编号识别原理可知，区域参数像素横坐标偏移量dx与激光线夹角具有如下关系：
dxj＝htan[1.11°×(25-j)],j＝1,2,...,25
其中，h为光条纹所在高度，j为条纹的编号。
区域参数像素横坐标偏移量之间的差值的绝对值dx具有如下关系：
|dx1-dx2|≈|dx2-dx3|≈...≈|dx24-dx25|≈dx
进一步地，所述步骤3中区域参数偏移量dx1和偏移量dx2的实际计算公式如下：
dxi＝|xLi-xi|,i＝1,2
其中，xLi(i＝1,2)为该区域左侧第一根和第二根光条纹的像素横坐标，xi(i＝1,2)为基础区域左侧第一根和第二根光条纹的像素横坐标。
进一步地，步骤4中的初步计算像素横坐标x的公式是基于斜射式激光三角测量法提出的：根据输入的查询坐标Xin，结合区域参数初步计算一个像素横坐标x，初步计算像素横坐标x的公式如下：
Figure BDA0003255037120000041
其中，dx1为该区域左侧第一根光条纹相对于基础区域左侧第一根光条纹的像素横坐标偏移量，x1为基础区域左侧第一根光条纹的像素横坐标，Xin为输入的查询坐标，dx为该区域的参数偏移量dx1和偏移量dx2的差值的绝对值，即dx＝|dx1-dx2|，m为该区域的参数偏移量dx1和偏移量dx2的均值，即
Figure BDA0003255037120000042
然后将计算得到的像素横坐标x与基础区域各个光条纹的像素横坐标xj(j＝1,2,3...,25)对比，计算像素横坐标x与基础区域各个光条纹的像素横坐标xj(j＝1,2,3...,25)的差值的绝对值，最小值对应的j便是光条纹的编号。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，例如发散型多线激光器的型号参数，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种发散型多线激光条纹的编号及识别方法，其特征在于：包括以下步骤：
步骤1：采用发散型多线激光器投射光条纹，并将光条纹进行编号和区域划分；
步骤2：用工业相机对步骤1中的光条纹进行拍照，获得光条纹图像，对获得的光条纹图像进行滤波处理及中心线提取；
步骤3：根据步骤2中提取的中心线的像素坐标，计算步骤1中所划分的各区域的参数，各区域的参数包括：该区域左侧第一根光条纹相对于基础区域左侧第一根光条纹的像素横坐标偏移量dx1，该区域左侧第二根光条纹相对于基础区域左侧第二根光条纹的像素横坐标偏移量dx2；
步骤4：根据步骤3所得到的各区域参数，结合初步计算像素横坐标x的公式判别出光条纹的编号；
步骤1中区域划分原则为：将工作台表面设为基础区域，根据物体表面光条纹的断续情况进行区域划分，基础区域无需计算步骤3所述的区域参数dx1和dx2；
步骤4中的初步计算像素横坐标x的公式是基于斜射式激光三角测量法提出的：根据输入的查询坐标Xin，结合区域参数初步计算一个像素横坐标x，初步计算像素横坐标x的公式如下：
Figure FDA0003838874090000011
其中，x1为基础区域左侧第一根光条纹的像素横坐标，Xin为输入的查询坐标，dx为该区域的参数偏移量dx1和偏移量dx2的差值的绝对值，即dx＝|dx1-dx2|，m为该区域的参数偏移量dx1和偏移量dx2的均值，即
Figure FDA0003838874090000012
然后将计算得到的像素横坐标x与基础区域各个光条纹的像素横坐标xj对比，j＝1,2,3...,25，计算像素横坐标x与基础区域各个光条纹的像素横坐标xj的差值的绝对值，j＝1,2,3...,25，最小值对应的j便是光条纹的编号。
2.根据权利要求1所述的一种发散型多线激光条纹的编号及识别方法，其特征在于：步骤1中对光条纹编号是将由工业相机采集到的图像中的光条纹自左向右编号。
3.根据权利要求2所述的一种发散型多线激光条纹的编号及识别方法，其特征在于：步骤1中发散型多线激光器共投射出25条光条纹，光条纹编号是将由工业相机采集到的图像中的光条纹自左向右编号为1至25。
4.根据权利要求1所述的一种发散型多线激光条纹的编号及识别方法，其特征在于：所述步骤3中像素横坐标偏移量dx1和像素横坐标偏移量dx2的计算公式如下：
dxi＝|xLi-xi|,i＝1,2
其中，xLi为该区域左侧第一根和第二根光条纹的像素横坐标，i＝1,2，xi为基础区域左侧第一根和第二根光条纹的像素横坐标，i＝1,2。
CN202111056930.5A 2021-09-09 2021-09-09 一种发散型多线激光条纹的编号及识别方法 Active CN113758422B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111056930.5A CN113758422B (zh) 2021-09-09 2021-09-09 一种发散型多线激光条纹的编号及识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111056930.5A CN113758422B (zh) 2021-09-09 2021-09-09 一种发散型多线激光条纹的编号及识别方法

Publications (2)

Publication Number Publication Date
CN113758422A CN113758422A (zh) 2021-12-07
CN113758422B true CN113758422B (zh) 2022-10-14

Family

ID=78794347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111056930.5A Active CN113758422B (zh) 2021-09-09 2021-09-09 一种发散型多线激光条纹的编号及识别方法

Country Status (1)

Country Link
CN (1) CN113758422B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1979139A (zh) * 2005-11-30 2007-06-13 宝山钢铁股份有限公司 从焦炭的高分辨透射电镜图像定量分析焦炭微晶单元的方法
CN112116619A (zh) * 2020-09-16 2020-12-22 昆明理工大学 一种基于结构约束的多线结构光系统条纹中心线提取方法
CN112161574A (zh) * 2020-10-12 2021-01-01 昆明理工大学 一种基于发散型多线激光投影的三维测量系统及测量方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1979139A (zh) * 2005-11-30 2007-06-13 宝山钢铁股份有限公司 从焦炭的高分辨透射电镜图像定量分析焦炭微晶单元的方法
CN112116619A (zh) * 2020-09-16 2020-12-22 昆明理工大学 一种基于结构约束的多线结构光系统条纹中心线提取方法
CN112161574A (zh) * 2020-10-12 2021-01-01 昆明理工大学 一种基于发散型多线激光投影的三维测量系统及测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于改进质心法的激光条纹中心提取算法;席剑辉等;《火力与指挥控制》;20190531;第44卷(第5期);第149-153页 *

Also Published As

Publication number Publication date
CN113758422A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN106595528B (zh) 一种基于数字散斑的远心显微双目立体视觉测量方法
CN109163657B (zh) 一种基于双目视觉三维重建的圆形目标位姿检测方法
CN113744351B (zh) 基于多介质折射成像的水下结构光测量标定方法及系统
CN110298853B (zh) 面差视觉检测方法
CN105783786A (zh) 一种基于结构光视觉的零件倒角测量方法与装置
CN107816942A (zh) 一种基于十字结构光视觉系统的平面二维尺寸测量方法
CN106352817A (zh) 一种非接触四轮定位仪及其定位方法
CN108180888A (zh) 一种基于可转动摄像头的距离检测方法
CN113119129A (zh) 一种基于标准球的单目测距定位方法
CN112001973B (zh) 基于数字散斑相关的快速三维人头测量方法
CN111476798B (zh) 一种基于轮廓约束的车辆空间形态识别方法及系统
CN113269673A (zh) 一种基于标准球架的三维点云拼接方法
CN103884294A (zh) 一种宽视场的红外光三维形貌测量的方法及其装置
CN109341588B (zh) 一种双目结构光三系统法视角加权的三维轮廓测量方法
CN111968182B (zh) 一种双目相机非线性模型参数的标定方法
Yamauchi et al. Calibration of a structured light system by observing planar object from unknown viewpoints
CN113758422B (zh) 一种发散型多线激光条纹的编号及识别方法
CN110260817B (zh) 基于虚拟标志点的复杂曲面偏折测量自定位方法
CN110853103B (zh) 一种用于深度学习姿态估计的数据集制作方法
CN113240746A (zh) 基于理想成像平面的散斑结构光标定方法和设备
CN116958218A (zh) 一种基于标定板角点对齐的点云与图像配准方法及设备
CN105928484B (zh) 基于双目视觉的电梯导轨自动测量系统
CN209820423U (zh) 用于激光平面空间方程快速标定的辅助标靶屏幕装置
CN115265407A (zh) 基于立体视觉与模型恢复的金属材料三维形貌测量方法
CN108534716A (zh) 针对圆筒内壁检测的结构光光栅

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