CN114092563B - 一种基于t-mac的摄影测量光束法平差优化方法 - Google Patents

一种基于t-mac的摄影测量光束法平差优化方法 Download PDF

Info

Publication number
CN114092563B
CN114092563B CN202111237882.XA CN202111237882A CN114092563B CN 114092563 B CN114092563 B CN 114092563B CN 202111237882 A CN202111237882 A CN 202111237882A CN 114092563 B CN114092563 B CN 114092563B
Authority
CN
China
Prior art keywords
coordinate system
mac
camera
base
measurement
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
CN202111237882.XA
Other languages
English (en)
Other versions
CN114092563A (zh
Inventor
李泷杲
黄翔
石竹风
李�根
曾琪
陈芳
陆蕴仪
郭建平
楼佩煌
钱晓明
宋允辉
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.)
Suzhou Research Institute Of Nanjing University Of Aeronautics And Astronautics
Nanjing University of Aeronautics and Astronautics
Original Assignee
Suzhou Research Institute Of Nanjing University Of Aeronautics And Astronautics
Nanjing University of Aeronautics and Astronautics
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 Suzhou Research Institute Of Nanjing University Of Aeronautics And Astronautics, Nanjing University of Aeronautics and Astronautics filed Critical Suzhou Research Institute Of Nanjing University Of Aeronautics And Astronautics
Priority to CN202111237882.XA priority Critical patent/CN114092563B/zh
Publication of CN114092563A publication Critical patent/CN114092563A/zh
Application granted granted Critical
Publication of CN114092563B publication Critical patent/CN114092563B/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
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于T‑MAC的摄影测量光束法平差优化方法，包括以下步骤：S1：选取待测部件的CAD模型设计坐标系作为基坐标系，建立各测量坐标系与基坐标系之间的转换关系，标定摄影测量像空间坐标系，将测量结果统一至基坐标系下；S2：控制机器人带动相机，围绕待测部件多角度拍摄，提取相片中像点坐标信息，列出共线方程及对应的误差方程；S3：记录不同摄站下T‑MAC的位姿参数，通过坐标系标定结果求解基坐标系下的相机外参，建立约束方程；S4：利用光束法平差整体求解空间点三维坐标及改正后的相机外参。本发明该方法为摄影测量提供一种替代编码点拼接的相机定向和测量平差方法，保护了被测物体表面不被损坏，提高了摄影测量精度及自动化程度。

Description

一种基于T-MAC的摄影测量光束法平差优化方法
技术领域
本发明涉及一种摄影测量光束法平差方法，特别涉及一种基于T-MAC的摄影测量光束法平差优化方法，属于数字化测量技术领域。
背景技术
随着数字测量技术的发展，航空制造业对飞机部件在装配过程中测量的精度、范围和效率提出了更高的要求，因此，在不接触待测部件的情况下，满足此类需求的工业摄影测量技术引起了极大的关注。摄影测量作为一种数字化测量方法，具有高精度、高效率、便携等优点，已在航空工业中广泛应用。随着制造业的自动化发展趋势，摄影测量的研究重点已逐渐向自动化、柔性和拓展性上转移。传统的测量过程中，相机位姿的求解依赖于编码点的匹配，在图像的两两拼接过程中会形成累计误差，降低测量结果精度。同时，标记点的粘贴和清除工作易对被测物表面造成损坏。
因此，发明替代编码点拼接的高精度相机定向和测量平差方法，对提高摄影测量精度及自动化程度、保护被测物体有着重大意义。
发明内容
本发明的目的在于提供一种基于T-MAC的摄影测量光束法平差优化方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于T-MAC的摄影测量光束法平差优化方法，包括以下步骤：
S1：选取待测部件的CAD模型设计坐标系作为基坐标系，建立各测量坐标系与基坐标系之间的转换关系，标定摄影测量像空间坐标系，将测量结果统一至基坐标系下；
S2：控制机器人带动相机，围绕待测部件多角度拍摄，提取相片中像点坐标信息，列出共线方程及对应的误差方程；
S3：记录不同摄站下T-MAC的位姿参数，通过坐标系标定结果求解基坐标系下的相机外参，建立约束方程；
S4：利用光束法平差整体求解空间点三维坐标及改正后的相机外参。
作为本发明的一种优选技术方案，所述步骤S1中建立各测量坐标系与基坐标系之间的转换关系，标定摄影测量像空间坐标系包括以下步骤：
a1：将T-MAC与相机固联在移动机器人末端，则像空间坐标系与T-MAC坐标系之间的转换关系是固定的；
a2：利用激光跟踪仪测量3个及以上基准点，记基准点在基坐标系下的坐标为Pi Base，在测量坐标系下坐标为Pi Measurement，激光跟踪仪测量坐标系与基坐标系之间的转换关系
Figure BDA0003318075060000021
可由转换关系
Figure BDA0003318075060000022
求得；
a3：T-MAC在测量坐标系下的位姿MMeasurement可根据转换关系
Figure BDA0003318075060000023
计算；
a4：记T-MAC在基坐标系下位姿参数向量为
Figure BDA0003318075060000024
根据关系式
Figure BDA0003318075060000025
可以求得T-MAC在基坐标系下位姿参数；
a5：计算摄影测量像空间坐标系相对于基坐标系的转换矩阵
Figure BDA0003318075060000026
作为本发明的一种优选技术方案，所述步骤S2中提取相片中像点坐标信息，列出共线方程及对应的误差方程包括以下步骤：
b1：控制机器人带动相机，围绕待测部件多角度拍摄，并提取相片中像点坐标信息；
b2：根据共线方程列出误差方程组
Figure BDA0003318075060000031
b3：根据图像处理获取物方点Pj在j张相片上同名像点坐标，列出误差方程组：
Figure BDA0003318075060000032
作为本发明的一种优选技术方案，所述步骤S3中记录不同摄站下T-MAC的位姿参数，通过坐标系标定结果求解基坐标系下的相机外参，建立约束方程包括以下步骤：
c1：记录不同摄站下T-MAC的位姿参数，根据S1中坐标系标定结果转换得到基坐标系下的相机外参；
c2：根据T-MAC测得j张相片的外方位元素，建立约束方程组
Figure BDA0003318075060000033
作为本发明的一种优选技术方案，所述步骤S4中利用光束法平差整体求解空间点三维坐标及改正后的相机外参包括以下步骤：
d1：综合S2和S3中误差方程组，将总的误差方程写为V＝AX-L；
d2：整体求解待测点的三维空间坐标，其最小二乘解为
Figure BDA0003318075060000041
d3：将解得的各参数改正数值，补偿至误差方程组中，迭代求解直到所有外方位元素和待测点三维坐标的改正数均小于阈值。
与现有技术相比，本发明的有益效果是：本发明一种基于T-MAC的摄影测量光束法平差优化方法，采用移动机器人搭载工业摄影测量相机对待测部件进行拍摄，T-MAC激光跟踪系统追踪相机的位置姿态，替代编码点拼接的方式完成相机定向，将相机外方位元素与待测点三维坐标共同作为平差参数建立约束，改进光束法平差模型，实现待测点的高精度、快速测量。并使用激光投点器在部件表面投射激光点阵作为识别对象，可彻底避免因标记点的粘贴和清除工作对待测部件造成损坏，实现无接触式测量。
附图说明
图1本发明的系统示意图；
图2本发明的整体流程框图。
具体实施方式
对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供了一种基于T-MAC的摄影测量光束法平差优化方法，步骤1：选取待测部件的CAD模型设计坐标系作为基坐标系，建立各测量坐标系与基坐标系之间的转换关系，标定摄影测量像空间坐标系，将测量结果统一至基坐标系下。
通过3个及以上基准点建立激光跟踪仪测量坐标系与基坐标系之间的转换关系
Figure BDA0003318075060000051
设基准点在基坐标系下的坐标为Pi Base，在测量坐标系下坐标为Pi Measurement，则存在转换关系
Figure BDA0003318075060000052
用MMeasurement表示T-MAC在测量坐标系下的位姿，根据转换关系可得其在基坐标系下位姿为
Figure BDA0003318075060000053
像空间坐标系与T-MAC坐标系之间的转换关系固定，像空间坐标系相对于基坐标系的转换矩阵为
Figure BDA0003318075060000054
步骤2：控制机器人带动相机，围绕待测部件多角度拍摄，提取相片中像点坐标信息，列出共线方程及对应的误差方程。
假设相机无畸变，三维空间内物方点Pi处汇集了来自j个摄站的j条光线，列出j个共线方程：
Figure BDA0003318075060000055
内方位元素(x0,y0,f)认为是已标定过的已知值，将共线方程线性化后得到像点坐标误差方程式为：
Figure BDA0003318075060000061
上式中，vx、vy为像点坐标残差，
Figure BDA0003318075060000062
为用近似参数计算的像点坐标。
令
Figure BDA0003318075060000063
X1＝[ΔXS ΔYS ΔZS Δψ Δω Δκ]T，X2＝[ΔX ΔY ΔZ]T，
Figure BDA0003318075060000064
系数阵
Figure BDA0003318075060000065
像点坐标改正数方程式的一般式为：
V＝A1X1+A2X2-L
根据图像处理获取物方点Pj在j张相片上同名像点坐标，列误差方程组为：
Figure BDA0003318075060000066
式中：X1、X2、……、Xj分别代表j张相片外方位元素的改正数向量，Xj+1表示待测点三维坐标的改正数向量；A11、A12、……、Aj2分别为误差方程的系数阵；L1、L2、……、Lj为常数向量。
步骤3：记录不同摄站下T-MAC的位姿参数，通过坐标系标定结果求解基坐标系下的相机外参，建立约束方程。
设由T-MAC测得的第一张相片的外方位元素，经坐标系转换后在基坐标系下的值
Figure BDA0003318075060000067
外方位元素初始估值为
Figure BDA0003318075060000071
则有真值
Figure BDA0003318075060000072
其相应的误差方程为
Vj+1＝X1-Lj+1
以此类推，由T-MAC测得j张相片的外方位元素，并转换至基坐标系下，可得误差方程组：
Figure BDA0003318075060000073
步骤4：利用光束法平差整体求解空间点三维坐标及改正后的相机外参。
令
Figure BDA0003318075060000074
系数阵
Figure BDA0003318075060000075
(A为2j×(j+1)矩阵)。
综合步骤3和步骤4中误差方程组，可将总的误差方程写为
V＝AX-L
把待测点的像坐标及由T-MAC测得的相片外方位元素共同视为观测量，整体求解待测点的三维空间坐标，只要有足够的观测值，其最小二乘解为
Figure BDA0003318075060000076
式中，P为和观测值的权，实际计算中常取单位阵；ΣX为X的协方差阵。
将解得的各参数改正数值，补偿至误差方程组中，迭代求解直到所有外方位元素和待测点三维坐标的改正数均小于阈值。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种基于T-MAC的摄影测量光束法平差优化方法，其特征在于，包括以下步骤：
S1：选取待测部件的CAD模型设计坐标系作为基坐标系，建立各测量坐标系与基坐标系之间的转换关系，标定摄影测量像空间坐标系，将测量结果统一至基坐标系下；
S2：控制机器人带动相机，围绕待测部件多角度拍摄，提取相片中像点坐标信息，列出共线方程及对应的误差方程；
S3：记录不同摄站下T-MAC的位姿参数，通过坐标系标定结果求解基坐标系下的相机外参，建立约束方程；
S4：利用光束法平差整体求解空间点三维坐标及改正后的相机外参；
所述步骤S2中提取相片中像点坐标信息，列出共线方程及对应的误差方程包括以下步骤：
b1：控制机器人带动相机，围绕待测部件多角度拍摄，并提取相片中像点坐标信息；
b2：根据共线方程列出误差方程组
Figure FDA0003904388110000011
b3：根据图像处理获取物方点Pj在j张相片上同名像点坐标，列出误差方程组：
Figure FDA0003904388110000021
所述步骤S3中记录不同摄站下T-MAC的位姿参数，通过坐标系标定结果求解基坐标系下的相机外参，建立约束方程包括以下步骤：
c1：记录不同摄站下T-MAC的位姿参数，根据S1中坐标系标定结果转换得到基坐标系下的相机外参；
c2：根据T-MAC测得j张相片的外方位元素，建立约束方程组
Figure FDA0003904388110000022
所述步骤S4中利用光束法平差整体求解空间点三维坐标及改正后的相机外参包括以下步骤：
d1：综合S2和S3中误差方程组，将总的误差方程写为V＝AX-L；
d2：整体求解待测点的三维空间坐标，其最小二乘解为
Figure FDA0003904388110000023
d3：将解得的各参数改正数值，补偿至误差方程组中，迭代求解直到所有外方位元素和待测点三维坐标的改正数均小于阈值。
2.根据权利要求1所述的一种基于T-MAC的摄影测量光束法平差优化方法，其特征在于：所述步骤S1中建立各测量坐标系与基坐标系之间的转换关系，标定摄影测量像空间坐标系包括以下步骤：
a1：将T-MAC与相机固联在移动机器人末端，则像空间坐标系与T-MAC坐标系之间的转换关系是固定的；
a2：利用激光跟踪仪测量3个及以上基准点，记基准点在基坐标系下的坐标为Pi Base，在测量坐标系下坐标为Pi Measurement，激光跟踪仪测量坐标系与基坐标系之间的转换关系
Figure FDA0003904388110000031
可由转换关系
Figure FDA0003904388110000032
求得；
a3：T-MAC在测量坐标系下的位姿MMeasurement可根据转换关系
Figure FDA0003904388110000033
计算；
a4：记T-MAC在基坐标系下位姿参数向量为
Figure FDA0003904388110000034
根据关系式
Figure FDA0003904388110000036
可以求得T-MAC在基坐标系下位姿参数；
a5：计算摄影测量像空间坐标系相对于基坐标系的转换矩阵
Figure FDA0003904388110000037
CN202111237882.XA 2021-10-25 2021-10-25 一种基于t-mac的摄影测量光束法平差优化方法 Active CN114092563B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111237882.XA CN114092563B (zh) 2021-10-25 2021-10-25 一种基于t-mac的摄影测量光束法平差优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111237882.XA CN114092563B (zh) 2021-10-25 2021-10-25 一种基于t-mac的摄影测量光束法平差优化方法

Publications (2)

Publication Number Publication Date
CN114092563A CN114092563A (zh) 2022-02-25
CN114092563B true CN114092563B (zh) 2022-11-29

Family

ID=80297518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111237882.XA Active CN114092563B (zh) 2021-10-25 2021-10-25 一种基于t-mac的摄影测量光束法平差优化方法

Country Status (1)

Country Link
CN (1) CN114092563B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114608540B (zh) * 2022-03-17 2023-06-16 中国科学院紫金山天文台 一种数字摄影测量系统的测量网型确定方法
CN114877870B (zh) * 2022-05-18 2023-07-14 大连理工大学 基于虚拟基准尺的大尺寸摄影测量精度提升方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102519436B (zh) * 2011-12-28 2013-07-24 武汉大学 一种嫦娥一号立体相机与激光高度计数据联合平差方法
CN103364012B (zh) * 2013-07-18 2017-04-12 中测新图(北京)遥感技术有限责任公司 一种带约束条件的多面阵航摄仪平台检校方法
CN103499293B (zh) * 2013-09-02 2017-01-11 西安交通大学 一种数控机床的激光跟踪仪虚拟多站式测量方法
CN103591891B (zh) * 2013-11-20 2015-04-29 天津大学 室内空间测量定位系统的精密控制场精度溯源方法
CN106885585B (zh) * 2016-12-30 2020-01-21 自然资源部国土卫星遥感应用中心 一种基于光束法平差的星载摄影测量系统一体化检校方法
CN107192375B (zh) * 2017-04-28 2019-05-24 北京航空航天大学 一种基于航拍姿态的无人机多帧图像自适应定位校正方法
CN107941201B (zh) * 2017-10-31 2019-08-02 武汉大学 光线同姿约束的零交会光学卫星影像联合平差方法及系统
CN109613519B (zh) * 2019-01-11 2020-11-13 清华大学 基于多激光跟踪仪测量场的对合调姿方法
CN109977344B (zh) * 2019-03-20 2022-11-25 武汉大学 一种星载夜光遥感影像的区域网平差方法
US11002541B2 (en) * 2019-07-23 2021-05-11 Trimble Inc. Target positioning with electronic distance measuring and bundle adjustment
CN110260822B (zh) * 2019-06-18 2021-01-19 西安交通大学 一种多目结构光系统高精度标定方法
CN113324528B (zh) * 2021-05-18 2023-04-07 武汉大学 已知摄站位置的近景摄影测量目标定位方法及系统

Also Published As

Publication number Publication date
CN114092563A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN114092563B (zh) 一种基于t-mac的摄影测量光束法平差优化方法
CN111531547B (zh) 一种基于视觉测量的机器人标定及检测方法
CN105096329B (zh) 一种精确校正超广角摄像头图像畸变的方法
CN110969668A (zh) 一种长焦双目相机的立体标定算法
CN110345921B (zh) 立体视场视觉测量及垂轴像差和轴向像差校正方法及系统
CN106457562A (zh) 用于校准机器人的方法和机器人系统
CN109493389B (zh) 一种基于深度学习的相机标定方法及系统
CN112929626B (zh) 一种基于智能手机影像的三维信息提取方法
CN107330927B (zh) 机载可见光图像定位方法
CN114474056B (zh) 一种面向抓取操作的单目视觉高精度目标定位方法
CN111784778A (zh) 基于线性求解非线性优化的双目相机外参标定方法和系统
CN114705122B (zh) 一种大视场立体视觉标定方法
CN110919658A (zh) 一种基于视觉和多坐标系闭环转换的机器人标定方法
CN111538029A (zh) 一种视觉与雷达融合的测量方法及终端
CN109544642B (zh) 一种基于n型靶标的tdi-ccd相机参数标定方法
CN112873213B (zh) 一种提升六关节机器人工具坐标系标定精度的方法
CN109087339A (zh) 一种激光扫描点与影像配准方法
CN112507755B (zh) 最小化二维码角点重投影误差的目标物体六自由度定位方法及系统
CN104156974A (zh) 基于多重约束的摄像机畸变标定方法
CN114049401A (zh) 双目相机标定方法、装置、设备及介质
CN111553954B (zh) 一种基于直接法单目slam的在线光度标定方法
CN111121818B (zh) 一种无人车中相机与二维码的标定方法
CN111899304B (zh) 远心光路畸变中心定位方法
CN113390394B (zh) 一种带有摄影比例尺的光束法平差算法
CN109767469B (zh) 一种安装关系的标定方法、系统及存储介质

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