CN114119731B - 一种线激光3d相机点云轮廓线的等间隔采样方法 - Google Patents
一种线激光3d相机点云轮廓线的等间隔采样方法 Download PDFInfo
- Publication number
- CN114119731B CN114119731B CN202111434805.3A CN202111434805A CN114119731B CN 114119731 B CN114119731 B CN 114119731B CN 202111434805 A CN202111434805 A CN 202111434805A CN 114119731 B CN114119731 B CN 114119731B
- Authority
- CN
- China
- Prior art keywords
- point
- sampling
- contour
- camera
- points
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 37
- XECAHXYUAAWDEL-UHFFFAOYSA-N acrylonitrile butadiene styrene Chemical compound C=CC=C.C=CC#N.C=CC1=CC=CC=C1 XECAHXYUAAWDEL-UHFFFAOYSA-N 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000012805 post-processing Methods 0.000 abstract description 4
- 238000013500 data storage Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了线激光3D相机点云轮廓线的等间隔采样方法，涉及机器视觉领域，步骤包括：设定沿X轴的采样间隔为d；确立所有采样点Xi的位置；利3D相机获取轮廓点序列P；遍历所有轮廓点，确定P里面是否存在有点云数据的有效点；自左至右遍历采样点Xi，寻找距离Xi最近的轮廓点；对于当前Xi，从轮廓点Pj开始遍历，判断轮廓点Pj为有效点还是无效点，进而执行相对应步骤；直至当i＝N+1时，结束采样流程。本发明只需要存储Z的信息，极大的减少点云数据存储量，且为点云后处理的分析、计算提供便利条件。
Description
技术领域
本发明涉及工业机器视觉的技术领域，尤其是涉及一种线激光3D相机点云轮廓线的等间隔采样方法。
背景技术
在工业领域，根据需求不同，3D轮廓测量技术主要分为接触式和非接触式 两大类。接触式方法通过测量工具与物体接触来进行测量，会对物体产生挤压， 导致被测物体发生形变，测量精度和应用场景都有限。非接触式方法无需与被测 物体接触，即可获取其3D信息，具有非接触、视场大、精度高、速度快等优点。
主动投影式3D成像技术根据光源的特点，可分为点、线、面3D相机。点 3D相机具有扫描速度慢、获取信息量少等缺点，限制了其应用范围。面结构光 3D相机易受镜头视野范围的影响，对测量物体的尺寸有严格的限制。而线激光 3D相机具有实时性、精度高、原理简单、能量集中、单色不易受环境光干扰等 优点，同时结合运动机构，可以对任意尺寸的物体进行测量。
线激光3D相机是由相机与激光线投射器组成的测量仪器。其原理是，镜头 接收物体漫反射光在CMOS成像，通过检测激光线位置变换，根据三角测量法， 获取高度信息。在工业领域，目前已被广泛应用于高度、厚度、宽度、半径、平 坦度、角度、位置、形状等的测量和定位过程中。
而现有技术中，当激光平面垂直于运动方向时，相机与激光平面呈一定的角 度，CMOS成像时，每一行的单个像素代表的物理尺寸不同，使得点云呈现上密 下疏，导致点云每个点都要存储(X,Z)信息，存储量巨大；对于点云的后处理，如 滤波、填充等，难以操作；当点云转为深度图后，会呈现上款狭窄的特点，不能 真实反应物体的尺寸比例，且还存在点云轮廓线随着物体成像高度的变化在水平 方向(X轴方向)的物理间隔不同的问题。
中国专利CN201710247657.1公开了一种基于独立相机视角下空间采样的多 光编码相机的深度提取方法，应用于以多深度少纹理为基础的多视点采集和重建 架构。该发明从独立的光编码深度相机视角出发，通过对采集场景进行空间分层 采样的方式解决多光编码相机系统存在相互干扰的问题，从而获得无干扰的场景 深度图。该发明与基于结构光及多视点立体的平面扫描方法相比，可有效降低多 光编码相机间的干扰，在获得精确深度信息的同时能够更好地保留场景的形状信 息，为三维场景重建提供高质量、高精度的深度图像。但是仍然存在点云轮廓线 随着物体成像高度的变化在水平方向(X轴方向)的物理间隔不同的问题。
中国非专利文献“结构光三维成像技术”，苏显渝,张启灿,陈文静，四川大学 电子信息学院广电科学技术系，记载了结构光三维成像技术通常采用的技术方案 是投影一个载频条纹到被测物体表面，利用成像设备从另一个角度记录受到被测 物体高度调制的变形条纹图像，再从获取的变形条纹图中数字解调重建出被测物 体的三维数字像。与全息三维成像对应，结构光三维成像过程也是两步成像过程， 先获取物体被结构光条纹调制的二维图像，再从包含变形条纹的二维像中通过数 字重建方法得到物体的三维数字像。讨论了基于傅里叶条纹分析、相移条纹分析 和动态过程三维成像的方法，给出了相关应用的实验结果，分析了结构光三维成 像的特点以及该领域进后的发展动向。但是其并未针对物体成像高度在水平方向 (X轴方向)的物理间隔以及针对点云上要存储(X,Z)信息进行的分析，且并未解决 成像结果出现上宽下窄的问题。
中国专利CN201310351171.4公开了一种基于弹性匹配的目标识别方法，所 述方法包括以下步骤：S1、采用轮廓提取算法提取出目标的轮廓特征；S2、计算 出目标轮廓上每个点的曲率值；S3、将轮廓点按照曲率值的大小进行分层描述； S4、将不同目标的轮廓特征分段采用PCA-SC距离进行相似性度量；S5、将目标 的轮廓特征分段进行可靠性度量；S6、将目标相似性和可靠性指标归一化，采用 弹性匹配距离进行目标后识别。该发明可以对目标形状进行有效的相似性度量， 对目标特征描述具有更大的区分度，具有尺度不变性、旋转不变性和平移不变性， 提高了识别的准确率和鲁棒性，减小了计算复杂度。但是该发明涉及的计算过程 过多，且也并未体现如何解决点云轮廓线随着物体成像高度的变化在水平方向(X 轴方向)的物理间隔不同的问题。
发明内容
为了解决现有中存储量大、难以操作以及当点云转为深度图后，会呈现上宽 下窄且不能真实反应物体尺寸比例的技术问题，本发明提供了一种线激光3D相 机点云轮廓线的等间隔采样方法。
为了实现本发明的目的，本发明采用的技术方案如下：
一种线激光3D相机点云轮廓线的等间隔采样方法，步骤包括：
步骤S1：设定沿X轴的采样间隔为d，将3D相机视野上端的分辨率设为d0， 将3D相机视野下端的分辨率设为d1，d的取值范围设为d∈[d0,d1]；
步骤S2：将3D相机视野的中心位置设为基点，以COMS的水平方向像素数 为采样数量N，结合采样间隔d，确立所有采样点Xi的位置；
步骤S3：利用3D相机获取轮廓线上的轮廓点序列P；
步骤S4：运行存储在计算机内的程序遍历所有轮廓点，确定轮廓点序列P 里面是否存在有点云数据的有效点，若不存在有效点，则将所有的采样值Zi清零， 即Zi＝0，并结束采样过程；若存在有效点，则继续执行后续步骤；
步骤S5：起始时，自左至右遍历所有的采样点Xi，寻找距离采样点Xi最近的 轮廓点序列P中的轮廓点Pj，令j＝1；
步骤S6：执行时，对于当前采样点Xi，从轮廓点Pj开始遍历，若寻找的轮廓 点Pj为有效点，则执行da＝Pj.X-Xi；否则令j＝j+1，并再次执行步骤S6；
步骤S7：若ABS(da)≥d，即判断轮廓点Pj不是候选点，令j＝j+1，并返回步 骤S6；若ABS(da)<d，且da<0，则执行步骤S8；
步骤S8：当Pj+1为不包含点云数据的无效点时，则采样值为Zi＝Pj.Z，令 i＝i+1,j＝j+1，返回步骤S6；当Pj+1为有效点，并且db＝Pj+1.X-Xi， ABS(db)<d时，则Pj+1也是候选点；此时若db>0，则有Pj.X<Xi<Pj+1.X，采 样点Xi在Pj与Pj+1之间；当ABS(da)<ABS(db)时，采样值Zi＝Pj.Z；若 ABS(da)≥ABS(db)，则令i＝i+1,j＝j+1，采样值Zi＝Pj+1.Z，并返回步骤 S6；
步骤S9：当i＝N+1时，结束采样流程。
进一步地，所述步骤S1至步骤S2为确定等间隔采样点位置的操作步骤。
进一步地，所述步骤S1中，当d＝d0时，具有最高的分辨率；d＝d1时，具有最 低的分辨率。
进一步地，所述步骤S2中的采样点Xi的确立步骤为：
步骤1：将3D相机视野中X＝0的位置设为相机视野的中心位置；
步骤2：根据轮廓点数N和采样间隔d，将采样点Xi的起始点位置设为 X1＝Xc-d*N/2，依次确定X2＝X1+d，X3＝X2+d，Xi＝Xi-1+d直至 XN＝XN-1+d；
步骤3：确定采样点Xi，结束操作。
进一步地，所述采样点Xi是依次排列的位置，采样点Xi为待赋值的点。
进一步地，所述步骤S3至步骤S9为采样实施过程，其中，利用3D相机获取轮 廓线并由程序遍历所有采样点Xi，从轮廓线上的轮廓点序列P中选取距离采样点 距离最近的轮廓点Pj，且当轮廓点Pj的X值与当前采样点Xi的距离关系满足 ABS(Pj.X-Xi)<d时，则将轮廓点Pj的Z值作为当前采样点Xi的采样值Zi，即 Zi＝Pj.Z，其中的ABS代表的是绝对值含义。
进一步地，所述步骤S4中的采样值Zi为待赋值的点的Z值。
进一步地，所述步骤S5中自左至右遍历所有的采样点是指自左至右的顺序依次遍历采样点X1、X2、X3...Xi...XN。
进一步地，所述步骤S7和步骤S8中的候选点为满足条件ABS(da)<d且da<0的 有效点。
与现有技术相比，本发明的有益效果具体体现在：
(1)本发明只需要存储Z的信息，极大的减少点云数据存储量，且为点云 后处理的分析、计算提供便利条件；
(2)本发明中的点云图转深度图后仍可以真实的反应物体的物理尺寸。
附图说明
图1为现有技术中线激光相机的结构示意图；
图2为现有技术中线激光相机成像原理图；
图3为本发明的流程框图；
图4为实施例1等间隔采样前的结构示意图；
图5为实施例1等间隔采样后的结构示意图；
附图标记如下：1.CMOS；2.镜头；3.激光线投射器；4.待测物体；5.激光器； 6.工件；7.目镜。
具体实施方式
为使本发明的目的和技术方案更加清楚，下面将结合实施例，对本发明的技 术方案进行清楚、完整地描述。
实施例1
如图1和图2所示的现有中线激光相机的结构图，包括CMOS 1；镜头2； 激光线投射器3；待测物体4；激光器5；工件6；目镜7。
结合图3-图5所示的一种线激光3D相机点云轮廓线的等间隔采样方法，具 体的步骤包括：
步骤S1：设定沿X轴的采样间隔为d，将3D相机视野上端的分辨率设为d0， 将3D相机视野下端的分辨率设为d1，d的取值范围设为d∈[d0,d1]；
步骤S2：将3D相机视野的中心位置设为基点，以COMS的水平方向像素数 为采样数量N，结合采样间隔d，确立所有采样点Xi的位置；
其中，步骤S1至步骤S2为确定等间隔采样点位置的操作步骤。
步骤S1中，当d＝d0时，具有最高的分辨率；d＝d1时，具有最低的分辨率。 步骤S1中对采样间隔d的设定根据实际的任务需要而设定的，具体的，当使用 大的采样间隔时，会获得较低的X分辨率，轮廓线的有效点数就会减少，进而减 少cpu的处理时间。当使用小的采样间隔时，会获得较高的X分辨率，轮廓线的 有效点数就会增加，进而减少cpu的处理时间。
步骤S2中的采样点Xi的确立步骤具体为：
步骤1：将3D相机视野中X＝0的位置设为相机视野的中心位置；
步骤2：根据轮廓点数N和采样间隔d，将采样点Xi的起始点位置设为 X1＝Xc-d*N/2，依次确定X2＝X1+d，...Xi＝Xi-1+d，...XN＝XN-1+d， 共计N各采样点，其中，采样点Xi中的i＝1,2,…,N；
步骤3：确定采样点Xi，结束操作。
具体的，采样点是依次排列的位置，采样点Xi为待赋值的点，例如平时用的 尺子，每隔1mm一个刻度，每个刻度可视为一个采样点；
步骤S3：利用3D相机获取轮廓线上的轮廓点序列Pi；
步骤S4：运行存储在计算机内的程序遍历所有轮廓点，确定轮廓点序列P 里面是否存在有点云数据的有效点，若不存在有效点，则将所有的采样值Zi清零， 即Zi＝0，并结束采样过程；若存在有效点，则继续执行后续步骤；
具体的，有效点就是包含点云数据的点；其中采样值Zi中的i＝1,2,…,N； 且轮廓点序列中的Pi每个点都有一对坐标(X,Z)，位于直角坐标系XOZ平面上，点 Pj是轮廓点序列P中的一个点。步骤S4中的采样值为待赋值的点的Z值。且运 行存储在计算机内的程序遍历所有轮廓点具体是轮廓点数据可以通过网口由下 位机相机端传输到上位机主机。但是相机本身也可以是一个计算机系统，也即是 程序也可以运行在相机内部。
步骤S5：起始时，自左至右遍历所有的采样点Xi，寻找距离采样点Xi最近的 轮廓点序列P中的轮廓点Pj，令j＝1；具体的，步骤S5中自左至右遍历所有的 采样点是指自左至右的顺序依次遍历采样点X1、X2、X3...Xi...XN；
步骤S6：执行时，对于当前采样点Xi，从轮廓点Pj开始遍历，若寻找的轮廓 点Pj为有效点，则执行da＝Pj.X-Xi；否则令j＝j+1，并再次执行步骤S6；其中 i和j在遍历过程中会具有不同的值。
步骤S7：若ABS(da)≥d，即判断轮廓点Pj不是候选点，令j＝j+1，并返回步 骤S6；若ABS(da)<d，且da<0，则执行步骤S8；
步骤S8：当Pj+1为不包含点云数据的无效点时，则采样值为Zi＝Pj.Z，令 i＝i+1,j＝j+1，返回步骤S6；当Pj+1为有效点，并且db＝Pj+1.X-Xi， ABS(db)<d时，则Pj+1也是候选点；此时若db>0，则有Pj.X<Xi<Pj+1.X，采 样点Xi在Pj与Pj+1之间；当ABS(da)<ABS(db)时，采样值Zi＝Pj.Z；若 ABS(da)≥ABS(db)，则令i＝i+1,j＝j+1，采样值Zi＝Pj+1.Z，并返回步骤 S6；
具体的，步骤S7和步骤S8中的候选点是满足条件ABS(da)<d且da<0的 有效点。且候选点可能包括Pj，还可能包括Pj+1。
具体的，Pj.X是Pj的横坐标，代表每个在水平X轴上的位置。每个Pj都具有一 对坐标(X,Z)，这里X就是Pj的X分量，记为Pj.X，Z就是Pj的Z分量，记为Pj.Z。 为了不与采样点Xi混淆，Pj的X分量不单独使用，而只是用Pj.X。同理，Pj.Z是Pj的 纵坐标，代表每个在高度轴(Z轴)上的位置。每个Pj都具有一对坐标(X，Z)，这里 Z就是Pj的Z分量，记为Pj.Z。为了不与采样点的Zi混淆，Pj的Z分量不单独使用， 而只是用Pi.Z。且Xi是采样点横坐标，代表每个在水平X轴上的采样位置。
步骤s9：当i＝N+1时，结束采样流程。
具体的，步骤S3至步骤S9为采样实施过程，其中，利用3D相机获取轮廓 线并由程序遍历所有采样点Xi，从轮廓线上的轮廓点序列P中选取距离采样点距 离最近的轮廓点Pj，且当轮廓点Pj的X值与当前采样点Xi的距离关系满足 ABS(Pj.X-Xi)＜d时，则将轮廓点Pj的Z值作为当前采样点Xi的采样值Zi，即 Zi＝Pi.Z，其中的ABS代表的是绝对值含义。
具体的工作原理为，点云轮廓线随着物体成像高度的变化在X轴方向的物理 间隔不同，如下表1所示，等间隔采样前每条轮廓线的每个点都需要存储(×，Z) 数据；
表1等间隔采样前
| X坐标/mm | Z坐标/mm |
| -28.670317 | -10.946763 |
| -28.654324 | -10.945679 |
| -28.638368 | -10.944779 |
| -28.622409 | -10.943857 |
| -28.606444 | -10.942927 |
| -28.590547 | -10.942541 |
| -28.574693 | -10.94237 |
| -28.558762 | -10.941792 |
| -28.542932 | -10.94169 |
| -28.527306 | -10.942794 |
| -28.511625 | -10.943657 |
| -28.495764 | -10.94341 |
| -28.480165 | -10.944592 |
| -28.464649 | -10.94605 |
| -28.449229 | -10.948065 |
| -28.433826 | -10.950306 |
但等间隔采样后，如表2所示，只需要存储Z的数据，以及X起始坐标和采 样间隔，极大的减少点云数据存储量，为点云后处理的分析、计算提供便利条件， 由表1和表2可以看出，表2相对于表1减少了X数据的存储，数据量减少近一 半，因为等间隔采样后只需要存储×起始坐标和采样间隔；而仅存储Z的信息仍 可以真实反应物体的物理尺寸是因为，例如当已知X起始坐标XO和采样间隔step， 则第一个点的X坐标为XO，第二个点为XO+step，第三个点为XO+step*2，依此类 推。而线激光3D相机本身不输出Y坐标，只有X和Z坐标，Y坐标需要借助编 码器和皮带等运动机构，在每个拍照节拍进而获取Y坐标，一般为等间隔拍照，且运动方向与线激光3D相机光平面垂直。具体来说，在拍照起始位置，即是第 一个拍照节拍的坐标记为Y0，运动触发间隔为stepO，则第二个拍照节拍为 YO+stepO，则第三个拍照节拍为YO+stepO*2，依此类推。这样XYZ坐标都会有了， 即可进行三维重建。
表2等间隔采样后
取X起始坐标：-28.672mm；采样间隔：0.014mm；
| Z坐标/mm | |
| -10.94678 | |
| -10.945928 | |
| -10.945097 | |
| -10.944296 | |
| -10.943484 | |
| -10.942819 | |
| -10.942513 | |
| -10.942345 | |
| -10.941837 | |
| -10.94171 | |
| -10.942462 | |
| -10.943306 | |
| -10.943538 | |
| -10.943847 | |
| -10.944983 | |
| -10.946396 |
在实际图像处理中，点云图转深度图后仍可以真实的反应物体的物理尺寸， 即为了简化处理，有时需要将3D点云数据投影为2D深度图。但是，如果线激 光3D相机，不进行等间隔采样，相机近端分辨率更高，即每个像素表示的物理 尺寸小，比如一个像素可以表示10um；相机远端分辨率更低，即每个像素表示 的物理尺寸大，比如一个像素可以表示20um，这样会导致2D深度图呈现上宽 狭窄的效果，不利于图像分析和处理。而采用等间隔采样后，会真实还原物体比 例，利于图像分析和处理。
以上仅为本发明的实施方式，其描述较为具体和详细，但并不能因此而理解 为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说， 在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明 的保护范围。
Claims (9)
1.一种线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，步骤包括：
步骤S1：设定沿X轴的采样间隔为d，将3D相机视野上端的分辨率设为d0，将3D相机视野下端的分辨率设为d1，d的取值范围设为d∈[d0，d1]；
步骤S2：将3D相机视野的中心位置设为基点，以COMS的水平方向像素数为采样数量N，结合采样间隔d，确立所有采样点Xi的位置；
步骤S3：利用3D相机获取轮廓线上的轮廓点序列P；
步骤S4：运行存储在计算机内的程序遍历所有轮廓点，确定轮廓点序列P里面是否存在有点云数据的有效点，若不存在有效点，则将所有的采样值Zi清零，即Zi＝0，并结束采样过程；若存在有效点，则继续执行后续步骤；
步骤S5：起始时，自左至右遍历所有的采样点Xi，寻找距离采样点Xi最近的轮廓点序列P中的轮廓点Pj，令j＝1；
步骤S6：执行时，对于当前采样点Xi，从轮廓点Pj开始遍历，若寻找的轮廓点Pj为有效点，则执行da＝Pj.X-Xi；否则令j＝j+1，并再次执行步骤S6；其中，Pj.X是Pj的横坐标，代表每个在水平X轴上的位置；
步骤S7：若ABS(da)≥d，即判断轮廓点Pj不是候选点，令j＝j+1，并返回步骤S6；若ABS(da)＜d，且da＜0，则执行步骤S8；其中的ABS代表的是绝对值含义；
步骤S8：当Pj+1为不包含点云数据的无效点时，则采样值为Zi＝Pj.Z，令i＝i+1，j＝j+1，返回步骤S6；当Pj+1为有效点，并且db＝Pj+1.X-Xi，ABS(db)＜d时，则Pj+1也是候选点；此时若db＞0，则有Pj.X＜Xi＜Pj+1.X，采样点Xi在Pj与Pj+1之间；当ABS(da)＜ABS(db)时，采样值Zi＝Pj.Z；若ABS(da)≥ABS(db)，则令i＝i+1，j＝j+1，采样值Zi＝Pj+1.Z，并返回步骤S6；其中，Pj.Z是Pj的纵坐标，代表每个在Z轴上的位置；Pj+1是候选点；
步骤S9：当i＝N+1时，结束采样流程。
2.根据权利要求1所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述步骤S1至步骤S2为确定等间隔采样点位置的操作步骤。
3.根据权利要求1所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述步骤S1中，当d＝d0时，具有最高的分辨率；d＝d1时，具有最低的分辨率。
4.根据权利要求1所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述步骤S2中的采样点Xi的确立步骤为：
步骤1：将3D相机视野中X＝0的位置设为相机视野的中心位置；
步骤2：根据轮廓点数N和采样间隔d，将采样点Xi的起始点位置设为X1＝Xc-d*N/2，依次确定X2＝X1+d，X3＝X2+d，Xi＝Xi-1+d直至XN＝XN-1+d；
步骤3：确定采样点Xi，结束操作。
5.根据权利要求4所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述采样点Xi是依次排列的位置，采样点Xi为待赋值的点。
6.根据权利要求1所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述步骤S3至步骤S9为采样实施过程，其中，利用3D相机获取轮廓线并由程序遍历所有采样点Xi，从轮廓线上的轮廓点序列P中选取距离采样点距离最近的轮廓点Pj，且当轮廓点Pj的X值与当前采样点Xi的距离关系满足ABS(Pj.X-Xi)＜d时，则将轮廓点Pj的Z值作为当前采样点Xi的采样值Zi，即Zi＝Pj.Z。
7.根据权利要求1所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述步骤S4中的采样值Zi为待赋值的点的Z值。
8.根据权利要求1所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述步骤S5中自左至右遍历所有的采样点是指自左至右的顺序依次遍历采样点X1、X2、X3直至Xi。
9.根据权利要求1所述的线激光3D相机点云轮廓线的等间隔采样方法，其特征在于，所述步骤S7和步骤S8中的候选点为满足条件ABS(da)＜d且da＜0的有效点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111434805.3A CN114119731B (zh) | 2021-11-29 | 2021-11-29 | 一种线激光3d相机点云轮廓线的等间隔采样方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111434805.3A CN114119731B (zh) | 2021-11-29 | 2021-11-29 | 一种线激光3d相机点云轮廓线的等间隔采样方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114119731A CN114119731A (zh) | 2022-03-01 |
| CN114119731B true CN114119731B (zh) | 2024-06-25 |
Family
ID=80371935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111434805.3A Active CN114119731B (zh) | 2021-11-29 | 2021-11-29 | 一种线激光3d相机点云轮廓线的等间隔采样方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114119731B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116246121B (zh) * | 2023-05-12 | 2023-08-11 | 山东科技大学 | 一种基于改进最远点采样的点云数据处理方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110264565B (zh) * | 2019-05-27 | 2021-07-30 | 浙江大学 | 一种基于半峰值概率密度分布的三维重建方法 |
| CN110335295B (zh) * | 2019-06-06 | 2021-05-11 | 浙江大学 | 一种基于tof相机的植物点云采集配准与优化方法 |
| CN112629441B (zh) * | 2020-12-01 | 2022-07-19 | 武汉工程大学 | 3d曲面玻璃轮廓扫描检测方法及系统 |
-
2021
- 2021-11-29 CN CN202111434805.3A patent/CN114119731B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于三维点云的飞机机体结构铆钉轮廓提取算法研究;李红卫;;机电工程;20200620(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114119731A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
| CN113237435B (zh) | 一种高反光表面三维视觉测量系统及方法 | |
| CN107588721A (zh) | 一种基于双目视觉的零件多尺寸的测量方法及系统 | |
| US8582824B2 (en) | Cell feature extraction and labeling thereof | |
| CN109631798B (zh) | 一种基于π相移方法的三维面形垂直测量方法 | |
| CN107990846B (zh) | 基于单帧结构光的主被动结合深度信息获取方法 | |
| CN114119731B (zh) | 一种线激光3d相机点云轮廓线的等间隔采样方法 | |
| WO2018107427A1 (zh) | 相位映射辅助三维成像系统快速对应点匹配的方法及装置 | |
| CN113008195A (zh) | 一种基于空间点云的三维曲面距离测量方法及系统 | |
| CN111256587A (zh) | 一种基于双线结构光扫描的高反射率表面三维测量方法 | |
| CN113763540A (zh) | 一种基于散斑条纹混合调制的三维重建方法及设备 | |
| Liu et al. | Accurate measurement method for tube’s endpoints based on machine vision | |
| Hu et al. | Accurate and dynamic 3D shape measurement with digital image correlation-assisted phase shifting | |
| Hu et al. | High-speed and accurate 3D shape measurement using DIC-assisted phase matching and triple-scanning | |
| KR100941978B1 (ko) | 씨씨디 카메라와 레이저 빔을 이용한 물체의 3차원위치정보 측정방법 및 장치 | |
| Xu et al. | Reconstruction method adopting laser plane generated from RANSAC and three dimensional reference | |
| CN104132628A (zh) | 用相位计算实现线结构光三维测量的方法 | |
| WO2019238583A1 (en) | Deflectometric techniques | |
| CN113551617B (zh) | 基于条纹投影的双目双频互补三维面型测量方法 | |
| CN111815697A (zh) | 一种热变形动态三维测量方法 | |
| Bräuer-Burchardt et al. | Phase unwrapping in fringe projection systems using epipolar geometry | |
| CN113503832B (zh) | 一种基于物体横向尺寸辅助的绝对相位恢复方法 | |
| Hao et al. | Three-dimensional deformation measuring system based on vision method | |
| Matthias et al. | Pattern sequences for fast absolute phase retrieval with application in the handheld operation of structured light sensors | |
| Furuakwa et al. | Multi-view reconstruction for projector camera systems based on bundle adjustment |
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 |