CN114565680A - 一种基于空间位置评价和贪心策略的多视图靶点标定方法 - Google Patents

一种基于空间位置评价和贪心策略的多视图靶点标定方法 Download PDF

Info

Publication number
CN114565680A
CN114565680A CN202210159260.8A CN202210159260A CN114565680A CN 114565680 A CN114565680 A CN 114565680A CN 202210159260 A CN202210159260 A CN 202210159260A CN 114565680 A CN114565680 A CN 114565680A
Authority
CN
China
Prior art keywords
calibration
target
target point
precision
spatial position
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
Application number
CN202210159260.8A
Other languages
English (en)
Other versions
CN114565680B (zh
Inventor
李鹏飞
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.)
Shanxi Zhidian Technology Co ltd
Original Assignee
Shanxi Zhidian 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 Shanxi Zhidian Technology Co ltd filed Critical Shanxi Zhidian Technology Co ltd
Priority to CN202210159260.8A priority Critical patent/CN114565680B/zh
Publication of CN114565680A publication Critical patent/CN114565680A/zh
Application granted granted Critical
Publication of CN114565680B publication Critical patent/CN114565680B/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
    • G06T7/85—Stereo camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于空间位置评价和贪心策略的多视图靶点标定方法，该方法引入已知空间坐标的精度评价点，将精度评价点和靶标靶点视为未知空间位置的靶点进行标定计算，最终通过比较精度评价点的标定位置坐标和实际位置坐标得到标定精度，为直接精确评价靶标标定的空间位置精度提供了依据。同时基于贪心算法的思想，提出了一种多视图标定策略，可以在使用较少视图就标定出满意结果时提前结束标定流程，无需每次固定采集大量的视图，提高了标定效率。并且可以自动滤除数据质量较差的视图，进一步减少了个别异常数据对标定结果的影响，提高了标定精度，增强了鲁棒性。

Description

一种基于空间位置评价和贪心策略的多视图靶点标定方法
技术领域
本发明涉及视觉测量和姿态测量技术领域，具体为一种基于空间位置评价和贪心策略的多视图靶点标定方法。
背景技术
在航空、航天、舰船等装备制造领域中，随着大型高端装备越来越高的装配质量要求，精确数字化装配和柔性自动化装配成为主要发展趋势。其中物体位置与姿态测量技术有着非常重要的作用，可以实现现场实时检测部件位姿数据并指导装配过程。
靶标作为一种可以表征部件姿态的装置，具有使用方便、测量精度高等特点。在使用时需要提前精确标定靶标上所有靶点的位置关系。目前常见的靶标按照靶点位置主要分为两种：第一种为靶点位置关系确定的靶标，靶点的位置精度可由加工保证或通过标定确定实际位置；第二种为靶点位置不固定的靶标，需要在安装好靶点后对所有靶点的位置关系进行标定。而对于无法直接测量靶点中心的靶点(如LED靶点等)，只能采用标定的方式确定靶点间位置关系，但是标定的方法过程时间长且目前没有标定位置精度的直接评价方法。现有技术中杨博文提出了一种基于多视图几何原理的靶点坐标系标定方法，利用精确可控的位移装置，控制一个辅助靶点，在空间中精确移动多个预定位置，并通过变换摄像机拍摄方位，获得多个视图下靶标的靶点和辅助靶点的图像坐标，最终使用两视图几何理论精确计算出靶标所有靶点的坐标。但该方法需要采集20个不同的方位的图像，整个标定时间较长。并且以靶点在成像平面投影的标准差为优化目标，不能反映出靶点的位置精度。
发明内容
由此，现有技术存在以下不足：
(1)无法直接精确评价靶标标定位置精度。现有技术通常只有像素偏差的评价，或者辅助靶点位置精度的评价。由于辅助靶点的计算方法和靶标靶点的计算方法不同，其位置精度并不能代表靶标靶点的位置精度。
(2)标定时间长。现有技术为了达到较高的标定精度通常需要采集多个视图的数据，以减小采集过程中异常数据对标定结果的影响，视图数量越多标定总时间越长。
(3)标定精度不稳定。由于无法准确评价靶标标定位置精度，通常以固定视图数量作为标定终止条件，无法保证标定精度的稳定性，对于批量靶标的标定工作，无法保证标定质量。
基于以上不足，本发明目的是提出一种基于空间位置评价和贪心策略的多视图靶点标定方法。
本发明是采用如下技术方案实现的：
一种基于空间位置评价和贪心策略的多视图靶点标定方法，具体步骤如下：
步骤(1)、在三维位移装置坐标系中选取M个三维坐标位置作为辅助靶点A，例如M可以取4。选取N个三维坐标位置作为精度评价点E，坐标值记为PE，例如N可以取4，且位置位于靶标靶点所处的空间周围。靶标靶点为C，靶点个数为K。
步骤(2)、相机摆放在一个位置，在同一方位下对辅助靶点A、精度评价点E和靶标靶点C共M+N+K个靶点进行拍摄，获得一个视图的图像。
步骤(3)、变换一个相机拍摄方位，重复步骤(2)的拍摄过程，将此方位和步骤(2)共两个方位作为初始方位。
步骤(4)、变换相机拍摄方位，重复步骤(2)的拍摄过程。
步骤(5)、使用所有相机方位拍摄的多个视图的图像，将辅助靶点A作为已知空间坐标的辅助靶点，将精度评价点E和靶标靶点C作为未知空间坐标的标定靶点，采用现有技术文献[1](杨博文.大型装备装配位姿视觉检测的关键技术研究[D].南京航空航天大学,2013.)中的靶点位置关系标定方法，得到精度评价点E和靶标靶点C在装置坐标系下的坐标，分别为QE和QC。
步骤(6)、计算步骤(5)得到的精度评价点标定坐标QE的空间位置偏差。具体计算方法为：
diff＝MAX(||QE1-PE1||,||QE2-PE2||,……,||QEN-PEN||)
其中，MAX(·)为求最大值的函数。
步骤(7)、将步骤(6)得到的偏差值记为全局最小空间位置偏差，即：
MinDiff＝diff
步骤(8)、设置方位集：一个相机方位拍摄的所有图像作为集合的一个元素，多个相机方位可得到多个元素，所有相机方位对应的相应元素共同组成方位集。
步骤(9)、从方位集中选取一个含有新方位但未计算位置偏差的子集作为计算集。方位集子集的定义为去除方位集中一个元素后，剩余所有元素构成的集合。
步骤(10)、使用计算集中所有相机方位拍摄的多个视图的图像，按照步骤(5)中的标定方法得到该计算集的精度评价点E的坐标QE和靶标靶点C的坐标QC。
步骤(11)、按照步骤(6)的方法计算步骤(10)得到的精度评价点坐标QE的空间位置偏差d。
步骤(12)、重复步骤(9)至步骤(10)，直到计算出方位集所有含有新方位的子集的空间位置偏差，得到k-1个偏差值d1,d2,…,dk-1，其中k等于方位集元素的个数。
步骤(13)、更新迭代优化标志IterFlag和全局最小空间位置偏差MinDiff，并更新靶标靶点C的坐标计算结果best_QC为MinDiff对应的坐标计算结果。具体方法为：
Figure BDA0003513775340000041
Figure BDA0003513775340000042
其中，MIN(·)为求最小值的函数。
步骤(14)、判断方位集是否可优化，是则跳至步骤(15)，否则跳至步骤(16)。所述方位集可优化的条件为：
IterFlag为1且方位集元素数量大于3。
步骤(15)、设置方位集为最小空间位置偏差对应的计算集，然后跳至步骤(9)，使用新方位集进行标定计算。
步骤(16)、判断是否达到标定终止条件，是则跳至步骤(17)，否则跳至步骤(4)。所述标定终止条件为：
MinDiff＜STOP_DIFF或所有已采集图像的相机方位数量等于MAX_DIRECTION_NUM。
其中，STOP_DIFF为标定终止偏差，其与位移装置移动精度、计算精度和标定环境等因素有关，例如可以取最高标定精度的1.5倍。MAX_DIRECTION_NUM通常为20。
步骤(17)、将步骤(13)的best_QC作为靶标靶点最终的标定结果。
本发明方法引入已知空间坐标的精度评价点，将精度评价点和靶标靶点视为未知空间位置的靶点进行标定计算，最终通过比较精度评价点的标定位置坐标和实际位置坐标得到标定精度，为直接精确评价靶标标定的空间位置精度提供了依据，解决了现有方法无法评价标定精度的问题。
本发明方法同时基于贪心算法的思想，提出多视图标定策略，可以在使用较少视图就标定出满意结果时提前结束标定流程，无需像现有方法需要每次固定采集大量的视图，不仅可以提高标定效率，还可以保证每次标定精度都稳定在设置的标定终止偏差附近。并且可以自动滤除数据质量较差的视图，进一步减少了个别异常数据对标定结果的影响，提高了标定精度，增强了鲁棒性。
本发明设计合理，具有很好的实际应用价值。
附图说明
图1表示本发明的方法流程图。
具体实施方式
下面结合实例对本发明的具体实施例进行详细说明。
本发明实施例以4个辅助靶点、4个精度评价点和5个靶标靶点，标定终止偏差0.08mm为例说明此方法的实施过程。
步骤(1)、在三维位移装置(例如三坐标测量仪等)坐标系中选取M个三维坐标位置作为辅助靶点A，本实施例中M为4。选取N个三维坐标位置作为精度评价点E，坐标值记为PE，本实施例中N为4，且位置位于靶标靶点所处的空间周围。靶标靶点为C，靶点个数为K，本实施例中K为5。
其中，4个辅助靶点的空间坐标如表1，4个精度评价点的空间坐标见表1。
表1辅助靶点、精度评价点的装置坐标系坐标
点名称 X Y Z
辅助靶点1 280 130 -560
辅助靶点2 550 240 -180
辅助靶点3 750 300 -300
辅助靶点4 750 220 -550
精度评价点1 750 220 -550
精度评价点2 750 380 -250
精度评价点3 350 380 -250
精度评价点4 350 230 -530
步骤(2)、相机摆放在一个位置，在同一方位下对辅助靶点A、精度评价点E和靶标靶点C共13个靶点进行拍摄，获得一个视图的图像。
步骤(3)、变换一个相机拍摄方位，重复步骤(2)的拍摄过程，将此方位和步骤(2)共两个方位作为初始方位。
本实施例按照步骤(1)至步骤(3)的方法，首先采集两个方位的视图图像。
步骤(4)、变换相机拍摄方位，重复步骤(2)的拍摄过程。
步骤(5)、使用所有相机方位拍摄的多个视图的图像，将辅助靶点A作为已知空间坐标的辅助靶点，将精度评价点E和靶标靶点C作为未知空间坐标的标定靶点，采用现有技术文献中的靶点位置关系标定方法，得到精度评价点E和靶标靶点C在装置坐标系下的坐标，分别为QE和QC。
步骤(6)、计算步骤(5)得到的精度评价点标定坐标QE的空间位置偏差。具体计算方法为：
diff＝MAX(||QE1-PE1||,||QE2-PE2||,……,||QEN-PEN||)
其中，MAX(·)为求最大值的函数。
步骤(7)、将步骤(6)得到的偏差值记为全局最小空间位置偏差，即：
MinDiff＝diff
本实施例按照步骤(4)至步骤(7)的方法，添加一个相机方位，并计算3个方位下精度评价点空间位置偏差为0.108mm。
步骤(8)、设置方位集：一个相机方位拍摄的所有图像作为集合中的一个元素，多个相机方位可得到多个元素，所有相机方位对应的相应元素共同组成方位集。
步骤(9)、从方位集中选取一个含有新方位但未计算位置偏差的子集作为计算集。方位集子集的定义为去除方位集中一个元素后，剩余所有元素构成的集合。
步骤(10)、使用计算集中所有相机方位拍摄的多个视图的图像，按照步骤(5)中的标定方法得到该计算集的精度评价点E的坐标QE和靶标靶点C的坐标QC。
步骤(11)、按照步骤(6)的方法计算步骤(10)得到的精度评价点坐标QE的空间位置偏差d。
步骤(12)、重复步骤(9)至步骤(10)，直到计算出方位集所有含有新方位的子集的空间位置偏差，得到k-1个偏差值d1,d2,…,dk-1，其中k等于方位集元素的个数。
步骤(13)、更新迭代优化标志IterFlag和全局最小空间位置偏差MinDiff，并更新靶标靶点C的坐标计算结果best_QC为MinDiff对应的坐标计算结果。具体方法为：
Figure BDA0003513775340000081
Figure BDA0003513775340000082
其中，MIN(·)为求最小值的函数。
本实施例按照步骤(8)至步骤(13)的方法对3个方位的视图图像组成方位集进行优化计算，此方位集含有新方位3的子集共2个，分别为{方位1，方位3}和{方位2，方位3}，精度评价点空间偏差分别为0.106mm、0.112mm。
步骤(14)、判断方位集是否可优化，是则跳至步骤(15)，否则跳至步骤(16)。所述方位集可优化的条件为：
IterFlag为1且方位集元素数量大于3。
步骤(15)、设置方位集为最小空间位置偏差对应的计算集，然后跳至步骤(9)，使用新方位集进行标定计算。
步骤(16)、判断是否达到标定终止条件，是则跳至步骤(17)，否则跳至步骤(4)。所述标定终止条件为：
MinDiff＜STOP_DIFF或所有已采集图像的相机方位数量等于MAX_DIRECTION_NUM。
其中，STOP_DIFF为标定终止偏差；MAX_DIRECTION_NUM通常为20。
步骤(17)、将步骤(13)的best_QC作为靶标靶点最终的标定结果。
本实施例中，精度评价点最小空间位置偏差为0.106mm，大于标定终止偏差，继续标定。按照步骤(4)至步骤(7)的方法，添加一个相机方位，并计算4个方位下精度评价点空间位置误差为0.091mm。
按照步骤(8)至步骤(13)的方法对4个方位的视图图像组成方位集进行优化计算，此方位集含有方位4的子集共3个，分别为{方位1，方位2，方位4}、{方位1，方位3，方位4}和{方位2，方位3，方位4}，精度评价点空间偏差分别为0.086mm、0.092mm、0.087mm。精度评价点最小空间位置偏差为0.086mm，小于4个方位的方位集偏差，继续迭代优化。以0.086mm对应的{方位1，方位2，方位4}集合作为方位集进行优化计算，分别计算含有方位4的子集{方位1，方位4}和{方位2，方位4}的精度评价点偏差，得到偏差分别为0.071mm、0.078mm。
精度评价点最小空间位置偏差为0.071mm，小于标定终止偏差，达到标定终止条件。
最小空间位置偏差0.071mm对应的精度评价点和靶标靶点坐标如表2，此时靶标靶点坐标即为靶标最终的标定结果。
表2精度评价和靶标靶点标定结果
点名称 X Y Z
精度评价点1 750.042 379.945 -250.018
精度评价点2 349.938 379.984 -249.989
精度评价点3 349.974 259.956 -350.004
精度评价点4 350.008 229.948 -530.031
靶标靶点1 581.889 371.985 -427.717
靶标靶点2 581.782 371.568 -527.604
靶标靶点3 511.363 300.865 -527.119
靶标靶点4 441.032 229.835 -527.069
靶标靶点5 440.881 230.590 -406.998
可以看出本方法使用4个方位即可完成靶标标定，远少于现有技术采用的10方位、20方位或更多方位，效率大幅提升。同时给出了靶标靶点的标定精度为0.071mm。在同型号多批量的靶标标定过程中，按照本方法进行标定，可以保持所有靶标的精度都小于0.08mm。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照本发明实施例进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明的技术方案的精神和范围，其均应涵盖本发明的权利要求保护范围中。

Claims (3)

1.一种基于空间位置评价和贪心策略的多视图靶点标定方法，其特征在于：包括如下步骤：
步骤(1)、在三维位移装置坐标系中选取M个三维坐标位置作为辅助靶点A；选取N个三维坐标位置作为精度评价点E，坐标值记为PE，且位置位于靶标靶点所处空间周围；靶标靶点为C，靶点个数为K；
步骤(2)、相机摆放在一个位置，在同一方位下对辅助靶点A、精度评价点E和靶标靶点C共M+N+K个靶点进行拍摄，获得一个视图的图像；
步骤(3)、变换一个相机拍摄方位，重复步骤(2)的拍摄过程，将此方位和步骤(2)共两个方位作为初始方位；
步骤(4)、变换相机拍摄方位，重复步骤(2)的拍摄过程；
步骤(5)、使用所有相机方位拍摄的多个视图的图像，将辅助靶点A作为已知空间坐标的辅助靶点，将精度评价点E和靶标靶点C作为未知空间坐标的标定靶点，采用靶点位置关系标定方法，得到精度评价点E和靶标靶点C在装置坐标系下的坐标，分别为QE和QC；
步骤(6)、计算步骤(5)得到的精度评价点标定坐标QE的空间位置偏差；具体计算方法为：
diff＝MAX(||QE1-PE1||,||QE2-PE2||,……,||QEN-PEN||)
其中，MAX(·)为求最大值的函数；
步骤(7)、将步骤(6)得到的偏差值记为全局最小空间位置偏差，即：
MinDiff＝diff
步骤(8)、设置方位集：一个相机方位拍摄的所有图像作为集合中的一个元素，多个相机方位可得到多个元素，所有相机方位对应的相应元素共同组成方位集；
步骤(9)、从方位集中选取一个含有新方位但未计算位置偏差的子集作为计算集；方位集子集的定义为去除方位集中一个元素后，剩余所有元素构成的集合；
步骤(10)、使用计算集中所有相机方位拍摄的多个视图的图像，按照步骤(5)中的标定方法得到该计算集的精度评价点E的坐标QE和靶标靶点C的坐标QC；
步骤(11)、按照步骤(6)的方法计算步骤(10)得到的精度评价点坐标QE的空间位置偏差d；
步骤(12)、重复步骤(9)至步骤(11)，直到计算出方位集所有含有新方位的子集的空间位置偏差，得到k-1个偏差值d1,d2,…,dk-1，其中k等于方位集元素的个数；
步骤(13)、更新迭代优化标志IterFlag和全局最小空间位置偏差MinDiff，并更新靶标靶点C的坐标计算结果best_QC为MinDiff对应的坐标计算结果；具体方法为：
Figure FDA0003513775330000021
Figure FDA0003513775330000022
其中，MIN(·)为求最小值的函数；
步骤(14)、判断方位集是否可优化，是则跳至步骤(15)，否则跳至步骤(16)；所述方位集可优化的条件为：
IterFlag为1且方位集元素数量大于3；
步骤(15)、设置方位集为最小空间位置偏差对应的计算集，然后跳至步骤(9)，使用新方位集进行标定计算；
步骤(16)、判断是否达到标定终止条件，是则跳至步骤(17)，否则跳至步骤(4)；所述标定终止条件为：
MinDiff＜STOP_DIFF或所有已采集图像的相机方位数量等于MAX_DIRECTION_NUM；
其中，STOP_DIFF为标定终止偏差；
步骤(17)、将步骤(13)的best_QC作为靶标靶点最终的标定结果。
2.根据权利要求1所述的一种基于空间位置评价和贪心策略的多视图靶点标定方法，其特征在于：步骤(1)中，M为4；N为4。
3.根据权利要求1或2所述的一种基于空间位置评价和贪心策略的多视图靶点标定方法，其特征在于：步骤(16)中，STOP_DIFF取最高标定精度的1.5倍；MAX_DIRECTION_NUM为20。
CN202210159260.8A 2022-02-22 2022-02-22 一种基于空间位置评价和贪心策略的多视图靶点标定方法 Active CN114565680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210159260.8A CN114565680B (zh) 2022-02-22 2022-02-22 一种基于空间位置评价和贪心策略的多视图靶点标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210159260.8A CN114565680B (zh) 2022-02-22 2022-02-22 一种基于空间位置评价和贪心策略的多视图靶点标定方法

Publications (2)

Publication Number Publication Date
CN114565680A true CN114565680A (zh) 2022-05-31
CN114565680B CN114565680B (zh) 2024-05-14

Family

ID=81713041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210159260.8A Active CN114565680B (zh) 2022-02-22 2022-02-22 一种基于空间位置评价和贪心策略的多视图靶点标定方法

Country Status (1)

Country Link
CN (1) CN114565680B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06262568A (ja) * 1993-03-08 1994-09-20 Nippondenso Co Ltd 視覚に基く三次元位置および姿勢の認識方法とその装置
JP2005331383A (ja) * 2004-05-20 2005-12-02 Toshiba Corp ３次元座標位置評価方法及び評価装置
WO2010001940A1 (ja) * 2008-07-01 2010-01-07 株式会社トプコン 位置測定方法、位置測定装置、およびプログラム
CA2655001A1 (en) * 2009-02-20 2010-08-20 Queen's University At Kingston Marker localization using intensity-based registration of imaging modalities
CN102663763A (zh) * 2012-04-25 2012-09-12 南京航空航天大学 一种面向大视场高精度视觉测量的摄像机标定方法
CN103673881A (zh) * 2013-12-16 2014-03-26 南京航空航天大学 一种单目视觉测量中光笔的现场快速标定方法
KR20150125243A (ko) * 2014-04-30 2015-11-09 주식회사 이에스엠연구소 다시점 카메라가 획득한 영상을 정합하는 방법 및 다시점 카메라 제어 시스템
CA2942258A1 (en) * 2015-09-22 2017-03-22 The Governors Of The University Of Alberta Underwater 3d image reconstruction utilizing triple wavelength dispersion and camera system thereof
CN112883986A (zh) * 2021-03-08 2021-06-01 山西支点科技有限公司 一种复杂背景下的静态红外靶灯识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06262568A (ja) * 1993-03-08 1994-09-20 Nippondenso Co Ltd 視覚に基く三次元位置および姿勢の認識方法とその装置
JP2005331383A (ja) * 2004-05-20 2005-12-02 Toshiba Corp ３次元座標位置評価方法及び評価装置
WO2010001940A1 (ja) * 2008-07-01 2010-01-07 株式会社トプコン 位置測定方法、位置測定装置、およびプログラム
CA2655001A1 (en) * 2009-02-20 2010-08-20 Queen's University At Kingston Marker localization using intensity-based registration of imaging modalities
CN102663763A (zh) * 2012-04-25 2012-09-12 南京航空航天大学 一种面向大视场高精度视觉测量的摄像机标定方法
CN103673881A (zh) * 2013-12-16 2014-03-26 南京航空航天大学 一种单目视觉测量中光笔的现场快速标定方法
KR20150125243A (ko) * 2014-04-30 2015-11-09 주식회사 이에스엠연구소 다시점 카메라가 획득한 영상을 정합하는 방법 및 다시점 카메라 제어 시스템
CA2942258A1 (en) * 2015-09-22 2017-03-22 The Governors Of The University Of Alberta Underwater 3d image reconstruction utilizing triple wavelength dispersion and camera system thereof
CN112883986A (zh) * 2021-03-08 2021-06-01 山西支点科技有限公司 一种复杂背景下的静态红外靶灯识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吴军;王玲容;黄明益;彭智勇;: "多几何约束下的鱼眼相机单像高精度标定", 光学学报, no. 11, 12 June 2018 (2018-06-12) *
唐秋虎;张志毅;: "基于多视图像的摄像机自标定方法", 计算机工程与科学, no. 04, 15 April 2017 (2017-04-15) *
杨博文;张丽艳;叶南;冯新星;李铁林;: "面向大视场视觉测量的摄像机标定技术", 光学学报, no. 09, 10 September 2012 (2012-09-10) *
董方新;蔡军;解杨敏;: "立体视觉和三维激光系统的联合标定方法", 仪器仪表学报, no. 10, 15 October 2017 (2017-10-15) *

Also Published As

Publication number Publication date
CN114565680B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN110689579B (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
CN111145227B (zh) 一种地下隧道空间多视点云的可迭代整体配准方法
CN111811483B (zh) 一种用于飞机数字化装配的多相机组网定位标定方法
CN111965627B (zh) 一种车辆的多激光雷达标定方法
CN113340277B (zh) 一种基于无人机倾斜摄影的高精度定位方法
CN108168541B (zh) 一种改进的亚像元星点质心定位方法
CN109493389B (zh) 一种基于深度学习的相机标定方法及系统
CN108801218B (zh) 大尺寸动态摄影测量系统的高精度定向及定向精度评价方法
CN112634373B (zh) 基于零膨胀陶瓷标定板的视觉测量系统动态校正方法
CN110850371A (zh) 一种基于Green函数修正的高分辨率声源定位方法
CN109544642B (zh) 一种基于n型靶标的tdi-ccd相机参数标定方法
CN114283203A (zh) 一种多相机系统的标定方法及系统
CN115760999B (zh) 一种基于gis辅助的单目相机校准和目标地理位置提取方法
CN110488838A (zh) 一种室内自主导航机器人精确重复定位方法
CN114565680B (zh) 一种基于空间位置评价和贪心策略的多视图靶点标定方法
CN115810055A (zh) 一种基于平面棋盘格的环形结构光标定方法
CN113390394B (zh) 一种带有摄影比例尺的光束法平差算法
CN114018212B (zh) 面向球型摄像机单目测距的俯仰角校正方法及系统
CN114608540A (zh) 一种数字摄影测量系统的测量网型确定方法
CN110706292B (zh) 一种基于机器视觉的二维工作台误差自标定方法
CN113720331A (zh) 多相机融合的无人机建筑物内导航定位方法
CN111710002A (zh) 一种基于Optitrack系统的相机外参标定方法
CN114800520B (zh) 高精度的手眼标定方法
CN117451011B (zh) 一种基于蒙特卡罗检验的摄影测量像控点质量评价方法
CN114166243B (zh) 一种带有片间约束的面阵成像卫星在轨几何定标方法

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