CN114674276A - 测距方法、机器视觉系统及存储介质 - Google Patents
测距方法、机器视觉系统及存储介质 Download PDFInfo
- Publication number
- CN114674276A CN114674276A CN202210301002.9A CN202210301002A CN114674276A CN 114674276 A CN114674276 A CN 114674276A CN 202210301002 A CN202210301002 A CN 202210301002A CN 114674276 A CN114674276 A CN 114674276A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- pixel
- relationship
- lens
- 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 51
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 230000003287 optical effect Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 241000219739 Lens Species 0.000 description 81
- 238000004891 communication Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001156002 Anthonomus pomorum Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of Optical Distance (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种测距方法、机器视觉系统及存储介质,涉及机器视觉技术领域,方法应用于机器视觉系统,包括:获取相机采集的拍摄图像以及镜头的工作参数;根据拍摄图像中不同区域的清晰度,在拍摄图像中确定目标区域图像;对工作参数进行拟合,得到拟合系数;针对目标区域图像,根据工作参数和拟合系数,得到图物关系和像素当量;根据图物关系和像素当量,对拍摄图像对应的拍摄物体进行测距,得到测距结果。本发明解决了现有技术中利用机器视觉系统测距,存在精确度较低的问题,实现了通用性高且最终测距结果更准确的效果。
Description
技术领域
本发明涉及机器视觉技术领域,尤其涉及一种测距方法、机器视觉系统及存储介质。
背景技术
机器视觉是指用机器代替人眼来做测量和判断,机器视觉系统是通过拍摄装置将被摄目标转换成图像信号,传送给专用的图像处理装置,得到被摄目标的特征信息,进而控制现场设备动作的系统。光学镜头是机器视觉系统中的重要组成部分,可将物空间中的点发出的光汇聚在像空间中对应的点上。
目前的大部分机器视觉系统中,镜头和相机是平行放置的,物平面与像平面相互平行并存在比例关系。但当机器视觉系统中镜头和相机呈一定角度放置时,物平面和像平面的平行关系和比例关系将不再成立,无法准确确定出物平面与像平面的对应关系,导致无法实现高精度测距。
发明内容
本发明的主要目的在于:提供一种测距方法、机器视觉系统及存储介质,旨在解决现有技术中利用机器视觉系统测距,存在精确度较低的技术问题。
为实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种测距方法,应用于机器视觉系统,所述系统包括拍摄装置,所述拍摄装置包括相机以及设置在所述相机上的镜头;
所述方法包括:
获取所述相机采集的拍摄图像以及所述镜头的工作参数;
根据所述拍摄图像中不同区域的清晰度,在所述拍摄图像中确定目标区域图像;
对所述工作参数进行拟合,得到拟合系数;
针对所述目标区域图像,根据所述工作参数和所述拟合系数,得到图物关系和像素当量,其中,所述图物关系为所述目标区域图像中任意像素点与对应的物点之间的映射关系,所述像素当量为所述任意像素点的像素当量;
根据所述图物关系和所述像素当量,对所述拍摄图像对应的拍摄物体进行测距,得到测距结果。
可选地,上述测距方法中,所述根据所述拍摄图像中不同区域的清晰度,在所述拍摄图像中确定目标区域图像的步骤包括:
将所述拍摄图像划分为多个区域;
通过清晰度计算方法,分别得到多个所述区域的清晰度;
将所述清晰度在预设阈值范围内的区域确定为目标区域,得到目标区域图像。
可选地,上述测距方法中,所述工作参数包括工作距离及对应的垂轴放大率;
所述对所述工作参数进行拟合,得到拟合系数的步骤包括:
对所述工作距离和所述垂轴放大率进行拟合,得到拟合系数,其中,拟合关系式为:
WD=a·β-1+b+a·β
其中,WD表示所述镜头的工作距离,β表示所述镜头的垂轴放大率,a、b表示拟合系数。
可选地,上述测距方法中,所述针对所述目标区域图像,根据所述工作参数和所述拟合系数,得到图物关系和像素当量的步骤,包括:
根据所述工作参数和所述拟合系数,构建物像关系,所述物像关系为任意物点与在所述相机中对应的像点之间的映射关系;
针对所述目标区域图像中的任意像素点,构建像图关系,所述像图关系为所述任意像素点与对应的像点之间的映射关系;
根据所述物像关系和所述像图关系,得到图物关系和像素当量。
可选地,上述测距方法中,所述工作参数包括焦距和像方主点的位置;
所述根据所述工作参数和所述拟合系数,构建物像关系的步骤包括:
以所述镜头的光轴为z轴,所述镜头的最前端面与所述光轴的交点为原点,所述最前端面的竖直方向为y轴,水平方向为x轴,建立空间坐标系;
在所述空间坐标系中,根据所述工作参数和所述拟合系数,以任意物点和对应的像点构建物像关系,得到物像关系式:
其中,(xo,yo,zo)表示所述任意物点在所述空间坐标系中的坐标,(xi,yi,zi)表示所述任意物点对应的像点在所述空间坐标系中的坐标,H′表示所述像方主点在所述空间坐标系中的坐标,f表示所述镜头的焦距,a、b均表示所述拟合系数。
可选地,上述测距方法中,所述针对所述目标区域图像中的任意像素点,构建像图关系的步骤包括:
在所述目标区域图像中,以所述目标区域图像的中心点为原点,水平方向为x轴,竖直方向为y轴,建立图平面坐标系;
在所述相机的像面中,以所述相机的感光芯片中心为原点,水平方向为x轴,竖直方向为y轴,建立像平面坐标系;
在所述图平面坐标系中,确定一像素点,得到所述像素点在所述像平面坐标系中对应的像点;
以所述像素点和所述像点构建像图关系,得到像图关系式:
其中,(xp,yp)表示所述像素点在所述图平面坐标系中的坐标,(xi,yi)表示所述像素点对应的像点在所述像平面坐标系中的坐标,δ表示所述相机的像元大小。
可选地,上述测距方法中,所述根据所述物像关系和所述像图关系,得到图物关系和像素当量的步骤包括:
根据所述物像关系式和所述像图关系式,以任意像素点和对应的物点构建图物关系,得到图物关系式:
其中,(xp,yp)表示任意像素点P在所述图平面坐标系中的坐标,(xo,yo,zo)表示所述任意像素点P对应的物点O在所述空间坐标系中的坐标,zi表示所述任意像素点P对应的像点I在所述空间坐标系中的z轴坐标;
以及所述任意像素点的像素当量:
其中,Δ表示所述任意像素点P的像素当量。
可选地,上述测距方法中,所述根据所述图物关系和所述像素当量,对所述拍摄图像对应的拍摄物体进行测距,得到测距结果的步骤包括:
根据所述图物关系,计算所述拍摄图像中任意像素点对应的实际物点与所述镜头的最前端面之间的距离,得到第一测距结果;
根据所述像素当量,计算所述拍摄图像中任意两个像素点所对应的实际物点之间的距离,得到第二测距结果。
第二方面,本发明提供了一种机器视觉系统,所述系统包括:
拍摄装置,用于采集拍摄图像;以及
测距装置,用于根据所述拍摄图像进行测距;
其中,所述拍摄装置包括相机以及设置在所述相机上的镜头;
所述测距装置包括处理器和存储器,所述存储器上存储有测距程序,所述测距程序被所述处理器执行时,实现如上述的测距方法。
第三方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序可被一个或多个处理器执行,以实现如上述的测距方法。
本发明提供的上述一个或多个技术方案,可以具有如下优点或至少实现了如下技术效果:
本发明提出的一种测距方法、机器视觉系统及存储介质,通过获取拍摄图像,根据拍摄图像中不同区域的清晰度确定目标区域图像,并针对目标区域图像,根据镜头的工作参数以及对工作参数进行拟合得到的拟合系数,确定图物关系和像素当量,以根据图物关系和像素当量对拍摄图像对应的拍摄物体进行测距,得到测距结果,实现了通过机器视觉对拍摄物体进行测距的目的。本发明基于成像清晰度确定拍摄图像中任意像素点与对应的实际物点的关系,可以描述镜头与像面在任意角度下的物像关系,适用于镜头和相机呈一定角度放置的机器视觉系统以及不同镜头在不同工作距离下的机器视觉系统,通用性高;并通过对清晰度满足预设要求的目标区域图像进行处理,保证了图物关系的精确度,使得最终的测距结果更加准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的这些附图获得其他的附图。
图1为本发明测距方法第一实施例的流程示意图;
图2为本发明测距方法第一实施例中镜头的结构示意图;
图3为本发明机器视觉系统中测距装置的硬件结构示意图。
附图标号说明:
标号 | 名称 | 标号 | 名称 |
100 | 拍摄装置 | 200 | 测距装置 |
101 | 物面 | 201 | 处理器 |
102 | 像面 | 202 | 通信总线 |
110 | 镜头 | 203 | 用户接口 |
111 | 最前端面 | 204 | 网络接口 |
112 | 法兰面 | 205 | 存储器 |
113 | 物方主面 | 114 | 像方主面 |
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,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、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,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作出创造性劳动的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。
需要说明,在本发明中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。另外,在本发明中,若有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。另外,各个实施例的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
对现有技术的分析发现,目前的大部分机器视觉系统中,镜头和相机是平行放置的,物平面与像平面相互平行并存在比例关系,从而可以简单方便地计算出物平面与像平面的对应关系和相关参数,从而实现精确测距。但当机器视觉系统中镜头和相机必须呈一定角度放置时,物平面和像平面的平行关系和比例关系将不再成立,无法准确且精确地确定出物平面与像平面的对应关系以及计算得到相关参数,从而导致无法实现高精度测距。
现有技术中,仅有沙姆定律可以针对机器视觉系统中镜头和相机必须呈一定角度放置的情况,粗略地描述出物平面和像平面的关系,但仍存在关系描述不精确,导致后续测距精度不高的问题。
鉴于现有技术中利用机器视觉系统测距,存在精确度较低的技术问题,本发明提供了一种应用于机器视觉系统的测距方法,总体思路如下:
获取相机采集的拍摄图像以及镜头的工作参数;根据所述拍摄图像中不同区域的清晰度,在所述拍摄图像中确定目标区域图像;对所述工作参数进行拟合,得到拟合系数;针对所述目标区域图像,根据所述工作参数和所述拟合系数,得到图物关系和像素当量,其中,所述图物关系为所述目标区域图像中任意像素点与对应的物点之间的映射关系,所述像素当量为所述任意像素点的像素当量;根据所述图物关系和所述像素当量,对所述拍摄图像对应的拍摄物体进行测距,得到测距结果。
通过上述技术方案,实现了通过机器视觉对拍摄物体进行测距的目的。本发明基于成像清晰度确定拍摄图像中任意像素点与对应的实际物点的关系,可以描述镜头与像面在任意角度下的物像关系,适用于镜头和相机呈一定角度放置的机器视觉系统以及不同镜头在不同工作距离下的机器视觉系统,通用性高;并通过对清晰度满足预设要求的目标区域图像进行处理,保证了图物关系的精确度,使得最终的测距结果更加准确。
下面结合附图,通过具体的实施例和实施方式对本发明提供的测距方法、机器视觉系统及存储介质进行详细说明。
实施例一
参照图1的流程示意图,提出本发明测距方法的第一实施例,该测距方法应用于机器视觉系统。该机器视觉系统包括:
拍摄装置100,用于采集拍摄图像;其中,所述拍摄装置100包括相机以及设置在所述相机上的镜头110;以及
测距装置200,用于利用本实施例的测距方法,对拍摄图像对应的拍摄物体进行测距。
测距装置200是指能够实现数据传输和数据处理的终端设备或网络设备,所述测距装置200可以是手机、电脑、平板电脑、嵌入式工控机等终端设备,也可以是服务器、云平台等网络设备。
如图3所示,为测距装置200的硬件结构示意图。该测距装置200可以包括:处理器201,例如CPU(Central Processing Unit,中央处理器),通信总线202,用户接口203,网络接口204,存储器205。
本领域技术人员可以理解,图3中示出的硬件结构并不构成对本发明机器视觉系统中测距装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
具体的,通信总线202用于实现这些组件之间的连接通信;
用户接口203用于连接客户端,与客户端进行数据通信,用户接口203可以包括输出单元,如显示屏、输入单元,如键盘;
网络接口204用于连接后台服务器,与后台服务器进行数据通信,网络接口204可以包括输入/输出接口,比如标准的有线接口、无线接口,如Wi-Fi接口;
存储器205用于存储各种类型的数据,这些数据例如可以包括该测距装置中任何应用程序或方法的指令,以及应用程序相关的数据,存储器205可以是高速RAM存储器,也可以是稳定的存储器,例如磁盘存储器,可选的,存储器205还可以是独立于所述处理器201的存储装置;
具体的,继续参照图3,存储器205中可以包括操作系统、网络通信模块、用户接口模块以及测距程序,其中,网络通信模块主要用于连接相机,与相机进行数据通信;
处理器201用于调用存储器205中存储的测距程序,并执行以下操作:
获取相机采集的拍摄图像以及镜头的工作参数;
根据所述拍摄图像中不同区域的清晰度,在所述拍摄图像中确定目标区域图像;
对所述工作参数进行拟合,得到拟合系数;
针对所述目标区域图像,根据所述工作参数和所述拟合系数,得到图物关系和像素当量,其中,所述图物关系为所述目标区域图像中任意像素点与对应的物点之间的映射关系,所述像素当量为所述任意像素点的像素当量;
根据所述图物关系和所述像素当量,对所述拍摄图像对应的拍摄物体进行测距,得到测距结果。
基于上述的机器视觉系统,下面结合图1所示的流程示意图,对本实施例的测距方法进行详细描述。所述方法可以包括以下步骤:
步骤S10:获取所述相机采集的拍摄图像以及所述镜头的工作参数。
具体的,该机器视觉系统中,镜头110设置在相机上,镜头110可以是光学镜头,相机可以是面阵相机。如图2所示为镜头的结构示意图,镜头110包括最前端面111和法兰面112,该镜头110所在的光学模型中,镜头110还包括物方主面113和像方主面114,除了镜头110本身,在镜头前方还有物面101,也就是拍摄物体所在的平面,在镜头后方还有像面102,也就是拍摄物体在相机中成像所在的平面。
具体实施方式中,相机通过该镜头对实物进行拍摄,采集到被拍摄的实物的图像,即拍摄图像,并将该拍摄图像发送给测距装置200,测距装置200便可获取到拍摄图像。同时,镜头在出厂时,厂家一般会给定一些工作参数,包括镜头的固定参数,以及随用户的操作变化的一些可调参数。测距装置200还获取该镜头的工作参数,以备后续使用。
本实施例中,镜头的工作参数可以包括镜头厂商给出的镜头的焦距、镜头物方主点位置、镜头像方主点位置、镜头最前端到镜头法兰面的距离、镜头法兰面到像点的距离,以及含有一系列工作距离和与该工作距离对应的垂轴放大率的表格。
步骤S20:根据所述拍摄图像中不同区域的清晰度,在所述拍摄图像中确定目标区域图像。
具体的,步骤S20可以包括:
步骤S21:将所述拍摄图像划分为多个区域;
步骤S22:通过清晰度计算方法,分别得到多个所述区域的清晰度;
其中,对于清晰度的计算方法可以采用现有的任意清晰度计算方法,例如:清晰度计算方法包括但不限于Brenner梯度函数算法、Tenengrad梯度函数算法、Laplacian梯度函数算法或SMD(灰度方差)函数算法中的任意一种或多种之间的组合;
步骤S23:将所述清晰度在预设阈值范围内的区域确定为目标区域,得到目标区域图像。
具体的,预设阈值范围为预设的清晰度阈值范围,在通过清晰度计算方法划分的每个区域进行计算,得到每个区域的清晰度,然后将每个区域的清晰度与预设的清晰度进行比较,若某个区域的清晰度在预设阈值范围内,则可以将该区域确定为目标区域,此时得到的目标区域图像为划分的一个区域。在实际应用中,若有连续的几个区域的清晰度都在预设阈值范围内,则可以将这几个区域确定为目标区域,此时得到的目标区域图像为划分的几个区域。或者,还可以将清晰度都在预设阈值范围内的这几个区域中清晰度最高的一个区域确定为目标区域,以方便后续得到的图物关系和像素当量更加精确。
步骤S30:对所述工作参数进行拟合,得到拟合系数。
具体的,工作参数包括工作距离及对应的垂轴放大率,具体可以是厂家针对镜头给出的含有一系列工作距离和与该工作距离对应的垂轴放大率的表格。步骤S30可以包括:
步骤S31:对所述工作距离和所述垂轴放大率进行拟合,得到拟合系数,其中,拟合关系式为:
WD=a·β-1+b+a·β
其中,WD表示所述镜头的工作距离,β表示所述镜头的垂轴放大率,a、b表示拟合系数。
其中,构建拟合关系式的过程为:
基于图2所示的镜头及其光学模型,在镜头的光学模型中,镜头的光轴为图2中横向虚线所示,则物面101与光轴的交点为物点O,最前端面111与光轴的交点为镜头中心点G,物方主面113与光轴的交点为物方主点H,像方主面114与光轴的交点为像方主点H’,像面102与光轴的交点为像点I。
第一步,根据图2可以看出,镜头满足以下关系:
O/I=l+HH′+l′ 公式(1),
O/I=WD+Llens+FB 公式(2),
其中,O/I表示物点O到像点I的距离,l表示物点O到物方主面113的距离,HH′表示物方主面113到像方主面114的距离,l′表示像点I到像方主面114的距离,WD表示镜头的工作距离,也就是物点O到最前端面111的距离,Llens表示最前端面111到法兰面112的距离,FB表示法兰面112到像点I的距离;
结合公式(1)、(2)可得:
WD+Llens+FB=l+HH′+l′ 公式(3)。
第二步,由于镜头的像点I和其对应的物点O满足高斯公式:
其中,f为镜头的焦距;
以及垂轴放大率β满足:
结合公式(4)、(5)可得:
第三步,由公式(3)、(6)可以得到:
WD=f·β-1+2f+HH′-Llens-FB+f·β 公式(7),
在公式(7)中,将f用系数a表示,2f+HH′-Llens-FB用系数b表示,可以得到:
WD=a·β-1+b+a·β 公式(8),
基于该公式(8),可以表征镜头的工作距离WD与垂轴放大率β之间的关系,即得到拟合关系式。
在具体实施过程中,在使用镜头,对实物进行拍照时,系数a和系数b是常数,因此,可以对厂商提供的工作参数,即具体的工作距离及对应的垂轴放大率进行拟合,得到工作距离与垂轴放大率的具体关系,也就是得到拟合关系式中的拟合系数a和b的值,以便当镜头的工作距离不在厂家提供的表格中时,利用拟合关系式得到对应的垂轴放大率,以及以备后续确定图物关系和像素当量时使用。
步骤S40:针对所述目标区域图像,根据所述工作参数和所述拟合系数,得到图物关系和像素当量。
其中,所述图物关系为所述目标区域图像中任意像素点与对应的物点之间的映射关系,所述像素当量为所述任意像素点的像素当量。
物点、像点以及拍摄图像中像素点之间是有对应关系的,为了更确切地表达拍摄物体和拍摄图像之间的关系,可以先确定拍摄物体和相机成像之间的关系,以及相机成像与拍摄图像之间的关系,再根据这两个关系得到拍摄物体与拍摄图像之间的关系。
具体的,步骤S40可以包括:
步骤S41:根据所述工作参数和所述拟合系数,构建物像关系,所述物像关系为任意物点与在所述相机中对应的像点之间的映射关系;
其中,步骤S41可以包括:
步骤S41.1:以所述镜头的光轴为z轴,所述镜头的最前端面与所述光轴的交点为原点,所述最前端面的竖直方向为y轴,水平方向为x轴,建立空间坐标系;
步骤S41.2:在所述空间坐标系中,根据所述工作参数和所述拟合系数,以任意物点和对应的像点构建物像关系,得到物像关系式:
其中,(xo,yo,zo)表示所述任意物点在所述空间坐标系中的坐标,(xi,yi,zi)表示所述任意物点对应的像点在所述空间坐标系中的坐标,H′表示所述像方主点在所述空间坐标系中的坐标,f表示所述镜头的焦距,a、b均表示所述拟合系数;zi-H′表示像点到像方主面114的距离。
具体的,在以镜头的光轴为z轴,最前端面111上的镜头中心点G为原点,竖直方向为y轴,水平方向为x轴,且x轴、y轴、z轴两两相互垂直,建立的空间坐标系中,设一像点I的位置为(xi,yi,zi),则该像点对应的物点O(xo,yo,zo)中,zo的绝对值即为镜头的工作距离WD,从而根据公式(6)、(8)可以得到:
基于该公式(9),可以表征镜头前方的物点与镜头后方的像点之间的关系,即得到物像关系式。
步骤S42:针对所述目标区域图像中的任意像素点,构建像图关系,所述像图关系为所述任意像素点与对应的像点之间的映射关系。
实际应用中,由于拍摄物体与理想物面往往不会完全重合,如果将拍摄物体直接视作理想物面,从而来确定图物关系,得到的关系表达式与实际可能存在较大误差,从而可能会使得到的测距结果也存在误差。但因为拍摄物体与理想物面越接近,拍摄图片的清晰度就会越高,所以,通过步骤S20在拍摄图像中确定满足一定清晰度要求的目标区域,得到目标区域图像后,再来确定图物关系,使得到的关系表达式,以及后续使用该关系表达式进行测距的测距结果都更加准确。
因此,为了更准确地表达物点和拍摄图像中像素点之间的关系,在确定相机成像与拍摄图像之间的关系时,使用目标区域图像可以准确地得到像图关系。
其中,步骤S42可以包括:
步骤S42.1:在所述目标区域图像中,以所述目标区域图像的中心点为原点,水平方向为x轴,竖直方向为y轴,建立图平面坐标系;
步骤S42.2:在所述相机的像面中,以所述相机的感光芯片中心为原点,水平方向为x轴,竖直方向为y轴,建立像平面坐标系;
步骤S42.3:在所述图平面坐标系中,确定一像素点,得到所述像素点在所述像平面坐标系中对应的像点;
步骤S42.4:以所述像素点和所述像点构建像图关系,得到像图关系式:
其中,(xp,yp)表示所述像素点在所述图平面坐标系中的坐标,(xi,yi)表示所述像素点对应的像点在所述像平面坐标系中的坐标,δ表示所述相机的像元大小。
具体的,相机成像与拍摄图像都是二维平面的,因此根据各自建立的平面坐标系,也就是相机成像的像平面坐标系和拍摄图像的图平面坐标系来构建像图关系。这两个平面坐标系存在的关系可以表示为:
其中,相机的像元大小δ可以由镜头厂家提供,因此,基于该公式(10),可以表征相机成像中的像点I与拍摄图像中的像素点P之间的关系,即得到像图关系式。
步骤S43:根据所述物像关系和所述像图关系,得到图物关系和像素当量。
其中,步骤S43可以包括:
步骤S43.1:根据所述物像关系式和所述像图关系式,以任意像素点和对应的物点构建图物关系,得到图物关系式:
其中,(xp,yp)表示任意像素点P在所述图平面坐标系中的坐标,(xo,yo,zo)表示所述任意像素点P对应的物点O在所述空间坐标系中的坐标,zi表示所述任意像素点P对应的像点I在所述空间坐标系中的z轴坐标;
以及所述任意像素点的像素当量:
其中,Δ表示所述任意像素点P的像素当量。
在得到物像关系和像图关系后,当物像关系式中的像点与像图关系式中的像点为同一点时,此时,物点O(xo,yo,zo)、像点I(xi,yi,zi)和像素点P(xp,yp)存在对应关系,可以得到拍摄图像中像素点与对应的拍摄物体的物点实际存在的关系,根据公式(6)、(9)、(10)可以得到:
基于该公式(11),在得到拟合系数a和拟合系数b,以及镜头的工作参数,具体为焦距、像方主点H’的具体坐标位置、以及相机的像元大小后,可以计算得到任意一个像素点P(xp,yp)所对应的物点O(xo,yo,zo)的坐标,因此,公式(11)可以表征拍摄图像与拍摄物体之间的关系,即得到图物关系式。
同时,由于像素当量与相机的像元大小和镜头的垂轴放大率存在以下关系:
根据公式(6)、(12)可以得到像素当量计算式:
基于该公式(13),在获取到镜头的工作参数,具体为焦距和像方主点H’的具体坐标位置后,可以计算得到拍摄图像中一个像素点代表的实际物理尺寸是多少,即得到像素点(xp,yp)的像素当量,以备后续测距使用。
通过确定的目标区域图像,结合镜头的工作参数和得到的拟合系数来得到图物关系,以及计算具体的像素当量,实现了高精确度的像素当量计算,为高精确度的距离测量提供了条件。
步骤S50:根据所述图物关系和所述像素当量,对所述拍摄图像对应的拍摄物体进行测距,得到测距结果。
具体的,根据图物关系式和像素当量的计算式,可以对拍摄图像中的任意像素点对应的实际物点与镜头的最前端面之间的距离进行计算,还可以先对拍摄图像中任意两个像素点之间的距离进行计算,再结合像素当量,得到这两个像素点所对应的实际物点之间的距离。
具体的,步骤S50可以包括:
步骤S51:根据所述图物关系,计算所述拍摄图像中任意像素点对应的实际物点与所述镜头的最前端面之间的距离,得到第一测距结果;
步骤S52:根据所述像素当量,计算所述拍摄图像中任意两个像素点所对应的实际物点之间的距离,得到第二测距结果;
具体的,计算拍摄图像中任意两个像素点P1(x1,y1)和P2(x2,y2)所对应的实际物点之间的距离时,涉及的计算式为:
其中,P1P2表示所述任意两个像素点所对应的实际物点之间的距离,Δ(i,i)表示拍摄图像中坐标为(i,j)的像素点对应的像素当量。
根据图物关系和像素当量,可以得到拍摄图像或目标区域图像中任意像素点所对应的实际物点的测距结果。需要说明,步骤S50中既可以对拍摄图像进行测距,也可以对目标区域图像进行测距,当对拍摄图像中目标区域之外的区域进行测距时,可能会存在一定的误差,但该误差相比现有技术更小,当对目标区域图像进行测距时,精确度会更高,从而得到的测距结果可以更精准。通过计算拍摄图像中不同区域的清晰度,找出清晰的目标区域,以目标区域图像的像素点,对应找出与理想物平面更重合的拍摄物体的物点,可以实现在不同工作距离下对拍摄物体更精确的距离测量。
本实施例提供的测距方法,通过获取拍摄图像,根据拍摄图像中不同区域的清晰度确定目标区域图像,并针对目标区域图像,根据镜头的工作参数以及对工作参数进行拟合得到的拟合系数,确定图物关系和像素当量,以根据图物关系和像素当量对拍摄图像对应的拍摄物体进行测距,得到测距结果,实现了通过机器视觉对拍摄物体进行测距的目的。本发明基于成像清晰度确定拍摄图像中任意像素点与对应的实际物点的关系,可以描述镜头与像面在任意角度下的物像关系,适用于镜头和相机呈一定角度放置的机器视觉系统以及不同镜头在不同工作距离下的机器视觉系统,通用性高;并通过对清晰度满足预设要求的目标区域图像进行处理,保证了图物关系的精确度,使得最终的测距结果更加准确。
实施例二
基于同一发明构思,本实施例提供了一种本发明机器视觉系统,该机器视觉系统包括:
拍摄装置,用于采集拍摄图像;以及
测距装置,用于根据所述拍摄图像进行测距;
其中,拍摄装置与测距装置之间存在连接关系。
具体的,所述拍摄装置可以包括相机以及设置在所述相机上的镜头;
所述测距装置可以包括处理器和存储器,所述存储器上存储有测距程序,所述测距程序被所述处理器执行时,实现本发明测距方法各个实施例的全部或部分步骤。
具体的,所述测距装置是指能够实现数据传输和数据处理的终端设备或网络设备,可以是手机、电脑、平板电脑、便携计算机等终端设备,也可以是服务器、云平台等网络设备。
如图3所示,为本发明机器视觉系统中测距装置的硬件结构示意图。可以理解,所述测距装置还可以包括通信总线,用户接口和网络接口。
其中,通信总线用于实现这些组件之间的连接通信。
用户接口用于连接客户端,与客户端进行数据通信,用户接口可以包括输出单元,如显示屏、输入单元,如键盘。
网络接口用于连接后台服务器,与后台服务器进行数据通信,网络接口可以包括输入/输出接口,比如标准的有线接口、无线接口,如Wi-Fi接口。
存储器用于存储各种类型的数据,这些数据例如可以包括该主题三中任何应用程序或方法的指令,以及应用程序相关的数据。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random AccessMemory,简称SRAM),随机存取存储器(Random Access Memory,简称RAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘,可选的,存储器还可以是独立于所述处理器的存储装置。
处理器用于调用存储器中存储的测距程序,并执行如上述的测距方法,处理器可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital SignalProcessing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件,用于执行如上述测距方法各个实施例的全部或部分步骤。
实施例三
基于同一发明构思,本实施例提供了一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁性存储器、磁盘、光盘、服务器等等,所述存储介质上存储有计算机程序,所述计算机程序可被一个或多个处理器执行,所述计算机程序被处理器执行时可以实现本发明测距方法各个实施例的全部或部分步骤。
需要说明,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。以上所述仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均包括在本发明的专利保护范围内。
Claims (10)
1.一种测距方法,其特征在于,应用于机器视觉系统,所述系统包括拍摄装置,所述拍摄装置包括相机以及设置在所述相机上的镜头;
所述方法包括:
获取所述相机采集的拍摄图像以及所述镜头的工作参数;
根据所述拍摄图像中不同区域的清晰度,在所述拍摄图像中确定目标区域图像;
对所述工作参数进行拟合,得到拟合系数;
针对所述目标区域图像,根据所述工作参数和所述拟合系数,得到图物关系和像素当量,其中,所述图物关系为所述目标区域图像中任意像素点与对应的物点之间的映射关系,所述像素当量为所述任意像素点的像素当量;
根据所述图物关系和所述像素当量,对所述拍摄图像对应的拍摄物体进行测距,得到测距结果。
2.如权利要求1所述的测距方法,其特征在于,所述根据所述拍摄图像中不同区域的清晰度,在所述拍摄图像中确定目标区域图像的步骤包括:
将所述拍摄图像划分为多个区域;
通过清晰度计算方法,分别得到多个所述区域的清晰度;
将所述清晰度在预设阈值范围内的区域确定为目标区域,得到目标区域图像。
3.如权利要求1所述的测距方法,其特征在于,所述工作参数包括工作距离及对应的垂轴放大率;
所述对所述工作参数进行拟合,得到拟合系数的步骤包括:
对所述工作距离和所述垂轴放大率进行拟合,得到拟合系数,其中,拟合关系式为:
WD=a·β-1+b+a·β
其中,WD表示所述镜头的工作距离,β表示所述镜头的垂轴放大率,a、b表示拟合系数。
4.如权利要求3所述的测距方法,其特征在于,所述针对所述目标区域图像,根据所述工作参数和所述拟合系数,得到图物关系和像素当量的步骤,包括:
根据所述工作参数和所述拟合系数,构建物像关系,所述物像关系为任意物点与在所述相机中对应的像点之间的映射关系;
针对所述目标区域图像中的任意像素点,构建像图关系,所述像图关系为所述任意像素点与对应的像点之间的映射关系;
根据所述物像关系和所述像图关系,得到图物关系和像素当量。
5.如权利要求4所述的测距方法,其特征在于,所述工作参数包括焦距和像方主点的位置;
所述根据所述工作参数和所述拟合系数,构建物像关系的步骤包括:
以所述镜头的光轴为z轴,所述镜头的最前端面与所述光轴的交点为原点,所述最前端面的竖直方向为y轴,水平方向为x轴,建立空间坐标系;
在所述空间坐标系中,根据所述工作参数和所述拟合系数,以任意物点和对应的像点构建物像关系,得到物像关系式:
其中,(x0,y0,z0)表示所述任意物点在所述空间坐标系中的坐标,(x0,y0,zi)表示所述任意物点对应的像点在所述空间坐标系中的坐标,H′表示所述像方主点在所述空间坐标系中的坐标,f表示所述镜头的焦距,a、b均表示所述拟合系数。
6.如权利要求5所述的测距方法,其特征在于,所述针对所述目标区域图像中的任意像素点,构建像图关系的步骤包括:
在所述目标区域图像中,以所述目标区域图像的中心点为原点,水平方向为x轴,竖直方向为y轴,建立图平面坐标系;
在所述相机的像面中,以所述相机的感光芯片中心为原点,水平方向为x轴,竖直方向为y轴,建立像平面坐标系;
在所述图平面坐标系中,确定一像素点,得到所述像素点在所述像平面坐标系中对应的像点;
以所述像素点和所述像点构建像图关系,得到像图关系式:
其中,(xp,yp)表示所述像素点在所述图平面坐标系中的坐标,(xi,yi)表示所述像素点对应的像点在所述像平面坐标系中的坐标,δ表示所述相机的像元大小。
8.如权利要求1所述的测距方法,其特征在于,所述根据所述图物关系和所述像素当量,对所述拍摄图像对应的拍摄物体进行测距,得到测距结果的步骤包括:
根据所述图物关系,计算所述拍摄图像中任意像素点对应的实际物点与所述镜头的最前端面之间的距离,得到第一测距结果;
根据所述像素当量,计算所述拍摄图像中任意两个像素点所对应的实际物点之间的距离,得到第二测距结果。
9.一种机器视觉系统,其特征在于,所述系统包括:
拍摄装置,用于采集拍摄图像;以及
测距装置,用于根据所述拍摄图像进行测距;
其中,所述拍摄装置包括相机以及设置在所述相机上的镜头;
所述测距装置包括处理器和存储器,所述存储器上存储有测距程序,所述测距程序被所述处理器执行时,实现如权利要求1至8中任一项所述的测距方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序可被一个或多个处理器执行,以实现如权利要求1至8中任一项所述的测距方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210301002.9A CN114674276B (zh) | 2022-03-25 | 2022-03-25 | 测距方法、机器视觉系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210301002.9A CN114674276B (zh) | 2022-03-25 | 2022-03-25 | 测距方法、机器视觉系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114674276A true CN114674276A (zh) | 2022-06-28 |
CN114674276B CN114674276B (zh) | 2024-02-23 |
Family
ID=82074024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210301002.9A Active CN114674276B (zh) | 2022-03-25 | 2022-03-25 | 测距方法、机器视觉系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114674276B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101982966A (zh) * | 2010-10-29 | 2011-03-02 | 天津大学 | 影像测量仪光轴与物面垂直度的调节方法 |
CN102865849A (zh) * | 2012-10-19 | 2013-01-09 | 广州市盛光微电子有限公司 | 一种用于测距的拍摄装置及测距方法 |
CN106291519A (zh) * | 2015-06-05 | 2017-01-04 | 小米科技有限责任公司 | 测距方法及装置 |
CN106353747A (zh) * | 2016-09-06 | 2017-01-25 | 乐视控股(北京)有限公司 | 距离测量方法及装置 |
CN106371086A (zh) * | 2016-08-30 | 2017-02-01 | 广州华多网络科技有限公司 | 一种测距的方法和装置 |
CN109883391A (zh) * | 2019-03-20 | 2019-06-14 | 北京环境特性研究所 | 基于微透镜阵列数字成像的单目测距方法 |
CN109974594A (zh) * | 2019-04-16 | 2019-07-05 | 安阳壮龙无人机科技有限公司 | 一种距离确定的方法及装置 |
CN110609274A (zh) * | 2018-06-15 | 2019-12-24 | 杭州海康威视数字技术股份有限公司 | 一种测距方法、装置及系统 |
CN111710001A (zh) * | 2020-05-26 | 2020-09-25 | 东南大学 | 一种多介质条件下物像映射关系标定方法及标定装置 |
CN111947894A (zh) * | 2020-07-29 | 2020-11-17 | 深圳惠牛科技有限公司 | 测量方法、系统、装置及终端设备 |
CN112114320A (zh) * | 2020-08-31 | 2020-12-22 | 金钱猫科技股份有限公司 | 一种基于图像算法的测量方法及装置 |
-
2022
- 2022-03-25 CN CN202210301002.9A patent/CN114674276B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101982966A (zh) * | 2010-10-29 | 2011-03-02 | 天津大学 | 影像测量仪光轴与物面垂直度的调节方法 |
CN102865849A (zh) * | 2012-10-19 | 2013-01-09 | 广州市盛光微电子有限公司 | 一种用于测距的拍摄装置及测距方法 |
CN106291519A (zh) * | 2015-06-05 | 2017-01-04 | 小米科技有限责任公司 | 测距方法及装置 |
CN106371086A (zh) * | 2016-08-30 | 2017-02-01 | 广州华多网络科技有限公司 | 一种测距的方法和装置 |
CN106353747A (zh) * | 2016-09-06 | 2017-01-25 | 乐视控股(北京)有限公司 | 距离测量方法及装置 |
CN110609274A (zh) * | 2018-06-15 | 2019-12-24 | 杭州海康威视数字技术股份有限公司 | 一种测距方法、装置及系统 |
US20210270957A1 (en) * | 2018-06-15 | 2021-09-02 | Hangzhou Hikvision Digital Technology Co., Ltd. | Ranging method, ranging device and ranging system |
CN109883391A (zh) * | 2019-03-20 | 2019-06-14 | 北京环境特性研究所 | 基于微透镜阵列数字成像的单目测距方法 |
CN109974594A (zh) * | 2019-04-16 | 2019-07-05 | 安阳壮龙无人机科技有限公司 | 一种距离确定的方法及装置 |
CN111710001A (zh) * | 2020-05-26 | 2020-09-25 | 东南大学 | 一种多介质条件下物像映射关系标定方法及标定装置 |
CN111947894A (zh) * | 2020-07-29 | 2020-11-17 | 深圳惠牛科技有限公司 | 测量方法、系统、装置及终端设备 |
CN112114320A (zh) * | 2020-08-31 | 2020-12-22 | 金钱猫科技股份有限公司 | 一种基于图像算法的测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114674276B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN112927280B (zh) | 深度图像的获取方法及装置、单目散斑结构光系统 | |
WO2021196548A1 (zh) | 距离确定方法、装置及系统 | |
WO2018153149A1 (zh) | 一种基于感兴趣区域的自动聚焦方法及装置 | |
JP5075757B2 (ja) | 画像処理装置、画像処理プログラム、画像処理方法、および電子機器 | |
CN106815869B (zh) | 鱼眼相机的光心确定方法及装置 | |
CN110858872B (zh) | 光轴偏移补偿方法及装置 | |
CN108234858B (zh) | 图像虚化处理方法、装置、存储介质及电子设备 | |
CN110996082B (zh) | 投影调节方法、装置、投影仪及可读存储介质 | |
CN108489423B (zh) | 一种产品表面水平倾斜角度的测量方法及系统 | |
CN110345875B (zh) | 标定及测距方法、装置、电子设备及计算机可读存储介质 | |
WO2019232793A1 (zh) | 双摄像头标定方法、电子设备、计算机可读存储介质 | |
CN111563926B (zh) | 测量图像中物体物理尺寸的方法、电子设备、介质及系统 | |
CN112257713A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN106878598B (zh) | 处理方法及电子设备 | |
CN114674276B (zh) | 测距方法、机器视觉系统及存储介质 | |
CN112598610A (zh) | 一种深度图像获得方法、装置、电子设备及存储介质 | |
CN115311624B (zh) | 一种边坡位移监测方法、装置、电子设备及存储介质 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN110136237B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN105333818A (zh) | 基于单目摄像机的3d空间测量方法 | |
WO2018061430A1 (ja) | 計測装置、計測方法、計測プログラム、及び記録媒体 | |
CN116579907B (zh) | 晶圆图像获取方法、装置、设备及可读存储介质 | |
CN110728714B (zh) | 图像处理方法和装置、存储介质、电子设备 | |
CN110771147A (zh) | 拍摄装置参数的调节方法、控制设备及拍摄系统 |
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 |