CN115112024B - 线材长度测量过程中纹理定位的算法 - Google Patents

线材长度测量过程中纹理定位的算法 Download PDF

Info

Publication number
CN115112024B
CN115112024B CN202210796303.3A CN202210796303A CN115112024B CN 115112024 B CN115112024 B CN 115112024B CN 202210796303 A CN202210796303 A CN 202210796303A CN 115112024 B CN115112024 B CN 115112024B
Authority
CN
China
Prior art keywords
wire
wire rod
binocular camera
length
groups
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
CN202210796303.3A
Other languages
English (en)
Other versions
CN115112024A (zh
Inventor
姜光
王晓鹏
戴相龙
何成虎
李学钧
蒋勇
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.)
Jiangsu Haohan Information Technology Co ltd
Original Assignee
Jiangsu Haohan Information 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 Jiangsu Haohan Information Technology Co ltd filed Critical Jiangsu Haohan Information Technology Co ltd
Publication of CN115112024A publication Critical patent/CN115112024A/zh
Application granted granted Critical
Publication of CN115112024B publication Critical patent/CN115112024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提出了线材长度测量过程中纹理定位的算法。所述算法包括：在待测长度的线材两端分别贴上便携式标签；利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片；将或得到的一组或多组线材照片发送至边缘计算模块；所述边缘计算模块根据一组或多组线材照片计算获取线材的长度。所述算法的执行系统包括与所述方法的步骤对应的模块。

Description

线材长度测量过程中纹理定位的算法
技术领域
本发明提出了线材长度测量过程中纹理定位的算法，属于线材长度测量技术领域。
背景技术
线材附件施工过程中，时常需要对线材的长度进行测量，现有技术中，线材附件长度的测量基本上都是通过施工现场的工作人员通过机械式测量工具进行手动测量，这种测量方式不仅需要施工人员携带测量工具，费时费力，并且测量工具会占用施工现空间。另一方面，由于测量工具都具有一定的测量误差，并且，在测量工具进行线材长度测量时，需要施工人员进行测量读数，读数过程中也会出现误差，在测量误差和读数误差叠加后，进一步增大了线材长度测量的误差，时常导致线材附件的长度测量结果准确性较低，需要重新测量，这种情况大大降低了线材施工效率，影响施工进度。本发明提出的线材长度测量过程中纹理定位的算法与现有技术中的测量方式相比，能够在对线材的长度有现场快速测量需求时，操作人员通过手持终端控制移动双目相机，进行无接触、精确的测量，测量效率高，而且测量误差小于1％，精度高。
发明内容
本发明的目的在于提供线材长度测量过程中纹理定位的算法，用以解决现有技术中的人工手动测量线材长度效率低、精度差的问题，所采取的技术方案如下：
线材长度测量过程中纹理定位的算法，所述算法包括：
在待测长度的线材两端分别贴上便携式标签；所述便携式标签即为纹理标签；
通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置；
利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片；
将或得到的一组或多组线材照片发送至边缘计算模块；
所述边缘计算模块根据一组或多组线材照片计算获取线材的长度。
进一步地，所述利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片之前还包括：
将所述双目相机移动至所述双目相机的镜头与所述待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；
调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
进一步地，所述双目相机的基线长度为3-20cm。
进一步地，所述边缘计算模块根据一组或多组线材照片计算获取线材的长度，包括：
将一组或多组线材照片作为线材照片样本，采用MaskRCNN训练得到线材分割模型M；
针对双目相机分别利用模型M分割线材照片样本中的线材图像，得到线材的左右两个端点；其中，所述左右两个端点分别为{PL1,PR1}和{PL2,PR2}；
通过计算分别获取线材的左端点坐标和右端点坐标。
进一步地，通过计算分别获取线材的左端点坐标和右端点坐标，包括：
步骤1、将P点设为双目相机中的左端点，对于双目相机中的左右相机分别有：
其中，Zc1和Zc1分别表示平移向量；矩阵中的矩阵元素p1 00……p1 23分别表示旋转矩阵P中的元素；u,v表示点在图像中的坐标，xw,yw,zw表示其世界坐标；
步骤2，对步骤1中的两个矩阵模型进行整理可得：
步骤3、利用最小二乘法对步骤2中获得公式进行拟合得到线材的左端点的坐标为{XL,YL,ZL}；
步骤4、以步骤1至步骤3相同的方法同理计算获取线材的左端点的坐标为{XR,YR,ZR}；
步骤5、根据线材的左端点坐标和右端点坐标通过如下公式获取待测线材长度：
L＝sqrt((XL-XR)2+(YL-YR)2+(ZL-ZR)2)
其中，L表示待测线材长度。
线材长度测量过程中纹理定位的算法，所述算法的执行系统包括：
贴签模块，用于在待测长度的线材两端分别贴上便携式标签；
拍照模块，用于控制手持终端移动双目相机针对待测长度的线材拍摄一组或多组线材照片；
发送模块，用于将或得到的一组或多组线材照片发送至边缘计算模块；
边缘计算模块，用于根据一组或多组线材照片计算获取线材的长度。
进一步地，所述系统还包括：
距离移动模块，用于将所述双目相机移动至所述双目相机的镜头与所述待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；
距离调整模块，用于调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
进一步地，所述边缘计算模块包括：
分割模块，用于将一组或多组线材照片作为线材照片样本，采用MaskRCNN训练得到线材分割模型M；
端点获取模块，用于针对双目相机分别利用模型M分割线材照片样本中的线材图像，得到线材的左右两个端点；其中，所述左右两个端点分别为{PL1,PR1}和{PL2,PR2}；
计算模块，用于通过计算分别获取线材的左端点坐标和右端点坐标。
进一步地，所述边通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置，包括：
第一步、采集纹理标签图片作为模板图片It，其中，所述模板图片It的宽度为Wt，高度为Ht；
第二步、提取所述模板图片It的SURF特征；
第三步、针对待识别图片I提取SURF特征，使用KNN和RANSAC方法获得模板图片It和待识别图片I之间的匹配点；分别将模板图片It中的匹配点和待识别图片I中的匹配点记为集合T和S；
第四步、分别从集合T和S中取两个点，分别记为(ti，tj)和(si，sj)，分别计算两点间的距离dt和ds，重复取N组点计算距离，得到N组点的平均距离为dt1和ds2，得到比例系数α＝dt1/ds2；
第五步、分别从集合T和S中取两个点，分别记为(ti，tj)和(si，sj)，则待识别图片I中纹理标签图片左上角位置为x＝si-α×ti，y＝sj-α×tj，所述纹理标签图片的宽度为αW，高度为αH。
本发明有益效果：
本发明基于移动双目图像采集设备的算法可在线材附件施工时，对线材的长度有现场快速测量需求时，操作人员通过手持终端控制移动双目相机，进行无接触、精确的测量，测量效率高，而且测量误差不大于1mm，精度高。
附图说明
图1为本发明基于移动双目图像采集设备的算法流程图；
图2为两端贴便携式标签的线材结构示意图；
图3为线材长度计算模型示意图；
图4为本发明所述系统的系统框图；
附图中，各标号所代表的部件列表如下：
1-线材，2-便携式标签。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明的一个实施例提出了线材长度测量过程中纹理定位的算法，如图1所示，所述算法包括：
S1、在待测长度的线材两端分别贴上便携式标签，如图2所示；
S2、通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置；
其中，进一步地，所述边通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置，包括：
第一步、采集纹理标签图片作为模板图片It，其中，所述模板图片It的宽度为Wt，高度为Ht；
第二步、提取所述模板图片It的SURF特征；
第三步、针对待识别图片I提取SURF特征，使用KNN和RANSAC方法获得模板图片It和待识别图片I之间的匹配点；分别将模板图片It中的匹配点和待识别图片I中的匹配点记为集合T和S；
第四步、分别从集合T和S中取两个点，分别记为(ti，tj)和(si，sj)，分别计算两点间的距离dt和ds，重复取N组点计算距离，得到N组点的平均距离为dt1和ds2，得到比例系数α＝dt1/ds2；
第五步、分别从集合T和S中取两个点，分别记为(ti，tj)和(si，sj)，则待识别图片I中纹理标签图片左上角位置为x＝si-α×ti，y＝sj-α×tj，所述纹理标签图片的宽度为αW，高度为αH。
S3、利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片；
S4、将或得到的一组或多组线材照片发送至边缘计算模块；
S5、所述边缘计算模块根据一组或多组线材照片计算获取线材的长度。
其中，所述双目相机的基线长度为3-20cm。
上述技术方案的工作原理为：首先，在待测长度的线材两端分别贴上便携式标签，如图2所示；然后，利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片；之后，将或得到的一组或多组线材照片发送至边缘计算模块；最后，所述边缘计算模块根据一组或多组线材照片计算获取线材的长度。
上述技术方案的效果为：可在线材附件施工时，对线材的长度有现场快速测量需求时，操作人员通过手持终端控制移动双目相机，进行无接触、精确的测量，测量效率高，而且测量误差不大于1mm，精度高。
本发明的一个实施例，所述利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片之前还包括：
第一步、将所述双目相机移动至所述双目相机的镜头与所述待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；
第二步、调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
上述技术方案的原理为：在用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片之前，还需要通过如下步骤进行照片距离调整，具体为：首先，将所述双目相机移动至所述双目相机的镜头与所述待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；然后，调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
上述技术方案的效果为：通过上述标定距离范围的设置能够使双目相机快速找到最佳的拍摄距离，同时，通过上述标签拍照和视野范围设置能够有效提高后续线材长度计算的精度和效率。
本发明的一个实施例所述边缘计算模块根据一组或多组线材照片计算获取线材的长度，包括：
S401、将一组或多组线材照片作为线材照片样本，采用MaskRCNN训练得到线材分割模型M；
S402、针对双目相机分别利用模型M分割线材照片样本中的线材图像，得到线材的左右两个端点；其中，所述左右两个端点分别为{PL1,PR1}和{PL2,PR2}；
S403、通过计算分别获取线材的左端点坐标和右端点坐标。
其中，通过计算分别获取线材的左端点坐标和右端点坐标，包括：
步骤1、将P点设为双目相机中的左端点，对于双目相机中的左右相机分别有：
其中，Zc1和Zc1分别表示平移向量；矩阵中的矩阵元素p1 00……p1 23分别表示旋转矩阵P中的元素；u,v表示点在图像中的坐标，xw,yw,zw表示其世界坐标；
步骤2，对步骤1中的两个矩阵模型进行整理可得：
步骤3、利用最小二乘法对步骤2中获得公式进行拟合得到线材的左端点的坐标为{XL,YL,ZL}；
步骤4、以步骤1至步骤3相同的方法同理计算获取线材的左端点的坐标为{XR,YR,ZR}；
步骤5、根据线材的左端点坐标和右端点坐标通过如下公式获取待测线材长度：
L＝sqrt((XL-XR)2+(YL-YR)2+(ZL-ZR)2)
其中，L表示待测线材长度。
上述技术方案的效果为：本发明提出的方法应用于双目摄像安全帽，利用本发明所述方法的双目摄像安全帽的最大测量范围为1m，测量误差不大于1mm。可在线材附件施工时，对线材的长度有现场快速测量需求时，操作人员通过手持终端控制移动双目相机，进行无接触、精确的测量，测量效率高。
本发明的一个实施例提出了线材长度测量过程中纹理定位的算法，如图4所示，所述算法的执行系统包括：
贴签模块，用于在待测长度的线材两端分别贴上便携式标签；
拍照模块，用于控制手持终端移动双目相机针对待测长度的线材拍摄一组或多组线材照片；
发送模块，用于将或得到的一组或多组线材照片发送至边缘计算模块；
边缘计算模块，用于根据一组或多组线材照片计算获取线材的长度。
其中，双目相机的基线长度为3-20cm。
上述技术方案的原理为：首先，通过贴签模块在待测长度的线材两端分别贴上便携式标签；然后采用拍照模块控制手持终端移动双目相机针对待测长度的线材拍摄一组或多组线材照片；之后，利用发送模块将或得到的一组或多组线材照片发送至边缘计算模块；最后，通过边缘计算模块根据一组或多组线材照片计算获取线材的长度。
上述技术方案的效果为：可在线材附件施工时，对线材的长度有现场快速测量需求时，操作人员通过手持终端控制移动双目相机，进行无接触、精确的测量，测量效率高，而且测量误差不大于1mm，精度高。
本发明的一个实施例，所述系统还包括：
距离移动模块，用于将所述双目相机移动至所述双目相机的镜头与所述待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；
距离调整模块，用于调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
上述技术方案的工作原理为：在所述拍照模块运行之前，还需要运行距离移动模块和距离调整模块，具体为：首先，利用距离移动模块将所述双目相机移动至所述双目相机的镜头与所述待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；然后，通过距离调整模块调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
上述技术方案的效果为：通过上述标定距离范围的设置能够使双目相机快速找到最佳的拍摄距离，同时，通过上述标签拍照和视野范围设置能够有效提高后续线材长度计算的精度和效率。
本发明的一个实施例，所述边缘计算模块包括：
分割模块，用于将一组或多组线材照片作为线材照片样本，采用MaskRCNN训练得到线材分割模型M；
端点获取模块，用于针对双目相机分别利用模型M分割线材照片样本中的线材图像，得到线材的左右两个端点；其中，所述左右两个端点分别为{PL1,PR1}和{PL2,PR2}；
计算模块，用于通过计算分别获取线材的左端点坐标和右端点坐标。
其中，所述计算模块获取线材的左端点坐标和右端点坐标的过程包括：
步骤1、将P点设为双目相机中的左端点，对于双目相机中的左右相机分别有：
其中，Zc1和Zc1分别表示平移向量；矩阵中的矩阵元素p1 00……p1 23分别表示旋转矩阵P中的元素；u,v表示点在图像中的坐标，xw,yw,zw表示其世界坐标；
步骤2，对步骤1中的两个矩阵模型进行整理可得：
步骤3、利用最小二乘法对步骤2中获得公式进行拟合得到线材的左端点的坐标为{XL,YL,ZL}；
步骤4、以步骤1至步骤3相同的方法同理计算获取线材的左端点的坐标为{XR,YR,ZR}；
步骤5、根据线材的左端点坐标和右端点坐标通过如下公式获取待测线材长度：
L＝sqrt((XL-XR)2+(YL-YR)2+(ZL-ZR)2)
其中，L表示待测线材长度。
上述技术方案的工作原理为：所述边缘计算模块的运行过程包括：
首先，通过分割模块将一组或多组线材照片作为线材照片样本，采用MaskRCNN训练得到线材分割模型M；然后，利用端点获取模块针对双目相机分别利用模型M分割线材照片样本中的线材图像，得到线材的左右两个端点；其中，所述左右两个端点分别为{PL1,PR1}和{PL2,PR2}；最后，利用计算模块通过计算分别获取线材的左端点坐标和右端点坐标。
上述技术方案的效果为：本发明提出的系统应用于双目摄像安全帽，利用本发明所述方系统的双目摄像安全帽的最大测量范围为1m，测量误差不大于1mm。可在线材附件施工时，对线材的长度有现场快速测量需求时，操作人员通过手持终端控制移动双目相机，进行无接触、精确的测量，测量效率高。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.线材长度测量过程中纹理定位的算法，其特征在于，所述算法包括：
在待测长度的线材两端分别贴上便携式标签；所述便携式标签即为纹理标签；
通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置；
利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片；
将或得到的一组或多组线材照片发送至边缘计算模块；
所述边缘计算模块根据一组或多组线材照片计算获取线材的长度；
其中，通过对已有纹理标签的模板图像识别，确定所述纹理标签的位置，包括：
第一步、采集纹理标签图片作为模板图片I t ，其中，所述模板图片I t 的宽度为W t ，高度为H t ；
第二步、提取所述模板图片I t 的SURF特征；
第三步、针对待识别图片I提取SURF特征，使用KNN和RANSAC方法获得模板图片I t 和待识别图片I之间的匹配点；分别将模板图片I t 中的匹配点和待识别图片I中的匹配点记为集合T和S；
第四步、分别从集合T和S中取两个点，分别记为（t i ，t j ）和（s i ，s j ），分别计算两点间的距离d t 和d s ，重复取N组点计算距离，得到N组点的平均距离为d t1和d s2，得到比例系数α=d t1/d s2；
第五步、分别从集合T和S中取两个点，分别记为（t i ，t j ）和（s i ，s j ），则待识别图片I中纹理标签图片左上角位置为x=s i -α×t i ，y=s j -α×t j ，所述纹理标签图片的宽度为αW，高度为α H；
所述边缘计算模块根据一组或多组线材照片计算获取线材的长度，包括：
将一组或多组线材照片作为线材照片样本，采用MaskRCNN训练得到线材分割模型M；
针对双目相机分别利用模型M分割线材照片样本中的线材图像，得到线材的左右两个端点；
通过计算分别获取线材的左端点坐标和右端点坐标；
通过计算分别获取线材的左端点坐标和右端点坐标，包括：
步骤1、对于双目相机中的左右相机分别有：
；
；
其中，z c1和z c2 分别表示平移向量；u,v表示点在图像中的坐标；x w ,y w ,z w 表示世界坐标；
步骤2，对步骤1中的两个矩阵模型进行整理得：
；
步骤3、利用最小二乘法对步骤2中获得公式进行拟合得到线材的左端点的坐标为{XL,YL,ZL}；
步骤4、以步骤1至步骤3相同的方法同理计算获取线材的右端点的坐标为{XR,YR,ZR}；
步骤5、根据线材的左端点坐标和右端点坐标通过如下公式获取待测线材长度：
L=sqrt((XL-XR)2+(YL-YR)2+(ZL-ZR)2)；
其中，L表示待测线材长度。
2.根据权利要求1所述算法，其特征在于，所述利用手持终端移动控制双目相机针对待测长度的线材拍摄一组或多组线材照片之前还包括：
将所述双目相机移动至所述双目相机的镜头与待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；
调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
3.根据权利要求1所述算法，其特征在于，所述双目相机的基线长度为3-20cm。
4.根据权利要求1所述算法，其特征在于，所述算法的执行系统包括：
贴签模块，用于在待测长度的线材两端分别贴上便携式标签；
拍照模块，用于控制手持终端移动双目相机针对待测长度的线材拍摄一组或多组线材照片；
发送模块，用于将或得到的一组或多组线材照片发送至边缘计算模块；
边缘计算模块，用于根据一组或多组线材照片计算获取线材的长度。
5.根据权利要求4所述算法，其特征在于，所述系统还包括：
距离移动模块，用于将所述双目相机移动至所述双目相机的镜头与待测线材之间符合标定距离范围的距离点处，其中，所述标定距离范围为0.1-5m；
距离调整模块，用于调节所述双目相机的镜头与所述待测线材之间距离范围，确保待测线材两端的便携式标签均在双目相机的视野范围内，双目相机能一次拍到线材两端的便携式标签。
6.根据权利要求4所述算法，其特征在于，所述边缘计算模块包括：
分割模块，用于将一组或多组线材照片作为线材照片样本，采用MaskRCNN训练得到线材分割模型M；
端点获取模块，用于针对双目相机分别利用模型M分割线材照片样本中的线材图像，得到线材的左右两个端点；
计算模块，用于通过计算分别获取线材的左端点坐标和右端点坐标。
CN202210796303.3A 2022-05-31 2022-07-06 线材长度测量过程中纹理定位的算法 Active CN115112024B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210611080 2022-05-31
CN2022106110809 2022-05-31

Publications (2)

Publication Number Publication Date
CN115112024A CN115112024A (zh) 2022-09-27
CN115112024B true CN115112024B (zh) 2023-09-26

Family

ID=83332652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210796303.3A Active CN115112024B (zh) 2022-05-31 2022-07-06 线材长度测量过程中纹理定位的算法

Country Status (1)

Country Link
CN (1) CN115112024B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202072345U (zh) * 2011-03-17 2011-12-14 深圳市得润电子股份有限公司 一种线材输送装置及线材长度检测装置
AU2020101932A4 (en) * 2020-07-16 2020-10-01 Xi'an University Of Science And Technology Binocular vision–based method and system for pose measurement of cantilever tunneling equipment
WO2021208231A1 (zh) * 2020-04-15 2021-10-21 上海工程技术大学 缝隙测量系统及测量方法
WO2021217859A1 (zh) * 2020-04-30 2021-11-04 平安国际智慧城市科技股份有限公司 目标异常识别方法、装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062873B (zh) * 2019-12-17 2021-09-24 大连理工大学 一种基于多对双目相机的视差图像拼接与可视化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202072345U (zh) * 2011-03-17 2011-12-14 深圳市得润电子股份有限公司 一种线材输送装置及线材长度检测装置
WO2021208231A1 (zh) * 2020-04-15 2021-10-21 上海工程技术大学 缝隙测量系统及测量方法
WO2021217859A1 (zh) * 2020-04-30 2021-11-04 平安国际智慧城市科技股份有限公司 目标异常识别方法、装置、电子设备及存储介质
AU2020101932A4 (en) * 2020-07-16 2020-10-01 Xi'an University Of Science And Technology Binocular vision–based method and system for pose measurement of cantilever tunneling equipment

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
Mask R-CNN;Kaiming He et al;《arXiv》;第1-12页 *
一种基于双目立体视觉的测量方法;于振 等;《工艺与检测》;第145-151页 *
基于 MASK RCNN的目标识别与空间定位;欧攀 等;《计算机测量与控制》;第6卷(第27期);第172-176页 *
基于双目视觉及MASK RCNN的牛体尺无接触测量;李琦 等;《畜牧科学》;第46-50、159-160页 *
基于双目视觉图像的长度测量方法;刘骥 等;《现代计算机(专业版)》(第11期);第58-63页 *
基于最佳几何约束和RANSAC 的特征匹配算法 的特征匹配算法;宁小娟 等;《系统仿真学报》;第34卷(第4期);第727-734页 *
线材制品长度测量方式的新发展;练建国 等;《金属制品》;第43卷(第2期);第24-31页 *
郑继明 等.重庆：重庆大学出版社.《数值计算方法 第3版》.2019,第37-40页. *
重庆：重庆大学出版社;郑继明 等;《数值计算方法 第3版》;第37-40页 *

Also Published As

Publication number Publication date
CN115112024A (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
JP4886560B2 (ja) 情報処理装置、情報処理方法
US10825198B2 (en) 3 dimensional coordinates calculating apparatus, 3 dimensional coordinates calculating method, 3 dimensional distance measuring apparatus and 3 dimensional distance measuring method using images
US6816755B2 (en) Method and apparatus for single camera 3D vision guided robotics
JP5586765B2 (ja) カメラキャリブレーション結果検証装置および方法
CN1187962C (zh) 经图形用户界面来外部校准摄象机的方法和装置
CN112132908B (zh) 一种基于智能检测技术的相机外参数标定方法及设备
CN110017852B (zh) 一种导航定位误差测量方法
CN112492292B (zh) 一种自由姿态的智能视觉3d信息采集设备
JP5079547B2 (ja) カメラキャリブレーション装置およびカメラキャリブレーション方法
CN111179335A (zh) 一种基于双目视觉的立木测定方法
CN111970454A (zh) 一种拍摄画面的展示方法、装置、设备及储存介质
CN115564842A (zh) 双目鱼眼相机的参数标定方法、装置、设备及存储介质
CN115112024B (zh) 线材长度测量过程中纹理定位的算法
CN111105467A (zh) 一种图像标定方法、装置及电子设备
CN112529856A (zh) 确定操作对象位置的方法、机器人和自动化系统
CN109712200B (zh) 一种基于最小二乘原理及边长推算的双目定位方法及系统
JP4236202B2 (ja) モデリング装置およびカメラパラメータの計算方法
CN113847874B (zh) 一种基于视觉的位移台位移方向标定方法
CN115115602B (zh) 线材直径测量过程中纹理定位的算法
CN112866579B (zh) 数据采集方法、装置及可读存储介质
CN214410073U (zh) 一种工业相机与深度相机结合的三维检测定位系统
CN113298883A (zh) 用于对多个相机进行标定的方法、电子设备和存储介质
CN113781573A (zh) 一种基于双目折反射全景相机的视觉里程计方法
CN111780683A (zh) 便携式扫描系统及其使用方法
CN116840763A (zh) 触摸屏测试设备触头校准方法及装置

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