CN115690226B - 一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法 - Google Patents
一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法 Download PDFInfo
- Publication number
- CN115690226B CN115690226B CN202211326420.XA CN202211326420A CN115690226B CN 115690226 B CN115690226 B CN 115690226B CN 202211326420 A CN202211326420 A CN 202211326420A CN 115690226 B CN115690226 B CN 115690226B
- Authority
- CN
- China
- Prior art keywords
- model
- plane
- image acquisition
- measuring instrument
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004164 analytical calibration Methods 0.000 title claims description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 68
- 230000003287 optical effect Effects 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法,包括基于Scheimpflug定律构建第一图像采集模型,获取棋盘格角点的像素坐标和世界坐标之间的第一转化模型,分解第一转化模型得到3D轮廓测量仪的初始标定参数,再获取3D轮廓测量仪的偏转值和偏移值构建第二图像采集模型,获取棋盘格角点的像素坐标和世界坐标之间的第二转化模型,基于第一转化模型和第二转化模型,结合3D轮廓测量仪的初始标定参数,得到3D轮廓测量仪的标定参数,该方法实现了仅采集一次图像即可得到像素坐标和世界坐标之间的对应关系,且在模型的构造过程充分考虑了3D轮廓测量仪的偏转值和偏移值,计算简单,标定精度高,能够实现对大视场3D轮廓测量仪的快速现场标定。
Description
技术领域
本发明属于相机标定领域,特别涉及一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
背景技术
摄像机的标定是3D轮廓测量仪能够进行准确测量的关键,标定得到的参数准确与否对3D轮廓测量仪的测量精度有着很大的影响。在大视场测量中,3D轮廓测量仪在其深度方向测量范围受限于摄像机的景深范围,被测物体在景深范围外的部分将产生虚焦现象,严重影响测量精度。因而普通相机无法满足3D轮廓测量仪进行大视场测量,需要相对透镜主平面旋转成像平面进行移轴处理,使像光路满足Scheimpflug定律以增大摄像机在深度方向的测量景深。由于像平面进行了一定角度的旋转,移轴相机对应成像模型中需要增加对像平面的旋转角的描述。在CMOS成像平面的旋转角较小(≤6°)时,普通相机的标定方法可利用切向畸变来对成像平面的倾斜效应进行补偿,一定程度上可以解决移轴成像系统的标定精度问题。但当旋转角较大时,标定精度会大幅度降低,严重影响测量精度。现有技术中,一般将像平面的旋转角作为一个相机的额外参数,通过移轴相机的外部刻度来确定初值,且依赖张氏标定的结果作为相机内参初值,由于没有考虑移轴相机的独特成像特性,致使标定完成得到的标定结果精度较低。且现有技术一般都是将像平面和光平面分开标定,并未考虑像平面的旋转角与光平面与主光轴夹角之间的制约关系。
发明内容
针对上述现有技术存在的问题,本发明提供了一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
本发明实施例的第一方面提供了一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法,所述方法包括:
获取第一图像采集模型中,棋盘格角点的像素坐标和世界坐标之间的第一转化模型;
获取第二图像采集模型中,棋盘格角点的像素坐标和世界坐标之间的第二转化模型;
基于第一转化模型和第二转化模型,分解得到3D轮廓测量仪的标定参数。
作为上述方案的进一步补充,所述第一图像采集模型为3D轮廓测量仪基于Scheimpflug定律得到的理想模型,所述第二图像采集模型为3D轮廓测量仪的实际模型。
作为上述方案的进一步补充,基于Scheimpflug定律构建3D轮廓测量仪的第一图像采集模型,包括:
获取3D轮廓测量仪的光平面、透镜主平面、像平面,所述光平面、透镜主平面、像平面满足Scheimpflug定律;
获取透镜的主光轴,所述主光轴与所述光平面相交于点OG,与像平面相交于点OI;
以点OG为坐标原点,则光平面上的坐标系的OGXG轴竖直向下垂直于主光轴且与光平面共面,OGZG轴垂直于OGXG轴且与光平面共面且与Scheimpflug线相交于P点,OGYG轴垂直于光平面;
以点OI为坐标原点,则面POGOI与像平面的交线即为像平面坐标系的OIYI轴,像平面坐标系的OIXI轴垂直于OIYI且与像平面共面,OIZI轴垂直于像平面;
基于光平面坐标系与像平面坐标系之间的位置转换关系,得到第一图像采集模型。
作为上述方案的进一步补充,所述棋盘格角点的像素坐标和世界坐标之间的第一转化模型包括:
标定棋盘格角点,获取棋盘格图像,所述棋盘格与所述光平面重合,所述棋盘格图像位于像平面;
获取棋盘格标定角点N的世界坐标和像素坐标,所述点N的世界坐标表示为(XGN,0,ZGN),所述点N的像素坐标表示为(XIN,YIN,0);
将点N的世界坐标和像素坐标输入第一图像采集模型中,得到点N的世界坐标和像素坐标之间的转化模型。
作为上述方案的进一步补充,所述第二图像采集模型的构建过程如下:
获取3D轮廓测量仪的偏转值和偏移值,所述偏转值包括光平面和像平面的偏转角度,所述偏移值包括光平面的偏移距离;
判断3D轮廓测量仪的偏转值和偏移值在标准阈值范围内;
若在标准阈值范围内,则基于获取的偏转值和偏移值,将第一图像采集模型的光平面绕OGZG轴和OGXG轴分别逆时针旋转α1,α2,再将光平面沿主光轴向远离透镜方向移动λ,得到第二光平面;将第一图像采集模型的像平面绕OIZI轴和OIYI轴分别顺时针旋转α3,α4,得到第二像平面;
获取转换后第二光平面与第二像平面的坐标系转化关系,得到第二图像采集模型。
作为上述方案的进一步补充,所述棋盘格角点的像素坐标和世界坐标之间的第二转化模型包括:
获取棋盘格角点N在第一图像采集模型中的世界坐标(XGN,0,ZGN)和像素坐标(XIN,YIN,0);
基于第二图像采集模型,获取棋盘格角点N在第二图像采集模型中的世界坐标(X* GN,0,Z* GN)和像素坐标(X* IN,Y* IN,0);
根据第一图像采集模型与第二图像采集模型转化关系,将第二图像采集模型中的世界坐标(X* GN,0,Z* GN)和像素坐标(X* IN,Y* IN,0)表示为k1(XGN,0,ZGN)、k2(XIN,YIN,0)形式,其中k表示模型的转化关系;
将转换后的坐标代入第一转换模型中,得到第二图像采集模型中棋盘格角点N的世界坐标和像素坐标之间的第二转化模型。
作为上述方案的进一步补充,所述第一图像采集模型与第二图像采集模型转化关系,通过光平面和像平面的旋转角度α1,α2,α3,α4及平移距离λ作为参数,构造矩阵表示。
作为上述方案的进一步补充,基于第一转化模型和第二转化模型,分解得到3D轮廓测量仪的标定参数包括:
获取棋盘格标定角点的世界坐标与像素坐标的第一转换模型;
采用最小二乘法对第一转换模型进行分解,得到3D轮廓测量仪的初始标定参数;
获取棋盘格标定角点的世界坐标与像素坐标的第二转换模型;
将3D轮廓测量仪的初始标定参数代入第二转换模型中,构建3D轮廓测量仪标定参数优化方程;
采用LM算法,对3D轮廓测量仪标定参数优化方程进行迭代优化,得到3D轮廓测量仪的标定参数。
本发明实施例的第二方面提供了一种电子设备,所述电子设备包括处理器、存储器及可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时,使得所述处理器执行上述的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
本发明实施例的第三方面提供了一种非易失性计算机可读存储介质,所述可读存储介质包括计算机可执行指令,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行上述的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
本发明的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法,具备如下
有益效果:
本发明的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法,首先基于Scheimpflug定律构建第一图像采集模型,获取棋盘格角点的像素坐标和世界坐标之间的第一转化模型,分解第一转化模型得到3D轮廓测量仪的初始标定参数,再获取3D轮廓测量仪的偏转值和偏移值构建第二图像采集模型,获取棋盘格角点的像素坐标和世界坐标之间的第二转化模型,基于第一转化模型和第二转化模型,结合3D轮廓测量仪的初始标定参数,得到3D轮廓测量仪的标定参数,标定参数能够反映3D轮廓测量仪内部各器件的位置关系,具有实际物理意义。包括但不限于透镜主光轴与激光平面的夹角,透镜主光轴与COMS平面的夹角,透镜中心沿光轴到激光平面和CMOS平面的距离,透镜的焦距等。通过标定参数与3D轮廓测量仪的实际参数对比能够进一步验证标定参数的正确性。通过该方法实现了仅采集一次图像即可得到像素坐标和世界坐标之间的对应关系,且在模型的构造过程充分考虑了3D轮廓测量仪的偏转值和偏移值,计算简单,标定精度高,能够实现对大视场3D轮廓测量仪的快速现场标定。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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,还可以根据这些附图获得其他的附图。
图1为本发明一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法的整体流程图;
图2为本发明第一图像采集模型的结构图;
图3为本发明第二图像采集模型的结构图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法,上述方法包括:
获取第一图像采集模型中,棋盘格角点的像素坐标和世界坐标之间的第一转化模型;
获取第二图像采集模型中,棋盘格角点的像素坐标和世界坐标之间的第二转化模型;
基于第一转化模型和第二转化模型,分解得到3D轮廓测量仪的标定参数。
参考图1,在本实施例中,通过3D轮廓测量仪采集棋盘格的图像,调整3D轮廓测量仪光平面、透镜主平面、像平面的相对位置,其中棋盘格所在平面为光平面,使三个平面严格相交于一线,满足Scheimpflug定律,得到3D轮廓测量仪的第一图像采集模型,对棋盘格的角点进行标定,根据3D轮廓测量仪采集的图像得到棋盘格角点的像素坐标,根据棋盘格的实际大小,得到棋盘格角点在现实中的世界坐标,基于第一图像采集模型使用最小二乘法拟合棋盘格角点的像素坐标和世界坐标之间的第一转化模型,分解该模型得到3D轮廓测量仪的初始标定参数。
在调整3D轮廓测量仪光平面、透镜主平面、像平面的相对位置时,会产生一定的偏转值和偏移值,基于3D轮廓测量仪的偏转值和偏移值,对第一图像采集模型进行调整,可以构造出3D轮廓测量仪的第二图像采集模型,根据第二图像采集模型,可以得到存在偏转值和偏移值的情况下棋盘格角点的像素坐标和世界坐标之间的第二转化模型,基于第一转化模型和第二转化模型,结合3D轮廓测量仪的初始标定参数,建立目标方程,然后以图像中像素点的重投影误差最小为目标,采用LM算法对目标方程进行优化迭代,得到3D轮轮廓测量仪的标定参数,完成标定。
基于上述方法,上述第一图像采集模型为3D轮廓测量仪基于Scheimpflug定律得到的理想模型,上述第二图像采集模型为3D轮廓测量仪的实际模型。
基于上述方法,上述第一图像采集模型,包括:
获取3D轮廓测量仪的光平面、透镜主平面、像平面,所述光平面、透镜主平面、像平面满足Scheimpflug定律;
获取透镜的主光轴,所述主光轴与所述光平面相交于点OG,与像平面相交于点OI;
以点OG为坐标原点,则光平面上的坐标系的OGXG轴竖直向下垂直于主光轴且与光平面共面,OGZG轴垂直于OGXG轴且与光平面共面且与Scheimpflug线相交于P点,OGYG轴垂直于光平面;
以点OI为坐标原点,则面POGOI与像平面的交线即为像平面坐标系的OIYI轴,像平面坐标系的OIXI轴垂直于OIYI且与像平面共面,OIZI轴垂直于像平面;
基于光平面坐标系与像平面坐标系之间的位置转换关系,得到第一图像采集模型。
参考图,2,在本实施例中,通过Scheimpflug定律构建3D轮廓测量仪的测量模型。首先固定设置3D轮廓测量仪的位置,通过调整光平面的位置,使得3D轮廓测量仪的光平面、透镜主平面、像平面严格相交于Scheimpflug线,从而确定3D轮廓测量仪三平面之间的关系,然后获取测量仪透镜的主光轴,主光轴所在直线分别与光平面和像平面相交于点OG和点OI,再以点OG、OI作为坐标原点,分别构造光平面与像平面的坐标系,其中以点OG为坐标原点,则光平面上的坐标系的OGXG轴垂直于主光轴,OGZG轴垂直于OGXG轴且与光平面共面且与Scheimpflug线相交于P点,OGYG轴垂直于光平面,以点OI为坐标原点,则面POGOI与像平面的交线即为像平面坐标系的OIYI轴,像平面坐标系的OIXI轴垂直于OIYI且与像平面共面,OIZI轴垂直于像平面。得到两平面上的坐标系之后,基于两平面与主光轴的夹角以及两平面到透镜主平面之间的距离比,即可得到两平面上坐标点之间的转化关系,得到第一图像采集模型。
基于上述方法,上述棋盘格角点的像素坐标和世界坐标之间的第一转化模型包括:
标定棋盘格角点,获取棋盘格图像,所述棋盘格与所述光平面重合,所述棋盘格图像位于像平面;
获取棋盘格标定角点N的世界坐标和像素坐标,所述点N的世界坐标表示为(XGN,0,ZGN),所述点N的像素坐标表示为(XIN,YIN,0);
将点N的世界坐标和像素坐标输入第一图像采集模型中,得到点N的世界坐标和像素坐标之间的转化模型。
在本实施例中,基于第一图像采集模型可以得到世界坐标与像素坐标之间的转化模型。将标定了角点的棋盘格放置在光平面处,使得棋盘格的表面与光平面完全重合,根据棋盘格的长度可以得到棋盘格角点在光平面坐标系中的坐标,则棋盘格角点N在光平面坐标系中的坐标可表示为(XGN,0,ZGN),棋盘格的图像与像平面重合,因此棋盘格角点N在像平面坐标系中的坐标可表示为(XIN,YIN,0),其中棋盘格角点在光平面坐标系中的坐标即为世界坐标,在像平面坐标系中的坐标即为像素坐标。
将棋盘格标定角点N的世界坐标和像素坐标代入第一图像采集模型中,可以得到两坐标之间的转化模型,转化模型可公式化表示为:
其中,P1~P6表示3D轮廓测量仪标定参数a,b,f,θ的相关表达式子,其中a是透镜中心到光平面的距离,f为透镜的焦距,θ为主光轴与光平面的夹角,b是透镜中心到像平面的距离,/>为主光轴与像平面的夹角。
3D轮廓测量仪标定参数满足:
基于上述方法,上述第二图像采集模型的构建过程如下:
获取3D轮廓测量仪的偏转值和偏移值,所述偏转值包括光平面和像平面的偏转角度,所述偏移值包括光平面的偏移距离;
判断3D轮廓测量仪的偏转值和偏移值在标准阈值范围内;
若在标准阈值范围内,则基于获取的偏转值和偏移值,将第一图像采集模型的光平面绕OGZG轴和OGXG轴分别逆时针旋转α1,α2,再将光平面沿主光轴向远离透镜方向移动λ,得到第二光平面;将第一图像采集模型的像平面绕OIZI轴和OIYI轴分别顺时针旋转α3,α4,得到第二像平面;
获取转换后第二光平面与第二像平面的坐标系转化关系,得到第二图像采集模型。
参考图3,在本实施例中,由于3D轮廓测量仪无法完全满足Scheimpflug定律,因此在构建模型时需要考虑偏转值和偏差值的影响,具体的是,获取3D轮廓测量仪的偏转值和偏移值,判断获取的偏转值和偏移值是否在标准阈值范围内,如果偏转值和偏移值超出标准阈值范围,则需要对3D轮廓测量仪进行调整,如果偏转值和偏移值在标注阈值范围内,则基于获取的偏转值和偏移值,将第一图像采集模型的光平面绕OGZG轴和OGXG轴分别逆时针旋转α1,α2,再将光平面沿主光轴向远离透镜方向移动λ,将第一图像采集模型的像平面绕OIZI轴和OIYI轴分别顺时针旋转α3,α4,得到第二光平面和第二像平面,其中光平面和像平面的旋转角度与偏转值相同,光平面的移动距离与偏移值相同。基于调整后第二光平面、第二像平面与主光轴的夹角以及两平面到透镜主平面之间的距离比,即可得到两平面上坐标点之间的转化关系,得到第二图像采集模型。调整后的第二采集模型考虑了3D轮廓测量仪本身误差的影响,使得最终的测量结果更加准确。
基于上述方法,上述棋盘格角点的像素坐标和世界坐标之间的第二转化模型包括:
获取棋盘格角点N在第一图像采集模型中的世界坐标(XGN,0,ZGN)和像素坐标(XIN,YIN,0);
基于第二图像采集模型,获取棋盘格角点N在第二图像采集模型中的世界坐标(X* GN,0,Z* GN)和像素坐标(X* IN,Y* IN,0);
根据第一图像采集模型与第二图像采集模型转化关系,将第二图像采集模型中的世界坐标(X* GN,0,Z* GN)和像素坐标(X* IN,Y* IN,0)表示为k1(XGN,0,ZGN)、k2(XIN,YIN,0)形式,其中k表示模型的转化关系;
将转换后的坐标代入第一转换模型中,得到第二图像采集模型中棋盘格角点N的世界坐标和像素坐标之间的第二转化模型。
进一步的,上述第一图像采集模型与第二图像采集模型转化关系,通过光平面和像平面的旋转角度α1,α2,α3,α4及平移距离λ作为参数,构造矩阵表示。
本实施例中,第二图像采集模型是由第一图像采集模型转化得到的,根据模型之间的转化关系,可以得到模型上各点之间的对应关系。棋盘格角点N在第一图像采集模型中的世界坐标(XGN,0,ZGN)和像素坐标(XIN,YIN,0)在第二图像采集模型中可表示为(X* GN,0,Z* GN)和(X* IN,Y* IN,0),其中(X* GN,0,Z* GN)=k1(XGN,0,ZGN),(X* IN,Y* IN,0)=k2(XIN,YIN,0),k表示模型之间的转换关系,具体的是,可由光平面和像平面的旋转角度参数构造旋转矩阵,结合3D轮廓测量仪的参数来表示平面转换关系k1,k2,其表达式如下所示:
其中,R1,R2和ρ1,ρ2是与标定参数相关的表达式,(XI,ZI)图像在像平面的原点坐标。最后将(4)、(5)代入到式(1)中即可得到第二图像采集模型中棋盘格角点N的世界坐标和像素坐标之间的第二转化模型。
基于上述方法,基于第一转化模型和第二转化模型,分解得到3D轮廓测量仪的标定参数包括:
获取棋盘格标定角点的世界坐标与像素坐标的第一转换模型;
采用最小二乘法对第一转换模型进行分解,得到3D轮廓测量仪的初始标定参数;
获取棋盘格标定角点的世界坐标与像素坐标的第二转换模型;
将3D轮廓测量仪的初始标定参数代入第二转换模型中,构建3D轮廓测量仪标定参数优化方程;
采用LM算法,对3D轮廓测量仪标定参数优化方程进行迭代优化,得到3D轮廓测量仪的标定参数。
参考图1,在本实施例中,不考虑3D轮廓测量仪偏转值和偏移值得影响,3D轮廓测量仪的光平面、像平面、透镜主平面满足Scheimpflug定律,将棋盘格放置在光平面处,则棋盘格角点的在现实中的世界坐标与图像中的像素坐标满足第一转换模型,采用最小二乘法对棋盘格角点的世界坐标与像素坐标进行拟合,可以得到3D轮廓测量仪初始标定参数,初始标定参数包括:透镜中心到光平面的距离a,透镜的焦距f,主光轴与光平面的夹角θ。然后考虑3D轮廓测量仪偏转值和偏移值得影响,则棋盘格角点的在现实中的世界坐标与图像中的像素坐标满足第二转换模型,将得到的3D轮廓测量仪初始标定参数作为初始值代入到第二转换模型中,可将第二转换模型和简化为方程形式,采用LM算法以像平面上像点重投影误差最小为目标,对方程进行迭代优化,当最终结果收敛时,即可得到3D轮廓测量仪的标定参数。标定参数能够反映3D轮廓测量仪内部各器件的位置关系,具有实际物理意义。通过标定参数与3D轮廓测量仪的实际参数对比能够进一步验证标定参数的正确性。
本发明实施例提供了一种电子设备,包括处理器、存储器及可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时,使得所述处理器执行上述的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
该电子设备包括:至少一个处理器、存储器、用户接口和至少一个网络接口。终端中的各个组件通过总线系统耦合在一起。可以理解,总线系统用于实现这些组件之间的连接通信。
本发明实施例提供了一种非易失性计算机可读存储介质,可读存储介质包括计算机可执行指令,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行上述的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
可以理解,本发明实施例中的存储器能够存储数据以支持终端的操作。这些数据的示例包括:用于在终端上操作的任何计算机程序,如操作系统和应用程序。其中,操作系统包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
本发明不局限于上述具体的实施方式,本领域的普通技术人员从上述构思出发,不经过创造性的劳动,所做出的种种变换,均落在本发明的保护范围之内。
Claims (7)
1.一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法,其特征在于,所述方法包括:
获取第一图像采集模型中,棋盘格角点的像素坐标和世界坐标之间的第一转化模型;
获取第二图像采集模型中,棋盘格角点的像素坐标和世界坐标之间的第二转化模型;
基于第一转化模型和第二转化模型,分解得到3D轮廓测量仪的标定参数;
所述第一图像采集模型为3D轮廓测量仪基于Scheimpflug定律得到的理想模型,所述第二图像采集模型为3D轮廓测量仪的实际模型;
所述第一图像采集模型,包括:获取3D轮廓测量仪的光平面、透镜主平面、像平面,所述光平面、透镜主平面、像平面满足Scheimpflug定律;获取透镜的主光轴,所述主光轴与所述光平面相交于点OG,与像平面相交于点OI;以点OG为坐标原点,则光平面上的坐标系的OGXG轴竖直向下垂直于主光轴且与光平面共面,OGZG轴垂直于OGXG轴且与光平面共面且与Scheimpflug线相交于P点,OGYG轴垂直于光平面;以点OI为坐标原点,则面POGOI与像平面的交线即为像平面坐标系的OIYI轴,像平面坐标系的OIXI轴垂直于OIYI且与像平面共面,OIZI轴垂直于像平面;基于光平面坐标系与像平面坐标系之间的位置转换关系,得到第一图像采集模型;
所述第二图像采集模型的构建过程如下:获取3D轮廓测量仪的偏转值和偏移值,所述偏转值包括光平面和像平面的偏转角度,所述偏移值包括光平面的偏移距离;判断3D轮廓测量仪的偏转值和偏移值在标准阈值范围内;若在标准阈值范围内,则基于获取的偏转值和偏移值,将第一图像采集模型的光平面绕OGZG轴和OGXG轴分别逆时针旋转α1,α2,再将光平面沿主光轴向远离透镜方向移动λ,得到第二光平面;将第一图像采集模型的像平面绕OIZI轴和OIYI轴分别顺时针旋转α3,α4,得到第二像平面;获取转换后第二光平面与第二像平面的坐标系转化关系,得到第二图像采集模型。
2.根据权利要求1所述方法,其特征在于,所述棋盘格角点的像素坐标和世界坐标之间的第一转化模型包括:
标定棋盘格角点,获取棋盘格图像,所述棋盘格与所述光平面重合,所述棋盘格图像位于像平面;
获取棋盘格标定角点N的世界坐标和像素坐标,所述点N的世界坐标表示为(XGN,0,ZGN),所述点N的像素坐标表示为(XIN,YIN,0);
将点N的世界坐标和像素坐标输入第一图像采集模型中,得到点N的世界坐标和像素坐标之间的转化模型。
3.根据权利要求2所述方法,其特征在于,所述棋盘格角点的像素坐标和世界坐标之间的第二转化模型包括:
获取棋盘格角点N在第一图像采集模型中的世界坐标(XGN,0,ZGN)和像素坐标(XIN,YIN,0);
基于第二图像采集模型,获取棋盘格角点N在第二图像采集模型中的世界坐标(X* GN,0,Z* GN)和像素坐标(X* IN,Y* IN,0);
根据第一图像采集模型与第二图像采集模型转化关系,将第二图像采集模型中的世界坐标(X* GN,0,Z* GN)和像素坐标(X* IN,Y* IN,0)表示为k1(XGN,0,ZGN)、k2(XIN,YIN,0)形式,其中k表示模型的转化关系;
将转换后的坐标代入第一转换模型中,得到第二图像采集模型中棋盘格角点N的世界坐标和像素坐标之间的第二转化模型。
4.根据权利要求3所述方法,其特征在于,所述第一图像采集模型与第二图像采集模型转化关系,通过光平面和像平面的旋转角度α1,α2,α3,α4及平移距离λ作为参数,构造矩阵表示。
5.根据权利要求1所述方法,其特征在于,基于第一转化模型和第二转化模型,分解得到3D轮廓测量仪的标定参数包括:
获取棋盘格标定角点的世界坐标与像素坐标的第一转换模型;
采用最小二乘法对第一转换模型进行分解,得到3D轮廓测量仪的初始标定参数;
获取棋盘格标定角点的世界坐标与像素坐标的第二转换模型;
将3D轮廓测量仪的初始标定参数代入第二转换模型中,构建3D轮廓测量仪标定参数优化方程;
采用LM算法,对3D轮廓测量仪标定参数优化方程进行迭代优化,得到3D轮廓测量仪的标定参数。
6.一种电子设备,其特征在于,所述电子设备包括处理器、存储器及可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时,使得所述处理器执行权利要求1-5任一项所述的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
7.一种非易失性计算机可读存储介质,其特征在于,所述可读存储介质包括计算机可执行指令,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行权利要求1-5任一项所述的一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211326420.XA CN115690226B (zh) | 2022-10-27 | 2022-10-27 | 一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211326420.XA CN115690226B (zh) | 2022-10-27 | 2022-10-27 | 一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115690226A CN115690226A (zh) | 2023-02-03 |
CN115690226B true CN115690226B (zh) | 2024-02-13 |
Family
ID=85099518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211326420.XA Active CN115690226B (zh) | 2022-10-27 | 2022-10-27 | 一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690226B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4564277A (en) * | 1983-10-13 | 1986-01-14 | Sinar Ag Schaffhausen | Apparatus for a photographic camera with lens and film carriers which can be reset in relation to one another |
CN102132125A (zh) * | 2008-07-04 | 2011-07-20 | 西克Ivp股份公司 | 轮廓测量系统的校准 |
CN103389048A (zh) * | 2012-05-10 | 2013-11-13 | 康耐视公司 | 用于视觉系统照相机的激光轮廓探测附件 |
EP2742484A1 (en) * | 2011-07-25 | 2014-06-18 | Universidade de Coimbra | Method and apparatus for automatic camera calibration using one or more images of a checkerboard pattern |
CN105180841A (zh) * | 2015-10-28 | 2015-12-23 | 广东工业大学 | 一种新型微型元件三维测量系统及其测量方法 |
CN106556357A (zh) * | 2016-12-08 | 2017-04-05 | 南京信息工程大学 | 一种基于一维无衍射光束测量三维面形的装置及方法 |
CN107860311A (zh) * | 2016-09-21 | 2018-03-30 | 卡尔蔡司工业测量技术有限公司 | 操作三角测量法激光扫描器以识别工件的表面特性的方法 |
CN113160223A (zh) * | 2021-05-17 | 2021-07-23 | 深圳中科飞测科技股份有限公司 | 轮廓的确定方法、确定装置、检测设备及存储介质 |
WO2021238923A1 (zh) * | 2020-05-25 | 2021-12-02 | 追觅创新科技(苏州)有限公司 | 相机参数标定方法及装置 |
CN113920206A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市艾视铂智能技术有限公司 | 透视移轴相机的标定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7400414B2 (en) * | 2005-10-31 | 2008-07-15 | Mitutoyo Corporation | Hand-size structured-light three-dimensional metrology imaging system and method |
US9955057B2 (en) * | 2015-12-21 | 2018-04-24 | Qualcomm Incorporated | Method and apparatus for computational scheimpflug camera |
-
2022
- 2022-10-27 CN CN202211326420.XA patent/CN115690226B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4564277A (en) * | 1983-10-13 | 1986-01-14 | Sinar Ag Schaffhausen | Apparatus for a photographic camera with lens and film carriers which can be reset in relation to one another |
CN102132125A (zh) * | 2008-07-04 | 2011-07-20 | 西克Ivp股份公司 | 轮廓测量系统的校准 |
EP2742484A1 (en) * | 2011-07-25 | 2014-06-18 | Universidade de Coimbra | Method and apparatus for automatic camera calibration using one or more images of a checkerboard pattern |
CN103389048A (zh) * | 2012-05-10 | 2013-11-13 | 康耐视公司 | 用于视觉系统照相机的激光轮廓探测附件 |
CN105180841A (zh) * | 2015-10-28 | 2015-12-23 | 广东工业大学 | 一种新型微型元件三维测量系统及其测量方法 |
CN107860311A (zh) * | 2016-09-21 | 2018-03-30 | 卡尔蔡司工业测量技术有限公司 | 操作三角测量法激光扫描器以识别工件的表面特性的方法 |
CN106556357A (zh) * | 2016-12-08 | 2017-04-05 | 南京信息工程大学 | 一种基于一维无衍射光束测量三维面形的装置及方法 |
WO2021238923A1 (zh) * | 2020-05-25 | 2021-12-02 | 追觅创新科技(苏州)有限公司 | 相机参数标定方法及装置 |
CN113160223A (zh) * | 2021-05-17 | 2021-07-23 | 深圳中科飞测科技股份有限公司 | 轮廓的确定方法、确定装置、检测设备及存储介质 |
CN113920206A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市艾视铂智能技术有限公司 | 透视移轴相机的标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115690226A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322513B (zh) | 一种相机外参标定方法、装置及电子设备 | |
CN107564069B (zh) | 标定参数的确定方法、装置及计算机可读存储介质 | |
CN107367229B (zh) | 自由双目立体视觉转轴参数标定方法 | |
CN110414510B (zh) | 一种指针式仪表读数校正方法 | |
CN111487043A (zh) | 单目散斑结构光系统的散斑投射器标定参数确定方法 | |
JP2013539147A5 (zh) | ||
Belden | Calibration of multi-camera systems with refractive interfaces | |
CN110470320B (zh) | 摆动扫描式线结构光测量系统的标定方法及终端设备 | |
CN104807405B (zh) | 一种基于光线角度标定的三维坐标测量方法 | |
CN116309880A (zh) | 基于三维重建的物体位姿确定方法、装置、设备及介质 | |
CN116051659A (zh) | 一种线阵相机与2d激光扫描仪联合标定方法 | |
CN110728745B (zh) | 一种基于多层折射图像模型的水下双目立体视觉三维重建方法 | |
WO2023010565A1 (zh) | 单目散斑结构光系统的标定方法、装置及终端 | |
CN115690226B (zh) | 一种基于Scheimpflug定律的大视场3D轮廓测量仪标定方法 | |
CN112665517B (zh) | 一种多相机大视场表面形状测量标定方法 | |
Luo et al. | Camera calibration with coplanar calibration board near parallel to the imaging plane | |
Yu et al. | Calibration refinement for a fringe projection profilometry system based on plane homography | |
CN109920008B (zh) | 自标定测距误差的修正方法、装置与自动驾驶系统 | |
Ricolfe-Viala et al. | Optimal conditions for camera calibration using a planar template | |
Fu et al. | A novel phase measuring deflectometry method using a curved screen | |
CN113393507B (zh) | 无人机点云与地面三维激光扫描仪点云配准方法 | |
CN115375773A (zh) | 单目激光散斑投影系统的外参数标定方法和相关装置 | |
CN114897990A (zh) | 一种基于神经网络的相机畸变标定方法、系统和存储介质 | |
Wang et al. | An algorithm of pose estimation based on conic correspondences | |
Vera et al. | Relevance of Accurately Determining the Center of Radial Distortion in 3-D Reconstruction |
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 |