CN115790449A - 一种狭长空间的三维形貌测量方法 - Google Patents

一种狭长空间的三维形貌测量方法 Download PDF

Info

Publication number
CN115790449A
CN115790449A CN202310015647.0A CN202310015647A CN115790449A CN 115790449 A CN115790449 A CN 115790449A CN 202310015647 A CN202310015647 A CN 202310015647A CN 115790449 A CN115790449 A CN 115790449A
Authority
CN
China
Prior art keywords
camera
instrument
time
laser radar
coordinate
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
CN202310015647.0A
Other languages
English (en)
Other versions
CN115790449B (zh
Inventor
王日东
黄星植
胡涛
杨彬
丛家梁
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.)
Weihai Gemho Digital Mine Technology Co ltd
Original Assignee
Weihai Gemho Digital Mine 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 Weihai Gemho Digital Mine Technology Co ltd filed Critical Weihai Gemho Digital Mine Technology Co ltd
Priority to CN202310015647.0A priority Critical patent/CN115790449B/zh
Publication of CN115790449A publication Critical patent/CN115790449A/zh
Application granted granted Critical
Publication of CN115790449B publication Critical patent/CN115790449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种狭长空间的三维形貌测量方法，涉及形貌测量技术领域，设有形貌与变形测量仪器，形貌与变形测量仪器包括激光雷达和相机，相机包括X相机和Y相机，X相机的主轴方向为仪器X轴方向，Y相机的主轴方向为仪器Y轴方向，激光雷达的扫描中心为仪器坐标原点，激光雷达的扫描面为XY平面，仪器Z轴垂直于激光雷达扫描平面向上，形貌与变形测量仪器在狭长空间中移动，激光雷达、X相机、Y相机在移动过程中循环采集数据，激光雷达与X相机、Y相机初始时间戳对准或同步触发，所述X相机与Y相机时间戳同步，本发明具有仪器结构简单、成本低、测量精度高、算法简单稳定等优点。

Description

一种狭长空间的三维形貌测量方法
技术领域
本发明涉及形貌测量技术领域，具体的说是一种狭长空间的三维形貌测量方法。
背景技术
由于生产生活的需求，越来越多的场合中，需要对物体或空间的三维形貌进行测量，来辅助工程和设计需要。市面上已经存在空间三维形貌的测量仪器，能得到物体或空间的三维形貌，分为定点的全景激光雷达测量仪器和可移动的多线和面阵激光雷达测量仪器。
定点的全景激光雷达测量仪器，可以对普通的物体和近场空间做高精度的全方位的测量，内置的处理算法，可有效过滤噪声，并减小测量误差，可以达到极高的精度。
此种测量方式存在的问题是：此种方法适用于长宽高相当的中小尺寸且较开放空间的测量，测量中不能移动，无法满足狭长空间的有效测量。
采用可移动的多线和面阵激光雷达测量仪器，仪器使用激光雷达进行测量，仪器移动，激光雷达进行扫描，控制器根据扫描到的激光雷达点云特征点位置变化，来进行拼接，获得全景形貌，这一类方法对于尺寸中等的空间以及较小尺寸的物体（例如类似于桌椅板凳大小的物体，或是室内房间和走廊轮廓）测量效果较好。
此种测量仪器存在的问题是：需要保证测量物体的形貌轮廓具有很强的特征，否则会导致拼接失败，当测量物体的形貌轮廓特征不明显时，即使有激光扫描点云的颜色值和强度值作为辅助也无济于事，该测量方法的误差是不稳定的，精度较低，随着测量时间的加长和移动距离的增加，误差会被逐渐放大，直至完全不可控，对于狭长空间的测量鲁棒性过低，在狭长空间中测量效果不好。
发明内容
本发明的目的是解决上述现有技术的不足，提供一种狭长空间的三维形貌测量方法，仪器结构简单、成本低、适用于狭长空间测量、测量精度高、算法简单稳定。
本发明解决其技术问题所采用的技术方案是：
一种狭长空间的三维形貌测量方法，其特征在于：
设有形貌与变形测量仪器，所述形貌与变形测量仪器包括激光雷达和相机，所述相机包括X相机和Y相机，所述X相机的主轴方向与形貌与变形测量仪器X轴方向同向，所述Y相机的主轴方向与形貌与变形测量仪器Y轴方向同向，所述激光雷达的主轴为形貌与变形测量仪器的Z轴，所述激光雷达以形貌与变形测量仪器坐标原点为扫描中心，所述激光雷达的扫描面为形貌与变形测量仪器的XY平面，所述形貌与变形测量仪器Z轴正向垂直于激光雷达扫描面向上；
采用形貌与变形测量仪器进行测量，测量方法为：
步骤S1：形貌与变形测量仪器在狭长空间中进行移动，同时启动激光雷达和相机的触发程序，激光雷达、X相机、Y相机在移动过程中循环采集数据，并分别储存；
步骤S2：对激光雷达获取的带有时间角度距离信息的点云数据进行解码，解码后 储存为离散的表格矩阵，即
Figure 848772DEST_PATH_IMAGE001
，
Figure 631920DEST_PATH_IMAGE001
中不同行代表不同时间戳
Figure 584DEST_PATH_IMAGE002
，不同列代表离散 的角度
Figure 160170DEST_PATH_IMAGE003
；
对X相机、Y相机采集的图像数据进行处理运算，得到X相机
Figure 930680DEST_PATH_IMAGE004
时刻相对于
Figure 884730DEST_PATH_IMAGE005
时刻仪器坐标系Y方向的像素偏移
Figure 475111DEST_PATH_IMAGE006
，仪器坐标系Z方向的像素偏移
Figure 110492DEST_PATH_IMAGE007
；
得到Y相机
Figure 594562DEST_PATH_IMAGE004
时刻相对于
Figure 594880DEST_PATH_IMAGE005
时刻仪器坐标系X方向的像素偏移
Figure 797191DEST_PATH_IMAGE008
，仪器坐标系Z方向的像素偏移
Figure 236262DEST_PATH_IMAGE009
；
步骤S3：
Figure 450206DEST_PATH_IMAGE010
中，取角度值为0与π/2的数据，得到两组序列
Figure 11637DEST_PATH_IMAGE011
，代表了不同时间X、Y相机光轴方向上的距离，即物距；
将步骤S2得到的像素偏移值与步骤S3中的物距进行联合，计算出基于仪器坐标系的仪器刚体位移增量，由X相机数据得到Y、Z方向的基于仪器坐标系刚体位移增量，由Y相机数据得到X、Z方向的基于仪器坐标系刚体位移增量；
步骤S4：根据基于仪器坐标系刚体位移增量，得到世界坐标系下的位移增量
Figure 373349DEST_PATH_IMAGE012
，对
Figure 288215DEST_PATH_IMAGE013
进行前序累加，获得形貌与变形测量仪器在世 界坐标系下的以时间戳
Figure 746878DEST_PATH_IMAGE004
为变量的仪器中心点坐标
Figure 151315DEST_PATH_IMAGE014
，以激光雷达的时 间对仪器中心点坐标进行插值，得到插值后的中心点坐标
Figure 938005DEST_PATH_IMAGE015
；
步骤S5：根据
Figure 784126DEST_PATH_IMAGE015
得到包含每个点的直角坐标信息的矩阵
Figure 34979DEST_PATH_IMAGE016
；
基于激光雷达技术，通过双相机的图片作为辅助，可以在不需要其他设备和数据作为参考的情况下，对于相对复杂的狭长空间进行有效的较高精度测量，得到测量空间的轮廓，仪器结构简单、成本低；根据X相机、Y相机可以得到XYZ方向由刚体平动产生的偏移值，再与激光雷达数据进行联合，可计算出基于仪器坐标系的仪器刚体位移增量，进一步得到最终的直角坐标位置矩阵，算法简单，测量精确度高。
本发明步骤S1中，所述激光雷达与X相机、Y相机初始时间戳对准或同步触发，所述X相机与Y相机时间戳同步。
本发明步骤S2中，对X相机、Y相机采集的图像数据进行处理运算方法为：
X相机、Y相机分别记
Figure 548000DEST_PATH_IMAGE005
时间获得的图像为
Figure 212199DEST_PATH_IMAGE017
，记相邻时刻
Figure 531185DEST_PATH_IMAGE004
时间获得的图像为
Figure 574227DEST_PATH_IMAGE018
，取
Figure 648363DEST_PATH_IMAGE018
正中心处尺寸为
Figure 206383DEST_PATH_IMAGE019
的子域图像，作为算子
Figure 266743DEST_PATH_IMAGE020
，对图像
Figure 554505DEST_PATH_IMAGE017
与算子
Figure 471645DEST_PATH_IMAGE020
做去均值的归一化互相关运算，简称NCC，分别得到X相机、Y相机图像
Figure 985803DEST_PATH_IMAGE017
与算子
Figure 708908DEST_PATH_IMAGE020
的相关函数，即
Figure 523281DEST_PATH_IMAGE021
，其中，
Figure 80164DEST_PATH_IMAGE022
是图像竖直方向的像素偏移量，
Figure 675093DEST_PATH_IMAGE023
是图像水平方向的像素偏移量；
分别找到X相机、Y相机图像
Figure 342835DEST_PATH_IMAGE024
最大值出现的位置，此时的
Figure 11714DEST_PATH_IMAGE025
值是
Figure 598553DEST_PATH_IMAGE018
相对于
Figure 821724DEST_PATH_IMAGE026
所移动的像素坐标匹配度最高的像素偏移，X相机像素坐标匹配度最高的像素偏移记为
Figure 824315DEST_PATH_IMAGE027
，Y相机像素坐标匹配度最高的像素偏移记为
Figure 675596DEST_PATH_IMAGE028
，其中，
Figure 371020DEST_PATH_IMAGE029
为X相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的竖向最大像素偏移量，
Figure 550328DEST_PATH_IMAGE030
为X相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的水平方向最大像素偏移量，
Figure 681577DEST_PATH_IMAGE031
为Y相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的竖向最大像素偏移量，
Figure 590627DEST_PATH_IMAGE032
为Y相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的水平方向最大像素偏移量；
将得到的像素偏移数据与图像对应的时间戳进行储存，格式为
Figure 394635DEST_PATH_IMAGE033
；
由X相机的数据，得到了
Figure 451453DEST_PATH_IMAGE004
时刻相对于
Figure 795846DEST_PATH_IMAGE005
时刻仪器坐标系Y方向的像素偏移
Figure 762665DEST_PATH_IMAGE034
，仪器坐标系Z方向的像素偏移
Figure 596629DEST_PATH_IMAGE035
；
由Y相机的数据，得到了
Figure 78426DEST_PATH_IMAGE004
时刻相对于
Figure 164194DEST_PATH_IMAGE005
时刻仪器坐标系X方向的像素偏移
Figure 110153DEST_PATH_IMAGE036
，仪器坐标系Z方向的像素偏移
Figure 318280DEST_PATH_IMAGE037
。
本发明所述形貌与变形测量仪器还包括三轴姿态陀螺仪，所述三轴姿态陀螺仪设 在形貌与变形测量仪器内部；所述三轴姿态陀螺仪储存的数据表中包括时间和姿态，姿态 包含了偏航角、俯仰角、横滚角，即
Figure 959477DEST_PATH_IMAGE038
，
Figure 973570DEST_PATH_IMAGE039
用于校正 由于仪器的刚体转动导致的像素偏移，当不采用三轴姿态陀螺仪时，此时则设偏航角、俯仰 角、横滚角恒为零，即
Figure 711718DEST_PATH_IMAGE040
；
步骤S1中，当激光雷达、X相机、Y相机采集数据时，三轴姿态陀螺仪也开始循环采集数据并储存，所述三轴姿态陀螺仪的初始时间戳与两个相机的初始时间戳以及激光雷达的初始时间戳对准；
步骤S2中，将两个相机和激光雷达的时间戳插入到三轴姿态陀螺仪的时间戳序列 中，并在两个相机和激光雷达的时间戳对姿态进行插值，得到与相机以及激光雷达时间戳 匹配的姿态
Figure 762851DEST_PATH_IMAGE041
；
通过三轴姿态陀螺仪采集的数据运算得到仪器在世界坐标系下的姿态矩阵， 再 将三轴姿态陀螺仪姿态矩阵与相机数据进行联合，得到第i时刻相对于第i-1时刻X相机由 旋转产生的Y轴像素偏移
Figure 953661DEST_PATH_IMAGE042
以及Z轴像素偏移
Figure 771444DEST_PATH_IMAGE043
；同理，也可得到第i时刻相对于 第i-1时刻Y相机由旋转产生的X轴像素偏移
Figure 301783DEST_PATH_IMAGE044
与Z轴像素偏移
Figure 851713DEST_PATH_IMAGE045
；
可以分别得到：
由X相机的刚体平动产生的Y方向像素偏移
Figure 857715DEST_PATH_IMAGE046
，
由X相机的刚体平动产生的Z方向像素偏移
Figure 823397DEST_PATH_IMAGE047
，
由Y相机的刚体平动产生的X方向像素偏移
Figure 270559DEST_PATH_IMAGE048
，
由Y相机的刚体平动产生的Z方向像素偏移
Figure 53707DEST_PATH_IMAGE049
；
至此，得到了仪器坐标系下，修正后的XYZ方向的由刚体平动产生的偏移值。
本发明步骤S3中，得到所需的物距后，以相机的时间戳对物距
Figure 219109DEST_PATH_IMAGE050
进行插 值，采用卷积的方式对于物距序列进行去噪、滤波操作；因数据为时间离散序列，考虑到相 机与激光雷达的时间戳并不一定匹配，因此需要以相机的时间戳对于物距
Figure 254061DEST_PATH_IMAGE051
进 行插值，同时考虑到测量中数据
Figure 620976DEST_PATH_IMAGE050
的变化较大，而使得计算得到的刚体位移抖动 过大，而采用卷积的方式对于物距序列进行去噪、滤波操作，极大的增加了计算的稳定性和 鲁棒性。
本发明步骤S4中，对插值后的中心点坐标
Figure 512709DEST_PATH_IMAGE052
进行线性修正，已 知准确的初始值
Figure 368669DEST_PATH_IMAGE053
与终末值
Figure 800788DEST_PATH_IMAGE054
，则线性修正后的坐标
Figure 222542DEST_PATH_IMAGE055
，其中，
Figure 488438DEST_PATH_IMAGE056
为仪器中心点z坐标 修正值，
Figure 425170DEST_PATH_IMAGE057
为仪器中心点z坐标原始值，
Figure 864242DEST_PATH_IMAGE053
为仪器中心点z坐标准确的初始时刻 值，
Figure 343764DEST_PATH_IMAGE058
为仪器中心点z坐标原始的初始时刻值，一般为0，
Figure 639617DEST_PATH_IMAGE054
为仪器中心点z坐 标准确的终末时刻值，
Figure 204590DEST_PATH_IMAGE059
为仪器中心点z坐标原始的终末时刻值，
Figure 916194DEST_PATH_IMAGE060
为初始时 刻，
Figure 374857DEST_PATH_IMAGE061
为终末时刻；
对
Figure 982556DEST_PATH_IMAGE062
进行相同的操作，得到修正后的准确的行进过程中仪器的中心点 坐标
Figure 831564DEST_PATH_IMAGE063
；
因得到的中心点坐标轨迹会存在累积系统误差，且误差是随着时间均匀累积的，则可以线性的方式，通过仪器移动的初始与结束的准确坐标，对中心点坐标进行修正，以消除累积误差。
本发明还包括步骤S6，对于多次测量的同一个可以转化为单值柱坐标系的狭长空 间或物体，进行变形比较，设其中一次测量得到的点云坐标信息的矩阵为
Figure 674755DEST_PATH_IMAGE064
，在后期 又对其进行了一次测量，得到的点云坐标信息的矩阵为
Figure 863290DEST_PATH_IMAGE065
，比较二者的形貌的差 异，即获得变形数据。
本发明步骤S3中，根据X相机得到的
Figure 438628DEST_PATH_IMAGE066
、根据Y相机得到的
Figure 102828DEST_PATH_IMAGE067
分别与上一张照片计算交叉掩模，并在掩模处取平均值叠加，不重合的部分则直接相加，迭代计算所有图片的交叉掩模，分别得到X相机的拼接图片、Y相机的拼接图片。
本发明步骤S1中，形貌与变形测量仪器的移动模式为刚体位移平动，以保证在平动中尽可能减少转动。
本发明的有益效果为：基于激光雷达技术，通过双相机的图片作为辅助，可以在不需要其他设备和数据作为参考的情况下，对于相对复杂的狭长空间进行有效的较高精度测量，得到测量空间的轮廓，仪器结构简单、成本低；根据X相机、Y相机可以得到XYZ方向由刚体平动产生的偏移值，再与激光雷达数据进行联合，可计算出基于仪器坐标系的仪器刚体位移增量，进一步得到最终的直角坐标位置矩阵，算法简单，测量精确度高。
附图说明
图1为本发明形貌与变形测量仪器结构示意图。
图2为本发明形貌与变形测量仪器在狭长空间测量示意图。
图3为本发明三维形貌与变形测量单次测量数据处理流程图。
图4为本发明三维形貌与变形测量变形比对数据处理流程图。
图5为本发明自适应子域的去均值归一化卷积算法的示意图。
图6为本发明形貌与变形测量仪器两次测量在狭长空间中行进轨迹示意图。
附图标记：形貌与变形测量仪器-1、X相机-101、Y相机-102、激光雷达-103、待测量狭长井-2、电梯运行轨迹一-301、电梯运行轨迹二-302、当前激光雷达扫描的位置-4、当前X相机图片-5、当前Y相机图片-6。
具体实施方式
下面结合附图和实施例对本发明进行说明。
一种狭长空间的三维形貌测量方法，设有形貌与变形测量仪器1，所述形貌与变形测量仪器包括激光雷达103和相机，所述相机包括X相机101和Y相机102，所述X相机101的主轴方向与形貌与变形测量仪器X轴方向同向，所述Y相机102的主轴方向与形貌与变形测量仪器Y轴方向同向，所述激光雷达103的主轴为形貌与变形测量仪器的Z轴，所述激光雷达103以形貌与变形测量仪器坐标原点为扫描中心，所述激光雷达的扫描面为形貌与变形测量仪器的XY平面，所述形貌与变形测量仪器Z轴正向垂直于激光雷达扫描面向上；
此实施例中将激光雷达103设在X相机101和Y相机102的上方，但也可根据实际使用需要选择位置安装，只要保证激光雷达103的扫描面为XY平面，且激光雷达103的扫描中心位于仪器坐标原点即可。
此实施例中为保证测量精确度最高，X相机101的主轴为形貌与变形测量仪器X轴，Y相机102主轴为形貌与变形测量仪器Y轴，X相机与Y相机的主轴相交于仪器坐标原点。
此实施例中形貌与变形测量仪器1设有支架，激光雷达103、X相机101、Y相机102通过支架进行固定。
如图1所示，采用右手坐标系，世界坐标系（记为
Figure 359497DEST_PATH_IMAGE068
）是基于大地的坐标系，是固定的，而仪器坐标系（记为
Figure 792752DEST_PATH_IMAGE069
）是基于仪器主轴的坐标系，是动态的。
此实施例中相机采用工业CCD相机，采用定焦小畸变镜头，激光雷达103采用360° 的单线激光雷达，此实施例中在仪器内部还安装有三轴姿态陀螺仪，用于检测仪器姿态，所 述三轴姿态陀螺仪储存的数据表中包括时间和姿态，姿态包含了偏航角、俯仰角、横滚角， 即
Figure 538991DEST_PATH_IMAGE070
，用于校正由于仪器的刚体转动导致的像素偏移，当仪器内部 不安装三轴姿态陀螺仪或者测量时不采用三轴姿态陀螺仪时，此时则设偏航角、俯仰角、横 滚角恒为零，即
Figure 34695DEST_PATH_IMAGE071
；此实施例中仪器的姿态角
Figure 505775DEST_PATH_IMAGE070
是基于世界坐标系
Figure 465641DEST_PATH_IMAGE072
的量，它描述了仪器在世界坐标系下的旋转姿态情况，分别代表偏航 角、俯仰角、横滚角，单位为弧度（rad），此实施例中仪器开始时的正中心在世界坐标的位置
Figure 320465DEST_PATH_IMAGE073
，单位为米，激光雷达的0度角为X轴方向，俯视时，逆时针为角度增加方向。
形貌与变形测量仪器1的移动模式以刚体位移平动为主，在测量的同时进行移动，以便于扫描到所有待测量的部位，移动时可通过推车、导轨、传送带、拉绳、电梯等方式，且可配合云台等稳定器，以保证在平动中尽可能减少转动。
对于狭长环境的测量，有较多的应用场景，例如隧道、长廊、电梯井、深井、防空洞、下水系统等多种场合，此实施例中，为了便于进行技术解释与坐标计算，附图示出了竖向狭长的矿井，将形貌与变形测量仪器固定在矿井的电梯中，其他的测量场合（比如水平的长廊或者隧道），都可适用。
如图2所示，形貌与变形测量仪器1设在待测量狭长井2内的电梯上，301标示的是电梯运行轨迹，4为当前激光雷达扫描的位置，5为当前X相机图片，6为当前Y相机图片。
采用形貌与变形测量仪器进行测量，测量方法为：
步骤S1：形貌与变形测量仪器在狭长空间中进行移动，同时启动激光雷达、相机、三轴姿态陀螺仪的触发程序，激光雷达、X相机、Y相机、三轴姿态陀螺仪在移动过程中循环采集数据，并分别储存，所述激光雷达以及三轴姿态陀螺仪要与相机的初始时间戳对准或同步触发， X相机与Y相机时间戳同步，以激光雷达扫描到的点云数据作为主要数据，以X相机、Y相机拍摄的图像数据作为计算和修正的辅助数据，电梯上行至最上方，则停止测量，形貌与变形测量仪器完成测量并存储；
步骤S2：激光雷达的数据为16进制编码的带有时间角度距离信息的点云数据，对 激光雷达获取的带有时间角度距离信息的点云数据进行解码，解码后储存为离散的表格矩 阵，其中不同行代表不同时间戳
Figure 959256DEST_PATH_IMAGE074
，不同列代表离散的角度
Figure 620045DEST_PATH_IMAGE075
，即
Figure 372100DEST_PATH_IMAGE001
；此步骤指的是图3 中“解码柱坐标时间-角度-距离矩阵”；
因激光雷达得到的矩阵并不能反映所测量的点与真实世界中坐标的映射，因此需要相机的图片来作为参考，获得真实的坐标；
X相机、Y相机记录的则是带有时间戳的图片数据，对X相机、Y相机采集的图像数据进行处理运算，步骤S2中，对X相机、Y相机采集的图像数据进行处理运算方法为：如图5所示，对X相机采集的图像数据进行处理，记
Figure 53617DEST_PATH_IMAGE076
时间获得的图像为
Figure 586230DEST_PATH_IMAGE017
，记相邻时刻
Figure 722813DEST_PATH_IMAGE004
时间获得的图像为
Figure 985167DEST_PATH_IMAGE077
，为了获得测量过程中
Figure 509689DEST_PATH_IMAGE077
相对于
Figure 201702DEST_PATH_IMAGE017
所移动的像素坐标偏移，取
Figure 797768DEST_PATH_IMAGE077
正中心处尺寸为
Figure 586733DEST_PATH_IMAGE019
的子域图像，作为算子
Figure 954260DEST_PATH_IMAGE078
，对图像
Figure 461465DEST_PATH_IMAGE017
与算子
Figure 595643DEST_PATH_IMAGE078
做去均值的归一化互相关运算，简称NCC，得到X相机图像
Figure 176797DEST_PATH_IMAGE017
与算子
Figure 43122DEST_PATH_IMAGE078
的相关函数，即
Figure 99940DEST_PATH_IMAGE024
；其中，
Figure 913175DEST_PATH_IMAGE022
是图像竖直方向的像素偏移量，
Figure 739048DEST_PATH_IMAGE023
是图像水平方向的像素偏移量；
对Y相机采集的图像数据进行处理，记
Figure 510695DEST_PATH_IMAGE005
时间获得的图像为
Figure 195755DEST_PATH_IMAGE017
，记相邻时刻
Figure 409086DEST_PATH_IMAGE004
时间获得的图像为
Figure 27149DEST_PATH_IMAGE018
，为了获得测量过程中
Figure 969697DEST_PATH_IMAGE077
相对于
Figure 673211DEST_PATH_IMAGE017
所移动的像素坐标偏移，取
Figure 687303DEST_PATH_IMAGE077
正中心处尺寸为
Figure 363135DEST_PATH_IMAGE019
的子域图像，作为算子
Figure 742164DEST_PATH_IMAGE020
，对图像
Figure 260870DEST_PATH_IMAGE017
与算子
Figure 688440DEST_PATH_IMAGE020
做去均值的归一化互相关运算，得到Y相机图像
Figure 281096DEST_PATH_IMAGE017
与算子
Figure 158922DEST_PATH_IMAGE020
的相关函数，即
Figure 509132DEST_PATH_IMAGE079
；
找到X相机图像
Figure 802710DEST_PATH_IMAGE021
最大值出现的位置，此时的
Figure 312189DEST_PATH_IMAGE025
值被认为是
Figure 236282DEST_PATH_IMAGE018
相对于
Figure 401684DEST_PATH_IMAGE017
所移动的像素坐标匹配度最高的像素偏移，记为
Figure 358008DEST_PATH_IMAGE080
，其中，
Figure 659676DEST_PATH_IMAGE029
为X相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的竖向最大像素偏移量，
Figure 489092DEST_PATH_IMAGE030
为X相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的水平方向最大像素偏移量；
找到Y相机图像
Figure 201177DEST_PATH_IMAGE024
最大值出现的位置，此时的
Figure 836558DEST_PATH_IMAGE025
值被认为是
Figure 461574DEST_PATH_IMAGE018
相对于
Figure 586525DEST_PATH_IMAGE026
所移动的像素坐标匹配度最高的像素偏移，记为
Figure 257678DEST_PATH_IMAGE028
，其中，
Figure 634433DEST_PATH_IMAGE031
为Y相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的竖向最大像素偏移量，
Figure 910693DEST_PATH_IMAGE081
为Y相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的水平方向最大像素偏移量；
将得到的像素偏移数据与图像对应的时间戳进行储存，格式为
Figure 472125DEST_PATH_IMAGE082
；
由X相机的数据，得到了
Figure 771519DEST_PATH_IMAGE004
时刻相对于
Figure 748702DEST_PATH_IMAGE005
时刻仪器坐标系Y方向的像素偏移
Figure 472945DEST_PATH_IMAGE034
，仪器坐标系Z方向的像素偏移
Figure 815064DEST_PATH_IMAGE035
；
同理，由Y相机的数据，得到了
Figure 398492DEST_PATH_IMAGE004
时刻相对于
Figure 241683DEST_PATH_IMAGE005
时刻仪器坐标系X方向的像素偏移
Figure 695799DEST_PATH_IMAGE036
，仪器坐标系Z方向的像素偏移
Figure 271136DEST_PATH_IMAGE083
；
此步骤中，去均值的归一化互相关运算公式如下：
Figure 669757DEST_PATH_IMAGE084
其中，
Figure 926426DEST_PATH_IMAGE085
公式中，
Figure 31785DEST_PATH_IMAGE086
为图像像素X轴坐标，
Figure 105920DEST_PATH_IMAGE087
为图像像素Y轴坐标，
Figure 867203DEST_PATH_IMAGE088
代表在
Figure 724300DEST_PATH_IMAGE089
像素 偏移下，图像
Figure 280571DEST_PATH_IMAGE017
与算子
Figure 135395DEST_PATH_IMAGE090
的相重叠区域，
Figure 180711DEST_PATH_IMAGE091
代表在其定义域上取均值；
此步骤中X相机、Y相机的
Figure 169396DEST_PATH_IMAGE021
通过自适应子域的去均值归一化互相关算法得出，简称SASNCC，自适应子域的选择方法为：对算子
Figure 187030DEST_PATH_IMAGE020
求均方差
Figure 275072DEST_PATH_IMAGE092
，将算子
Figure 870001DEST_PATH_IMAGE020
与拉普拉斯算子Δ做空间域卷积，并做傅里叶变换得到调制频域实幅值
Figure 537743DEST_PATH_IMAGE093
，若均方差
Figure 472201DEST_PATH_IMAGE094
小于某一设定阈值，且调制频域实幅值的和
Figure 59040DEST_PATH_IMAGE095
小于另一设定阈值，说明尺寸不适合，则增大算子尺寸，每次算子尺寸增大范围为5%~30%，再次进行上述判断，直到满足上述要求，再重新计算
Figure 16632DEST_PATH_IMAGE021
。
此实施例中均方差
Figure 284802DEST_PATH_IMAGE094
小于某一设定阈值与调制频域实幅值的和
Figure 401663DEST_PATH_IMAGE096
小于另一设定阈值，这两个设定阈值的大小不同；
对于计算与处理来说，算子尺寸
Figure 769190DEST_PATH_IMAGE097
需要在一开始给定，尺寸适当增大，感受野也就越大，这样计算的结果相对准确，但随着算子尺寸增大，计算速度会减慢，更耗费计算资源，而尺寸适当减小，则计算更快速更节约计算资源，但感受野较小，且算子中包含的特征也越少越不明显，因此需要选择合适的尺寸；
此实施例中需要根据仪器的刚体平动，来还原仪器在测量中移动时的坐标，从而将激光雷达的数据映射至真实世界坐标系下，因此需要根据三轴姿态陀螺仪的数据，消除掉由仪器转动所带来的像素偏移；实际使用中，可以在形貌与变形测量仪器内部安装三轴姿态陀螺仪，也可以根据实际需要不安装或无需三轴姿态陀螺仪采集数据；
步骤S2中，当采用三轴姿态陀螺仪时，将两个相机和激光雷达的时间戳插入到三 轴姿态陀螺仪的时间戳序列中，并在两个相机和激光雷达的时间戳对姿态进行插值，得到 与相机以及激光雷达时间戳匹配的姿态角
Figure 276395DEST_PATH_IMAGE098
；因三轴姿态陀螺仪、相机、激 光雷达的采样率不同，有着不同的时间戳，因此需要做此操作；
通过三轴姿态陀螺仪采集的数据运算得到仪器在世界坐标系下的姿态矩阵，运算方法为，
将不同时刻的姿态角，分别通过转换函数
Figure 144994DEST_PATH_IMAGE099
进行计算，得到仪器在世界坐 标系下的姿态矩阵
Figure 991727DEST_PATH_IMAGE100
，其中，计算公式为
Figure 858052DEST_PATH_IMAGE101
该矩阵表示了仪器坐标系与世界坐标系中的映射，同时也表示了仪器坐标系的3个主轴在世界坐标系的单位方向向量，该矩阵为单位正交矩阵，其转置与求逆结果相同；若不采用三轴姿态陀螺仪，则认为姿态矩阵始终为单位矩阵
Figure 914870DEST_PATH_IMAGE102
；此步骤指的是图3中“时间-世界坐标系下仪器姿态矩阵”；
再将三轴姿态陀螺仪与相机数据进行联合，得到仪器坐标XYZ方向由刚体平动引起的像素偏移，联合方法为：
X相机在
Figure 462526DEST_PATH_IMAGE004
时刻的X轴单位向量在
Figure 960503DEST_PATH_IMAGE005
时刻的X、Y、Z轴的投影分量为
Figure 60046DEST_PATH_IMAGE103
，再通过投影分量可分别计算出仪器坐标系下第i时刻的仪器X轴相对于 第i-1时刻X轴在Y轴方向和Z轴的方向偏移夹角
Figure 479526DEST_PATH_IMAGE104
与
Figure 627611DEST_PATH_IMAGE105
，具体计算过程为：
先计算投影分量
Figure 570640DEST_PATH_IMAGE106
，
后计算夹角
Figure 716451DEST_PATH_IMAGE107
，
Figure 419965DEST_PATH_IMAGE108
，
得到第i时刻相对于第i-1时刻X相机由旋转产生的Y方向像素偏移
Figure 699636DEST_PATH_IMAGE109
以及Z方向像素偏移
Figure 109889DEST_PATH_IMAGE110
；同理，也 可得到第i时刻相对于第i-1时刻Y相机由旋转产生的X方向像素偏移
Figure 488918DEST_PATH_IMAGE044
与Z方向像素偏 移
Figure 742045DEST_PATH_IMAGE111
；上述公式中F代表相机焦距，b代表CCD靶元尺寸；
可以分别得到：
由X相机的刚体平动产生的Y方向像素偏移
Figure 435194DEST_PATH_IMAGE112
，
由X相机的刚体平动产生的Z方向像素偏移
Figure 27849DEST_PATH_IMAGE113
，
由Y相机的刚体平动产生的X方向像素偏移
Figure 374517DEST_PATH_IMAGE114
，
由Y相机的刚体平动产生的Z方向像素偏移
Figure 255885DEST_PATH_IMAGE115
；
至此，得到了仪器坐标系下，修正后的XYZ方向的由刚体平动产生的偏移值；此步骤指的是图3中“仪器坐标XYZ方向由刚体平动引起的像素偏移”；当不采用三轴姿态陀螺仪时，
由X相机的刚体平动产生的Y方向像素偏移
Figure 549464DEST_PATH_IMAGE116
；
由X相机的刚体平动产生的Z方向像素偏移
Figure 58942DEST_PATH_IMAGE117
；
由Y相机的刚体平动产生的X方向像素偏移
Figure 779774DEST_PATH_IMAGE118
；
由Y相机的刚体平动产生的Z方向像素偏移
Figure 882859DEST_PATH_IMAGE119
；
步骤S3：激光雷达距离矩阵
Figure 776865DEST_PATH_IMAGE120
中，取角度值为0与π/2的数据，则得到两组序列
Figure 547375DEST_PATH_IMAGE121
，代表了不同时间X、Y相机光轴方向上的距离，即物距；此步骤指的是图3中“XY轴方向雷达距离-时间序列”；
得到所需的物距后，以相机的时间戳对物距序列
Figure 439108DEST_PATH_IMAGE122
进行插值，采用卷积的方式对于物距序列进行去噪、滤波操作；因数据为时间离散序列，考虑到相机与激光雷达的时间戳并不一定匹配，因此需要以相机的时间戳对于物距序列
Figure 888544DEST_PATH_IMAGE123
进行插值，同时考虑到测量中数据
Figure 523925DEST_PATH_IMAGE124
的变化较大，而使得计算得到的刚体位移抖动过大，而采用卷积的方式对于物距序列进行去噪、滤波操作，极大的增加了计算的稳定性和鲁棒性；此步骤指的是图3中“卷积滤波”；
将步骤S2得到的刚体像素偏移数据与卷积滤波后的激光雷达数据进行联合，计算出基于仪器坐标系的仪器刚体位移增量：
由X相机数据得到Y、Z方向的基于仪器坐标系刚体位移增量
Figure 148941DEST_PATH_IMAGE125
，
Figure 273892DEST_PATH_IMAGE126
，
由Y相机数据得到X、Z方向的基于仪器坐标系刚体位移增量
Figure 148307DEST_PATH_IMAGE127
，
Figure 259482DEST_PATH_IMAGE128
，
其中，
Figure 866569DEST_PATH_IMAGE129
为第i时刻仪器X轴方向的激光雷达测量距离，
Figure 100104DEST_PATH_IMAGE130
为第i时刻仪器Y轴方向的激光雷达测量距离，脚标中的字母E表示仪器坐标系
Figure 399498DEST_PATH_IMAGE069
下的结果，此步骤指的是图3中“仪器坐标XYZ方向时间-仪器刚体位移增量”；
此步骤中X相机、Y相机都能得到Z方向的刚体位移增量，在实际数据处理过程中，因为误差客观存在，往往二者有一定的差异，但不会相差很大，该项作为冗余信息，同时也起到了校验作用，若计算得到的
Figure 704578DEST_PATH_IMAGE131
与
Figure 835345DEST_PATH_IMAGE132
差异过大，差值超过某一设定阈值时，则说明测量过程中存在较大问题，需要舍弃姿态陀螺仪的数据，或者重新进行整个测量流程，若计算得到的
Figure 443044DEST_PATH_IMAGE131
与
Figure 354368DEST_PATH_IMAGE132
差异不超过某一设定阈值时，取二者平均值作为仪器坐标系下Z方向的位移增量，并进行后续步骤S4中的第一个公式的运算；
步骤S4：根据仪器坐标系下的位移增量，得到世界坐标系下的位移增量
Figure 338504DEST_PATH_IMAGE133
，计算公式为，
Figure 323778DEST_PATH_IMAGE134
；
对得到的位移增量
Figure 961433DEST_PATH_IMAGE135
进行前序累加，获得仪器在世界坐标系下的以时间戳
Figure 500998DEST_PATH_IMAGE004
为变量的仪器中心点坐标
Figure 819984DEST_PATH_IMAGE136
，再以激光雷达的时间进行插值对仪器中心点坐标进行插值，得到插值后的中心点坐标
Figure 987660DEST_PATH_IMAGE137
；考虑到激光雷达的时间戳与相机的时间戳不同步，且一般远大于相机的采样频率，因此需要做此操作；
得到插值后的中心点坐标
Figure 733899DEST_PATH_IMAGE138
，对累计误差进行线性修正，已知准 确的初始值
Figure 760761DEST_PATH_IMAGE139
与终末值
Figure 680176DEST_PATH_IMAGE140
，则线性修正后的坐标
Figure 843304DEST_PATH_IMAGE141
；其中，
Figure 26024DEST_PATH_IMAGE056
为仪器中心点z坐标修 正值，
Figure 133657DEST_PATH_IMAGE142
为仪器中心点z坐标原始值，
Figure 997708DEST_PATH_IMAGE143
为仪器中心点z坐标准确的初始时刻值，
Figure 77659DEST_PATH_IMAGE058
为仪器中心点z坐标原始的初始时刻值，一般为0，
Figure 228018DEST_PATH_IMAGE054
为仪器中心点z坐标准 确的终末时刻值，
Figure 760630DEST_PATH_IMAGE059
为仪器中心点z坐标原始的终末时刻值，
Figure 428372DEST_PATH_IMAGE060
为初始时刻，
Figure 422217DEST_PATH_IMAGE061
为终末时刻；
对
Figure 884422DEST_PATH_IMAGE062
进行相同的操作，得到修正后的准确的行进过程中仪器的中心点 坐标
Figure 904331DEST_PATH_IMAGE144
；此步骤指的是图3中“刚体位移时间戳插值（满足激光雷达时间 戳）”；
因得到的中心点坐标轨迹会存在累积系统误差，且误差是随着时间均匀累积的，则可以线性的方式，通过仪器移动的初始与结束的准确坐标，对中心点坐标进行修正，以消除累积误差；
步骤S5：根据任意时刻t的姿态矩阵
Figure 969239DEST_PATH_IMAGE145
，则对于点云距离矩阵
Figure 961466DEST_PATH_IMAGE146
中的任意 一点，可获取其世界坐标系的真实坐标
Figure 656889DEST_PATH_IMAGE147
，公式如下：
Figure 226411DEST_PATH_IMAGE148
，
根据此公式，得到了要储存的激光测量所有的点在真实世界中的坐标；
再舍弃了时间和角度信息，仅储存了包含每个点的直角坐标信息的矩阵
Figure 767114DEST_PATH_IMAGE149
， 后续通过可视化绘制，可获得测量的空间曲面网格；
Figure 613847DEST_PATH_IMAGE150
三者为等大的矩阵，有序的记录了测量与处理后得到的每个点的坐标，此步骤指的是图3中“最终直角坐标位置矩阵”；
至此，完成了单次形貌测量的所有过程；
步骤S6：对于多次测量的同一个可以转化为单值柱坐标系的狭长空间或物体，可以进行变形比较，设其中一次测量得到的点云坐标信息的矩阵为
Figure 542489DEST_PATH_IMAGE151
，在后期又对其进行了一次测量，得到的点云坐标信息的矩阵为
Figure 536990DEST_PATH_IMAGE152
，比较二者的形貌的差异，即获得变形数据；
变形比较的方法为，
步骤S6-1：对两次的点云结果进行匹配，匹配方式可选用自动匹配和手动匹配，二者可以单独使用，也可以相互结合；因两次测量的起始位置、行进轨迹、测量速度、过程姿态，不可能完全一样，且
Figure 819066DEST_PATH_IMAGE151
与
Figure 910519DEST_PATH_IMAGE153
的矩阵尺寸几乎不可能相同，即两次结果并无直接关联，不能直接做差得到位移结果，因此需要对两次的点云结果进行匹配，再进行变换矩阵的计算；
自动匹配方法，为了简化计算量，首先对两次的数据进行抽样或者下采样，获得小样本的数据，这一部分也可以手动抽样，也可以程序自动完成，之后利用迭代最近点ICP算法，获得相匹配的距离最小的点的集合信息；
手动匹配方法，无需进行抽样或下采样，直接通过可视化界面或其他辅助形式，由人工选择匹配点，以获得相匹配点的集合信息；
步骤S6-2：根据匹配的点集，得到两次测量的变换矩阵的线性最小二乘解
Figure 947745DEST_PATH_IMAGE154
，
Figure 367225DEST_PATH_IMAGE155
为4*4的方阵，包括了从两次结果之间的刚体转动和平动信息，不涉及数值迭代，是稳定的；此步骤指的是图4中“变换矩阵线性最小二乘解”；
此步骤中，矩阵
Figure 577627DEST_PATH_IMAGE155
求得的方法为，
步骤S6-2-1:设定目标函数
Figure 195690DEST_PATH_IMAGE156
，
求解取得最小值的矩阵
Figure 607080DEST_PATH_IMAGE155
，即为该方法中需要的仿射矩阵结果，其中，变量的脚标 I代表第一次，脚标II代表第二次，mn为第二次结果的点矩阵索引，pq为第一次结果中与第 二次结果矩阵索引mn相匹配的点矩阵索引，mnpq均无实际物理意义，
Figure 372910DEST_PATH_IMAGE157
为所有匹 配点的映射集合，j代表集合中匹配的第j对点，
Figure 59107DEST_PATH_IMAGE158
代表二范数算符，
Figure 734939DEST_PATH_IMAGE159
含义为
Figure 441863DEST_PATH_IMAGE160
中匹配的第j对点在结果I中对应的索引为pq的点的x坐标，
Figure 632673DEST_PATH_IMAGE161
含义为
Figure 60244DEST_PATH_IMAGE162
中匹配的第j对点在结果I中对应的索引为pq的点的y坐标，
Figure 718146DEST_PATH_IMAGE163
含义为
Figure 268076DEST_PATH_IMAGE164
中匹配的第j对点在结果I中对应的索引为pq的点的z坐标,
Figure 883865DEST_PATH_IMAGE165
含义为
Figure 505339DEST_PATH_IMAGE166
中匹配的第j对点在结果II中对应的索引为mn的点的x坐标，
Figure 952501DEST_PATH_IMAGE167
含义 为
Figure 345436DEST_PATH_IMAGE157
中匹配的第j对点在结果II中对应的索引为mn的点的y坐标，
Figure 510838DEST_PATH_IMAGE168
含义 为
Figure 404845DEST_PATH_IMAGE169
中匹配的第j对点在结果II中对应的索引为mn的点的z坐标；
步骤S6-2-2：因
Figure 175355DEST_PATH_IMAGE155
为仿射变换矩阵，则矩阵中
Figure 801508DEST_PATH_IMAGE170
的值均为0，此处按照Voigt 标记准则的处理方式，将
Figure 516523DEST_PATH_IMAGE155
转化为向量的形式，记向量化变换矩阵
Figure 355166DEST_PATH_IMAGE171
，并记稀疏矩阵
Figure 511341DEST_PATH_IMAGE172
，
记向量
Figure 636292DEST_PATH_IMAGE173
；
步骤S6-2-3：将二范数算符里面的项，转换为
Figure 510707DEST_PATH_IMAGE174
，因此目标函数可以转化为
Figure 153041DEST_PATH_IMAGE175
；
步骤S6-2-4：记
Figure 491618DEST_PATH_IMAGE176
中的对点个数为N，将矩阵分别在列方向进行拼接堆叠，得到
Figure 725154DEST_PATH_IMAGE177
；
步骤S6-2-5：目标函数
Figure 290127DEST_PATH_IMAGE178
可进一步等价于
Figure 329627DEST_PATH_IMAGE179
；
步骤S6-2-6：得出使得目标函数达到最小值的，向量化变换矩阵的最小二乘解为
Figure 460394DEST_PATH_IMAGE180
；
此运算可以直接计算，也可采用SVD分解的方法进行运算；
步骤S6-2-7：将
Figure 802514DEST_PATH_IMAGE181
计算得出后，即可得到矩阵形式的仿射变换矩阵
Figure 979417DEST_PATH_IMAGE182
；
步骤S6-3：对于
Figure 494712DEST_PATH_IMAGE183
中的所有点
Figure 683248DEST_PATH_IMAGE184
进行仿射变换，对于任意的mn均有
Figure 606990DEST_PATH_IMAGE185
，
得到与
Figure 943293DEST_PATH_IMAGE186
相匹配后的点云矩阵
Figure 199962DEST_PATH_IMAGE187
，
Figure 305322DEST_PATH_IMAGE188
则代表 由计算后的所有点
Figure 379457DEST_PATH_IMAGE189
组成的矩阵的集合，此步骤指的是图4框图中“仿 射变换”；
步骤S6-4：对
Figure 875160DEST_PATH_IMAGE190
与
Figure 997837DEST_PATH_IMAGE191
分别进行柱坐标转换，并通过中值滤波器 进行滤波操作，以剔除影响计算的坏点，获得其对应的柱坐标信息
Figure 20020DEST_PATH_IMAGE192
与
Figure 140422DEST_PATH_IMAGE193
，其中W代表方位角矩阵，D代表距离矩阵，Z代表Z坐标矩阵，此步骤指的是图 4框图中“柱坐标转换”；
步骤S6-5：对于
Figure 451318DEST_PATH_IMAGE194
，以
Figure 174423DEST_PATH_IMAGE195
作为基准进行插值运算，得到与
Figure 192058DEST_PATH_IMAGE195
相匹配的插值后的距离矩阵
Figure 545679DEST_PATH_IMAGE196
，此步骤指的是图4框图中“柱坐标空间滤波、插值、求差”；
步骤S6-6：将
Figure 140608DEST_PATH_IMAGE196
与
Figure 808350DEST_PATH_IMAGE197
作差，得到柱坐标下，以第一次测量为基准的两次测量的结果的形变矩阵
Figure 477229DEST_PATH_IMAGE198
，其中
Figure 64068DEST_PATH_IMAGE199
，将结果进行可视化并储存，便可知道两次测量中的变形分布情况，此步骤指的是图4框图中“两次测量形变矩阵（以其中一次测量的柱坐标为准）”；
步骤S7：根据单次测量以及变形比对的结构，全局储存形貌与变形数据并绘图。
此实施例中，可根据X相机、Y相机采集的图片进行拼接，分别得到狭长空间的两个侧面的全景。
也可以根据X相机得到的像素偏移
Figure 287239DEST_PATH_IMAGE200
与上一张照片计算交叉掩模，并在掩模处取平均值叠加，不重合的部分则直接相加，迭代计算所有图片的交叉掩模，再结合X相机采集的图片，得到更好的全景拼接效果；
根据Y相机得到的像素偏移
Figure 289830DEST_PATH_IMAGE201
与上一张照片计算交叉掩模，并在掩模处取平均值叠加，不重合的部分则直接相加，迭代计算所有图片的交叉掩模，再结合Y相机采集的图片，得到更好的全景拼接效果；
在迭代交叉掩模计算过程中，激光雷达的物距用来对每张图像进行缩放。
基于激光雷达技术，通过双相机的图片作为辅助，可以在不需要其他设备和数据作为参考的情况下，对于相对复杂的狭长空间进行有效的较高精度测量，得到测量空间的轮廓，仪器结构简单、成本低。
此实施例中变量的右上角标出现T则代表对于向量、矩阵或张量的转置。
此实施例中激光雷达、X相机、Y相机、三轴姿态陀螺仪通过控制器控制触发进行测量，控制器可采用硬件的PLC控制器，也可以采取软件触发和控制。

Claims (9)

1.一种狭长空间的三维形貌测量方法，其特征在于：
设有形貌与变形测量仪器，形貌与变形测量仪器包括激光雷达、X相机和Y相机，X相机的主轴方向与形貌与变形测量仪器X轴方向同向，Y相机的主轴方向与形貌与变形测量仪器Y轴方向同向，激光雷达的主轴为形貌与变形测量仪器的Z轴，激光雷达以形貌与变形测量仪器坐标原点为扫描中心，激光雷达的扫描面为形貌与变形测量仪器的XY平面，形貌与变形测量仪器Z轴正向垂直于激光雷达扫描面向上；
采用形貌与变形测量仪器进行测量，测量方法为，
步骤S1：形貌与变形测量仪器在狭长空间中移动，同时启动激光雷达和X相机、Y相机的触发程序，激光雷达、X相机、Y相机在移动过程中循环采集数据，并分别储存；
步骤S2：对激光雷达获取的点云数据进行解码，解码后储存为离散的表格矩阵，即
Figure 890623DEST_PATH_IMAGE001
，
Figure 789309DEST_PATH_IMAGE001
中不同行代表不同时间戳
Figure 624410DEST_PATH_IMAGE002
，不同列代表离散的角度
Figure 633954DEST_PATH_IMAGE003
；
对X相机、Y相机采集的图像数据进行处理运算，得到X相机
Figure 11846DEST_PATH_IMAGE004
时刻相对于
Figure 937558DEST_PATH_IMAGE005
时刻仪器坐标系Y方向的像素偏移
Figure 400900DEST_PATH_IMAGE006
，仪器坐标系Z方向的像素偏移
Figure 73190DEST_PATH_IMAGE007
，得到Y相机
Figure 305588DEST_PATH_IMAGE004
时刻相对于
Figure 139552DEST_PATH_IMAGE005
时刻仪器坐标系X方向的像素偏移
Figure 90190DEST_PATH_IMAGE008
，仪器坐标系Z方向的像素偏移
Figure 707117DEST_PATH_IMAGE009
；
步骤S3：
Figure 653076DEST_PATH_IMAGE010
中，取角度值为0与π/2的数据，得到两组序列
Figure 64466DEST_PATH_IMAGE011
，代表了不同时间X、Y相机光轴方向上的距离，即物距；
将步骤S2得到的像素偏移值与步骤S3中的物距进行联合，计算出基于仪器坐标系的仪器刚体位移增量；
步骤S4：根据基于仪器坐标系刚体位移增量，得到世界坐标系下的位移增量，最终获得 形貌与变形测量仪器在世界坐标系下的以时间戳
Figure 236821DEST_PATH_IMAGE004
为变量的仪器中心点坐标
Figure 250913DEST_PATH_IMAGE012
，以激光雷达的时间对仪器中心点坐标进行插值，得到插值后的中心 点坐标
Figure 457904DEST_PATH_IMAGE013
；
步骤S5：根据
Figure 899249DEST_PATH_IMAGE014
得到包含每个点的直角坐标信息的矩阵
Figure 293322DEST_PATH_IMAGE015
。
2.根据权利要求1所述的一种狭长空间的三维形貌测量方法，其特征在于：步骤S1中，所述激光雷达与X相机、Y相机初始时间戳对准或同步触发，所述X相机与Y相机时间戳同步。
3.根据权利要求2所述的一种狭长空间的三维形貌测量方法，其特征在于：步骤S2中，对X相机、Y相机采集的图像数据进行处理运算方法为，
X相机、Y相机分别记
Figure 252050DEST_PATH_IMAGE016
时间获得的图像为
Figure 438181DEST_PATH_IMAGE017
，记相邻时刻
Figure 191373DEST_PATH_IMAGE004
时间获得的图像为
Figure 338321DEST_PATH_IMAGE018
，取
Figure 694216DEST_PATH_IMAGE018
正中心处尺寸为
Figure 610219DEST_PATH_IMAGE019
的子域图像，作为算子
Figure 799892DEST_PATH_IMAGE020
，对图像
Figure 296120DEST_PATH_IMAGE017
与算子
Figure 331072DEST_PATH_IMAGE020
做去均值的归一化互相关运算，简称NCC，分别得到X相机、Y相机图像
Figure 226216DEST_PATH_IMAGE017
与算子
Figure 586790DEST_PATH_IMAGE020
的相关函数，即
Figure 442751DEST_PATH_IMAGE021
，其中，
Figure 406028DEST_PATH_IMAGE022
是图像竖直方向的像素偏移量，
Figure 31044DEST_PATH_IMAGE023
是图像水平方向的像素偏移量；
分别找到X相机、Y相机图像
Figure 421574DEST_PATH_IMAGE021
最大值出现的位置，此时的
Figure 764831DEST_PATH_IMAGE024
值是
Figure 672744DEST_PATH_IMAGE018
相对于
Figure 276900DEST_PATH_IMAGE017
所移动的像素坐标匹配度最高的像素偏移，X相机像素坐标匹配度最高的像素偏移记为
Figure 979277DEST_PATH_IMAGE025
，Y相机像素坐标匹配度最高的像素偏移记为
Figure 544251DEST_PATH_IMAGE026
，其中，
Figure 849330DEST_PATH_IMAGE027
为X相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的竖向最大像素偏移量，
Figure 448939DEST_PATH_IMAGE028
为X相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的水平方向最大像素偏移量，
Figure 181271DEST_PATH_IMAGE029
为Y相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的竖向最大像素偏移量，
Figure 499120DEST_PATH_IMAGE030
为Y相机第i张图片的算子与第i-1张图片进行去均值的归一化互相关运算得到的水平方向最大像素偏移量；
将得到的像素偏移数据与图像对应的时间戳进行储存，格式为
Figure 217678DEST_PATH_IMAGE031
；
由X相机的数据，得到了
Figure 62006DEST_PATH_IMAGE004
时刻相对于
Figure 106185DEST_PATH_IMAGE016
时刻仪器坐标系Y方向的像素偏移
Figure 645751DEST_PATH_IMAGE032
，仪器坐标系Z方向的像素偏移
Figure 578720DEST_PATH_IMAGE033
；
由Y相机的数据，得到了
Figure 887341DEST_PATH_IMAGE004
时刻相对于
Figure 102422DEST_PATH_IMAGE016
时刻仪器坐标系X方向的像素偏移
Figure 988339DEST_PATH_IMAGE034
，仪器坐标系Z方向的像素偏移
Figure 579857DEST_PATH_IMAGE035
。
4.根据权利要求2或3所述的一种狭长空间的三维形貌测量方法，其特征在于：所述形 貌与变形测量仪器还包括三轴姿态陀螺仪，所述三轴姿态陀螺仪设在形貌与变形测量仪器 内部，所述三轴姿态陀螺仪储存的数据表中包括时间和姿态，姿态包含了偏航角、俯仰角、 横滚角，即
Figure 867619DEST_PATH_IMAGE036
，
Figure 253601DEST_PATH_IMAGE037
用于校正由于仪器的刚体转动导 致的像素偏移，当不采用三轴姿态陀螺仪时，此时设偏航角、俯仰角、横滚角恒为零，即
Figure 33338DEST_PATH_IMAGE038
；
步骤S1中，当激光雷达、X相机、Y相机采集数据时，三轴姿态陀螺仪也开始循环采集数据并储存，所述三轴姿态陀螺仪的初始时间戳与两个相机的初始时间戳以及激光雷达的初始时间戳对准；
步骤S2中，将两个相机和激光雷达的时间戳插入到三轴姿态陀螺仪的时间戳序列中， 并在两个相机和激光雷达的时间戳对姿态进行插值，得到与相机以及激光雷达时间戳匹配 的姿态
Figure 22022DEST_PATH_IMAGE039
；
通过三轴姿态陀螺仪采集的数据运算得到仪器在世界坐标系下的姿态矩阵， 再将三 轴姿态陀螺仪姿态矩阵与相机数据进行联合，得到第i时刻相对于第i-1时刻X相机由旋转 产生的Y方向像素偏移
Figure 305236DEST_PATH_IMAGE040
以及Z方向像素偏移
Figure 862120DEST_PATH_IMAGE041
；同理，也可得到第i时刻相对于 第i-1时刻Y相机由旋转产生的X方向像素偏移
Figure 988207DEST_PATH_IMAGE042
与Z方向像素偏移
Figure 390370DEST_PATH_IMAGE043
；
可以分别得到，由X相机的刚体平动产生的Y方向像素偏移
Figure 793669DEST_PATH_IMAGE044
、Z方 向像素偏移
Figure 911667DEST_PATH_IMAGE045
，由Y相机的刚体平动产生的X方向像素偏移
Figure 869259DEST_PATH_IMAGE046
、Z方向像素偏移
Figure 465325DEST_PATH_IMAGE047
；
至此，得到了仪器坐标系下，修正后的XYZ方向的由刚体平动产生的偏移值。
5.根据权利要求4所述的一种狭长空间的三维形貌测量方法，其特征在于：步骤S3中， 得到所需的物距后，以相机的时间戳对于物距
Figure 723131DEST_PATH_IMAGE048
进行插值，采用卷积的方式对物 距序列进行去噪、滤波操作。
6.根据权利要求5所述的一种狭长空间的三维形貌测量方法，其特征在于：步骤S4中， 对插值后的中心点坐标
Figure 621817DEST_PATH_IMAGE049
进行线性修正，线性修正后的坐标
Figure 456918DEST_PATH_IMAGE050
，其中，
Figure 732041DEST_PATH_IMAGE051
为仪器中心点z坐标 修正值，
Figure 844354DEST_PATH_IMAGE052
为仪器中心点z坐标原始值，
Figure 41505DEST_PATH_IMAGE053
为仪器中心点z坐标准确的初始时刻 值，
Figure 239268DEST_PATH_IMAGE054
为仪器中心点z坐标原始的初始时刻值，一般为0，
Figure 52503DEST_PATH_IMAGE055
为仪器中心点z坐 标准确的终末时刻值，
Figure 409535DEST_PATH_IMAGE056
为仪器中心点z坐标原始的终末时刻值，
Figure 650023DEST_PATH_IMAGE057
为初始时 刻，
Figure 335083DEST_PATH_IMAGE058
为终末时刻；
对
Figure 76643DEST_PATH_IMAGE059
进行相同的操作，得到修正后的准确的行进过程中仪器的中心点坐标
Figure 897968DEST_PATH_IMAGE060
。
7.根据权利要求3或5或6所述的一种狭长空间的三维形貌测量方法，其特征在于：还包 括步骤S6，对于多次测量的同一个可以转化为单值柱坐标系的狭长空间或物体，进行变形 比较，设其中一次测量得到的点云坐标信息的矩阵为
Figure 309358DEST_PATH_IMAGE061
，在后期又对其进行了一次 测量，得到的点云坐标信息的矩阵为
Figure 340768DEST_PATH_IMAGE062
，比较二者形貌的差异，获得变形数据。
8.根据权利要求7所述的一种狭长空间的三维形貌测量方法，其特征在于：步骤S3中，根据X相机得到的
Figure 761385DEST_PATH_IMAGE063
、根据Y相机得到的
Figure 702796DEST_PATH_IMAGE064
分别与上一张照片计算交叉掩模，并在掩模处取平均值叠加，不重合的部分直接相加，迭代计算所有图片的交叉掩模，分别得到X相机的拼接图片、Y相机的拼接图片。
9.根据权利要求8所述的一种狭长空间的三维形貌测量方法，其特征在于：步骤S1中，形貌与变形测量仪器的移动模式为刚体位移平动。
CN202310015647.0A 2023-01-06 2023-01-06 一种狭长空间的三维形貌测量方法 Active CN115790449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310015647.0A CN115790449B (zh) 2023-01-06 2023-01-06 一种狭长空间的三维形貌测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310015647.0A CN115790449B (zh) 2023-01-06 2023-01-06 一种狭长空间的三维形貌测量方法

Publications (2)

Publication Number Publication Date
CN115790449A true CN115790449A (zh) 2023-03-14
CN115790449B CN115790449B (zh) 2023-04-18

Family

ID=85428681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310015647.0A Active CN115790449B (zh) 2023-01-06 2023-01-06 一种狭长空间的三维形貌测量方法

Country Status (1)

Country Link
CN (1) CN115790449B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117075135A (zh) * 2023-10-17 2023-11-17 北京卓视智通科技有限责任公司 一种车辆特征检测方法、系统、存储介质和电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080025714A1 (en) * 2006-07-25 2008-01-31 Canon Kabushiki Kaisha Image-pickup apparatus and focus control method
US20120019809A1 (en) * 2010-07-24 2012-01-26 Focused Innovation, Inc. Method and apparatus for imaging
CN107977997A (zh) * 2017-11-29 2018-05-01 北京航空航天大学 一种结合激光雷达三维点云数据的相机自标定方法
CN109314744A (zh) * 2017-12-29 2019-02-05 深圳市大疆创新科技有限公司 拍摄设备的图像处理方法、拍摄设备及可移动平台
CN110349132A (zh) * 2019-06-25 2019-10-18 武汉纺织大学 一种基于光场相机深度信息提取的织物瑕疵检测方法
CN110470216A (zh) * 2019-07-10 2019-11-19 湖南交工智能技术有限公司 一种三镜头高精度视觉测量方法及装置
CN112013792A (zh) * 2020-10-19 2020-12-01 南京知谱光电科技有限公司 一种复杂大构件机器人面扫描三维重建方法
CN112140741A (zh) * 2019-06-26 2020-12-29 施乐公司 用于分析要由安装到铰接臂的打印头打印的三维物体的表面的系统和方法
DE102021106429A1 (de) * 2021-03-16 2022-09-22 forty2 Technologies GmbH Defekterkennung in der additiven Fertigung
CN115265424A (zh) * 2022-09-27 2022-11-01 威海晶合数字矿山技术有限公司 一种基于合成孔径雷达技术的地质灾害边坡位移监测方法
WO2022235528A2 (en) * 2021-05-02 2022-11-10 Fleming Mwanyoha Sadiki P System and methods for optimal precision direction and ranging using minimum variance sub-sample offset estimation

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080025714A1 (en) * 2006-07-25 2008-01-31 Canon Kabushiki Kaisha Image-pickup apparatus and focus control method
US20120019809A1 (en) * 2010-07-24 2012-01-26 Focused Innovation, Inc. Method and apparatus for imaging
CN107977997A (zh) * 2017-11-29 2018-05-01 北京航空航天大学 一种结合激光雷达三维点云数据的相机自标定方法
CN109314744A (zh) * 2017-12-29 2019-02-05 深圳市大疆创新科技有限公司 拍摄设备的图像处理方法、拍摄设备及可移动平台
CN110349132A (zh) * 2019-06-25 2019-10-18 武汉纺织大学 一种基于光场相机深度信息提取的织物瑕疵检测方法
CN112140741A (zh) * 2019-06-26 2020-12-29 施乐公司 用于分析要由安装到铰接臂的打印头打印的三维物体的表面的系统和方法
CN110470216A (zh) * 2019-07-10 2019-11-19 湖南交工智能技术有限公司 一种三镜头高精度视觉测量方法及装置
CN112013792A (zh) * 2020-10-19 2020-12-01 南京知谱光电科技有限公司 一种复杂大构件机器人面扫描三维重建方法
DE102021106429A1 (de) * 2021-03-16 2022-09-22 forty2 Technologies GmbH Defekterkennung in der additiven Fertigung
WO2022235528A2 (en) * 2021-05-02 2022-11-10 Fleming Mwanyoha Sadiki P System and methods for optimal precision direction and ranging using minimum variance sub-sample offset estimation
CN115265424A (zh) * 2022-09-27 2022-11-01 威海晶合数字矿山技术有限公司 一种基于合成孔径雷达技术的地质灾害边坡位移监测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117075135A (zh) * 2023-10-17 2023-11-17 北京卓视智通科技有限责任公司 一种车辆特征检测方法、系统、存储介质和电子设备
CN117075135B (zh) * 2023-10-17 2024-01-02 北京卓视智通科技有限责任公司 一种车辆特征检测方法、系统、存储介质和电子设备

Also Published As

Publication number Publication date
CN115790449B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
Olson et al. Robust stereo ego-motion for long distance navigation
CN111801198B (zh) 一种手眼标定方法、系统及计算机存储介质
CN106408556B (zh) 一种基于一般成像模型的微小物体测量系统标定方法
CN112949478B (zh) 基于云台相机的目标检测方法
DE112012005350T5 (de) Verfahren zum Schätzen der Stellung eines Objekts
CN111476841B (zh) 一种基于点云和图像的识别定位方法及系统
DE102013211240A1 (de) Bereichsmessvorrichtung und Bereichsmessverfahren
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
CN110677578A (zh) 基于仿生眼平台的混合稳像方法和装置
CN111637850A (zh) 一种无需主动视觉标记的自拼接表面点云测量方法
CN104167001B (zh) 基于正交补偿的大视场摄像机标定方法
CN113724337B (zh) 一种无需依赖云台角度的相机动态外参标定方法及装置
CN115790449B (zh) 一种狭长空间的三维形貌测量方法
Chen et al. A self-recalibration method based on scale-invariant registration for structured light measurement systems
CN115861445B (zh) 一种基于标定板三维点云的手眼标定方法
CN112734832B (zh) 一种即时获得线上物体实际尺寸测量方法
CN115546289A (zh) 一种基于机器人的复杂结构件三维形貌测量方法
CN109872344A (zh) 图像特征点的跟踪方法、匹配方法和坐标获取方法、装置
Ammi et al. Flexible microscope calibration using virtual pattern for 3-d telemicromanipulation
CN117340879A (zh) 一种基于图优化模型的工业机器人参数辨识方法和系统
CN109859313B (zh) 3d点云数据获取方法、装置、3d数据生成方法及系统
CN111667413A (zh) 一种基于多源传感数据融合处理的图像消旋方法和系统
CN114359393B (zh) 跨平台的视觉引导点胶引导方法
CN113592907B (zh) 基于光流的视觉伺服跟踪方法及装置
CN114693798B (zh) 机械手控制方法及装置

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