CN115841517A - 一种基于dic双圆交比的结构光标定方法和装置 - Google Patents
一种基于dic双圆交比的结构光标定方法和装置 Download PDFInfo
- Publication number
- CN115841517A CN115841517A CN202211309854.9A CN202211309854A CN115841517A CN 115841517 A CN115841517 A CN 115841517A CN 202211309854 A CN202211309854 A CN 202211309854A CN 115841517 A CN115841517 A CN 115841517A
- Authority
- CN
- China
- Prior art keywords
- circle
- calibration
- double
- image
- edge
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于DIC双圆交比的结构光标定方法和装置,属于结构光深度感知标定领域。本发明通过图像采集模块获取含有双圆特征图案标定板的目标图像,并利用图像处理模块进行计算,其中,特征图案提取,包括:基于Zernike矩的亚像素边缘提取优化算法,针对失焦产生的图像模糊问题,采用灰度梯度计算最优边缘;基于椭圆拟合提取圆心的算法,提出了高精度、高效率的亚像素边缘检测算法;基于双圆的交比不变性约束,获取采集图案的精确圆心,以及系统的初步标定参数;利用DIC数字图像相关算法获取正视角下标定图案,圆心数据的线性约束获取圆心的精确位置,由此计算精确的系统参数。本发明成本低,功能更全面,效率更高。
Description
技术领域
本发明属于结构光深度感知标定领域,具体涉及一种基于DIC双圆交比的结构光标定方法和装置。
背景技术
在结构光深度计算中,利用标定参数和三角测量原理计算深度信息,因此标定参数直接影响感知的精度。结构光感知的标定精度是制约结构光感知精度的主要因素,相机在采集图像过程中会产生径向畸变、切向畸变、gamma畸变以及散焦效应。通常镜头或设备畸变可以通过优化模型降低误差,然而散焦效应是制约结构光感知标定精确度的主要因素。在标定过程中,采集的棋盘格角点提取和圆点的圆心拟合过程都是基于特征图案邻域的灰度分布,由于散焦效应引起的图像模糊,导致拟合的特征图案坐标,不是标定板中特征图案在采集图像中图像的真实投影。
结构光感知中相机与镜头组成的采集设备的建模方案对标定精度影响较大。标定精度关乎深度感知的精度,由像素点的匹配视差到深度的映射为比例关系,这个映射过程就是基于标定参数实现,标定参数的精度直接影响深度感知的精度。因此相机的模型对于标定至关重要,通过提高边缘识别精度,优化圆心定位算法,从而提高结构光感知的标定精度和感知精度。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种基于DIC双圆交比的结构光标定方法和装置,以解决散焦效应引起的图像模糊,导致拟合的特征图案坐标,不是标定板中特征图案在采集图像中图像的真实投影的问题。
(二)技术方案
为了解决上述技术问题,本发明提出一种基于DIC双圆交比的结构光标定方法,该方法包括如下步骤:
S1、将双圆特征图案标定板放置在两个相机的公共视野区域内,利用投影仪P向双圆特征图案标定板投射横正弦条纹和纵正弦条纹,相机采集条纹投影图像;利用两个相机Cl和Cr分别同时采集双圆特征图案标定板获得图像Il和Ir,基于亚像素边缘提取和基于交比特性进行双圆圆心的定位;利用张正友双目相机标定算法,计算相机的内部参数与外部参数;
S2、根据步骤S1的相机参数标定结果,对图像Il和Ir进行DIC校正,使扭曲的椭圆图像变换为相对正视的标准圆图像;
S3、对左相机和右相机进行世界坐标系转换,获得结构光立体视觉系统的外部参数;
S4、多次计算标定结果,对结构光立体视觉的外部参数进行优化,求取平均值作为最终的标定结果。
进一步地,所述步骤S1中,基于亚像素边缘提取采用基于Zernike矩的亚像素边缘提取。
进一步地,所述步骤S1中,基于亚像素边缘提取的具体步骤如下:
S101、预处理相机采集的原始图像:先对图像进行灰度化和高斯滤波,再使用最大类间方差法找到合适的阈值以对图像进行二值化分割;
S102、感兴趣区域(ROI,Region of Interest)分割:采用Canny算法对得到的二值化图片中的标志点边缘信息进行提取,获得像素级的标志点边缘位置;最后基于该标志点边缘信息,从图片中提取感兴趣区域(ROI,Region of Interest);感兴趣区域设为包含整个标志点边缘及延展边界,延展边界的尺度正比于标志点边缘尺度;
S103、标志点亚像素级别的边缘定位:采用Zernike矩积分算子,计算S102获得的ROI内所有标志点像素级别边缘的灰度值的梯度,以进行标志点亚像素级别的边缘定位;
S104、基于获得的标志点亚像素级别的边缘,采用最小二乘法进行椭圆拟合,进而得到拟合椭圆的方程,初步获得椭圆圆心的坐标。
进一步地,所述步骤S103中,特征图案的亚像素边缘点表达式为:
进一步地,模板为7×7。
进一步地,所述步骤S1中,基于交比特性进行双圆圆心的定位包括如下步骤:
对于标准双圆,一条线在外圆的A、A′两点和内圆的B、B′两点上相交,AA′和BB′的线段上的中点P;对于畸变双圆,在相机视野下,双圆经过投影变换是一对圆锥曲线;
交点的投影如下式所示:
{A,B;A′,B′}={a,b;a′,b′}
其中a、a′、b和b′分别是图像中可测量的交点A、A′、B和B′在映射空间的像;
在平面上的任意点P经过迭代,假设经过i次迭代,获取中点Pi则有如下式所示:
|OP1|>|OP2|>…>|OPi|
其中,相比与OPi-1,OPi更接近圆心O,从而获得双圆圆心定位。
进一步地,所述步骤S1在计算相机的内部参数与外部参数时,还获得畸变参数。
进一步地,所述步骤S2中,DIC校正包括:将采集图像依据内部参数、畸变参数和外部参数,对图像做逆映射到标准位姿,获取正视的标定图案,利用正视的标定图案提取圆心坐标。
进一步地,基于获取的标定板图案圆心,利用圆心坐标的线性分布特征,线性约束优化圆心数据。
本发明还提供一种基于DIC双圆交比的结构光标定装置,该装置包括:双圆特征图案标定板、图像采集模块、图像投影模块和图像处理模块;
图像采集模块用于获取含有双圆特征图案标定板的目标图像;
图像投影模块用于编码图案的投射;
图像处理模块用于执行该标定方法。
(三)有益效果
本发明提出一种基于DIC双圆交比的结构光标定方法和装置,本发明实施例与现有技术相比存在的有益效果是:通过一种基于DIC(DIC,Digital Image Correlation)双圆交比的结构光标定方法及装置,能够针对镜头散焦和相机成像模型对标定精度影响的问题,设计特征图案定位优化方案,成本低,功能更全面,效率更高。在圆心拟合中,由于相机视角的问题,采集的特征图案并非规则的椭圆,因此拟合的椭圆圆心也并非实际的圆心。使用双圆特征图案作为标定方法的标定板图案,这种图案在几何上比圆点特征图案特征更丰富。基于双圆的圆心提取,很大程度上简化了计算复杂度。基于散焦态双圆交比的特征图案亚像素提取方法研究,提出基于Zernike矩的亚像素边缘提取优化算法;为了进一步提高双圆圆心的定位准确性,提出交比特性的双圆圆心定位算法;利用DIC数字图像相关算法获取正视角下标定图案,然后圆心数据的线性约束获取圆心的精确位置。
附图说明
图1为本发明基于DIC双圆交比的结构光标定方法和装置的流程示意图;
图2为Zernike矩的亚像素边缘提取优化算法示意图;
图3为采集图像基于DIC图像变换的校正示意图,(a)为采集图像,(b)为DIC校正后图像;
图4为畸变双圆圆心提取示意图,(a)为标准双圆,(b)为畸变双圆。
具体实施方式
为使本发明的目的、内容和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
本发明涉及一种基于DIC(DIC,Digital Image Correlation)双圆交比的结构光标定方法及装置,能够针对镜头散焦和相机成像模型对标定精度影响的问题,设计特征图案定位优化方案,成本低,功能更全面,效率更高。在圆心拟合中,由于相机视角的问题,采集的特征图案并非规则的椭圆,因此拟合的椭圆圆心也并非实际的圆心。使用双圆特征图案作为标定方法的标定板图案,这种图案在几何上比圆点特征图案特征更丰富。基于双圆的圆心提取,很大程度上简化了计算复杂度。基于散焦态双圆交比的特征图案亚像素提取方法研究,提出基于Zernike矩的亚像素边缘提取优化算法;为了进一步提高双圆圆心的定位准确性,提出交比特性的双圆圆心定位算法;利用DIC数字图像相关算法获取正视角下标定图案,然后圆心数据的线性约束获取圆心的精确位置。
有鉴于此,本发明实施例提供了一种基于DIC(DIC,Digital Image Correlation)双圆交比的结构光标定方法及装置,能够针对镜头散焦和相机成像模型对标定精度影响的问题,设计特征图案定位优化方案,成本低,功能更全面,效率更高。
本说明书实施例提供以下技术方案:
本发明实施例的第一方面,提供了一种结构光深度感知标定方法,包括:通过图像采集模块获取含有双圆特征图案标定板的目标图像,并利用图像处理模块进行计算,其中,特征图案提取,包括:基于Zernike矩的亚像素边缘提取优化算法,针对失焦产生的图像模糊问题,采用灰度梯度计算最优边缘;基于椭圆拟合提取圆心的算法,提出了高精度、高效率的亚像素边缘检测算法;基于双圆的交比不变性约束,获取采集图案的精确圆心,以及系统的初步标定参数;利用DIC数字图像相关算法获取正视角下标定图案,圆心数据的线性约束获取圆心的精确位置,由此计算精确的系统参数。
本发明实施例的第二方面,提供了一种结构光深度感知标定装置,包括:双圆特征图案标定板、图像采集模块、图像投影模块和图像处理模块,被配置为通过标定装置设置的图像采集模块获取含有双圆特征图案标定板的目标图像,利用图像投影模块进行编码图案的投射,其中,使用双圆图案作为标定方法的标定板,这种图案在几何上比圆点特征更丰富。双圆比单圆可以提供更多的信息,所以标定结果会更好。在双圆的圆心定位中,主要是考虑圆心位置与边缘存在的交比特性。在采集的标定板图案中,由于镜头畸变基于边缘拟合无法直接拟合圆心坐标,相比之下,由于双圆的交比特征约束,在畸变图像中具有交比不变性,基于交比特征可以获取精确的圆心坐标。
实施例1:
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述。
在结构光深度计算中,利用标定参数和三角测量原理计算深度信息,因此标定参数直接影响感知的精度。一方面,可以利用两组结构光深度感知结果配准,获取双视角下的融合点云,这种感知方法利用单目结构光的参数,即相机和投影仪的内部参数和外部参数。另一方面,可以分别求解结构光码值,实现双目配准,在双目视野中直接求解深度信息,这种方法与投影仪内部参数和外部参数无关,而只与其散焦参数相关。为了提高结构光深度感知的稳定性,本文采用立体视觉分别求解结构光码值的深度感知方法,即立体视觉分别解码后获取双目的配准关系,利用立体视觉的参数计算深度信息。由此可见,结构光立体视觉的深度感知精度与立体视觉的标定精度相关。
在立体视觉系统的标定中,通过采集不同视角下的标定板特征点信息,再利用张正友标定方法计算相机的内部参数和外部参数。常见的标定板特征图案分别为圆点标定板和棋盘格标定板,其中圆点标定板的特征图案为圆点,棋盘格标定板的特征图案为角点。通常特征图案在相机视野中会产生散焦效应,即特征图案表现为散焦态,清晰度会受到影响,导致特征图案定位产生误差。角点的提取方法依据拟合的线信息获取角点信息,而棋盘格中的线建立在阈值分割的基础上,在散焦态下线图案在相邻两块棋盘格中呈现锯齿错位。相比之下圆形特征图案的特征提取方法为椭圆拟合,通过散焦态椭圆边缘提取计算圆心坐标,而边缘的误差对圆心拟合影响较小。
在圆心拟合中,由于相机视角的问题,采集的特征图案并非规则的椭圆,因此拟合的椭圆圆心也并非实际的圆心。本文使用双圆特征图案作为本文中标定方法的标定板图案,这种图案在几何上比圆点特征图案特征更丰富。基于双圆的圆心提取,很大程度上简化了计算复杂度。
本发明针对失焦产生的图像模糊问题,提出了Zernike矩的亚像素边缘提取优化算法,提高了亚像素边缘检测的精度和效率。由于传统算法求解得到的圆心易受到椭圆提取精度、及相机畸变等干扰,导致空间圆特征图案的圆心投影与边界投影和拟合椭圆中心不重合。针对这个问题,本发明基于双圆的交比不变性约束,获取采集图案的精确圆心,获取系统的初步标定参数。然后利用DIC数字图像相关算法获取正视角下标定图案,基于圆心数据的线性约束获取圆心的精确位置,由此计算精确的系统参数。
本发明提出的结构光立体视觉感知系统由两个相机和一个投影仪组成,因此参数标定需要对投影仪以及两个相机分别进行标定,主要步骤分为相机标定、投影仪标定和系统标定,具体标定步骤如下:
S1、将双圆特征图案标定板放置在两个相机的公共视野区域内,利用投影仪P向双圆特征图案标定板投射横正弦条纹和纵正弦条纹,相机采集条纹投影图像;利用两个相机C1和Cr分别同时采集双圆特征图案标定板获得图像I1和Ir,基于亚像素边缘提取和基于交比特性进行双圆圆心的定位;利用张正友双目相机标定算法,计算相机的内部参数与外部参数。
S2、根据步骤S1的相机参数标定结果,对图像Il和Ir进行DIC校正,使扭曲的椭圆图像变换为相对正视的标准圆图像。
S3、对左相机和右相机进行世界坐标系转换,获得结构光立体视觉系统的外部参数;
S4、多次计算标定结果,对结构光立体视觉的外部参数进行优化,求取平均值作为最终的标定结果。
所述步骤S1中基于亚像素边缘提取采用基于Zernike矩的亚像素边缘提取,步骤如下:
S101、预处理相机采集的原始图像。预处理的目的是将圆与背景分离,先对图像进行灰度化和高斯滤波,再使用最大类间方差法找到合适的阈值以对图像进行二值化分割。
S102、感兴趣区域(ROI,Region of Interest)分割。采用Canny算法对得到的二值化图片中的标志点边缘信息进行提取,获得像素级的标志点边缘位置;最后基于该标志点边缘信息,从图片中提取感兴趣区域(ROI,Region of Interest)以减小计算量并提高算法可靠性。感兴趣区域设为包含整个标志点边缘及延展边界,延展边界的尺度正比于标志点边缘尺度;
S103、标志点亚像素级别的边缘定位。采用Zernike矩积分算子,计算S102获得的ROI内所有标志点像素级别边缘的灰度值的梯度,以进行标志点亚像素级别的边缘定位。
S104、基于获得的标志点亚像素级别的边缘,采用最小二乘法进行椭圆拟合,进而得到拟合椭圆的方程,初步获得椭圆圆心的坐标。
本发明采用Zernike矩遍历双圆特征图案的每一个像素,计算其边缘参数,由此求得特征图案的亚像素边缘点表达式为:
上式中(xi,yi)为双圆特征图案边缘的亚像素坐标值;(x,y)为双圆特征图案边缘的像素级坐标值。l是圆心到边缘的有效距离;表示边缘的垂线到坐标轴之间的夹角;N是模板的大小,综合考虑边缘提取精度与计算时间,本发明设计模板为7×7。
所述步骤S1中基于交比特性的双圆圆心的定位步骤如下:
交比特性是畸变图像中存在的基本特征。单圆中由于不能准确分析比例关系,无法有效利用交比特征求解圆心数据。相比之下,双圆图像中可以利用半径的交比特征获取圆心的精确定位。
如图4所示,(a)所示是标准双圆,一条线在外圆的A、A′两点和内圆的B、B′两点上相交。AA′和BB′的线段上的中点P;(b)所示是畸变双圆,在相机视野下,双圆经过投影变换是一对圆锥曲线。
在交点的投影方面有如下结论,如下式所示:
{A,B;A′,B′}={a,b;a′,b′}
其中a、a′、b和b′分别是图像中可测量的交点A、A′、B和B′在映射空间的像。
上述利用一对圆锥曲线计算中点的方法,可以在平面上的任意点P经过迭代,假设经过i次迭代,获取中点Pi则有如下式所示:
|OP1|>|OP2|>…>|OPi|
其中,相比与OPi-1,OPi更接近圆心O。
所述步骤S2中基于获取的参数对图像进行DIC校正步骤如下:
本发明在获取一组圆心数据后,可以完成标定,计算内部参数和外部参数。另外,在计算相机的内部参数与外部参数时,自动一起求解出畸变参数。进而可以基于获取的参数对图像进行DIC校正,使扭曲的椭圆图像变换为相对正视的标准圆图像。如图3所示,基于获取的参数对图像,对图(a)进行DIC校正,即将采集图像依据内部参数、畸变参数和外部参数,对图像做逆映射到标准位姿,获取正视的标定图案,如图(b)所示。
基于获取的参数对图像Il和Ir进行DIC校正即将采集图像依据内部参数、畸变参数和外部参数,对图像做逆映射到标准位姿,获取正视的标定图案,再利用正视的标定图案提取圆心坐标。在标定板图案中,特征图案是线性拓扑分布。基于亚像素边缘提取和交比不变性圆心提取可以对单个特征图案圆心提取。然而圆心提取过程中的误差需要基于全局线性优化,在全局圆心分布中,圆心点连线应该呈现线性分布,因此可以基于获取的标定板图案圆心,利用圆心坐标的线性分布特征,线性约束优化圆心数据。
实施例2:
由于在实际的采集图像中无法有效获取实际的圆心来验证边缘提取及圆心拟合的精度。因此需要构建结构光设备标定的仿真模型,模型依据小孔成像模型及畸变模型,在仿真环境中,系统模型参数与初步标定的参数一致。为此我们首先设计双圆标准圆,其内圆直径为0.7cm,外圆直径为1cm。然后利用旋转和平移矩阵将标准圆映射到相机坐标系,基于内部参数将标准圆映射到图像坐标系,再利用径向畸变、切向畸变和高斯模糊得到仿真的标准圆。在获取的边缘图像中计算与真实值的最近欧氏距离,再求解平均偏差,计算下式所示:
其中cpx为计算的边缘点x方向坐标,tpx为真实的边缘点x方向坐标。对应的cpy为计算的边缘点y方向坐标,tpy为真实的边缘点y方向坐标。
基于上述三种方法得到的边缘提取误差计算结果,本发明提出的边缘提取平均误差是1.723。
实施例3:
图4为DIC实验结果。计算优化标定参数的迭代次数与重投影误差相关。但迭代次数达到5次以后,参数优化效果下降。本实施例DIC变换线性约束重投影误差最小,可以保持在0.05以下。通过变换标定板的位姿,就可以获取多组对应点集,进而可以完成立体视觉的内部参数与外部参数标定,实验结果如下表所示。
本发明实施例与现有技术相比存在的有益效果是:通过一种基于DIC(DIC,Digital Image Correlation)双圆交比的结构光标定方法及装置,能够针对镜头散焦和相机成像模型对标定精度影响的问题,设计特征图案定位优化方案,成本低,功能更全面,效率更高。在圆心拟合中,由于相机视角的问题,采集的特征图案并非规则的椭圆,因此拟合的椭圆圆心也并非实际的圆心。使用双圆特征图案作为标定方法的标定板图案,这种图案在几何上比圆点特征图案特征更丰富。基于双圆的圆心提取,很大程度上简化了计算复杂度。基于散焦态双圆交比的特征图案亚像素提取方法研究,提出基于Zernike矩的亚像素边缘提取优化算法;为了进一步提高双圆圆心的定位准确性,提出交比特性的双圆圆心定位算法;利用DIC数字图像相关算法获取正视角下标定图案,然后圆心数据的线性约束获取圆心的精确位置。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于DIC双圆交比的结构光标定方法,其特征在于,该方法包括如下步骤:
S1、将双圆特征图案标定板放置在两个相机的公共视野区域内,利用投影仪P向双圆特征图案标定板投射横正弦条纹和纵正弦条纹,相机采集条纹投影图像;利用两个相机Cl和Cr分别同时采集双圆特征图案标定板获得图像Il和Ir,基于亚像素边缘提取和基于交比特性进行双圆圆心的定位;利用张正友双目相机标定算法,计算相机的内部参数与外部参数;
S2、根据步骤S1的相机参数标定结果,对图像Il和Ir进行DIC校正,使扭曲的椭圆图像变换为相对正视的标准圆图像;
S3、对左相机和右相机进行世界坐标系转换,获得结构光立体视觉系统的外部参数;
S4、多次计算标定结果,对结构光立体视觉的外部参数进行优化,求取平均值作为最终的标定结果。
2.如权利要求1所述的基于DIC双圆交比的结构光标定方法,其特征在于,所述步骤S1中,基于亚像素边缘提取采用基于Zernike矩的亚像素边缘提取。
3.如权利要求2所述的基于DIC双圆交比的结构光标定方法,其特征在于,所述步骤S1中,基于亚像素边缘提取的具体步骤如下:
S101、预处理相机采集的原始图像:先对图像进行灰度化和高斯滤波,再使用最大类间方差法找到合适的阈值以对图像进行二值化分割;
S102、感兴趣区域(ROI,Region of Interest)分割:采用Canny算法对得到的二值化图片中的标志点边缘信息进行提取,获得像素级的标志点边缘位置;最后基于该标志点边缘信息,从图片中提取感兴趣区域(ROI,Region of Interest);感兴趣区域设为包含整个标志点边缘及延展边界,延展边界的尺度正比于标志点边缘尺度;
S103、标志点亚像素级别的边缘定位:采用Zernike矩积分算子,计算S102获得的ROI内所有标志点像素级别边缘的灰度值的梯度,以进行标志点亚像素级别的边缘定位;
S104、基于获得的标志点亚像素级别的边缘,采用最小二乘法进行椭圆拟合,进而得到拟合椭圆的方程,初步获得椭圆圆心的坐标。
5.如权利要求4所述的基于DIC双圆交比的结构光标定方法,其特征在于,模板为7×7。
6.如权利要求1-5任一项所述的基于DIC双圆交比的结构光标定方法,其特征在于,所述步骤S1中,基于交比特性进行双圆圆心的定位包括如下步骤:
对于标准双圆,一条线在外圆的A、A′两点和内圆的B、B′两点上相交,AA′和BB′的线段上的中点P;对于畸变双圆,在相机视野下,双圆经过投影变换是一对圆锥曲线;
交点的投影如下式所示:
{A,B;A′,B′}={a,b;a′,b′}
其中a、a′、b和b′分别是图像中可测量的交点A、A′、B和B′在映射空间的像;
在平面上的任意点P经过迭代,假设经过i次迭代,获取中点Pi则有如下式所示:
|OP1|>|OP2|>…>|OPi|
其中,相比与OPi-1,OPi更接近圆心O,从而获得双圆圆心定位。
7.如权利要求6所述的基于DIC双圆交比的结构光标定方法,其特征在于,所述步骤S1在计算相机的内部参数与外部参数时,还获得畸变参数。
8.如权利要求7所述的基于DIC双圆交比的结构光标定方法,其特征在于,所述步骤S2中,DIC校正包括:将采集图像依据内部参数、畸变参数和外部参数,对图像做逆映射到标准位姿,获取正视的标定图案,利用正视的标定图案提取圆心坐标。
9.如权利要求8所述的基于DIC双圆交比的结构光标定方法,其特征在于,基于获取的标定板图案圆心,利用圆心坐标的线性分布特征,线性约束优化圆心数据。
10.一种实现权利要求1-9任一项的方法的基于DIC双圆交比的结构光标定装置,其特征在于,该装置包括:双圆特征图案标定板、图像采集模块、图像投影模块和图像处理模块;
图像采集模块用于获取含有双圆特征图案标定板的目标图像;
图像投影模块用于编码图案的投射;
图像处理模块用于执行该标定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211309854.9A CN115841517A (zh) | 2022-10-25 | 2022-10-25 | 一种基于dic双圆交比的结构光标定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211309854.9A CN115841517A (zh) | 2022-10-25 | 2022-10-25 | 一种基于dic双圆交比的结构光标定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115841517A true CN115841517A (zh) | 2023-03-24 |
Family
ID=85576514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211309854.9A Pending CN115841517A (zh) | 2022-10-25 | 2022-10-25 | 一种基于dic双圆交比的结构光标定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841517A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475170A (zh) * | 2023-12-22 | 2024-01-30 | 南京理工大学 | 基于fpp的由局部到全局结构引导的高精度点云配准方法 |
-
2022
- 2022-10-25 CN CN202211309854.9A patent/CN115841517A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475170A (zh) * | 2023-12-22 | 2024-01-30 | 南京理工大学 | 基于fpp的由局部到全局结构引导的高精度点云配准方法 |
CN117475170B (zh) * | 2023-12-22 | 2024-03-22 | 南京理工大学 | 基于fpp的由局部到全局结构引导的高精度点云配准方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993263B (zh) | 环视系统自动标定方法、汽车、标定装置及存储介质 | |
CN101303768B (zh) | 圆形标志点在摄像机透视投影变换时圆心偏差的修正方法 | |
CN100384220C (zh) | 摄像机标定数据的采集方法及其标定板 | |
CN102376089B (zh) | 一种标靶校正方法及系统 | |
CN102609941A (zh) | 基于ToF深度相机的三维注册方法 | |
CN111210468A (zh) | 一种图像深度信息获取方法及装置 | |
CN104036542B (zh) | 一种基于空间光线聚集性的像面特征点匹配方法 | |
CN102622747B (zh) | 一种用于视觉测量的摄像机参数优化方法 | |
CN110163918A (zh) | 一种基于射影几何的线结构光标定方法 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN110033407B (zh) | 一种盾构隧道表面图像标定方法、拼接方法及拼接系统 | |
CN104748683A (zh) | 一种数控机床工件在线自动测量装置及测量方法 | |
CN109447908A (zh) | 一种基于立体视觉的钢卷识别定位方法 | |
CN111524195B (zh) | 一种掘进机截割头定位中的相机标定方法 | |
CN107084680A (zh) | 一种基于机器单目视觉的目标深度测量方法 | |
CN113012234B (zh) | 基于平面变换的高精度相机标定方法 | |
CN112161586A (zh) | 一种基于编码棋盘格的线结构光视觉传感器标定方法 | |
CA3233222A1 (en) | Method, apparatus and device for photogrammetry, and storage medium | |
CN110807807A (zh) | 一种单目视觉的目标定位的图案、方法、装置及设备 | |
CN110084743A (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
CN113793266A (zh) | 一种多目机器视觉图像拼接方法、系统及存储介质 | |
CN113505626A (zh) | 一种快速三维指纹采集方法与系统 | |
CN115841517A (zh) | 一种基于dic双圆交比的结构光标定方法和装置 | |
CN111311658B (zh) | 双光成像系统图像配准方法及相关装置 | |
CN111968182B (zh) | 一种双目相机非线性模型参数的标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |