CN115880373A - 基于新型编码特征的立体视觉系统的标定板及标定方法 - Google Patents
基于新型编码特征的立体视觉系统的标定板及标定方法 Download PDFInfo
- Publication number
- CN115880373A CN115880373A CN202211688078.8A CN202211688078A CN115880373A CN 115880373 A CN115880373 A CN 115880373A CN 202211688078 A CN202211688078 A CN 202211688078A CN 115880373 A CN115880373 A CN 115880373A
- Authority
- CN
- China
- Prior art keywords
- coding
- point
- circle
- calibration
- matrix
- 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 59
- 239000007787 solid Substances 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 68
- 238000003384 imaging method Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 21
- 238000013519 translation Methods 0.000 claims description 15
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 229910002056 binary alloy Inorganic materials 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005119 centrifugation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000003491 array Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 239000000243 solution Substances 0.000 description 9
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011541 reaction mixture Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于新型编码特征的立体视觉系统的标定板及标定方法,包括板体,所述板体为平面结构,所述板体上分布有特征图元,所述特征图元包括实心小圆、实心大圆、同心圆和编码圆,所述同心圆由外环带和中心目标点组成,所述编码圆采用多分度编码,由编码带和中心目标点组成,所述编码带由扇形编码块组成,所述编码带包含圆形目标的唯一身份信息。充分利用目标特征点的不同属性,提高特征识别、定位与编码的稳定性。此外,本发明提出了立体显微视觉标定偏差校正技术,提高了立体显微视觉系统标定结果的精度和鲁棒性,增强了立体显微视觉系统的量测能力。
Description
技术领域
本发明属于立体视觉标定技术领域,本发明涉及一种基于新型编码特征的立体视觉系统的标定板及标定方法,尤其适用于立体显微视觉系统。
背景技术
近年来,微型结构、微型制造、微型检测等技术得到了极大的发展和应用,特别是在微观图像采集、微装配、微操作等技术领域,由于面向的对象尺寸往往在微米级甚至纳米级,对几何量测精度的要求极高,因此需要使用显微视觉进行制造过程的监控和器件尺寸的测量等。从技术层面来看,显微视觉系统具有视场小、景深小、畸变大等特点,致使传统的机器视觉系统理论与方法难以直接应用于显微视觉系统。
显微视觉系统分为单目、双目、多目等类型,无论是用于观测目标的特征还是进行获取操作器与目标之间的相对位姿,都需要预先实现对显微系统的标定。相机内外参数标定是机器视觉系统获取目标对象空间三维信息的必备基础和前提,显微视觉系统因其工作场景的特殊性,对标定的要求更高,但鉴于其成像模式、等效焦距不同于宏观工业相机,传统的视觉系统标定方法不能得到理想的标定结果。为了提升显微视觉系统的检测范围和量测精度,采用的立体显微视觉系统由多个(两个以上)的相机及镜头组成,扩大显微视觉观测视场的同时能够有效减小大范围覆盖成像时的畸变。通过利用光学显微系统及高质量的视觉传感器实现对微小物体的感知、识别和测量,使得机器视觉技术在微观世界得到应用和延伸。目前鲜有针对立体显微视觉系统专门进行开发的标定设备、方法,导致标定流程复杂、繁琐,标定成本较高;同时缺少针对显微视觉标定的偏差修正理论方法研究,造成了立体显微视觉系统精度不高、测量不足的问题。因此,亟需研究适用于立体显微视觉系统的校正方法,克服显微视觉系统存在的局限性。
公开号CN106485757A公开了一种基于实心圆标定板的立体视觉系统标定平台及标定方法,标定板是基于实心圆,首先利用Canny Zernike组合算法对靶标圆心进行识别并提出基于三角形标记的圆心排序方法。接着基于线性针孔模型获得立体视觉系统的内外参数,然后分别对左右摄像机内外参数进行优化,优化变量数目减半,获得外参数近似解。最后以实心圆靶标对角线上两实心圆的距离作为约束条件,对摄像机外参数进行优化,获得外参数最优解。该标定板的特征识别、定位与编码的稳定性较差,并不适用于立体显微视觉系统。
发明内容
本发明的目的在于提供一种基于新型编码特征的立体视觉系统的标定板及标定方法,该标定板充分利用目标特征点的不同属性,提高了特征识别、定位与编码的稳定性。此外,本发明提出了立体显微视觉标定偏差校正技术,提高了立体显微视觉系统标定结果的精度和鲁棒性,增强了立体显微视觉系统的量测能力。
实现本发明目的的技术解决方案为:
一种基于新型编码特征的立体视觉系统的标定板,包括板体,所述板体为平面结构,所述板体上分布有特征图元,所述特征图元包括实心小圆、实心大圆、同心圆和编码圆,所述同心圆由外环带和中心目标点组成,所述编码圆采用多分度编码,由编码带和中心目标点组成,所述编码带由扇形编码块组成,所述编码带包含圆形目标的唯一身份信息。
本发明还公开了一种基于新型编码特征的立体视觉系统标定方法,包括以下步骤:
S01:获取标定图像,提取标定板特征图元中心,所述标定板为上述的标定板;
S02:对特征图元进行编码;
S03:根据标定板得到成像模型,得到相机的内外参数矩阵;
S04:对得到的相机的内外参数矩阵的偏差进行校正。
优选的技术方案中,所述步骤S01提取标定板特征图元中心的方法包括:
S11:对图像进行二值化处理;
S12:使用形态学算子对图像进行去噪处理,并从标定板图像中分离出特征图元;
S13:椭圆边缘拟合和中心点定位;
S14:确定特征图元中心点。
优选的技术方案中,所述步骤S13椭圆边缘拟合和中心点定位的方法包括:
S131:通过一组约束准则对提取所得的区域信息进行筛选,得到符合要求的特征图元轮廓,所述约束准则如下:
优选的技术方案中,所述步骤S14确定特征图元中心点的方法包括:
特征图元圆心点在的真实投影坐标为,求取拟合椭圆和特征图元边缘
上距离最远的两个点的坐标,分别记为、和、,则
点坐标根据以下准则求取:如果两组坐标的中点距离小于一个设定值,取这两个点的中点
作为点坐标;如果大于设定值,则过这两个中点作一条直线与圆成像平面相交于、两点,利用射影变换中存在的直线不变和简比不变性质,得到:
优选的技术方案中,所述步骤S02中对特征图元进行编码包括:
以单位圆上灰度跳变的位置作为起始点,每隔角度对编码带进行二进制
编码,采用编码带内外边界,的中间像素点的灰度值作为编码点的灰度值,其次,根
据编码标志点的几何信息,在编码带中径上等间隔设置多个采样点,对于每一个采样点
使用式(26)计算坐标,从跳变点开始,每隔多个采样点计算一次对应编码,若多个点中有半
数及以上的采样点为白色,则采样点所在的二进制为0,否则该位置为1;对所得的二进制编
码循环,找出其中最小的编码,其对应的十进制数为该编码标志点的编号;
当码值为0时,编码圆蜕化为实心圆,当码值为二进制各位都为1时,编码圆蜕化为
同心圆,对标定板中同心圆从开始编码,码值范围为,其它实心圆的
编码范围为,其中,为标定板上特征图元的数
量,编码方法为从上到下、从右至左依次编码。
优选的技术方案中,所述步骤S03得到相机的内外参数矩阵包括:
根据标定板得到立体显微视觉系统成像模型为:
通过LM迭代法求解式(28),得到相机的内外参数矩阵。
优选的技术方案中,所述步骤S04中校正的方法包括:
S42:针对标定板中的编码圆和同心圆特征点坐标集和重投影坐标集,采用岭回归算法建立如下目标函数:
S43:建立特征点的原始坐标和经过显微视觉系统的重投影坐标的协方差矩阵:
本发明与现有技术相比,其显著优点为:
该基于新型编码特征的立体视觉标定板,充分利用目标特征点的不同属性,通过融合实心小圆、实心大圆、同心圆、编码圆标志点等不同形态的特征图元,并对同心圆、编码圆等特殊图元的多层轮廓进行提取,提高标定点中心坐标检测的准确性,同时也方便编码,保证编码顺序的准确性,为实现较佳的显微视觉系统标定效果提供数据支撑。
此外,开发了针对显微视觉系统的标定偏差校正方法,进一步提升立体显微视觉系统的标定参数精度,增强了显微视觉系统的量测能力,为实现立体显微视觉系统在微光机电、生物细胞注射、微型机器人操作等领域的应用及拓展提供了技术参考与借鉴。
附图说明
图1为实施例的基于新型编码特征的立体视觉系统标定板的示意图;
图2为实施例的基于十分度编码圆示意图;
图3为实施例的基于形态学算子的图像预处理;
图4为实施例的灰度准则适用情况;
图5为实施例的椭圆拟合示例;
图6为实施例的特征图元中心点坐标计算示意图;
图7为实施例的编码带编码流程图;
图8为实施例的标定板编码示意图;
图9为实施例的显微视觉透视投影过程;
图10为实施例的标定板成像;
图11为实施例的偏差校正示意图;
图12为实施例的重投影误差比较;
图13为实施例的标定板三维重构分布图;
图14为实施例的编码圆距离测量验证;
图15为实施例的重投影测距结果比较。
具体实施方式
本发明的原理是:针对目前立体显微视觉系统缺乏完善的标定设备、校正方法的现状,本发明设计了一种基于新型编码特征的立体视觉标定板,如图1所示,充分利用目标特征点的不同属性,提高特征识别、定位与编码的稳定性。此外,本发明提出了立体显微视觉标定偏差校正技术,提高了立体显微视觉系统标定结果的精度和鲁棒性,增强了立体显微视觉系统的量测能力。
实施例1:
如图1所示,一种基于新型编码特征的立体视觉系统的标定板,包括板体,板体为平面结构,板体上分布有特征图元,特征图元包括实心小圆、实心大圆、同心圆和编码圆,同心圆由外环带和中心目标点组成,编码圆采用多分度编码,由编码带和中心目标点组成,编码带由扇形编码块组成,编码带包含圆形目标的唯一身份信息。
具体的,图2所示为一个10位编码带的示例图,按照顺时针顺序读取,该编码带共对应10个二进制数:0001001101,0010011010,0100110100,1001101000,0011010001,0110100010,1101000100,1010001001,0100010011,1000100110。在这10个数中,0001001101最小,所对应的十进制数为77,因此,定义该编码标志点的编号为77。
另一实施例中,一种基于新型编码特征的立体视觉系统标定方法,包括以下步骤:
S01:获取标定图像,提取标定板特征图元中心,标定板为上述的标定板;
S02:对特征图元进行编码;
S03:根据标定板得到成像模型,得到相机的内外参数矩阵;
S04:对得到的相机的内外参数矩阵的偏差进行校正。
一实施例中,步骤S01提取标定板特征图元中心的方法包括:
S11:对图像进行二值化处理;
S12:使用形态学算子对图像进行去噪处理,并从标定板图像中分离出特征图元;
S13:椭圆边缘拟合和中心点定位;
S14:确定特征图元中心点。
具体的,提取标定板特征图形中心点坐标是视觉系统标定的基础工作,这一过程主要通过数字图像处理来实现,为此采用针对圆形的高精度图像处理算法,提高特征点提取的精度和鲁棒性。
步骤11:基于形态学算子的去噪和特征图元提取。由于环境光、相机自身缺陷等因素,拍摄的标定板图像存在背景噪声,会造成特征提取困难,因此需对标定板图像进行去噪。通过引入形态学算子,根据特征图元的结构信息建立形态结构元素集合,通过结构元素集合信息进行相关运算,得到特征的真实形态。
如图3所示,首先采用最大类间方差法,对图像进行二值化处理,其通过式(14)得
到一副图像的最佳分割灰度阈值,其中为像素灰度值。根据阈值将图像像素分
为小于等于和大于阈值两类,、分别为两类像素的概率,、则分别为两类像
素的平均值。将两类像素灰度值分别赋值0和255,即完成了图像的二值化处理。
完成二值化后,使用形态学算子对图像进行去噪处理,并从标定板图像中分离出
特征图元。使用到的形态学算子主要有膨胀、开运算和闭运算。腐蚀和膨胀的数学描述分别
如式(15)和(16)所示,其中为源图像,为结构元素,为中与相同大小的图像块,
为的中心点像素,和分别为与、或运算。
然后采用开运算消除图像中和特征图元边缘的细小噪声点,然后使用膨胀运算,填补特征图元中的空洞,最后使用闭运算,平滑特征图元的边界,经过以上形态学运算后,即可提取到完整的特征图元。
步骤12:椭圆边缘拟合和中心点定位。圆形特征图元经过透视投影成像后投射为椭圆,根据几何原理,通过一组约束准则对提取所得的区域信息进行筛选,得到符合要求的特征图元轮廓。筛选准则如下:
准则Ⅳ:灰度准则。根据图像二值化的结果去除目标背景。图4为灰度准则筛选区
域的示意图。图中,椭圆是目标点轮廓在图像平面的像,是与同心。可以看出,
内部为前景,其像素灰度接近白色,和间的环形区域为背景,其像素灰度接近黑色,
二者对比度较大。设为前景区域内的灰度中值,为背景区域内的灰度中值,和
需满足以下条件:
步骤13:确定特征图元中心点。假定特征图元圆心点在的真实投影坐标为,求取拟合椭圆和特征图元边缘上距离最远的两个点的坐标,分别记为、和、,则点坐标根据以下准则求取:如果两组坐
标的中点距离小于一个设定值,取这两个点的中点作为点坐标。如果大于设定值,则过
这两个中点作一条直线与圆成像平面相交于、两点,利用射影变换中存
在的直线不变和简比不变性质,可以得到:
步骤二:显微视觉系统的标定与误差校正。显微视觉系统为针孔相机成像模型,为获取目标的精确坐标信息,需要对视觉系统进行高精度标定,确定像机的内参、外参、畸变参数等,标定结果的好坏直接影响显微视觉系统的测量精度和稳定性。
步骤21:对特征图元进行编码。设计的新型标定板上融合了实心圆、同心圆、编码
圆等多种图案,为了在标定过程中唯一确定一个点,需要对所有的特征图元进行编码。首先
对于编码圆,经过步骤13后会拟合出3个椭圆轮廓,如图5所示,为识别出的目标圆拟合
边缘,为目标圆编码带外边界,为外边界。取,的中间椭圆为编码识别
区域,按照公式(26)把椭圆逆仿射为单位圆,其中为采样点坐标,为以为旋转角的旋转变换矩阵,和为椭圆拟合所得的长短轴,
为椭圆旋转角,将0~360°等分60份,每一份对应一个采样点,为目标点椭圆拟合
所得的中心坐标。
然后,以单位圆上灰度跳变的位置作为起始点,每隔角度对编码带进行
二进制编码,采用编码带内外边界,的中间像素点的灰度值作为编码点的灰度值,
其次,根据编码标志点的几何信息,在编码带中径上等间隔设
置60个采样点,对于每一个采样点使用式(26)计算坐标,从跳变点开始,每隔6个采样点计
算一次对应编码,若6个点中有3个及以上的采样点为白色,则这6个采样点所在的二进制为
0,否则该位置为1。对所得的十位二进制编码循环十次,找出其中最小的编码,其对应的十
进制数为该编码标志点的编号,图7所示为编码圆编码的流程图。以十分度编码圆为例,其
码值范围为0~1023,当码值为0时(二进制0000000000),编码圆蜕化为实心圆,当码值为
1023时(二进制1111111111),编码圆蜕化为同心圆。为了确保特征图元编码的唯一性,对标
定板中同心圆从1024开始编码,码值范围为,其它实心圆的编码范围
则为,其中为标定板上特征图元的数量,编码方
法为从上到下、从右至左依次编码,如图8所示为标定板的编码示意图。
步骤22:标定与偏差校正。视觉系统的成像过程可以用透视投影模型来表示,如图
9所示。为了保证测试目标能够始终在显微系统的有效视场内,全方位实现目标图像采集,
避免因视场受限而导致目标成像时产生较大的非线性畸变,采用由多个视觉通道构成的立
体显微视觉系统,对标定板的成像如图10所示。假设世界坐标系与号相机坐标系重合,
则系统中相对于世界坐标系的相机所有参数矩阵可以表示为:
结合设计的新型编码特征标定板,立体显微视觉系统成像模型可以表示为:
通过LM (Levenberg-Marquarelt)迭代法求解式(28),得到相机内外参数,作为步骤23中偏差校正的初值。
针对标定板中的编码圆和同心圆特征点坐标集和重投影坐标集,采用岭回归算法建立如下目标函数:
由于刚体在三维空间中的运动可以通过有限次数的旋转和平移变换来实现,同时刚体也是有一定体积的,因此需要寻找其旋转的中心点和平移的参考点。通过寻求构成目标的点集主成分来实现姿态表达,因此本发明建立特征点的原始坐标和经过显微视觉系统的重投影坐标的协方差矩阵:
为验证本实施例的标定误差校正技术,制作大小为3×4cm的标定板,相邻目标点中心的间距为3mm,使用分辨率为2048×2048的相机在3cm的距离上对标定板进行成像,分别测试比较重投影误差、三维坐标误差和目标点距离误差。
测试1:重投影误差。图12所示分别为传统方法和本申请标定的重投影误差图,其中相比传统标定方法,本申请标定结果的平均重投影偏差显著降低,标定的稳定性和一致性均明显提高。图13为使用本申请方法对标定板目标点进行三维重构的平面靶标布局图,可以看出,重构出的标志点空间分布与实际平面标定板是一致的。
测试2:三维坐标测量误差。对标定板上的5个编码圆作为目标点进行三维重构,如图14所示,得到相应的X、Y、Z坐标,分别使用传统标定方法和本申请方法,测量结果如表1所示:
表1 编码圆三维坐标测量结果比较
可以看出本申请对目标的三维重构精度更高、稳定性更强。
测试3:目标点距离计算误差。如图14所示,3个编码圆组成了1个直角三角形,三条边的长度分别为24mm、30mm和38.41875mm,使用测量的三维坐标计算各边长的距离,测量结果如表2和图15所示:
表2 编码圆距离测量结果比较
可以看出本发明所提出的标定误差校正方法所得到的结果稳定性更强、准确性更高。
上述实施例为本发明优选地实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于新型编码特征的立体视觉系统的标定板,包括板体,其特征在于,所述板体为平面结构,所述板体上分布有特征图元,所述特征图元包括实心小圆、实心大圆、同心圆和编码圆,所述同心圆由外环带和中心目标点组成,所述编码圆采用多分度编码,由编码带和中心目标点组成,所述编码带由扇形编码块组成,所述编码带包含圆形目标的唯一身份信息。
4.一种基于新型编码特征的立体视觉系统标定方法,其特征在于,包括以下步骤:
S01:获取标定图像,提取标定板特征图元中心,所述标定板为权利要求1-3任一项所述的标定板;
S02:对特征图元进行编码;
S03:根据标定板得到成像模型,得到相机的内外参数矩阵;
S04:对得到的相机的内外参数矩阵的偏差进行校正。
5.根据权利要求4所述的基于新型编码特征的立体视觉系统标定方法,其特征在于,所述步骤S01提取标定板特征图元中心的方法包括:
S11:对图像进行二值化处理;
S12:使用形态学算子对图像进行去噪处理,并从标定板图像中分离出特征图元;
S13:椭圆边缘拟合和中心点定位;
S14:确定特征图元中心点。
6.根据权利要求5所述的基于新型编码特征的立体视觉系统标定方法,其特征在于,所述步骤S13椭圆边缘拟合和中心点定位的方法包括:
S131:通过一组约束准则对提取所得的区域信息进行筛选,得到符合要求的特征图元轮廓,所述约束准则如下:
8.根据权利要求4所述的基于新型编码特征的立体视觉系统标定方法,其特征在于,所述步骤S02中对特征图元进行编码包括:
以单位圆上灰度跳变的位置作为起始点,每隔角度对编码带进行二进制编码,
采用编码带内外边界,的中间像素点的灰度值作为编码点的灰度值,其次,根据编
码标志点的几何信息,在编码带中径上等间隔设置多个采样点,对于每一个采样点使用
式(26)计算坐标,从跳变点开始,每隔多个采样点计算一次对应编码,若多个点中有半数及
以上的采样点为白色,则采样点所在的二进制为0,否则该位置为1;对所得的二进制编码循
环,找出其中最小的编码,其对应的十进制数为该编码标志点的编号;
9.根据权利要求4所述的基于新型编码特征的立体视觉系统标定方法,其特征在于,所述步骤S03得到相机的内外参数矩阵包括:
根据标定板得到立体显微视觉系统成像模型为:
通过LM迭代法求解式(28),得到相机的内外参数矩阵。
10.根据权利要求4所述的基于新型编码特征的立体视觉系统标定方法,其特征在于,所述步骤S04中校正的方法包括:
S42:针对标定板中的编码圆和同心圆特征点坐标集和重投影坐标集,采用岭回归算法建立如下目标函数:
S43:建立特征点的原始坐标和经过显微视觉系统的重投影坐标的协方差矩阵:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688078.8A CN115880373B (zh) | 2022-12-28 | 2022-12-28 | 基于新型编码特征的立体视觉系统的标定板及标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688078.8A CN115880373B (zh) | 2022-12-28 | 2022-12-28 | 基于新型编码特征的立体视觉系统的标定板及标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115880373A true CN115880373A (zh) | 2023-03-31 |
CN115880373B CN115880373B (zh) | 2023-11-03 |
Family
ID=85755673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211688078.8A Active CN115880373B (zh) | 2022-12-28 | 2022-12-28 | 基于新型编码特征的立体视觉系统的标定板及标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880373B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116619392A (zh) * | 2023-07-24 | 2023-08-22 | 常熟理工学院 | 机器人跨介质视觉的标定板、标定方法及系统 |
CN116687569A (zh) * | 2023-07-28 | 2023-09-05 | 深圳卡尔文科技有限公司 | 一种编码标识手术导航方法、系统和存储介质 |
CN117451000A (zh) * | 2023-12-25 | 2024-01-26 | 山东省路桥集团有限公司 | 一种智轨列车道路路基沉降机器视觉检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509763A (zh) * | 2009-03-20 | 2009-08-19 | 天津工业大学 | 单目高精度大型物体三维数字化测量系统及其测量方法 |
CN101950409A (zh) * | 2010-08-30 | 2011-01-19 | 天津工业大学 | 一种基于象限的编码标记点设计方法 |
US20140344718A1 (en) * | 2011-05-12 | 2014-11-20 | Jeffrey Alan Rapaport | Contextually-based Automatic Service Offerings to Users of Machine System |
CN110246185A (zh) * | 2018-03-07 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、系统、存储介质和标定系统 |
CN111709999A (zh) * | 2020-05-13 | 2020-09-25 | 深圳奥比中光科技有限公司 | 标定板、相机标定方法、装置、电子设备及相机系统 |
CN112614188A (zh) * | 2020-12-07 | 2021-04-06 | 上海交通大学 | 一种基于交比不变性的点阵式标定板及其识别方法 |
CN113129384A (zh) * | 2021-03-31 | 2021-07-16 | 南京航空航天大学 | 基于一维编码靶标的双目视觉系统灵活标定方法 |
-
2022
- 2022-12-28 CN CN202211688078.8A patent/CN115880373B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509763A (zh) * | 2009-03-20 | 2009-08-19 | 天津工业大学 | 单目高精度大型物体三维数字化测量系统及其测量方法 |
CN101950409A (zh) * | 2010-08-30 | 2011-01-19 | 天津工业大学 | 一种基于象限的编码标记点设计方法 |
US20140344718A1 (en) * | 2011-05-12 | 2014-11-20 | Jeffrey Alan Rapaport | Contextually-based Automatic Service Offerings to Users of Machine System |
CN110246185A (zh) * | 2018-03-07 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、系统、存储介质和标定系统 |
CN111709999A (zh) * | 2020-05-13 | 2020-09-25 | 深圳奥比中光科技有限公司 | 标定板、相机标定方法、装置、电子设备及相机系统 |
CN112614188A (zh) * | 2020-12-07 | 2021-04-06 | 上海交通大学 | 一种基于交比不变性的点阵式标定板及其识别方法 |
CN113129384A (zh) * | 2021-03-31 | 2021-07-16 | 南京航空航天大学 | 基于一维编码靶标的双目视觉系统灵活标定方法 |
Non-Patent Citations (2)
Title |
---|
ZHU WJ ET AL: "《Real-Time 3D Model-Based Tracking of Work-piece with Monocular Camera》", 《IEEE》 * |
熊雪菲等: "《基于双目视觉测量系统的编码标志点的检测与重建》", 《实验力学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116619392A (zh) * | 2023-07-24 | 2023-08-22 | 常熟理工学院 | 机器人跨介质视觉的标定板、标定方法及系统 |
CN116619392B (zh) * | 2023-07-24 | 2023-11-07 | 常熟理工学院 | 机器人跨介质视觉的标定板、标定方法及系统 |
CN116687569A (zh) * | 2023-07-28 | 2023-09-05 | 深圳卡尔文科技有限公司 | 一种编码标识手术导航方法、系统和存储介质 |
CN116687569B (zh) * | 2023-07-28 | 2023-10-03 | 深圳卡尔文科技有限公司 | 一种编码标识手术导航方法、系统和存储介质 |
CN117451000A (zh) * | 2023-12-25 | 2024-01-26 | 山东省路桥集团有限公司 | 一种智轨列车道路路基沉降机器视觉检测方法及系统 |
CN117451000B (zh) * | 2023-12-25 | 2024-03-12 | 山东省路桥集团有限公司 | 一种智轨列车道路路基沉降机器视觉检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115880373B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115880373B (zh) | 基于新型编码特征的立体视觉系统的标定板及标定方法 | |
CN111223133B (zh) | 一种异源图像的配准方法 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN104024792B (zh) | 轮胎形状检查方法以及轮胎形状检查装置 | |
CN100430690C (zh) | 利用单数码相机自由拍摄进行物体三维测量的方法 | |
CN101896937A (zh) | 处理轮胎表面的三维图像以便其能够用来检查所述表面的方法 | |
Yang et al. | Robust and accurate surface measurement using structured light | |
CN113205593B (zh) | 一种基于点云自适应修复的高反光表面结构光场三维重建方法 | |
CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
CN102376089A (zh) | 一种标靶校正方法及系统 | |
CN111640158A (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
CN109064481B (zh) | 一种机器视觉定位方法 | |
CN115937203B (zh) | 一种基于模板匹配的视觉检测方法、装置、设备及介质 | |
CN111257338A (zh) | 镜面、类镜面物体表面缺陷检测方法 | |
CN110458874A (zh) | 一种图像非刚性配准方法和系统 | |
CN109974618A (zh) | 多传感器视觉测量系统的全局标定方法 | |
CN110136048B (zh) | 一种图像配准方法及系统、存储介质及终端 | |
CN116625258A (zh) | 链条间距测量系统及链条间距测量方法 | |
CN113963067B (zh) | 一种采用小靶标对大视场视觉传感器进行标定的标定方法 | |
CN116402792A (zh) | 一种基于三维点云的空间孔位对接方法 | |
Kim et al. | Shape description of biological objects via stereo light microscopy | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN116619392B (zh) | 机器人跨介质视觉的标定板、标定方法及系统 | |
CN113155057A (zh) | 一种使用非特制靶标的线结构光平面标定方法 | |
CN111784643A (zh) | 一种基于交叉线结构光的轮胎切平面获取方法及系统 |
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 |