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 PDF

Info

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
Application number
CN202211688078.8A
Other languages
English (en)
Other versions
CN115880373B (zh
Inventor
张贵阳
徐本连
鲁明丽
吉思雨
臧书琪
潘大宝
朱玲羽
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.)
Changshu Institute of Technology
Original Assignee
Changshu Institute of Technology
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 Changshu Institute of Technology filed Critical Changshu Institute of Technology
Priority to CN202211688078.8A priority Critical patent/CN115880373B/zh
Publication of CN115880373A publication Critical patent/CN115880373A/zh
Application granted granted Critical
Publication of CN115880373B publication Critical patent/CN115880373B/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

基于新型编码特征的立体视觉系统的标定板及标定方法
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。
优选的技术方案中，所述编码带按照一定角度等分为
Figure 518845DEST_PATH_IMAGE001
份，每一份对应的角度为
Figure 642085DEST_PATH_IMAGE002
，每一份按照黑色或者白色分布，对应二进制“1”或“0”，将编码带二进制数中最小 的数所对应的十进制数作为该编码圆的编号。
优选的技术方案中，对标定板中同心圆从
Figure 818858DEST_PATH_IMAGE003
开始编码，码值范围为
Figure 892468DEST_PATH_IMAGE004
，其它实心圆的编码范围为
Figure 128759DEST_PATH_IMAGE005
，其中，
Figure 736064DEST_PATH_IMAGE006
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。
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：
准则Ⅰ：投射倾斜准则：若投影角度最大值为
Figure 127863DEST_PATH_IMAGE007
，则图像中目标椭圆轮廓的周长
Figure 113921DEST_PATH_IMAGE008
和面积
Figure 338973DEST_PATH_IMAGE009
应满足：
Figure 752899DEST_PATH_IMAGE010
其中，
Figure 727765DEST_PATH_IMAGE011
、
Figure 506627DEST_PATH_IMAGE012
为椭圆周长的最小值和最大值；
Figure 754330DEST_PATH_IMAGE013
、
Figure 624809DEST_PATH_IMAGE014
为椭圆面积的最 小值和最大值；
准则Ⅱ：偏心度准则：在准则Ⅰ的基础上，定义椭圆的偏心度为
Figure 581745DEST_PATH_IMAGE015
，当 投影角度小于
Figure 702148DEST_PATH_IMAGE016
时，
Figure 777158DEST_PATH_IMAGE017
满足：
Figure 733219DEST_PATH_IMAGE018
其中，
Figure 796859DEST_PATH_IMAGE019
为椭圆圆度最小值；
准则Ⅲ：边界准则：候选图元区域边缘点
Figure 187300DEST_PATH_IMAGE020
需满足条件：
Figure 673907DEST_PATH_IMAGE021
其中，
Figure 10823DEST_PATH_IMAGE022
为区域边缘距离图像边界的最小阈值；
Figure 977904DEST_PATH_IMAGE023
、
Figure 860016DEST_PATH_IMAGE024
分别为图像的宽度和高度；
准则Ⅳ：灰度准则：根据图像二值化的结果去除目标背景，
Figure 20870DEST_PATH_IMAGE025
为前景区域内的灰 度中值，
Figure 708947DEST_PATH_IMAGE026
为背景区域内的灰度中值，
Figure 216021DEST_PATH_IMAGE025
和
Figure 256918DEST_PATH_IMAGE026
需满足以下条件：
Figure 682565DEST_PATH_IMAGE027
其中，
Figure 106156DEST_PATH_IMAGE028
为区分前景与背景的灰度阈值，
Figure 442239DEST_PATH_IMAGE029
为前景与背景灰度差的最小值；
准则Ⅴ：离心准则：对于同心圆和编码圆，外环带、编码带与目标点处于相近位置， 计算各个轮廓之间的距离
Figure 213624DEST_PATH_IMAGE030
，若
Figure 595408DEST_PATH_IMAGE030
满足式(22)，则判定两个区域中有一个伪目标点区域；
Figure 2118DEST_PATH_IMAGE031
其中，
Figure 418538DEST_PATH_IMAGE032
为编码带内侧圆的半径，
Figure 882796DEST_PATH_IMAGE033
为编码带外径上像素点和目标点中心距 离的最大值；
S132：完成特征图元椭圆区域的提取后，对特征图元的
Figure 4074DEST_PATH_IMAGE034
边缘点集合采用最小二 乘法进行拟合：
设边缘点集合
Figure 834714DEST_PATH_IMAGE035
，其中
Figure 498783DEST_PATH_IMAGE036
，计算
Figure 101319DEST_PATH_IMAGE037
的散布矩阵
Figure 474007DEST_PATH_IMAGE038
，其中
Figure 206209DEST_PATH_IMAGE039
如下式所示：
Figure 377646DEST_PATH_IMAGE040
通过计算矩阵
Figure 520790DEST_PATH_IMAGE041
的最大特征值对应的特征向量，得到特征图元的拟合椭圆， 获取椭圆的五个参数
Figure 216711DEST_PATH_IMAGE042
，其中
Figure 454401DEST_PATH_IMAGE043
为椭圆的中心坐标，
Figure 532210DEST_PATH_IMAGE044
为长轴，
Figure 62898DEST_PATH_IMAGE045
为短 轴，
Figure 881950DEST_PATH_IMAGE046
为椭圆的旋转角。
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
Figure 362478DEST_PATH_IMAGE047
，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
Figure 577951DEST_PATH_IMAGE048
、
Figure 859634DEST_PATH_IMAGE049
和
Figure 634823DEST_PATH_IMAGE050
、
Figure 341879DEST_PATH_IMAGE051
，则
Figure 846810DEST_PATH_IMAGE052
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
Figure 361712DEST_PATH_IMAGE053
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
Figure 420934DEST_PATH_IMAGE054
、
Figure 197261DEST_PATH_IMAGE055
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：
Figure 38921DEST_PATH_IMAGE056
其中，
Figure 662407DEST_PATH_IMAGE057
为圆的半径；
中心点
Figure 959659DEST_PATH_IMAGE058
的最终坐标如式(25)所示：
Figure 802325DEST_PATH_IMAGE059
其中，
Figure 704684DEST_PATH_IMAGE060
为拟合椭圆和特征图元边缘上距离最远的两个点中点的距离，
Figure 951602DEST_PATH_IMAGE061
为距 离阈值。
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：
对于编码圆，经过拟合后得到3个椭圆轮廓，
Figure 126362DEST_PATH_IMAGE062
为识别出的目标圆拟合边缘，
Figure 743026DEST_PATH_IMAGE063
为目标圆编码带外边界，
Figure 989241DEST_PATH_IMAGE064
为外边界；取
Figure 767579DEST_PATH_IMAGE063
，
Figure 491952DEST_PATH_IMAGE064
的中间椭圆
Figure 706115DEST_PATH_IMAGE065
为编码识别区域， 按照公式(26)把椭圆
Figure 409498DEST_PATH_IMAGE065
逆仿射为单位圆：
Figure 125781DEST_PATH_IMAGE066
其中
Figure 678729DEST_PATH_IMAGE067
为采样点坐标，
Figure 623813DEST_PATH_IMAGE068
为以
Figure 601609DEST_PATH_IMAGE069
为旋转角的旋转变换矩 阵，
Figure 551111DEST_PATH_IMAGE070
和
Figure 279770DEST_PATH_IMAGE071
为椭圆拟合所得的长短轴，
Figure 808971DEST_PATH_IMAGE072
为椭圆旋转角，将0~360°等分多份，每一份对应一 个采样点，
Figure 743340DEST_PATH_IMAGE073
为目标点椭圆拟合所得的中心坐标；
以单位圆上灰度跳变的位置作为起始点，每隔
Figure 801426DEST_PATH_IMAGE074
角度对编码带进行二进制 编码，采用编码带内外边界
Figure 722108DEST_PATH_IMAGE075
，
Figure 992684DEST_PATH_IMAGE076
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
Figure 945072DEST_PATH_IMAGE077
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
Figure 190370DEST_PATH_IMAGE078
开始编码，码值范围为
Figure 129508DEST_PATH_IMAGE079
，其它实心圆的 编码范围为
Figure 748314DEST_PATH_IMAGE080
，其中，
Figure 823718DEST_PATH_IMAGE081
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：
世界坐标系与
Figure 692448DEST_PATH_IMAGE082
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
Figure 584793DEST_PATH_IMAGE083
表示为：
Figure 882657DEST_PATH_IMAGE084
其中，
Figure 216162DEST_PATH_IMAGE085
，在立体视觉系统中
Figure 853464DEST_PATH_IMAGE086
表示相机的数目；
Figure 810269DEST_PATH_IMAGE087
，
Figure 396977DEST_PATH_IMAGE088
与
Figure 506360DEST_PATH_IMAGE089
分别表示两相邻摄像机之间的旋转矩阵与平移向量，
Figure 936467DEST_PATH_IMAGE090
表示单位矩阵，
Figure 836027DEST_PATH_IMAGE091
表示系统中每一摄像机的内部参数矩阵；
根据标定板得到立体显微视觉系统成像模型为：
Figure 380754DEST_PATH_IMAGE092
其中，
Figure 35988DEST_PATH_IMAGE093
表示标志点的图像坐标，下标
Figure 641192DEST_PATH_IMAGE094
，
Figure 57743DEST_PATH_IMAGE095
表示位姿变化的次 数，
Figure 189516DEST_PATH_IMAGE096
表示不同位姿下的标志点，
Figure 820961DEST_PATH_IMAGE097
为相机的缩放比例因子。
立体显微视觉系统的标定任务即根据标志点成像坐标
Figure 435613DEST_PATH_IMAGE098
及其之间 的距离约束关系，
Figure 496716DEST_PATH_IMAGE099
为相机的标号，
Figure 74590DEST_PATH_IMAGE100
为标定板的像幅标号。求解相机相对位姿矩阵
Figure 953685DEST_PATH_IMAGE083
， 其中包括相机的内部参数矩阵
Figure 736308DEST_PATH_IMAGE101
与外部参数矩阵
Figure 84375DEST_PATH_IMAGE102
。
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：
S41：选择多目相机中的两个作为一组进行偏差校正，其中用于建立重投影误差分 析方程的特征点为编码圆和同心圆目标点，设
Figure 777525DEST_PATH_IMAGE103
为目标点的齐次世界坐标集 合，则有：
Figure 524508DEST_PATH_IMAGE104
其中，下标
Figure 215383DEST_PATH_IMAGE105
表示相机组，
Figure 768855DEST_PATH_IMAGE106
、
Figure 505778DEST_PATH_IMAGE107
分别表示一组中的左右相机，
Figure 625043DEST_PATH_IMAGE108
是所有参与标 定运算的标志点集；
Figure 703464DEST_PATH_IMAGE109
和
Figure 367402DEST_PATH_IMAGE110
分别为内参、外参矩阵，
Figure 74458DEST_PATH_IMAGE111
为参数修正过程矩阵；由上式可得 左右相机成像点之间的关系为：
Figure 251492DEST_PATH_IMAGE112
其中，
Figure 18591DEST_PATH_IMAGE113
，设特征点重投影的坐标集为
Figure 543726DEST_PATH_IMAGE114
，则其与
Figure 54473DEST_PATH_IMAGE115
存在如下关系：
Figure 961380DEST_PATH_IMAGE116
其中，
Figure 896450DEST_PATH_IMAGE117
、
Figure 193702DEST_PATH_IMAGE118
分别为经补偿后的旋转和平移矩阵，根据式(31)得到特征点的重 投影误差为：
Figure 334571DEST_PATH_IMAGE119
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：
Figure 220618DEST_PATH_IMAGE120
其中，
Figure 61011DEST_PATH_IMAGE121
为罚项系数，
Figure 360405DEST_PATH_IMAGE122
为特征点数量；
接着通过单位四元数
Figure 494846DEST_PATH_IMAGE123
表示
Figure 920886DEST_PATH_IMAGE124
，如式(34)所示：
Figure 221196DEST_PATH_IMAGE125
其中，
Figure 679990DEST_PATH_IMAGE126
，且
Figure 946018DEST_PATH_IMAGE127
；
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：
Figure 584154DEST_PATH_IMAGE128
其中，
Figure 330131DEST_PATH_IMAGE129
，
Figure 541800DEST_PATH_IMAGE130
分别表示坐标点集和重投影点集 的重心，即目标进行几何变换的中心点；
根据式(36)，构造对称矩阵
Figure 483955DEST_PATH_IMAGE131
：
Figure 87850DEST_PATH_IMAGE132
其中，矩阵元素
Figure 506193DEST_PATH_IMAGE133
，
Figure 749699DEST_PATH_IMAGE134
；
Figure 278900DEST_PATH_IMAGE135
；
Figure 645291DEST_PATH_IMAGE136
为3×3单位 阵；
Figure 247917DEST_PATH_IMAGE137
为矩阵的迹；
求解矩阵
Figure 699758DEST_PATH_IMAGE138
的最大特征值对应的特征向量，所得结果即为单位四元数
Figure 252224DEST_PATH_IMAGE139
，然后根据式(34)得到校正后的旋转矩阵
Figure 571708DEST_PATH_IMAGE140
；
Figure 800695DEST_PATH_IMAGE140
与经校正后的平移矩阵存在如式(37)所示关系：
Figure 490565DEST_PATH_IMAGE141
得到经补偿后的平移矩阵
Figure 827481DEST_PATH_IMAGE142
，最终获得修正后的标定结果。
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。
一实施例中，编码带按照一定角度等分为
Figure 434043DEST_PATH_IMAGE143
份，每一份对应的角度为
Figure 115822DEST_PATH_IMAGE144
， 每一份按照黑色或者白色分布，对应二进制“1”或“0”，每个编码圆的编码可以表示为：
Figure 273746DEST_PATH_IMAGE145
在编码带中，任何一位都可以视为起始位，因此，对于
Figure 495911DEST_PATH_IMAGE001
位编码带，一共对应
Figure 425821DEST_PATH_IMAGE001
个 二进制数，定义这
Figure 462523DEST_PATH_IMAGE001
个二进制数中最小的数所对应的十进制数为该编码圆的编号。
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。
一实施例中，对标定板中同心圆从
Figure 376252DEST_PATH_IMAGE003
开始编码，码值范围为
Figure 274545DEST_PATH_IMAGE146
， 其它实心圆的编码范围为
Figure 616883DEST_PATH_IMAGE147
，其中，
Figure 175820DEST_PATH_IMAGE006
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。
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
Figure 560534DEST_PATH_IMAGE148
，其中
Figure 574102DEST_PATH_IMAGE149
为像素灰度值。根据阈值
Figure 39456DEST_PATH_IMAGE148
将图像像素分 为小于等于和大于阈值两类，
Figure 277015DEST_PATH_IMAGE150
、
Figure 70396DEST_PATH_IMAGE151
分别为两类像素的概率，
Figure 625005DEST_PATH_IMAGE152
、
Figure 14309DEST_PATH_IMAGE153
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。
Figure 504327DEST_PATH_IMAGE154
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
Figure 831010DEST_PATH_IMAGE155
为源图像，
Figure 2359DEST_PATH_IMAGE156
为结构元素，
Figure 753890DEST_PATH_IMAGE157
为
Figure 70602DEST_PATH_IMAGE158
中与相同大小的图像块，
Figure 418669DEST_PATH_IMAGE159
为
Figure 46572DEST_PATH_IMAGE160
的中心点像素，
Figure 983435DEST_PATH_IMAGE161
和
Figure 408731DEST_PATH_IMAGE162
分别为与、或运算。
Figure 696624DEST_PATH_IMAGE163
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Ⅰ：投射倾斜准则。若投影角度最大值为
Figure 410109DEST_PATH_IMAGE007
（一般可以取
Figure 263795DEST_PATH_IMAGE164
），则图 像中目标椭圆轮廓的周长
Figure 594414DEST_PATH_IMAGE165
和面积
Figure 789509DEST_PATH_IMAGE009
应满足
Figure 230986DEST_PATH_IMAGE010
其中，
Figure 201829DEST_PATH_IMAGE011
、
Figure 657343DEST_PATH_IMAGE012
为
Figure 510374DEST_PATH_IMAGE166
范围内，椭圆周长的最小值和最大值；
Figure 568591DEST_PATH_IMAGE013
、
Figure 865711DEST_PATH_IMAGE167
为
Figure 824219DEST_PATH_IMAGE168
范围内，椭圆面积的最小值和最大值。
准则Ⅱ：偏心度准则。在准则Ⅰ的基础上，定义椭圆的偏心度为
Figure 918208DEST_PATH_IMAGE015
，当 投影角度小于
Figure 232646DEST_PATH_IMAGE016
时，
Figure 397655DEST_PATH_IMAGE169
满足：
Figure 240977DEST_PATH_IMAGE018
其中，
Figure 274792DEST_PATH_IMAGE019
为椭圆圆度最小值，一般可取
Figure 688194DEST_PATH_IMAGE170
。
准则Ⅲ：边界准则。如果候选图元区域过于靠近图像边界，其有可能无法完整在图 像中显示，导致无法获取正确的中心点，因此区域边缘点
Figure 583075DEST_PATH_IMAGE020
需满足条件：
Figure 125527DEST_PATH_IMAGE021
式(20)中，
Figure 223802DEST_PATH_IMAGE022
为区域边缘距离图像边界的最小阈值；
Figure 673851DEST_PATH_IMAGE023
、
Figure 164785DEST_PATH_IMAGE024
分别为图像的宽度和 高度。
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
Figure 677806DEST_PATH_IMAGE171
是目标点轮廓在图像平面的像，
Figure 778224DEST_PATH_IMAGE172
是与
Figure 192150DEST_PATH_IMAGE171
同心。可以看出，
Figure 169946DEST_PATH_IMAGE171
内部为前景，其像素灰度接近白色，
Figure 119447DEST_PATH_IMAGE171
和
Figure 569145DEST_PATH_IMAGE172
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
Figure 564259DEST_PATH_IMAGE025
为前景区域内的灰度中值，
Figure 399491DEST_PATH_IMAGE173
为背景区域内的灰度中值，
Figure 536205DEST_PATH_IMAGE025
和
Figure 250696DEST_PATH_IMAGE026
需满足以下条件：
Figure 52429DEST_PATH_IMAGE174
其中，
Figure 289638DEST_PATH_IMAGE028
为区分前景与背景的灰度阈值，
Figure 391062DEST_PATH_IMAGE175
为前景与背景灰度差的最小值。
准则Ⅴ：离心准则。对于同心圆和编码圆，外环带、编码带与目标点处于相近位置， 因此可以计算各个轮廓之间的距离
Figure 346510DEST_PATH_IMAGE030
，若
Figure 683426DEST_PATH_IMAGE030
满足式(22)，则可以判定两个区域中有一个伪 目标点区域。
Figure 289988DEST_PATH_IMAGE176
式(22)中，
Figure 971768DEST_PATH_IMAGE032
为编码带内侧圆的半径，
Figure 864113DEST_PATH_IMAGE033
为编码带外径上像素点和目标点中 心距离的最大值。
完成特征图元椭圆区域的提取后，对特征图元的
Figure 7649DEST_PATH_IMAGE034
边缘点集合采用最小二乘法进 行拟合。设边缘点集合
Figure 380903DEST_PATH_IMAGE035
，其中
Figure 764742DEST_PATH_IMAGE036
，计算
Figure 488591DEST_PATH_IMAGE037
的散布矩阵
Figure 481824DEST_PATH_IMAGE038
，其中
Figure 309316DEST_PATH_IMAGE039
如下式所示：
Figure 313656DEST_PATH_IMAGE040
通过计算矩阵
Figure 337851DEST_PATH_IMAGE041
的最大特征值对应的特征向量，即可得到特征图元的拟合椭 圆，获取椭圆的五个参数
Figure 469796DEST_PATH_IMAGE042
，其中
Figure 761582DEST_PATH_IMAGE043
为椭圆的中心坐标，
Figure 156398DEST_PATH_IMAGE044
为长轴，
Figure 247982DEST_PATH_IMAGE045
为短轴，
Figure 615640DEST_PATH_IMAGE046
为椭圆的旋转角，如图5所示为椭圆拟合的示意图和拟合结果。
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
Figure 106140DEST_PATH_IMAGE047
，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
Figure 720792DEST_PATH_IMAGE048
、
Figure 299672DEST_PATH_IMAGE049
和
Figure 140196DEST_PATH_IMAGE177
、
Figure 97918DEST_PATH_IMAGE051
，则
Figure 86734DEST_PATH_IMAGE178
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
Figure 759768DEST_PATH_IMAGE178
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
Figure 187338DEST_PATH_IMAGE054
、
Figure 934321DEST_PATH_IMAGE179
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：
Figure 625196DEST_PATH_IMAGE056
其中，
Figure 444248DEST_PATH_IMAGE057
为圆的半径，因此中心点
Figure 446749DEST_PATH_IMAGE180
的最终坐标如式(25)所示，其中
Figure 300435DEST_PATH_IMAGE181
为拟合椭圆和特征图元边缘上距离最远的两个点中点的距离，
Figure 365475DEST_PATH_IMAGE182
为距离阈值。特征图元中 心点坐标的求取如图6所示。
Figure 140664DEST_PATH_IMAGE183
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，
Figure 844790DEST_PATH_IMAGE062
为识别出的目标圆拟合 边缘，
Figure 38136DEST_PATH_IMAGE063
为目标圆编码带外边界，
Figure 70814DEST_PATH_IMAGE064
为外边界。取
Figure 612261DEST_PATH_IMAGE063
，
Figure 667548DEST_PATH_IMAGE064
的中间椭圆
Figure 417198DEST_PATH_IMAGE065
为编码识别 区域，按照公式(26)把椭圆
Figure 430897DEST_PATH_IMAGE065
逆仿射为单位圆，其中
Figure 866164DEST_PATH_IMAGE184
为采样点坐标，
Figure 147979DEST_PATH_IMAGE068
为以
Figure 352187DEST_PATH_IMAGE069
为旋转角的旋转变换矩阵，
Figure 257826DEST_PATH_IMAGE070
和
Figure 55756DEST_PATH_IMAGE071
为椭圆拟合所得的长短轴，
Figure 439464DEST_PATH_IMAGE072
为椭圆旋转角，将0~360°等分60份，每一份对应一个采样点，
Figure 504984DEST_PATH_IMAGE185
为目标点椭圆拟合 所得的中心坐标。
Figure 47437DEST_PATH_IMAGE186
然后，以单位圆上灰度跳变的位置作为起始点，每隔
Figure 270345DEST_PATH_IMAGE187
角度对编码带进行 二进制编码，采用编码带内外边界
Figure 942897DEST_PATH_IMAGE188
，
Figure 66187DEST_PATH_IMAGE076
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
Figure 251311DEST_PATH_IMAGE189
，在编码带中径
Figure 462981DEST_PATH_IMAGE077
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
Figure 922912DEST_PATH_IMAGE190
，其它实心圆的编码范围 则为
Figure 979337DEST_PATH_IMAGE191
，其中
Figure 866521DEST_PATH_IMAGE081
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
Figure 34329DEST_PATH_IMAGE192
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
Figure 584038DEST_PATH_IMAGE083
可以表示为：
Figure 763478DEST_PATH_IMAGE084
其中，
Figure 290405DEST_PATH_IMAGE085
，在立体视觉系统中
Figure 473737DEST_PATH_IMAGE086
表示相机的数目；
Figure 760624DEST_PATH_IMAGE087
，
Figure 184783DEST_PATH_IMAGE088
与
Figure 410841DEST_PATH_IMAGE089
分别表示两相邻摄像机之间的旋转矩阵与平移向量，
Figure 553240DEST_PATH_IMAGE090
表示单位矩阵，
Figure 375309DEST_PATH_IMAGE091
表示系统中每一摄像机的内部参数矩阵。
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：
Figure 450713DEST_PATH_IMAGE193
其中，
Figure 850601DEST_PATH_IMAGE093
表示标志点的图像坐标，下标
Figure 493679DEST_PATH_IMAGE094
，
Figure 11117DEST_PATH_IMAGE095
表示位姿变化的次 数，
Figure 564196DEST_PATH_IMAGE096
表示不同位姿下的标志点，
Figure 741843DEST_PATH_IMAGE097
为相机的缩放比例因子。
立体显微视觉系统的标定任务即根据标志点成像坐标
Figure 921151DEST_PATH_IMAGE194
及其之间 的距离约束关系，
Figure 884690DEST_PATH_IMAGE099
为相机的标号，
Figure 689614DEST_PATH_IMAGE195
为标定板的像幅标号。求解相机相对位姿矩阵
Figure 41093DEST_PATH_IMAGE196
， 其中包括相机的内部参数矩阵
Figure 645380DEST_PATH_IMAGE101
与外部参数矩阵
Figure 393369DEST_PATH_IMAGE197
。
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。
步骤23：图11所示为立体显微视觉系统偏差校正示意图，选择多目相机中的两个 作为一组进行偏差校正，其中用于建立重投影误差分析方程的特征点为编码圆和同心圆目 标点，设
Figure 48603DEST_PATH_IMAGE198
为目标点的齐次世界坐标集合，则有：
Figure 695617DEST_PATH_IMAGE199
其中，下标
Figure 394058DEST_PATH_IMAGE105
表示相机组，
Figure 417509DEST_PATH_IMAGE106
、
Figure 645359DEST_PATH_IMAGE107
分别表示一组中的左右相机，
Figure 460343DEST_PATH_IMAGE200
是所有参与标 定运算的标志点集；
Figure 180169DEST_PATH_IMAGE109
和
Figure 145326DEST_PATH_IMAGE110
分别为内参、外参矩阵，
Figure 37803DEST_PATH_IMAGE111
为参数修正过程矩阵。由上式可得 左右相机成像点之间的关系为：
Figure 217765DEST_PATH_IMAGE112
其中，
Figure 343329DEST_PATH_IMAGE201
。设特征点重投影的坐标集为
Figure 410379DEST_PATH_IMAGE114
，则其与
Figure 891783DEST_PATH_IMAGE115
存在如下关系：
Figure 769609DEST_PATH_IMAGE116
其中，
Figure 818687DEST_PATH_IMAGE117
、
Figure 899817DEST_PATH_IMAGE118
分别为经补偿后的旋转和平移矩阵，根据式(31)可以得到特征点 的重投影误差为：
Figure 222345DEST_PATH_IMAGE119
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：
Figure 520340DEST_PATH_IMAGE202
其中，
Figure 902386DEST_PATH_IMAGE121
为罚项系数，
Figure 717764DEST_PATH_IMAGE122
为特征点数量。
接着通过单位四元数
Figure 767235DEST_PATH_IMAGE123
表示
Figure 534334DEST_PATH_IMAGE203
，如式(34)所示，其中
Figure 62399DEST_PATH_IMAGE126
，且
Figure 914424DEST_PATH_IMAGE127
：
Figure 227856DEST_PATH_IMAGE204
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：
Figure 165856DEST_PATH_IMAGE205
其中，
Figure 647128DEST_PATH_IMAGE129
，
Figure 695987DEST_PATH_IMAGE130
分别表示坐标点集和重投影点集 的重心，即目标进行几何变换的中心点。
接着根据式(36)，构造对称矩阵
Figure 909930DEST_PATH_IMAGE206
：
Figure 787142DEST_PATH_IMAGE207
其中，矩阵元素
Figure 742329DEST_PATH_IMAGE133
，
Figure 876769DEST_PATH_IMAGE134
；
Figure 351744DEST_PATH_IMAGE135
；
Figure 628617DEST_PATH_IMAGE136
为3×3单位 阵；
Figure 556253DEST_PATH_IMAGE137
为矩阵的迹。
求解矩阵
Figure 478073DEST_PATH_IMAGE138
的最大特征值对应的特征向量，所得结果即为单位四元数
Figure 73133DEST_PATH_IMAGE139
，然后根据式(34)即可得到校正后的旋转矩阵
Figure 255328DEST_PATH_IMAGE140
。
对于立体显微视觉系统，还需要对平移矩阵进行校正。
Figure 621325DEST_PATH_IMAGE140
与经校正后的平移矩阵 存在如式(37)所示关系，据此可求解出经补偿后的平移矩阵
Figure 956623DEST_PATH_IMAGE142
，最终获得修正后的标定结 果。
Figure 842408DEST_PATH_IMAGE208
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
Figure 274133DEST_PATH_IMAGE209
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
Figure 39612DEST_PATH_IMAGE210
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。
2.根据权利要求1所述的基于新型编码特征的立体视觉系统的标定板，其特征在于，所 述编码带按照一定角度等分为
Figure 897390DEST_PATH_IMAGE001
份，每一份对应的角度为
Figure 743861DEST_PATH_IMAGE002
，每一份按照黑色或者 白色分布，对应二进制“1”或“0”，将编码带二进制数中最小的数所对应的十进制数作为该 编码圆的编号。
3.根据权利要求1所述的基于新型编码特征的立体视觉系统的标定板，其特征在于，对 标定板中同心圆从
Figure 484676DEST_PATH_IMAGE003
开始编码，码值范围为
Figure 65699DEST_PATH_IMAGE004
，其它实心圆的编码范围 为
Figure 379087DEST_PATH_IMAGE005
，其中，
Figure 237322DEST_PATH_IMAGE006
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。
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：
准则Ⅰ：投射倾斜准则：若投影角度最大值为
Figure 3896DEST_PATH_IMAGE007
，则图像中目标椭圆轮廓的周长
Figure 963893DEST_PATH_IMAGE008
和 面积
Figure 841761DEST_PATH_IMAGE009
应满足：
Figure 39655DEST_PATH_IMAGE010
其中，
Figure 773868DEST_PATH_IMAGE011
、
Figure 641068DEST_PATH_IMAGE012
为椭圆周长的最小值和最大值；
Figure 331812DEST_PATH_IMAGE013
、
Figure 289273DEST_PATH_IMAGE014
为椭圆面积的最小值 和最大值；
准则Ⅱ：偏心度准则：在准则Ⅰ的基础上，定义椭圆的偏心度为
Figure 459967DEST_PATH_IMAGE015
，当投影 角度小于
Figure 611200DEST_PATH_IMAGE016
时，
Figure 151641DEST_PATH_IMAGE017
满足：
Figure 540771DEST_PATH_IMAGE018
其中，
Figure 885296DEST_PATH_IMAGE019
为椭圆圆度最小值；
准则Ⅲ：边界准则：候选图元区域边缘点
Figure 265372DEST_PATH_IMAGE020
需满足条件：
Figure 235602DEST_PATH_IMAGE021
其中，
Figure 885764DEST_PATH_IMAGE022
为区域边缘距离图像边界的最小阈值；
Figure 148993DEST_PATH_IMAGE023
、
Figure 323754DEST_PATH_IMAGE024
分别为图像的宽度和高度；
准则Ⅳ：灰度准则：根据图像二值化的结果去除目标背景，
Figure 579898DEST_PATH_IMAGE025
为前景区域内的灰度中 值，
Figure 553408DEST_PATH_IMAGE026
为背景区域内的灰度中值，
Figure 721959DEST_PATH_IMAGE025
和
Figure 384016DEST_PATH_IMAGE026
需满足以下条件：
Figure 676807DEST_PATH_IMAGE027
其中，
Figure 147234DEST_PATH_IMAGE028
为区分前景与背景的灰度阈值，
Figure 775703DEST_PATH_IMAGE029
为前景与背景灰度差的最小值；
准则Ⅴ：离心准则：对于同心圆和编码圆，外环带、编码带与目标点处于相近位置，计算 各个轮廓之间的距离
Figure 66001DEST_PATH_IMAGE030
，若
Figure 929527DEST_PATH_IMAGE030
满足式(22)，则判定两个区域中有一个伪目标点区域；
Figure 893941DEST_PATH_IMAGE031
其中，
Figure 859754DEST_PATH_IMAGE032
为编码带内侧圆的半径，
Figure 227894DEST_PATH_IMAGE033
为编码带外径上像素点和目标点中心距离的最 大值；
S132：完成特征图元椭圆区域的提取后，对特征图元的
Figure 117615DEST_PATH_IMAGE034
边缘点集合采用最小二乘法 进行拟合：
设边缘点集合
Figure 622021DEST_PATH_IMAGE035
，其中
Figure 758735DEST_PATH_IMAGE036
，计算
Figure 600789DEST_PATH_IMAGE037
的散布矩阵
Figure 540539DEST_PATH_IMAGE038
，其中
Figure 715431DEST_PATH_IMAGE039
如下式所示：
Figure 662527DEST_PATH_IMAGE040
通过计算矩阵
Figure 100199DEST_PATH_IMAGE041
的最大特征值对应的特征向量，得到特征图元的拟合椭圆，获取 椭圆的五个参数
Figure 892575DEST_PATH_IMAGE042
，其中
Figure 371573DEST_PATH_IMAGE043
为椭圆的中心坐标，
Figure 584511DEST_PATH_IMAGE044
为长轴，
Figure 899692DEST_PATH_IMAGE045
为短轴，
Figure 158677DEST_PATH_IMAGE046
为椭圆的旋转角。
7.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
Figure 698374DEST_PATH_IMAGE047
，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
Figure 141600DEST_PATH_IMAGE048
、
Figure 399537DEST_PATH_IMAGE049
和
Figure 596032DEST_PATH_IMAGE050
、
Figure 800355DEST_PATH_IMAGE051
，则
Figure 430794DEST_PATH_IMAGE052
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
Figure 284350DEST_PATH_IMAGE053
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
Figure 674749DEST_PATH_IMAGE054
、
Figure 375988DEST_PATH_IMAGE055
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：
Figure 442908DEST_PATH_IMAGE056
其中，
Figure 409858DEST_PATH_IMAGE057
为圆的半径；
中心点
Figure 587636DEST_PATH_IMAGE058
的最终坐标如式(25)所示：
Figure 422344DEST_PATH_IMAGE059
其中，
Figure 20684DEST_PATH_IMAGE060
为拟合椭圆和特征图元边缘上距离最远的两个点中点的距离，
Figure 491242DEST_PATH_IMAGE061
为距离阈 值。
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：
对于编码圆，经过拟合后得到3个椭圆轮廓，
Figure 462976DEST_PATH_IMAGE062
为识别出的目标圆拟合边缘，
Figure 870299DEST_PATH_IMAGE063
为目 标圆编码带外边界，
Figure 525360DEST_PATH_IMAGE064
为外边界；取
Figure 97197DEST_PATH_IMAGE063
，
Figure 538149DEST_PATH_IMAGE064
的中间椭圆
Figure 426077DEST_PATH_IMAGE065
为编码识别区域，按照公式 (26)把椭圆
Figure 602106DEST_PATH_IMAGE065
逆仿射为单位圆：
Figure 824752DEST_PATH_IMAGE066
其中
Figure 649489DEST_PATH_IMAGE067
为采样点坐标，
Figure 988328DEST_PATH_IMAGE068
为以
Figure 925804DEST_PATH_IMAGE069
为旋转角的旋转变换矩阵，
Figure 684681DEST_PATH_IMAGE070
和
Figure 798262DEST_PATH_IMAGE071
为椭圆拟合所得的长短轴，
Figure 926362DEST_PATH_IMAGE072
为椭圆旋转角，将0~360°等分多份，每一份对应一个采样 点，
Figure 706843DEST_PATH_IMAGE073
为目标点椭圆拟合所得的中心坐标；
以单位圆上灰度跳变的位置作为起始点，每隔
Figure 985639DEST_PATH_IMAGE074
角度对编码带进行二进制编码， 采用编码带内外边界
Figure 572085DEST_PATH_IMAGE075
，
Figure 524998DEST_PATH_IMAGE076
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
Figure 666260DEST_PATH_IMAGE077
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
Figure 859386DEST_PATH_IMAGE078
开始编码，码值范围为
Figure 518031DEST_PATH_IMAGE079
，其它实心圆的编码 范围为
Figure 184505DEST_PATH_IMAGE080
，其中，
Figure 57521DEST_PATH_IMAGE081
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。
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：
世界坐标系与
Figure 652188DEST_PATH_IMAGE082
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
Figure 222846DEST_PATH_IMAGE083
表示为：
Figure 648886DEST_PATH_IMAGE084
其中，
Figure 551858DEST_PATH_IMAGE085
，在立体视觉系统中
Figure 181291DEST_PATH_IMAGE086
表示相机的数目；
Figure 67558DEST_PATH_IMAGE087
，
Figure 334722DEST_PATH_IMAGE088
与
Figure 963191DEST_PATH_IMAGE089
分别表示两相邻摄像机之间的旋转矩阵与平移向量，
Figure 519069DEST_PATH_IMAGE090
表示单位矩阵，
Figure 431530DEST_PATH_IMAGE091
表示系统中每一摄像机的内部参数矩阵；
根据标定板得到立体显微视觉系统成像模型为：
Figure 425637DEST_PATH_IMAGE092
其中，
Figure 188188DEST_PATH_IMAGE093
表示标志点的图像坐标，下标
Figure 402000DEST_PATH_IMAGE094
，
Figure 819950DEST_PATH_IMAGE095
表示位姿变化的次数，
Figure 61707DEST_PATH_IMAGE096
表示不同位姿下的标志点，
Figure 461071DEST_PATH_IMAGE097
为相机的缩放比例因子；
立体显微视觉系统的标定任务即根据标志点成像坐标
Figure 303125DEST_PATH_IMAGE098
及其之间的距 离约束关系，
Figure 58853DEST_PATH_IMAGE099
为相机的标号，
Figure 529018DEST_PATH_IMAGE100
为标定板的像幅标号，求解相机相对位姿矩阵
Figure 896021DEST_PATH_IMAGE101
，其中 包括相机的内部参数矩阵
Figure 461257DEST_PATH_IMAGE091
与外部参数矩阵
Figure 673539DEST_PATH_IMAGE102
；
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：
S41：选择多目相机中的两个作为一组进行偏差校正，其中用于建立重投影误差分析方 程的特征点为编码圆和同心圆目标点，设
Figure 467051DEST_PATH_IMAGE103
为目标点的齐次世界坐标集合， 则有：
Figure 945568DEST_PATH_IMAGE104
其中，下标
Figure 510017DEST_PATH_IMAGE105
表示相机组，
Figure 683247DEST_PATH_IMAGE106
、
Figure 957365DEST_PATH_IMAGE107
分别表示一组中的左右相机，
Figure 424029DEST_PATH_IMAGE108
是所有参与标定运算 的标志点集；
Figure 291753DEST_PATH_IMAGE109
和
Figure 845838DEST_PATH_IMAGE110
分别为内参、外参矩阵，
Figure 955220DEST_PATH_IMAGE111
为参数修正过程矩阵；由上式可得左右相 机成像点之间的关系为：
Figure 38190DEST_PATH_IMAGE112
其中，
Figure 157324DEST_PATH_IMAGE113
，设特征点重投影的坐标集为
Figure 515100DEST_PATH_IMAGE114
，则其与
Figure 170334DEST_PATH_IMAGE115
存在如下关系：
Figure 738719DEST_PATH_IMAGE116
其中，
Figure 765056DEST_PATH_IMAGE117
、
Figure 945764DEST_PATH_IMAGE118
分别为经补偿后的旋转和平移矩阵，根据式(31)得到特征点的重投影 误差
Figure 954040DEST_PATH_IMAGE119
为：
Figure 277616DEST_PATH_IMAGE120
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：
Figure 322408DEST_PATH_IMAGE121
其中，
Figure 254942DEST_PATH_IMAGE122
为罚项系数，
Figure 412997DEST_PATH_IMAGE123
为特征点数量；
接着通过单位四元数
Figure 539829DEST_PATH_IMAGE124
表示
Figure 737764DEST_PATH_IMAGE125
，如式(34)所示：
Figure 381979DEST_PATH_IMAGE126
其中，
Figure 194208DEST_PATH_IMAGE127
，且
Figure 757520DEST_PATH_IMAGE128
；
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：
Figure 29102DEST_PATH_IMAGE129
其中，
Figure 807833DEST_PATH_IMAGE130
，
Figure 766912DEST_PATH_IMAGE131
分别表示坐标点集和重投影点集的重 心，即目标进行几何变换的中心点；
根据式(36)，构造对称矩阵
Figure 829021DEST_PATH_IMAGE132
：
Figure 384636DEST_PATH_IMAGE133
其中，矩阵元素
Figure 904742DEST_PATH_IMAGE134
，
Figure 626317DEST_PATH_IMAGE135
；
Figure 118651DEST_PATH_IMAGE136
；
Figure 332201DEST_PATH_IMAGE137
为3×3单位阵；
Figure 655997DEST_PATH_IMAGE138
为矩阵的迹；
求解矩阵
Figure 622292DEST_PATH_IMAGE139
的最大特征值对应的特征向量，所得结果即为单位四元数
Figure 481663DEST_PATH_IMAGE140
，然 后根据式(34)得到校正后的旋转矩阵
Figure 169128DEST_PATH_IMAGE141
；
Figure 965789DEST_PATH_IMAGE141
与经校正后的平移矩阵存在如式(37)所示关系：
Figure 992782DEST_PATH_IMAGE142
得到经补偿后的平移矩阵
Figure 491896DEST_PATH_IMAGE143
，最终获得修正后的标定结果。
CN202211688078.8A 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 Active CN115880373B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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