CN116205993A - 一种用于3d aoi的双远心镜头高精度标定方法 - Google Patents
一种用于3d aoi的双远心镜头高精度标定方法 Download PDFInfo
- Publication number
- CN116205993A CN116205993A CN202310203298.5A CN202310203298A CN116205993A CN 116205993 A CN116205993 A CN 116205993A CN 202310203298 A CN202310203298 A CN 202310203298A CN 116205993 A CN116205993 A CN 116205993A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- pixel
- camera
- calibration
- telecentric lens
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000003384 imaging method Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种用于3D AOI的双远心镜头高精度标定方法,属于计算机视觉领域。该方法采用二维平面标靶,利用张正友标定法结合改进的角点提取算法进行亚像素角点检测,最后根据检测出的角点通过坐标系变换求得相机的内外参数,完成标定。本发明致力于提升3D AOI的三维重建精度,通过选用更低畸变、更小透视误差、更少成像失真的双远心镜头,搭建相机与投影仪的组合系统。进行相机标定与投影仪标定时,将像素级的角点标定提高到亚像素级,有效降低了重投影误差,提高了检测鲁棒性,可对微小物体实现三维轮廓检测,进一步提升了3D AOI的缺陷检测能力。
Description
技术领域
本发明属于计算机视觉领域,涉及一种用于3D AOI的双远心镜头高精度标定方法。
背景技术
在测量技术中,光学测量作为非接触式测量,因其无损性被普遍认为是当前最可靠、最有效的获取物体三维形貌的技术,在逆向工程、产品质量检测、精密制造等领域得到了广泛的应用。近年来,随着光学器件的发展,视觉测量中越来越多的采用双远心镜头进行场景获取和监测,因为双远心镜头畸变低、分辨率高、无视差、景深大,这些特性使其适用于3D AOI产品中。然而随着3D AOI向着高精度、小型化的快速发展,对双远心镜头的标定成为了获得高精度测量结果的重中之重。
现有的标定方法中,主要有线性标定法、Tsai两步法、张正友平面标定法等,线性标定法获取足够多的空间点三维坐标和相机的图像坐标,实现从三维坐标到图像二维坐标的线性变化,利用最小二乘法得到透视模型,分解矩阵即可获得相机内外参数,该方法无需线性化但误差较大。Tsai两步法求解线性方程得到相机外参,通过相机外参求得相机内参,但Tsai两步法仅考虑了径向畸变,未考虑横向畸变。高精度平面靶标价格昂贵,无法适应不同倍率镜头的重建需求。张正友标定法操作简单、鲁棒性好得到了广泛应用,但其只针对于传统针孔相机,有一定的局限性,而针对微小物体的三维重构,国内外众多学者展开了研究,但受限于测量范围、测量速度、测量精度等因素,都不能很好地满足现有的测量需求。且双远心镜头采取张正友标定法达到像素级精度,无法满足现有的高精度重建需求。
发明内容
有鉴于此,本发明的目的在于提供一种用于3D AOI的双远心镜头高精度标定方法,通过将角点检测精度提高至亚像素级以减小重投影误差,提高图像重建精度。
为达到上述目的,本发明提供如下技术方案:
一种用于3D AOI的双远心镜头高精度标定方法,该方法采用二维平面标靶,利用张正友标定法结合改进的角点提取算法进行亚像素角点检测,最后根据检测出的焦点通过坐标系变换求得相机的内外参数,完成标定。
进一步,通过改进的角点提取算法进行亚像素角点检测的具体步骤如下:
S1、使用黑色背景白色前景的圆形标志点作为目标点;
S2、通过阈值二值化分离出标志点的前景,将二值化后的图像进行连通域整理,定位出标志点所在的矩形范围;
S3、进行亚像素轮廓提取,在每一个矩形范围内,进行整像素和亚像素的边缘提取;
S4、分别在图像的水平方向和垂直方向计算梯度并求解梯度的幅值;
S5、找出梯度幅值的极大值点并且选择插值的方向,再根据当前点、前点和后点三个整像素点的梯度幅值拟合二次曲线,并寻找二次曲线上的亚像素极大值点。
进一步,在步骤S2中,连通域整理为:首先查找各个局部连通域团并编号,然后遍历图像,将等价的连通域合并。
进一步,在步骤S6中,坐标系转换过程如下:
1)像素坐标系到图像坐标系的转换:
式中,u、v表示像素坐标系,x、y表示图像坐标系,(u0,v0)表示畸变中心;
2)图像坐标系到相机坐标系的转换:
式中,m表示远心成像系统的有效放大倍数,Xc、Yc和Zc表示相机坐标系;
3)相机坐标系到世界坐标系的转换:
式中,R表示世界坐标系到像素坐标系的旋转矩阵,T表示世界坐标系到相机坐标系的平移向量;
4)构建像素坐标系到世界坐标系的转换:
式中,rij表示旋转矩阵R的第i行第j列,Tx和Ty分别表示平移向量的第一、二个元素。
本发明的有益效果在于:本发明在张正友标定的基础上采取了双远心镜头,不同于针孔相机模型,该方法无透视误差、接近零失真、大景深,对实现精密测量非常便捷。且相较于张正友标定法的像素级角点检测,本发明结合改进的canny算法将角点检测精度提高至亚像素级,大大减小了重投影误差,提高了重建精度,可实现对微小物体的三维轮廓检测,进一步提升了3D AOI的缺陷检测能力。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为双远心镜头模型;
图2为二维平面标靶示意图;
图3为本发明标定相机后的重投影误差
图4为采用本发明标定法后的点云重构图;
图5为采用传统标定方法后的点云重构图;
图6为本发明方法具体流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1所示为双远心镜头模型,与针孔成像模型不同的是,远心镜头模型为平行成像模型,是仿射成像模型的一种,即在景深范围内,镜头与测量物体之间的距离变换并不会影响相机对于图像的放大倍率,双远心镜头在成像时能最大限度还原物体的形状信息,虽然远心镜头成像时缺失Z轴信息,但可有效降低畸变。本发明针对传统针孔镜头难以满足对微小物体表面进行三维测量的需求,提出一种结合张正友标定法和角点提取算法的双远心镜头标定方法,通过进行亚像素角点提取,可将相机标定后的内外参数精度提高。
如图6所示,本发明方法具体为:采用二维平面标靶,利用张正友标定法结合改进的角点提取算法进行亚像素角点检测,最后根据检测出的角点通过坐标系变换求得相机的内外参数,完成标定。
采用改进的canny算法用于远心镜头标定,首先需要进行目标点粗定位。本发明使用使用黑色背景白色前景的圆形标志点作为目标点,如图2所示,采取的圆形标定板外形尺寸为40mm*35mm,其中的小圆直径为0.5mm,圆环内径为1mm,圆环外径为1.5mm,点中心距为1.5mm,图形尺寸为24.5mm*20mm。
白色圆形标志点在黑色背景图像上会表现出强烈对比反差,因此通过恰当的阈值二值化就能将标志点的前景分离出来;随后将二值化后的图像进行连通域整理,根据连通域占据像素数量、连通域的纵横比等粗略的定位出标志点所在的矩形范围。其中连通域整理分为两步,第一步是各个局部连通域团的查找和编号,第二步是再次遍历图像,将等价的连通域合并。
查找出标志点矩形范围后,再进行亚像素轮廓提取,在每一个矩形范围内,进行整像素、亚像素的边缘提取。利用图像的灰度值,分别在图像水平方向和垂直方向计算梯度,并求解梯度的幅值,找出梯度幅值的极大值点,并且选择插值的方向后,根据极大值点,以及该点的前、后点共三个整像素点的梯度幅值拟合二次曲线,在二次曲线上寻找真正的亚像素极大值点。
获得了相机捕获的亚像素角点,通过坐标系的转换即可获取相机的内外参数,即畸变系数、放大倍数等。其坐标系转换过程如下:
1)像素坐标系到图像坐标系的转换:
式中,u、v表示像素坐标系,x、y表示图像坐标系,(u0,v0)表示畸变中心;
2)图像坐标系到相机坐标系的转换:
式中,m表示远心成像系统的有效放大倍数,Xc、Yc和Zc表示相机坐标系;
3)相机坐标系到世界坐标系的转换:
式中,R表示世界坐标系到像素坐标系的旋转矩阵,T表示世界坐标系到相机坐标系的平移向量;
4)构建像素坐标系到世界坐标系的转换:
式中,rij表示旋转矩阵R的第i行第j列,Tx和Ty分别表示平移向量的第一、二个元素。假设校准的图案位于世界坐标系Z=0处,则上式变形为:
式中,H为一个3×3的单应性矩阵,是远心镜头的内参矩阵与外参矩阵之积。
标定完成后,对投影仪采用逆相机的方式标定,即投影仪等同于可以捕获图像的相机,其结构光解码采用当下流行的多频移相方式,拍摄多张图片准确获取相位,获取被测物表面各个点的三维信息进行点云重构,重构结果如图4所示,与采用传统标定方法得出的点云重构结果(如图5)相比,画面细节更加具体,重构效果大大提升。同时采用本发明标定后,对相机进行重投影误差仿真,如图3所示,可看出大部分重投影误差不超过0.25pixel。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种用于3D AOI的双远心镜头高精度标定方法,其特征在于:该方法采用二维平面标靶,利用张正友标定法结合改进的角点提取算法进行亚像素角点检测,最后根据检测出的角点通过坐标系变换求得相机的内外参数,完成标定。
2.根据权利要求1所述的双远心镜头高精度标定方法,其特征在于:通过改进的角点提取算法进行亚像素角点检测的具体步骤如下:
S1、使用黑色背景白色前景的圆形标志点作为目标点;
S2、通过阈值二值化分离出标志点的前景,将二值化后的图像进行连通域整理,定位出标志点所在的矩形范围;
S3、进行亚像素轮廓提取,在每一个矩形范围内,进行整像素和亚像素的边缘提取;
S4、分别在图像的水平方向和垂直方向计算梯度并求解梯度的幅值;
S5、找出梯度幅值的极大值点并且选择插值的方向,再根据梯度幅值极大值点和极大值点的前点与后点,共三个整像素点的梯度幅值拟合二次曲线,并寻找二次曲线上的亚像素极大值点。
3.根据权利要求2所述的双远心镜头高精度标定方法,其特征在于:在步骤S2中,所述连通域整理为:首先查找各个局部连通域团并编号,然后遍历图像,将等价的连通域合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310203298.5A CN116205993A (zh) | 2023-03-06 | 2023-03-06 | 一种用于3d aoi的双远心镜头高精度标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310203298.5A CN116205993A (zh) | 2023-03-06 | 2023-03-06 | 一种用于3d aoi的双远心镜头高精度标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116205993A true CN116205993A (zh) | 2023-06-02 |
Family
ID=86517012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310203298.5A Pending CN116205993A (zh) | 2023-03-06 | 2023-03-06 | 一种用于3d aoi的双远心镜头高精度标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205993A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115272A (zh) * | 2023-09-08 | 2023-11-24 | 中国人民解放军国防科技大学 | 用于降水粒子多角度成像的远心相机标定和三维重构方法 |
-
2023
- 2023-03-06 CN CN202310203298.5A patent/CN116205993A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115272A (zh) * | 2023-09-08 | 2023-11-24 | 中国人民解放军国防科技大学 | 用于降水粒子多角度成像的远心相机标定和三维重构方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Koch et al. | Evaluation of cnn-based single-image depth estimation methods | |
CN109146980B (zh) | 基于单目视觉的优化的深度提取和被动测距方法 | |
CN106651752B (zh) | 三维点云数据配准方法及拼接方法 | |
CN110689579A (zh) | 基于合作目标的快速单目视觉位姿测量方法及测量系统 | |
CN102376089B (zh) | 一种标靶校正方法及系统 | |
CN108535097A (zh) | 一种三轴试验试样柱面变形全场测量的方法 | |
CN111707187B (zh) | 一种大型零件的测量方法及系统 | |
KR101759798B1 (ko) | 실내 2d 평면도의 생성 방법, 장치 및 시스템 | |
Von Gioi et al. | Towards high-precision lens distortion correction | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
CN109255818B (zh) | 一种新型标靶及其亚像素级角点的提取方法 | |
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 | |
CN111899290A (zh) | 一种联合偏振和双目视觉的三维重建方法 | |
CN102930551B (zh) | 利用圆心的投影坐标和极线求解摄像机内参数 | |
CN113119129A (zh) | 一种基于标准球的单目测距定位方法 | |
CN108550171B (zh) | 基于交比不变性的含有八卦编码信息的线阵相机标定方法 | |
CN116205993A (zh) | 一种用于3d aoi的双远心镜头高精度标定方法 | |
CN116778288A (zh) | 一种多模态融合目标检测系统及方法 | |
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 | |
CN114998448A (zh) | 一种多约束双目鱼眼相机标定与空间点定位的方法 | |
CN111968182B (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN107941241B (zh) | 一种用于航空摄影测量质量评价的分辨率板及其使用方法 | |
CN112017259B (zh) | 一种基于深度相机与热像仪的室内定位与建图方法 | |
Yu et al. | An improved projector calibration method for structured-light 3D measurement systems | |
CN110458951B (zh) | 一种电网杆塔的建模数据获取方法及相关装置 |
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 |