CN116862999A - 一种双摄像机三维测量的标定方法、系统、设备和介质 - Google Patents

一种双摄像机三维测量的标定方法、系统、设备和介质 Download PDF

Info

Publication number
CN116862999A
CN116862999A CN202311130970.9A CN202311130970A CN116862999A CN 116862999 A CN116862999 A CN 116862999A CN 202311130970 A CN202311130970 A CN 202311130970A CN 116862999 A CN116862999 A CN 116862999A
Authority
CN
China
Prior art keywords
feature point
rotation
matrix
plane
target
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
CN202311130970.9A
Other languages
English (en)
Other versions
CN116862999B (zh
Inventor
祝振敏
卢文全
郑颖琦
詹焱亮
仲金龙
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.)
East China Jiaotong University
Original Assignee
East China Jiaotong University
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 East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN202311130970.9A priority Critical patent/CN116862999B/zh
Publication of CN116862999A publication Critical patent/CN116862999A/zh
Application granted granted Critical
Publication of CN116862999B publication Critical patent/CN116862999B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/85—Stereo camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2016—Rotation, translation, scaling
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种双摄像机三维测量的标定方法、系统、设备和介质，所述方法包括：获取多次移动标靶后得到的多组靶标特征点在双摄像机坐标系下的三维坐标；基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；将所述旋转矩阵和平移矩阵用于通过校正基于多组靶标特征点重建的点云，以实现双摄像机三维测量的标定。本发明根据标定对象上特征点的标准坐标和重建坐标计算校正参数，在实际测量中，校正参数可用于优化和校正重建的点云。

Description

一种双摄像机三维测量的标定方法、系统、设备和介质
技术领域
本发明涉及视觉传感器测量技术领域，具体涉及一种双摄像机三维测量的标定方法、系统、设备和介质。
背景技术
随着工业制造业技术的加速发展，市场主体对视觉测量系统的需求越来越多，大视场对摄像机高精度标定的需求越来越大，一般来说，摄像机越多视场越大，在小范围视场测量只需要用一个摄像机进行标定，多摄像机标定可覆盖视场区域较大，可应用范围较广。多摄像机测量标定系统在大视场中进行测量时，由于视场范围较大、被测物体较大等原因，摄像机之间不存在或只存在很小的重叠视场，多传感器测量系统全局标定是测量数据融合的基础，它将每个传感器的数据转换到相同的全局坐标系下，这种转换关系和传感器内部参数无关，不影响单个传感器的测量数据，但与传感器的空间布局紧密相关，对整个测量系统的精度有很大的影响。因此，如何对非重叠视场的相机进行全局标定且获得较高的标定精度就成为了多摄像机测量标定系统的关键因素之一。
但是，现有的全局标定方法在进行三维测量重建时重建的点云重合度不够、坐标系的线性优化不够精确而导致标定不准的问题。
发明内容
本发明提供一种双摄像机三维测量的标定方法、系统、设备和介质，能够解决现有的全局标定方法在进行三维测量重建时重建的点云重合度不够、坐标系的线性优化不够精确而导致标定不准的问题。为解决上述技术问题，本发明提供如下技术方案：
作为本发明实施例的一个方面，一种双摄像机三维测量的标定方法，包括如下步骤：
获取多次移动标靶后得到的多组靶标特征点在双摄像机坐标系下的三维坐标；其中，所述靶标特征点为投影仪投射条纹投影于刚性连接靶标，再将摄像机拍摄的靶标图像进行靶标特征点计算得到；
基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；
将所述旋转矩阵和平移矩阵用于通过校正基于多组靶标特征点重建的点云，以实现双摄像机三维测量的标定。
可选地，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，包括如下步骤：
获取结构化特征点平面和标准特征点平面之间的平面方程，所述平面方程表示为：
，
其中，A、B、C是平面方程的系数；平面的法向量n表示为：；
计算结构化特征点平面和标准特征点平面之间的旋转角和旋转轴的单位向量；
其中，计算点积公式：
，
其中、/>表示两个平面的法向量，/>是结构化特征点平面和标准特征点平面之间的旋转角；
计算叉积公式，，其中，/>分别是x、y、z轴的单位向量，/>和/>是两个平面方程的系数，/>的值为：
，
得到旋转轴的表达式：
，
计算旋转轴的旋转轴单位向量/>：
，
基于所述旋转角和旋转轴的单位向量/>，根据罗德里格斯旋转公式构造旋转矩阵：
，
其中，为旋转矩阵，I是3阶单位矩阵。
可选地，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，包括如下步骤：
所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得。
可选地，所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得，包括如下步骤：
计算结构化特征点平面和标准特征点平面之间的中心差，所述中心差为平移矩阵：
，
其中，分别是结构化特征点平面和标准特征点平面的中心点；其中为/>的/>轴的最大值，/>、/>为/>的/>轴的最小值，/>为/>的/>轴的最大值，/>、/>为/>的/>轴的最小值。
可选地，校正基于多组靶标特征点重建的点云通过如下公式表示：
，
其中，Δ表示结构化特征点平面和标准特征点平面之间的偏差，p ri 是特征点的重建坐标，p wi 是特征点标准坐标，Rc、Tc是从重建坐标到标准坐标的旋转和平移矩阵。
作为本发明实施例的另一个方面，提供一种双摄像机三维测量的标定系统，包括：
三维坐标获取单元，获取多次移动标靶后得到的多组靶标特征点在双摄
像机坐标系下的三维坐标；其中，所述靶标特征点为投影仪投射条纹投影于刚性连接靶标，再将摄像机拍摄的靶标图像进行靶标特征点计算得到；
旋转平移关系计算单元，基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；
重建标定单元，将所述旋转矩阵和平移矩阵用于通过校正基于多组靶标特征点重建的点云，以实现双摄像机三维测量的标定。
作为本发明实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的双摄像机三维测量的标定方法。
作为本发明实施例的另一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的双摄像机三维测量的标定方法。
相对于现有技术，本发明的有益效果为：
1、由于校准对象的有限精度和计算过程的误差，校准精度受到限制，本发明提出了一种双摄像机三维测量的标定方法与系统，可以根据标定对象上特征点的标准坐标和重建坐标计算校正参数，在实际测量中，校正参数可用于优化和校正重建的点云；
2、本发明通过计算从重建坐标到标准坐标的旋转矩阵和平移矩阵，以便重建结果能够准确地对应于标准坐标系，可以大大提高点云公共区域的重合度，提升双摄像机三维测量的标定精度。
附图说明
图1为实施例1中双摄像机三维测量的标定方法的流程图；
图2为实施例1中步骤S20中的旋转矩阵和平移矩阵的获取流程图；
图3为实施例2中双摄像机三维测量的标定系统框图。
具体实施方式
以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。
可以理解，本发明提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本发明不再赘述。
此外，本发明还提供了一种双摄像机三维测量的标定方法、系统、设备和介质，上述均可用来实现本发明提供的任一种双摄像机三维测量的标定方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
双摄像机三维测量的标定方法的执行主体可以是计算机或者其他能够实现基于双摄像机三维测量的标定系统，例如，方法可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备（User Equipment，UE）、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理（Personal Digital Assistant，PDA）、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该双摄像机三维测量的标定方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
实施例1
作为本发明实施例的一个方面，一种双摄像机三维测量的标定方法，如图1所示，包括如下步骤：
S10、获取多次移动标靶后得到的多组靶标特征点在双摄像机坐标系下的三维坐标；其中，所述靶标特征点为投影仪投射条纹投影于刚性连接靶标，再将摄像机拍摄的靶标图像进行靶标特征点计算得到；
S20、基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；
S30、将所述旋转矩阵和平移矩阵用于通过校正基于多组靶标特征点重建的点云，以实现双摄像机三维测量的标定。
本发明实施例能够根据标定对象上特征点的标准坐标和重建坐标计算校正参数，在实际测量中，校正参数可用于优化和校正重建的点云。还能通过计算从重建坐标到标准坐标的旋转矩阵和平移矩阵，以便重建结果能够准确地对应于标准坐标系，可以大大提高点云公共区域的重合度，提升双摄像机三维测量的标定精度。下面对上述步骤进行详细说明：
S10、获取多次移动标靶后得到的多组靶标特征点在双摄像机坐标系下的三维坐标；其中，所述靶标特征点为投影仪投射条纹投影于刚性连接靶标，再将摄像机拍摄的靶标图像进行靶标特征点计算得到。
其中，双摄像机用于实现双目测量，本实施例中的双摄像机实现的三维测量系统包括两个摄像机（如本实施例采用的FLIR BFS-U3-23S3M-C相机，配备的是HC1605镜头，摄像头分辨率为1920×1200像素），编码结构光由分辨率为912*1140的投影仪投射，图像采集器使用的是计算机安装的Spinview相机驱动软件；立体靶标由非共面的两个平面棋盘格靶标构成，夹角为90°，每个棋盘格由紧密黑白相间的方格组成，成10行7列，每个方格的大小为13mm，调整设备，投影仪投射条纹于刚性连接靶标。采用摄影测量方法将两个平面靶标的位置关系求解出，再将刚性连接靶标在两个摄像机前摆放多次（如10次）；第一摄像机拍摄两个刚性连接靶标的第一子靶标，第二摄像机拍摄两个刚性连接靶标中的第二子靶标；提取子靶标特征点的图像坐标，得到多组靶标特征点在双摄像机坐标系下的三维坐标。
S20、基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；
其中，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，如图2所示，包括如下步骤：
S201、获取结构化特征点平面和标准特征点平面之间的平面方程，所述平面方程表示为：
，
其中，A、B、C是平面方程的系数；平面的法向量n表示为：；
其中，结构化特征点平面和标准特征点平面用最小二乘法进行匹配拟合，结构化特征点平面被称为重建平面，标准特征点平面被称为参考平面，因此，两组点云之间的旋转和平移是两组点云之间的位移关系，可以转换为两个平面之间的旋转-平移关系。
S203、计算结构化特征点平面和标准特征点平面之间的旋转角和旋转轴的单位向量；
其中，计算点积公式：
，
其中，、/>表示两个平面的法向量，/>是结构化特征点平面和标准特征点平面之间的旋转角；
计算叉积公式，两个向量的叉积的结果是两个向量形成的平面的法向量，，其中，/>分别是x、y、z轴的单位向量，和/>是两个平面方程的系数，/>的值为：
，
得到旋转轴的表达式：
，
计算旋转轴的旋转轴单位向量/>：
，
S205、基于所述旋转角和旋转轴的单位向量/>，根据罗德里格斯旋转公式构造旋转矩阵：
，
其中，为旋转矩阵，I是3阶单位矩阵。
作为一种可选的实施例，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，包括如下步骤：
所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得。由于拟合平面是有限的，采用该种方式获得的平移矩阵能够足够客观的反映点云重建时的需要做到的重合度。
作为一种优选的实施例，所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得，包括如下步骤：
计算结构化特征点平面和标准特征点平面之间的中心差，所述中心差为平移矩阵：
，
其中，分别是结构化特征点平面和标准特征点平面的中心点；其中为/>的/>轴的最大值，/>、/>为/>的/>轴的最小值，/>为/>的/>轴的最大值，/>、/>为/>的/>轴的最小值。例如，本实施例通过计算S10中设置的系统以及采集的数据，计算得到的左右两侧结构光测量系统两个平面之间参数如表1所示：
表1 左右两侧结构光测量系统两个平面之间参数
作为一种可选的实施方式，校正基于多组靶标特征点重建的点云通过如下公式表示：
，
其中，Δ表示结构化特征点平面和标准特征点平面之间的偏差，p ri 是特征点的重建坐标，p wi 是特征点标准坐标，Rc、Tc是从重建坐标到标准坐标的旋转和平移矩阵。
其中，再结合预先标定的参数，可以得到摄像机、投影仪与被测物体的空间位置关系，维纳斯石膏用于实验，该模型由系统重建，左右测量单元获得的点云由于自遮挡，每一侧的点云都不完整，由于3D校准对象用于全局标定，因此两个测量单元已经在公共坐标系中，这两组点云合并为整个点云，无需任何其他过程，公共区域仍然存在偏差，因此两组点云不能重叠，上面获得的旋转和平移矩阵应用于两组点云作为校正，经过修正后，公共区域两点云的重合度大大提高，鼻尖明显的分层得到改善，结果表明，提出的方法可以有效地提高测量云的精度和系统的实用性，经过校正后，误差急剧减小，表2显示了误差的RMS值，结果表明，所提出的校正方法可以有效地减少重建结果并提高完整点云的精度。
表2 误差的RMS值
实施例2
作为本发明实施例的另一个方面，还提供一种双摄像机三维测量的标定系统100，如图3所示，包括：
三维坐标获取单元1，获取多次移动标靶后得到的多组靶标特征点在双摄
像机坐标系下的三维坐标；其中，所述靶标特征点为投影仪投射条纹投影于刚性连接靶标，再将摄像机拍摄的靶标图像进行靶标特征点计算得到；
旋转平移关系计算单元2，基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；
重建标定单元3，将所述旋转矩阵和平移矩阵用于通过校正基于多组靶标特征点重建的点云，以实现双摄像机三维测量的标定。
基于上述模块本发明实施例能够根据标定对象上特征点的标准坐标和重建坐标计算校正参数，在实际测量中，校正参数可用于优化和校正重建的点云。还能通过计算从重建坐标到标准坐标的旋转矩阵和平移矩阵，以便重建结果能够准确地对应于标准坐标系，可以大大提高点云公共区域的重合度，提升双摄像机三维测量的标定精度。下面对上述步骤进行详细说明：
三维坐标获取单元1中，双摄像机用于实现双目测量，本实施例中的双摄像机实现的三维测量系统包括两个摄像机（如本实施例采用的FLIR BFS-U3-23S3M-C相机，配备的是HC1605镜头，摄像头分辨率为1920×1200像素），编码结构光由分辨率为912*1140的投影仪投射，图像采集器使用的是计算机安装的Spinview相机驱动软件；立体靶标由非共面的两个平面棋盘格靶标构成，夹角为90°，每个棋盘格由紧密黑白相间的方格组成，成10行7列，每个方格的大小为13mm，调整设备，投影仪投射条纹于刚性连接靶标。采用摄影测量方法将两个平面靶标的位置关系求解出，再将刚性连接靶标在两个摄像机前摆放多次（如10次）；提取子靶标特征点的图像坐标，得到多组靶标特征点在双摄像机坐标系下的三维坐标。
旋转平移关系计算单元2中，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，包括：
获取结构化特征点平面和标准特征点平面之间的平面方程，所述平面方程表示为：
，
其中，A、B、C是平面方程的系数；平面的法向量n表示为：；
其中，结构化特征点平面和标准特征点平面用最小二乘法进行匹配拟合，结构化特征点平面被称为重建平面，标准特征点平面被称为参考平面，因此，两组点云之间的旋转和平移是两组点云之间的位移关系，可以转换为两个平面之间的旋转-平移关系。
计算结构化特征点平面和标准特征点平面之间的旋转角和旋转轴的单位向量；
其中，计算点积公式：
，
其中，、/>表示两个平面的法向量，/>是结构化特征点平面和标准特征点平面之间的旋转角；
计算叉积公式，两个向量的叉积的结果是两个向量形成的平面的法向量，，其中，/>分别是x、y、z轴的单位向量，和/>是两个平面方程的系数，/>的值为：
，
得到旋转轴的表达式：
，
计算旋转轴的旋转轴单位向量/>：
，
基于所述旋转角和旋转轴的单位向量/>，根据罗德里格斯旋转公式构造旋转矩阵：
，
其中，为旋转矩阵，I是3阶单位矩阵。
作为一种可选的实施例，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，包括：
所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得。由于拟合平面是有限的，采用该种方式获得的平移矩阵能够足够客观的反映点云重建时的需要做到的重合度。
作为一种优选的实施例，所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得，包括：
计算结构化特征点平面和标准特征点平面之间的中心差，所述中心差为平移矩阵：
，
其中，分别是结构化特征点平面和标准特征点平面的中心点；其中为/>的/>轴的最大值，/>、/>为/>的/>轴的最小值，/>为/>的/>轴的最大值，/>、/>为/>的/>轴的最小值。
重建标定单元3中，校正基于多组靶标特征点重建的点云通过如下公式表示：
，
其中，Δ表示结构化特征点平面和标准特征点平面之间的偏差，p ri 是特征点的重建坐标，p wi 是特征点标准坐标，Rc、Tc是从重建坐标到标准坐标的旋转和平移矩阵。
其中，再结合预先标定的参数，可以得到摄像机、投影仪与被测物体的空间位置关系，维纳斯石膏用于实验，该模型由系统重建，左右测量单元获得的点云由于自遮挡，每一侧的点云都不完整，由于3D校准对象用于全局标定，因此两个测量单元已经在公共坐标系中，这两组点云合并为整个点云，无需任何其他过程，公共区域仍然存在偏差，因此两组点云不能重叠，上面获得的旋转和平移矩阵应用于两组点云作为校正，经过修正后，公共区域两点云的重合度大大提高，鼻尖明显的分层得到改善，结果表明，提出的方法可以有效地提高测量云的精度和系统的实用性，经过校正后，误差急剧减小，结果表明，所提出的校正方法可以有效地减少重建结果并提高完整点云的精度。
实施例3
本实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1中的双摄像机三维测量的标定方法。
本发明实施例3仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
电子设备可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备的组件可以包括但不限于：至少一个处理器、至少一个存储器、连接不同系统组件（包括存储器和处理器）的总线。
总线包括数据总线、地址总线和控制总线。
存储器可以包括易失性存储器，例如随机存取存储器（RAM）和/或高速缓存存储器，还可以进一步包括只读存储器（ROM）。
存储器还可以包括具有一组（至少一个）程序模块的程序工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器通过运行存储在存储器中的计算机程序，从而执行各种功能应用以及数据处理。
电子设备也可以与一个或多个外部设备（例如键盘、指向设备等）通信。这种通信可以通过输入/输出（I/O）接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器通过总线与电子设备的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID（磁盘阵列）系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述程序被处理器执行时实现实施例1中的双摄像机三维测量的标定方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1中所述的双摄像机三维测量的标定方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种双摄像机三维测量的标定方法，其特征在于，包括如下步骤：
获取多次移动标靶后得到的多组靶标特征点在双摄像机坐标系下的三维坐标；其中，所述靶标特征点为投影仪投射条纹投影于刚性连接靶标，再将摄像机拍摄的靶标图像进行靶标特征点计算得到；
基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；
将所述旋转矩阵和平移矩阵用于通过校正基于多组靶标特征点重建的点云，以实现双摄像机三维测量的标定。
2.如权利要求1所述的双摄像机三维测量的标定方法，其特征在于，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，包括如下步骤：
获取结构化特征点平面和标准特征点平面之间的平面方程，所述平面方程表示为：
，
其中，A、B、C是平面方程的系数；平面的法向量n表示为：；
计算结构化特征点平面和标准特征点平面之间的旋转角和旋转轴的单位向量；
其中，计算点积公式：
，
其中、/>表示两个平面的法向量，/>是结构化特征点平面和标准特征点平面之间的旋转角；
计算叉积公式，，其中，/>分别是x、y、z轴的单位向量，/>和/>是两个平面方程的系数，/>的值为：
，
得到旋转轴的表达式：
，
计算旋转轴的旋转轴单位向量/>：
，
基于所述旋转角和旋转轴的单位向量/>，根据罗德里格斯旋转公式构造旋转矩阵：
，
其中，为旋转矩阵，I是3阶单位矩阵。
3.如权利要求1所述的双摄像机三维测量的标定方法，其特征在于，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵，包括如下步骤：
所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得。
4.如权利要求3所述的双摄像机三维测量的标定方法，其特征在于，所述平移矩阵为结构化特征点平面和标准特征点平面之间中心差来计算获得，包括如下步骤：
计算结构化特征点平面和标准特征点平面之间的中心差，所述中心差为平移矩阵：
，
其中，分别是结构化特征点平面和标准特征点平面的中心点；其中为/>的/>轴的最大值，/>、/>为/>的/>轴的最小值，/>为/>的/>轴的最大值，/>、/>为/>的轴的最小值。
5.如权利要求1-4任一项所述的双摄像机三维测量的标定方法，其特征在于，校正基于多组靶标特征点重建的点云通过如下公式表示：
，
其中，Δ表示结构化特征点平面和标准特征点平面之间的偏差，p ri 是特征点的重建坐标，p wi 是特征点标准坐标，Rc、Tc是从重建坐标到标准坐标的旋转和平移矩阵。
6.一种双摄像机三维测量的标定系统，其特征在于，包括：
三维坐标获取单元，获取多次移动标靶后得到的多组靶标特征点在双摄像机坐标系下的三维坐标；其中，所述靶标特征点为投影仪投射条纹投影于刚性连接靶标，再将摄像机拍摄的靶标图像进行靶标特征点计算得到；
旋转平移关系计算单元，基于所述三维坐标，根据刚性连接靶标的空间约束特性得到双摄像机之间的旋转矩阵和平移矩阵；其中，旋转矩阵和平移矩阵为所述多组靶标特征点拟合后形成的结构化特征点平面和标准特征点平面之间的旋转平移关系；
重建标定单元，将所述旋转矩阵和平移矩阵用于通过校正基于多组靶标特征点重建的点云，以实现双摄像机三维测量的标定。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的双摄像机三维测量的标定方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至5任一项所述的双摄像机三维测量的标定方法。
CN202311130970.9A 2023-09-04 2023-09-04 一种双摄像机三维测量的标定方法、系统、设备和介质 Active CN116862999B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311130970.9A CN116862999B (zh) 2023-09-04 2023-09-04 一种双摄像机三维测量的标定方法、系统、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311130970.9A CN116862999B (zh) 2023-09-04 2023-09-04 一种双摄像机三维测量的标定方法、系统、设备和介质

Publications (2)

Publication Number Publication Date
CN116862999A true CN116862999A (zh) 2023-10-10
CN116862999B CN116862999B (zh) 2023-12-08

Family

ID=88230821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311130970.9A Active CN116862999B (zh) 2023-09-04 2023-09-04 一种双摄像机三维测量的标定方法、系统、设备和介质

Country Status (1)

Country Link
CN (1) CN116862999B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170032565A1 (en) * 2015-07-13 2017-02-02 Shenzhen University Three-dimensional facial reconstruction method and system
CN107063129A (zh) * 2017-05-25 2017-08-18 西安知象光电科技有限公司 一种阵列式并行激光投影三维扫描方法
CN108010085A (zh) * 2017-11-30 2018-05-08 西南科技大学 基于双目可见光相机与热红外相机的目标识别方法
CN111189416A (zh) * 2020-01-13 2020-05-22 四川大学 基于特征相位约束的结构光360°三维面形测量方法
CN111981982A (zh) * 2020-08-21 2020-11-24 北京航空航天大学 一种基于加权sfm算法的多向合作靶标光学测量方法
AU2020103301A4 (en) * 2020-11-06 2021-01-14 Sichuan University Structural light 360-degree three-dimensional surface shape measurement method based on feature phase constraints
CN113963068A (zh) * 2021-10-25 2022-01-21 季华实验室 一种镜像式单像机全向立体视觉传感器全局标定方法
JP2022039906A (ja) * 2020-08-28 2022-03-10 中国計量大学 マルチセンサによる複合キャリブレーション装置及び方法
CN115797461A (zh) * 2022-11-11 2023-03-14 中国消防救援学院 基于双目视觉的火焰空间定位系统标定与校正方法
WO2023045147A1 (zh) * 2021-09-24 2023-03-30 上海闻泰电子科技有限公司 双目摄像机的标定方法、系统、电子设备和存储介质
CN116363226A (zh) * 2023-03-23 2023-06-30 武汉科技大学 一种实时的多相机多投影仪3d成像处理方法及装置
CN116433843A (zh) * 2023-04-14 2023-07-14 国网河北省电力有限公司经济技术研究院 基于双目视觉重建路线的三维模型重建方法及装置
CN116681827A (zh) * 2023-05-31 2023-09-01 北京航空航天大学 一种基于多监视相机和点云融合的无缺陷三维点云重建方法及其装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170032565A1 (en) * 2015-07-13 2017-02-02 Shenzhen University Three-dimensional facial reconstruction method and system
CN107063129A (zh) * 2017-05-25 2017-08-18 西安知象光电科技有限公司 一种阵列式并行激光投影三维扫描方法
CN108010085A (zh) * 2017-11-30 2018-05-08 西南科技大学 基于双目可见光相机与热红外相机的目标识别方法
CN111189416A (zh) * 2020-01-13 2020-05-22 四川大学 基于特征相位约束的结构光360°三维面形测量方法
CN111981982A (zh) * 2020-08-21 2020-11-24 北京航空航天大学 一种基于加权sfm算法的多向合作靶标光学测量方法
JP2022039906A (ja) * 2020-08-28 2022-03-10 中国計量大学 マルチセンサによる複合キャリブレーション装置及び方法
AU2020103301A4 (en) * 2020-11-06 2021-01-14 Sichuan University Structural light 360-degree three-dimensional surface shape measurement method based on feature phase constraints
WO2023045147A1 (zh) * 2021-09-24 2023-03-30 上海闻泰电子科技有限公司 双目摄像机的标定方法、系统、电子设备和存储介质
CN113963068A (zh) * 2021-10-25 2022-01-21 季华实验室 一种镜像式单像机全向立体视觉传感器全局标定方法
CN115797461A (zh) * 2022-11-11 2023-03-14 中国消防救援学院 基于双目视觉的火焰空间定位系统标定与校正方法
CN116363226A (zh) * 2023-03-23 2023-06-30 武汉科技大学 一种实时的多相机多投影仪3d成像处理方法及装置
CN116433843A (zh) * 2023-04-14 2023-07-14 国网河北省电力有限公司经济技术研究院 基于双目视觉重建路线的三维模型重建方法及装置
CN116681827A (zh) * 2023-05-31 2023-09-01 北京航空航天大学 一种基于多监视相机和点云融合的无缺陷三维点云重建方法及其装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHENMIN ZHU 等: "Three-dimensional measurement of fringe projection based on the camera response function of the quantified exposure time", 《MEASUREMENT SCIENCE AND TECHNOLOGY》 *
占栋;于龙;肖建;陈唐龙;: "多摄像机结构光大视场测量中全局标定方法研究", 仪器仪表学报, no. 04 *
李肖;葛宝臻;罗其俊;李云鹏;田庆国;: "自由双目立体视觉摄像机动态外参数的获取", 计算机应用, no. 10 *

Also Published As

Publication number Publication date
CN116862999B (zh) 2023-12-08

Similar Documents

Publication Publication Date Title
CN105096329B (zh) 一种精确校正超广角摄像头图像畸变的方法
CN110296691B (zh) 融合imu标定的双目立体视觉测量方法与系统
CN108510551B (zh) 一种远距离大视场条件下相机参数的标定方法及系统
Wei et al. Implicit and explicit camera calibration: Theory and experiments
CN110345921B (zh) 立体视场视觉测量及垂轴像差和轴向像差校正方法及系统
WO2018201677A1 (zh) 基于光束平差的远心镜头三维成像系统的标定方法及装置
Frahm et al. Pose estimation for multi-camera systems
CN112229323B (zh) 基于手机单目视觉的棋盘格合作目标的六自由度测量方法及其应用
CN109272555B (zh) 一种rgb-d相机的外部参数获得及标定方法
CN109544642B (zh) 一种基于n型靶标的tdi-ccd相机参数标定方法
Resch et al. On-site semi-automatic calibration and registration of a projector-camera system using arbitrary objects with known geometry
CN114299156A (zh) 无重叠区域下多相机的标定与坐标统一方法
Gong et al. High-precision calibration of omnidirectional camera using an iterative method
CN114332247A (zh) 多目视觉测量的标定方法及装置、存储介质和摄像设备
CN116862999B (zh) 一种双摄像机三维测量的标定方法、系统、设备和介质
Oniga et al. Metric and Non-Metric Cameras Calibration for the Improvement of Real-Time Monitoring Process Results.
CN115375773A (zh) 单目激光散斑投影系统的外参数标定方法和相关装置
CN115719387A (zh) 3d相机标定方法、点云图像获取方法及相机标定系统
CN113034615B (zh) 一种用于多源数据融合的设备标定方法及相关装置
CN112927299B (zh) 标定方法、装置及电子设备
CN111145268B (zh) 一种视频注册方法及装置
KR20190001728A (ko) 증강현실 기반 자세 측정 장치 및 방법
CN110956667B (zh) 基于近似平面靶的摄像机自标定方法及系统
Duan et al. A Simple and Efficient Method for Radial Distortion Estimation by Relative Orientation
Elamsy et al. A new method for linear affine self-calibration of stationary zooming stereo cameras

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