CN116958146B - 3d点云的采集方法及装置、电子装置 - Google Patents
3d点云的采集方法及装置、电子装置 Download PDFInfo
- Publication number
- CN116958146B CN116958146B CN202311217567.XA CN202311217567A CN116958146B CN 116958146 B CN116958146 B CN 116958146B CN 202311217567 A CN202311217567 A CN 202311217567A CN 116958146 B CN116958146 B CN 116958146B
- Authority
- CN
- China
- Prior art keywords
- defect
- camera
- point
- coordinates
- point cloud
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000007547 defect Effects 0.000 claims abstract description 234
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000003287 optical effect Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000001154 acute effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种3D点云的采集方法及装置、电子装置,其中,该方法包括:获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;根据所述三维缺陷坐标计算3D相机的点位姿态;控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云,通过本发明实施例,解决了相关技术中根据2D相机不能引导3D相机同步采集的技术问题,3D相机在引导的点位姿态再次进行3D点云采集,并与2D相机采集的缺陷图像进行交叉复检,提高了缺陷检测的准确性、可靠性。
Description
技术领域
本发明涉及机器视觉和工业机器人技术领域,具体而言,涉及一种3D点云的采集方法及装置、电子装置。
背景技术
工业生产过程中,工件不可避免会因为生产工艺的限制,而偶发性的产生各种表面缺陷,相关技术中,已经逐渐有了通过机械臂携带二维工业相机采集工件表面图像搭配AI检测提供人工肉眼检测的解决方案,该方案检测效果稳定,且效率更高。但是每个缺陷往往都有其具体尺寸指标,尤其是仅靠二维图像无法获得深度方向的值,所以在许多场景下需要三维相机协助复检,但高精度的三维相机视野小,无法自行到合适的点位进行采集,需要二维相机引导三维相机到合适的点位进行采集,但二维相机缺少三维信息,无法通过二维相机对复杂表面的物体进行机械臂引导,需要用户手动调整机械臂来调整3D相机的采集点位,由于工业产品中大部分零部件都是外观复杂的,针对外观复杂的零部件,手动调整效率低,无法保证准确性,相关技术点云采集质量较差,可靠性低,安全性差。
针对相关技术中存在的上述问题,暂未发现高效且准确的解决方案。
发明内容
本发明提供了一种3D点云的采集方法及装置、电子装置,以解决相关技术中存在的上述技术问题。
根据本发明的一个实施例,提供了一种3D点云的采集方法,其特征在于,包括:获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;根据所述三维缺陷坐标计算3D相机的点位姿态;控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云。
可选地,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标,包括:确定所述2D相机在识别所述缺陷图像时的光心坐标,以及确定所述缺陷图像的缺陷中心坐标;基于所述2D相机的内参标定得到所述2D相机的焦距和主点坐标;根据所述焦距和所述主点坐标计算所述缺陷中心坐标在相平面坐标系的中间三维坐标。根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标。
可选地,根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标包括:根据所述光心坐标和所述中间三维坐标生成直线方程;计算所述2D相机的解析度;根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集;在所述临时点集中选择目标点,并将所述目标点的坐标确定为三维缺陷坐标。
可选地,根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集包括:针对所述标准数字模型点云中的每个模型点,计算所述模型点与所述直线方程之间的投影距离;判断所述投影距离是否小于所述解析度;若所述投影距离小于所述解析度,将对应模型点添加至与所述缺陷中心坐标匹配的所述临时点集。
可选地,在所述临时点集中选择目标点包括:计算所述临时点集中每个临时点与所述光心坐标之间的第一直线距离,得到所有临时点的第一直线距离集合;在所述第一直线距离集合中选择最小直线距离;将所述最小直线距离对应的指定临时点坐标确定为目标点。
可选地,根据所述三维缺陷坐标计算所述3D相机的点位姿态包括:针对所述标准数字模型点云中的每个模型点,计算所述模型点到所述三维缺陷坐标的第二直线距离;判断所述第二直线距离是否小于指定阈值;将所述标准数字模型点云中所述第二直线距离小于所述指定阈值的模型点添加至平面点集;采用所述平面点集拟合生成平面方程,并计算所述平面方程的法向量;确定所述3D相机在统一坐标系中的单位垂直向量,其中,所述单位垂直向量是在z轴为单位长度,x轴和y轴为0的向量;根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角;采用所述三维缺陷坐标和所述姿态角生成所述3D相机的点位姿态。
可选地,根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角包括:计算所述法向量与所述单位垂直向量之间的第一夹角;判断所述第一夹角是否为锐角;若所述第一夹角为锐角,将所述法向量转化为姿态角;若所述第一夹角为直角或钝角,将所述法向量取反,将取反后的法向量转化为姿态角。
可选地,在控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云之后,所述方法还包括:获取所述3D点云的点云中心坐标; 判断所述点云中心坐标与所述三维缺陷坐标是否相同;若所述点云中心坐标与所述三维缺陷坐标相同,采用所述3D点云计算所述目标工件的缺陷位置的深度信息;若所述点云中心坐标与所述三维缺陷坐标不相同,确定所述缺陷图像为误检结果。
根据本发明的另一个实施例,提供了一种3D点云的采集装置,包括:获取模块,用于获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;转化模块,用于获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;计算模块,用于根据所述三维缺陷坐标计算3D相机的点位姿态;采集模块,用于控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云。
可选地,所述转化模块包括:确定子模块,用于确定所述2D相机在识别所述缺陷图像时的光心坐标,以及确定所述缺陷图像的缺陷中心坐标;处理子模块,用于基于所述2D相机的内参标定得到所述2D相机的焦距和主点坐标;计算子模块,用于根据所述焦距和所述主点坐标计算所述缺陷中心坐标在相平面坐标系的中间三维坐标;查找子模块,用于根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标。
可选地,所述查找子模块包括:生成单元,用于根据所述光心坐标和所述中间三维坐标生成直线方程;计算单元,用于计算所述2D相机的解析度;查找单元,用于根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集;选择单元,用于在所述临时点集中选择目标点,并将所述目标点的坐标确定为三维缺陷坐标。
可选地,所述查找单元包括:第一计算子单元,用于针对所述标准数字模型点云中的每个模型点,计算所述模型点与所述直线方程之间的投影距离;判断子单元,用于判断所述投影距离是否小于所述解析度;匹配子单元,用于若所述投影距离小于所述解析度,将对应模型点添加至与所述缺陷中心坐标匹配的所述临时点集。
可选地,所述选择单元包括,第二计算子单元,用于计算所述临时点集中每个临时点与所述光心坐标之间的第一直线距离,得到所有临时点的第一直线距离集合;选择子单元,用于在所述第一直线距离集合中选择最小直线距离;确定子单元,用于将所述最小直线距离对应的指定临时点坐标确定为目标点。
可选地,所述计算模块包括,第一计算子模块,用于针对所述标准数字模型点云中的每个模型点,计算所述模型点到所述三维缺陷坐标的第二直线距离;判断子模块,用于判断所述第二直线距离是否小于指定阈值;添加子模块,用于将所述标准数字模型点云中所述第二直线距离小于所述指定阈值的模型点添加至平面点集;拟合子模块,用于采用所述平面点集拟合生成平面方程,并计算所述平面方程的法向量;确定子模块,用于确定所述3D相机在统一坐标系中的单位垂直向量,其中,所述单位垂直向量是在z轴为单位长度,x轴和y轴为0的向量;第二计算子模块,用于根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角;生成子模块,用于采用所述三维缺陷坐标和所述姿态角生成所述3D相机的点位姿态。
可选地,所述第二计算子模块包括:计算单元,用于计算所述法向量与所述单位垂直向量之间的第一夹角;判断单元,用于判断所述第一夹角是否为锐角;第一转化单元,用于若所述第一夹角为锐角,将所述法向量转化为姿态角;第二转化单元,用于若所述第一夹角为直角或钝角,将所述法向量取反,将取反后的法向量转化为姿态角。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项装置实施例中的步骤。
通过本发明实施例,获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;根据所述三维缺陷坐标计算3D相机的点位姿态;控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云,通过获取标准数字模型点云,将得到的目标工件缺陷位置的缺陷图像的二维缺陷坐标转化为三维缺陷坐标,然后根据所述三维缺陷坐标计算得到3D相机的采集点位姿态,最后控制3D相机在采集点位姿态采集3D点云,采用2D相机采集的缺陷图像引导3D相机的点位姿态,解决了相关技术中根据2D相机不能引导3D相机同步采集的技术问题,3D相机在引导的点位姿态再次进行3D点云采集,并与2D相机采集的缺陷图像进行交叉复检,提高了缺陷检测的准确性、可靠性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种控制器的硬件结构框图;
图2是根据本发明实施例的一种3D点云的采集方法的流程图;
图3是根据本发明实施例的一种3D点云的采集方法的流程示意图;
图4是根据本发明实施例的一种3D点云的采集装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请的一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本申请实施例一所提供的方法实施例可以在控制器、机械臂、工业机器人或者类似的运算装置中执行。以运行在控制器上为例,图1是本发明实施例的一种控制器的硬件结构框图。如图1所示,控制器可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述控制器还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述控制器的结构造成限定。例如,控制器还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储控制器程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种3D点云的采集方法对应的控制器程序,处理器102通过运行存储在存储器104内的控制器程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至控制器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括控制器的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种3D点云的采集方法,图2是根据本发明实施例的3D点云的采集方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;
可选地,目标工件放置于检测台上位于大视野的2D相机的有效视野内(可人工放置,也可机械臂自动上料,也可传送带来料),2D相机识别目标工件的缺陷位置的缺陷图像,缺陷图像是2D图像,所述缺陷图像的二维缺陷坐标为图像缺陷的缺陷中心的像素坐标(w,h),其中h为当前像素的行数,w为当前像素的列数。
步骤S204,获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;
可选地,标准数字模型点云是从目标工件的供应商得到的3D标准数模点云T。
步骤S206,根据所述三维缺陷坐标计算3D相机的点位姿态;
本实施例的2D相机可独立于机械臂外安装,也可安装于机械臂末端,但都需要与机械臂做手眼标定统一坐标系,3D相机可以安装在可以灵活移动的机械臂上,机械臂携带3D相机以合适的点位姿态进行3D点云采集。
步骤S208,控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云。
可选地,所述3D相机安装于机械臂末端,与机械臂做好手眼标定统一坐标系,机械臂用于携带3D相机在所述点位姿态采集3D点云。
通过以上步骤,获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;根据所述三维缺陷坐标计算3D相机的点位姿态;控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云,通过获取标准数字模型点云,将得到的目标工件缺陷位置的缺陷图像的二维缺陷坐标转化为三维缺陷坐标,然后根据所述三维缺陷坐标计算得到3D相机的采集点位姿态,最后控制3D相机在采集点位姿态采集3D点云,采用2D相机采集的缺陷图像引导3D相机的点位姿态,解决了相关技术中根据2D相机不能引导3D相机同步采集的技术问题,3D相机在引导的点位姿态再次进行3D点云采集,并与2D相机采集的缺陷图像进行交叉复检,提高了缺陷检测的准确性、可靠性。
在本实施例中,默认所有坐标系已经通过手眼标定转换为统一的机械臂的base(底座)坐标系,还需要对3D相机与被引导处的变换矩阵M进行预先求取,求取一次后可在后续的工作过程中一直使用直到3D相机安装位置发生变化。
可选地,预选求取方法为人工操控3D相机至一个采集点位对着墙壁、地板或其他不透明平整物体,记录当前机械臂姿态为r0,然后3D相机采集场景点云得到点云S(分辨率H*W),计算点云S的中点坐标并计算其法向量,法向量计算方法与后续相同,将法向量转为角度后,可得到带方向的点云中点(H/2,W/2)的6D坐标,/>,/>,/>,/>,/>),将r0和/>转为4x4的矩阵形式后,求得/>。
在本实施例中,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标,包括:
S11,确定所述2D相机在识别所述缺陷图像时的光心坐标,以及确定所述缺陷图像的缺陷中心坐标;
可选地,2D相机的光心通常位于相机的成像平面(图像传感器或胶片)的中心,它是一个虚拟的点,表示光线通过相机镜头时的交汇点。光心的确切位置可以因相机的制造商和型号而异,但通常位于图像中心,本实施例的2D相机需要与机械臂做手眼标定统一坐标系。
S12,基于所述2D相机的内参标定得到所述2D相机的焦距和主点坐标;
可选地,所述内参标定使用标定算法(例如张正友标定法或Tsai-Lenz模型),根据图像坐标和物体坐标之间的对应关系,估计相机的内部参数。
在一个示例中,所述2D相机的焦距为fx和fy,所述主点坐标为(cx,cy)。
S13,根据所述焦距和所述主点坐标计算所述缺陷中心坐标在相平面坐标系的中间三维坐标;
基于上述示例,所述中间三维坐标为((w-cx/fx),(h-cy)/fy,z),如果是在2D相机坐标系下坐参考时,像平面上所有点z值为1,但这里因为已经通过手眼标定将3D相机统一至机械臂base坐标系,所以z值在机械臂处于不同点位时不同。
S14,根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标。
在本实施例中,根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标包括:根据所述光心坐标和所述中间三维坐标生成直线方程;计算所述2D相机的解析度;根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集;在所述临时点集中选择目标点,并将所述目标点的坐标确定为三维缺陷坐标。
可选地,所述解析度是2D工业相机每个像素的实际物理宽度,一般用拍摄的实际长度除以图像分辨率的高近似得到,计算解析度适用于查找与所述缺陷中心坐标匹配的临时点集,根据目标点集选择目标点,最终确定三维缺陷坐标。
一个示例中,根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集包括:针对所述标准数字模型点云中的每个模型点,计算所述模型点与所述直线方程之间的投影距离;判断所述投影距离是否小于所述解析度;若所述投影距离小于所述解析度,将对应模型点添加至与所述缺陷中心坐标匹配的所述临时点集。
对于标准数字模型的每个点,首先判断其是否小于解析度,如果不满足则跳过该点,如果满足,则将/>加入临时集合Y中。
一个示例中,在所述临时点集中选择目标点包括:计算所述临时点集中每个临时点与所述光心坐标之间的第一直线距离,得到所有临时点的第一直线距离集合;在所述第一直线距离集合中选择最小直线距离;将所述最小直线距离对应的指定临时点坐标确定为目标点。
对于临时集合Y中的每个点,通过两点间距离公式计算其与光心的距离,取最终最小的结果的对应点记为/>,表示该目标点为该像素的直接观测到工件的表面缺陷在数模中的三维点位。
在本实施例中,根据所述三维缺陷坐标计算所述3D相机的点位姿态包括:
S21,针对所述标准数字模型点云中的每个模型点,计算所述模型点到所述三维缺陷坐标的第二直线距离;
S22,判断所述第二直线距离是否小于指定阈值;
可选地,所述指定阈值为5mm,对于距离测量的精度有更高要求或者要求不同的数据质量和噪声水平,可以调整阈值。
已经找到了图像中的缺陷中心像素在数模中对应的三维点,接下来需要求取该点的法线方向,对数模点云T每个点/>,/>,/>)再次遍历,计算/>的三维坐标与目标点的三维缺陷坐标之间的欧氏距离,如果小于指定阈值,则加入平面点集Z中。
S23,将所述标准数字模型点云中所述第二直线距离小于所述指定阈值的模型点添加至平面点集;
S24,采用所述平面点集拟合生成平面方程,并计算所述平面方程的法向量;
可选地,采用最小二乘法拟合生成平面方程Ax+By+Cz+D=0;其中A= (Σ(x_i * y_i) - (Σx_i) * (Σy_i)) / (Σ(x_i^2) - (Σx_i)^2),B= (Σ(x_i * z_i) - (Σx_i)* (Σz_i)) / (Σ(x_i^2) - (Σx_i)^2),C= mean(z_i) - a * mean(x_i) - b * mean(y_i),D为常数,其中,Σ表示求和,mean 表示求平均值,(x_i, y_i, z_i) 是平面点i的坐标。
S25,确定所述3D相机在统一坐标系中的单位垂直向量,其中,所述单位垂直向量是在z轴为单位长度,x轴和y轴为0的向量;
可选地,单位长度为1,所述单位垂直向量为(0,0,1)。
S26,根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角;
一个示例中,根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角包括:计算所述法向量与所述单位垂直向量之间的第一夹角;判断所述第一夹角是否为锐角;若所述第一夹角为锐角,将所述法向量转化为姿态角;若所述第一夹角为直角或钝角,将所述法向量取反,将取反后的法向量转化为姿态角。
可选地,所述法向量为(A,B,C),所述第一夹角为,计算第一夹角/>的公式为。
平面方程中的A、B、C组成的向量n(A,B,C)即为法线向量,但其可能方向指向地面,需要与机械臂底座的垂直向上的向量(0,0,1)计算夹角是否为锐角,如果是锐角则满足需求,否则法线向量需变为n(-A,-B,-C),实现对法线向量的反向操作。
S27,采用所述三维缺陷坐标和所述姿态角生成所述3D相机的点位姿态。
一个示例中,所述点位姿态为6d坐标(x,y,z,Rx,Ry,Rz),其中x,y,z为所述三维缺陷坐标,Rx,Ry,Rz为姿态角转化的坐标。通过利用准备工作中求得的变换矩阵M,与转为4x4矩阵的,求得机械臂点位4x4矩阵为r=M*/>,将r转为6d坐标形式,即机械臂需要携带3d相机前往的点位姿态。在预先的准备阶段,还需要对3D相机与被引导处的变换矩阵M进行预先求取,求取一次后可在后续的工作过程中一直使用直到3D相机安装位置发生变化。通过人工操控3D相机至一个采集点位对着墙壁、地板或其他不透明平整物体,记录当前机械臂姿态为r0,然后3D相机采集场景点云得到点云S(分辨率H*W),计算点云S的中点坐标并计算其法向量,将法向量转为角度后,可得到带方向的点云中点(H/2,W/2)的6D坐标,/>,/>,/>,/>,/>),将r0和/>转为4x4的矩阵形式后,求得M=r0*/>。
在本实施例中,在控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云之后,还包括:获取所述3D点云的点云中心坐标;判断所述点云中心坐标与所述三维缺陷坐标是否相同;若所述点云中心坐标与所述三维缺陷坐标相同,采用所述3D点云计算所述目标工件的缺陷位置的深度信息;若所述点云中心坐标与所述三维缺陷坐标不相同,确定所述缺陷图像为误检结果。
一个示例中,所述3D点云的点云中心坐标为(H/2,W/2),H为缺陷图像的像素行数,W为缺陷图像的像素列数。
图3是根据本发明实施例的3D点云的采集方法的流程示意图,如图3所示,该流程包括如下步骤:2D相机识别到被测物体表面缺陷;获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;根据所述缺陷图像的二维缺陷坐标求得所述缺陷位置的三维缺陷坐标和法向量;根据所述三维缺陷坐标和法向量得到3D相机点位字条;控制3D相机在所述点位姿态采集被测物体表面缺陷位置的3D点云。
图3中三角阴影区域即2D相机和3D相机的有效视野,2D相机和3D相机的有效视野为4条最大视野红线与绿色底面组成的四棱锥。
本实施例的方案提供了一种基于2D图像和工件数模实现机械臂引导的方法,可用于引导3D相机对缺陷进行复检或其他所需功能。2D相机识别到物体表面处有缺陷,基于2D相机与物体数模计算该缺陷的3D坐标,并计算该处的3d法线方向,然后反算出合适的3D采集的机械臂点位(3D相机的点位姿态),引导机械臂移动至该点位进行3D采集。本实施例的方案可用于引导机械臂携带3D相机对缺陷进行复检,并且支持外观复杂的物体,不止可用于简单的平整物体,避免了手动调整3D相机和当前其他方案的局限性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,控制器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种3D点云的采集装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的术语“模块”可以实现预订功能的软件和硬件的组合。尽管以下实施例所描述的装置较佳地以软件实现,但是硬件,或者软件和硬件的组合的实现也是可以被构想的。
图4是本发明实施例的一种3D点云的采集装置的结构框图,如图4所示,该装置包括:
获取模块40,用于获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;
转化模块42,用于获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;
计算模块44,用于根据所述三维缺陷坐标计算3D相机的点位姿态;
采集模块46,用于控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云。
可选地,所述转化模块包括:确定子模块,用于确定所述2D相机在识别所述缺陷图像时的光心坐标,以及确定所述缺陷图像的缺陷中心坐标;处理子模块,用于基于所述2D相机的内参标定得到所述2D相机的焦距和主点坐标;计算子模块,用于根据所述焦距和所述主点坐标计算所述缺陷中心坐标在相平面坐标系的中间三维坐标;查找子模块,用于根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标。
可选地,所述查找子模块包括:生成单元,用于根据所述光心坐标和所述中间三维坐标生成直线方程;计算单元,用于计算所述2D相机的解析度;查找单元,用于根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集;选择单元,用于在所述临时点集中选择目标点,并将所述目标点的坐标确定为三维缺陷坐标。
可选地,所述查找单元包括:第一计算子单元,用于针对所述标准数字模型点云中的每个模型点,计算所述模型点与所述直线方程之间的投影距离;判断子单元,用于判断所述投影距离是否小于所述解析度;匹配子单元,用于若所述投影距离小于所述解析度,将对应模型点添加至与所述缺陷中心坐标匹配的所述临时点集。
可选地,所述选择单元包括,第二计算子单元,用于计算所述临时点集中每个临时点与所述光心坐标之间的第一直线距离,得到所有临时点的第一直线距离集合;选择子单元,用于在所述第一直线距离集合中选择最小直线距离;确定子单元,用于将所述最小直线距离对应的指定临时点坐标确定为目标点。
可选地,所述计算模块包括,第一计算子模块,用于针对所述标准数字模型点云中的每个模型点,计算所述模型点到所述三维缺陷坐标的第二直线距离;判断子模块,用于判断所述第二直线距离是否小于指定阈值;添加子模块,用于将所述标准数字模型点云中所述第二直线距离小于所述指定阈值的模型点添加至平面点集;拟合子模块,用于采用所述平面点集拟合生成平面方程,并计算所述平面方程的法向量;确定子模块,用于确定所述3D相机在统一坐标系中的单位垂直向量,其中,所述单位垂直向量是在z轴为单位长度,x轴和y轴为0的向量;第二计算子模块,用于根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角;生成子模块,用于采用所述三维缺陷坐标和所述姿态角生成所述3D相机的点位姿态。
可选地,所述第二计算子模块包括:计算单元,用于计算所述法向量与所述单位垂直向量之间的第一夹角;判断单元,用于判断所述第一夹角是否为锐角;第一转化单元,用于若所述第一夹角为锐角,将所述法向量转化为姿态角;第二转化单元,用于若所述第一夹角为直角或钝角,将所述法向量取反,将取反后的法向量转化为姿态角。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行的计算机程序:
S1,获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;
S2,获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;
S3,根据所述三维缺陷坐标计算3D相机的点位姿态;
S4,控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;
S2,获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;
S3,根据所述三维缺陷坐标计算3D相机的点位姿态;
S4,控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机课读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、控制器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种3D点云的采集方法,其特征在于,包括:
获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;
获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;
根据所述三维缺陷坐标计算3D相机的点位姿态;
控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云;
其中,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标,包括:确定所述2D相机在识别所述缺陷图像时的光心坐标,以及确定所述缺陷图像的缺陷中心坐标;基于所述2D相机的内参标定得到所述2D相机的焦距和主点坐标;根据所述焦距和所述主点坐标计算所述缺陷中心坐标在相平面坐标系的中间三维坐标;根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标。
2.根据权利要求1所述的方法,其特征在于,根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标包括:
根据所述光心坐标和所述中间三维坐标生成直线方程;
计算所述2D相机的解析度;
根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集;
在所述临时点集中选择目标点,并将所述目标点的坐标确定为三维缺陷坐标。
3.根据权利要求2所述的方法,其特征在于,根据所述直线方程和所述解析度在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的临时点集包括:
针对所述标准数字模型点云中的每个模型点,计算所述模型点与所述直线方程之间的投影距离;
判断所述投影距离是否小于所述解析度;
若所述投影距离小于所述解析度,将对应模型点添加至与所述缺陷中心坐标匹配的所述临时点集。
4.根据权利要求2所述的方法,其特征在于,在所述临时点集中选择目标点包括:
计算所述临时点集中每个临时点与所述光心坐标之间的第一直线距离,得到所有临时点的第一直线距离集合;
在所述第一直线距离集合中选择最小直线距离;
将所述最小直线距离对应的指定临时点坐标确定为目标点。
5.根据权利要求1所述的方法,其特征在于,根据所述三维缺陷坐标计算所述3D相机的点位姿态包括:
针对所述标准数字模型点云中的每个模型点,计算所述模型点到所述三维缺陷坐标的第二直线距离;
判断所述第二直线距离是否小于指定阈值;
将所述标准数字模型点云中所述第二直线距离小于所述指定阈值的模型点添加至平面点集;
采用所述平面点集拟合生成平面方程,并计算所述平面方程的法向量;
确定所述3D相机在统一坐标系中的单位垂直向量,其中,所述单位垂直向量是在z轴为单位长度,x轴和y轴为0的向量;
根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角;
采用所述三维缺陷坐标和所述姿态角生成所述3D相机的点位姿态。
6.根据权利要求5所述的方法,其特征在于,根据所述法向量和所述单位垂直向量计算所述3D相机的姿态角包括:
计算所述法向量与所述单位垂直向量之间的第一夹角;
判断所述第一夹角是否为锐角;
若所述第一夹角为锐角,将所述法向量转化为姿态角;若所述第一夹角为直角或钝角,将所述法向量取反,将取反后的法向量转化为姿态角。
7.根据权利要求1所述的方法,其特征在于,在控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云之后,所述方法还包括:
获取所述3D点云的点云中心坐标;
判断所述点云中心坐标与所述三维缺陷坐标是否相同;
若所述点云中心坐标与所述三维缺陷坐标相同,采用所述3D点云计算所述目标工件的缺陷位置的深度信息;若所述点云中心坐标与所述三维缺陷坐标不相同,确定所述缺陷图像为误检结果。
8.一种3D点云的采集装置,其特征在于,包括:
获取模块,用于获取2D相机识别目标工件的缺陷位置的缺陷图像,并获取所述缺陷图像的二维缺陷坐标;
转化模块,用于获取所述目标工件的标准数字模型点云,根据所述标准数字模型点云将所述二维缺陷坐标转化为三维缺陷坐标;
计算模块,用于根据所述三维缺陷坐标计算3D相机的点位姿态;
采集模块,用于控制所述3D相机在所述点位姿态采集所述目标工件在所述缺陷位置的3D点云;
其中,所述转化模块包括:确定子模块,用于确定所述2D相机在识别所述缺陷图像时的光心坐标,以及确定所述缺陷图像的缺陷中心坐标;处理子模块,用于基于所述2D相机的内参标定得到所述2D相机的焦距和主点坐标;计算子模块,用于根据所述焦距和所述主点坐标计算所述缺陷中心坐标在相平面坐标系的中间三维坐标;查找子模块,用于根据所述中间三维坐标在所述标准数字模型点云中查找与所述缺陷中心坐标匹配的三维缺陷坐标。
9.一种电子装置,包括存储器和处理器,其特征在于,存储器中存储有计算机程序,处理器被设置为运行计算机程序以执行权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217567.XA CN116958146B (zh) | 2023-09-20 | 2023-09-20 | 3d点云的采集方法及装置、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217567.XA CN116958146B (zh) | 2023-09-20 | 2023-09-20 | 3d点云的采集方法及装置、电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116958146A CN116958146A (zh) | 2023-10-27 |
CN116958146B true CN116958146B (zh) | 2024-01-12 |
Family
ID=88449606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311217567.XA Active CN116958146B (zh) | 2023-09-20 | 2023-09-20 | 3d点云的采集方法及装置、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116958146B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291918B (zh) * | 2023-11-24 | 2024-02-06 | 吉林大学 | 一种基于三维点云的汽车冲压件缺陷检测方法 |
CN117456131B (zh) * | 2023-12-26 | 2024-05-24 | 深圳市信润富联数字科技有限公司 | 缺陷场景下点云的降采样方法及装置 |
CN117455984B (zh) * | 2023-12-26 | 2024-03-26 | 深圳市信润富联数字科技有限公司 | 随臂式相机采集点的确定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105759967A (zh) * | 2016-02-19 | 2016-07-13 | 电子科技大学 | 一种基于深度数据的手部全局姿态检测方法 |
CN111080627A (zh) * | 2019-12-20 | 2020-04-28 | 南京航空航天大学 | 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法 |
CN114419038A (zh) * | 2022-03-28 | 2022-04-29 | 深圳市信润富联数字科技有限公司 | 轮毂表面缺陷的识别方法及装置、存储介质、电子设备 |
WO2022126871A1 (en) * | 2020-12-15 | 2022-06-23 | Vomma (Shanghai) Technology Co., Ltd. | Defect layer detection method and system based on light field camera and detection production line |
CN115908420A (zh) * | 2023-01-10 | 2023-04-04 | 北京阿丘机器人科技有限公司 | 印刷电路板的缺陷检测方法、装置、设备及存储介质 |
CN116721104A (zh) * | 2023-08-10 | 2023-09-08 | 武汉大学 | 实景三维模型缺陷检测方法、装置、电子设备及存储介质 |
-
2023
- 2023-09-20 CN CN202311217567.XA patent/CN116958146B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105759967A (zh) * | 2016-02-19 | 2016-07-13 | 电子科技大学 | 一种基于深度数据的手部全局姿态检测方法 |
CN111080627A (zh) * | 2019-12-20 | 2020-04-28 | 南京航空航天大学 | 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法 |
WO2022126871A1 (en) * | 2020-12-15 | 2022-06-23 | Vomma (Shanghai) Technology Co., Ltd. | Defect layer detection method and system based on light field camera and detection production line |
CN114419038A (zh) * | 2022-03-28 | 2022-04-29 | 深圳市信润富联数字科技有限公司 | 轮毂表面缺陷的识别方法及装置、存储介质、电子设备 |
CN115908420A (zh) * | 2023-01-10 | 2023-04-04 | 北京阿丘机器人科技有限公司 | 印刷电路板的缺陷检测方法、装置、设备及存储介质 |
CN116721104A (zh) * | 2023-08-10 | 2023-09-08 | 武汉大学 | 实景三维模型缺陷检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
3D机器视觉发展及其工业应用综述;马宏宾 等;《微纳电子与智能制造》;第50-61页 * |
基于结构光的三维缺陷实时检测方法研究;钟梦龙;《中国优秀硕士学位论文全文数据库 信息科技辑》;第I138-2541页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116958146A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116958146B (zh) | 3d点云的采集方法及装置、电子装置 | |
US20200096317A1 (en) | Three-dimensional measurement apparatus, processing method, and non-transitory computer-readable storage medium | |
US20200065995A1 (en) | System and method for tying together machine vision coordinate spaces in a guided assembly environment | |
CN112161619B (zh) | 位姿检测方法、三维扫描路径规划方法和检测系统 | |
KR100855657B1 (ko) | 단안 줌 카메라를 이용한 이동로봇의 자기위치 추정 시스템및 방법 | |
CN110728715A (zh) | 一种智能巡检机器人像机角度自适应调整方法 | |
CN108717715A (zh) | 一种用于弧焊机器人的线结构光视觉系统自动标定方法 | |
CN111612794B (zh) | 基于多2d视觉的零部件高精度三维位姿估计方法及系统 | |
CN110689584A (zh) | 多相机环境中主动式刚体的位姿定位方法及相关设备 | |
JP2017118396A (ja) | デプスカメラの内部パラメータを算出するプログラム、装置及び方法 | |
CN111609801B (zh) | 一种基于机器视觉的多尺寸工件厚度测量方法及系统 | |
WO2007137388A1 (en) | Photogrammetric system and techniques for 3d acquisition | |
CN112949478B (zh) | 基于云台相机的目标检测方法 | |
CN111144349B (zh) | 一种室内视觉重定位方法及系统 | |
JP2014013147A5 (zh) | ||
JP2020047049A (ja) | 画像処理装置及び画像処理方法 | |
CA3233222A1 (en) | Method, apparatus and device for photogrammetry, and storage medium | |
CN112686950A (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN110260801A (zh) | 用于测量物料体积的方法和装置 | |
US20240087167A1 (en) | Compensation of three-dimensional measuring instrument having an autofocus camera | |
CN102881040A (zh) | 一种数码相机移动拍摄三维重建方法 | |
CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
EP4386677A2 (en) | Compensation of three-dimensional measuring instrument having an autofocus camera | |
Yamauchi et al. | Calibration of a structured light system by observing planar object from unknown viewpoints | |
CN112785647A (zh) | 一种三目立体图像检测方法和系统 |
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 |