CN115082538A - 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 - Google Patents
基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 Download PDFInfo
- Publication number
- CN115082538A CN115082538A CN202210698216.4A CN202210698216A CN115082538A CN 115082538 A CN115082538 A CN 115082538A CN 202210698216 A CN202210698216 A CN 202210698216A CN 115082538 A CN115082538 A CN 115082538A
- Authority
- CN
- China
- Prior art keywords
- metal part
- dimensional
- camera
- projector
- light
- 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 36
- 239000002184 metal Substances 0.000 claims abstract description 60
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000013589 supplement Substances 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 11
- 230000005484 gravity Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000036544 posture Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 13
- 238000001514 detection method Methods 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于线结构光投影的多目视觉平衡环表面三维重建系统及方法,系统包括棋盘格标定板、线结构光传感器、LED补光灯控制系统;所述线结构光传感器由DLP投影仪和四个工业相机组成,所述LED补光灯控制系统由LED与光源控制器构成;重建方法首先是利用特制的不对称标定板,求取多个相机之间的变换矩阵,其次利用四个相机从不同角度采集高反光金属表面线激光条纹图像,经过图像融合得到没有曝光过度区域的金属零件表面线激光条纹图像,最后经图像处理得到金属零件表面的三维点云,分析获取零件的三维结构。本发明能够消除曝光过度导致的重建精度降低的影响,具有装置简单、测量精度高,检测速率快等优点。
Description
技术领域
本发明涉及线结构光三维重建领域,具体涉及一种基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法。
技术背景
计算机视觉自诞生以来就得到迅猛发展,计算机三维重建技术作为计算机视觉重要的分支不断在人类的生产和生活领域中扮演重要角色。从工程测绘,结构测量,再到自动驾驶,人脸识别乃至娱乐领域等都离不开计算机三维重建技术。尤其面对当前制造业水平迫切提高的要求,精确、快速的三维重建技术显得尤为重要。三维测量技术的主要实现方式可以分为接触式测量法和非接触式测量法。传统测量方法大多为接触式测量,最常见的如三坐标测量机。三坐标测量机因其具有重复性好、测量精度高等优点,而在机械、电子、仪表等行业被广泛使用。但接触式测量易在测量过程中对待测物件表面造成损伤,所以如今正逐步被非接触式测量所取代。
线结构光扫描的三维测量技术在拥有高精度的同时还能极大程度上提高检测效率。例如对于零件的尺寸检测如果只依赖用标准器件辅助的人工检测,那么不仅会导致精度的降低,还可能损伤零件表面,尤其是检测效率会大大降低。因此传统的人工检测方案已经不适用于如今快速的现代化工业生产。
然而通常情况下,非接触式测量都将目标对象假设为漫反射表面。但是,在实际测量过程中不可避免会存在镜面反射区域,尤其对于强反射物体表面的测量,当结构光投影至待测物体表面,都会形成局部亮度饱和,引发像素光强信息的失真,从而影响了三维测量的精度。因此如何消除表面高反带来的影响是实现对于高反光金属零件表面高精度三维重建的关键。
发明内容
本发明的目的在于提供一种基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法。
实现本发明目的的技术解决方案为:第一方面,本发明提供一种基于线结构光投影的多目视觉平衡环零件表面三维重建系统,主要由棋盘格标定板、线结构光传感器、LED补光灯控制系统和计算机组成;
所述棋盘格标定板边角设有不对称的圆环特征点,用于标定相机参数以及计算各相机之间的变换矩阵;
所述线结构光传感器包括投影仪和四个工业相机,投影仪与四个相机之间的相对位姿固定不变,投影仪产生的激光条纹受金属零件表面形貌调制进而反应三维特征,四个相机从不同角度分别采集光条纹图像并传输给计算机分析和计算;
所述LED补光控制系统用于在采集光条纹图像时提供均匀光照;
所述计算机包括控制与显示子模块、图像融合子模块、金属零件表面三维重建子模块;控制与显示子模块用于采集图片,图像融合子模块用于将采集到的不同姿态有曝光过度和曝光不足区域的原始图片融合成没有曝光过度区域的图片,金属零件表面三维重建子模块用于通过多个角度拍摄到的图片得到待测金属零件表面的深度信息,完成三维重建。
第二方面,本发明提供一种基于线结构光投影的多目视觉平衡环零件表面三维重建方法,基于第一方面所述的系统实现,该方法包括以下步骤:
(1)相机标定过程:采集标定板图像进行角点提取,将有两个圆环特征点的边角作为顺时针的第三个边角,依照固定的顺序提取8x8个特征点,通过张正友标定法计算相机模型的内部参数与畸变系数,由此获得像素坐标系与相机坐标系之间的转化关系;
(2)对四个相机采集到的标定板图像分别进行角点提取;按照一定的次序提取8x8个特征点;根据标定板构建8x8的标准点阵作为标准参考空间,求取四个相机到标准空间的成像透视变换矩阵H;根据透视变换矩阵对采集到的金属零件表面光条纹图进行处理,映射到标准空间;
(3)对四幅图像做相同的操作,获取需要检测的金属零件表面待测区域,将图像分为背景与目标区域两部分,提取感兴趣区域;检测目标区域的曝光情况,检测出曝光过度以及曝光不足的区域;
(4)给(3)中获得主相机金属零件表面光条纹图和辅助相机获得金属零件表面光条纹图赋予不同的权重,进行图像融合,去掉曝光过度以及曝光不足的区域,获得最终没有高反光影响的金属零件表面光条纹图;
(5)灰度重心法提取光条纹中心线;具体实现是通过列/行方向遍历m×n灰度图像,利用公式:
其中fij表示输入图像i行j列的像素点灰度值,xi和yi分别表示横坐标i和纵坐标j,可计算第j0列/第i0行的灰度重心坐标;
经过所述光条纹骨架特征点提取算法可得到光条中心线二维特征点;
(6)投影仪的标定:将投影仪当成相机的逆,求解出投影仪与主相机的相对位置,将投影仪上的像素点与主相机中的像素点相对应;
(7)利用(5)中灰度重心法得到线结构光与金属器件相交时光条中心线二维特征点,同时投影仪的图案是经过编码获得的,光条中心的投影仪坐标系下像素点坐标可知,通过两者计算获得该特征点的三维坐标,进一步获得金属零件表面的三维点云集,实现金属零件表面的三维重建。
与现有技术相比,本发明的有益效果为:本发明提供的一种基于线结构光投影的多目视觉平衡环零件表面三维结构重建技术,通过将不同角度拍摄得到的图片融合,得到没有曝光过度区域的高质量图片,有效消除结构光投影时金属零件表面产生的高反光的影响。与传统人工检测方法相比,它能在不损伤被测物的同时,还能提高检测精度和检测效率,更符合现代工业化生产的要求。
附图说明
图1为基于线结构光投影的多目视觉平衡环零件表面三维重建系统示意图。
图2为是特制标定板实物图。
图3为线结构光三维重建流程图。
图4为计算机采集操作界面图。
具体实施方式
本发明提出一种基于线结构光投影的多目视觉平衡环零件表面三维结构重建系统及方法,核心是通过DLP投影仪产生的线激光投影到待测高反光金属零件3表面,用工业数字相机进行图像采集,通过图像处理方法消除图像曝光过度以及曝光不足带来的影响,再基于线结构光实现金属零件表面的三维重建。
如图1所示,基于线结构光投影的多目视觉平衡环零件表面三维结构重建系统,主要由棋盘格标定板、线结构光传感器4、LED补光灯控制系统2和计算机1构成。
棋盘格标定表用于标定相机的内外参数以及计算各相机之间的变换矩阵。
线结构光传感器4由DLP投影仪和四个工业相机组成,DLP投影仪生成并投影线结构光条纹图,四个相机从不同角度分别采集图像并传输给计算机分析和计算,相机与投影仪位姿固定不变。
LED补光控制系统2用于在采集光条纹图像时提供均匀光照。
计算机包括控制与显示子模块、图像融合子模块、金属零件表面三维重建子模块;控制与显示子模块用于采集图片,图像融合子模块用于将采集到的不同姿态有曝光过度和曝光不足区域的原始图片融合成没有曝光过度区域的高质量图片,金属零件表面三维重建子模块用于通过多个角度拍摄到的高质量图片得到待测金属零件表面的深度信息,完成三维重建。
所述的线结构光传感器中DLP投影仪与四个相机通过计算机相连,投影仪每投影一幅图片相机就进行一帧图像的采集,实现对于待测金属零件表面的均匀扫描。
进一步的实施例中,所述金属零件表面三维重建子模块,利用所述视觉传感器的标定参数获取二维图像像素点坐标与三维空间坐标点的映射关系;投影仪产生线结构光与金属零件表面相加,采集金属零件表面光条纹图像并图像预处理与提取光条中心线;通过所述二维与三维坐标映射关系,计算金属零件表面三维点云集。
金属零件表面三维重建子模块中的金属零件表面光条纹图像处理,包括:首先对焊缝轮廓光条纹图像感兴趣区域提取;光条纹二值图像利用灰度阈值重心法求取光条纹中心线像素坐标值。
进一步的实施例中,如图2所示,所述棋盘格标定板四个边角分布五个不对称的圆环特征点,用于标定时判断方向,保证不同角度下提取到的特征点都可以按照相同的顺序进行排列;棋盘格中的每个格子为黑白相间的黑白方格,每个格子的变成为10mm,格点数目为8x8,用于标定相机参数以及计算各相机之间的变换矩阵。
进一步的实施例中,所述线结构光传感器中,投影仪与相机,相机与相机之间的相对位姿固定不变,投影仪产生的激光条纹投射到金属零件表面,受金属零件表面形貌调制进而反应三维特征,四个工业相机再从不同角度分别采集光条纹图像并传输给计算机分析和计算。
进一步的实施例中,所述线结构光传感器由4个黑白工业相机、一个投影仪和相机支架组成;相机与投影仪、相机与相机之间的相对位置不发生改变;所述的相机支架用于安装4个黑白工业相机以及投影仪,投影仪位于圆心位置,四个相机分别位于距投影仪25cm的圆周上,相邻相机之间距离相等,为90弧度。
所述的线结构光传感器,用针孔成像模型的内部参数与畸变系数描述工业相机成像,用线结构光标定结果即相对相机模型的线结构光平面方程结合相机标定参数来描述二维坐标点与三维空间坐标点的映射关系。
所述投影仪使用为DLP LightCrafter 4500,能事先烧录进自己想要投影的图片,能投影带有多组线结构光条纹的图片,能对投影仪进行二次开发,将图片按自己想要的时序经行投影,具有较高的稳定性;所述结构光视觉传感器中DLP投影仪与传统线结构器相比,它的优势在于能一次投影多组线结构光,重建所需图片数目减少,大大增加重建的效率。
进一步的,本发明还提供一种基于线结构光投影的多目视觉平衡环零件表面三维重建方法,基于前述的系统实现,如图3、图4所示,具体步骤如下:
(1)相机标定过程:本发明首先需对于各个相机分别进行标定,该标定精度很大程度上影响了线结构光扫描金属零件三维测量的精度。
利用四个相机分别采集标定板图像进行角点提取,将有两个圆环特征点的边角作为顺时针的第三个边角,依照固定的顺序提取8x8个特征点,通过张正友标定法计算相机模型的内部参数与畸变系数,由此获得像素坐标系与相机坐标系之间的转化关系。在进行相机标定的过程中,投影仪投影棋盘格标定板图案至实体棋盘格标定板所在平面的白纸上,相机同时采集投影的棋盘格标定板图像;
(2)对四个相机采集到的标定板图像分别进行角点提取;按照一定的次序提取8x8个特征点;根据标定板构建8x8的标准点阵作为标准参考空间,求取四个相机到标准空间的成像透视变换矩阵H;根据透视变换矩阵对采集到的金属零件表面光条纹图进行处理,映射到标准空间;
(3)对四幅图像做相同的操作,获取需要检测的金属零件表面待测区域,将图像分为背景与目标区域两部分,提取感兴趣区域;检测目标区域的曝光情况,将图像中像素值为255以及0的区域标记为曝光过度或者曝光不足的区域,将其像素值标记为255;
(4)给(3)中获得主相机金属零件表面光条纹图和辅助相机获得金属零件表面光条纹图赋予不同的权重,将主相机依次与其他三个辅助相机所得图像相与,进行图像融合,去掉曝光过度以及曝光不足的区域,获得最终没有高反光影响的金属零件表面光条纹图;
(5)在对于光条图像进行处理时首先要提取光条纹中心线,具体实现是通过列/行方向遍历m×n灰度图像,利用公式:
其中fij表示输入图像i行j列的像素点灰度值,xi和yi分别表示横坐标i和纵坐标j,可计算第j0列/第i0行的灰度重心坐标;
经过所述光条纹骨架特征点提取算法可得到光条中心线二维特征点;
(6)投影仪的标定:将投影仪当成相机的逆,利用标定好的相机内外参数求解出投影的棋盘格标定板图片中特征角点的世界坐标,与投影的像素坐标相联列,求解出投影仪的内外参矩阵,再求解出投影仪与主相机的相对位置,将投影仪上的像素点与主相机中的像素点相对应;
对于投影仪进行标定,投影仪投影棋盘格标定板图案至标定相机时真实棋盘格标定板所处平面的白纸上,相机提取投影的棋盘格角点坐标。
工业相机提取像素点坐标均是处于像素坐标系(o-u,v)。图像坐标系(o-u,v)与相机坐标系(Oc-Xc,Yc,Zc)之间映射关系,如下公式:
[xc,yc,zc]T=M-1[u,v,1]T
其中M为由张正友标定法求解得到的相机内参,(xc,yc,zc)是投影点在相机坐标系下的坐标,(u,v)是提取像素点在图像坐标系下的坐标。
与不同位置下平面靶标方程:anxc+bnyc+cnzc+dn=0相联列,可得到投影角点特征点在相机坐标系下的坐标可表示为:
计算所有投影角点特征点的三维点坐标,与投影仪坐标系下的图像坐标相一一对应,通过张正友标定得到投影仪的内外参数,已知每次场景下的相机外参和投影仪外参,计算出相机和投影仪之间的相对位姿。
(7)利用(5)中灰度重心法得到线结构光与金属器件相交时光条中心线二维特征点,同时投影仪的图案是经过编码获得的,光条中心的投影仪坐标系下像素点坐标可知,通过两者计算获得该特征点的三维坐标,进一步获得金属零件表面的三维点云集,实现金属零件表面的三维重建;
将投影图案中的光条中心像素坐标与相机拍摄所得图片中的光条中心像素坐标相联列,就能获得它的具体三维坐标;进一步的,获得金属零件表面的三维点云集。
与传统的人工检测方法相比,本发明能有更高的精度,更快的检测速度,适用于现代化流水线生产。与其他线结构光三维重建相比,本发明能一次投影多组线结构光,因而重建所需图片大大减少,在不降低精度的同时,能极大的提高三维重建的效率。
Claims (10)
1.一种基于线结构光投影的多目视觉平衡环零件表面三维重建系统,其特征在于,主要由棋盘格标定板、线结构光传感器、LED补光灯控制系统和计算机组成;
所述棋盘格标定板边角设有不对称的圆环特征点,用于标定相机参数以及计算各相机之间的变换矩阵;
所述线结构光传感器包括投影仪和四个工业相机,投影仪与四个相机之间的相对位姿固定不变,投影仪产生的激光条纹受金属零件表面形貌调制进而反应三维特征,四个相机从不同角度分别采集光条纹图像并传输给计算机分析和计算;
所述LED补光控制系统用于在采集光条纹图像时提供均匀光照;
所述计算机包括控制与显示子模块、图像融合子模块、金属零件表面三维重建子模块;控制与显示子模块用于采集图片,图像融合子模块用于将采集到的不同姿态有曝光过度和曝光不足区域的原始图片融合成没有曝光过度区域的图片,金属零件表面三维重建子模块用于通过多个角度拍摄到的图片得到待测金属零件表面的深度信息,完成三维重建。
2.根据权利要求1所述的基于线结构光投影的多目视觉平衡环零件表面三维重建系统,其特征在于,所述金属零件表面三维重建子模块,利用所述视觉传感器的标定参数获取二维图像像素点坐标与三维空间坐标点的映射关系;投影仪产生线结构光与金属零件表面相加,采集金属零件表面光条纹图像并图像预处理与提取光条中心线;通过所述二维与三维坐标映射关系,计算金属零件表面三维点云集。
3.根据权利要求2所述的基于线结构光投影的多目视觉平衡环零件表面三维重建系统,其特征在于,金属零件表面三维重建子模块中的金属零件表面光条纹图像处理,包括:首先对焊缝轮廓光条纹图像感兴趣区域提取;光条纹二值图像利用灰度阈值重心法求取光条纹中心线像素坐标值。
4.根据权利要求1所述的基于线结构光投影的多目视觉平衡环零件表面三维重建系统,其特征在于,所述棋盘格标定板四个边角分布五个不对称的圆环特征点,用于标定时判断方向,保证不同角度下提取到的特征点都可以按照相同的顺序进行排列;棋盘格中的每个格子为黑白相间的正方形方格,每一小格的边长为10mm,格点数目为8x8。
5.根据权利要求1所述的基于线结构光投影的多目视觉平衡环零件表面三维重建系统,其特征在于,所述线结构光传感器由4个黑白工业相机、一个投影仪和相机支架组成;相机与投影仪、相机与相机之间的相对位置不发生改变;所述的相机支架用于安装4个黑白工业相机以及投影仪,投影仪位于圆心位置,四个相机分别位于距投影仪25cm的圆周上,相邻相机之间距离相等,为90弧度。
6.根据权利要求1所述的基于线结构光投影的多目视觉平衡环零件表面三维重建系统,其特征在于,所述的线结构光传感器,用针孔成像模型的内部参数与畸变系数描述工业相机成像,用线结构光标定结果即相对相机模型的线结构光平面方程结合相机标定参数来描述二维坐标点与三维空间坐标点的映射关系。
7.根据权利要求6所述的基于线结构光投影的多目视觉平衡环零件表面三维重建系统,其特征在于,投影仪与四个相机通过计算机相连,投影仪每投影一幅图片相机就进行一帧图像的采集,实现对于待测金属零件表面的均匀扫描。
8.一种基于权利要求1-7任意一项所述系统的重建方法,其特征在于,包括以下步骤:
(1)相机标定过程:采集标定板图像进行角点提取,将有两个圆环特征点的边角作为顺时针的第三个边角,依照固定的顺序提取8x8个特征点,通过张正友标定法计算相机模型的内部参数与畸变系数,由此获得像素坐标系与相机坐标系之间的转化关系;
(2)对四个相机采集到的标定板图像分别进行角点提取;按照一定的次序提取8x8个特征点;根据标定板构建8x8的标准点阵作为标准参考空间,求取四个相机到标准空间的成像透视变换矩阵H;根据透视变换矩阵对采集到的金属零件表面光条纹图进行处理,映射到标准空间;
(3)对四幅图像做相同的操作,获取需要检测的金属零件表面待测区域,将图像分为背景与目标区域两部分,提取感兴趣区域;检测目标区域的曝光情况,检测出曝光过度以及曝光不足的区域;
(4)给(3)中获得主相机金属零件表面光条纹图和辅助相机获得金属零件表面光条纹图赋予不同的权重,进行图像融合,去掉曝光过度以及曝光不足的区域,获得最终没有高反光影响的金属零件表面光条纹图;
(5)灰度重心法提取光条纹中心线;通过列/行方向遍历m×n灰度图像,利用公式:
其中fij表示输入图像i行j列的像素点灰度值,xi和yi分别表示横坐标i和纵坐标j,可计算第j0列/第i0行的灰度重心坐标;
经过光条纹骨架特征点提取算法得到光条中心线二维特征点;
(6)投影仪的标定:将投影仪当成相机的逆,求解出投影仪与主相机的相对位置,将投影仪上的像素点与主相机中的像素点相对应;
(7)利用(5)中灰度重心法得到线结构光与金属器件相交时光条中心线二维特征点,经过编码获得投影仪的图案,光条中心的投影仪坐标系下像素点坐标可知,通过两者计算获得该特征点的三维坐标,进而获得金属零件表面的三维点云集,实现金属零件表面的三维重建。
9.根据权利要求8所述的方法,其特征在于,步骤(3)具体为:将图像中像素值为255以及0的区域标记为曝光过度或者曝光不足的区域,将其像素值标记为255。
10.根据权利要求8所述的方法,其特征在于,步骤(4)具体为:将步骤(4)主相机所得图像,依次与其他三个辅助相机相与,得到没有曝光过度以及曝光不足的光条纹图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210698216.4A CN115082538A (zh) | 2022-06-20 | 2022-06-20 | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210698216.4A CN115082538A (zh) | 2022-06-20 | 2022-06-20 | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115082538A true CN115082538A (zh) | 2022-09-20 |
Family
ID=83253698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210698216.4A Pending CN115082538A (zh) | 2022-06-20 | 2022-06-20 | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082538A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115607320A (zh) * | 2022-10-25 | 2023-01-17 | 无锡赛锐斯医疗器械有限公司 | 一种口外扫描连接基台位姿测量仪及位姿参数确定方法 |
CN116664742A (zh) * | 2023-07-24 | 2023-08-29 | 泉州华中科技大学智能制造研究院 | 针对激光光条成像的hdr高动态范围处理方法及装置 |
CN117974983A (zh) * | 2024-02-07 | 2024-05-03 | 宝应帆洋船舶电器配件制造有限公司 | 一种基于dlp结构光视觉系统的焊缝区域提取方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907048A (zh) * | 2017-06-30 | 2018-04-13 | 长沙湘计海盾科技有限公司 | 一种基于线结构光扫描的双目立体视觉三维测量方法 |
US20200166333A1 (en) * | 2016-12-07 | 2020-05-28 | Ki 'an Chishine Optoelectronics Technology Co., Ltd. | Hybrid light measurement method for measuring three-dimensional profile |
CN112179292A (zh) * | 2020-11-20 | 2021-01-05 | 苏州睿牛机器人技术有限公司 | 一种基于投影仪的线结构光视觉传感器标定方法 |
CN112525107A (zh) * | 2020-11-24 | 2021-03-19 | 革点科技(深圳)有限公司 | 一种基于事件相机的结构光三维测量方法 |
CN113237435A (zh) * | 2021-05-08 | 2021-08-10 | 北京航空航天大学 | 一种高反光表面三维视觉测量系统及方法 |
CN113989379A (zh) * | 2021-10-02 | 2022-01-28 | 南京理工大学 | 基于线激光旋转扫描的轮毂焊缝三维特征测量装置及方法 |
-
2022
- 2022-06-20 CN CN202210698216.4A patent/CN115082538A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200166333A1 (en) * | 2016-12-07 | 2020-05-28 | Ki 'an Chishine Optoelectronics Technology Co., Ltd. | Hybrid light measurement method for measuring three-dimensional profile |
CN107907048A (zh) * | 2017-06-30 | 2018-04-13 | 长沙湘计海盾科技有限公司 | 一种基于线结构光扫描的双目立体视觉三维测量方法 |
CN112179292A (zh) * | 2020-11-20 | 2021-01-05 | 苏州睿牛机器人技术有限公司 | 一种基于投影仪的线结构光视觉传感器标定方法 |
CN112525107A (zh) * | 2020-11-24 | 2021-03-19 | 革点科技(深圳)有限公司 | 一种基于事件相机的结构光三维测量方法 |
CN113237435A (zh) * | 2021-05-08 | 2021-08-10 | 北京航空航天大学 | 一种高反光表面三维视觉测量系统及方法 |
CN113989379A (zh) * | 2021-10-02 | 2022-01-28 | 南京理工大学 | 基于线激光旋转扫描的轮毂焊缝三维特征测量装置及方法 |
Non-Patent Citations (1)
Title |
---|
曾海;唐苏明;田野;刘映江;宋展;: "基于二值几何编码图案的高精度结构光系统参数标定方法研究", 集成技术, no. 02, pages 39 - 48 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115607320A (zh) * | 2022-10-25 | 2023-01-17 | 无锡赛锐斯医疗器械有限公司 | 一种口外扫描连接基台位姿测量仪及位姿参数确定方法 |
CN116664742A (zh) * | 2023-07-24 | 2023-08-29 | 泉州华中科技大学智能制造研究院 | 针对激光光条成像的hdr高动态范围处理方法及装置 |
CN116664742B (zh) * | 2023-07-24 | 2023-10-27 | 泉州华中科技大学智能制造研究院 | 针对激光光条成像的hdr高动态范围处理方法及装置 |
CN117974983A (zh) * | 2024-02-07 | 2024-05-03 | 宝应帆洋船舶电器配件制造有限公司 | 一种基于dlp结构光视觉系统的焊缝区域提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111750806B (zh) | 一种多视角三维测量系统及方法 | |
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 | |
WO2022052313A1 (zh) | 3d结构光系统的标定方法、电子设备及存储介质 | |
CN115082538A (zh) | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 | |
CN106989695B (zh) | 一种投影仪标定方法 | |
JP5132832B1 (ja) | 計測装置および情報処理装置 | |
CN103530880B (zh) | 基于投影高斯网格图案的摄像机标定方法 | |
CN106408556B (zh) | 一种基于一般成像模型的微小物体测量系统标定方法 | |
Anwar et al. | Projector calibration for 3D scanning using virtual target images | |
EP3516625A1 (en) | A device and method for obtaining distance information from views | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
JP5633058B1 (ja) | 3次元計測装置及び3次元計測方法 | |
WO2007015059A1 (en) | Method and system for three-dimensional data capture | |
CN109443209A (zh) | 一种基于单应性矩阵的线结构光系统标定方法 | |
CN106548489A (zh) | 一种深度图像与彩色图像的配准方法、三维图像采集装置 | |
CN110672037A (zh) | 基于相移法的线性光源光栅投影三维测量系统及方法 | |
WO2022126870A1 (en) | Three-dimensional imaging method and method based on light field camera and three-dimensional imaging measuring production line | |
KR101589167B1 (ko) | 깊이 정보를 이용한 원근 왜곡 영상의 보정 시스템 및 방법 | |
CN110942506B (zh) | 一种物体表面纹理重建方法、终端设备及系统 | |
CN113505626A (zh) | 一种快速三维指纹采集方法与系统 | |
CN114820817A (zh) | 基于高精度线激光3d相机的标定方法和三维重建方法 | |
Ping et al. | A calibration method for line-structured light system by using sinusoidal fringes and homography matrix | |
CN113592962B (zh) | 基于机器视觉的批量硅片标识识别方法 | |
KR102023087B1 (ko) | 카메라 캘리브레이션 방법 | |
CN112797900B (zh) | 多相机板材尺寸测量方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220920 |