結(jié)構(gòu)光視覺測(cè)量原理圖

 

 

我們不考慮鏡頭的畸變，將相機(jī)的成像模型簡(jiǎn)化為小孔成像模型，則特征點(diǎn)的圖像坐標(biāo)Pf 與其在攝像機(jī)坐標(biāo)系下的三維坐標(biāo)P 之間的關(guān)系可表示為：

 

 

其中：（u,v）是特征點(diǎn)的圖像坐標(biāo)，（u0,v0） 光軸中心的圖像坐標(biāo)，（kx ky ）是X 軸，Y 軸方向的放大系數(shù)，（xc yc zc） 是特征點(diǎn)在攝像機(jī)坐標(biāo)系下坐標(biāo)，  Mc 是攝像機(jī)內(nèi)參數(shù)矩陣。

 

結(jié)構(gòu)光視覺投影成像模型：

 

 

設(shè)結(jié)構(gòu)光在攝像頭坐標(biāo)系的平面方程為：

 

 

依據(jù)激光條紋特征點(diǎn)圖像坐標(biāo)就可以得到其在攝像機(jī)坐標(biāo)系下的三維坐標(biāo)

 

 

相機(jī)參數(shù)標(biāo)定：

 

采用張正友提出的基于2D平面棋盤格的攝像機(jī)標(biāo)定方法，利用Matlab攝像頭標(biāo)定工具完成相機(jī)參數(shù)的標(biāo)定。

 

攝像機(jī)標(biāo)定工具箱主窗口：

 

 

用于攝像機(jī)標(biāo)定的棋盤格圖像：

 

 

相關(guān)參考文獻(xiàn)可以查看張正友的論文：

 

Zhang Z. A flexible new technique for camera calibration[J]. IEEE Transactions on pattern analysis and machine intelligence, 2000, 22(11): 1330-1334.

 

得到攝像機(jī)內(nèi)參數(shù)矩陣：

 

 

結(jié)構(gòu)光平面參數(shù)標(biāo)定：

 

首先，激光器投射結(jié)構(gòu)光平面到平面棋盤格上形成激光條紋，并通過CCD 攝像機(jī)采集激光條紋圖像。然后，對(duì)圖像進(jìn)行處理，提取激光條紋上的兩個(gè)特征點(diǎn)?？刂茩C(jī)器人按照一定的約束進(jìn)行運(yùn)動(dòng)，從一個(gè)標(biāo)定位置移動(dòng)到另一個(gè)位置，從而產(chǎn)生兩條不共線的激光條紋，利用上述相同的圖像處理方法再次提取激光條紋上的兩個(gè)特征點(diǎn)。最后，利用結(jié)構(gòu)光平面上的四個(gè)點(diǎn)來確定結(jié)構(gòu)光平面方程參數(shù)。該方法可以在攝像機(jī)參數(shù)標(biāo)定過程中，同時(shí)完成結(jié)構(gòu)光平面方程參數(shù)的標(biāo)定。同時(shí)，該方法不需要加工高精度的三維標(biāo)定靶標(biāo)，也不需要手工測(cè)量，標(biāo)定過程簡(jiǎn)單實(shí)用。

 

試驗(yàn)裝備：

 

一個(gè)六自由度機(jī)器人，一個(gè)CCD 工業(yè)攝像機(jī)，一個(gè)激光器和一個(gè)平面棋盤格靶標(biāo)。

 

結(jié)構(gòu)光平面參數(shù)標(biāo)定系統(tǒng)示意圖：

 

 

攝像機(jī)坐標(biāo)系位于攝像機(jī)中心，而世界坐標(biāo)系位于平面棋盤格靶標(biāo)上。一個(gè)特征點(diǎn)在攝像機(jī)坐標(biāo)系下坐標(biāo)與其在世界坐標(biāo)系下坐標(biāo)之間的對(duì)應(yīng)關(guān)系可以用下式來表達(dá)：

 

 

標(biāo)定過程如下：

 

（1）圖像獲取：

 

圖像的獲取是在攝機(jī)參數(shù)標(biāo)定過程中同時(shí)完成。 首先將棋盤格放在工作臺(tái)上， 在這個(gè)初始位置，利用攝像機(jī)采集一幅圖，如圖 (a) 所示 。保持?jǐn)z像機(jī)和棋盤格的位置姿態(tài)不變，打開激光器讓條紋投射到棋盤格上， 再采集一幅圖像如圖 (b) 所示：

 

 

然后改變棋盤格和攝像機(jī)的相對(duì)位姿，使前后形成的兩條激光條紋在空間上不共線，即可確定一個(gè)唯一的結(jié)構(gòu)光平面。

 

 

（2）圖像處理：

 

圖像處理的目的是提取激光條紋上特征點(diǎn)的圖像坐標(biāo)。

 

分為圖像感興趣區(qū)域（ROI）確定、自適應(yīng)閾值分割、骨架細(xì)化和特征點(diǎn)計(jì)算。

 

1）圖像ROI確定

 

通過觀察圖像看出，激光條紋大致平行于圖像的u 軸，而且激光條紋處像素的灰度值高于圖像中其它像素的灰度值，所以圖像的ROI 可以通過對(duì)每行像素灰度值進(jìn)行求和得到：

 

 

2）閾值分割

 

閾值分割分為全局閾值分割、局部閾值分割和自適應(yīng)閾值分割。最常用的自適應(yīng)閾值分割是Otsu方法，該方法使用統(tǒng)計(jì)學(xué)的方法確定最優(yōu)的閾值，適用于一般的圖像，但是不太適合于棋盤格上激光條紋的分割。

 

根據(jù)圖像中激光條紋的灰度值高于圖像中其它像素的灰度值以及激光條紋所在區(qū)域比較集中的特點(diǎn)，利用圖像ROI 內(nèi)行像素灰度值之和計(jì)算激光條紋的自適應(yīng)閾值：

 

 

3) 骨架細(xì)化:

 

自適應(yīng)閾值分割以后的激光條紋具有一定的寬度，直接處理計(jì)算量巨大而且精度較低，需要對(duì)圖像進(jìn)行骨架細(xì)化得到單像素的線。

 

采用下面文獻(xiàn)中所提出的快速骨架細(xì)化方法：

 

 

Pi分布情況如下：

 

 

第二個(gè)迭代過程將上述條件的c、d條件更改為：

 

 

4）特征提?。?/div>