一种高精度3D视觉测量方法与流程

本发明涉及一种高精度3d视觉测量方法，属于机器视觉、三维重建与高精密自动化测量仪器领域。
背景技术：
：在制造业中，用来生产工件的机器本身不可避免的存在着一定的制造精度误差。因此，凡是被其生产出的工件必然会存在一定的公差。对于那些加工精度要求很高的工件来说，我们必须准确的测量其工差范围。视觉测量在工业零件的尺寸测量方面也体现出了其独特的优势，可实现非接触检测测量，且长时间稳定工作。利用视觉测量，可以节省大量劳动力资源，为公司带来可观的效益，其应用前景非常可观。视觉测量系统具有测量功能，能够自动测量产品的外观尺寸，比如能够自动测量产品的外形轮廓、孔径、面积等参数的尺寸。目前在机器视觉领域主流的检测手段主要是依赖2d相机的视觉测量技术。这种方法只能测量属于2d的目标物的对应尺寸，当需要测量高度、深度、厚度、平面度、体积、磨损度时，该测量方法则无法达到要求。在工业上，用于高精度零件尺寸测量的仪器是三维坐标测量仪，其精度一般都在微米级别，但是三坐标测量仪测量效率低下，远不能满足工业制造的实际效率需求。近年来，随着“工业4.0”的提出，与智能工厂紧密相关的视觉测量技术得到了高度重视和发展。因此，研发快速高效的高精度3d视觉测量技术，已成为实现“工业4.0”的急切需求。技术实现要素：本发明是为了克服现有技术的上述不足，提出了一种高精度3d视觉测量方法，该方法克服了传统2d视觉测量无法测量不在同一个平面目标之间的相应参数的问题，同时也克服了传统的三维坐标测量仪测量效率低下的问题，直接通过多对双目相机对测量目标进行3d测量，并且精度已经达到10um以下。本发明通过这样的技术方案实现：一种高精度3d视觉测量方法，其特征在于，通过安置在待测目标的左侧、右侧、上方三对双目相机分别重建待测目标的三维坐标。实现所述方法包括如下步骤：步骤1，高精度相机内参数标定，确定所有相机的内参数。首先利用张正友标定法计算相机的内参数，再根据协方差定律删除方差大于规定阈值的像素点。之后，用剩下的方差小于规定阈值的像素点再一次进行相机标定。步骤2，立体相机标定，确定立体相机的外参数。确定相机的外参数需要用到步骤1中标定的内参数的结果，为了消除误差的传播效应，在这一步需要对所有的计算结果进行捆绑集调整优化计算。步骤3，不同相机坐标系的转换，将不同相机坐标系统一转化到同一个相机坐标系下，采用四元素法进行六参数坐标系的转换。步骤4，提取每一个相机视野中的目标物的边缘位置(以椭圆目标为例)。首先用canny边缘检测提取整幅图像指定区域的边缘位置，再用边缘跟踪算法计算每一个边缘像素点的数目，删除像素点小于固定阈值的边缘。步骤5，对步骤4中椭圆边缘进行拟合，计算拟合椭圆的长短轴和面积，删除不满足条件的椭圆边缘，并提取椭圆中心。步骤6，分别根据步骤5中左右两个椭圆中心的像素坐标，用步骤1和步骤2得到的相机参数首先用线性三角化方法分别重建左侧、右侧、上方椭圆中心的三维坐标，在根据线性三角化结果对重建的三维点进行非线性优化，得到精度更高的三维坐标点。步骤7，根据步骤3中得到坐标系转换参数将所有三维点转化到同一个坐标系下，即可得到高精度的三维坐标点。本发明与现有技术相比有以下优点：1.本发明能够直接对待测目标进行三维测量，得到待测目标的三维坐标。2.相机标定精度高，现有常用的张正友标定法的标定精度大约为0.4像素，本发明的相机标定精度约为0.1像素。3.本发明的椭圆边缘提取精度控制在0.2像素以内。4.本发明最终的三维重建精度在0.3像素以内。附图说明图1为本发明方法相机安置位置示意图。图2为本发明方法待测对象的实物图。图3为本发明方法算法流程图。图4为本发明方法与张正友标定算法重投影误差的对比图。图5为重建出的棋盘格空间位置图。图6为目标边缘提取结果。图7为边缘拟合及其局部图像。具体实施方式下面结合附图和实施例，对本发明做进一步说明。如图1所示，为测量过程相机安置方案，其中左侧安置两个相机，右侧安置两个相机，上方安装两个相机。图2为本发明的测量对象的实物图。本发明的流程图如图3所示。本实施例中，用一个人工制作的标定块作为测量目标，测量左侧和右侧对应圆心所连直线的距离，该标定块经过三维坐标测量仪获取圆心的三维坐标，精度为1um。在相机标定过程中，我们采用的标定物为精度为10um的玻璃平面棋盘格标定板。下面结合附图，对发明的技术方案的具体过程加以说明。因本发明左侧、右侧、上方的相机计算过程完全相同，故以左侧两个相机的计算过程为例叙述。(1)对左侧每一个相机进行高精度内参数标定，确定左侧相机的内参数矩阵(4个参数分别为fx、fy、cx、cy)。该步骤首先利用张正友标定法计算相机的内参数矩阵，我们得到两个相机的5个内参数分别为[10912.910908.12069.91018.5]、[10765.410767.62030.31066.4]，再根据协方差定律删除方差大于规定阈值的像素点。之后，用剩下的方差小于规定阈值的像素点再一次进行相机标定，得到的两个相机的内参数分别为[10916.410915.42030.01100.8]、[10893.710889.92083.51104.1]。图4是经过上述步骤得到的内参数矩阵重建出来的三维点的重投影误差分布，可以看到误差大致分布在0.1像素以内。(2)立体相机标定，确定左侧两个相机的外参数。确定相机的外参数需要用到(1)中标定的内参数的结果，为了消除误差的传播效应，在这一步需要对所有的计算结果进行捆绑集调整(或者光束法平差)优化计算步骤，得到外参数为t＝[-168.039，-1.172，41.871]。图5为根据立体标定重建出三维空间中棋盘格的位置图像。(3)提取每一个相机视野中的目标物的边缘位置(以椭圆目标为例)。首先用canny边缘检测提取整幅图像指定区域的边缘位置，再用边缘跟踪算法计算每一个边缘像素点的数目，删除像素点小于固定阈值的边缘。在本实施例中，我们选择删除边缘点数目小于500的边缘。边缘位置提取效果如图6所示。(5)对(4)中椭圆边缘进行拟合，计算拟合椭圆的长短轴和面积，删除不满足条件的椭圆边缘，并提取椭圆中心。在本实施例中，我们采用的用直接方法求解椭圆方程的五个参数，根据得到的椭圆参数即可求得椭圆的长短轴和对应的面积，以此作为是否保留该椭圆边缘的依据。最终的椭圆边缘提取结果及其局部放大图如图7所示。(6)分别根据(5)中左右两个椭圆中心的像素坐标，用(1)(2)得到的相机参数首先用线性三角化方法重建椭圆中心的三维坐标，此时因为系统误差以及随机误差的存在，得到的椭圆中心的坐标精度并不高。我们再根据线性三角化结果对重建的三维点进行非线性优化，以此得到精度更高的三维坐标点。(7)在结合上述步骤，分别对右侧和上方相机进行(1)-(6)步骤计算，并根据四元素法将所有三维点转化到同一个坐标系下，即可得到要测量对应三维坐标的距离。以三维坐标测量仪得到的三维点坐标为标准值，最终本发明得到的左侧立体相机测量出的三维点坐标与之对比结果误差分析如下表1，右侧立体相机测量出的三维点坐标与之对比结果误差分析如下表2，上方立体相机测量出的三维点坐标与之对比结果误差分析如下表3。表1目标目标1目标2目标3目标4目标5误差(um)-1.73.61.99.3-5.4表2目标目标1目标2目标3目标4目标5误差(um)2.73.55.56.12.2表3目标目标1目标2目标3目标4目标5误差(um)3.1-3.5-1.38.5-5.2以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步说明，所用理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12