一种基于智能手机影像的三维测量方法与流程

本发明涉及到三维测量工程技术领域，尤其涉及一种基于智能手机影像的三维测量方法。

背景技术

在日常生活中，特别是工业生产中，经常需要对制造产品进行三维形貌(面形)测量，获取其精确的三维数据信息，由于生产生活的大量需求，以及其非接触、高速、精度高、自动化程度高，便于实时测量等特点，光学三维影像技术已经成为信息光学的主要研究方向之一，也广泛地被运用于复杂物体的三维形貌测量，当前世面上已经存在的三维测量技术有以下几种：

1、在测量台上。以移动的双摄像头和激光或者特定颜色的可见光束，同时对物体表面进行扫描，逐点进行测量计算。其缺点是：测量时间长，速度慢，不能进行动态物体的测量；测量设备昂贵，零售价在10万元以上，不利于推广；设备笨重，不便携带；操作要求高，使用复杂。

2、在测量台上。以双摄像机拍摄物体，然后经过图像计算而得到物体三维数据。但它对拍摄照片的处理不是基于图像识别，而只是基于特定的结构光进行计算。其缺点是：必须依赖测量台，测量设备昂贵，零售价在2万元以上，不利于推广；设备笨重，不便携带；操作要求高，使用复杂。

3、让被测物体旋转或者拍摄镜头旋转，然后对连续拍摄的图像进行处理。或者用双镜头拍摄被测物体，然后进行图像识别处理，但没有矫正卡图像参考，得到的数据误差特别大，只能用于大致的定性测量，以得到人眼能看见的三维图像为目的，不宜用于测量。

中国专利文献cn106595523a，申请日20161223，专利名称为：一种基于智能手机的便携式三维形貌测量系统及方法，所述基于智能手机的便携式三维形貌测量系统包括:微型投影模块，用于为自动投射所需光栅条纹图以及条纹周期编码图到被测物体表面，后端计算获取对应的截断相位以及进行相位展开；微型投影模块集成到手机壳里与智能手机组合连接或独立集成为一可插拔部件与智能手机进行有线连接；智能手机，用于拍摄变形条纹图像，获取物体表面高度分布的原始图像数据；通过对手机和系统进行标定，得到镜头的内参数以及空间外参数；对获取数据进行计算、处理，最终恢复、储存并显示物体三维形貌数据；条纹图像数据处理app系统，用于对获取图像数据进行计算、处理，调用已有标定数据恢复、储存并显示三维形貌数据。

上述专利文献的一种基于智能手机的便携式三维形貌测量系统及方法，使用通用手机、成本低，不需要使用专业设备，利用投射结构光，使用标定系统，从而达到成像和测量的目的。但是，上述专利存在以下问题：

1、虽然上述专利使用通用手机，但其成本依然可以有更低的空间。其微型投影模块精度要求高，专用性强，销量低，成本高。

2、利用投射结构光，不能用自然光，增加了设备，增加了操作的复杂性。结构光光源设备本身精度就不能达到微米级，再从其原理上说，它是靠识别光栅图像的形变来判断三维距离尺寸的，光的亮度、色差等，对其精确计算三维尺寸具备天然的误差影响。在没有矫正卡的背景矫正的情况下，更是不易测量准确。结构光一般用于相对测量，也就是成像和模糊识别，不能用于精确尺寸测量。

3、无矫正标定功能，不能精确测量，在不使用矫正卡的情况下，得到的数据误差特别大。

4、基于结构光的计算虽比基于自然光的图像识别计算要简单很多，但其结果需紧密依赖于结构光的精度。

因此，现有的基于智能手机的便携式三维形貌测量系统及方法存在着要么成本依旧较高，或者数据精度低、不能用于精确尺寸测量，要么依耐性较高等问题。

技术实现要素：

为解决现有技术基于智能手机的便携式三维形貌测量系统及方法存在的成本依旧较高，或者数据精度低、不能用于精确尺寸测量，或者依耐性较高等问题，本发明提出基于智能手机影像的三维测量方法，本发明基于自然光的计算(包含了结构光)，将光学测量与计算机软件的图像识别处理技术结合起来，在自然光条件下，利用手机的拍摄、计算和网络传输功能，在参照背景矫正卡图像下，将被测物体三维图像进行识别计算，以获得准确的被测物体三维数据，并将数据或图像上传网络。

本发明基于智能手机影像的三维测量机构，

包括：

用于插放矫正卡的基座，所述基座为一个，放置于水平面上；

矫正卡，所述矫正卡放置于基座上，且所述矫正卡为一张或一张以上；所述矫正卡上还设置防伪授权二维码、颜色矫正标、定位矫正标、左右卡识别标志、边界及中部矫正标尺、方位标、手机拍摄孔和灰度矫正标；

移动终端，所述移动终端为智能手机，所述智能手机有摄像头，所述摄像头用于获取图像；

计算软件，所述计算软件用于对获取图像数据进行计算和处理图像数据。

基于智能手机影像的三维测量方法，所述方法利用基于智能手机影像的三维测量机构对物体进行测量，并得到被测物体的形貌数据，其步骤为：

步骤s1，将矫正卡插于基座左右插槽上；

步骤s2，将智能手机摄像头开启，置于拍照模式，所述拍照模式为高分辨率拍照模式；所述智能手机摄像头紧贴在矫正卡上设置的手机拍摄孔，面向被测物体拍照，拍摄第一张照片；

步骤s3，将智能手机摄像头紧机贴在矫正卡上水平移动一点距离；所述距离大小由被测物体大小决定；智能手机摄像头通过矫正卡上设置的手机拍摄孔，拍摄第二张照片；

步骤s4，使用智能手机的计算软件，计算得到三维数据和图像。

进一步的，步骤s1所述矫正卡为一张时，仅用于测定物体的一个面；

进一步的，步骤s1所述矫正卡为一张时，先放置于被测物体的一边，再放置于被测物体的另一边，用于测定物体的两个面；

进一步的，步骤s1所述矫正卡为两张时，可以一同放置于被测物体的左右两边；

进一步的，步骤s3所述被测物体，其单边边长小于30cm的被测物体，智能手机摄像头的移动距离为1～3cm；

进一步的，当测量物体的多个面时，则需要在被测物体两侧分别拍摄照片；

进一步的，步骤s4所述的计算得到三维数据和图像，上传网络或先将图片上传网络，然后由网络上的服务器上的计算软件进行识别计算，得到三维数据和图像。

进一步的，在基座上，分左右两侧分别插立左右两块矫正卡，矫正卡的有图的正面向内，即左侧卡向右，右侧卡向左，被测物体放置在两块矫正卡之间；矫正卡的外侧的智能手机，紧靠在矫正卡上，通过矫正卡的手机拍摄孔，拍摄被测物体；每一侧分别在上下拍一次，获得两张同侧的图像；左上拍摄点ul和左下拍摄点dl，分别为手机的两次拍摄位置；右上拍摄点ur和右下拍摄点dr，分别为手机的两次拍摄位置。

本发明基于智能手机影像的三维测量方法，其有益效果为：

1、利用矫正卡背景图像，实现了高精度测量，利用图像和软件识别，代替了昂贵的硬件设备；

2、本发明利用二阶拐点取点法，能实现自然光图像识别，不需要专用的结构光。

附图说明

附图1为本发明基于智能手机影像的三维测量方法的基本原理正视图；

附图2为本发明基于智能手机影像的三维测量方法的基本原理前视图；

附图3为本发明基于智能手机影像的三维测量方法的矫正卡设计图；

附图4为本发明基于智能手机影像的三维测量方法的三角法三维坐标计算原理图；

附图5为本发明基于智能手机影像的三维测量方法的测量精度分析说明图；

附图6为本发明基于智能手机影像的三维测量方法的图像上特征点取点原理图；

附图7为本发明基于智能手机影像的三维测量方法的软件算法流程图；

下面结合附图和具体实施例对本发明基于智能手机影像的三维测量方法作进一步的说明。

具体实施方式

附图1为本发明基于智能手机影像的三维测量方法的基本原理正视图、附图2为本发明基于智能手机影像的三维测量方法的基本原理前视图、附图3为本发明基于智能手机影像的三维测量方法的矫正卡设计图、附图4为本发明基于智能手机影像的三维测量方法的三角法三维坐标计算原理图、附图5为本发明基于智能手机影像的三维测量方法的测量精度分析说明图、附图6为本发明基于智能手机影像的三维测量方法的图像上特征点取点原理图、附图7为本发明基于智能手机影像的三维测量方法的软件算法流程图，图中，1为被测物体、2为右矫正卡、3为左矫正卡、4为左上拍摄点ul、5为右上拍摄点ur、6为左下拍摄点dl、7为右下拍摄点dr、8为手机、9为基座、10为防伪授权二维码、11为颜色矫正标、12为定位矫正标、13为左右卡识别标志、14为边界及中部矫正标尺、15为方位标、16为手机拍摄孔、17为灰度矫正标、18为被测物体、19为在拍摄的被测物体图片上设置一条x轴线、20为最后计算出来的在图片上取的特征点、21为沿x轴线的图片的点的灰度值、22为沿x轴线的图片的点的一阶灰度值、23为沿x轴线的图片的点的二阶灰度值的绝对值、a为被测量物体上的某个点、b为矫正卡上的一个参考点、c为被测量物体上的某个点、c’为c点在镜头面上的垂直投影点、c1为左拍摄镜头中心点、c1’为左拍摄镜头中心点在图像上的垂直投影点(图像中心点)、c2为右拍摄镜头中心点、c2’为右拍摄镜头中心点在图像上的垂直投影点(图像中心点)、a’为a点在镜头面上的垂直投影点、l为左拍摄镜头拍摄的图像的起始端点、r为右拍摄镜头拍摄的图像的起始端点、al为a点在左图像上的像素点、bl为b点在左图像上的像素点、cl为c点在左图像上的像素点、ar为a点在右图像上的像素点、cr为c点在右图像上的像素点、ha为a点到镜头面的垂直距离、hb为b点到镜头面的垂直距离、hc为c点到镜头面的垂直距离、c”为c点在图像面上的垂直投影点。

本领域技术人员可以理解的是，本发明所述基于智能手机影像的三维测量方法，其原理来源于人眼仿生，模仿两只眼睛能辨别物体的距离，利用分别代表两只眼睛的两个镜头，从影像上测量出物体的三维形状。三维定量测量与定性成像所不同的是测量对数据的精度的要求，在被拍摄(测量)的物体的背景中设置矫正卡，让拍摄的图像旁边有准确尺寸标定的数据参考，当软件对图像进行识别计算时，就有了准确计算的依据，从而可以得出准确的数据。本发明分别对同侧的两张图像进行识别、计算，得出被测物体的外形三维数据，所述数据可以在异地进行三维模拟图像还原。

在具体实施时，基本计算原理基于三角函数法。物体上任意点到镜头面的距离，即z坐标，下面以z坐标为例，说明其推算过程和原理，其x坐标和y坐标的推算过程原理相同。

如附图1和附图2所示，为从两个不同的方向观察整个测试装置测试的方法的图示。在基座上，分左右两侧分别插立左右两块矫正卡，矫正卡的有图的正面向内(左侧卡向右，右侧卡向左)，被测物体放置在两块矫正卡之间。矫正卡的外侧的手机，紧靠在矫正卡上，通过矫正卡的的挖孔，拍摄被测物体。每一侧分别在上下拍一次，也可以用特制的双镜头手机拍一次，获得两张同侧的图像。4为左上拍摄点ul、6为左下拍摄点dl，分别为手机的两次拍摄位置，或者是双镜头定制手机的两个镜头。5为右上拍摄点ur、7为右下拍摄点dr5，分别为手机的两次拍摄位置，或者是双镜头定制手机的两个镜头。

附图4为本发明基于智能手机影像的三维测量方法的三角法三维坐标计算原理图，图中，a为被测量物体上的某个点、b为矫正卡上的一个参考点、c为被测量物体上的某个点，均为被测物体上的特征点。附图4中设定镜头面与图像面间的距离为已知参数，在实际计算中因为在误差范围内，可以忽略。

在具体实施时，附图1、附图2中同侧两次拍摄的镜头间距离也就是附图4中的c1’到c2’间距离，可以通过矫正卡在拍摄的影像上的投影点的像素的位置计算出来，也可以通过固定手机位置或者测量手机位置得到，为已知参数。本发明采纳矫正卡上的定位矫正标或矫正标尺在拍摄的影像上的投影的像素点的位置计算出来。附图1、附图2中对侧矫正卡与本侧镜头面间距离(附图4中的hb)由基座尺寸决定，为已知参数。

依照附图4，计算过程推导如下：

令：

镜头面与图像面间距离为lj,

镜头感光面半长度(图中ll-c1'，lr-c2间距离)为s,

c1与c2间距离为l，

得出：

∠cr-c2-c2'＝arctg((lcr-r-s)/lj)

＝∠b-c2-c

＝∠c2-c-c’

令其＝∠1

同理，得出：

∠cl-c1-c1'＝arctg((lcl-l-s)/lj)

＝∠c1-c-c’

令其＝∠2

得出方程组：

lhc＝tg(90-∠1)*lc’-c2＝tg(90-∠2)*lc’-c1(1)

lc’-c1+lc’-c2＝l(2)

令：

lc’-c1＝l1，lc’-c2＝l2

tg(90-∠1)＝m1

tg(90-∠2)＝m2

得出距离坐标：

lhc＝l*m1/(1+m1/m2)

同理可计算横纵坐标。

附图3为本发明基于智能手机影像的三维测量方法的矫正卡设计图、附图6为本发明基于智能手机影像的三维测量方法的图像上特征点取点原理图，按附图6所示，最后经过二阶拐点计算，得到图中3表示得多个特征点。计算所有x线和y线，取到所有特征点，然后经过插值计算，即可得到整个物体表面的所有三维数据。

附图5为本发明基于智能手机影像的三维测量方法的测量精度分析说明图，如图所示，推到出镜头分辨率与所测数据分辨率之间的数据关系：

la-c”-(la-c”/lc”-ar)(lc”-ar+a)＝b

其中：

a为摄像镜头像素直径

b为对实物能实现的分辨率尺寸

lc”-ar为双镜头之间的距离的1/2

la-c”为镜头到实物之间的距离

b＝-a(la-c”/lc”-ar)mm

可见：

当la-c”越大，b越小，la-c”越大，b越大；

测量精度与同侧两个镜头之间的距离有关。

在具体实施时，以500万分辨率的手机摄像镜头取值，其像素直径不小于1.4μm(1.4x10-3mm)，la-c”假设为200mm，lc”-ar假设为100mm，则

b＝1.4x10^-3(200/100)mm＝2.8x10^-3mm

可见，精度足够高。

在具体实施时，la-c”与lc”-ar并不是越大或越小精度越高。当la-c”小到一定程度时，镜头焦距就不能同时满足矫正卡和被测物体都清晰，给程序计算带来速度和精度上的麻烦；而太大，又直接降低精度。而lc”-ar如果太小，精度降低，但如果太大，会造成两次拍摄的图像角度、灰度都发生太大的偏差，以至于从两幅图像不能锁定同一个点，导致无法计算出正确数据。这两个参数的选择，应当按照实际所需要的精度来调整。在精度允许的情况下，尽量减小lc”-ar。比如，我们需要1mm左右的测量精度，使用上述分辨率为500万，像素点1.4x10^-3mm的手机摄像机镜头，则b＝1.4x10^-3(500/10)mm＝0.07mm。

附图7为本发明基于智能手机影像的三维测量方法的软件算法流程图，如图所示，即可计算出三维物体的整个外形精确数据。

步骤一，按照附图1和附图2的方式，在物体的左右两边分别拍下两张照片，共4张照片；

步骤二，使用手机上我们专门编制的软件处理这4张照片，得到物体的三维数据。也可以上传4张所拍照片到服务器，由服务器进行三维识别计算处理。本步骤的软件计算处理包含以下步骤三到步骤六共四个步骤，这四个步骤均为电脑自动进行，不需人工干预。

步骤三，按照附图6和附图7所示算法原理，在图片上取到所有特征点；

步骤四，以三角函数法计算矫正卡在照片上的图像的特征点，得到标准准确的矫正数据；

步骤五，以上交函数法计算从物体照片上取到的所有特征点，以已经得到的矫正数据修正数据；

步骤六，以平滑插值算法计算特征点外的区域点，获得整个物体的精确的三维数据。