本发明涉及仪器科学与测量领域,尤其涉及一种工业领域迫切需求的工件表面离散点定位与坐标测量技术。
背景技术:
1、空间点坐标测量技术是仪器领域的一个重要研究课题,可以应用于自动驾驶、工件几何长度测量、空间坐标配准等领域。在点坐标测量技术领域中,一般有三坐标测量机检测、激光仪测量、机械臂测量、视觉测量。其中三坐标测量机、激光测量装置价格昂贵,难以普及;机械臂装置操作复杂并且难以在有遮挡的工件内部中进行测量。相比之下,视觉测量具有着巨大的应用潜力,同时随着目标检测等技术的发展,视觉测量具有着越来越大的应用前景与研究价值。
2、视觉测量技术中,主要包含单目视觉测量、双目视觉测量、多目视觉测量技术。其中单目视觉测量缺乏深度信息,难以实现对坐标点三维空间的坐标定位;多目视觉测量技术需要多次相机标定,操作复杂繁琐,同时增加测量成本,并且需要先计算公共视场,增加了计算复杂度。相比之下,双目视觉技术能够获取深度信息,同时具有成熟简单的相机标定方法,对空间点检测领域具有着很大的优势。然而,该技术目前难以在中远距离尺度上实现高精度三坐标检测,同时伴随着相机坐标系难以转换到世界坐标系等技术问题。
3、目前为止,因为双目视觉测量技术中存在上述关键技术问题,现有方法中都不能够良好的满足现实应用中对于空间离散点坐标三维测量的紧迫需求。
技术实现思路
1、为了解决上述技术问题,本发明提供了一种基于双目立体视觉的空间点三维坐标测量方法,可以改善双目视觉测量技术存在的关键问题,满足工业领域对提高空间离散点坐标三维测量精度的迫切需求。
2、在公开的技术方法中,包含基于多光点靶标的三坐标测量系统、基于牛顿梯度下降的空间坐标转换算法。
3、基于多光点靶标的三坐标测量系统由7个独立且不共平面的led光点、机械圆球探头、光耦隔离触发按键、led供电电源等部件组成。
4、基于多光点靶标的三坐标测量系统中,首先需要对双目相机进行调焦与相机标定,然后调整光圈大小,控制曝光量。在此基础上,设置相机脉冲信号触发方式,采集到空间光点图像后,利用极线矫正方法,实现光点的匹配与对应,从而实现光点匹配。在此基础上,利用坐标点三维计算方法,获取7个光点在相机坐标系下的空间坐标。
5、在此基础上,由7个光点已知的三维空间点,结合靶标标定后的参数信息,通过冗余信息建立信息矩阵,利用广义逆矩阵算法推导靶标探头质心坐标。
6、基于牛顿梯度下降的空间坐标转换算法中,在获取探头质心坐标后,进行相机坐标系与世界坐标系的空间变换,通过在空间点区域多次采集离散点,依次获得相机坐标系与世界坐标系下若干离散点的坐标矩阵信息,通过侧倾角、俯仰角、偏航角建立坐标系的旋转矩阵。
7、在此基础上,结合均值差分信息,获取不含平移向量的坐标差分矩阵。通过利用牛顿偏导,计算坐标转换梯度信息,利用连续迭代的方式,获取相机坐标系与世界坐标系的旋转矩阵。通过旋转关系矩阵,计算多个坐标点坐标的均值,结合旋转矩阵信息,获取误差最小条件下的坐标平移矩阵。
8、与现有方案相比,本方案具有以下技术优点:
9、本发明针对双目视觉测量技术中存在的难以在中远距离尺度上实现高精度三坐标检测、相机坐标系难以转换到世界坐标系等问题,提出了一种基于双目立体视觉的空间点三维坐标测量方法。本发明建立了基于多光点靶标的三坐标测量系统、基于牛顿梯度下降的空间坐标转换算法,提升了中远距离下空间离散点三坐标测量精度,同时保证了误差的可溯源性。综合来看,该发明提高了双目视觉检测技术对于空间离散点的三坐标测量精度,回应了现实工业领域与自动驾驶领域对提高空间离散点定位精度的迫切需求。
1.基于双目立体视觉的空间点三维坐标测量方法,其特征在于:由基于多光点靶标的三坐标测量系统、基于牛顿梯度下降的空间坐标转换算法组成。
2.根据权利要求1所述的基于多光点靶标的三坐标测量系统,其特征在于:由7个独立且不共平面的led光点、机械圆球探头、光耦隔离触发按键、led供电电源等部件组成,通过触发按键生成跳变信号以实现双目图像的同时同步图像采集。
3.根据权利要求1所述的基于多光点靶标的三坐标测量系统,其特征在于:需要进行双目相机的标定,获取相机主点信息、焦距信息、相机间的位置转换关系,并通过极线矫正的方式校正左右相机采集到的图像。
4.根据权利要求1所述的基于多光点靶标的三坐标测量系统,其特征在于:利用坐标匹配的方法,获取左右图像与机械靶标上led光点的对应映射关系,并利用质心求解的方法,获取led光点在左右图像上的质心位置,从而采用空间离散点位置解算方法获取7个光点在相机坐标系下的空间坐标位置。
5.根据权利要求1所述的基于多光点靶标的三坐标测量系统,其特征在于:通过拼接离散光点在相机坐标系下的三维坐标,形成三维坐标矩阵并与靶标坐标系上光点位置关系形成空间坐标映射关系,通过差分均值与进行矩阵广义逆运算的方式,求解靶标坐标系与相机坐标系间的旋转平移关系,进而推导靶标探头质心在相机坐标系下的空间三维坐标。
6.根据权利要求1所述的基于牛顿梯度下降的空间坐标转换算法,其特征在于:通过差分的方式减小测量误差的影响,利用测倾角、偏摆角、巡航角构建旋转正交矩阵,并建立优化矩阵,并确立最小二范数的误差优化函数。
7.根据权利要求1所述的基于牛顿梯度下降的空间坐标转换算法,其特征在于:在确立最小二范数的误差优化函数的基础上,通过不共线的三个空间离散点,拼接组成3×3的坐标矩阵,采用矩阵逆运算的方式获取旋转正交矩阵关键角度初值。
8.根据权利要求1所述的基于牛顿梯度下降的空间坐标转换算法,其特征在于:在确立旋转正交矩阵关键角度初值的基础上,通过牛顿梯度下降的方法实现数值迭代,通过多次参数更新逼近于理论真值,当误差参数小于给定阈值后,停止迭代,获取关键旋转矩阵参数信息。
9.根据权利要求1所述的基于牛顿梯度下降的空间坐标转换算法,其特征在于:在获取关键旋转矩阵参数信息的基础上,利用7光点坐标计算中心信息,从而求解最小误差条件下的平移向量。