专利名称：：一种基于编码结构光的三维重建方法
技术领域：
：本发明涉及计算机视觉、数据处理、图像处理，尤其是一种基于编码结构光的三维重建方法。
背景技术：
：计算机视觉的目的是对各种各样的图像输入进行表达和理解。近二十多年来，而物体三维轮廓重建一直是计算机视觉重要目的之一。三维物体轮廓重构与测量技术的实现方法有很多，主要包括接触式和非接触式两大类。非接触测量主要分为两类，一类是光学方法，另一类是光学外的其它方法。光学方法测量又可以分为两类主动式和被动式。前者是由物体辐射信号或物体表面反射信号生成图像，成像设备不发出信号；后者是由成像设备发出一束信号，通过接收从物体表面反射回来的或穿透物体的信号生成图像。被动式f"测量主要模拟人眼三维感知原理，以传统双目立体视觉为代表，和人类视觉相似，主要是通过目标物体的表面纹理，灰度信息，颜色信息来得到目标物体的三维形貌。被动视觉方法针对同一个场景从不同的角度至少拍摄两幅图片，或者至少两个视点位置拍摄。图片之间特征点的选取和匹配被动视觉一直无法可靠解决的问题，因为特征点匹配具有区域性，它只是针对目标物体的相似区域来匹配，很难精确到目标物体上的点，匹配的精确度不高，重建精度较低；其次，对于特征点不明显的目标物体的匹配容易产生误匹配，导致重建的错误点较多，计算复;;、，这是立体视觉本身无法克服的问题。因此，立体视觉无法满足实际应用的需要。主动式的测量方法有时间飞行法、相位测量法、结构光法和数字全息法等。其中，结构光法以其固有的非接触、易于实现和较高的精度等优点，近年来受到越来越多的重视。尤其在进入上个世纪九十年代以来，随着工业检测技术、逆向工程技术和快速成型技术的迅速发展，对三维物体进行表面轮廓重构和测量的需求越来越大，对测量速度和精度要求越来越高，使得基于三角测量原理的结构光法成为使用最为广泛的方法。'
发明内容为了克服已有视觉成像系统的三维重建方法的计算复杂、匹配精度不高、重建精度低的不足，本发明提供一种简化计算过程、匹配精度高、重建精度高的基于编码结构光的三维重建方法。本发明解决其技术问题所采用的技术方案是一种基于编码结构光的三维重建方法，包括以下歩骤1)、向待测物投射结构光，摄像机捕捉经待测物调制的图像；2)、进行光模板匹配，包括以下步骤(2.1)、光条边界的定位待检测的光模板为一维条纹编码，沿着图像的每个列扫描，对每个像素点的各个通道用一维列算子进行预处理，一维算子如附图中的图8所示，确定灰度变化强烈的像素点为候选边缘点，在图像每一列上以候选边缘点为中心，选取一定大小的区域，其最大值不超过光条宽度的1/2，搜索局部领域的步骤如下(2丄1).初始化候选边缘点作为一区域中心ZiJ;(2丄2).沿列方向搜索，将Zi旬,Zi+kj像素颜色空间转成色调、亮度和饱和度(HIS)空间；(2丄3).增加新的点到这个区域，只要满足与相邻像素点的色调值差不超过设定的阈值H/2是两个像素色调的差值，A^M表示第i土k行j列像素的色调值；经算子处理后，像素点的三通道灰度值为Gv,局部区域三通道灰度值之和的最大值的像素点定义为边界点；max(￡)=|;Gy(C=3)(2)乂=1￡为算子处理后像素点灰度值之和的最大值；(2.2)、光条匹配采用颜色聚类的方法建立颜色匹配特征向量，对岡像^色和投射颜色进行比较，定义色彩特征向量与聚类中心的欧式距离来分配候选光条红绿蓝白颜色；不同的颜色群集聚在特定的RGB空间区域，通过样本点训练颜色群的聚类中心，然后用点到点的距离来匹配光条颜色；化2(尸,，"("1,2,3,4)(3)A/i是两点距离的平方，户,是光条中心像素的RGB特征向量，Q是颜色聚类中心，浙x，W是jc,j;两点之间距离；设Z^min(Z),vO，那么光条颜色的分配按照(4)式进行<formula>formulaseeoriginaldocumentpage8</formula>(4)Sc表示光条颜色；分配好颜色后，每三条相邻的光条颜色组成一个码字Si,找出每个码字在整个序列的位置就是解码；光条坐标值x,定义为<formula>formulaseeoriginaldocumentpage8</formula>(5)ZWAS(^^^^直接解码第7'帧光模板子序列s,的坐标位置；3)、利用已经标定好的系统参数进行待测物的三维重建，具体过程为标定好的转换矩阵参数确定了空间点坐标和它的图像坐标点的关系，从特征点的图像坐标恢复空间三维坐标；拍摄经调制的图像，经图像处理后获取图像坐标(&"，计算得出理想归一化坐标(u)，摄像机坐标系下空间点和空间存在如下的关系-(6)<formula>formulaseeoriginaldocumentpage8</formula>(7)消去Ze，化简得:<formula>formulaseeoriginaldocumentpage8</formula>(8)通过光条解码求出&坐标值，得结合(8)式、(9)式得<formula>formulaseeoriginaldocumentpage8</formula>(9)<formula>formulaseeoriginaldocumentpage9</formula>将(10)式写成矩阵A^B形式，其中^(Xw,乙,Zw)，则方程线性最小二乘解为X即是由二维图像通过三维计算得到的世界坐标。进一步，在所述步骤2.1)中，聚类中心的搜索方法为(2丄1).初始化*:=4，红、绿、蓝、白色彩类，初始化K个群的中心；(2丄2).把每个样本点分配给离群中心距离最小的群；(2丄3).K群中的质心点成为新的聚类中心；(2丄4).重复步骤2和3直到所有点都趋向稳定地聚集。再进一步，在所述步骤3)中，系统参数包括摄像机参数和投影仪参数，标定方法包括以下步骤3.1)、摄像机标定过程采用二维标定模板，标靶为标准的黑白棋格组成，特征点为棋格的点组成，摄像机拍摄不同位置的多幅图像，对所述多幅图像选择格子角点作为特征点，采用平面标定法对摄像机进行标定，得到摄像机内参数标定K，并得到均值焦距/;其特征在于所述标定方法还包括3.2)、投影仪标定过程通过编码产生的光模板投影到共同标靶上，黑白方格角点作为定位点，利用在摄像机标定中获取的图像，同时提取黑白方格角点图像坐标，生成世界坐标；投射单一白色光模板时，得到A,，B,两点的图像坐标(^V》，("&VS)，以及世界坐标为(A,&,Z》，(Iftyfl，Zs)，求直线Lj和L的交点，得到Pi点的图像坐标，如P!点的图像坐标为(叫印)，世界坐标定义为(^,^,2p)，因为Ai，B,，P,三点共面，所以Z^ZfZs，根据交比不变性，得到，<formula>formulaseeoriginaldocumentpage9</formula>由(12)、(13)式得<formula>formulaseeoriginaldocumentpage10</formula>A.^分别表示X和Y方向的交比系数，(A^,^，Zp)表示光条边缘特征点的世界坐标。更进一步，在所述步骤3.2)中，投影仪模型的建立过程为-由投影仪坐标Xd和世界坐标Xw建立模型如下<formula>formulaseeoriginaldocumentpage10</formula>y是任一尺度因子，消除y，变换(15)式得到<formula>formulaseeoriginaldocumentpage10</formula>利用(16)式构造以mik为未知数的齐次线性方程组，然后通过奇异值分解求解投影仪参数；建立简化透视交比不变性几何模型，假设空间点A、B、C位于同一条直线L上，以B为参考点，位置比率定义为PR(A，B，C)=AB/AC(17)同理，A'、B'、C'是在透视中心O作用下，对应点A、B、C的成像点，并且位于同一点直线L1上，图像坐标上的位置比率为PR(A',B',C')=A'BVA'C'(18)根据透视几何原理的交比不变性，得到PR(A,B,C)=PR(A'，B',C')(19)在图像中点A'、B'、C'也是位于同一直线L'上。提取光模板中特征点的图像坐标，根据(19)式求出参考点B的世界坐标，建立空间三维到一维坐标之间的映射关系来标定投影仪。本发明的技术构思为结构光三维视觉是基于光学的三角法测量原理.。光学投射器(可以是激光器，也可以是投影仪)将一定模式的结构光(光模板)投射于物体的表面，在表面形成由被测物体表面形状所调制的光条三维图像。该三维图像由处于另一位置的摄像机摄取，从而获得光条二维畸变图像，解调光条的畸变程度便可重现物体表面的三维形貌。结构光三维视觉方法由于投射光模板图样不同可划分为点结构光法、线结构光法、多线结构光法、网格结构光法等，我们主要集中研究多线彩色编码结构光法，使用彩色信息对光条进行编码，例如DeBruijn序列光模板，其匹配问题则通过RGB多通道动态编程算法被得到解决，解码匹配正确率高。本发明的有益效果主要表现在简化计算过程、匹配精度高、重建精度高。图l是三维重建处理流程图。图2是RGB空间的示意图。图3是白色等宽间隔的序列光模板示意图。图4是四帧逆时针旋转90。的时移光模板示意图。图5是边缘检测算子的示意图。图6是算子边缘检测结果的示意图。图7是任意列的像素扫描通道灰度值的示意图。图8是边缘检测算子的一维列算子示意图。图9是光条边界检测的示意图。图10是像素点颜色的RGB空间示意图。图ll是透视投影点M投影到图像平面(u、v)的示意图。图12是交比不变性原理示意图。图13是高精度标靶的示意图。图14是读入原始标定图像的示意图。图15是摄像标定投影误差的示意图。图16是光条投射标靶面图。图17是边缘提取及直线拟合的示意图。图18是特征点获取的示意图。图19是投影仪标定误差示意图。图20是标定点三维重构的示意图。具体实施例方式下面结合附图对本发明作进一步描述。参照图1图20，一种基于编码结构光的三维重建方法，包括以下步骤1)、向待测物投射结构光，摄像机捕捉经待测物调制的图像；2)、进行光模板匹配，包括以下步骤(2.1)、光条边界的定位待检测的光模板为一维条纹编码，沿着图像的每个列扫描，对每个像素点的各个通道用一维列算子进行预处理，一维算子如附图中的图8所示，确定灰度变化强烈的像素点为候选边缘点，在图像每一列上以候选边缘点为中心，选取一定大小的区域，其最大值不超过光条宽度的1/2,搜索局部领域的步骤如下-(2丄1).初始化候选边缘点作为一区域中心Zij;(2丄2).沿列方向搜索，将Zi-kj，Zi+kj像素颜色空间转成色调、亮度和饱和度(HIS)空间；(2丄3).增加新的点到这个区域，只要满足与相邻像素点的色调值差不超过设定的阈值HA=|Z/±A,/，/—Z/±At±1，/,/j|(1)/是两个像素色调的差值，Z,力力表示第i土k行j列像素的色调值；经算子处理后，像素点的三通道灰度值为Gy，局部区域三通道灰度值之和的最大值的像素点定义为边界点；maX(￡)=|;G,,(C=3)(2)户iE为算子处理后像素点灰度值之和的最大值；(2.2)、光条匹配采用颜色聚类的方法建立颜色匹配特征向量，对图像颜色和投射颜色进行比较，定义色彩特征向量与聚类中心的欧式距离来分配候选光条红绿蓝白颜色；不同的颜色群集聚在特定的RGB空间区域，通过样本点训练颜色群的聚类中心，然后用点到点的距离来匹配光条颜色；12<formula>formulaseeoriginaldocumentpage13</formula>Z^是两点距离的平方，尸,是光条中心像素的RGB特征向量，G是颜色聚类中心，《x,力是jc，；;两点之间距离；设Z^min(A/t)，那么光条颜色的分配按照(4)式进行<formula>formulaseeoriginaldocumentpage13</formula>Se表示光条颜色；分配好颜色后，每三条相邻的光条颜色组成一个码字Si，找出每个码字在整个序列的位置就是解码；光条坐标值x,定义为<formula>formulaseeoriginaldocumentpage13</formula>(5)ZW5S(^^^;^直接解码第_/帧光模板子序列&的坐标位置；3)、利用已经标定好的系统参数进行待测物的三维重建，具体过程为标定好的转换矩阵参数确定了空间点坐标和它的图像坐标点的关系，从特征点的图像坐标恢复空间三维坐标；拍摄经调制的图像，经图像处理后获取图像坐标(5，"，计算得出理想归一化坐标Oc，:v)，摄像机坐标系下空间点和空间存在如下的关系<table>tableseeoriginaldocumentpage13</column></row><table>"3,3(6)带入(6)得:<formula>formulaseeoriginaldocumentpage13</formula>消去Ze，化简得:<formula>formulaseeoriginaldocumentpage13</formula>(8)通过光条解码求出&坐标值，得<formula>formulaseeoriginaldocumentpage13</formula>结合(8)式、(9)式得(9)1《-"1一(厂2—^附,.-wzw将(10)式写成矩阵^￥=^形式，其中》KXw,乙,Zw)，则方程线性最小二乘解为%=。、)_1^8(11)I即是由二维图像通过三维计算得到的世界坐标。本实施例的成像系统包括实验架、摄像机和投影仪。结构光成像系统的作用是将投影机固定在底座上，摄像机固定在可水平移动的横杆上，投影机和摄像机的相对位置可保持固定，提高系统的稳定性。同时为了满足不同角度捕捉视场的需求，摄像机绕水平转轴可以在360°范围内调节，垂直方向上也能通过自锁螺杆调整摄像机的垂直位置，结构光系统架具有的灵活度、自由度以大大提高系统的稳定性，获取场景的自由性。摄像机采用大恒DH-SV1410FC/FM型工业CCD摄像机，成像质量高。摄像机的主要参数CCD传感尺寸为2/3"，最大帧牟15,s，透镜焦距f-25mm，像素尺寸6.45X6.45um，分辨率1392X1040(1447680像素)。采用普乐士PLUSV-1100C数字投影仪作为结构光投射器，最大显示分辨率为1280X1024，焦距卜23mm，可手动调焦双向数码梯形校正，全彩色(1,677万色)，屏幕尺寸6英寸至200英寸，对比度2000:1，投射经编程产生的光模板。三维重建过程如图1所示，首先向待测物投射一定模式的结构光，摄像机捕捉经物体调制的图像，在边缘检测、光条分割单元，主要提取光条的边界点，对每一条光条进行分割定位，对每条光条进行颜色分配，用字母表中的颜11值。代替，对连续空间上的三条光条组成一个码字，实现摄像机与投影仪之间的空间解码匹配，最后利用己标定好的系统参数实现物体的三维重建。针对红(绿/蓝)分量的多少，人为地划分为0255共256个等级，0表示不含红色(绿/蓝)成分，255表示含有100%红色(绿/蓝)成分。根据红、绿、蓝各种不同的组合就能表示256x256x256种颜色，例如一个像素，当它的红、绿、蓝成分分别为0、255、255时显示为青色。而对于灰度图像的像素，该像素的红、绿、蓝成分是相等的，只不过随着这三个分量数值的增大，像素颜色从黒色、成白色。现有大多数的彩色成像设备和彩色显示设备都采用RGB(Red/Green/Blue，红绿蓝)三基色来表示和存储，基于上述的设计，可采用常用的RGB模型来建立彩色模型，彩色数字图像可以由RGB彩色空间表示，RGB空间如图2所示，14为方便起见，把所有颜色值都归一化，即图示的立方体是一个单位立方体。在彩色投射系统中，光条坐标需要从一副图像中检测出来，本文提出一种新的编码策略，对投射光模板的每一行进行编码。为了减少彩色识别的繁杂性和提高可靠性，保证颜色空间区分度足够大，要求在RGB空间中至少有两个颜色通道不同，因此选择红、绿、蓝三基色和白作为编码颜色，除黑白外，红、绿、蓝和白之间的空间距离达到最大，这可以保证对任何高饱和度的场景都保持足够的距离，编码颜色集可以选取为PK255，0,0),(0,255，0)，(0,0,255),(255，255,255)》的4元素集，白色作为间隔各条颜色，满足了白色光条出现的次数最多，以得到较高的图像亮度，对应的颜色集字母映射为P={P,|/=1，2，3，4}P,分别指示红、绿、蓝和白四颜色。基于传统的DeBruijn空间编码方法，引进等宽白色光条来间隔彩色光条，使相邻光条使用同一种颜色色调值，有效编码率达到100%。光模板由2rT条光条组成，其中颜色数目为n，窗口大小为m，而现有DeBruijn编码技术采用同样参数只能生成n(n-l)m条光条，产生的编码序列为3，4，3,4，3，4，2，4,3,4,3，4，1,4,3,4，2,4,2，4，3,4，2,4，1，4，3,4，1,4，2,4，3，4,1,4，1，4,2，4，2,4,2,4，1,4，2，4,1，4,1，4，1实际场景中，物体表面的不连续性使得部分光条不可见，导致3D数据错误增加，这样的光条称为阴影光条。引进白色光条的优点可以增加可解码光条比牟，C为相应的阴影光条被不参与解码的白色光条替代。定义Q={l,2,...，2nm}，对应每条光条的坐标序号值。由此生成的光模板如图3所示，每个条纹边界划分一个平面空间。同时，为了增加现有编码模板的分辨率，提出一个有效的时空编码，投射的每一帧图像由相同的光模板组成，后一帧由前一帧下移光条1/4宽度组成，四帧光模板如图4所示。鉴于先前己有大量的文献在数理组和方面对DeBruijn序列进行了研究，采用文献的方法产生序列。系统利用每帧光条边界空间编码唯一1i以及多帧的时间特性来增加重建模型的精度和分辨率。建立图像平面与投影光平面之间的正确匹配是一个复杂的问题。其步骤包括光条边界定位、光条颜色分配以及解码光条在每帧模板中的位置。重复上述步骤就可以匹配全部特征点，进而重建三维形状。15光条边界的精确定位图像的边缘检测主要是灰度变化的度量、检测和定位，边缘检测的方法众多，不同的方法使用的滤波器也不尽相同。在实际的实验中把一幅图像假设为连续函数/x,力，其方向导数在边缘方向是有极值，边缘检测^原理是通过求/;c，力梯度的极值来实现的。常用的边缘检测方法有基于一阶微分的边缘检测算子，包括Roberts、Sobel、Prewitt算子，基于二阶微分的拉普拉斯算子(Laplace)，还有基于最优化方法的Canny算子，各个算子模板如图5所示。应用上述的常用算子对一幅图像进行边缘检测，先将彩色图像转化为灰度图像，各个算子的检测结果如图6所示。由于图像数据是二维的，空间的深度信息在透视过程中丢失，再加上成像过程中的不均匀光照和噪声，使边缘检测的精度降低，出现许多伪边缘，光条的边缘呈现出不连续性，这样会造成空间点码字的丢失，不能实现解码。针对这些问题本文提出另外的边缘检测方案，先进行图像预处理，在精确定位。光模板有水平彩色条纹组成，是一维编码方式，对经调制的图像任意列行扫描，如图7所示。从图6可以看出，沿垂直方向扫描，彩色光条与白色光条的灰度强烈变化明显，光条的边缘可定义三通道灰度的极值来确定。彩色与白色边界周围存在着一定灰度值的过渡细缝彩色条，捕捉图像中的边缘偏离实际定义模板边界，边界精确定位直接影响系统重建的精度。针对上述问题，在检测边缘前，由于光模板是一维条纹编码，沿着图像的每个列扫描，对每个像素点的各个通道用图8的一维列算子进行预处理，确定灰度变化强烈的像素点为候选边缘点。考虑到全局边缘点搜索耗时，本文提出局部搜索方法，在图像每一列上以候选边缘点为中心，选取一定大小的区域，其最大值不超过光条宽度的1/2，搜索局部领域的步骤如下1.初始化候选边缘点作为一区域中心2.沿列方向搜索，将z^，Zi+kj像素颜色空间转成色调、亮度和饱和皮(mS)空间；3.增加新的点到这个区域，只要满足与相邻像素点的色调值差不超过设定的阈值H//是两个像素色调的差值，z,力力表示第i:tk行j列像素的色调值。分别对白、红、绿、蓝光条相邻像素的色调差作统计实验，取阈值H-0.06可获得理想的边界区说明书第12/19页域。经算子处理后，像素点的三通道灰度值为Gy，局部区域三通道灰度值之和的最大值的像素点可定义为边界点。ma,=|;Gy(C=3)(2)户iE为算子处理后像素点灰度值之和的最大值，检测的精度可达到像素级。图3-8是对图3-5a原始图像运用上述方法进行边缘检测的结果，与上述算子相比，边缘变得较连续，伪边缘点减少。光条匹配图像中每条被检测出来的颜色和模板颜色有一定的相似度。因此，正确匹配光条对应颜色是减少3D计算错误的关键。Zhang等人提出动态规划方法匹配每个像素点，而不是匹配每条光条，非常耗时，如文献l:L.Zhang,B.Curless,S.M.Seitz.Rapidshapeacquisitionusingcolorstructuredlightandmulti-passdynamicprogramming[A].In:ProceedingsFirstInternationalSymposiumon3DDataProcessingVisualizationandTransmission[C],2002,24-36(L.Zhang,B.Curless,S.M.Seitz.基于多通道动态规划的彩色结构光快速形貌重建[A].第一届国际研讨会三维可视化数据处理和传输[C],2002,24-26.)。Fechteler等人采用一个复杂直线聚类算法找到每个聚类直线的参数，直线之间的分离度不明显，如文献2:P.FechtelerandP.Eisert.Adaptivecolorclassificationforstructuredlightsystems[A].In:Proceedingsofthe15thInternationalConferenceonComputerVisionandPatternRecognition[C],USA，2008，1-7，(P.FechtelerandP.Eisert.结构光系统颜色自适应聚类[A].第15届国际计算机视觉和模式识别会议[C]，美国，2008，1-7)。本文采用颜色聚类的方法建立颜色匹配特征向量，对图像颜色和投射颜色进行比较，定义色彩特征向量与聚类中心的欧式距离来分配候选光条红绿蓝白颜色。编码采用的三基色空间距离己足够大，用经典的K均值算法搜索色彩类中心。首先选择拍摄的多幅图像，考虑到样本空间，实验中选择三幅图像，并把对应像素RGB分量转成色彩三维特征向量作为输入的样本数据，聚类中心搜索如下1.初始化&=4，红、绿、蓝、白色彩类，初始化K个群的中心；2.把每个样本点分配给离群中心距离最小的群；3.K群中的质心点成为新的聚类中心；4.重复步骤2和3直到所有点都趋向稳定地聚集。实验表明捕捉的图像颜色与投影仪投射的模板颜色有各种不同的扭曲和失真。另外，各传感器存在噪声和颜色间的串扰。如图10所示，描述三基色r3B空间，(a)是在理想情况下投影仪中抓取的光条颜色RGB空间，(b)是在办公环境下摄像机拍摄的光条颜色RGB空间。在图10中，(b)所示，不同的颜色群集聚在特定的RGB空间区域，通ii样本点训练颜色群的聚类中心，然后用点到点的距离来匹配光条颜色。Z),2(尸""("1，2,3'4)(3)A^是两点距离的平方，户,是光条中心像素的RGB特征向量，G是颜色聚类中心，rf&力是lj两点之间距离。设D=min(A;0，那么光条颜色的分配按照(3-4)式进行z/Z)=D,ft("1,2,3,4):4)Sc表示光条颜色。例如，hl，则光条颜色为红色。{^1,2，3,4}分别指示红、绿、蓝和白色。分配好颜色后，每三条相邻的光条颜色组成一个码字Si,找出每个码字在整个序列的位置就是解码。采用Hsieh提出的直接解码DeBrujin算法，与穷举解码相比，不需要存储额外的字母表，时间复杂度是穷举法的1/n(n为编码元)。光条坐标值JC,定义为x,-脑^,)+卜y-i)(5)ZM^S(^直接解码第_/帧光模板子序列A的坐标位置。本实施例中，首先选择常用的RGB模型作为彩色模型，选择红绿蓝和白作为编码颜色集，以使颜色的距离最大，满足颜色的精确匹配。边缘检测中，采用一维算子进行预处理，定义三通道梯度变化平方和的极值作为边界点，同时利用边界像素点分割光条，结合经典的K均值聚类方法，实验中光条颜色的匹配正确率达到100%，利用已分配的光条颜色组成码字，通过直接解码算法，直接定位光条的空间位置，与穷举法相比，大大提高了解码效率。本实施例的标定过程为摄像机模型从广义上来分，摄像机的标定方法可分成传统的摄像机标定法，摄像机自标定法和基于主动视觉的摄像机标定法三类，本文采用的是一种传统的摄像机标定方法，张正友的平面标定法，该方法利用摄像机从不同的角度拍摄平面模板的多幅图像(至少三幅)来标定摄像机所有内外参数。平面标定法的灵活性在于摄像机与标靶间可以自由地运动，而且运动参数无需知道。由于标靶上每个特征点与其图像上相应的像点之间存在一对一的对应关系，这个关系可用一T映射矩阵来表示，所以对于每幅图像都可以确定一个映射矩阵，为内部参数的求解18提供了两个约束条件。该算法首先假定标靶平面所在世界坐标系的Z,fO，通过线性模型分析计算得出摄像机的初始参数，然后考虑径向畸变(一阶或二阶)用基于极大似然法对初始参数进行非线性优化，最后利用优化好的内部参数和标靶平面的映射矩阵求出摄像机外参数。平面标定方法是介于传统标定方法和自标定方法之间的一种方法。它既避免了传统方法设备精度要求高，操作繁琐等缺点，又较自标定方法精度高，满足普通桌面视觉系统的标定要求。图11是一个摄像机透视投影图，从3D空间到2D平面的投影是一个多对一L映射，图像点到3D空间光线mM上的所有3D点都对应同样的2D点m，这样在成像过程中就会丢失深度信息。标靶平面上的特征点世界坐标记为M—Xw，Yw，Zw)，图像平面的像素坐标记为m气u，v)，相应的齐次坐标分别为il/w气Xw，Yw，Zw，1)T，mc=(u，v，l)T，摄像机基于线性针孔模型，用齐次坐标和矩阵表示空间点到图像上点的透视投影关系如下义，.=単(20)其中义是任一非零的投影尺度因子，旋转矩阵i和平移向量t称为摄像机外参数，'K是摄像机内部参数矩阵，定义为&y9Wo〖=0",,v0(21)-001其中c^厶/4，"广/乂X，/y，4，4分别是x轴和y轴方向上的焦距和像素的物理尺寸，"是x轴和y轴的不垂直系数，(W0，^)是图像中心坐标。标靶平面所在世界坐标系的ZzO，由式(20)得义=化6。/]01i(22)记=(XW，Yw，1)T，空间点Mw与图像点me存在一个变换矩阵H，则Am,.=服(23)记//=[//&&]，可以得到:&/^-kr2(24)Y是一常数因子，由旋转矩阵i的正交性(r/^0，r/r尸r/。)，得到内参数尺的两个19^irt:-、=0(25)(26)利用(25)(26)两个约束条件线性求解内参数X，令5=^sr1(27)^^实际上描述了绝对二次曲线在图像平面上的投影，基于这个原理求出5，再对B求逆，利用SFD分解求得内参数矩阵尺。再由《和映射矩阵/7计算每幅图像相对于摄像机坐标系的外参数旋转矩阵i和平移向量f。对上述参数采用极大似然估计(Maximumlikelihoodestimation)进行非线性优化，进一步求精。为提高标定精确性，本文引入五维的径向和切向畸变系数向量itc-(H/7/,;^，^)T，实际标定中^=0(因为^对应的的阶次较高)。(x,_y)表示以毫米为单位的图像坐标，摄像机坐标系下的空间点坐标为C气义。&Zc)，定义归一化坐标图像—^/Zc-义(28)令一-x^y2，(Jfj)实际的归一化图形坐标，(w,v)、(O)分别表示理想和实际观测的像素坐标，引入畸变量后，归一化坐标可定义为=(1+A:,2+V4+V卞"+2;,;cy+jo2+2;c2)(29)最后得到图像平面投影点的实际像素坐标为=《V11i(30)极大似然估计目标函数:/7mZS|my-&(《J1，^,/1，jp2，i,，/,,MJ)『(31)'=i户i其中A(〖，4，^，Hy,，r,，M》表示空间点M通过(4-l)和(4-10)式转换投影到图像平面，m,为第i幅图像中的第j个的标定点，及,为第i幅图像的旋转矩阵，A为第i幅图像的平移向量，^的初始值设为()T或者通过(29)式最小二乘法分解，将其与求得的摄像机内外参数一起作为初始值，应用Levenberg-Marquardt非线性优化算法使目标函数的估计值最小化，最后求出各参数的最终结果。投影仪模型在概念上等同于摄像机的逆模型，由于空间编码的一维性，这里可以简化成一维模型。由投影仪坐标Xd和世界坐标Xw建立模型如下(15)乂1乂、ml4—m,,附,2/,4扁1，2—附2|m22m23加24iy是任一尺度因子，消除y，变换(15)式得到(16)利用(4-14)式构造以mik为未知数的齐次线性方程组，然后通过奇异值(SVD)分解求解投影仪参数。在三维重建中，光条边缘点作为特征点，与棋盘格的角点不同，其世界坐标无法直接获得，需要利用已知点的世界坐标间接求。建立简化透视交比不变性几何模型，如图1所示，假设空间点A、B、C位于同一条直线L上，以B为参考点，位置比率定义为PR(A，B，C)=AB/AC(17)同理，A'、B'、C'是在透视中心O作用下，对应点A、B、C的成像点，并且位于同一点直线L1上，图像坐标上的位置比率为PR(A'，B'，C')=A'B'/A'C'(18)根据透视几何原理的交比不变性可以得到PR(A,B，C)=PR(A'，B',C')(19)在实验中，能找到空间直线上的三点A、B、C，那么对应在图像中点A'、B'、C'也是位于同一直线L'上。提取光模板中特征点的图像坐标，根据(4-17)式可求出参考点B的世界坐标。建立空间三维到一维坐标之间的映射关系来标定投影仪。在结构光视觉系统，分独立两步来标定，摄像机标定和投影仪标定，每个步骤的标定都相互独立，互不依赖，不会出现迭代误差，系统精度高。摄像机标定特征点的三维坐标精度要求高，采用二维标定模板，为了使系统统一操作，摄像机标定时投影仪投射单一白光，如图2所示的共面标靶，制作简易。标靶有21x21mm标准黑/白棋盘格组成，棋盘格由激光高精度打印，然后紧贴21在铝板面上，特征点由棋盘格的点组成。摄像机拍摄不同位置的10幅图像，如用3所示。对10幅图像选择格子角点作为特征点，运用上述平面标定法对摄像机进行标定，摄像机内参数标定结果为<formula>formulaseeoriginaldocumentpage22</formula>畸变系数&=(-0.16762,-0.74282，0.00092，-0.01760，0)T,实验中所用CCD的物理尺寸为4=^=6.45|^111，不考虑不垂直因子，对&，a求平均，可得均值焦距/'',3872.6+3858.1':义=2x6.45"(T3=24.9316麵乂与摄像机标准焦距/^25mm的相对误差为:/0x100%=0.27%对标靶特征点进行重投影，结果误差范围为0.49708-0.65712像素，各幅图像的巫投影误差如图5所示，x，y分别表示以像素为单位的图像坐标系。投影仪标定投影仪作为结构光系统中的光源投射器，其标定涉及到系统的精度，本文用以上提出的一维简化模型进行标定。投影仪的标定需要获取标定特征点的世界坐标和光条坐标值。将通过编程产生的光模板投影到共面标靶上，黑白方格角点作为定位点，如图6所示，分别在深度值Z-990mm、982mm、974mm、966mm处拍摄四幅图像。边缘点进行直线拟合，对所在一条直线上的角点也需要进行拟合。利用在摄像机标定中获取的图像，同时提取黑白方格角点图像坐标，根据网格特性，世界坐标可自动生成。如图8所示，投射单一白色光模板时，可得到A,，B,两点的图像坐标(zuv》，("s，vfi)，以及世界坐标为(Ja&,Z》，CYb，^&)。求直线Li和L的交点，得到Pi点的图像坐标，如P,点的图像坐标为(w,v》，世界坐标定义为C^，^,2p)，因为A,，B,，P,三点共面，所以Z^Z尸^，由(19)式得到，令4=Z^L,A,ikZ^(13)由(12)、(13)式得<&=^+^(&—(14)厶尸厶爿厶s由此利用交比不变性的原理求解光条边缘特征点的世界坐标，再解码出元条t」学号坐标，用投影仪模型进行标定。标定结果范围为0-0.2889,误差示意图如图所示。本实施例的结构光视觉系统的基线长为230mm，对深度值Z-990mm、982mm、974mm、966mm的四个标耙平面进行重构，重构误差如表l所示。从表l中可以看出，利用四幅等距平移的标靶进行标定，系统的平均绝对误差为1.38mm，平均相对误差为0.14%。Z/mm标准差绝对误差相对误差990.01.00741.32090.13982.21.03741.40860.14974.41.02931.39430.14966.71.08811.39880.14表l利用已标定的参数分别对四个平面标定点进行反投影，重构结果如图9所示。测量精度与硬件设备的精度密切相关，在系统标定实验中，误差产生的原因很多，主要归纳为以下几个方面1.高精度的棋盘格模板打印存在着一定的误差。2.在角点提取产生的过程中，摄像机标定时假设棋盘格上的点共面，这就要求模板平面绝对平整，但在实际实验中，模板平面不可能绝对的平整，拍摄的图像与假设会有微小偏差，这一微小偏差弓I入计算就会造成误差。3.投影仪标定的过程中，应用交比不变性求世界坐标，对特征点进行直线拟合时引入了误差。.4.标定系统造成的误差。首先视觉系统的分辨率以及采集精度都会影响整个系统的误差，其次标定方法的选取和整个标定系统各部分的结合都会造成系统的误差。本文的摄像机标定主要基于张正友的平面标定方法，从标定的结果看，基23于非线性迭代的方法，使误差的最小，投影仪模型的分解也是基于误差最小化。以上四方面是引起标定误差的主要原因。由于实验条件所限，硬件的摄像机和投影仪分辨率和采集精度的限制，网格角点提取过程中，模板面不是绝对平整，引起角点提取误差。此外，上述的系统模型在理论上和计算过程中都会有缺陷，也会造成误差。标定好的转换矩阵参数确定了空间点坐标和它的图像坐标点的关系，进行三维计算时，要求从特征点的图像坐标恢复空间三维坐标，即是三维重建的过程。拍摄经调制的图像，经图像处理后获取图像坐标(仏"，通过(4-10)式和(4-ll)式计算得出理想归一化坐标(x,少)，由于摄像机坐标系下空间点和空间存在如下的关系(6)乂一-《=/+zc/3_A—由(4-9)式得出X^xZc，rc=yzc，带入(6)f寻。6a,=+6,3(7)消去Zc，化简得、-r、—xr3一f2—,2(8)通过光条解码求出Xrf坐标值，得(9)结合(8)式、(9)式得x/3-^,3—-(=24—附"一附l—-jc,2(10)将(10)式写成矩阵v4X1形式，其中庐(Uw,Zw)，则方程线性最小二乘解为h(力)一V力(ii)Z即是由2D图像通过三维计算得到的世界坐标。2权利要求1、一种基于编码结构光的三维重建方法，其特征在于所述三维重建方法包括以下步骤1)、向待测物投射结构光，摄像机捕捉经待测物调制的图像；2)、进行光模板匹配，包括以下步骤(2.1)、光条边界的定位待检测的光模板为一维条纹编码，沿着图像的每个列扫描，对每个像素点的各个通道用一维列算子进行预处理，确定灰度变化强烈的像素点为候选边缘点，在图像每一列上以候选边缘点为中心，选取一定大小的区域，其最大值不超过光条宽度的1/2，搜索局部领域的步骤如下(2.1.1).初始化候选边缘点作为一区域中心zi，j；(2.1.2).沿列方向搜索，将z1-k，j，zi+k，j像素颜色空间转成色调、亮度和饱和度(HIS)空间；(2.1.3).增加新的点到这个区域，只要满足与相邻像素点的色调值差不超过设定的阈值Hh＝|zi±k，j，h-zi±k±1，j，h|(1)h是两个像素色调的差值，zi±k，j，h表示第i±k行j列像素的色调值；经算子处理后，像素点的三通道灰度值为Gij，局部区域三通道灰度值之和的最大值的像素点定义为边界点；<mathsid="math0001"num="0001"><math><![CDATA[<mrow><mi>max</mi><mrow><mo>(</mo><mi>E</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>C</mi></munderover><msub><mi>G</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>C</mi><mo>=</mo><mn>3</mn><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math></maths>E为算子处理后像素点灰度值之和的最大值；(2.2)、光条匹配采用颜色聚类的方法建立颜色匹配特征向量，对图像颜色和投射颜色进行比较，定义色彩特征向量与聚类中心的欧式距离来分配候选光条红绿蓝白颜色；不同的颜色群集聚在特定的RGB空间区域，通过样本点训练颜色群的聚类中心，然后用点到点的距离来匹配光条颜色；Dik＝d2(Pi，Ck)(k＝1，2，3，4)(3)Dik是两点距离的平方，Pi是光条中心像素的RGB特征向量，Ck是颜色聚类中心，d(x，y)是x，y两点之间距离；设D＝min(Dik)，那么光条颜色的分配按照(4)式进行sc＝{kifD＝＝Dik(k＝1，2，3，4)(4)sc表示光条颜色；分配好颜色后，每三条相邻的光条颜色组成一个码字si，找出每个码字在整个序列的位置就是解码；光条坐标值xi定义为<mathsid="math0002"num="0002"><math><![CDATA[<mrow><msub><mi>x</mi><mi>i</mi></msub><mo>=</mo><mi>DdBS</mi><mrow><mo>(</mo><msub><mi>s</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>+</mo><mfrac><mn>1</mn><mn>4</mn></mfrac><mrow><mo>(</mo><mi>j</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math></maths>DdBS(si)表示直接解码第j帧光模板子序列si的坐标位置；3)、利用已经标定好的系统参数进行待测物的三维重建，具体过程为标定好的转换矩阵参数确定了空间点坐标和它的图像坐标点的关系，从特征点的图像坐标恢复空间三维坐标；拍摄经调制的图像，经图像处理后获取图像坐标id="icf0003"file="A2009101536030003C2.tif"wi="11"he="5"top="114"left="31"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>计算得出理想归一化坐标(x，y)，摄像机坐标系下空间点和空间存在如下的关系<mathsid="math0003"num="0003"><math><![CDATA[<mrow><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>X</mi><mi>c</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Y</mi><mi>c</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>c</mi></msub></mtd></mtr></mtable></mfenced><mo>=</mo><mi>R</mi><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>X</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Y</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>w</mi></msub></mtd></mtr></mtable></mfenced><mo>+</mo><mi>t</mi><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>r</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>3</mn></msub></mtd></mtr></mtable></mfenced><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>X</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Y</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>w</mi></msub></mtd></mtr></mtable></mfenced><mo>+</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>t</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>t</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><msub><mi>t</mi><mn>3</mn></msub></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math></maths>定义Xc＝xZc，Yc＝yZc，带入(6)得<mathsid="math0004"num="0004"><math><![CDATA[<mrow><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>xZ</mi><mi>c</mi></msub></mtd></mtr><mtr><mtd><msub><mi>yZ</mi><mi>c</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>c</mi></msub></mtd></mtr></mtable></mfenced><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>r</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>3</mn></msub></mtd></mtr></mtable></mfenced><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>X</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Y</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>w</mi></msub></mtd></mtr></mtable></mfenced><mo>+</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>t</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>t</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><msub><mi>t</mi><mn>3</mn></msub></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>]]></math></maths>消去Zc，化简得<mathsid="math0005"num="0005"><math><![CDATA[<mrow><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>xt</mi><mn>3</mn></msub><mo>-</mo><msub><mi>t</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>yt</mi><mn>3</mn></msub><mo>-</mo><msub><mi>t</mi><mn>2</mn></msub></mtd></mtr></mtable></mfenced><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>r</mi><mn>1</mn></msub><mo>-</mo><msub><mi>xr</mi><mn>3</mn></msub></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>2</mn></msub><mo>-</mo><msub><mi>yr</mi><mn>3</mn></msub></mtd></mtr></mtable></mfenced><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>X</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Y</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>w</mi></msub></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>]]></math></maths>通过光条解码求出xd坐标值，得<mathsid="math0006"num="0006"><math><![CDATA[<mrow><msub><mi>x</mi><mi>d</mi></msub><msub><mi>m</mi><mn>24</mn></msub><mo>-</mo><msub><mi>m</mi><mn>14</mn></msub><mo>=</mo><mo>[</mo><msub><mi>m</mi><mn>1</mn></msub><mo>-</mo><msub><mi>x</mi><mi>d</mi></msub><msub><mi>m</mi><mn>2</mn></msub><mo>]</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>X</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Y</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>w</mi></msub></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow></mrow>]]></math></maths>结合(8)式、(9)式得<mathsid="math0007"num="0007"><math><![CDATA[<mrow><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>xt</mi><mn>3</mn></msub><mo>-</mo><msub><mi>t</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><mi>y</mi><msub><mi>t</mi><mn>3</mn></msub><mo>-</mo><msub><mi>t</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><msub><mi>x</mi><mi>d</mi></msub><msub><mi>m</mi><mn>24</mn></msub><mo>-</mo><msub><mi>m</mi><mn>14</mn></msub></mtd></mtr></mtable></mfenced><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>r</mi><mn>1</mn></msub><mo>-</mo><msub><mi>xr</mi><mn>3</mn></msub></mtd></mtr><mtr><mtd><msub><mi>r</mi><mn>2</mn></msub><mo>-</mo><msub><mi>yr</mi><mn>3</mn></msub></mtd></mtr><mtr><mtd><msub><mi>m</mi><mn>1</mn></msub><mo>-</mo><msub><mi>x</mi><mi>d</mi></msub><msub><mi>m</mi><mn>2</mn></msub></mtd></mtr></mtable></mfenced><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>X</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Y</mi><mi>w</mi></msub></mtd></mtr><mtr><mtd><msub><mi>Z</mi><mi>w</mi></msub></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow>]]></math></maths>将(10)式写成矩阵AX＝B形式，其中X＝(xw，Yw，Zw)，则方程线性最小二乘解为X＝(ATA)-1ATB(11)X即是由二维图像通过三维计算得到的世界坐标。2、如权利要求1所述的基于编码结构光的三维重建方法，其特征在于在所述步骤2.1)中，聚类中心的搜索方法为(2丄1).初始化K^4，红、绿、蓝、白色彩类，初始化K个群的中心；(2丄2).把每个样本点分配给离群中心距离最小的群；(2丄3).K群中的质心点成为新的聚类中心；(2丄4).重复歩骤2和3直到所有点都趋向稳定地聚集。3、如权利要求1或2所述的基于编码结构光的三维重建方法，其特征在于在所述步骤3)中，系统参数包括摄像机参数和投影仪参数，标定方法包括以下步骤3.1)、摄像机标定过程采用二维标定模板，标靶为标准的黑白棋格组成，特征点为棋格的点组成，摄像机拍摄不同位置的多幅图像，对所述多幅图像选择格子角点作为特征点，采用平面标定法对摄像机进行标定，得到摄像机内参数标定K，并得到均值焦距/;其特征在于所述标定方法还包括3.2)、投影仪标定过程通过编码产生的光模板投影到共同标靶上，黑白方格角点作为定位点，利用在摄像机标定中获取的图像，同时提取黑白方格角点图像坐标，生成世界坐标；投射单一白色光模板时，直接提起A,，B!两角点的图像坐标0uv》，("&vs)，以及世界坐标为(XA&，Z》，(Xfi,y&Zfi)，求直线L,和L的交点，得到Pi点的图像坐标，如Pi点的图像坐标为(叫印)，世界坐标定义为(^,Fp，Zp),因为Ai，B!，P!三点共面，所以Z^Z^^s，根据交比不变性，得到，<formula>formulaseeoriginaldocumentpage4</formula>由(12)、(13)式得<formula>formulaseeoriginaldocumentpage4</formula>;^分别表示X和Y方向的交比系数，(Zp,^,Zp)表示光条边缘特征点的世界坐标。4、如权利要求3所述的一种基于编码结构光的标定方法，所述标定方法包括以下步骤在所述步骤3.2)中，投影仪模型的建立过程为由投影仪坐标Xd和世界坐标Xw建立模型如下「"(15)乂-乂w,附|4>;、1m,2m,「1附2//)24i，21附22i21—1y是任一尺度因子，消除y，变换(15)式得到利用(16)式构造以mik为未知数的齐次线性方程组，然后通过奇异值分解求解投影仪参数；建立简化透视交比不变性几何模型，假设空间点A、B、C位于同一条直线L上，以B为参考点，位置比率定义为PR(A，B,C)=AB/AC(17)同理，A'、B'、C'是在透视中心O作用下，对应点A、B、C的成像点，并且位于同一点直线L1上，图像坐标上的位置比率为PR(A'，B'，C')=A'B'/A'C'(18)根据透视几何原理的交比不变性，得到PR(A,B，C)=PR(A'，B'，C')(19)在图像中点A'、B'、C'也是位于同一直线L'上。提取光模板中特征点的图像坐标，根据(19)式求出参考点B的世界坐标，建立空间三维到一维坐标之间的映射关系来标定投影仪。全文摘要一种基于编码结构光的三维重建方法，包括以下步骤1)向待测物投射结构光，摄像机捕捉经待测物调制的图像；2)进行光模板匹配，包括(2.1)光条边界的定位，沿着图像的每个列扫描，确定灰度变化强烈的像素点为候选边缘点，并搜索局部领域；(2.2)光条匹配采用颜色聚类的方法建立颜色匹配特征向量，对图像颜色和投射颜色进行比较，定义色彩特征向量与聚类中心的欧式距离来分配候选光条红绿蓝白颜色；3)利用已经标定好的系统参数进行待测物的三维重建，标定好的转换矩阵参数确定了空间点坐标和它的图像坐标点的关系，从特征点的图像坐标恢复空间三维坐标。本发明能简化计算过程、匹配精度高、重建精度高。文档编号G06T17/00GK101667303SQ20091015360公开日2010年3月10日申请日期2009年9月29日优先权日2009年9月29日发明者原长春,帅李,贝潘,王万良,秋管,胡正周,陈胜勇申请人:浙江工业大学