基于双目视觉的相对物体的姿态测量
时间：2020-12-14 16:06:13 来源：雅意学习网 本文已影响 人 
摘 要：随着计算机视觉以及图像处理技术的发展，视觉测量技术越来越受到人们的关注。建立物体相对姿态测量系统，使用两个相机在不同角度拍摄同一个物体上的编码标志点，采用张氏标定法对两个相机的空间位置关系进行标定；对摄像机采集到的图像进行去噪、滤波；左右两个相机采集下来的图像进行编码标志点的匹配，得到物体上粘贴的编码标志点的三维坐标，通四元数法计算物体间的相对空间姿态（欧拉角以及平移量）；通过实验表明，该测量系统结构简单，计算量小，测量精度高。
关键词：双目立体视觉 摄像机标定 编码标志点 姿态计算
中图分类号：TP391.4 文献标识码：A 文章编号：1007-3973（2013）002-109-03
1 引言
在现代生产生活中，经常需要计算物体之间的相对位置关系，例如两个刚体间的欧拉角以及平移量等。因为空间物体是不规则的，所以常规的测量方法都很难做到。随着视觉传感器的发展，人们开始把视觉传感器运用到空间物体姿态的测量，即机器视觉，这种测量方法是非接触的，测量效率高并且精度高。机器视觉是通过视觉传感器获得一张或多张图像，通过对获得的图像进行分析来达到测量和识别的目的。目前，机器视觉已经运用到很多领域，如航空、航天器的运动分析，地面机动目标实验碰撞分析，自动化生产过程中的装配与检测等。本文建立了一种双目立体测量系统，利用工业相机实时获取物体的图像，通过对相机精确的标定以及精准的图像分析来计算出编码标志点的三维坐标值，从而计算出物体之间的相对姿态。
2 双目视觉测量架构
双目立体测量系统如图1，使用两个摄像机对同一块区域进行拍摄。（1）利用张氏标定法对两个摄像机标定，计算出两个相机之间的相对位置关系，固定测量坐标系下的坐标原点（本系统的坐标原点在左相机上）。（2）对图像进行分析，计算编码标志在图像坐标系下的坐标值以及编码标志点的编码值，利用编码值将左右图像匹配计算出编码标志点的三维坐标值。（3）通过四元数法计算出每组三维坐标值之间的旋转矩阵以及平移量，从而计算出两个物体之间的相对旋转角以及平移量。
2.1 摄像机标定
张氏标定法的算法为：
（1）从不同角度拍摄若干张棋盘格标定板的图像；
（2）检测出图像中的特征点，即角点；
（3）求出摄像机的内外参数；
（4）求出畸变系数；
（5）优化标定结果。
2.2 编码标志点的提取与解码
为了提高运算速度以及左右图像的匹配准确，在本文提到的双目视觉系统中对被测物体表面粘贴了扇环形编码标志点（如图4），即将编码点的外环分成16等份，每个单元环对应的圆心角为22.5度，实心和空心分别表示不同的编码信息，实心码段表示1，空心码段表示0，不同实心码段和空心码段序列的组合表示不同的编码点。该种编码标志点能够满足对旋转、缩放、变形的无关性。
2.2.1 编码点的定位
2.2.2 编码标志点的解码
如图4所示，编码标志点分为中心圆和编码环两段，其中编码环位于中心圆的外侧，共分为16份。
编码段为白色记为1，黑色记为0，将1、0安顺时针排列成一个8位的二进制数，将这个二进制数循环得到一个最小的十进制数即为编码标志点的编码值，解码过程可以分为以下几步：
（1）以中心圆的圆心为中心裁剪一个能覆盖编码标志点的小图像，对小图像进行轮廓提取得到每个白色区域轮廓的质心（编码环的质心），从而得到“1”的个数。
（2）计算所有编码环的质心与中心圆的质心连线间的夹角，并且将这些夹角除以45度取整，从而得到“0”的个数。
（3）将“1”和“0”组成的8位二进制数循环移位得到编码值。
将左右相机采集到的图像中，编码值相同的点对应起来，利用双目视觉中三维重建公式计算出每个编码标志点中心圆对应的三维坐标值。
2.3 相对姿态计算
求两个物体的相对姿态，本质上是两个坐标系的转化问题。在三维直角坐标转换中， 常采用七参数Bursa-wlof模型、Mobdensky模型。当两坐标系统下有3个公共点时，就可唯一解算出7个转换参数；多于3个公共点时， 就要进行平差计算。在平差计算过程中，转换参数初值（特别是旋转角）的大小，直接影响平差系统的稳定性、精确性和计算速度，精度差的初值可能使得解算的结果严重偏离真值。目前比较成熟的参数估计方法有：四元数法、奇异值分解法（SVD）、迭代法，它们都是在最小平方距离的目标函数下得到转换参数的最优解。由于四元数法的突出特点是具有很好的实用性和较强的稳定性，计算过程简单快速，利用了旋转矩阵的特征和所有可用的特征点，所以本双目视觉系统采用四元数来计算旋转角度。
3 实验结果分析
4 结论
针对传统的接触式测量法难以实现的测量，本文依据双目立体视觉原理开发了一套非接触式的测量系统，同时编码标志点的引入大大减少了计算量。所述方法稳定、可靠，经实验验证，得到了较好的结果。
参考文献：
[1] 张广军.视觉测量[M].北京：科技出版社，2008.
[2] 冯文灏.近景摄影测量[M].武汉：武汉大学出版社，2002.
[3] Zhengyou Zhang.A Flexible New Technique for Camera Calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22（11）：1330-1334.
[4] 祝世平，强锡富，等.基于计算机视觉的大型工件特征点三维坐标测量方法研究[J].仪器仪表学报，1997，18（6）：607-611.
[5] 马扬飚，钟约先，等.三维数据拼接中编码标志点的设计与检测[J].清华大学学报，2006，46（2）：169-172.
[6] C.Bradley.Automated Surface Roughness Measurement[J].Int J Adv Manuf Technol，2000（16）：668-674.
[7] B.YLee，H.Juan，S.F.YU.A Study of Computer Vision for Measuring Surface Roughness in the Turningprocess[J].Int J Adv Manuf Technol，2000（19）：295-301.
