法律状态公告日
法律状态信息
法律状态
2017-04-12
授权
授权
2015-09-30
实质审查的生效 IPC(主分类):G01C11/00 申请日:20150415
实质审查的生效
2015-09-02
公开
公开
技术领域
本发明属于计算机视觉测量技术领域,涉及一种适用于回转体运 动目标的空间位置和姿态高精度求取方法。
背景技术
航天、航空、航海等作为国家工业的前沿领域,其核心部件如运 载火箭、超高速飞行器投放物等高速运动的位姿测量是其领域研究的 一个重要问题,而其位姿测量精度又直接影响航天航空核心部件设计 与制造的安全性。计算机视觉测量方法具有非接触、灵活、可实现实 时测量等优点,是运动物体位姿测量的重要手段。但由于物体运动速 度快、被测物表面曲率变化大等原因,图像上特征点的中心提取精度 很难保证,这就对运动物体位姿信息的高精度测量提出了更高的要求。
中科院沈阳自动化研究所的周船等人2004年在仪器仪表学报发 表的《基于模型的位姿估计中优化方法研究》中提出了基于模型位姿 估计的两种优化方法,在摄像机标定过程中采用了基于三维重建误差 的优化,提高标定精度的同时,也提高了位姿估计的精度;并且在双 相机的位姿估计中采用实时遗传算法,加快了算法的收敛速度。四川 大学肖永亮等2011年在光电子■激光发表的《基于凸松弛全局优化算 法的视觉测量位姿估计》中提出基于凸松弛全局优化算法的视觉测量 全局最优位姿估计,利用归一化图像点和摄像机光心组成的正交投影 矩阵,构造以旋转四元数为参数的物空间误差目标非凸多项式函数并 进行LMI优化,得到旋转矩阵和平移矢量的全局最优解。
发明内容
本发明要解决的技术难题是克服现有技术的缺陷,发明一种基于 先验知识模型优化的运动物位姿测量方法,该方法利用离线状态下物 体表面标记点的空间点云作为其位姿优化的先验模型,克服了物体高 速运动状态下图像特征边缘模糊导致的测量精度不高的问题;采用高 精度标定的双目视觉系统配合高精度旋转平台建立被测物体的离线 先验模型,克服了采用激光跟踪仪测量时探头过大,难以保证先验模 型建立精度的问题。
本发明所采用的技术方案是一种基于先验知识模型优化的运动 物位姿测量方法,其特征是,测量方法中,先建立被测物体的离线先 验模型,利用双目摄像机实时采集被测物运动图像,经过图像特征提 取、匹配与重建的图像处理步骤得到标记点的三维坐标;利用标记点 之间的先验距离关系,对位姿测量时的标记点位置信息进行优化,提 高标记点的空间位置精度,最终达到高精度的位姿测量;测量方法的 具体步骤如下:
1、高速摄像机标定
本发明采用张氏标定方法配合高精度平面标定板进行双目视觉 系统的标定;以张正友提出的基于平面靶标标定方法为基础,并考虑 到制造时镜头畸变及其它因素的影响,引入带有畸变修正的双目视觉 系统模型,求解出摄像机的内、外参数和镜头畸变系数;
2、高速运动目标图像处理
图像处理采用组合式标记点作为被测物表面的特征点,采用两步 法进行标记点快速提取;首先利用重心提取算法快速搜索标记点图像 坐标,再在该坐标范围内进行高精度的Harris角点提取算法,实现物 体运动过程中标记点的高精度提取;利用已知的标记点布局形式,采 用基于空间编码方法的标记点快速匹配、识别方法,实现空间点的高 精度匹配与识别,最后通过视觉理论完成空间匹配点的三维坐标重建; 图像特征标记所在区域的梯度重心点坐标用下式表示:
其中,C为应用梯度重心法所提取的标记中心像素的坐标值,(i,j)点 的梯度幅值用|G(i,j)|表示,w,h分别为二维图像的宽和高,(i,j)点 的图像坐标表示为P(i,j);
3、建立标记点的离线先验模型
用高精度旋转平台对被测物进行旋转,每旋转一定角度采集一张 图像,对其视场内的标记点进行提取、匹配与重建,然后对所有标记 点空间位置数据进行坐标系转换,转换到同一坐标系,即为被测物体 的离线先验模型;
4、基于先验模型的位姿优化
1)目标物轴线以及特征点坐标优化
本发明采用类圆柱被测物表面点距离轴线距离相等的目标约束 以及标记点间的先验关系约束对目标物轴线以及特征点坐标进行优 化,提高标记点空间精度,优化的目标函数如下所示:
其中,F1(Xi)为被测目标形状约束即所有标记点到轴线距离相等且等 于被测目标半径,F2(Xi)为标记点先验模型约束即所有标记点之间的 网络关系,Ji=(xi yi zi)T为第i个的标记点的空间坐标,Ji+j为第i+j个 的标记点的空间坐标,
S(Xi)=min(F1(Xi)+F2(Xi)) (3)
2)基于距离约束的质心位置优化
从视场中提取亮度最高圆度最好的三点,根据标志点布局识别三 点相对模型布局位置,进而得到该三点距质心的理论距离;再根据距 离约束求解模型质心位置,作为质心坐标初值。采用视野中全部提取 点与质心位置距离进行优化;对于每个点设定其权重值,进行多点优 化;由于质心为轴线上一点,根据轴线位置对质心位置进行约束优化。 质心位置的优化公式如下:
ρi为各可视点的加权值,Dci为质心到优化后可视标记点的测量距离, dci为质心到优化后可视标记点的实际加工距离,C(x,y,z)为质心坐标, L(x,y,z)为轴线方程;
5、目标物位姿求解
本发明采用坐标变换的方法对姿态进行求解,分别建立了世界坐 标系与物体局部坐标系,通过计算两个坐标系间的坐标转换关系求解 物体的位置和姿态信息。
其中,T和R分别为两个坐标系之间的平移矩阵和旋转矩阵,即代表 了物体的平移和旋转参数,(x y z)为标记点在世界坐标系的坐标, (x′ y′ z′)为其在局部坐标系中的对应坐标;
本发明的有益效果是利用先验模型约束对运动物体位姿测量结 果进行优化,提高复杂环境下位姿测量系统的测量精度与稳定性;采 用组合式标记点作为图像特征,克服了复杂曲面表面特征点提取精度 低的问题;采用高精度标定的双目视觉系统建立先验模型对物体的位 姿信息进行优化,解决了大视场标定精度低所导致的位姿测量系统精 度低的问题。
附图说明
图1为基于先验知识模型优化的运动物位姿测量系统图。其中, 1-左相机,1'-右相机,2-左光源,2'-右光源,3-被测物,4-被测物 表面标记点,5-高精度旋转平台。
图2为基于先验知识模型优化的物体位姿测量流程图。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
附图1为基于先验知识模型优化的运动物位姿测量系统图。本方 法通过在被测物3表面安装被测物表面标记点4,摄像机标定过程采 用两台高速摄像机1和1'配合高精度旋转平台5,每隔一定角度采 集物体表面标记点图像,建立离线状态下所有标记点的先验知识模型; 进行位姿测量时用两台高速摄像机实时采集物体运动图像,经过标记 点提取、匹配和重建后得到其三维坐标,再利用物体的先验模型约束 对标记点的坐标和物体的回转轴线进行优化;建立局部坐标系和世界 坐标系,通过两个坐标系之间的转换得到物体的高精度位置和姿态信 息,基于先验知识模型优化的物体位姿测量流程图如附图2所示。
本实施例采用的超速高黑白工业摄像机型号为FASTCAM SA-X, 摄像机分辨率:1024×1024,帧频:在50fps-50000fps范围内可调, 在保证分辨率1024×1024情况下最高可达10000fps,CCD面积: 2cm×2cm。广角镜头型号为AF-S 17-35mm f/2.8D IF-ED,镜头焦距: f=17-35,APS焦距:25.5-52.5,最大光圈:F2.8,最小光圈:F22, 镜头重量:745g,镜头尺寸:82.5×106。高精度旋转平台型号为 Zolix-RSA100,精度为0.001°。本具体实施方案的拍摄条件如下:高 速摄像机帧频为3000fps,图片像素为1024×1024,镜头焦距为17mm, 物距为750mm,视场约为800mm×800mm。
本实施例测量方法的具体步骤如下:
1.高速摄像机标定
将精密加工的二维棋盘格标定板放置在物体运动的平面附近,用 双目摄像机采集标定板图像,改变标定板的角度拍摄得到12组图像, 对摄像机的内外参数进行标定,得到摄像机内参数M1,外参数R和T, 以及摄像机的畸变参数K。高速摄像机的标定结果如表1所示:
表1像机内外参数以及畸变参数
2.高速运动目标图像处理
采用梯度重心法提取被测物3运动时被测物表面标记点4,利用 公式(1)求出图像在各点的梯度中心点,然后提取图像上的标记特 征,再经过左右相机对应标记点的识别与匹配,利用三角原理重建出 视场中标记点在空间的三维坐标。
3.建立标记点的离线先验模型
采用专用夹具将被测物固定在高精度旋转平台上,旋转被测被测 物每隔30度采集一张图像,对视场内的9个标记点进行提取、匹配 与重建,然后对其所有标记点空间位置数据进行坐标系转换,转换到 同一坐标系,得到被测物的离线先验模型。
4.基于先验模型的位姿优化
1)目标物轴线以及特征点坐标优化
本发明采用被测物表面点距离轴线距离相等的目标约束以及标 记点间的先验关系约束对目标物轴线以及特征点坐标进行优化,提高 标记点空间精度,优化的目标函数如公式(2)所示。当以上两个约 束的目标函数值无限趋近于最小值零时,标记点精度最高,其整体优 化目标函数如公式(3)所示。
2)基于距离约束的质心位置优化
从视场中提取亮度最高圆度最好的三点,根据距离约束求解被测 物质心坐标位置初值。采用视野中全部提取点与质心位置距离进行优 化。对于每个点设定其权重值,进行多点优化。根据轴线位置对质心 位置的约束关系采用公式(4)对质心位置坐标进行优化。
5.目标物位姿求解
采用坐标变换的方法对姿态进行求解,分别建立了世界坐标系与 物体局部坐标系,利用公式(5)所示的坐标变换关系求解物体的位 置和姿态信息。物体平移矩阵的具体求解公式为:
T=[xp yp zp] (6)
物体整体旋转矩阵为三个坐标轴旋转矩阵的乘积:
其中,三个坐标轴旋转矩阵分别为:
其中,-θZ,-θX,-θY分别表示物体的偏航角,俯仰角和滚转角; (xp yp zp)为物体在x,y,z三个方向的平移量。采用基于先验知识 优化的双目视觉位姿测量方法得到的物体空间位姿参数如表2所示。
表2被测物的位姿参数测量结果
本发明利用双目视觉系统建立被测物的离线先验知识模型并对 其位姿参数进行测量,具有非接触、灵活、速度快等优点;采用组合 式表面标记点提高图像特征提取精度,并且解决了复杂曲面表面标记 点中心提取误差大的问题;利用模型先验知识作为约束条件对位姿参 数优化方法,提高位姿视觉测量系统的整体精度,适用于回转类物体 的空间位置和姿态信息的高精度测量。
机译: 段位姿态测量装置,位姿测量方法及组装装置
机译: 多边形部位姿态角的测量方法
机译: 多边形部位姿态角的测量方法