三维视觉测量技术知识科普

电子说

1.2w人已加入

描述

三维视觉测量技术按照测量过程中是否投射光源,获取被测物体三维形貌信息的方法可以分为两大类: 被动视觉测量和主动视觉测量。

一、被动视觉测量

被动视觉测量不需要特殊的照明投射装置,仅利用相机拍摄被测物的图像,建立被测物与相机之间的相对位置关系,从而获取被测物表面的三维信息。被动视觉测量所需硬件相对简单。根据所采用相机的数目,被动视觉测量可分为: 单目视觉测量、双目视觉测量和多目视觉测量等。

①单目视觉测量。单目三维视觉测量方法主要分为传统方法和基于深度学习的方法两大类。传统方法有从聚焦恢复深度( shape from focus,SFF)、从运动恢复结构( structure from motion,SFM) 和即时定位与地图重建 ( simultaneous localization and mapping,SLAM) 等。SFF 通过移动物体来采集图像序列,基于图像聚焦程度进行分析,完成三维重建,多用于显微三维视觉测量领域。SFM 和 SLAM 方法原理相似,利用序列图像帧间的运动估计出相机姿态信息,然后基于图像序列采用三角测量法来恢复场景的三维信息。基于深度学习的单目三维重建是近年新提出的方法。该方法利用大量样本数据训练卷积神经网络,然后通过网络模型实现场景深度获取。

②双目视觉测量。与人眼的立体感知类似,双目立体视觉用两个相机从不同的角度对被测物体成像。依据两幅图像中对应点的立体视差( stereo disparity) ,根据三角测量原理实现三维信息测量。双目立体视觉直观、传感器结构简单且测量精度较高,主要挑战在于图像中同名像点的确定。

测量技术

图为 双目立体视觉模型

③多目视觉测量。为减少双目立体视觉测量中同名像点匹配的多义性,在双目立体视觉测量系统的基础上,增加一台或多台辅助相机,构成多目视觉测量系统。通过多个相机间需满足的成像几何约束可减少误匹配现象,且可以通过光束平差提高测量精度,但计算量也会相应增加,降低测量速度和效率。

测量技术

图 多目视觉测量模型

二、主动视觉测量

主动视觉测量与被动视觉测量最大的不同在于需要向被测物体投射光源( 点、条纹、图案和散斑等) ,相机拍摄包含光源的反射光或透射光的被测物体表面图像,利用成像几何关系所建立的数学模型解算出被测物体三维结构信息。

主动视觉测量利用结构光在物体表面形成明显的特征,对于光滑、纹理缺乏、无明显灰度或形状变化的表面区域,可以避免同名点不易匹配的难题,改善三维信息的获取精度。根据投射光源的模式,主动视觉测量可以分为点扫描式、( 多) 线扫描式、编码光式以及飞行时间法( 脉冲测距法) 等。

①点扫描式。点扫描式测量时,激光器发出的光束在被测物体表面形成一个光点,经被测物体表面漫反射后入射到 CCD ( charge coupled device) 像面( 线) 。利用图像检测技术,获得成像光斑的中心坐标,通过已标定数值的数学模型计算得到被测物体表面的三维坐标。

为了实现对被测物体的完整三维测量,需要采用不同的扫描方式,让光点覆盖被测物表面。典型的有: 激光器二维移动扫描、激光器旋转扫描、平面镜同步扫描 、旋转棱镜扫描(以及基于 AOD( acousto optic deflector) 的无机械运动部件扫描(等。

测量技术

图为 平面镜偏转式三维形貌测量原理图

②线扫描式。线扫描方式利用光源扩束后形 成的光条扫描被测物体表面,通过对获取的图像进行分析,结合光条在被测物体表面的位置得到物体三维信息。其原理与点扫描式相同,用光条代替了光点,效率得到提高; 且单一光条特征,不存在同名点匹配的问题。根据应用方式可分为双轴激光扫描法、远心扫描法和光条扫描法等。

在单线结构光的基础上增加投射光条的数量,形成了多线结构光扫描。相比较于单线结构光法系统的测量速度更高。一般用双相机约束或深度约束来消除多线之间的误匹配问题。

测量技术

图 多线结构光法

③面结构光式。面结构光三维测量需要将二维结构光图案( 光条、光栅或其他光图样) 投射到被测物体表面上,通过对采集编码图样分析计算得到物体的表面三维信息。每次可以获取被测对象上一个区域的三维信息,所以测量效率在所有结构光方法中最高。系统中无运动部件,编码光与接收器的相对位置不变。

面结构光的编码方式可以分为空间编码和时间编码。空间编码只有一种投射模式,常见的有: 彩色条纹和散斑等。时间编码包含两种及以上的投射模式,分时投射,常见的有: 二进制编码、格雷码和正弦条纹等。

测量技术

图 面结构光法

三、主被动结合的视觉测量法

主被动结合视觉测量是在被动视觉测量系统中增加投射器,投射特定光源模式到被测物体表面,借助于投射的光源模式,可以解决被动双目视觉中的匹配难题,从而提高匹配精度及测量精度。投射器提供了便于测量的特征,其与相机之间的关系不要求已知。

审核编辑:汤梓红

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分