基础数据矩阵显微视觉建模方法技术

本发明专利技术涉及一种用于SLM微操作高精度定位的基础数据矩阵建模方法，该方法使用复合式体视显微镜立体视觉测量系统，采集多维空间立体图像对，系统包括三维操作台、旋转台、横向位移台、体视显微镜和左、右相机，该方法的主要步骤：获取每个物空间点的坐标和左右图像，建立视差空间，错误点数据的排除，物空间基础数据矩阵和视差空间对应关系的确立，基础数据矩阵模型的确定，测试模型精度。采用基础数据矩阵建模方法实现精确定位，以基础数据矩阵实现物空间和图像空间的对应关系，输出目标物的物空间位置和物空间距离，实现高精度的显微立体测量。该方法能能够解决显微立体视觉中定位误差大，受图像畸变影响大等精密视觉测量问题。

Basic data matrix, microscopic vision, modeling method

The invention relates to a method for SLM micro operation high precision positioning based data matrix modeling method, this method uses the stereo vision measurement system combined stereo microscope, multidimensional space of stereo image acquisition system, including three-dimensional operation table, rotary table, lateral displacement, stereomicroscope and the left and right cameras, the main steps of the method the access point and the object space coordinates of each image, establish the disparity space, eliminate error data, establish the object space based data matrix and the disparity space corresponding relationship, basic data matrix model are given, the accuracy of testing model. The basic data matrix method to achieve precise positioning, the corresponding relation of object space and image space based on data matrix, spatial location and spatial distance output target, realize micro stereo measurement with high accuracy. This method can solve the problems of large positioning error, large distortion of image and other precise visual measurement problems in micro stereovision.

【技术实现步骤摘要】
基础数据矩阵显微视觉建模方法
本专利技术涉及一种高精度定位的基础数据矩阵建模方法，该方法使用复合式体视显微镜(Stereolightmicroscope,简称SLM)立体视觉测量系统采集多组空间立体图像对，系统包括三维操作台、旋转台、横向位移台、SLM和左、右相机(采用CCD相机)，特别是涉及采用基础数据矩阵建模方法实现精确定位，以基础数据矩阵实现物空间和图像空间的对应关系，输出目标物的物空间位置和物空间距离，实现高精度的显微立体测量。
技术介绍
SLM具有两套光路，呈一定夹角，可以与两个相机组合后构成显微立体视觉系统，通过立体图像对的匹配反求微观对象的物空间位置，在计算机中输出物空间的位置和距离，可用于微观对象的立体结构测量，如长度、宽度、高度、表面粗糙度。现有的测量模型主要包括两种，一种是由Kim，Bovik和Sano等在1998年提出的简单模型，这类模型不需要复杂的标定参数，但是只有比较低的重构精度。另外一种是由Danuser和张广军等提出的复杂模型，Danuser提出的模型，在放大倍数为1.6×，测量范围为0.05mm时，径向和轴向的精度分别可以达到0.1％和1-2％，张广军提出的模型精度为0.12％在放大倍数为3.024×，测量范围为0.3125mm。现有视觉模型多基于投影法建立，通过畸变参数的矫正改善模型定位精度，该过程通常采用参数优化的方法来实现，参数标定结果受优化策略、方法类别及物像数据的影响极为明显。本专利技术针对现有的体视显微镜视觉系统，提出了一种视觉模型，配合三维操作台、旋转台、横向位移台直接采集空间位置的原始立体图像对，形成视差空间和物空间的对应关系，构成空间图像序列，包含了整个视场空间的信息，依赖于基础数据矩阵，克服了非线性优化初值对定位精度的影响。该模型可以实现在微观领域的精确定位。与传统的模型相比，建模过程简单，模型精度高，不依赖于初值。
技术实现思路
针对现有视觉模型存在的问题，本专利技术实现了物空间和视差空间点的对应关系，在立方体内部采用插值，改变影响系数等方法实现由双目立体视觉获得的两幅图像确定物空间坐标，本专利技术的实现流程如图1所示：左图像(S3)和右图像(S4)形成左原始图像序列(S1)和右原始图像序列(S2)，通过图像处理的方法可以获得左右图像的坐标矩阵(S5和S6)。左右图像的坐标矩阵可以获得视差空间矩阵(S7)，三维操作台提供物空间坐标(S8)，视差空间矩阵(S7)和物空间坐标(S8)可以获得物空间基础数据，基础数据结构，视差空间基础数据(S9)，这样就构成基础数据矩阵模型(S10)。当已知物空间一点的左右图像(S12)时，可以获得视差空间坐标(S13)，视差空间坐标根据搜索算法和单元格结构(S11)，可以得出物空间坐标(S14)。本专利技术所涉及的基础数据矩阵建模方法,是由SLM显微视觉系统采集原始立体图像对并保存对应的物空间坐标，建立基础数据模型，当已知物空间图像对时，即可以根据物空间图像对的图像坐标求得视差坐标，可由物空间和视差空间的对应关系，获得物空间的坐标。所述的基础数据矩阵建模方法包括以下步骤：1、数据采集SLM显微视觉系统的主体为体视显微镜5，左相机6和右相机7分别固定于体视显微镜5的固定架1与2上面，显微物镜14固定在体视显微镜5的下端，环形光源13固定在显微物镜14的下端。被测物体8置于旋转台9上面，旋转台9安放在横向位移台10上，载物台3与三维操作台4固定。移动台控制器12与三维操作台4、旋转台9、横向位移台10连接并控制三维操作台4、旋转台9、横向位移台10动作。左相机6和右相机7通过USB口与计算机11连接，移动台控制器12通过串口与计算机11通信。计算机11采集左相机6和右相机7中的立体图像对并进行处理，通过串行口控制移动台控制器12输出脉冲信号，控制三维操作台4移动。控制三维平移台4在物空间运动一系列点，保存每个点在物空间的坐标,同时采集每个点的左右图像。2、基础数据矩阵建立分别提取左右图像的图像空间坐标，左右图像各有一个二维的坐标系，通过配准使左右图像的纵坐标相等，视差坐标的值由左右图像横坐标的差确定，由此可以确定视差空间的三维坐标。而物空间的三维坐标是已知的，物空间的点坐标和视差空间的顶点坐标形成对应关系。也就建立了物空间和视差空间的数据矩阵。3、基础数据矩阵修正在运动过程中，由于震动、噪声等原因，可能会造成采集的图像或物空间的某个点数据错误，根据物空间中的每个点的距离相等，在视差空间的点的距离相近，若视差空间点的距离超出某个值，则排除掉错误的点，采用拟合的方法，用新的点数据代替错误点数据。4、物空间和视差空间映射关系确定物空间单元格是标准的立方体，由于图像畸变等原因，视差空间的单元格有一定变形，根据物空间的点和与之对应的视差空间的点，物空间单元格和视差空间单元格的特点，可以确定物空间和视差空间的对应关系。5、定位策略当已知一点的左右图像时，则可以根据该点的左右图像确定该点的视差坐标。此时，问题转换为已知视差空间的一点，确定对应的物空间的点。视差空间点的位置分两种情况，一种是该点位于视差单元格的顶点，则可以直接通过搜索获得该点的物空间坐标。另一种情况是位于视差单元格的内部，则通过单元格的顶点确定物空间点的坐标。6、输出物空间坐标在视觉系统下，三维平移台带动标定样板运动，在物空间采集一系列的点并保存每点的物空间位置和图像，采用图像计算的物空间坐标和用运动控制卡记录的物空间坐标进行比较。附图说明图1为本专利技术的实现流程图图2为本专利技术涉及的SLM立体视觉测量系统图3为本专利技术涉及的物空间点的位置图4为本专利技术涉及的物空间对应的左右图像对序列图5为本专利技术涉及的提取的左右图像的坐标图6为本专利技术涉及的视差空间点的位置图7为本专利技术涉及的数据流程图图8为本专利技术涉及的整体测试精度结果图9为本专利技术涉及的采用针孔模型的精度结果附图中标记说明1、左相机固定架2、右相机固定架3、载物台4、三维操作台5、体视显微镜6、左相机7、右相机8、被测物体9、旋转台10、横向位移台11、计算机12、移动台控制器13、环形光源14、显微物镜物空间第N层，第1行，第1列的点物空间第N层，第1行，第K列的点物空间第N层，第M行，第1列的点A1、物空间第1层A2、物空间第2层A3、物空间第3层AN、物空间第N层第N层，第1行，第1列点的左图像第N层，第1行，第K列点的左图像第N层，第M行，第1列点的左图像IL1、物空间第1层点的左图像IL2、物空间第2层点的左图像IL3、物空间第3层点的左图像ILN、物空间第N层点的左图像第N层，第1行，第1列点的右图像第N层，第1行，第K列点的右图像第N层，第M行，第1列点的右图像IR1、物空间第1层点的右图像IR2、物空间第2层点的右图像IR3、物空间第3层点的右图像IRN、物空间第N层点的右图像第N层，第1行，第1列点的左图像的坐标第N层，第1行，第K列点的左图像的坐标第N层，第M行，第1列点的左图像的坐标DL1、物空间第1层点的左图像的坐标DL2、物空间第2层点的左图像的坐标DL3、物空间第3层点的左图像的坐标DLN、物空间第N层点的左图像的坐标第N层，第1行，第1列点的右图像的坐标第N层，第1行，第K列点的右图像的坐标第N层，第M行，第1列本文档来自技高网...

【技术保护点】
用于SLM微操作高精度定位的基础数据矩阵建模方法，其特征在于，包含以下步骤：物空间图像采集，建立视差空间，模型错误点排除，物空间基础数据矩阵和视差空间对应关系的确立，基础数据矩阵模型的确定；物空间图像采集具体为：利用SLM显微视觉系统拍摄物空间上单元格点的左图像，右图像，向计算机输入左右图像，同时保存左右图像和对应的物空间坐标；建立视差空间具体为：在左右图像上分别通过亚像素边缘提取算法和圆拟合方法获取格点坐标，计算每个点对应的视差坐标；模型错误点具体为：排除掉错误的点，采用拟合的方法，用新的点数据代替错误点数据；物空间基础数据矩阵和视差空间对应关系的确立具体为：根据物空间的点和与之对应的视差空间的点，物空间单元格和视差空间单元格的特点，确定物空间和视差空间的对应关系；物空间基础数据矩阵和视差空间对应关系的确立具体为：物空间的单元格与视差空间的单元格是对应的关系，当已知一点的左右图像时，则能根据该点的左右图像确定该点的视差坐标，确定对应的物空间的点的坐标；视差空间点的位置分两种情况，一种是该点位于视差单元格的顶点，则直接通过搜索获得该点的物空间坐标；另一种情况是位于视差单元格的内部，则通过单元格的顶点确定物空间点的坐标；最后在视觉系统下，三维平移台带动标定样板运动，在物空间采集一系列的点并保存每点的物空间位置和图像，采用图像计算的物空间坐标和用运动控制卡记录的物空间坐标进行比较。...

【技术特征摘要】
1.用于SLM微操作高精度定位的基础数据矩阵建模方法，其特征在于，包含以下步骤：物空间图像采集，建立视差空间，模型错误点排除，物空间基础数据矩阵和视差空间对应关系的确立，基础数据矩阵模型的确定；物空间图像采集具体为：利用SLM显微视觉系统拍摄物空间上单元格点的左图像，右图像，向计算机输入左右图像，同时保存左右图像和对应的物空间坐标；建立视差空间具体为：在左右图像上分别通过亚像素边缘提取算法和圆拟合方法获取格点坐标，计算每个点对应的视差坐标；模型错误点具体为：排除掉错误的点，采用拟合的方法，用新的点数据代替错误点数据；物空间基础数据矩阵和视差空间对应关系的确立具体为：根据物空间的点和与之对应的视...

【专利技术属性】
技术研发人员：王跃宗，赵志忠，隆超，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11