一种大结构体复杂表面多视觉三维测量网络节点布局方法技术

本发明专利技术一种大结构体复杂表面多视觉三维测量网络节点布局方法涉及机器视觉技术领域；该方法首先利用深度融合技术获得待测结构体点云数据的三角网格模型；然后根据预设的多视觉三维测量网络测量节点布局算法，对所述三角网格模型的几何数据进行测量节点布局计算；所述测量节点布局计算根据待测结构体的几何信息及最优可见性初步布局，建立初始椭球形测量网络模型，椭球参数决定待测结构体的几何信息，再基于椭球基线设置每个测量节点位姿；最后在确定符合预设的算法终止条件时，将所有测量节点确定为相机对所述待测结构体进行整体三维测量时的测量网络节点集合；本发明专利技术可以大大提高三维测量过程的效率，降低测量成本。降低测量成本。降低测量成本。

【技术实现步骤摘要】
一种大结构体复杂表面多视觉三维测量网络节点布局方法


[0001]本专利技术一种大结构体复杂表面多视觉三维测量网络节点布局方法涉及机器视觉


技术介绍

[0002]在光学测量中，多目立体视觉摄影测量由于其测量精度高、测量速度快、适应性好等特点，广泛用于大型工业结构体的制造领域，如汽车、航空、航天等。由于不同结构体表面形貌的复杂程度及曲率不同，而单个视觉传感器测量区域有限，因此针对大型复杂结构体需要多个视觉传感器组成测量网络，将每个视觉传感器所获得的数据进行融合而获得结构体完整的三维数据。
[0003]目前在对多个视觉传感器进行组网过程中，通常是基于先验知识获取一个良好的初始网络专家，而测量网络节点布局需要专业素质较高的技术人员根据经验进行给定和操作，这存在一定的不合理性和盲目性，容易造成冗余测量和遗漏测量，使测量过程耗时长，测量成本高。

技术实现思路

[0004]针对上述问题，本专利技术公开了一种大结构体复杂表面多视觉三维测量网络节点布局方法，该方法能够解决传统方法对大型结构体进行三维测量时，通过人工调整测量节点布局所导致的测量过程耗时长、成本高和精准度较低的问题。
[0005]本专利技术的目的是这样实现的：
[0006]一种大结构体复杂表面多视觉三维测量网络节点布局方法，包括以下步骤：
[0007]步骤a、利用深度融合技术获得待测结构体点云数据的三角网格模型，所述三角网格模型用于表征待测结构体的空间几何信息；
[0008]步骤b、根据预设的多视觉三维测量网络测量节点布局算法，对步骤a所述三角网格模型的几何数据进行测量节点布局计算；所述测量节点布局计算根据待测结构体的几何信息及最优可见性初步布局，建立初始椭球形测量网络模型，椭球参数决定待测结构体的几何信息，再基于椭球基线设置每个测量节点位姿；
[0009]步骤c、在确定符合预设的算法终止条件时，将步骤b计算得到的所有测量节点确定为相机对所述待测结构体进行整体三维测量时的测量网络节点集合。
[0010]上述的一种大结构体复杂表面多视觉三维测量网络节点布局方法，步骤b所述的预设的多视觉三维测量网络测量节点布局算法，包括以下步骤：
[0011]步骤b1、将待测结构体离散成均匀的点云，并求出中心点坐标[x0,y0,z0]T
，导入三角网格模型，计算每个三角网格区域的单位法向量[n1,n2,n3]T
；
[0012]步骤b2、根据相机视场大小为m*m和待测曲面的投影面积S，估算出相机个数n>2S/m；
[0013]步骤b3、将相机密集排放在椭球模型表面；
[0014]步骤b4、对相机位姿的方位角和高低角参数x
j
＝[α
j
,β
j
]T
，相机外参矩阵的旋转向量 R＝[α
j
,π
‑
β
j
,π/2]T
，相机外参矩阵的平移向量t＝[0,0,D]T
进行二进制编码，产生新个体；
[0015]步骤b5、将步骤b4得到的新个体分为子种群A和子种群B；
[0016]步骤b6、根据约束条件，分别计算子种群A的适应度函数f(A)和子种群B的适应度函数 f(B)，初始产生的子种群A和子种群B的最优个体x
opt
，除所述最优个体x
opt
外，其他新个体均被下一代替换；
[0017]步骤b7、判断平均适应度值f
ave
/f(x
opt
)是否超过阈值Fit，如果：
[0018]未超过阈值Fit，返回步骤b4；
[0019]超过阈值Fit，迭代结束，解码出最优个体x
opt
，得到初始网络节点布局；
[0020]步骤b8、根据相机覆盖率，将测量节点按照覆盖率降序排列，删除覆盖率低的冗余测量节点，更新测量网络；所述覆盖率为测量网络中被测量节点获取到的有效点数与被测表面离散点总数的百分比；
[0021]步骤b9、当所述的被测区域点云的所有点均被合理覆盖时，终止更新测量网络；所述合理覆盖是有三个测量节点能测量到被测区域的一个点，超过三个测量节点为不合理覆盖。
[0022]上述的一种大结构体复杂表面多视觉三维测量网络节点布局方法，在步骤a之前，还包括以下步骤：获取待测结构体点云数据，计算三角网格区域内的法向量，验证点云数据中每个点的可见性。
[0023]上述的一种大结构体复杂表面多视觉三维测量网络节点布局方法，所述约束条件至少包括以下约束中的一种：可视性约束、视场角约束、入射角约束、景深约束、共视约束、曲率约束、空集约束；
[0024]所述约束条件具体为：
[0025]可视性约束：待测结构体存在的任意曲面上的任一点P，且摄像机光轴通过P点，记为测量网络节点布局约束条件为：当法向量和光轴夹角大于等于90
°
时，相机对于该曲面清晰可见；
[0026]视场角约束：两条射线自相机镜头起，沿着镜头最大可包含的物像作为边界形成的夹角即为视场角约束；为相机的光轴单位方向向量，ρ表示相机视场角，测量网络节点布局约束条件为：
[0027][0028]入射角约束：定义为光轴和法向量之间可接受的最大夹角为θ，测量网络节点布局约束条件为：
[0029][0030]景深约束：定义为相机镜头能够对待测目标前后距离清晰成像而界定的范围；定义ΔL1为前景深，ΔL2为后景深，F为相机光圈，δ为容许弥散圆直径，L为拍摄距离，f为相机焦距，测量网络节点布局约束条件为：
[0031][0032]共视约束：在多视点视觉测量过程中，空间中任意一点P，至少被两个以上相机同时观测，定义Ω
i
(i＝1,2,
…
n)为第i个相机的有效成像区域，测量网络节点布局约束条件为：
[0033]Ω
d
＝Ω1∩Ω2∩
…
∩Ω
n
[0034]曲率约束：待测目标结构体的曲率复杂程度决定相机空间位姿(α,β,D)，曲率与相机空间位姿的映射关系即为曲率约束，ρ
i
是第i个站位点的相机对应的待测目标结构体的曲率，测量网络节点布局约束条件为：
[0035](ρ
i
)
→
(α,β,D)
[0036]空集约束：为保证多视点测量组网中每个视点的独立性，避免视点重叠增大计算量，还需要限制每个视点的重叠部分Λ，称为空集约束，定义Φ为各个视点的测量区域的交集；n为规划中视点的总数；测量网络节点布局约束条件为：
[0037]Φ＝Λ1∩Λ2∩
…
∩Λ
n
。
[0038]有益效果：
[0039]本专利技术大结构体复杂表面多视觉三维测量网络节点布局方法，在获取待测结构体的三角网络模型之后，基于测量网络节点布局算法对三角网格模型中的区域点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大结构体复杂表面多视觉三维测量网络节点布局方法，其特征在于，包括以下步骤：步骤a、利用深度融合技术获得待测结构体点云数据的三角网格模型，所述三角网格模型用于表征待测结构体的空间几何信息；步骤b、根据预设的多视觉三维测量网络测量节点布局算法，对步骤a所述三角网格模型的几何数据进行测量节点布局计算；所述测量节点布局计算根据待测结构体的几何信息及最优可见性初步布局，建立初始椭球形测量网络模型，椭球参数决定待测结构体的几何信息，再基于椭球基线设置每个测量节点位姿；步骤c、在确定符合预设的算法终止条件时，将步骤b计算得到的所有测量节点确定为相机对所述待测结构体进行整体三维测量时的测量网络节点集合。2.根据权利要求1所述的一种大结构体复杂表面多视觉三维测量网络节点布局方法，其特征在于，步骤b所述的预设的多视觉三维测量网络测量节点布局算法，包括以下步骤：步骤b1、将待测结构体离散成均匀的点云，并求出中心点坐标[x0,y0,z0]
T
，导入三角网格模型，计算每个三角网格区域的单位法向量[n1,n2,n3]
T
；步骤b2、根据相机视场大小为m*m和待测曲面的投影面积S，估算出相机个数n>2S/m；步骤b3、将相机密集排放在椭球模型表面；步骤b4、对相机位姿的方位角和高低角参数x
j
＝[α
j
,β
j
]
T
，相机外参矩阵的旋转向量R＝[α
j
,π
‑
β
j
,π/2]
T
，相机外参矩阵的平移向量t＝[0,0,D]
T
进行二进制编码，产生新个体；步骤b5、将步骤b4得到的新个体分为子种群A和子种群B；步骤b6、根据约束条件，分别计算子种群A的适应度函数f(A)和子种群B的适应度函数f(B)，初始产生的子种群A和子种群B的最优个体x
opt
，除所述最优个体x
opt
外，其他新个体均被下一代替换；步骤b7、判断平均适应度值f
ave
/f(x
opt
)是否超过阈值Fit，如果：未超过阈值Fit，返回步骤b4；超过阈值Fit，迭代结束，解码出最优个体x
opt
，得到初始网络节点布局；步骤b8、根据相机覆盖率，将测量节点按照覆盖率降序排列，删除覆盖率低的冗余测量节点，更新测量网络；所述覆盖率为测量网络中被测量节点获取到的有效点数与被...

【专利技术属性】
技术研发人员：乔玉晶，盛正毅，
申请(专利权)人：扬州市职业大学扬州市广播电视大学，
类型：发明
国别省市：