基于新型编码特征的立体视觉系统的标定板及标定方法技术方案

本发明专利技术公开了一种基于新型编码特征的立体视觉系统的标定板及标定方法，包括板体，所述板体为平面结构，所述板体上分布有特征图元，所述特征图元包括实心小圆、实心大圆、同心圆和编码圆，所述同心圆由外环带和中心目标点组成，所述编码圆采用多分度编码，由编码带和中心目标点组成，所述编码带由扇形编码块组成，所述编码带包含圆形目标的唯一身份信息。充分利用目标特征点的不同属性，提高特征识别、定位与编码的稳定性。此外，本发明专利技术提出了立体显微视觉标定偏差校正技术，提高了立体显微视觉系统标定结果的精度和鲁棒性，增强了立体显微视觉系统的量测能力。显微视觉系统的量测能力。显微视觉系统的量测能力。

【技术实现步骤摘要】
基于新型编码特征的立体视觉系统的标定板及标定方法


[0001]本专利技术属于立体视觉标定
，本专利技术涉及一种基于新型编码特征的立体视觉系统的标定板及标定方法，尤其适用于立体显微视觉系统。

技术介绍

[0002]近年来，微型结构、微型制造、微型检测等技术得到了极大的发展和应用，特别是在微观图像采集、微装配、微操作等
，由于面向的对象尺寸往往在微米级甚至纳米级，对几何量测精度的要求极高，因此需要使用显微视觉进行制造过程的监控和器件尺寸的测量等。从技术层面来看，显微视觉系统具有视场小、景深小、畸变大等特点，致使传统的机器视觉系统理论与方法难以直接应用于显微视觉系统。
[0003]显微视觉系统分为单目、双目、多目等类型，无论是用于观测目标的特征还是进行获取操作器与目标之间的相对位姿，都需要预先实现对显微系统的标定。相机内外参数标定是机器视觉系统获取目标对象空间三维信息的必备基础和前提，显微视觉系统因其工作场景的特殊性，对标定的要求更高，但鉴于其成像模式、等效焦距不同于宏观工业相机，传统的视觉系统标定方法不能得到理想的标定结果。为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于新型编码特征的立体视觉系统的标定板，包括板体，其特征在于，所述板体为平面结构，所述板体上分布有特征图元，所述特征图元包括实心小圆、实心大圆、同心圆和编码圆，所述同心圆由外环带和中心目标点组成，所述编码圆采用多分度编码，由编码带和中心目标点组成，所述编码带由扇形编码块组成，所述编码带包含圆形目标的唯一身份信息。2.根据权利要求1所述的基于新型编码特征的立体视觉系统的标定板，其特征在于，所述编码带按照一定角度等分为份，每一份对应的角度为，每一份按照黑色或者白色分布，对应二进制“1”或“0”，将编码带二进制数中最小的数所对应的十进制数作为该编码圆的编号。3.根据权利要求1所述的基于新型编码特征的立体视觉系统的标定板，其特征在于，对标定板中同心圆从开始编码，码值范围为，其它实心圆的编码范围为，其中，为标定板上特征图元的数量，编码方法为从上到下、从右至左依次编码。4.一种基于新型编码特征的立体视觉系统标定方法，其特征在于，包括以下步骤：S01：获取标定图像，提取标定板特征图元中心，所述标定板为权利要求1
‑
3任一项所述的标定板；S02：对特征图元进行编码；S03：根据标定板得到成像模型，得到相机的内外参数矩阵；S04：对得到的相机的内外参数矩阵的偏差进行校正。5.根据权利要求4所述的基于新型编码特征的立体视觉系统标定方法，其特征在于，所述步骤S01提取标定板特征图元中心的方法包括：S11：对图像进行二值化处理；S12：使用形态学算子对图像进行去噪处理，并从标定板图像中分离出特征图元；S13：椭圆边缘拟合和中心点定位；S14：确定特征图元中心点。6.根据权利要求5所述的基于新型编码特征的立体视觉系统标定方法，其特征在于，所述步骤S13椭圆边缘拟合和中心点定位的方法包括：S131：通过一组约束准则对提取所得的区域信息进行筛选，得到符合要求的特征图元轮廓，所述约束准则如下：准则Ⅰ：投射倾斜准则：若投影角度最大值为，则图像中目标椭圆轮廓的周长和面积应满足：
其中，、为椭圆周长的最小值和最大值；、为椭圆面积的最小值和最大值；准则Ⅱ：偏心度准则：在准则Ⅰ的基础上，定义椭圆的偏心度为，当投影角度小于时，满足：其中，为椭圆圆度最小值；准则Ⅲ：边界准则：候选图元区域边缘点需满足条件：其中，为区域边缘距离图像边界的最小阈值；、分别为图像的宽度和高度；准则Ⅳ：灰度准则：根据图像二值化的结果去除目标背景，为前景区域内的灰度中值，为背景区域内的灰度中值，和需满足以下条件：其中，为区分前景与背景的灰度阈值，为前景与背景灰度差的最小值；准则
Ⅴ
：离心准则：对于同心圆和编码圆，外环带、编码带与目标点处于相近位置，计算各个轮廓之间的距离，若满足式(22)，则判定两个区域中有一个伪目标点区域；其中，为编码带内侧圆的半径，为编码带外径上像素点和目标点中心距离的最大值；S132：完成特征图元椭圆区域的提取后，对特征图元的边缘点集合采用最小二乘法进行拟合：设边缘点集合，其中，计算的散布矩阵，其中如下式所示：
通过计算矩阵的最大特征值对应的特征向量，得到特征图元的拟合椭圆，获取椭圆的五个参数，其中为椭圆的中心坐标，为长轴，为短轴，为椭圆的旋转角。7.根据权利要求5所述的基于新型编码特征的立体视觉系统标定方法，其特征在于，所述步骤S14确定特征图元中心点的方法包括：特征图元圆心点在的真实投影坐标为，求取拟合椭圆和特征图元边缘上距离最远的两个点的坐标，分别记为、和、，则点坐标根据以下准则求取：如果两组坐标的中点距离小于一个设定值，取这两个点的中点作为点坐标；如果大于设定值，则过这两个中点作一条直线与圆成像平面相交于、两点，利用射影变换中存在的直线不变和简比不变性质，得到：其中，为圆的半径；中心点的...

【专利技术属性】
技术研发人员：张贵阳，徐本连，鲁明丽，吉思雨，臧书琪，潘大宝，朱玲羽，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：