作者：白杨
Date：2020-06-14
来源：3D视觉工坊公众号
链接：一种简化的线扫相机单维度标定法
线扫相机精度高、速度快、抗干扰能力强，适用于连续性产品的在线检测。针对产品的测量，要获得产品边界的精确坐标，需对检测目标进行图像坐标系u-v到世界坐标系x-y-z的转化，如下图所示：
目前相机的标定主要有Tsai标定法和张氏标定法，这两种方法需要拍摄若干角度的标定板图像，然后按照转换矩阵求相机的内参和外参。而线扫相机成像时需要拍摄物有相对运动，高精度的标定板很难保证运动速度与采集速度的统一，标定板图像采集很困难，且大多数的工业检测项目，需要到现场再安装相机，且检测面并不一定是一个平面，根本无法在现场进行标定。
目前对线扫相机的标定，主要有构建标定面法和虚拟靶标方法，均需要通过两个维度的空间坐标来确定标定参数。其实，根据实际项目的检测需求和线扫相机的特点，我们更关心的是一个维度（X方向）的尺寸，不需要对空间点进行求取，基于此可以大大简化标定方法。
本文主要分以下几个部分来阐述：1、需要准备的工具；2、标定流程及测试数据；3、代码实现
一 需要准备的工具
标定之前，我们需要准备：菲林片和自己开发的标定软件。其中菲林片就是我们自己定制的标定工具，如下图所示：黑白相间且等距（10mm，工艺误差在0.04mm以内）
这种设计，也是多次改进后的版本，可能有些人会比较疑惑为什么黑白条纹不是完全平行的，而是上下跳跃的。这么设计主要是为了便于现场调整相机的水平度，如下图所示：只有相机的采集点调整在红色线的位置时，才能够完整的拍出黑白相间的条纹，否则会有采集不到的条纹。
调整好后采集效果如下图所示：
二 标定流程及测试数据
测试数据如下：
1）标尺的各个单位对应的像素数（10mm）
2）中间数据的线性拟合
3）所有数据的非线性拟合
4）实际产品测试
三 代码实现
整体原理比较简单，核心算法就是最小二乘法的实现，halcon版本代码如下：
本文仅做学术分享，如有侵权，请联系删文。
往期干货资源：
汇总 | 国内最全的3D视觉学习资源，涉及计算机视觉、SLAM、三维重建、点云处理、姿态估计、深度估计、3D检测、自动驾驶、深度学习（3D+2D）、图像处理、立体视觉、结构光等方向！
汇总 | 3D目标检测（基于点云、双目、单目）
汇总 | 6D姿态估计算法（基于点云、单目、投票方式）
汇总 | 三维重建算法实战（单目重建、立体视觉、多视图几何）
汇总 | 3D点云后处理算法（匹配、检索、滤波、识别）
汇总 | SLAM算法（视觉里程计、后端优化、回环检测）
汇总 | 深度学习&自动驾驶前沿算法研究（检测、分割、多传感器融合）
汇总 | 相机标定算法
汇总 | 事件相机原理
汇总 | 结构光经典算法
汇总 | 缺陷检测常用算法与实战技巧
扫一扫
1423
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
