一种自由曲面视觉测量三维数据拼接方法

　　近年来从计算机视觉理论中发展起来的三维视觉检测技术已应用于精密测量领域,具有非接触、测量速度快、自动化程度和精度较高等优点,适合现代化先进制造业自动化程度的发展要求.

　　在三维视觉测量过程中,许多因素决定了单个视觉传感器无法一次测量完成整个物体的测量,如复杂物体存在视觉死区,或者对于大型被测物,受测量范围限制,必须分块多次测量[1],然后将局部三维数据拼接起来.常用的拼接方法一般利用相邻视场公共区域进行拼接,典型的如Itera-tive ClosestPoint(ICP)算法及其改进算法[2-3],参照物法[4],这两类方法均存在累积误差.虽然文献[5-6]方法在ICP算法基础上对所有参数进行了全局优化,降低了累积误差,但所有基于ICP算法的拼接方法均只适合曲率变化大、不规则的物体.对于规则物体,如球、圆柱体、平面等, ICP算法将失效.此外还可以借助外部设备,如精密旋转台或移动平台[7],将各个局部三维数据拼接起来.这种方法可以达到很高的拼接精度,但大型精密旋转台或移动平台价格昂贵,不适合现场使用.

　　本文针对三维形貌视觉测量中的数据拼接问题,采用1台数码相机在多个视点拍摄在物体表面粘贴的标记点和摆放的基线尺图像,构建全局测量坐标系,再将局部数据统一到全局测量坐标系下,从而完成物体整体测量.

　　1　构建全局坐标系

　　数码相机多视点几何关系如图1所示,数码相机从视点k移动到视点k+1,空间点P是两次拍摄公共视场内的同一标志点,在两幅图像内对应的像点分别为p1和p2.位于视点k和k+1时数码相机坐标系分别为Oc1xc1yc1zc1和Oc2xc2yc2zc2,像平面坐标系分别为O1u1v1和O2u2v2,像点齐次坐标分别为p~1=[u1,v1,1]T和p~2=[u2,v2,1]T,规一化齐次坐标为p~n1=[un1,vn1, 1]T和p~n2=[un2,vn2, 1]T,P在数码相机坐标系下齐次坐标分别为P~c1=[xc1,yc1,zc1, 1]T和P~c2=[xc2,yc2,zc2, 1]T.

　　[8]的方法进行标定;I为3×3单位矩阵.

　　建立Oc1xc1yc1zc1和Oc2xc2yc2zc2两直角坐标系间的坐标转换关系:

　　图像坐标p~与规一化坐标p~n之间存在如下关系:

　　式(6)是一个含有12个未知数Tx,Ty,Tz, r1, r2,r3,r4,r5, r6, r7, r8和r9的非线性方程.对Tx,Ty,Tz而言该方程是齐次的.由多个标志点对应的图像坐标,可以求得R和含有比例因子的T.

　　设T′=θT,Tx≠0,选择θ=1/Tx,则T′=[1　T′y　T′z]T.式(6)成为一个含有11个未知数的非线性方程,用函数f(x)=0描述,其中x=[Ty′,Tz′,r1,r2,r3,r4,r5,r6,r7,r8,r9]T.

　　另外,R满足正交条件,具有6个正交约束条件,从而得到无约束最优目标函数为