机器视觉软件Sherlock的应用——标定

机器视觉软件Sherlock的应用——标定
2007-03-09 19:03:27 作者：春秋视讯技术有限责任公司朱瑞来源:互联网
摘要：介绍机器视觉软件Sherlock如何对将相机像素坐标系转换成实际测量或检测所需要的坐标系，以及利用标定来修正相机CCD平面与物体测量平面不平行引起的畸变。

关键词：标定（calibrate）校正放射性失真畸变虚拟相机
在应用机器视觉进行检测或测量时，要得到精确的测量值，需要相机CCD平面和实际检测或测量零件的表面相平行。

否则，将发生透视性失真，从而很难保证精度。

相机CCD与零件表面的平行通常通过人工调整夹具来保证。

但是，调整夹具不可能完全保证平行，而且需要耗费很长的时间。

相机所拍摄图像的坐标系并不是用户实际需要的坐标系，因此需要将坐标系转换成用户需要的坐标系。

机器视觉软件Sherlock利用标定很容易修正仿射性失真引起的畸变，并可方便的进行坐标变换。

1 相机标定工作原理相机标定就是将相机像素坐标系转换成用户实际测量或检测所需要的坐标系，使虚拟摄像机以真实单位进行精密测量。

Sherlock的相机标定利用了透视算法进行标定。

每一次失真的类型都不一定相同，透视校正算法将对仿射变换和线性透视畸变进行补偿，特别是当摄像机平面和物体平面不平行的时候，图像中物体的直线仍然是直的，但是平行线不再平行（如图1，透视失真），标定将补偿仿射变换和少量的非线性畸变。

Sherlock的相机标定方法是在一个虚拟相机中利用四点坐标系函数来建立四点的位置。

这样，根据相机中的四个点的位置同实际坐标的关系，Sherlock可以通过内部数学转换进行坐标变换，来校正仿射性失真或由于比例、偏移和旋转（倾斜）引起的变化。

当摄像机传感器平面和物体平面之间存在一个角度时，透视畸变就会发生。

此时棋盘上的正方形看起来像梯形。

透视畸变的数学公式如下：u=(ax+by+c)/(hx+hy+I), υ=(dx+ey+?)/(gx+hy+i) （x,y）是摄像机或物体平面上的坐标，（u,v）是另一个平面上的转换坐标。

A,b,c,d,e,f,g,h和I是透视畸变算法从内部取出用于转换每个要求点的转换参数。

2 相机标定的步骤图2是标定主页图。

相机标定的一般步骤如下：（1）建立一个子程序（Insert | Subroutine）。

（2）在策略窗口树的顶部双击子程序图标，Sherlock 显示子程序编辑对话框。

（3）编辑子程序，选取“Execute During Calibration”点击OK按
钮保存并且退出。

（4）创建一个虚拟相机（Insert | Subroutine）。

（5）通过使用菜单命令（Stakeout | Options）显示默认的相机坐标栅格，在坐标栅格下方选择“Lines"，然后点击OK按钮退出对话框。

图2 （6）将一个已知尺寸的零件作为标定块放置在相机的视野范围内。

（7）在虚拟相机窗口，选择零件上的四个特征点作为标定点。

（8）在子程序中插入公式（fromular）。

编辑公式，将四个特征点的坐标作为公式的输入值，选择标定（calibrate）函数。

（9）编辑标定（calibrate）函数的参数，输入四个标定点的实际坐标值。

（10）再次选择菜单命令（Investigate | Calibrate），将出现新的坐标栅格。

可以在Stakeout | Options 中改变栅格大小。

（11）对其他零件进行测量，测量的结果将是实际测量值。

3 单个相机多个标定Sherlock的标定在同一个测量平面内是有效的。

如果用一台相机对多个平面的尺寸进行测量，那么就需要进行多个标定。

如图3所示，用一台相机测量Ф5和Ф10尺寸，如果相机从上面拍摄，由于两个平面距离相机的远近不同，所以两个平面在所拍摄的图像中对应的比例也不同，如果对Ф10的平面进行标定，则Ф5的平面上测量的结果就不准确，同样，对Ф5的平面进行标定，则Ф10的平面上测量的结果就不准确。

Sherlock 可以对同一相机产生两个多个虚拟相机（stakeout），在该图中可以利用两个虚拟相机（stakeout），分别对Ф5的平面和Ф10的平面进行标定，这样就能得到精确的结果。

4 虚拟相机的一个标定在机器视觉中，有时候多个虚拟相机（stakeout）可能只对一个平面进行测量或检测，或者多个相机所测量或检测的物体与相机的CCD平面距离相等，此时如果对每一个虚拟相机都进行标定将很耗时，这种情况下，Sherlock可以只对一个虚拟相机进行标定，以使多个虚拟相机可利用同一标定进行测量或检测。

编辑：
本文引用地址：/designarticles/sensor/200703/11151.html
[发表评论] [加入收藏] [告诉好友] [打印本页] [关闭窗口] [返回顶部] [RSS订阅] 上一篇：一种高精度波形发生器的设计
下一篇：机器视觉软件iGauge特性介绍—精度和重复性
发表评论
验证码：*
免责声明:以上内容凡注明署名的，其版权属于署名者所有，转载请注明署名。

本网未注明来源EEWORLD之稿件均为转载稿，如本网转载涉及版权等问题，请作者速来电或发邮件与EEWORLD联系，我们将在第一时间删除。

请遵守《互联网电子公告服务管理规定》及中华人民共和国其他各项有关法律法规。

严禁发表危害国家安全、损害国家利益、破坏民族团结、破坏国家宗教政策、破坏社会稳定、侮辱、诽谤、教唆、淫秽等内容的评论。

用户需对自己在使用本站服务过程中的行为承担法律责任（直接或间接导致的），本站管理员有权保留或删除评论内容。

(本文转自电子工程世界：/designarticles/sensor/200703/11151.html)
机器视觉软件iGauge特性介绍—精度和重复性
2007-03-09 19:03:27 作者：春秋视讯技术有限责任公司朱瑞来源:互联网
iGauge是一个非常容易使用的机器视觉系统，主要用于测量—距离、孔径以及零件的其他尺寸。

尽管利用机器视觉测量同接触式以及激光测量的方法有所不同，但是它们的目的相同：使测量结果具有高精度、高重复性。

复杂的机器视觉测量系统在使用时会使你感到迷惑、而且将付出更大的代价。

IPD的目的是为你提供容易使用的工具以及容易理解的使用说明。

1 精度、重复性和精密度的定义精度、重复性、精密度是任何测量系统的性能特点。

重复性是重复测量结果的一致性（参见图1）。

精度是测量结果与真实性的接近程度。

可以认为是重复测量结果和真实值的差值平均值平均值。

精度度是提测量结果可读的位数。

一个机器视觉系统（如iGauge）可以返回7位测量结果，但是只有重复性和精度检测能告诉这些数字有多少有意义的。

在该例中，精密度是通过精度和重复性所决定的，因此我们没必要进一步讨论精密度。

2 精度和重复性的确定机器视觉测量系统在图像的ROI、镜头以及相机已经选定并且已固定时，可以根据物理单位（如微米）确定精度和重复性。

因为iGauge的镜头以及ROI可以有一定范围的变化，因此我们必须根据象素（当物体在FOV中时图象的一元素的尺寸）确定精度和重复性。

如果知道以下条件，便可以估计精度和重复性。

（1）FOV（可以被相机看到的面积）以及相机的图象传感器中元素的数量。

根据这些你可
以以物理单位来计算相应的象素尺寸。

（2）测量系统的精度以及重复性（比象素来测量）。

如：用一个相机拍摄一个6英寸长的FOV，对应的象素尺寸为6/640=0.094英寸。

如果象素的精度为1/2，那么我们可以测量到0.0047英寸。

3 iGauge的工作过程为了有效的利用测量零件、尺寸、孔等。

首先应进行如下工作：（1）选择合适的光源清楚的表示你想测量的东西。

（2）选择合适的镜头以及工作距离（从镜头到被测物体的距离）以提供一个最佳的FOV。

一个最佳的FOV包括被测零件的面积以及允许零件移动和配准的一点范围。

（3）用适当的夹具将零件固定在相机的FOV内。

（4）确保iGauge提供的精度和重复性能满足测量任务的要求。

IGauge利用图像的边缘进行测量。

一个边缘是指图像中亮度发生突变的位置，通常对应物体形状的边缘（如零件的孔）。

除了物体形状的边缘，印刷、标志、划痕以及阴影也可以被看作为边缘。

一些非物体形状的边缘很适合测量，但是一些如阴影等不可能突变太大，因闪很难准确测量。

当然，在图像上不能呈现在边缘的也很难测量（如亮度平滑改变或模糊的斑点不可能用iGauge测量）。

一旦指定为边缘就可以利用边缘进行测量，iGauge利用边缘信息以及适当的算法来测量边缘位置到象素的片段的尺寸。

编辑：
本文引用地址：/designarticles/sensor/
(本文转自电子工程世界：/designarticles/sensor/200703/11164.html)。