一种线结构光设备标定方法、装置和系统与流程

1.本技术涉及视觉测量系统标定技术领域，特别是涉及一种线结构光设备标定方法、装置和系统。


背景技术：

2.3d视觉是对空间目标的识别感知，是目前黑灯工厂的重要解决方案。3d视觉基础是三维重建，而线结构光是三维重建的一种重要的方式，主要用于精细化、小型化目标的3d重建，线结构光设备在测量、缺陷检测等方面都有很广泛的应用。而在钢铁冶炼领域也有着重要的利用价值，能扫描诊断旋转设备的故障，比如台车车轮、环冷机车轮等跑偏故障；也能监测流水线设备的故障，比如皮带撕裂检测、台车栏板倾斜检测等。而线结构光的标定是3d扫描的核心，传统的线结构光设备标定方式，通常采用棋盘格标定板标定，该标定方式的劣势在于标定时必须拍全标定板，且标定板的倾角不能过大，否则不利于棋盘格的检测，存在标定便利性低的缺点，特别在冶金领域等现场环境恶劣的情况下，便利的标定方案非常重要。


技术实现要素：

3.基于此，有必要针对上述问题，提供一种可提高标定便利性的线结构光设备标定方法、装置和系统。
4.一种线结构光设备标定方法，包括：
5.获取相机对标定板拍摄得到的标定图像；所述标定图像为所述相机对所述标定板拍摄的含有定位标志点的图像，且图像中标志点均匀分布；所述标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，所述标志点包括至少一组带有标识信息的所述定位标志点；所述不均匀排布的标志点根据所述相机与所述激光面的夹角进行设置；
6.对所述标定图像进行图像识别，获取所述标志点的图像坐标；
7.根据获取的定位标志点的图像坐标，以及所述定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型；
8.根据各所述标志点的图像坐标和所述映射关系模型，对标志点的图像坐标和空间坐标进行匹配。
9.在其中一个实施例中，所述对所述标定图像进行图像识别，获取所述标志点的图像坐标，包括：
10.依次对所述标定图像进行滤波和二值化处理，并确定二值化处理后的图像中所述标志点的轮廓；
11.根据所述标志点的轮廓进行标志点筛选，并获取筛选后的标志点的中心位置得到图像坐标。
12.在其中一个实施例中，所述标志点为黑色外圆和白色内圆组成的同心圆，所述确定二值化处理后的图像中所述标志点的轮廓，包括：对二值化处理后的图像进行黑白颠倒
处理后，再通过轮廓查找算法选出所有标志点的轮廓。
13.在其中一个实施例中，所述根据所述标志点的轮廓进行标志点筛选，并获取筛选后的标志点的中心位置得到图像坐标，包括：根据所述标志点的轮廓拟合椭圆，将轮廓点与对应的拟合出的椭圆点求距离偏差和，将距离偏差和大于设定阈值以及没有子轮廓的标志点剔除，获取筛选后的标志点的中心位置得到图像坐标。
14.在其中一个实施例中，所述根据获取的定位标志点的图像坐标，以及所述定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型，包括：
15.根据所述标志点的轮廓进行信息识别，筛选出所述定位标志点；
16.根据所述定位标志点的图像坐标与空间坐标，确定图像坐标与空间坐标之间的映射关系式的参量值，得到图像坐标与空间坐标的映射关系模型。
17.在其中一个实施例中，所述根据各所述标志点的图像坐标和所述映射关系模型，对标志点的图像坐标和空间坐标进行匹配，包括：
18.将各标志点的图像坐标代入所述映射关系模型，计算得到各标志点的预测坐标；
19.查找所有标志点的空间坐标中，与所述标志点的预测坐标最接近的坐标，作为所述标志点对应的空间坐标。
20.在其中一个实施例中，所述查找所有标志点的空间坐标中，与所述标志点的预测坐标最接近的坐标，作为所述标志点对应的空间坐标之后，还包括：剔除预测坐标与空间坐标的距离大于距离阈值的标志点。
21.在其中一个实施例中，所述标定图像为所述相机对所述标定板整体拍摄得到的单张标定图像。
22.一种线结构光设备标定装置，包括：
23.图像获取模块，用于获取相机对标定板拍摄得到的标定图像，所述标定图像为所述相机对所述标定板拍摄的含有定位标志点的图像，且图像中标志点均匀分布；所述标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，所述标志点包括至少一组带有标识信息的所述定位标志点；所述不均匀排布的标志点根据所述相机与所述激光面的夹角进行设置；
24.图像识别模块，用于对所述标定图像进行图像识别，获取所述标志点的图像坐标；
25.数据处理模块，用于根据获取的定位标志点的图像坐标，以及所述定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型；
26.坐标匹配模块，用于根据各所述标志点的图像坐标和所述映射关系模型，对标志点的图像坐标和空间坐标进行匹配。
27.一种线结构光设备标定系统，包括相机、标定板和处理器，所述标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，所述标志点包括至少一组带有标识信息的定位标志点；所述不均匀排布的标志点根据所述相机与所述激光面的夹角进行设置；所述处理器根据上述的方法进行线结构光设备标定。
28.上述线结构光设备标定方法、装置和系统，考虑到相机与标定板之间存在倾角，将标定板设置设计成不均匀排布的标志点，使得拍摄得到的标定板的图像角点比较均匀。只需要利用相机拍摄得到带有定位标志点的标定图像，通过图像识别获取标志点的图像坐标，结合获取的定位标志点的图像坐标以及定位标志点的空间坐标，确定图像坐标与空间
坐标的映射关系模型，然后结合其他标志点的图像坐标和映射关系模型，对标志点的图像坐标和空间坐标进行匹配，完成线结构光设备标定，降低了对标定板的拍摄要求，方便工作人员操作，提高了标定便利性。
附图说明
29.图1为一个实施例中线结构光设备标定方法的流程示意图；
30.图2为一个实施例中标定板示意图；
31.图3为一实施例中相机拍摄得到的标定图像示意图；
32.图4为一个实施例中对标定图像进行图像识别，获取标志点的图像坐标的流程示意图；
33.图5为一个实施例中根据获取的定位标志点的图像坐标，以及定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型的流程示意图；
34.图6为一个实施例中根据各标志点的图像坐标和映射关系模型，对标志点的图像坐标和空间坐标进行匹配的流程示意图；
35.图7为一个实施例中线结构光设备标定装置的结构框图。
具体实施方式
36.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
37.3d重建是计算机视觉的关键技术，能够跟很多行业场景应用相结合，譬如大部分煤炭、钢铁、采矿等传统能源型企业生产流程长，工艺过程极其复杂，根本看不见、摸不着，有了问题也基本是靠工人经验处理，如果能够采用三维重建技术，并结合物联网、大数据、可视化、数字孪生等技术，还原真实的生产工艺流程，加快整个行业的转型升级。近年来，在国家双碳目标大背景下，信息技术应用已经成为主导，国家环境保护力度的加大和能源消费结构的优化，又进一步促进了工况企业必须走绿色智能的转型之路，所以大力推进3d实景重建技术应用，促进生产向少人化、无人化方向发展；以智能管控赋能企业高质量发展，抓好数智化转型新机遇，推动钢铁行业绿色低碳高质量发展。
38.目前线结构光的标定方式通常采用棋盘格标定板标定，该标定方式的劣势在于标定时必须拍全标定板，且标定板的倾角不能过大，不利于棋盘格的检测；标定方式也是采用多帧标定线采集，拟合激光平面的方式，该标定方式不仅需要多帧图像，而且解算复杂，反而因过程中的失误造成标定误差。
39.基于此，本技术提供了一种线结构光设备标定方法，获取相机对标定板拍摄得到的标定图像，对标定图像进行图像识别，获取标志点的图像坐标；根据获取的定位标志点的图像坐标，以及定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型；根据各标志点的图像坐标和映射关系模型，对标志点的图像坐标和空间坐标进行匹配。考虑到相机与标定板之间存在倾角，将标定板设置设计成不均匀排布的标志点，使得拍摄得到的标定板的图像角点比较均匀。采用带定位标志点的标定板，在不拍全的情况下也能识别，定位标志点在标定板的中心位置，同时该标定板的优势在于能更全的覆盖图像区域，能实现更
精确的标定。
40.在一个实施例中，如图1所示，提供了一种线结构光设备标定方法，包括：
41.步骤s110：获取相机对标定板拍摄得到的标定图像。其中，标定图像为相机对标定板拍摄的含有定位标志点的图像，且图像中标志点均匀分布；标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，标志点包括至少一组带有标识信息的定位标志点。
42.具体地，可通过处理器连接相机，接收相机拍摄得到的标定图像。相机可采用工业相机，线结构光设备作为发光设备，可以采用一字线激光器发射激光线条，相机用于采集线条纹数据。相机可以是拍摄标定板的完整图像，也可以是拍摄标定板的部分图像，只需要拍摄到带有标识信息的定位标志点即可。
43.考虑到的标定板与激光面重合时，相机拍摄的标定板倾角较大，导致图像上标定板不均匀，因此采用非均匀标定板，使得拍摄得到的标定板图像角点比较均匀，不仅提高识别率、还能降低由标定点不均匀带来的标定拟合误差。其中，标志点可以是直接形成在标定板上，也可以是通过投影仪投射标志点到空白的标定板上。标定板上的标志点进行不均匀排布的方式并不唯一，具体可根据相机与激光面的相对位置(具体为夹角)决定，只需要通过相机拍摄得到标志点均匀分布的图像即可。具体地，可以根据相机与激光的大致夹角，将正常方形标定板变成梯形，拍摄的时梯形的短边靠近相机，长边远离相机。例如，相机在标定板左侧进行拍摄时，则标定板上的标定点设计为左侧短边、右侧长边，如图2所示。当相机倾斜拍摄时，拍摄得到的标定图像就会变为正图，如图3所示。
44.此外，也可以采用投影仪投射标定板，标定板设置为一块白板，白板与激光面重合，投影仪垂直于白板放置投影标定图像，通过改变投影上的标定板形状使得相机拍摄到的标定板均匀方正。
45.进一步地，标定板上标志点的形状，以及定位标志点携带的标识信息的类型都不是唯一的，定位标志点可设置在标定板的中心位置，以便相机进行拍摄。如图3所示，标志点可以设计为黑色外圆和白色内圆组成的同心圆，定位标志点携带的标识信息可以是字母，也可以是其他任意的标识符、形状物等，比如数字：1，2，3，4，汉字、方块等。本实施例中，采用黑色圆与白色同心的小圆作为标志点，标志点成矩形排列组成标定板，标志点的个数可以根据相机的视场大小的选择。标定板的中心4个圆为定位标志点，每个定位标志点中心设置了一个字母，分别为：a、b、c、d。该定位标志点用于对整个标定点的定位，中心的4个定位标志点每次标定时必须拍到，其他的标志点可以不用拍全。
46.步骤s120：对标定图像进行图像识别，获取标志点的图像坐标。对应地，处理器在获取相机对标定板拍摄得到的标定图像后，对标定图像进行图像识别，分析标定图像中包含定位标志点在内的各标志点的图像坐标。可以理解，对标定图像进行图像识别的方式并不唯一，在一个实施例中，如图4所示，步骤s120包括步骤s122和步骤s124。
47.步骤s122：依次对标定图像进行滤波和二值化处理，并确定二值化处理后的图像中标志点的轮廓。具体地，先采用高斯算法对标定图像进行滤波，然后根据阈值对滤波后的图像进行二值化处理，阈值为滤波后的图像的平均亮度值，即白色部分比平均亮度大，黑色部分比平均亮度小，所以该方式能直接分割出黑色与白色部分。然后，通过轮廓查找算法，确定二值化处理后的图像中标志点的轮廓。
48.进一步地，步骤s122中确定二值化处理后的图像中标志点的轮廓，包括：对二值化
处理后的图像进行黑白颠倒处理后，再通过轮廓查找算法选出所有标志点的轮廓。将二值化的图像黑白色颠倒，即标志点的黑色部分为变为最大值，方便进行轮廓查找。在对图像进行黑白颠倒处理后，通过轮廓查找算法选出所有标志点的轮廓。
49.步骤s124：根据标志点的轮廓进行标志点筛选，并获取筛选后的标志点的中心位置得到图像坐标。处理器在确定图像中标志点的轮廓之后，可结合标志点的轮廓对标志点进行筛选，剔除掉不符合要求的标志点。可以理解，标志点筛选的具体方式并不唯一，可根据实际需要进行设置。
50.本实施例中，步骤s124包括：根据标志点的轮廓拟合椭圆，将轮廓点与对应的拟合出的椭圆点求距离偏差和，将距离偏差和大于设定阈值以及没有子轮廓的标志点剔除，获取筛选后的标志点的中心位置得到图像坐标。具体地，根据轮廓点拟合得到椭圆后，将轮廓点与对应的拟合出的椭圆求距离偏差和，如果存在距离偏差和大的标志点，则说明该标志点不完整，或者是异常检测点，进行剔除。同时，还剔除没有子轮廓(即内圈轮廓)的标志点,最后计算出剩余的所有有效标志点的中心p，即拟合出的椭圆的中心，确定有效标志点的图像坐标。
51.步骤s130：根据获取的定位标志点的图像坐标，以及定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型。在确定标定图像上标定点的图像坐标之后，处理器挑选出标定图像中定位标志点的图像坐标，结合标定板上定位标志点的空间坐标，分析图像坐标与空间坐标的映射关系，确定图像坐标与空间坐标的映射关系模型。
52.在一个实施例中，如图5所示，步骤s130包括步骤s132和步骤s134。
53.步骤s132：根据标志点的轮廓进行信息识别，筛选出定位标志点。具体地，可通过选出所有的轮廓数据，结合字符识别的算法检测出定位标志点，即识别出a、b、c、d四个字母。
54.步骤s134：根据定位标志点的图像坐标与空间坐标，确定图像坐标与空间坐标之间的映射关系式的参量值，得到图像坐标与空间坐标的映射关系模型。
55.标定板设计出来后，每个标志点的空间坐标就确定了，假设标志点间的横向距离为l，纵向距离为h,以左上角的点为坐标圆点，横向向右为x轴，纵向向下为y轴，左上角第一个点的中心为坐标原点，则第i列、第j行的点坐标为(i*l.j*h)，该坐标为设计坐标，即空间坐标，如图1，a点的坐标为(3*l,h)，同理b点的坐标为(4*l,h)。
56.具体地，可根据透视投影算法，如式(1)，将图像坐标与标定板的空间坐标建立映射关系，即采用特殊标志点(即定位标志点)建立的关系，应用到非特殊标志点的匹配上来。
[0057][0058][0059]
其中，(u，v)是图像坐标，(x’,y’)是变换后的空间坐标；a11、a12、a21、a22、a31、a32为旋转量，a13、a23、a33为平移量。因为透视变换是非线性的，所以不能齐次性表示，透视变换矩阵为3*3矩阵。将a、b、c、d点的图像坐标与空间坐标代入式(1)，解出9个参量a，得到特殊标识点间的映射关系。
[0060]
步骤s140：根据各标志点的图像坐标和映射关系模型，对标志点的图像坐标和空
间坐标进行匹配。对应地，处理器在根据特殊标志点确定图像坐标与空间坐标的映射关系模型之后，对其他非特殊标志点的图像坐标和空间坐标进行匹配。在一个实施例中，如图6所示，步骤s140包括步骤s142和步骤s144。
[0061]
步骤s142：将各标志点的图像坐标代入映射关系模型，计算得到各标志点的预测坐标。
[0062]
步骤s144：查找所有标志点的空间坐标中，与标志点的预测坐标最接近的坐标，作为标志点对应的空间坐标。
[0063]
进一步地，步骤s144之后，步骤s140还包括：剔除预测坐标与空间坐标的距离大于距离阈值的标志点。
[0064]
具体地，通过将所有检测到的标志点的图像坐标代入式(1)，映射参数采用特殊标识点间的映射关系，算出一个空间坐标的预测值，再查找出空间坐标的预测值与所有真实空间坐标中的最近点，作为该标志点对应的空间坐标点，依次查找到所有标志点的空间坐标点，完成标志点的匹配。其中，设置最近点的距离阈值t,对于个别空间坐标的预测值与最近的真实空间坐标点距离大于距离阈值t的标志点进行剔除，即认为该类标志点未匹配到对应的空间坐标点。此外，还可将匹配后的标志点的图像坐标和空间坐标再代入式(1)，对映射关系中的参量进行优化。
[0065]
在一个实施例中，标定图像为相机对标定板整体拍摄得到的单张标定图像。本实施例中，采用单张标定图像标定法，将标定板放置在激光平面上，相机拍摄标定板图像，尽量将标定板拍全。通过标定点识别并与标定板平面坐标点匹配，建立图像坐标与标定板平面的转换关系(平面的透视变换)。
[0066]
将检测出的所有标志点的图像坐标与匹配的空间坐标，代入式(1)，通过最小二乘对应点优化其中9个参数dlt(a11、a12、a13、a21、a22、a23、a31、a32、a33)，生成标定参数,即完成了线结构光的系统标定部分。应用时，只需要将图像上检测到的激光线点，通过该映射转化到光平面上，即完成的了该截面的数据扫描。
[0067]
上述线结构光设备标定方法，采用带标识的标定板，能自动识别。标定方法上采用单帧标定模式，设备安装比较简单，维护成本较低，配套的设备较少，稳定可靠，能现场安装后标定，从而快速在钢铁行业中应用，能实现关键的设备的缺陷诊断、关键设备的三维扫描等应用。
[0068]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0069]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的线结构光设备标定方法的线结构光设备标定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个线结构光设备标定装置实施例中的具体限定可以参见上文中对于线结构光设备标定方法的限定，在此不再赘述。
[0070]
在一个实施例中，如图7所示，提供了一种线结构光设备标定装置，包括图像获取模块110、图像识别模块120、数据处理模块130和坐标匹配模块140，其中：
[0071]
图像获取模块110，用于获取相机对标定板拍摄得到的标定图像；标定图像为相机对标定板拍摄的含有定位标志点的图像，且图像中标志点均匀分布；标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，标志点包括至少一组带有标识信息的定位标志点；不均匀排布的标志点根据相机与激光面的夹角进行设置。
[0072]
图像识别模块120，用于对标定图像进行图像识别，获取标志点的图像坐标。
[0073]
数据处理模块130，用于根据获取的定位标志点的图像坐标，以及定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型。
[0074]
坐标匹配模块140，用于根据各标志点的图像坐标和映射关系模型，对标志点的图像坐标和空间坐标进行匹配。
[0075]
上述线结构光设备标定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0076]
在一个实施例中，还提供了一种线结构光设备标定系统，包括相机、标定板和处理器，标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，标志点包括至少一组带有标识信息的定位标志点；不均匀排布的标志点根据相机与激光面的夹角进行设置；处理器根据上述的方法进行线结构光设备标定。
[0077]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
[0078]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0079]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0080]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实
施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0081]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种线结构光设备标定方法，其特征在于，包括：获取相机对标定板拍摄得到的标定图像；所述标定图像为所述相机对所述标定板拍摄的含有定位标志点的图像，且图像中标志点均匀分布；所述标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，所述标志点包括至少一组带有标识信息的所述定位标志点；所述不均匀排布的标志点根据所述相机与所述激光面的夹角进行设置；对所述标定图像进行图像识别，获取所述标志点的图像坐标；根据获取的定位标志点的图像坐标，以及所述定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型；根据各所述标志点的图像坐标和所述映射关系模型，对标志点的图像坐标和空间坐标进行匹配。2.根据权利要求1所述的方法，其特征在于，所述对所述标定图像进行图像识别，获取所述标志点的图像坐标，包括：依次对所述标定图像进行滤波和二值化处理，并确定二值化处理后的图像中所述标志点的轮廓；根据所述标志点的轮廓进行标志点筛选，并获取筛选后的标志点的中心位置得到图像坐标。3.根据权利要求2所述的方法，其特征在于，所述标志点为黑色外圆和白色内圆组成的同心圆，所述确定二值化处理后的图像中所述标志点的轮廓，包括：对二值化处理后的图像进行黑白颠倒处理后，再通过轮廓查找算法选出所有标志点的轮廓。4.根据权利要求3所述的方法，其特征在于，所述根据所述标志点的轮廓进行标志点筛选，并获取筛选后的标志点的中心位置得到图像坐标，包括：根据所述标志点的轮廓拟合椭圆，将轮廓点与对应的拟合出的椭圆点求距离偏差和，将距离偏差和大于设定阈值以及没有子轮廓的标志点剔除，获取筛选后的标志点的中心位置得到图像坐标。5.根据权利要求2所述的方法，其特征在于，所述根据获取的定位标志点的图像坐标，以及所述定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型，包括：根据所述标志点的轮廓进行信息识别，筛选出所述定位标志点；根据所述定位标志点的图像坐标与空间坐标，确定图像坐标与空间坐标之间的映射关系式的参量值，得到图像坐标与空间坐标的映射关系模型。6.根据权利要求1所述的方法，其特征在于，所述根据各所述标志点的图像坐标和所述映射关系模型，对标志点的图像坐标和空间坐标进行匹配，包括：将各标志点的图像坐标代入所述映射关系模型，计算得到各标志点的预测坐标；查找所有标志点的空间坐标中，与所述标志点的预测坐标最接近的坐标，作为所述标志点对应的空间坐标。7.根据权利要求6所述的方法，其特征在于，所述查找所有标志点的空间坐标中，与所述标志点的预测坐标最接近的坐标，作为所述标志点对应的空间坐标之后，还包括：剔除预测坐标与空间坐标的距离大于距离阈值的标志点。8.根据权利要求1-7任意一项所述的方法，其特征在于，所述标定图像为所述相机对所述标定板整体拍摄得到的单张标定图像。9.一种线结构光设备标定装置，其特征在于，包括：
图像获取模块，用于获取相机对标定板拍摄得到的标定图像，所述标定图像为所述相机对所述标定板拍摄的含有定位标志点的图像，且图像中标志点均匀分布；所述标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，所述标志点包括至少一组带有标识信息的所述定位标志点；所述不均匀排布的标志点根据所述相机与所述激光面的夹角进行设置；图像识别模块，用于对所述标定图像进行图像识别，获取所述标志点的图像坐标；数据处理模块，用于根据获取的定位标志点的图像坐标，以及所述定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型；坐标匹配模块，用于根据各所述标志点的图像坐标和所述映射关系模型，对标志点的图像坐标和空间坐标进行匹配。10.一种线结构光设备标定系统，其特征在于，包括相机、标定板和处理器，所述标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，所述标志点包括至少一组带有标识信息的定位标志点；所述不均匀排布的标志点根据所述相机与所述激光面的夹角进行设置；所述处理器根据权利要求1-8任意一项所述的方法进行线结构光设备标定。

技术总结
本申请涉及一种线结构光设备标定方法、装置和系统，该方法包括：获取相机对标定板拍摄得到的标定图像；标定图像为相机对标定板拍摄的含有定位标志点的图像，且图像中标志点均匀分布；标定板与线结构光设备的激光面重合，设置有不均匀排布的标志点，标志点包括至少一个带有标识信息的定位标志点；不均匀排布的标志点根据相机与激光面的夹角进行设置；对标定图像进行图像识别，获取标志点的图像坐标；根据获取的定位标志点的图像坐标，以及定位标志点的空间坐标，确定图像坐标与空间坐标的映射关系模型；根据各标志点的图像坐标和映射关系模型，对标志点的图像坐标和空间坐标进行匹配。降低了对标定板的拍摄要求，方便操作，提高了标定便利性。标定便利性。标定便利性。


技术研发人员：陈陆义 莫旭红
受保护的技术使用者：中冶长天（长沙）智能科技有限公司
技术研发日：2023.07.04
技术公布日：2023/9/14