基于Tsai两步法的视觉点胶系统相机标定方法

相机标定是机器视觉系统应用的一项重要步骤。针对传统标定方法大多使用标定板、而标定板的制作和摆放较为繁杂的问题,提出一种基于Tsai两步法的简易标定方法。提出的方法不需要使用标定板,只需通过平台运动拍摄图标、提取特征点,操作简单,同时该方法通过合理的求解步骤,使用线性计算,避免了非线性计算的复杂过程。实验测试表明所提方法能有效降低标定复杂程度,减少标定时间,精度可达±0.1 mm,满足了视觉点胶系统的工程应用要求。

视觉点胶机的摄像机标定技术

结合角点检测,提出适用于视觉点胶机的一种摄像机标定方法,通过角点检测对平面标定板的多个视角图片特征点采样,选取图像外围构成矩形的四个角点位置,建立一坐标系。对图像中每个矩形单元角点提取,计算单应性矩阵,并结合非线性几何畸变模型畸变校正,得出视觉点胶完整的成像模型,求解出摄像机内参数,通过最大似然估计进行优化调整后,由L-M算法(Levenberg-Marquardt Algorithm)将参数收敛,进而求出摄像机外参数。该标定方法不需要高成本的立体模型标定物,操作简单,且降低了求解内外参数的复杂度却不失精度。利用三轴直线机器人对标定结果的精度进行了验证。结果表明,采用该标定方法精度偏差小于0.3mm,满足视觉点胶系统的要求,也适用于机器视觉系统检测、焊接等工业领域。

面向边缘特征的实时模板匹配方法

模板匹配是机器视觉领域的一项共性关键技术,目前基于边缘特征的模板匹配方法存在搜索时间长、在复杂环境下匹配准确率低等问题。为了在保证鲁棒性的同时提升实时性,提出了一种面向边缘特征的实时模板匹配方法。首先,在模板创建阶段,提出了一种新型边缘稀疏方法,通过置信评分机制筛选出模板中不变性强的边缘点,在保留模板关键特征的同时降低模板信息冗余,进而保证稳定性并提升计算效率。其次,在基于金字塔搜索的图像匹配阶段,提出了一种顶层提前筛选方法,采用归一化曼哈顿距离作为限制条件在顶层搜索结果中排除错误目标位姿,以加快后续各层的搜索速度。构建了5种工况不同的数据集,对所提模板匹配方法进行了对比验证,并将其应用于面向自由平面位姿的快速视觉点胶工艺。实验结果表明,所提模板匹配方法在显著提升匹配速度的同时能够保证高准确率,并且能够有效克服光照、旋转、缺陷、多目标、遮挡等干扰因素,满足机器视觉场景中对图像匹配的鲁棒性和实时性要求。