一种旋转轴标定方法与流程

本发明涉及到测量技术领域，特指一种旋转轴标定方法。

背景技术：

图像测量技术是近年来在测量领域形成的一种新的测量技术，它是以现代光学为基础，融合光电子学、计算机图像学、信息处理、计算机视觉等技术为一体的现代测量技术，能广泛应用于几何量的尺寸测量、遥感、精密零件的微尺寸测量和外观检测以及光波干涉图、应力应变场状态分布图以及与图像有关的技术领域。

当被测物体为异形、被测面分布复杂或过大的物品时，由于单一的传感器只能采集局部方向的信息，无法实现物品外表面的全覆盖，一般需要通过使用多个相机或采用旋转被测物体/相机的方法来获得多个被测面的信息，进而通过传感器坐标系之间或传感器坐标系和转轴坐标系之间的关系融合多个被测面，获取完整目标物体信息。对于旋转方式的测量，首先需在测量前对旋转轴进行标定。

当前对旋转轴的标定方法一般根据旋转轴和传感器的空间分布分为两种情况：1）传感器设置于旋转轴轴向前方；2）传感器与旋转轴接近平行。前者一般直接通过获取旋转轴带动标定板转动的方式，获取标定板图片后即可完成标定；后者则较为复杂，一般通过以下几种方式：1）间接标定法：借助于一个成像传感器和辅助标定传感器以及两个传感器之间的关系来实现从旋转轴到辅助标定坐标系到成像坐标系的转换，存在误差的多重传递；2）立体标志物法：一般为球形靶标/标志物，该方法存在标准球只能存在部分球冠，球心拟合误差大导致转轴标定不准确的问题；3）匹配法：通过获得旋转前和旋转后的点云图像上的特征匹配点求取坐标转换矩阵，结合已知旋转角度求取旋转轴，该方法的精度取决于设备已知旋转角度值的精度以及特征匹配点的识别精度；或粗匹配标定（小角度小范围转动数据）结合精匹配标定（大角度大范围转动数据）获取旋转轴的二次标定法，该方法需要两次标定，且更改标定距离时需要花费较多时间重新设置合适的参数。

技术实现要素：

针对上述不足，本发明解决的技术问题在于提供一种旋转轴标定方法，直接使用成像传感器本身数据精确计算旋转轴与成像传感器设备之间的姿态标定参数，无需二次标定，参数适应范围大，对样品加工精度要求低，一般只要有满足需求的多个平面即可，操作方便，适应性更强。

本发明的目的是通过以下技术方案实现的：

一种旋转轴标定方法，所述标定方法包括以下步骤：

步骤1，在进行测量之前，在旋转轴末端固定标定物体，所述标定物体包括绕中心轴分布的m个平面特征，m≥4且为整数，所述标定物体固定在所述旋转轴末端时，所述m个平面特征随所述旋转轴末端运动绕所述旋转轴转动；依次设置标定物体的n个旋转测量角度，n≥2且为整数；所述旋转轴末端带动所述标定物体根据所述旋转测量角度依次转动时，所述3d视觉传感器在所述相邻两个旋转角度能够获得至少一个共同平面特征；

步骤2，数据采集模块依次在所述n个旋转测量角度获取标定物体的n组原始点云数据；

步骤3，数据处理模块计算步骤2中每组原始点云数据相对于第一组原始点云数据的rt转换矩阵集合，j=1，2，…，n，其中为单位矩阵；

步骤3.1获取第j和j-1两组相邻原始点云数据中相同平面特征旋转前后的平面特征参数对，所述平面特征参数包括平面方向向量和平面质心；

步骤3.2，根据所述平面特征参数对计算第j组原始点云相对于第j-1组原始点云的粗配准姿态转换矩阵；

步骤3.3，根据所述粗配准姿态转换矩阵，将第j组原始点云转换到第j-1组原始点云的坐标系下，获得第j组粗配准转换后点云；

步骤3.4，将所述第j组粗配准转换后点云与所述第j-1组原始点云进行精配准，获取精配准姿态转换矩阵；

步骤3.5，结合粗配准姿态转换矩阵和精配准姿态转换矩阵，获取相邻两组原始点云之间的姿态转换矩阵；

步骤3.6，计算第j组原始点云相对于第一组原始点云数据的rt转换矩阵；

步骤4，所述数据处理模块根据所述rt转换矩阵集合计算所述旋转轴相对于所述传感器成像坐标系的姿态转换矩阵。

优选地，所述获取第j和j-1两组相邻原始点云数据中相同平面特征旋转前后的平面特征参数对，包括以下步骤：

步骤3.1.1，对第j组原始点云数据进行预处理，获取第j组预处理后的点云；所述预处理包括切割、降采样与滤波中的任意一种或多种；

步骤3.1.2，对于所述第j组预处理后的点云，采用ransac算法切割出最多k个面积大于预设值的平面点云集合，计算出所述平面点云集合中每个平面点云的特征参数，所述特征参数包括平面法向量、质心坐标以及平面面积；

步骤3.1.3，计算第j组原始点云的旋转测量角度相对于第j-1组原始点云的旋转测量角度的相对旋转角度；

步骤3.1.4，计算所述第j组预处理后的点云的平面点云集合中的每个平面相对于第j-1组预处理后的点云的平面点云集合中的每个平面之间的平面法向量角度差值，筛选出所述平面法向量角度差值与所述相对旋转角度的差值小于预设阈值的平面法向量对集合，再从所述平面法向量对集合中筛选出平面面积比最接近1的对应平面法向量对对应的特征参数。

优选地，根据所述平面特征参数对计算第j组原始点云相对于第j-1组原始点云的粗配准姿态转换矩阵，包括以下步骤：

步骤3.2.1，根据所述平面特征参数对中对应的质心坐标，计算第j组原始点云相对于第j-1组原始点云的平移矩阵；

步骤3.2.2，根据所述平面特征参数对中对应的平面方向向量，计算第j组原始点云相对于第j-1组原始点云的旋转矩阵

步骤3.2.3，根据平移矩阵和旋转矩阵，计算第j组原始点云相对于第j-1组原始点云的粗配准姿态转换矩阵。

优选地，所述精配准采用icp算法。

优选地，所述根据所述rt转换矩阵集合计算所述旋转轴相对于所述传感器成像坐标系的姿态转换矩阵，包括以下步骤：

步骤4.1，获取所述rt转换矩阵集合中的t矩阵集合；

步骤4.2，基于拟合平面，获取平面法向量即为成像坐标系中的旋转轴向量；

步骤4.3，投影到步骤4.2中的拟合平面上，对投影后的点集拟合圆，所述圆的圆心为成像坐标系中的旋转轴中心；

步骤4.4，根据所述成像坐标系中的旋转轴向量和旋转轴中心，计算获得所述旋转轴相对于所述传感器成像坐标系的姿态转换矩阵。

优选地，所述n个旋转测量角度之间为等间隔采样，起始角度为0度，采样间隔为360°/n。

优选地，所述m个平面特征的法向量之间的夹角为360°/m。

优选地，所述标定物体的平面特征区边缘设置有斜坡面，便于3d视觉传感器获得的点云图上有清晰的平面边缘特征。

优选地，所述标定物体的平面特征为多边形平面特征，所述平面方向向量还包括所述多边形平面特征的l条边对应的向量。

与现有技术相比较，本发明的有益效果是：直接使用成像传感器本身数据精确计算旋转轴与成像传感器设备之间的姿态标定参数，无需二次标定，参数适应范围大，对样品加工精度要求低，一般只要有满足需求的多个平面即可，操作方便，适应性更强。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1为本发明一种旋转轴标定方法的方法流程图；

图2为本发明一种旋转轴标定方法的标定物体的一种结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本发明提供一种旋转轴标定方法，如图1所示，所述标定方法包括以下步骤：

步骤1，在进行测量之前，在旋转轴末端固定标定物体，所述标定物体包括绕中心轴分布的m个平面特征，m≥4且为整数，所述标定物体固定在所述旋转轴末端时，所述m个平面特征随所述旋转轴末端运动绕所述旋转轴转动；依次设置标定物体的n个旋转测量角度，n≥2且为整数；所述旋转轴末端带动所述标定物体根据所述旋转测量角度依次转动时，所述3d视觉传感器在所述相邻两个旋转角度能够获得至少一个共同平面特征；图2为一种可行的标定物品的结构示意图；具体地，m的推荐值为4或者6；m个平面特征之间的夹角大于步骤3.1.4中的预设阈值，否则平面分不开；

步骤2，数据采集模块依次在所述n个旋转测量角度获取标定物体的n组原始点云数据；

步骤3，数据处理模块计算步骤2中每组原始点云数据相对于第一组原始点云数据的rt转换矩阵集合，j=1，2，…，n，其中为单位矩阵；

步骤3.1获取第j和j-1两组相邻原始点云数据中相同平面特征旋转前后的平面特征参数对，所述平面特征参数包括平面方向向量和平面质心；

步骤3.2，根据所述平面特征参数对计算第j组原始点云相对于第j-1组原始点云的粗配准姿态转换矩阵；本步骤中，一个平面从相对相机0度到旋转45度，基本都能拍摄到完整特征，这样在不同场景下设置旋转角度的参数相对会比较统一，基本不用更改设置的旋转角度参数；而且，使用平面统计特性进行粗配准，对平面的加工精度要求较低；

步骤3.3，根据所述粗配准姿态转换矩阵，将第j组原始点云转换到第j-1组原始点云的坐标系下，获得第j组粗配准转换后点云；

步骤3.4，将所述第j组粗配准转换后点云与所述第j-1组原始点云进行精配准，获取精配准姿态转换矩阵；本步骤中，进行精配准能够计算出一些微小的平移以及绕法向量的旋转，增加rt数据准确性；

步骤3.5，结合粗配准姿态转换矩阵和精配准姿态转换矩阵，获取相邻两组原始点云之间的姿态转换矩阵；

步骤3.6，计算第j组原始点云相对于第一组原始点云数据的rt转换矩阵；

步骤4，所述数据处理模块根据所述rt转换矩阵集合计算所述旋转轴相对于所述传感器成像坐标系的姿态转换矩阵。

所述获取第j和j-1两组相邻原始点云数据中相同平面特征旋转前后的平面特征参数对，包括以下步骤：

步骤3.1.1，对第j组原始点云数据进行预处理，获取第j组预处理后的点云；所述预处理包括切割、降采样与滤波中的任意一种或多种；

步骤3.1.2，对于所述第j组预处理后的点云，采用ransac算法切割出最多k个面积大于预设值的平面点云集合，计算出所述平面点云集合中每个平面点云的特征参数，所述特征参数包括平面法向量、质心坐标以及平面面积；

步骤3.1.3，计算第j组原始点云的旋转测量角度相对于第j-1组原始点云的旋转测量角度的相对旋转角度；

步骤3.1.4，计算所述第j组预处理后的点云的平面点云集合中的每个平面相对于第j-1组预处理后的点云的平面点云集合中的每个平面之间的平面法向量角度差值，筛选出所述平面法向量角度差值与所述相对旋转角度的差值小于预设阈值的平面法向量对集合，再从所述平面法向量对集合中筛选出平面面积比最接近1的对应平面法向量对对应的特征参数；具体地，所述预设阈值为2°。

根据所述平面特征参数对计算第j组原始点云相对于第j-1组原始点云的粗配准姿态转换矩阵，包括以下步骤：

步骤3.2.1，根据所述平面特征参数对中对应的质心坐标，计算第j组原始点云相对于第j-1组原始点云的平移矩阵；

步骤3.2.2，根据所述平面特征参数对中对应的平面方向向量，计算第j组原始点云相对于第j-1组原始点云的旋转矩阵

步骤3.2.3，根据平移矩阵和旋转矩阵，计算第j组原始点云相对于第j-1组原始点云的粗配准姿态转换矩阵。

所述精配准采用icp算法。

所述根据所述rt转换矩阵集合计算所述旋转轴相对于所述传感器成像坐标系的姿态转换矩阵，包括以下步骤：

步骤4.1，获取所述rt转换矩阵集合中的t矩阵集合；

步骤4.2，基于拟合平面，获取平面法向量即为成像坐标系中的旋转轴向量；

步骤4.3，投影到步骤4.2中的拟合平面上，对投影后的点集拟合圆，所述圆的圆心为成像坐标系中的旋转轴中心；具体地，所述拟合圆的方式有以下三种：（1）三点法拟合多个圆心后求均值；（2）两两平面法向量投影后的交点为圆心，求多个圆心的均值；（3）若旋转角度超过大半个圆，可以直接最小二乘拟合圆；可以根据实际的旋转测量角度选择合适的方法；

步骤4.4，根据所述成像坐标系中的旋转轴向量和旋转轴中心，计算获得所述旋转轴相对于所述传感器成像坐标系的姿态转换矩阵。

所述n个旋转测量角度之间为等间隔采样，起始角度为0度，采样间隔为360°/n。

所述m个平面特征的法向量之间的夹角为360°/m。

所述标定物体的平面特征区边缘设置有斜坡面，便于3d视觉传感器获得的点云图上有清晰的平面边缘特征，以获得更准确的旋转矩阵及平移矩阵；具体地，所述斜坡面与平面特征的夹角范围可以是10-30°。

所述标定物体的平面特征为多边形平面特征，所述平面方向向量还包括所述多边形平面特征的l条边对应的向量；具体地，l=4。

与现有技术相比较，本发明的有益效果是：直接使用成像传感器本身数据精确计算旋转轴与成像传感器设备之间的姿态标定参数，无需二次标定，参数适应范围大，对样品加工精度要求低，一般只要有满足需求的多个平面即可，操作方便，适应性更强。