基于两步标定法的稳定、高精度条纹投影三维轮廓重建

发布时间：2021-02-17 04:50

　　在传统的条纹投影轮廓术（FPP）重建算法中,通常倾向于简化校准模型以提高数值稳定性。但是简化后的校准模型难以有效地补偿FPP系统中照相机和投影仪的镜头畸变,结果不能保证FPP的测量精度。提出了一种两步标定法,依次执行镜头畸变补偿和系统标定,通过使用相机和投影仪的标定参数来校正输入变量的值,实现镜头畸变的有效补偿,同时给出形式简洁但精度更高的测量模型进行物体三维轮廓重建。实验结果验证了方法的有效性和实用性。 

【文章来源】：光学技术. 2020,46(06)北大核心

【文章页数】：6 页

【部分图文】：

FPP系统的几何结构

在校准过程中,将图2(a)所示的平面棋盘靶放置在三个不同的位置。如图2(b)所示,在每个位置处捕获一个棋盘靶图像和32个条纹图案图像,包括16个水平图案和16个垂直图案。提取图像中的角作为控制点,并且可以从棋盘图像中提取468个控制点。本文使用多频方法[21]计算垂直方向和水平方向上的绝对相位图。表1所示相机参数和投影仪参数使用Z. Zhang的方法进行了校准。控制点(Xwi,Ywi,Zwi)的三维坐标也使用Z.Zhang的方法进行计算,如图2(c)所示。在相机标定和投影仪标定之后,计算控制点的无畸变图像坐标(uci,vci)和投影仪平面坐标(upi,vpi)。然后,基于式(13)确定所提出测量模型的系数。

图3(a)所示,测量一组量块(25mm,50mm和100mm)评估测量模型,使用本文方法进行量块三维轮廓重建,同时也分别使用多项式模型和针孔模型来进行对比重建。对比结果如表(2)所示。显然,尽管两种模型在Y方向上的重建精度稍好,但在测量精度方面本文方法优于多项式模型和针孔模型。表2 量块测量实验结果(单位:mm) 多项式模型 针孔模型 本文方法 量块面1 (25mm) 绝对误差 0.023 0.031 0.012 标准差 0.046 0.055 0.035 量块面2 (50mm) 绝对误差 0.025 0.028 0.015 标准差 0.053 0.060 0.041 量块面3 (100mm) 绝对误差 0.019 0.027 0.011 标准差 0.048 0.051 0.034


本文编号：3037458