（机械电子工程专业论文）基于ccd图像处理的标定方法和小系统程序设计.pdf

摘要 摘要 l a m o s t ( l a r g es k ya r e am u l t i o b j e c tf i b e rs p e c t r o s c o p yt e l e s c o p e ) “大天区多目标光纤光谱天文望远镜 是一台兼备大视场大口径的卧式中星仪式斯 密特天文望远镜。 根据总体设计，要求在直径为1 7 5 米的焦面板上精确定位有约4 0 0 0 根光纤， 如何使这4 0 0 0 根光纤准确定位是关系到l a m o s t 星相准确观测的关键问题，使用 c c d 对光纤进行定位是工程上常用的检测方法，然而由于c c d 本身的制造误差和相 机镜头的成像畸变将导致成像误差，如何消除c c d 成像误差是本文研究的重点之 一o 按照工程的设计要求，其检测精度需要达到2 0 | lm 以下，本文使用工业上常用 的检测器件c c d 来对系统像面上的光点进行检测，但是由于c c d 本身的制造精度和 镜头的径向、切向畸变都会导致测量误差，如何使c c d 相机对光纤底部的光点位置 进行准确的定位是本论文的主要内容之一。在关于l a m o s t 标定方法的问题上本文 主要从整体式和分离差分式两个方面进行了研究。 作为标定工作的数据前期处理，本文采用了工程上常用的重心法作为提取光点 位置的算法其提取精度能够达到项目要求。对于目标视场的标定，针对小尺寸标定 目标( 小于1 4 0 m 1 4 0 m m ) 提出了四次曲面拟合的整体式标定方法，即用关于物面 光点坐标x ，y 的四次多项式建立拟合方程求得像面光点的坐标，并对物面、像面光 点位置的误差进行分析。 由于l a m o s t 小系统的物面标定范围大大超出了整体式标定方法能够测量的范 围，为此针对小系统的物面特点提出了分离式差分标定方法，即使用小尺寸标定靶 在大物面的各个关键工位进行测量，并提出使用差分式四次拟合算法建立物象之间 关系求得像面光点坐标。并且实验证明了测量工位的选取对标定结果没有影响和随 着标定靶尺寸的减小最终的标定残差将随之增大。 从小焦面系统总体结构以及系统软件设计两个个方面具体介绍了小焦面测试系 统的实现。系统的设计基于模块化的思想，在该定位测量系统上除了可以单独地完 成单元定位、图像采集、数据处理的任务以外，还可以根据测量的需要制定专门地 跑合流程自动完成相应的定位测量任务。 关键词：摄像机标定光重心法l a m o s tc c d 摄像机数字图像处理亚像素软件设 计 第2 页共7 0 页 中国科学技术大学硕士论文 插图目录 图卜ll a m o s t 焦面板的分区规划1 0 图1 - 2 双回转定位单元结构示意图1 0 图2 一lc c d 工作原理图1 4 图2 2 图像测量系统结构。l7 图2 3 图像测量基本步骤1 8 图2 4 图像的数字化表示过程2 2 图2 5 频率增强模型示意图。2 4 图4 一l 光纤定位单元的实验室测量装置原理图4 l 图4 2c c d 主要技术参数。4 2 第v i 页 表格目录 表格3 1 分别采用两种标定靶尽心标定时的残差平均值。3 7 表格3 2 差分式标定靶的残差统计分布( 2 0 2 0 ) 3 7 第v l i 页 中国科学技术大学学位论文原创性和授权使用声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作 所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任 何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究 所做的贡献均己在论文中作了明确的说明。 本人授权中国科学技术大学拥有学位论文的部分使用权，即：学 校有权按有关规定向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅，可以将学位论文编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 保密的学位论文在解密后也遵守此规定。 作者签名：曼关 矿乒年月哆目 图卜1l a m o s t 焦面板的分区规划 的定位没有盲区。为保证定位过程井然有序，各个定位单元之间由一套用于观测 规划和路径优化的软件来协调工作。光纤定位单元负责装夹及定位光纤，构成光纤定 位的基本结构。 为保证定位过程井然有序，各个定位单元之间由一套用于观测规划和路径优化的 软件来协调工作。光纤定位单元负责装夹及定位光纤，构成光纤定位的基本结构。双 回转光纤定位单元的结构如图卜2 所示，双回转定位单元由臂长相等的中心回转轴和 偏心回转轴组成，两轴均由电机经涡轮蜗杆减速驱动，这种传动方式的原理是自锁 的，在定位完毕后，可以保持光纤的正确位置。光纤装夹于偏心回转轴的端部，由中 心回转轴和偏心回转轴的共同运动实现光纤在平面内的定位。中心轴的行程是0 3 6 0 。，偏心轴的行程是0 1 8 0 。，通过两个回转轴的组合运动则可以将安装在单元上的 光纤定位到单元观测区域内的任意位置。 偏心回转轴 臼 蛳回杂。划一 图卜2 双回转定位单元结构示意图 l a m o s t 的焦面板和上面安装的4 0 0 0 个光纤定位单元，配以控制软件、驱动控制 电路、定位误差检测装置，构成了一个l a m o s t 光纤定位系统。由于该系统能够在短时 第l o 页 模块运行以及多线程并行数据采集的方案，并留有程序扩展接口，用以日后方便对各 个功能模块进行扩展。 第1 2 页 第2 章图像测量技术 计算机以有限程度的二进制位来表示所拍摄到的图像，统一单位内像素越多表示 图像采集的越精确。l a m o s t 图像处理是光点位置检测的基础，我们使用c c d ( 电 耦合器件) 将镜头所捕捉到的物面模拟影响转换成数字影像后才能对所得到的光点位 置进行计算。因此图像采集元件的图像成像和预处理功能的好坏成为图像处理精度的 重要因素之一。如果不能进行正确处理，必然导致后续处理的困难以致失败。算法的 优劣对图像处理的精确度也有着不可忽视的作用，不同的情况下选取不同的算法能够 对图像进行更精确的处理。 2 1计算机视觉与数字图像处理基本理论 数字图像处理的主要内容或目的主要包括： ( 1 ) 对图像质量加以改善，使图像更加清晰，有助于提高目视效果，或者从图像中 检测出所需要的部分： ( 2 ) 对图像进行描述和分析，通过描述图像的几何，拓扑性质，纹理性质等来提取 图像的各种特征，以便利用这些特征进行对图像的理解和识别： ( 3 ) 图像理解，由投影图重建三维图像以及对三维场景的分析等。 2 1 1 c c d 图像传感器与数字图像采集 进行光学测量的首要任务是得到光学图像信息，为便于计算机对图像信息进行运 算处理，在图像采集的过程中得到的是数字图像信号。通常需要两种设备，一种是对 某个电磁能量频谱段( 如可见光、x 射线、紫外线、红外线等) 敏感的物理器件，它 能产生与所接收的电磁能量成正比的( 模拟) 电信号。另一种称为数字化设备，它能 将上述的模拟电信号转化为数字( 离散) 的形式，即进行模数转换( a d ) 。 在实际应用中，c c d ( 电荷耦合器件) 是使用最广泛的固体摄像器材，它是一种具 有多种独特功能的集成电路，以电荷为信息载体，可以实现光电转换、信号储存、转 移( 传输) 、输出、处理以及电子快门等一系列功能。 电荷耦合器件是一种基于m o s 晶体管的器件，由一系列m o s 晶体管并列而成，与 普通的m o s 晶体管不同的是，c c d 的m o s 结构不是工作在半导体表面的反型层状态， 而是利用在电极下氧化物一半导体界面形成的深耗尽层工作的，也就是说，c c d 是基 于非稳态m o s 电容器的器件。在m o s 电容器的栅极上施加足够大的栅压的瞬间，电极 下的半导体表面的空穴被排斥而形成耗尽区，在半导体表面还没有形成反型层的瞬 间，m 0 s 结构中只不过是空的电子势阱，当信号电子到达势阱后，将屏蔽一部分电 场，势阱变浅，随着表面信号电子的不断积累，表面势继续下降直至两倍费米势时， 第1 3 页 有的许多商业帧采集设备。在跑合系统中， b it f l o 弹公司的r u n p c i 一1 2 1 2 一m 图像采集卡， 和显示。 t m 1 0 4 0 是通过r s 一6 4 4 接口连接到 在p c 机的控制下实现图像采集、存储 b i t f l o w 公司针对其图像采集卡，提供了驱动程序和软件开发包( s o f t w a r e d e v e l o p m e n tk i t ) ，有丰富的库函数可以实现对其硬件板卡的采集模式进行设置，便 于图像的获取、存储和显示控制。这也为构建自动化的光学测量系统提供了方便。 6 7 2 1 2图像数据格式 i 矾再文件包含了原图片文件在传感器产生后，进入照相机图像处理器之前的一切 照片信息。用户可以利用p c 上的某些特定软件对r a w 格式的图片进行处理。传统的传 感器中，每个象素只负责获得一种颜色。每个象素承载的数据通常有l o 或1 2 位( 1 2 位最常用) ，而这些数据就能储存到r a w 文件里面。 r a w 格式相当于数码底片，c c d 感光的原始数据数据，对于3 0 0 万像素的数码相 机，一个r a w 文件保存了3 0 0 万个点的感光数据。严格来说，一个r 硼文件还不是一 张照片，因为还必须提供相应的参数，比如色温( 自平衡) ，锐度，对比度，经过相 机内的软件处理，才能成为一张照片。一般来说，一个r a w 文件包含以下信息，c c d 的感光数据，拍摄时相机设置的参数。所以r a w 格式的图片几乎是保持了一张照片的 原始风貌，没有经过什么压缩的处理。 2 1 3图像测量系统结构 图像测量系统的结构主要由c c d 相机、计算机、接口电路及其外设组成。其工作 过程为： ( 1 ) 图像采集。将被测物体尽可能置于均匀的可控背景前，利用数码相机将被测物 体图像采集到计算机里。 ( 2 ) 图像处理及参数分析。计算机对图像进行处理和分析，按一定的算法算出被测 物体的几何参数。 ( 3 ) 数据整理。计算机对这些数据进行各种处理并将结果按一定的要求予以显示、 存储、打印。图像测量系统的结构如图2 2 所示。 第1 6 页 图2 - 2 图像测量系统结构 2 1 4 图像测量的基本步骤 图像测量的基本步骤主要有以下四个步骤： ( 1 ) 图像的预处理。 对采集到的图像，在进行图像分析和测量前，首先应对图像进行预处理。图像信 号在产生、传输和记录过程中，经常会受到各种噪声的干扰，在进行进一步的边缘 检测、图像分割、特征提取、模式识别等处理之前，采用适当的方法尽量减少噪声是 一个非常重要的预处理步骤。 ( 2 ) 边缘检测。 物体的边缘，是图像的基本特征。所谓图像的边缘，就是图像中灰度有阶跃变化 或屋顶状变化的一系列像素点的集合。两个具有不同灰度值的相邻区域之间总存在边 缘。边缘是灰度值不连续的结果。边缘是图像分割、纹理特征提取等图像分析所依 赖的重要基础。显然，图像测量的关键在于对边缘的提取，为其提供所需的二维轮廓 线。 ( 3 ) 闭值分割。 为了辨别和分析图像中的目标，需要将目标从图像中分离提取出来。图像分割就 是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，分割的依据可建立 在相似形和非连续性两个基本概念上，可以以逐个像素为基础去研究图像分割，也可 以利用在规定领域中的某些图像信息去分割。对于采集到的图像来说，可根据实际的 照明光场情况，选择适当的阈值，或采用动态阈值的方法进行分割。 ( 4 ) 边界拟合。 第1 7 页 2 2 3 灰度重心法 当椭圆或圆是一光斑形状，且在摄像机平面上所成的像比较小，一般只占几个到 时几个像素时，重心法是提取椭圆及圆的图像中心比较有效的方法。 设图像灰度为f ( x ，y ) ，其中，x = 1 ，m ，y = 1 ，n 。阈值化过程表述如下： f c x ，y ，= x ，j ，) ； 二：；三； c 2 - 2 ， 这里t 代表背景阈值。重心法实际上就是计算二值化后椭圆及圆图像的一阶矩， 即 2 卅一坍一 f ( x ，j ，) xf ( x ，j ，) y j = 1 y = 1j = l ，= l f ( x ，j ，)f ( x ，y ) j = l 产l j = l y = l ( 2 3 ) 作为一种通用的细分定位方法，重心法有一些改进的形式。 1 带阈值的重心法 带阈值的重心法计算公式如下： ，( x ，y ) 一啦旷( j ，y ) 一r 】y 矗= 三l 上生一，蒜= 三l 生一 ( 2 4 ) 而2 音i 一，2 音百一 l z 。q f ( x ，y )f ( x ，y ) j = i y = lj 2 1 y = l 带阈值的重心法相当于将原图像与二值化阈值相减，然后对相减后的图像求重 心。由于图像可以看成是目标和背景的叠加，因此，这里的t 常常采用背景阈值。可 以从理论上证明，带阈值的重心法具有更高的精度，当且仅当灰度分布f ( x ，y ) 与x ，y 坐标值不相关时，二者才是等价的。 2 平方加权重心法 平方加权重心法计算公式表示为 f 2 ( 工，y ) xf 2 ( x ，j ，) y 。 ：竺生生一 ( 2 5 ) ，2 i 一 k z 。) j f 2 ( x ，j ，) 工= iy 盆l 平方加权重心法采用灰度值的平方代替灰度值作为权值，它突破了离中心较近的较大 灰度值像素点对中心位置的影响。 3 高斯加权重心法 在中心定位中，噪声对定位精度有很大的影响，因此采用高斯加权的重心定位具 有很高的去噪能力，公式如下： 第2 0 页 、jy x l f 。问 。硝 而2 棚一 砸，少弦 工= l ，= l mn 职，y ) y 砸，j ，) m ，y ) 工= iy = i 工暑ly = l 其中 七七 m ，y ) = ，( z + f ，少+ m ( f ，) 七膏 忙一i7 一i 在重心定位中部采用原图像像素灰度值而是采用高斯滤波后的灰度值进行计算。 其中f ( x ，力表示输出的图像数据的灰度值，g ( 而j ，) 表示高斯滤波系数。，( x ，j ，) 表示 经过高斯滤波的图像数据。 2 2 4 拟合法 在图像处理分析中，基于最小二乘准则的函数拟合是一个有效的数学工具。例如 可以滤除图像中的噪声，或者对图像中特性己知的物体进行建模等。常用的拟合方法 有多项式、高斯函数和椭圆拟合等。使用拟合法的前提是目标的特性，如图像的灰度 分布、阴影模式的噪声和测量物体等，满足己知或假定的函数形式。通过对离散图像 中的目标的灰度或坐标进行拟合，可以得到目标的连续函数形式，从而确定描述物体 的各个参数值( 例如，位置、尺寸、形状、幅度等) 对目标进行亚像素定位。例如对星 空图像中的星星，可以通过对超过某一域值的像素点进行二维曲面或高斯函数拟合， 选取拟合函数的极值点作为目标的定位点。其又包括曲线拟合、高斯分布拟合、椭圆 拟合。 2 3 数字图像处理的基础 在计算机处理出现以前，图像处理都是光学照像处理和视频信号处理等模拟处 理，由于计算机所能处理的是数字信号，因此伴随着各种图像数字化设备的出现，应 用计算机的数字图像处理技术迅速发展，它在灵活性、精度、调整和再现性方面都比 模拟处理有显著的优势。另一方面，半导体技术的不断进步，实际上正在开发出普遍 使用的微处理器的图像处理专用高速处理器，以i c 存储器为基础的图像显示也达到了 可行的程度，这些都进一步加快了数字图像处理技术的发展和实用化。 图像通常是指能为视觉系统所感受的一种信息形式。信息的内容是眼睛或设备对 客观世界发射或投射的某种物质能量在空间分布的记录，就是说图像实质上是客观世 界发射或透射某种物质能量的分布图。一般图像的主要度量特征是光强度和色彩，对 第2 1 页 来存储，t m - 1 0 4 0 是一台1 0 位的c c d ，最大灰度级为1 0 2 4 ，因此，其每一个像素的灰 度值是用两个字节来存储的。 由于数字图像可以用二维矩阵来表示，因此任何可对矩阵进行加、减、乘、除、 微分、积分等数学运算也可以对数字图像进行。对图像的最基本的处理有点运算、几 何处理、图像增强、图像复原、图像编码、图像重建、模式识别等。 1 0 1 点运算。点运算是一种简单却很重要的技术，它能让用户改变图像数据占据的 灰度范围，当显示一幅图像时，点运算的作用尤其明显。对于一幅输入图像，经过点 运算( p o i n to p e r a t i o n ) 将产生一幅输出图像，后者的每个像素点的灰度值仅由相应 输入像素点的值决定( 这种方法与局部运算的差别在于，后者每个输出像素的灰度值 由对应输入像素的一个邻域内几个像素的灰度值决定) 。因此，点运算不可能改变图 像内的空间关系。点运算可以用于对比度增强、对比度拉伸或灰度变换，是图像数字 化软件和图像显示软件的重要组成部分。点运算以预定的方式改变一幅图像的灰度直 方图。除了灰度级的改变是根据某种特定的灰度变换函数进行以外，点运算可看做是 “从像素到像素 的复制操作。若输入图像为彳( x ，y ) ，输出图像为占( z ，j ，) ，则点运算 可表示为： 君( x ，y ) = 介彳( x ，j ，) 】 ( 2 8 ) 点运算可完全由灰度变换( g r a y s c a l et r a n s f o 瑚a t i o n ，g s t ) 函数厂( d ) 确 定，后者描述了输入灰度级和输出灰度级之间的映射关系。通常在真正开始对图像进 行处理之前，用点运算来克服图像数字化器的局限性。点运算主要可用于直方图均衡 化、直方图匹配、光度学校正、显示校正。 2 几何处理。几何运算可改变图像中各物体之间的空间关系。这种运算可以看成 是将物体在图像内移动。一个几何运算需要两个独立的算法。首先，需要一个算法来 定义空间变换本身，用它描述每个像素如何从其初始位置“移动”到终止位置，即每 个像素的“运动”；同时，还需要一个用于灰度级插值的算法，这是因为，在一般情 况下，输入图像的位置坐标( x ，y ) 为整数，而输出图像的位置坐标为非整数，反过来也 是如此。几何运算的一个重要应用是消除由于摄像机导致的数字图像的几何畸变。 3 图像增强。一般情况下，各类图像系统中图像在传输和转换过程中，都会由于 噪声污染使得图像质量有所下降。因此必须对这些降质的图像进行改善处理，使其比 原始图像更适合于应用，这个过程就是图像的增强。图像增强的方法分为两大类：空 间域方法和频域方法。空间域法主要是在空间域中对图像像素灰度值直接进行运算处 理，可以表示为 g ( x ，j ，) = 厂( x ，少) 办( 工，j ，) ( 2 - 9 ) 第2 3 页 对工程上常用的三种灰度重心法简单介绍并选用更适合l a m o s t 高斯分布光点选用 了平方加权重心法作为光点位置提取的主要算法。 第2 5 页 第3 章l 州0 s t 测量系统的标定方法 标定的主要作用是1 ) 确定摄像机系统的输入一输出关系，2 ) 确定一起或测量系 统的静态特性指标，3 ) 消除系统误差改善摄像机的正确度。在l a m o s t 图像处理中是 图像处理的关键环节。 在l a m o s t 应用中摄像机标定目的在于准确得到摄像机内外参数，然后用以建立物 面和像面的拟合方程，用这个拟合方程来计算标定残差，残差之越小说明标定的精度越 高。 3 1 常用的三种摄像机标定方法 3 1 1基于主动视觉的标定方法 基于主动视觉的标定方法需要控制摄像机做某些特殊运动，如绕光心旋转或平移 等，利用这些运动的特殊性可以计算出内参数。该方法的优点是算法简单，往往能获 得线性解，缺点是不能适用于摄像机运动未知或无法控制的场合。机器人手眼系统中 对摄像机的标定就是一种典型的主动视觉标定方法 3 1 2自标定方法 在一些特定的应用场合，由于摄像机的焦距要经常调节，摄像机的位置可能也根 据周围环境而移动，因此，在每次调节后需要对摄像机的内外征参数进行重新标定。 若每次标定时都在摄像机前放置标定靶，但是这种情况在很多场合中是不方便或者是 不可能的。这就需要采用摄像机自标定( s e l fc a l i b r a t i o n ) 方法技术。 摄像机自标定方法中，不需要放置已知的标定靶，仅利用摄像机在移动过程中周 围环境的图像与图像之间的相互对应关系来对摄像机进行标定。自标定技术虽然不需 要标定靶，但是测量者必须能够控制摄像机的运动。 总之经典标定方法和主动视觉中的标定方法均利用到已知物面目标点或摄像机运 动的信息，对于物面场景任意、摄像机运动未知的最一般的情形，则都无能为力。摄像 机自标定技术主要应用于场景未知和摄像机任意运动的一般情形下，利用摄像机在运 动过程中周围环境的图像之间的对应关系对摄像机进行标定。 3 2 摄像机透视投影模型 摄像机通过成像透镜将三维场景投影到摄像机二维像平面上，这个投影可用成像 变换描述，即摄像机成像模型。摄像机成像模型有不同的描述方式，本节首先介绍常 用的坐标系，然后介绍摄像机的线性模型和非线性模型。 第2 6 页 3 2 1 图像坐标系、摄像机坐标系与世界坐标系 图3 1 ：图像坐标系 摄像机采集的图像以标准信号的形式经高速图像采集系统变换为数字图像，并输 入计算机。每幅数字图像在计算机内为m x n 数组，m 行n 列的图像中的每一个元素 ( 称为像素，p i x e l ) 的数值即是图像点的亮度( 或称灰度) 。如图3 一l 所示，在图像 上定义直角坐标系甜、1 ，每一像素的坐标( 甜，1 ，) 分别是该像素在数组中的列数与行 数。所以，似，1 ，) 是以像素为单位的图像坐标系坐标。由于( 甜，1 ，) 只表示像素位于数组中 的列数与行数，并没有用物理单位表示出该像素在图像中的位置。因此，需要再建立 以物理单位( 如毫米) 表示的图像坐标系。该坐标系以图像内某一点n 为原点，x 轴 与y 轴分别与“、v 轴平行，如图2 一l 所示。其中，( 甜，1 ，) 表示以像素为单位的图像坐 标系的坐标，( x ，y ) 表示以毫米为单位的图像坐标系的坐标。原点a 定义在摄像机光 轴与图像平面的交点，该点在图像像素坐标系下的坐标设为0 0 ，v 0 ) 。该点一般位于图 像中心处，但由于某些原因，都会偏离图像中心。若每个像素在x 轴与y 轴方向上的 物理尺寸为、群，则这两个坐标系有如下转换关系： 言湖 伊， 摄像机成像几何关系如图3 2 所示。其中d 点称为摄像机光心，x 轴和y 轴与图 点，即为图像坐标系的原点，由点d 与x 、j ，、z 轴组成的直角坐标系称为摄像机坐标 系。为摄像机焦距。 第2 7 页 图3 2 ：摄像机坐标系与世界坐标系 ，z w ) 由于摄像机可安放在环境中的任意位置，在环境中选择一个基准坐标系来描述摄 像机的位置，并用它描述环境中任何物体的位置，该坐标系成为世界坐标系。它由 x 一儿、z 。轴组成。摄像机坐标系与世界坐标系之间的关系有如下转换关系 8 ： ix w = 鲫k | 1 ( 3 2 ) 3 2 2 针孔摄像机模型 求得单摄像机成像模型中的各个参数就是通常所说的摄像机标定。当然这只是线 性情况下，而且只是相机本身的成像标定，并不包括多摄像机间的相对位置标定。这 也说明了，需要标定的参数分为两个部分： 内部参数：主距，主点，畸变系数。 外部参数：旋转矩阵，平移向量。 1 4 第2 8 页 冀1 囊；螽荔l l f 丁型薹薹藿j 萋醚篓茎霪孽p 匿譬旦嚣翼萋塞j 萎萋耋坐羹璺 薹鋈冀翠霎鬏符址凌篓冀翥；薹鋈窿鑫喜蓁鬟拿蓁嘤! ，望薹壅弱筝嚣囊拘雨鬲 丽翼耕蓁孥蓄辇耋錾藕￥甄蓁滗丝蔼筻锈篝强j 萎 爹；圭| 匡i 。毳! | l 主i 孝；窆i i 薹；毒一l ； l 雾i ；i 凄；一熹二i i 囊l 蠢! 毒薹；堑。毳一i l l 耋一耋i 嚣霎， | 量! i 訇；甜霉菌瘤篓虱甏嚣嚣毽粥，型 喜 | i 蓁4 一霪喜i i 薹；蠡；一毳妻! ! 习一薹i 篁蓠耋一蚕薹；蓬裁萋垂蠢薹抛薹羹关系雾壕蛾l 蚕；蓁麦i 譬i 宦譬! 篓雨薹塑蟊鋈翳薹 鞘萋藏；霎嚣季幕誊磊警要萋墼蓁篓篱。翼一瓣溺薹襄丽鹁i 缄| | 羹藩墓巨陛雾羹寻氆 一蚤瞿枣系羹! 雾突电 茎。* 萋i 一薹 i 垂薹! i i 鼋；串i 露；一蓍羹? 妄i 囊5l ；i 摹一蓁l 缓型疆露臻銎薹；二毫；塞i ；事；銎蒹餮壁垒蓉巨陛墓；姜，一墼笮孝霎皓塑嘲塑薷雾碍 接签藿霎需型i 蓁；蓁i 薹些霜酱授影 霎勤爨睡霎倒j 任呃置恒消謦冀塑蔫螂；囊萄翻型茂影囊霆纛鞲喜j 塑磬蹩墨霎氢 囊位置越藩曛叁雾塑嘉型霍藿辨篓淘转；型雾爹衣薹誊翌蓬逍胡薹锚堡薹壁趸羹亘羹 雾避莴；籍蓠禹薹奎篱警筛羹薹蓁爨孺薹耀冀担暖鍪面稚著；翅嘎豫羹雠奏；z 蚕墅 其中6 。和6 。是线性畸变值，它与图像点在图像中的位置有关。理论上镜头会同 时存在径向畸变和切向畸变。但般来讲切向畸变比较小，径向畸变的修正量由距图 像中心的径向距离的偶次幂多项式模型来表示，即 6 ，= ( x 一u o ) ( k i r 2 + k 2 r 4 + ) 1 l 6 ，= ( y 一v o ) ( k l r 2 + k 2 r 4 + ) l ( 3 5 ) 其中， ( u 。，v 。) 是主点位置坐标的精确值，而 r = ( x 一u o ) 2 + ( y 一v o ) 2( 3 6 ) 公式3 5 表明，x 方向和y 方向的畸变相对值( 6 。x ，6 ，y ) 与径向半径的平方 成正比，即在图像边缘处的畸变比较大。对一般计算机视觉，非线性畸变可以表示成 一阶径向畸变，可以写成 6 。= ( x 一u o ) k l r 21 6 ，= ( y 一v o ) k 2 r 2i j ( 3 7 ) 线性模型参数a 。，a 。u 。，v 。与非线性畸变参数k 。，k 。一起构成了非线性模型的摄 像机内部参数。 3 2 3 非线性模型 由于实际的镜头并不是理想的透视像，而是带有不同程度的畸变，使得空间点所 成的像并不是在线性模型所描述的位置，而是在受到镜头失真影响而偏移的实际像平 面坐标。首先是由于组成摄像机的光学系统的透镜组不完善，造成径向畸变；其次是 由于不正确的透镜组合引起的离心畸变和摄像机装配不完善造成的薄透镜畸变。后两 种畸变都包括径向畸变和切向畸变。非线性模型就是考虑了这些摄像机畸变后的成像 模型。 在摄像机模型中全面考虑镜头的径向畸变和切向畸变。则像差的数学模型为 瓯= x d ( 霸p 2 + 七2 p 4 ) + 屯( 3 x d 2 + 匕2 ) + 2 缸x d l1 万，= 匕( 毛p 2 + 后2 p 4 ) + 2 七3 x d 匕+ 七4 ( x d 2 + 3 y d 2 ) j( 3 8 ) p ( x 。，l ) 表示针孔模型下尸点的理想图像坐标，尸( x d ，l ) 是由透镜径向畸变 引起的偏离p ( x 。，l ) 的实际图像坐标。 式( 3 8 ) 中：p = x 3 4 整体式标定方法 透光的孔 遮光的标定板 的l e d 光源 图3 5 点阵列标定靶结构示 在l a m o s t 光纤位置测量装置中，对c c d 摄像机的标定，采用主动发光的光点阵列 标定靶，如图3 6 所示。 1 1 2 5 1 5 0 0 05 01 1 2 s1 5 d 图3 - 6整体式标定靶上的光点阵列示意图 被测物体图像的畸变大小与其在像而上的位置可以大致看成是一种刀阶多项式的 关系。为此，物面目标点与像面点之间的映射关系可以用j r 7 次多项式来进行拟和近 似。 由摄像机得到标定靶劣始9个光点的像面坐标后，利用这彤，个坐标已知标准点 的物面坐标，直接建立物面坐标系加矿与像面坐标系膨y的映射关系，如图316所第3 2 页 _ ：鲁， ；，o 。 ，十p”t口o#幸，、口0t，o+，弗*o中。，+。；4topo牛1、 ，t 。，o争n口n，a争；口母十o，幸4，。牛4“母，?謦t， 、。 。、， ， #。， 。，o，。 ，+_，女寺#牛。：謦o。审，o#o，粤o 、。争，+ 十 示。这里，采用的是4 次曲面拟合的方法，得到从肋j ，像面坐标系转换到砌矿物面坐 标系的转换方程中的各个参数，这些参数中已经包含了镜头几何畸变、像面与成像光 学系统不垂直等误差的影响。 对于标定靶上的任意一个点，物面坐标亿，一可以用像面坐标& ，表示为公式 ( 3 9 ) 、( 3 1 0 ) ： = 口。+ 口l x + 口2 少+ 口3 x 2 + 口4 少2 + 口5 砂+ 口6 x 3 + 口7 y 3 + 吼x 2 y + 口9 砂2 f 3 9 1 + 口l o x 4 + q l y 4 + 口1 2 砂3 + 口1 3 x 3 y + 口1 4 2 2 y 2 、。驯 忙”6 1 x 糍冀二舅；z ：筘芦2 咖2 伊 + 岛o x 4 + 扛l y 4 + 岛2 矽3 + 岛3 x 3 y + 玩4 x 2 y 2 3 5 分离式标靶的标定方法 对于尺寸较大的被测目标，整体式标定方法需要和目标尺寸相当的标定靶，但是 由于标定对标定靶的制作精度有较高的要求所以大尺寸的标定靶的制作比较困难，在 l a m o s t 小焦面测量系统中被测物面范围为5 l o 砌5 1 0 咖，而所用标定靶有效测量区域 为1 4 0 i 姗1 4 0 衄，如果只采用这一标定靶，则标定残差过大，影响c c d 测量装置的检 测精度。所以有必要采用差分式标定，即用一个小标定靶，选取中心和四个角上的五 个小区域( 1 ，3 ，5 ，7 ，9 ) 如图3 7 所示的标准点的绝对坐标代入拟合方程( 3 9 ) 、( 3 一l o ) 进行拟合，其中每个小区域内均包含2 9 2 9 个标准点，此时，实际上相当于在物面上 放置了五个小尺度的标定靶。 第3 3 页 加= h 一 ，2 = 岛( z l x 2 ) + 6 2 ( y l y 2 ) + 6 3 ( x ? 一x ；) + 6 4 ( 订一y ；) + 6 5 ( 而y l x 2 j ，2 ) + 氏( 砰一x ；) + 6 7 ? 一少；) + 6 8 ( 工i ! y l x ；j ，2 ) + 6 9 ( 工。y i ! 一x ：y ；)( 3 1 4 ) + 6 l o ( 石? 一工；) + 6 l l ( y i l y ；) + 6 1 2 ( x lj ，? 一x 2 y ；) + 6 ，o ? y 。一x ；y 2 ) + 6 l 。( 工；j ，；一工；y ；) 由于同一标定靶上任意两个标准点之间的差分坐标( 4 ，么矿) 为已知的，与各 个标定靶之间的相对距离无关。对于图3 5 中所示的( 1 ，3 ，5 ，7 ，9 ) 五块小尺度标定靶上 的8 4 1 个标准点，使用差分标定方程( 3 1 3 ) 、( 3 一1 4 ) ，可以得到2 8 个标定参量亿 j ，a ，j ，a ，h ， 6 ，j ，6 ，? ， ， 6 ，i ) 。 由于差分标定方程( 公式3 一1 3 ) 、( 公式3 一1 4 ) 中没有包括昂。、6 。这两个参 量，所以无法直接得到这两个标定参数。对于五块小尺度标定靶，很难高精度地测量 它们之间的距离；可以用图3 7 中所示的标定靶5 作为物面坐标参考原点计算a 。， 6 。将上述2 8 个标定参量、视场中间位置处标定靶5 上的8 4 1 个标准点坐标代入方 程( 公式3 1 5 ) 、( 公式3 1 6 ) ，可以得到对于8 4 1 个标准点的8 4 1 个不同的a 。例，6 。例，取其平均值，可以得到a7 ，、67 ，。 口o2 “1 q z _ 口2 y ：口3 矿_ ：l 嘞广+ 0 砂+ 鲁r + q + 、r y + 呜砂 ( 3 1 5 ) + q o x 4 + 口l l y 4 + q 2 砂3 + 口1 3 x 3 y + q 4 x 2 y 2 ) ”一7 拈v _ p 一：2 2 乏篇：麓舅麓舅 ， 啪2 t 娜， + 6 l o x 4 + 6 l l y 4 + 6 1 2 砂3 + 6 1 3 石3 y + 6 1 4 x 2 y 2 ) 一 由方程( 公式3 一1 3 ) 和( 公式3 一1 4 ) 、( 公式3 1 5 ) 和( 公式3 一1 6 ) ，可以得到3 0 个标定参量伯。，a7 ，a 7 m6 。，67 ，67 “) ，从而可以建立像 面、物面之间的映射关系。从而可以求解这骆j 个点在物面的坐标亿7 ，矿7 夕，这 样就可以得到曲面拟合解亿，矿7 ，) 和点实际坐标亿，之间的残差囱。= ，叫， 4 ，= 矿一矿，夕，则位置残差可以表示为公式( 3 1 7 ) 厂i i ，= 。+ ， ( 3 1 7 ) 计算中间5 号靶的位置残差，计算得到8 4 1 个点的位置残差平均值为：3 3 7 8 5 微 米，标准差为：2 5 8 5 8 微米。 从分布在大尺度标定靶上的残差统计图3 8 可以看出9 个标定靶的残差分布一般 都在6 响左右其标定精度基本可以达到要求的 第3 5 页 籁 - 峨 装 整 凶 雌 图3 8 残差统计结果图 3 5 1标定靶位置对计算参数的影响 由于考虑到差分标定的参数计算与参与计算的标定靶的位置有关，为了验证其准 确性则将边缘的四个标定靶和中间的标定靶改换为2 ，4 ，6 ，8 和5 如图3 9 所示 图3 9 参与计算的标定靶的位置图 第3 6 页 表格3 - 1 分别采用两种标定靶尽心标定时的残差平均值 标定靶位置标定残差均值，“m 第一组工位标定第二组工位标定 其计算所得到的残差结果与第一次实验结果基本一致。 3 5 2 标定靶尺寸对残差计算的影响 小标定靶的制作相对大标定靶的制作其代价相对来说很小因此标定靶的尺寸对标 定结果的影响也要考虑。 将2 9 2 9 尺寸的标定靶改换为2 0 2 0 利用公式( 公式3 1 3 ) 、( 公式 3 一1 4 ) 、( 公式3 一1 5 ) 、( 公式3 一1 6 ) 得到3 0 个参数。用这个参数来评价标定结 果。 表格3 2 差分式标定靶的残差统计分布( 2 0 x2 0 ) e r r 6 u6 u m e r1 2 u m e f1 8 u m 2 4e r re r r mf 1 2 u mr l i n k 页面中的 o b j e c t l i b r a r ym o d u l e s 中添加c a n j r a n s f e r s 1 i b 项，否则程序将无法正常加载 d l l 。 具体的实现过程是在扩展d l l 实现文件里，定义a f x - e x t e n s i o n - m o d u l e 类型的静 态扩展模块变量，然后在d 1 1 m a i n 入口函数里使用a f x i n i t e x t e n s i o n 初始化扩展模块 变量，并且实现和输出一个初始化函数供主应用程序m y f l o w e x e 使用。主应用程序有 一个c w i n a p p 对象，通常在它的i n i t i n s t a n c e ( ) 函数中调用扩展d l l 提供的初始化函 数。这里，我们将这段初始化的过程放在m y f l o w e x e 主框架的菜单消息响应函数 o n c o n t r 0 1 m o d u l e ( ) 中， v o i dc m a i l l f r 2 u 【聆：0 n c o n t m l m o d u l e o l y p e d e fu i n t ( l p d l l f u n c ) o ； l p d l l f u n cl p f h d l i f u n c = n u l l ； h i n s t a n c eh d l l = n u l l ； u i n tu r e t 啪v a l ； 1 1 d l l = a f x l o a d l i b r a 叮( ”c 卸t r a r i s f e r s d l l ”) ；显式加载d l l 模块 i f 【h d l l ) 第5 l 页 为了使程序能够更有效地运行，我们同样采用了多线程程序设计。主进程作为主 线程用以负责整个程序的框架和协调电机控制与c c d 采图之间的协调，而另外开设两 个数据采集线程用于处理耗费资源过大的采图工作。由此可以大大地提高系统的工作 效率。 撑i n c l u l e 群i n c l l l d e d w o i mw i n a p if l l l l lp r o c ( l p v o i dl p p a i 锄e t e r t h r e a dd a t a ) ； d w o r dw i n a p if 吼2 p r o c ( l p v o i dl p p a r 锄e t e r t h r e a dd a t a ) ； i n ti n d e x = 0 ； i mt o t a l = 1 0 0 ； h a n d l el 蝴u t e x ； v o i dm a i n ( ) h a n d l eh t l l r e a d l ； h a n d l eh t l l r e a d 2 ； b t h r e a d l = c r e a t e t h r e a d ( n u l l ，0 ，f u n l p r o c ，n u l l ，0 ，n u l l ) ； h t h r e a d 2 = c r e a t e t h r e a d ( n u l l ，0 ，f u n 2 p r o c j l l ，o ，n u l l ) ； c l o s e h a n d l e ( h n 挑a d l ) ； c l o s e h a l l d l e ( h t h r e a d 2 ) ； 产w h i l e ( i n d e x + + 1 0 0 0 ) c o u t i t m a i nt h r e a di sn m n j n 矿 e n d l ； 胁m u t e x = c r e a t e m u t e x ( n u l l ，t r u e ，n u l l ) ； h x c o u t l o n l yi 璐t 锄c ec 觚r u n i ”“e n d l ； r e t u m ； w a i t f o r s i n g l e o b j e c t ( h m u t e x ，i n f i n i t e ) ； r e l e a s e m u t e x ( h m u t e x ) ； l 沁l e a s e m u t e x ( h m u t e x ) ； s l e e p ( 4 0 0 0 ) ； s l e e p ( 10 ) ； d w o r dw i n a p if u i l lp r o c ( l p v o i dl p p a r a m e t e r t l 鹏a dd a t a ) 幸w h i l e ( i n d e x h 1 0 0 0 ) c o u t ”t h r e a d1 i sm l l i l i n g ” 0 ) s l e 印( 1 ) ； c o u t d a t am i s s i o n ：” t o t a l e n d l ； e l s e b r e a k ； r o l e a s e m u t e x ( h m u t e x ) ； 第5