提高工业视觉测量系统精度的途径
一、引言
工件三维曲面或三维轮廓测量技术广泛应用于工业、科研、国防等领域。汽车车身、飞机机身、轮船船体、汽轮机叶片等加工制造中的在线检测，特别是大型工件的曲面检测一直是生产中的关键技术难题。该类工件在车间条件下一般采用靠模法测量，但可测截面少，测量精度低；在计量室条件下采用三坐标测量机测量虽然精度较高，但数据采集速度慢，测量成本高，且难于实现在线测量。鉴于接触式测量方法的局限性，激光三角法、莫尔投影法、工业视觉测量法等多种非接触测量方法日益受到重视，其应用也渐趋广泛。
工业视觉测量技术（或称数字近场摄影测量技术）是一种立体视觉测量技术[1]，其测量系统结构简单，便于移动，数据采集快速、便捷，操作方便，测量成本较低，且具有在线、实时三维测量的潜力，尤其适合于三维空间点位、尺寸或大型工件轮廓的检测。
二、测量原理
利用CCD摄像机可以获得三维物体的二维图像，即可以实现实际空间坐标系与摄像机平面坐标系之间的透视变换。通过由多个摄像机从不同方向拍摄的两帧（或两帧以上）的二维图像，即可综合测出物体的三维曲面轮廓或三维空间点位、尺寸。
为便于说明，设物空间坐标系为O-XYZ，CCD像面的像平面坐标系为o-xy。
现以双摄像机为例说明系统的透视变换关系。如图1所示，P为任一空间三维物点，设该点的物空间坐标为P（X，Y，Z），其在摄像机Ⅰ和摄像机ⅡCCD像面上的像点坐标分别为P1（x1，y1）和P2（x2，y2）。
图1 物空间坐标系和双摄像机的像平面坐标系
对于摄像机Ⅰ，像点坐标与物点坐标的变换关系为[2]
（1）
其中w1为非零参数，a1，a2，…，a11为系统变换矩阵的元素，与摄像机Ⅰ的安放位置及成像系统Ⅰ的参数有关，可通过系统定标来确定。
对于摄像机Ⅱ，像点坐标与物点坐标的变换关系为
（2）
其中w2为非零参数，b1，b2，…，b11为系统变换矩阵的元素，与摄像机Ⅱ的安放位置及成像系统Ⅱ的参数有关，也可通过系统定标来确定。
式（1）和式（2）可分别化为
（3）
（4）
其中A=[a1，a2，…，a11]T；B=[b1，b2，…，b11]T。a i和b i加起来共22个未知参数，利用一个已知靶点和它在两个CCD像面上的像点可建立4个线性方程，欲求出22个未知参数，则至少需要6个已知靶点。利用已知的6个或6个以上靶点，根据上述方程即可求得这些参数。这是测量工作的第一步，称为系统定标，即求出双摄像机组成的测量系统的变换矩阵A和B。
测量的第二步是根据被测点在两个CCD像面上的像点坐标P1（x1，y1）和P2（x2，y2）求得未知点P 的物空间三维坐标（X，Y，Z）。
由式（1）和式（2）还可得到
（5）
（6）
由上式可求得3个未知数X，Y，Z，即P点的三维空间坐标值。这样就可以利用双摄像机拍摄的两个二维图像逐点测量物体的三维轮廓或尺寸。
工业视觉测量实验系统如图2所示。系统由两个CCD摄像机（分辨率为510（H）×492（V）像素）、一个带有6个以上参考点（已知坐标）的靶标、一块图像采集卡（3路，8位，256灰度阶，分辨率为512×512像素）、被测物体、一台PC机及相应软件组成。
图2 工业视觉测量实验系统
靶标用于对由两个摄像机构成的系统进行定标，其上的各靶点空间位置坐标都是预先经精确测定而已知的。图象采集卡把CCD接收到的图像信号输入计算机，由计算机进行处理。
将靶标上特征点的坐标和两个CCD像面上对应像点的坐标代入式（3）和式（4），便可确定两个成像系统的变换矩阵，即完成系统定标。工件上的待测点可以通过粘附高反射标记或用激光投射光点产生。把每个待测点在两个摄像机像面上的像点坐标代入式（5）和式（6），由系统的变换矩阵即可确定该待测点在实际空间坐标系中的坐标值（X，Y，Z）。若采样率足够大，即可逐点测量并重建工件的复杂曲面轮廓。
三、影响精度的因素及提高精度的途径
对于三维空间点位或距离的测量，影响工业视觉测量系统精度的测量误差主要产生于定标和测量两个步骤中。现对影响系统精度的主要因素及提高精度的途径作一分析。
https://www.doczj.com/doc/a83540807.html,D摄像机和图象采集卡的分辨率
由于工业视觉测量系统成像倍率较大，CCD摄像机及图象采集卡的分辨率对点位在空间的测量精度影响极大，因此应用于测量目的的立体视觉系统宜采用尽可能高的分辨率，因硬件系统分辨率有限造成的像面目标点的定位误差可通过软件补偿进一步减小，使其达到亚像素级。
2.成像系统的畸变
在工业视觉测量系统的测量模型中，认为透镜成像处于理想状态，而客观存在的成像系统畸变会导致系统产生定标误差。透镜畸变误差可表示为
（7）式中k i，p i——与透镜畸变有关的参数
r——像面的点离开光轴的距离
通过对式（1）和式（2）中的x，y进行误差补偿（补偿值为Δx，Δy），然后建立新的非线性方程组，即可解出准确的系统定标参数。对于双摄像机系统，可补偿畸变误差的测量模型[3]共需求出32个参数，因此定标时至少需要8个已知特征点。
3.靶标的设计
对于一个摄像机，式（3）和式（4）代表物空间点（X，Y，Z）和其像点（x，y）所确定的一条直线，6个特征点表示有6条直线通过透镜的投影中心，但由于畸变等非线性的影响，6条直线不会完全交汇于同一投影中心，而是在投影中心附近形成一松散的直线束。通过合理安排定标点的位置，使这一直线束越紧密，则表示非线性的影响越小。由此可得出结论：每3个定标点和透镜投影中心非共面时，系统的定标精度可大为提高。一般使靶标上不存在3点共线即可[4]。
有条件时，靶点的分布及其范围应尽可能考虑测量对象的范围和形状，因为被测物体越靠近靶点，测量精度越高。靶标上通常至少需要6个靶点，考虑补偿透镜畸变时则需8个以上靶点。适当增加靶点，在系统定标时可达到较高精度。
通常选用圆形靶点，白底黑点或黑底白点均可。靶体应稳定，不易变形，并预先用三坐标测量机精确测量靶点的空间位置，其测量精度对系统定标精度将产生直接影响。
4.两摄像机光轴交角
成像系统采用透视投影原理，位于一条空间直线上的点都能成像在同一个像点位置。像面上目标点中心的定位误差如在一个圆形区域内，它在物空间则对应一个圆锥形区域，两个摄像机因像面上目标点定位误差产生的纵深方向的物点测量误差将由两个圆锥的交叠部分决定，见图3。
，
=-l
机器人视觉（Robot Vision）简介 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 图像的获取 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号
第３９卷第１期２０１２年１月 光电工程 ｏｐｔｏ－Ｅｌｅｃ仃ｏｎｉｃＥｎｇｉｎｅｅ咖ｇ 、，０１．３９．Ｎｏ．１ Ｊａｌｌ．２０１２ 文章编号：１００３—５０ｌｘ（２０１２）０卜００４８—０６ 立体视觉测量系统的空间分辨力 和结构参数设置 李召鑫，李海峰，郑臻荣，刘旭 （浙江大学现代光学仪器国家重点实验室，杭州３１００２７） 摘要：立体视觉测量系统的空间分辨力随着物体的空间位置和移动方向的变化而变化，系统的空间分辨力高低在 很大程度上会影响整个系统的测量精度。本文根据立体视觉测量系统的成像公式，对整个系统观察范围内的所有 空间点的空间分辨力进行了详细分析与计算。结果表明，两个ｃｃＤ夹角在８０。～１０００时系统的空间分辨力最高， 并且ｘ方向的空间分辨力整体上高于ｙ方向，ｚ方向的空问分辨力变化相对较小，最终的实验结果和仿真结果相 吻合，根据系统空间分辨力的分布规律，本文制定出了制出了空间分辨力最优的立体视觉系统的参数设置方案。 关键词：立体视觉；视觉测量；空间分辨力；结构参数 中图分类号：ＴＰ３１ｌ文献标志码：Ａｄｏｊ：ｌＯ．３９６９／ｊ．ｉｓｓｎ．１００３．５０ｌｘ．２０１２．０１．００９ ＳｐａｃｅＲｅｓｏｌｕｔｉｏｎａｎｄｓｔｒｕｃｔｕｒａｌＰａｒａｍｅｔｅｒｓｏｆｓｔｅｒｅｏⅥｓｉｏｎＳｙｓｔｅｍ ＬＩＺｈａｏ－ｘｉｎ，ＬＩＨａｉ－ｆｅⅡｇ，ＺＨＥＮＧＺｈｅｎ－ｒｏｎｇ，ＬＩＵＸｕ （跏胞杨，￡口６Ｄ阳幻砂胁如ｗ印砌Ｚ加ｓ舢ｍ绷缸ｆｆＤ，ｚ，劢∥ｆ口馏撕跳搿砂，协僻＾Ｄ“３１００２７，吼加口）Ａｂｓｔｒａｃｔ：Ｔｈｅｓｐａｃｅｒｅｓｏｌｕｔｉｏｎｏｆｓｔｅｒｅｏｖｉｓｉｏｎｓｙｓｔｅｍａｆｒｅｃｔｓｍｅａｃｃｌ】ｒａｃｙｏｆｔｌｌｅｍｅａｓｌｌｒｅｒｎｅｎｔ．Ｔｈｅｓｐａｃｅｒｅｓｏｌｕｔｉｏｎ ｄｉ彘ｒｓａｔｄｉ仃ｅｒｅｍｐｏｉｎｔｓ粕ｄｉｎｄｉ髓ｒｃｎｔｄｉｒｅｃｔｉｏｎｓａｔｔｌｌｅｓ锄ｅｐｏｉｎｔ．Ｂａｓｅｄｏｎ吐ｌｅｆｂ衄ｕｌａｏｆｔｈｅｓｔｅｒｅｏｖｉｓｉｏｎｓｙｓｔｅｍ， ｔｈｅｓｐａｃｅｒｅｓｏｌｕｔｉｏｎｏｆａｌｌｔｈｅｐｏｉｎｔｓｉｓｃａｌｃｕｌａｔｅｄａｎｄａ∞ｌｙｚｅｄｉｎｏｂｓｅｒｖａｔｉｏｎｆｉｅｌｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈｅｓｐａｃｅｒｅｓｏｌｕｔｉｏｎ ｉｓｔｌｌｅｈｉｇｈｅｓｔｗｉｔｈａｘｉｓａｎｇｌｅｂｅｔｗｅｅｎ８００ａｎｄ１０００．Ａｎｄｍｅｓｐａｃｅｒｅｓ０１ｍｉｏｎｉｎｔ１１ｅＸｄｉｒｅｃｔｉｏｎｉｓｈｉｇｈｅｒｍａｎｔｈａｔｉｎｔｈｅｙ ｄｉｒｅｃｔｉｏｎ．ＴｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｉｓｓｉＩＩｌｉｌａｒｔｏｍｅａｍｌｙｓｉｓｒｅｓｕｌｔ．Ｆｉｎａｌｌｙ，ｗｅｇｅｔｔｈｅｂｅｓｔｓｔｒＩｌｃｔＩｌｒａＩｐａｒａｍｅｔｅｒｓｏｆｓｔｅｒｅｏ ＶｉｓｉｏｎｓｙｓｔｅｍａｃｃＯｒｄｉｎｇｔｏｔｈｅｓｐａｃｅｒｅｓｏｌｕｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｓｔｅｒｅｏＶｉｓｉｏｎ；ｖｉｓｉｏｎｍｅａｓｌｌｒｅｍｅｎｔ；ｓｐａｃｅｒｅｓｏｈｌｔｉｏｎ；ｓｔｒＩｌｃｔＩｌｒａｌｐａｒａｍｅｔｅｒｓ ０引言 视觉方法是确定空间目标位姿的常用方法¨１，并且立体视觉测量系统是一种精确、高效率的非接触测量系统，克服了接触式测量测量速度慢、测量范围有限等缺点【２】，近年来立体视觉测量系统得到了广泛的应用弘５１。国内外一大批的科研院校也对立体视觉领域的相关问题做了大量的研究工作【¨“，国内的院校比如国防科技大学、天津大学、浙江大学等在这方面都做了很多深入的研究，这些研究工作涵盖了系统模型选取建立、图像处理算法、镜头畸变矫正等诸多方面，对于后人的工作具有一定的指导作用。 在该领域很重要的一项工作就是测量误差的矫正。立体视觉测量系统误差的引入因素包括摄像机本身的分辨力、镜头畸变、图像处理算法、测量操作误差、以及结构参数设置等方面【１２。引。而其中的结构参数设置将会直接影响图像的识别精度，在相机分辨力、镜头畸变矫正模型、图像处理算法都基本相同的情况 收稿日期：２０１１一０７一１６ｌ收到修改稿日期：２０１ｌ—０９一１８ 基金项目：中央高校基本科研业务费专项资金资助（２０ｌｏｘｚｚｘ００２＿８） 作者简介：李召鑫（１９８７一），男（汉族），山东临沂人。硕士研究生，主要研究光电显示方面的工作。Ｅ－ｍａｉｌ：ｌｈｘｉｎ５６７＠ｙａｈ００．ｃｏｍ．ｃｎ。 通信作者：李海峰（１９６５一），男（汉族），浙江慈溪人。教授，博士生导师，主要从事光电显示、光电测量等方面的研究。 Ｅ一嘲ｉｌ：Ｉｍａｉｆｅｎｇ＠ｚｊｕ．ａｄｕ．ｃｎ。 ｈｔｔｐ：／／ｗｗｗ．ｇｄｇｃ。ａｃ．ｃｎ? 万方数据
视觉测量系统技术及应用 1 引言 基于计算机的视觉检测系统是指通过计算机视觉产品将被摄取目标转换成图像信号，传送给图像处理系统，图像处理系统再根据像素分布和亮度、颜色等信息，转变成数字化信号，计算机图像系统对这些信号进行复杂运算来抽取目标的特征，进而根据判别的结果来控制设备动作。它具有非接触、速度快等优点，是一种先进的检测手段，非常适合现代制造业。可用于视觉检测的试验原理很多，如纹理梯度法、莫尔条纹法、飞行时间法等，然而诸多测试原理中，尤其基于三角法的主动和被动视觉测量原理具有抗干扰能力强、效率高、精度合适等优点，非常适合在线非接触测量。本文主要从视觉测量系统在实际中应用出发，展示视觉检测技术在制造业中的广阔应用[1-4]。 2 视觉测量系统技术的应用 2.1 汽车车身视觉检测系统 在汽车制造过程中，车身上总有很多关键的三维尺寸进行测量，采用传统的三坐标测量机只能离线抽样检测，效率低，更不能满足现代汽车制造在线检测的需要，而视觉检测系统能很好的适应该需要，典型的汽车车身视觉检测系统如图1所示[5]。 图1 车身视觉检测系统 车身检测系统主要依靠的是数个视觉传感器，其中还包括传送机构、定位机构，计算机图像采集、网络控制部分。每个传感器对应一个被测区域，然后通过传输总线传至计算机，通过计算机对每个视觉传感器进行过程控制。 汽车车身检测系统的测量效率很高，精度式中，并且可以在完全自动情况下完成，这个包含几十个测点的系统都能再几分钟内测量完成，因此可以适应汽车制造的在线检测。而且传感器的布置可以根据不同车型来布置，增加了应用要求，
因此减少了车身视觉系统的维护费用。 2.2 拔丝模孔形视觉检测系统 使用计算机视觉检测技术开发出的拔丝模孔形检测系统由光学成像系统、工业用摄像机图像采集卡、计算机及监视器组成，可以解决生产实际中的模具孔形检测问题．工作原理如下：先采用注入硅胶方法获得反映待检拔丝模尺寸及形状的硅胶凸模，然后把硅胶凸模放在光学系统的载物台上．硅胶凸模经光学成像放大，成像于CCD像面上，然后用图像采集卡采集CCD图像信息，最后由计算机视觉检测软件完成对孔形尺寸的自动计算，此时图像采集时需要配置特殊的光照系统．系统实现了自动数据采集、处理，实现采样、进样、结果一条龙，形成检测的自动化． 2.3 无缝钢管直线度和截面在线视觉检测 无缝钢管是一类重要的工业产品，在反应无缝钢管质量中，钢管直线度及截面尺寸是主要的几何参数。现代工业已经可以实现无缝钢管的大批量大规模生产，并且并无成熟的直线度、截面尺寸高效率的检测系统，主要原因为：无缝钢管空间尺寸大，需要很大的测量空间，一般的检测手段很难实现如此大尺度的检测。然而视觉检测却非常适合无缝钢管及截面尺寸的测量，其测量原理图如图2所示。 多个传感器组成了视觉检测系统，传感器的结构光所投射的光平面与被测钢管相交，从而得到钢管的部分圆周，传感器测量圆周在传感器三维空间位置，每一个传感器实现一个截面圆周测测量，然后通过拟合得到截面的圆心和其空间位置，从而实现对无缝钢管截面和直径的测量。 图2 无缝钢管在线检测 2.4 视觉测量在逆向工程中的应用 逆向工程是针对现有的工件，利用3D数字化测量仪准确快速地测量出轮廓坐标值，并建构曲面，经过编辑、修改后，将图形存档形成一般的CAD/CAM系统，再由CAM所产生刀具的NC加工路径送至CNC加工机制所需模具，或者以快速成型将物品模型制作出来。视觉测量一般使用三种激光光源：点结构光、线结构光、面结构光，图3为使用线结构光测量物体表面轮廓的结构示意图[6]。
机器视觉系统中常用工业相机的分类 根据不同感光芯片划分 我们知道感光芯片是摄像机的核心部件，目前摄像机常用的感光芯片有CCD和CMOS 两种： １．CCD摄像机，CCD称为电荷耦合器件，CCD实际上只是一个把从图像半导体中出 来的电子有组织地储存起来的方法。 称为互补金属氧化物半导体，CMOS实际上只是将晶体管２．CMOS摄像机，CMOS“” 放在硅块上的技术，没有更多的含义。 表示互补金属氧化物半导体，但是不论CCD 表示电荷耦合器件而CMOS“” 尽管CCD“” 对于图像感应都没有用，真正感应的传感器称做图像半导体，CCD和CMOS 或者CMOS“” 传感器实际使用的都是同一种传感器图像半导体，图像半导体是一个P N结合半导体，能 “” 够转换光线的光子爆炸结合处成为成比例数量的电子。电子的数量被计算信号的电压，光线进入图像半导体得越多，电子产生的也越多，从传感器输出的电压也越高。 1 因为人眼能看到Lux照度（满月的夜晚）以下的目标，CCD传感器通常能看到的照度 传感器感光度的到倍，所以目前一般CCD摄像机的图像质范围在Lux，是CMOS310 0.1~3 量要优于CMOS摄像机。CMOS可以将光敏元件、放大器、A/D转换器、存储器、数字 信号处理器和计算机接口控制电路集成在一块硅片上，具有结构简单、处理功能多、速度快、耗电低、成本低等特点。CMOS摄像机存在成像质量差、像敏单元尺寸小、填充率低等问题，年后出现了有源像敏单元结构，不仅有光敏元件和像敏单元的寻址开关，而且还1989“” 有信号放大和处理等电路，提高了光电灵敏度、减小了噪声，扩大了动态范围，使得一些参数与CCD摄像机相近，而在功能、功耗、尺寸和价格方面要优于CCD，逐步得到广泛的应用。CMOS传感器可以做得非常大并有和CCD传感器同样的感光度，因此非常适用于特殊 应用。CMOS传感器不需要复杂的处理过程，直接将图像半导体产生的电子转变成电压信号，因此就非常快，这个优点使得CMOS传感器对于高帧摄像机非常有用，高帧速度能达 到到帧秒。 400100000/ 按输出图像信号格式划分 模拟摄像机 模拟摄像机所输出的信号形式为标准的模拟量视频信号，需要配专用的图像采集卡才能 转化为计算机可以处理的数字信息。模拟摄像机一般用于电视摄像和监控领域，具有通用性好、成本低的特点，但一般分辨率较低、采集速度慢，而且在图像传输中容易受到噪声干扰，导致图像质量下降，所以只能用于对图像质量要求不高的机器视觉系统。常用的摄像机输出信号格式有： 中国电视标准，行，场 PAL（黑白为CCIR），62550
双目视觉成像原理 1.引言 双目立体视觉(Binocular Stereo Vision)是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。融合两只眼睛获得的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作视差(Disparity)图。 双目立体视觉测量方法具有效率高、精度合适、系统结构简单、成本低等优点，非常适合于制造现场的在线、非接触产品检测和质量控制。对运动物体（包括动物和人体形体）测量中，由于图像获取是在瞬间完成的，因此立体视觉方法是一种更有效的测量方法。双目立体视觉系统是计算机视觉的关键技术之一，获取空间三维场景的距离信息也是计算机视觉研究中最基础的内容。 2.双目立体视觉系统 立体视觉系统由左右两部摄像机组成。如图一所示，图中分别以下标L和r标注左、右摄像机的相应参数。世界空间中一点A(X，Y，Z)在左右摄像机的成像面C L和C R上的像点分别为al(ul，vl)和ar(ur，vr)。这两个像点是世界空间中同一个对象点A的像，称为“共轭点”。知道了这两个共轭像点，分别作它们与各自相机的光心Ol和Or的连线，即投影线alOl和arOr，它们的交点即为世界空间中的对象点A(X，Y，Z)。这就是立体视觉的基本原理。 图1：立体视觉系统 3.双目立体视觉相关基本理论说明 3．1 双目立体视觉原理 双目立体视觉三维测量是基于视差原理，图2所示为简单的平视双目立体成像原理图，两摄像机的投影中心的连线的距离，即基线距为b。摄像机坐标系的原点在摄像机镜头的光心处，坐标系如图2所示。事实上摄像机的成像平面在镜头的光心后，图2中将左右成像平面绘制在镜头的光心前f处，这个虚拟的图像平面坐标系O1uv的u轴和v轴与和摄像机坐标系的x轴和y轴方向一致，这样可以简化计算过程。左右图像坐
双目立体视觉技术简介 1. 什么是视觉 视觉是一个古老的研究课题，同时又是人类观察世界、认知世界的重要功能和手段。人类从外界获得的信息约有75%来自视觉系统，用机器模拟人类的视觉功能是人们多年的梦想。视觉神经生理学，视觉心里学，特别是计算机技术、数字图像处理、计算机图形学、人工智能等学科的发展，为利用计算机实现模拟人类的视觉成为可能。在现代工业自动化生产过程中，计算机视觉正成为一种提高生产效率和检验产品质量的关键技术之一，如机器零件的自动检测、智能机器人控制、生产线的自动监控等;在国防和航天等领域，计算机视觉也具有较重要的意义，如运动目标的自动跟踪与识别、自主车导航及空间机器人的视觉控制等。人类视觉过程可以看作是一个从感觉到知觉的复杂过程，从狭义上来说视觉的最终目的是要对场景作出对观察者有意义的解释和描述；从广义上说，是根据周围的环境和观察者的意愿，在解释和描述的基础上做出行为规划或行为决策。计算机视觉研究的目的使计算机具有通过二维图像信息来认知三维环境信息的能力，这种能力不仅使机器能感知三维环境中物体的几何信息(如形状、位置、姿态运动等)，而且能进一步对它们进行描述、存储、识别与理解，计算机视觉己经发展起一套独立的计算理论与算法。 2. 什么是计算机双目立体视觉 双目立体视觉(Binocular Stereo Vision)是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。融合两只眼睛获得的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作视差(Disparity)图像，如图一。 图一、视差（Disparity）图像 双目立体视觉测量方法具有效率高、精度合适、系统结构简单、成本低等优点，非常适合于制造现场的在线、非接触产品检测和质量控制。对运动物体（包括动物和人体形体）测量中，由于图像获取是在瞬间完成的，因此立体视觉方法是一种更有效的测量方法。 双目立体视觉系统是计算机视觉的关键技术之一，获取空间三维场景的距离信息也是计算机视觉研究中最基础的内容。 双目立体视觉的开创性工作始于上世纪的60年代中期。美国MIT的Roberts通过从数字图像中提取立方体、楔形体和棱柱体等简单规则多面体的三维结构，并对物体的形状和空间关系
2005年3月 农业机械学报 第36卷第3期 基于机器视觉的轴承内外径尺寸检测系统 雷良育 周晓军 潘明清 【摘要】 开发了适应大批量流水线生产和检测需要的轴承内外径机器视觉检测系统。对系统的机械及运动控制部分以及光学成像系统等进行了设计,提出了一种利用多项式插值精确测量轴承边缘点位置的方法,分析提出了将锐化图像进行再滤波的技术,优化了轴承图像内外径尺寸的边缘获取的技术路线。检测结果表明,系统具有非接触、在线实时、速度快、精度合适、现场抗干扰能力强等优点,能实现产品的零废品生产的目标。 关键词:轴承 直径 自动检测 机器视觉中图分类号:T P 391;TH 13313 文献标识码:A M ach i ne V ision System for I nner and Outer D i am eters I n spection of a Bear i ng L ei L iangyu Zhou X iao jun Pan M ingqing (Z hej iang U n iversity ) Abstract A m ach ine visi on system fo r in specti on of inner and ou ter diam eters of bearings w as developed fo r a p i peline p roducti on and in sp ecti on .T he m echan ical and m ovem en t con tro l un its ,as w ell as its op tical i m aging system ,w ere designed .A p recisi on m easu ring m ethod w ith po lynom ial in terpo lati on w as develop ed to m easu re bearing edges . B esides ,a re 2filtering techn ique w as adop ted to op ti m ize the techn ical rou te .T he m easu ring resu lts show ed that the system had advan tages of non 2con tact ,on 2line ,real ti m e and rap id speed ,as w ell as app rop riate p recisi on and strong an ti 2jamm ing . Key words B earing ,D iam eter ,A u tom atic m easu ring ,M ach ine visi on 收稿日期:20030922 雷良育 浙江大学现代制造工程研究所 博士生 副教授(江苏技术师范学院),310027 杭州市周晓军 浙江大学现代制造工程研究所 教授 博士生导师潘明清 浙江大学现代制造工程研究所 博士生 引言 目前,我国大多数轴承生产厂家在轴承尺寸精度的检测方面还是依靠机械式、光学式等测量仪器,手段比较落后。这种依靠人力的随机抽样检测方法检测效率低、精度低、易于引进人为误差。随着现代制造业的发展,传统的检测技术已不能满足其需要,现代制造强调实时、在线、非接触检测,因而对轴承尤其是精密轴承的测量提出了越来越高的要求。为了适应轴承制造业生产批量大、质量要求严格、检测任务繁重的特点以及自动化流水线作业、实现产品100%检测目标的要求,需要研究新型的产品检测技 术。机器视觉检测技术具有非接触、速度快、精度合适、现场抗干扰能力强等突出的优点,能很好地满足现代制造业的需求,在实际中显示出广阔的应用前景。应用机器视觉检测技术,研制了基于机器视觉的轴承内外径尺寸检测系统[1～4]。 1 系统工作原理与设计 111 工作原理 轴承内外径机器视觉检测系统由线阵CCD 传感器、光学系统、计算机图像采集和处理系统、机械运动工作平台等部分组成,其系统结构框图如图1所示。 系统的工作原理:被测轴承在机械运动工作平
基于halcon的双目立体视觉焊缝检测
基于halcon的双目立体视觉焊缝检测 1 前言 现代焊接生产中，对焊接技术和质量的要求愈来愈高。自动化和智能化在焊接生产上的应用日趋广泛。 近年来图像处理技术和机器视觉技术得到空前的发展，如果把机器视觉技术用在焊缝成形质量评判中，可以提高评判效率，为焊接质量评判的智能化打下基础。机器视觉是运用计算机来模拟人的视觉，从不同事物的图像中获取信息，进行相应处理并加以分析、理解，最终应用于实际的检测与测量等。机器视觉检测和测量方法不但可以有效提高生产效率与自动化程度，且易于实现信息的集成，从而满足数字化自动化生产的要求。 机器视觉中的立体视觉技术把二维景物的分析推广到了三维景物，该项技术可方便实现从图像获取到三维景物表面重建的完整体系，对于整个机器视觉的发展具有重要意义。双目立体视觉是立体视觉中的一个重要的分支，它直接模拟人视觉处理景物的方式，可以在各种条件下灵活地测量景的立体信息。
2 双目视觉检测 2.1 基本理论 如图1 所示，设点P为空间焊缝某一特征点，该点在两相机平面O1和O2的投影点依次为P1和P2。 图1 双目视觉原理 根据空间解析几何理论，很显然，式( 3) 中的4个方程均具有平面解析式的形式，前2 方程代表2平面相交，得到的是直线O1P1P 的方程，同理直线O2P2P 的方程由后2 个方程得出。两直线方程相交，即可求出P 点的空间三维坐标。 可见，若采用单相机模型，则理论上仅能解出一条直线的空间方程，无法得出空间点的准确三维坐标，而双目视觉理论则能够克服这个缺陷，从而使焊缝的精确测量有了可能。 2.2图像处理 为实现准确测量的目的，必须对采集到的图像进行数字化处理。首先，经过相机采集到的焊缝图像不可避免地存在一些污染痕迹，这
计算机双目立体视觉 双目立体视觉技术是仿照人类利用双目线索感知深度信息的方法，实现对三维信息的感知。为解决智能机器人抓取物体、视觉导航、目标跟踪等奠定基础。 双目立体视觉（Binocular Stereo Vision ）是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点之间的位置偏差，来获取物体三维几何信息的方法。融合两只眼睛获取的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作为视差（Disparity ）图像。 双目立体视觉系统 立体视觉系统由左右两部摄像机组成，如图，世界空间中的一点A(X,Y ,Z)在左右摄像机的成 像面1C 和r C 上的像点分别为）（111,v u a 和） （r r r v u a ,。这两个像点是世界空间中同一个对象点A 的像，称为“共轭点”。知道了这两个共轭像点，分别作它们与各自相机的光心1O 和r O 的连线，即投影线11O a 和r r O a ，它们的交点即为世界空间中的对象点A 。这就是立体视觉的基本原理。 双目立体视觉智能视频分析技术 恢复场景的3D 信息是立体视觉研究中最基本的目标，为实现这一目标，一个完整的立体视觉系统通常包含六个模块：图像获取、摄像机标定、特征提取、立体匹配、三维恢复和视频
分析（运动检测、运动跟踪、规则判断、报警处理）。 图像获取（Image Acquisition ） 数字图像的获取是立体视觉的信息来源。常用的立体视觉图像一般为双目图像，有的采用夺目图像。图像的获取方式有很多种，主要有具体运用的场合和目的决定。立体图像的获取不仅要满足应用要求，而且考虑视点差异、光照条件、摄像机的性能和场景特点等方面的影像。 摄像机标定（Camera Calibration ） 图像上每一点的亮度反映了空间物体表面某点反射光的强度，而该点在图像上的位置则与空 间物体表面相应点的几何位置有关。这些位置的相互关系由摄像机成像几何模型来决定。该几何模型的参数称为摄像机参数，这些参数必须由实验与计算来确定，实验与计算的过程称为摄像机定标。 立体视觉系统摄像机标定是指对三维场景中对象点在左右摄像机图像平面上的坐标位置）（111,v u a 和） （r r r v u a ,与其世界空间坐标A （X, Y , Z ）之间的映射关系的确立，是实现立体视觉三维模型重构中基本且关键的一步。 特征提取（Feature Acquisition ） 特征提取的目的是获取匹配得以进行的图像特征，图像特征的性质与图像匹配的方法选择有着密切的联系。目前，还没有建立起一种普遍适用的获取图像特征的理论，因此导致了立体视觉研究领域中匹配特征的多样化。像素相位匹配是近二十年才发展起来的一类匹配算法。相位作为匹配基元，本身反映着信号的结构信息，对图像的高频噪声有很好的一直作用，适于并行处理，能获得亚像素级精度的致密视差。但存在相位奇点和相位卷绕的问题，需加入自适应滤波器解决。或者是像素的集合，也可以是它们的抽象表达，如图像的结构、图像的目标和关系结构等。常用的匹配特征主要有点状特征、线装特征和区特征等几种情形。 一般而言，尺度较大的图像特征蕴含较多的图片信息，且特征本身的数目较少，匹配效率高；但特征提取和描述过程存在较大的困难，定位精度也较差。而对于尺度较小的图像特征来说，对其进行表达和描述相对简单，定位的精度高；但由于特征本身数码较多，所包含的图像信息少，在匹配时需要采用较为严格的约束条件和匹配策略，一尽可能的减少匹配歧义和提高匹配效率。总的来说，好的匹配特征应该具有要可区分性、不变性、唯一性以及有效解决匹配歧义的能力。 图像匹配（Image Matching ） 在立体视觉中，图像匹配是指将三维空间中一点A （X, Y , Z ）在左右摄像机的成像面1C 和r C 上的像点）（111,v u a 和） （r r r v u a ,对应起来。图像匹配是立体视觉中最重要也是最困难的问题，一直是立体视觉研究的焦点。当空间三维场景经过透视投影（Perspective Projection ）变换为二维图像时，同一场景在不同视点的摄像机图像平面上成像会发生不同程度的扭曲和变形，而且场景中的光照条件、被测对象的几何形状和表面特性、噪声干扰和畸变、摄像机特性等诸多因素的影响都被集中体现在单一的图像灰度值中。显然，要包含了如此之多不利因素的图像进行精准的匹配是很不容易的。
基于OpenCV的双目立体视觉测距 基于OpenCV的双目立体视觉测距 论文导读:: 双目立体视觉模型。摄像机标定。立体匹配采用OpenCV库中的块匹配立体算法。目前的测距方法主要有主动测距和被动测距两种方法。论文 关键词: 双目立体视觉，摄像机标定，立体匹配，测距 (一)引言基于计算机视觉理论的视觉测距技术是今后发展的一个重要方向，它在机器人壁障系统、汽车导航防撞系统等领域有着广泛的应用前景。目前的测距方法主要有主动测距和被动测距两种方法。论文采用的是被动测距法。被动测距法是在自然光照条件下，根据被测物体本身发出的信号来测量距离，主要包括立体视觉测距法、单目测距法、测角被动测距法等。立体视觉测距法是仿照人类利用双目感知距离信息的一种测距方法，直接模拟人的双眼处理景物，简便可靠，但该方法的难点是选择合理的匹配特征和匹配准则。双目立体视觉系统采用两台摄像机同时从两个不同视点获取同一景物的多幅图像，即立体图像对，通过测量景物在立体图像对中的视差，再利用双目视觉成像原理就可以计算出目标到摄像机的距离。立体匹配采用OpenCV库中的块匹配立体算法，在得到摄像机参数和匹配点后再利用最小二乘法即可算出三维信息。 (二)双目立体视觉模型首先介绍双目视觉所涉及到三个坐标系: 世界坐标系、摄像机坐标系和图像坐标系。世界坐标系中的点坐标记为，摄像机坐标系用表示。图像坐标为摄像机所拍摄到的图像的二维坐标，一般有两种表示方法:
是以像素为单位的图像坐标，是以毫米为单位的图像坐标。建立以毫米为单位的图像坐标是因为坐标只表示了像素在数字图像中的行数和列数，并没有表示出该像素在数字图像中的物理位置论文范文。图1为平行双目视觉模型，即参数相同的两个摄像机平行放置，两光 轴互相平行且都平行于z 轴，x 轴共线摄像机标定，两摄像机光心的距离为 B(即基线距)。图中O 1、O2为左右两摄像机的焦点，I1 、I2为左右摄像机的像平面，P1 、P2 分 别是空间点P在左右像平面上的成像点，f是摄像机的焦距。若视差d 定义为?P1- P2?,则点P到立体视觉系统的距离为: 图1 平行双目视觉模型 (三)摄像机标定摄像机标定是为了建立三维世界坐标与二维图像坐标之间的 一种对应关系。系统采用两个摄像机进行图像采集，设定好两个摄像机之间的距离(即基线距)，用摄像机同时采集放在摄像机前的标定物。摄像机标定采用的是张正友的标定方法，棋盘格大小为30mm30mm，角点数为117。标定板的规格如图2所示。图2 平面标定板规格张正友的标定方法需要摄像机从不同角度拍摄标定板 的多幅图像。由于两个摄像机是向前平行放置的，且基线距固定，所以只需摆放标定板的位置变化即可。摄像机为针孔成像模型，则空间点与图像点之间的映射关系为: 为方便计算，使标定板所在平面的Z坐标均为0，即Z=0的平面，则上式可变为: 其中，A为摄像机的内参矩阵，为摄像机外参矩阵，s为尺度因子。令,,则上 式可写为: 其中，为透视投影矩阵，它是标定板上的点和其像点之间的映射。在已知空 间点和其对应像点后，可根据最小二乘方程，采用Levenberg-Marquardt算法求解
一般位置上的双摄像头立体视觉测距 摘要：本文基于一般位置上的双普通摄像头通过立体视觉的方法进行测距研究。为了减少错误匹配点对的个数，先采用Harris角点检测法对双摄像头捕获的两幅 图像进行角点检测，然后将检测出的角点作为候选特征点，结合SIFT立体匹配算 法实现对应点的匹配，从而进一步进行测距，该方法提高了测距的精度。 Abstract: With two webcams in general positions, the distance is measured based on stereo vision technology. To avoid too many wrong matching points, Harris corner detection algorithm is used firstly, providing candidate matching points for SIFT algorithm. In such a way the accuracy of the distance measurement is improved obviously. 关键词：立体视觉；双摄像头；SIFT；Harris角点检测；测距 Key words: Stereo vision；double webcams；SIFT；Harris corner detection；distance measurement 中图分类号：TP34 文献标识码： A 文章编号：1006-4311（2011）07-0146-02 0 引言 双目立体视觉测距利用视差原理，处理不同视角下获取的对同一场景的两幅图像，从而恢复出物体的三维几何信息，并测得空间距离。在双目立体视觉中，摄 像机标定和立体匹配是最关键技术，所以当今双目立体视觉的理论研究，集中在 摄像机标定方法和立体匹配算法的研究[1-5]。摄像机标定用于获取摄像机的内外 参数，立体匹配是寻找对应图像中的共轭像点。 1 图像坐标系、摄像机坐标系和世界坐标系 如图1所示，图像每一个像素的坐标（u,v）只表示像素位于数组中的列数与行数，因此，需要建立以物理单位（如毫米）表示的图像坐标系，该坐标系以图像 内某一点O1为原点，X轴与Y轴分别与u、v轴平行，如图1所示。其中（u，v）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。在O1XY坐标系中，原点O1定义在摄像机光轴与图像平面的交点，该点一般位于图像中心处，但由于某些原因，也会有些偏离，若O1在uv坐标系中 坐标为（u0，v0），每一个像素在X轴与Y轴方向上的物理尺寸为dX、dY，则图像中任意一个像素在两个坐标系下的坐标有如下关系（1） 基于针孔相机假设，摄像机成像几何关系可由图2所示。其中O点称为摄像机 光心，x轴和y轴与图像的X轴与Y轴平行，z轴为摄像机光轴，它与图像平面垂直。光轴与图像平面的交点，即为图像坐标系的原点，由点O与x、y、z轴组成 的直角坐标系称为摄像机坐标系。OO1为摄像机焦距。 由于摄像机可安装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，该坐标系称为世界坐标系。它 由XW、YW、ZW轴组成。摄像机坐标系与世界坐标系之间的关系可以用旋转矩 阵R与平移向量t来描述。因此，空间上某一点P在世界坐标系与摄像机坐标系 下的齐次坐标如果分别是XW=（XW，YW，ZW，1）T与x=（x，y，z，1）T，于 是存在如下关系：（2） 其中，R为3×3正交单位矩阵；t为三维平移向量；0=（0，0，0）T；M2为 4×4矩阵。 2 双目立体视觉系统的测量原理 双目立体视觉测量利用三角法原理获取三维信息。两个摄像机的图像平面同被
概述机器视觉工业五大典型应用如今，自动化技术在我国发展迅猛，人们对于机器视觉的认识更加深刻，对于它的看法也发生了很大的转变。机器视觉系统提高了生产的自动化程度，让不适合人工作业的危险工作环境变成了可能，让大批量、持续生产变成了现实，大大提高了生产效率和产品精度。快速获取信息并自动处理的性能，也同时为工业生产的信息集成提供了方便。随着机器视觉技术成熟与发展，我们不难发现其应用范围越加的广泛，根据这些领域，我们大致可以概括出机器视觉工业的五大典型应用，这五大典型应用也基本可以概括出机器视觉技术在工业生产中能够起到的作用。 图像识别应用 图像识别，是利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。图像识别在机器视觉工业领域中最典型的应用就是二维码的识别了，二维码就是我们平时常见的条形码中最为普遍的一种。将大量的数据信息存储在这小小的二维码中，通过条码对产品进行跟踪管理，通过机器视觉系统，可以方便的对各种材质表面的条码进行识别读取，大大提高了现代化生产的效率。 图像检测应用 检测是机器视觉工业领域最主要的应用之一，几乎所有产品都需要检测，而人工检测存在着较多的弊端，人工检测准确性低，长时间工作的话，准确性更是无法保证，而且检测速度慢，容易影响整个生产过程的效率。因此，机器视觉在图像检测的应用方面也非常的广泛，例如：硬币边缘字符的检测。2000 年10月新发行的第五套人民币中，壹圆硬币的侧边增强了防伪功能，鉴于生产过程的严格控制要求，在造币的最后一道工序上安装了视觉检测系统；印刷过程中的套色定位以及较色检查、包装过程中的饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等；玻璃瓶的缺陷检测。机器视觉系统对玻璃瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。
Optoelectronics 光电子, 2020, 10(3), 84-89 Published Online September 2020 in Hans. https://www.doczj.com/doc/a83540807.html,/journal/oe https://https://www.doczj.com/doc/a83540807.html,/10.12677/oe.2020.103011 电子元器件外形尺寸机器视觉测量系统 设计 李超，许杰 盐城市计量测试所，江苏盐城 收稿日期：2020年8月24日；录用日期：2020年9月4日；发布日期：2020年9月11日 摘要 电子元器件是电路的基本组成部分，有着广泛的应用。传统的人工检测存在很多不足，机器视觉尺寸测量技术由此应运而生，机器视觉由于自身具备高灵敏度、高精度及高耐用性的特性，对于提高工业自动化水平和工业生产效率有极大助力。根据课题要求，以单片机芯片为研究对象，以检测单片机芯片二维平面上的长度与宽度为研究目标，设计了基于机器视觉的单片机芯片检测系统的硬件方案，硬件组成包括光源与照明方式的选择，以及相机与镜头的选择。完成硬件平台搭建后，同时制作了应用于相机标定的标定板并在调试完成的硬件平台上拍摄了三十张左右的标定图片。利用MATLABR2016A作为系统的软件处理平台，一方面应用MATLAB标定箱对标定图做相机标定，另一方面编写用于单片机芯片尺寸测量的图像处理代码及测量代码。其中，在图像处理环节主要包括图像滤波、二值化处理和边缘提取等步骤。单片机芯片的尺寸测量实验完成后将实验结果与真实尺寸的对比，可以看出构建的基于机器视觉的电子元器件外形尺寸测量系统满足了课题设定目标。 关键词 机器视觉，图像处理，相机标定，尺寸测量 The Design of Machine Vision Measurement System for the Dimension of Electronic Components Chao Li, Jie Xu Yancheng Institute of Measurement and Testing, Yancheng Jiangsu Received: Aug. 24th, 2020; accepted: Sep. 4th, 2020; published: Sep. 11th, 2020
双目立体视觉问题 2008-10-30 20:24 双目立体视觉的研究一直是机器视觉中的热点和难点。使用双目立体视觉系统可以确定任意物体的三维轮廓，并且可以得到轮廓上任意点的三维坐标。因此双目立体视觉系统可以应用在多个领域。现说明介绍如何基于HALCON实现双目立体视觉系统，以及立体视觉的基本理论、方法和相关技术，为搭建双目立体视觉系统和提高算法效率。 双目立体视觉是机器视觉的一种重要形式，它是基于视差原理并由多幅图像获取物体三维几何信息的方法。双目立体视觉系统一般由双摄像机从不同角度同时获得被测物的两幅数字图像，或由单摄像机在不同时刻从不同角度获得被测物的两幅数字图像，并基于视差原理恢复出物体的三维几何信息，重建物体三维轮廓及位置。双目立体视觉系统在机器视觉领域有着广泛的应用前景。 HALCON是在世界范围内广泛使用的机器视觉软件。它拥有满足您各类机器视觉应用需求的完善的开发库。HALCON也包含Blob分析、形态学、模式识别、测量、三维摄像机定标、双目立体视觉等杰出的高级算法。HALCON支持Linux和Windows，并且可以通过C、C++、C#、Visual Basic和Delphi语言访问。另外HALCON与硬件无关，支持大多数图像采集卡及带有DirectShow和IEEE 1394驱动的采集设备，用户可以利用其开放式结构快速开发图像处理和机器视觉应用软件。 一．双目立体视觉相关基本理论说明 1．1 双目立体视觉原理 双目立体视觉三维测量是基于视差原理，图1所示为简单的平视双目立体成像原理图，两摄像机的投影中心的连线的距离，即基线距为b。摄像机坐标系的原点在摄像机镜头的光心处，坐标系如图1所示。事实上摄像机的成像平面在镜头的光心后，图1中将左右成像平面绘制在镜头的光心前f处，这个虚拟的图像平面坐标系O1uv的u轴和v轴与和摄像机坐标系的x轴和y轴方向一致，这样可以简化计算过程。左右图像坐标系的原点在摄像机光轴与平面的交点O1和O2。空间中某点P在左图像和右图像中相应的坐标分别为 P1(u1,v1)和P2(u2,v2)。假定两摄像机的图像在同一个平面上，则点P图像坐标的Y坐标相同，即v1=v2。由三角几何关系得到: 上式中（x c，y c，z c）为点P在左摄像机坐标系中的坐标，b为基线距，f为两个摄像机的焦距，（u1,v1）和（u2,v2）分别为点P在左图像和右图像中的坐标。 视差定义为某一点在两幅图像中相应点的位置差:
概述机器视觉工业五大典型应用 如今，自动化技术在我国发展迅猛，人们对于机器视觉的认识更加深刻，对于它的看法也发生了很大的转变。机器视觉系统提高了生产的自动化程度，让不适合人工作业的危险工作环境变成了可能，让大批量、持续生产变成了现实，大大提高了生产效率和产品精度。快速获取信息并自动处理的性能，也同时为工业生产的信息集成提供了方便。随着机器视觉技术成熟与发展，我们不难发现其应用范围越加的广泛，根据这些领域，我们大致可以概括出机器视觉工业的五大典型应用，这五大典型应用也基本可以概括出机器视觉技术在工业生产中能够起到的作用。 图像识别应用。 图像识别，是利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。图像识别在机器视觉工业领域中最典型的应用就是二维码的识别了，二维码就是我们平时常见的条形码中最为普遍的一种。将大量的数据信息存储在这小小的二维码中，通过条码对产品进行跟踪管理，通过机器视觉系统，可以方便的对各种材质表面的条码进行识别读取，大大提高了现代化生产的效率。 图像检测应用 检测是机器视觉工业领域最主要的应用之一，几乎所有产品都需要检测，而人工检测存在着较多的弊端，人工检测准确性低，长时间工作的话，准确性更是无法保证，而且检测速度慢，容易影响整个生产过程的效率。因此，机器视觉在图像检测的应用方面也非常的广泛，例如：硬币边缘字符的检测。2000年10月新发行的第五套人民币中，壹圆硬币的侧边增强了防伪功能，鉴于生产过程的严格控制要求，在造币的最后一道工序上安装了视觉检测系统；印刷过程中的套色定位以及较色检查、包装过程中的饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等；玻璃瓶的缺陷检测。机器视觉系统对玻璃瓶的缺陷检测，也包括了药用玻璃瓶范畴，也就是说机器视觉也涉及到了医药领域，其主要检测包括尺寸检测、瓶身外观缺陷检测、瓶肩部缺陷检测、瓶口检测等。 视觉定位应用