[发明专利]一种基于聚类分析和循环迭代的相机组网筛选方法

说明书

本发明涉及工业测量技术领域，是一种针对大型工业结构进行测量方法，包括以下步骤：将来自视频成像的点云分为过覆盖点和合理的覆盖点，过覆盖点是指被超过三个相机拍摄，合理覆盖点是指被三个相机拍摄；将参与拍摄过覆盖点的相机归类为冗余相机，将参与拍摄合理覆盖点的相机归类为合理的相机；统计每个相机的覆盖率，删除覆盖率低的冗余相机；在删除相机后，更新立体视觉测量网络，继续进行测试。点云重新被分为过覆盖点和合理的覆盖点；重复步骤3，新的相机被删除，直到没有冗余相机拍摄过覆盖点。本发明根据物体形状生成多个相机环绕物体，删除冗余相机形成最佳测量网络。

技术领域：

本发明是一种针对大型工业结构进行测量方法，属于工业测量技术领域。

技术背景：

随着制造业的发展，对测量任务提出了大范围、高精度、高速度的测量要求，采用坐标测量机、经纬仪等传统的测量方法无法满足要求，在这种背景之下，视觉测量技术得以快速的发展，并能很好的完成上面提出的测量要求，使其成为现代测量方法的重要研究方向。但在大型工业结构的测量中，由于零件尺寸大及表面形貌曲率复杂，需进行多次局部测量，使之每次测量的局部范围大小不尽相同，由此产生了视觉测量网络站位规划的问题，而现今视觉测量网络站位多根据经验给定，存在一定的盲目性、不合理性与不稳定性，并对测量人员有较高的专业素质要求，难以将视觉测量技术广泛推广到大型工业结构测量的工程实践之中。实现大型工业结构精确和高度详细的三维重建，需要多个相机组成相机网络，使用最少的相机找到合适的成像位姿。

发明内容：

本发明的目的是为了克服上述现有技术存在的不足之处，从而提供一种基于聚类分析和循环迭代的相机组网筛选方法，使用最少的相机满足覆盖率和精确度。解决视觉测量网络站位规划的问题。

为了达到上述目的，本发明提供如下技术方案：一种基于聚类分析和循环迭代的相机组网筛选方法，流程图如图5所示，包括以下步骤：

步骤a、总结归纳相机规划问题的影响因素，获取被测物的点云数据，确定相机的可见性约束条件；

步骤b、根据可见性约束条件，建立完整的数学模型，检验每个相机对获取点云中每个点的可见性；

步骤c、通过相机对点的可见性，对相机进行聚类分析；

步骤d、统计每个相机的覆盖率，删除覆盖率低的冗余相机；

步骤e、删除相机后，更新立体视觉测量网络，继续进行测试；

步骤f、重复步骤b，新的冗余相机被删除，直到没有冗余相机；

所述步骤（1）中，所述步骤a具体为:点云使用From Structure-from-Motion（VisualSFM软件)技术生成，我们根据点云使用MeshLab软件生成三角平面区，并计算每个三角平面区域的法向量，利用法向量计算每个相机对于每个平面的可见性。

所述步骤（1）中，约束条件如下：

A.可见性约束：视觉传感器视点的一个方向向量与曲面相切于p点，若测量目标曲面p点处的法向量与视觉传感器视点的方向向量夹角等于90°，那么P点右边的部分是采集不到的。在实际测量中，夹角略大于90°的区域点的成像质量也不是很好。

通过以上分析可知，可见性约束条件为:

式中，为测量目标表面的法向量;为视觉传感器视点的方向向量。

B.入射角约束：在实际的视觉测量过程中，为了减少二维成像后的像点误差值，不希望一些视点的位置与被测物体表面共面，为摄像机视点方向向量与目标点法向向量间可以接受的角度最大值，定义为入射角。则入射角约束条件为：