空间圆几何参数视觉测量方法研究

doi:10.3778/j.issn.1002-8331.2010.32.015

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (32): 55-58.DOI: 10.3778/j.issn.1002-8331.2010.32.015

空间圆几何参数视觉测量方法研究

崔岸，何大鹏，王丹

吉林大学汽车动态模拟国家重点实验室，长春 130025

收稿日期:2010-05-10 修回日期:2010-07-15 出版日期:2010-11-11 发布日期:2010-11-11
通讯作者: 崔岸

Method for measuring geometric parameters of spatial circle

CUI An，HE Da-peng，WANG Dan

State Key Laboratory of Automotive Dynamic Simulation，Jilin University，Changchun 130025，China

Received:2010-05-10 Revised:2010-07-15 Online:2010-11-11 Published:2010-11-11
Contact: CUI An

摘要/Abstract

摘要： 对空间圆几何参数的非接触在线测量方法进行了研究。通过在区域划分中引入模糊化思想，基于模糊隶属度构建一种神经网络的拓扑结构，采用立体标靶进行摄像机标定。面向局部检测区域小的空间尺寸测量问题，利用图像的梯度相关作为匹配特性，开发一种高效的基于梯度图像的立体匹配算法。在实验研究中，对某车身翼子板安装孔进行了检测，结果显示当空间圆所在平面与图像平面约50°角时，测量空间圆的相对误差优于±0.6%。研究结果表明，提出的方法测量精度高，并适用于在线测量。

关键词: 模糊神经网络, 摄像机标定, 空间圆, 几何参数, 双目立体视觉

Abstract: The non-contact inspection method for the geometrical parameters of spatial circle is studied.A neural network topology is constructed based on fuzzy membership degree through introducing fuzzy theory at the regional division.The three-dimensional target is used for camera calibration.A gradient-based stereo image matching algorithm is developed by using the image gradient-related as the matching feature，especially for the space size measurement of a small region.Experimental results show that the relative error of spatial circle measurement is better than ±0.6% by the proposed approach，when the space plane containing spatial circle and the image plane is at 50°.This indicates that the proposed approach can achieve a high precision.It is applied to on-line measurement.

Key words: fuzzy neural network, camera calibration, spatial circle, geometric parameters, binocular stereo vision

中图分类号:

TP391.4

崔岸，何大鹏，王丹. 空间圆几何参数视觉测量方法研究[J]. 计算机工程与应用, 2010, 46(32): 55-58.

CUI An，HE Da-peng，WANG Dan. Method for measuring geometric parameters of spatial circle[J]. Computer Engineering and Applications, 2010, 46(32): 55-58.

[1]	姚海滨，翁金平，程筱胜，姜伟，沈静. 单张平面圆图像的空间圆心快速提取方法[J]. 计算机工程与应用, 2020, 56(23): 189-193.
[2]	周非，罗晓勇，刘云萍. 基于概率模型的实时修正IMM目标跟踪算法[J]. 计算机工程与应用, 2020, 56(21): 85-92.
[3]	王延华，李腾. 基于双目视觉的接触网磨耗在线检测研究[J]. 计算机工程与应用, 2018, 54(5): 242-246.
[4]	董保磊1，2，李超英2，杨波3，孙晓斌3. 基于双目视觉的无人机悬停精度测量研究[J]. 计算机工程与应用, 2018, 54(4): 211-217.
[5]	彭越兮1，徐蔚鸿1，2，陈沅涛1，马宏华3. 改进量子粒子群算法的模糊神经网络水质评价[J]. 计算机工程与应用, 2018, 54(11): 211-216.
[6]	张楠，南敬昌，高明明. 基于分组混沌PSO算法的模糊神经网络建模研究[J]. 计算机工程与应用, 2017, 53(9): 31-37.
[7]	栗真真，江开勇，林俊义. 基于极值约束的鞋底边缘立体匹配[J]. 计算机工程与应用, 2016, 52(8): 217-220.
[8]	南敬昌，周丹，高明明. 基于自适应模糊神经网络的功放预失真新方法[J]. 计算机工程与应用, 2016, 52(7): 96-100.
[9]	刘国荣1，2，钟庭欢1. 一种基于FNN的感应电机定子电阻辨识建模方法[J]. 计算机工程与应用, 2015, 51(18): 233-238.
[10]	孟劦1，胡亚洲2,陈晓2. 基于自适应模糊神经网络控制器的网络控制系统[J]. 计算机工程与应用, 2015, 51(18): 90-93.
[11]	侯越，赵贺. 改进的粒子群算法优化TSFNN的交通流预测[J]. 计算机工程与应用, 2014, 50(4): 236-239.
[12]	周晔，余隋怀，初建杰. 基于DFNN的语义驱动色彩智能设计研究[J]. 计算机工程与应用, 2014, 50(3): 145-149.
[13]	刘俸材1，2，李爱迪1，2，马泽忠1，2. 基于投影仪和摄像机的结构光视觉标定方法[J]. 计算机工程与应用, 2014, 50(24): 168-172.
[14]	刘亮，徐蔚鸿. 模糊Hopfield网络的收敛性与鲁棒性分析[J]. 计算机工程与应用, 2014, 50(23): 73-76.
[15]	孙博轩1，魏志光2，梁军2，肖琳3. 用于单目视觉的路径失真矫正系统设计与实现[J]. 计算机工程与应用, 2014, 50(14): 180-184.

空间圆几何参数视觉测量方法研究

Method for measuring geometric parameters of spatial circle

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics