游江，唐力偉，鄧士杰

(軍械工程學(xué)院火炮工程系，河北石家莊050003)

機(jī)器視覺(jué)空間目標(biāo)姿態(tài)自動(dòng)測(cè)量方法研究

游江，唐力偉，鄧士杰

(軍械工程學(xué)院火炮工程系，河北石家莊050003)

針對(duì)空間目標(biāo)姿態(tài)測(cè)量問(wèn)題，提出基于機(jī)器視覺(jué)的空間目標(biāo)姿態(tài)自動(dòng)測(cè)量方法，并對(duì)其中較為關(guān)鍵的目標(biāo)靶自動(dòng)分割及特征點(diǎn)自動(dòng)排序問(wèn)題進(jìn)行研究。首先改進(jìn)圓形目標(biāo)靶的設(shè)計(jì)，通過(guò)設(shè)置區(qū)域面積及矩形度閾值，實(shí)現(xiàn)目標(biāo)靶的自動(dòng)分割，并提出基于向量夾角的圓心點(diǎn)陣順序排序法，實(shí)現(xiàn)特征點(diǎn)準(zhǔn)確快速地自動(dòng)排序，最終基于張正友標(biāo)定法，完成相機(jī)標(biāo)定，獲取目標(biāo)靶在相機(jī)坐標(biāo)系下的旋轉(zhuǎn)矩陣，進(jìn)而計(jì)算目標(biāo)靶的空間姿態(tài)變化。實(shí)驗(yàn)結(jié)果驗(yàn)證:姿態(tài)解算的最大相對(duì)誤差≤3%，整個(gè)姿態(tài)解算過(guò)程自動(dòng)化程度較高，平均耗時(shí)2.026 s，能夠滿(mǎn)足工程測(cè)試需要。關(guān)鍵詞:機(jī)器視覺(jué);自動(dòng)分割;自動(dòng)排序;向量夾角;姿態(tài)測(cè)試;

0 引言

隨著科技的發(fā)展進(jìn)步，常需要測(cè)量空間目標(biāo)的姿態(tài)變化。目前在工程測(cè)試領(lǐng)域，按照測(cè)試性質(zhì)主要分為機(jī)械測(cè)量法［1］、電測(cè)量法［2］和光學(xué)測(cè)量法［3］。其中機(jī)械測(cè)量法和電測(cè)量法較為簡(jiǎn)單方便，但均為接觸式測(cè)量，測(cè)量效率低，精度較差［4］，特別是在沖擊較大的場(chǎng)合，測(cè)量結(jié)果存在較大誤差，并且傳統(tǒng)的姿態(tài)測(cè)量設(shè)備和技術(shù)在精度、效率及自動(dòng)化程度上存在局限性［5］。

隨著機(jī)器視覺(jué)技術(shù)的發(fā)展，由于其具有高精度、非接觸、響應(yīng)快、穩(wěn)定性好、操作方便靈活等優(yōu)點(diǎn)，被廣泛應(yīng)用于航空航天、汽車(chē)制造，精密測(cè)量等領(lǐng)域［6］。機(jī)器視覺(jué)是通過(guò)獲取目標(biāo)不同姿態(tài)下的圖像信息，基于成像原理，利用特征點(diǎn)坐標(biāo)關(guān)系，恢復(fù)目標(biāo)的三維信息，進(jìn)而完成測(cè)量［7－8］。

為了實(shí)現(xiàn)自動(dòng)化測(cè)量，本文提出了一種基于機(jī)器視覺(jué)的空間目標(biāo)姿態(tài)自動(dòng)測(cè)量方法。首先改進(jìn)傳統(tǒng)目標(biāo)靶的設(shè)計(jì)，通過(guò)CCD拍攝目標(biāo)靶的圖像信息，設(shè)置區(qū)域面積和矩形度閾值自動(dòng)分割目標(biāo)靶，再利用canny算子檢測(cè)特征圓邊緣，并采用最小二乘法擬合圓心，提出基于向量夾角的特征點(diǎn)順序排序法，完成圓心點(diǎn)陣的自動(dòng)排序，最終基于張正友標(biāo)定法，標(biāo)定相機(jī)，獲取目標(biāo)靶相對(duì)相機(jī)坐標(biāo)系的變換矩陣，進(jìn)而計(jì)算目標(biāo)靶的空間姿態(tài)變化。通過(guò)CZJC_ 01轉(zhuǎn)角儀，進(jìn)行實(shí)驗(yàn)驗(yàn)證，最大相對(duì)誤差≤3%，整個(gè)姿態(tài)解算過(guò)程平均耗時(shí)2.026 s，具有較高的測(cè)量精度和效率，能夠滿(mǎn)足工程測(cè)試要求。

1 目標(biāo)靶改進(jìn)設(shè)計(jì)

目前常用的目標(biāo)靶多為黑白棋盤(pán)格［9］，這種目標(biāo)靶對(duì)圖像質(zhì)量要求較高，并且在畸變較大的場(chǎng)合，角點(diǎn)提取精度較差，不適合工程應(yīng)用。相反，由于圓形靶標(biāo)，形狀獨(dú)特，易于提取，因此本文采用實(shí)心圓陣目標(biāo)靶［10－11］。然而傳統(tǒng)的圓形目標(biāo)靶，不便于在復(fù)雜背景下的自動(dòng)提取，且需要人工確定邊界點(diǎn)。因此為了實(shí)現(xiàn)整個(gè)目標(biāo)靶空間姿態(tài)測(cè)試的自動(dòng)化，基于以下準(zhǔn)則改進(jìn)了圓形目標(biāo)靶。

1)合適的尺寸:保證相機(jī)成像時(shí)，目標(biāo)靶盡可能覆蓋整個(gè)成像區(qū)域［12］，從而提高特征點(diǎn)提取精度;

2)目標(biāo)靶便于和背景分離:目標(biāo)靶與背景存在顏色、形狀等較大差別，便于快速準(zhǔn)確的自動(dòng)分割目標(biāo)靶;

3)特征點(diǎn)易于提取和排序:保證快速準(zhǔn)確獲取特征點(diǎn)坐標(biāo)，且實(shí)現(xiàn)目標(biāo)靶特征點(diǎn)與其投影點(diǎn)的對(duì)應(yīng);

4)特征點(diǎn)采用合適的算法，便于實(shí)現(xiàn)穩(wěn)定且高精度提取。

相比傳統(tǒng)圓形目標(biāo)靶做了兩點(diǎn)改進(jìn):

1)增加了10 mm的矩形邊框，便于通過(guò)檢測(cè)連通區(qū)域的面積及矩形度，設(shè)定閾值，實(shí)現(xiàn)目標(biāo)靶自動(dòng)分割提取;

2)3個(gè)邊界圓半徑按照左上角，左下角，右上角依次為4，12，15 mm，其余圓半徑為8 mm，以此可以通過(guò)檢測(cè)特征圓面積，確定邊界點(diǎn);而且可以將邊界點(diǎn)作為方位基準(zhǔn)，實(shí)現(xiàn)圓心點(diǎn)陣的自動(dòng)排序，最終實(shí)現(xiàn)目標(biāo)靶空間姿態(tài)的自動(dòng)測(cè)量。

最終設(shè)計(jì)的圓形目標(biāo)靶如圖1所示。

圖1 目標(biāo)靶結(jié)構(gòu)

2 目標(biāo)靶分割及特征圓圓心提取

2.1 目標(biāo)靶自動(dòng)分割

為了實(shí)現(xiàn)自動(dòng)化的測(cè)量目標(biāo)空間姿態(tài)，首要的就是快速準(zhǔn)確的從背景中自動(dòng)分割提取出目標(biāo)靶。本文采用基于邊緣的圖像分割技術(shù)，設(shè)定區(qū)域面積和矩形度閾值，從而實(shí)現(xiàn)目標(biāo)靶的自動(dòng)分割。

1)區(qū)域面積。對(duì)標(biāo)定圖像邊緣提取后填充，通過(guò)設(shè)定合適閾值，去除部分非目標(biāo)靶的封閉區(qū)域。

2)矩形度。由于背景中可能存在與目標(biāo)靶面積相當(dāng)?shù)倪B通區(qū)域，因此需要進(jìn)一步通過(guò)計(jì)算封閉區(qū)域的矩形度，將其剔除。通過(guò)檢測(cè)目標(biāo)靶封閉區(qū)域信息，獲取包圍連通區(qū)域所需最小矩形信息以及連通區(qū)域總像素?cái)?shù)，計(jì)算其矩形度r。

其中，narea為連通區(qū)域所占像素總數(shù)，a、b分別為包圍連通區(qū)域所需最小矩形的長(zhǎng)和寬。通過(guò)設(shè)定合適的閾值，即可從復(fù)雜背景中分割出目標(biāo)靶。

目標(biāo)靶分割前后如圖2所示。

圖2 目標(biāo)靶自動(dòng)分割前后對(duì)比

2.2 特征圓圓心提取

為了完成相機(jī)標(biāo)定以及空間姿態(tài)的測(cè)量，必須快速準(zhǔn)確的提取特征圓圓心坐標(biāo)。由3.1節(jié)得到的目標(biāo)靶，通過(guò)檢測(cè)連通區(qū)域，可以獲取目標(biāo)靶的特征圓，進(jìn)而獲取圓心坐標(biāo)。

目前圓心獲取常用的兩種方法:

1)區(qū)域檢測(cè)，獲取特征圓區(qū)域，求取區(qū)域質(zhì)心，進(jìn)而找到橢圓中心。計(jì)算簡(jiǎn)單，實(shí)時(shí)性較強(qiáng)，但容易受到外界因素干擾，精度和穩(wěn)定性不高;

2)檢測(cè)邊緣，擬合獲取圓心。實(shí)時(shí)性不高，但對(duì)于外界因素的影響具有較高的魯棒性和提取精度，并可以達(dá)到亞像素精度。

為了保證標(biāo)定精度，本文采用第2種方法，采用canny算子，檢測(cè)特征圓邊緣，最后采用最小二乘法擬合邊緣，獲取特征圓圓心。

3 基于向量夾角的特征點(diǎn)順序排序

特征點(diǎn)的正確匹配是實(shí)現(xiàn)攝像機(jī)自動(dòng)標(biāo)定及空間姿態(tài)自動(dòng)測(cè)量的關(guān)鍵［13］，直接決定了相機(jī)標(biāo)定以及姿態(tài)測(cè)量的準(zhǔn)確性，因此必須快速且準(zhǔn)確的完成目標(biāo)靶上特征點(diǎn)的自動(dòng)排序。

3.1 邊界點(diǎn)確定

在第2節(jié)可以獲得目標(biāo)靶內(nèi)所有特征圓所占像素?cái)?shù)，由目標(biāo)靶的物理結(jié)構(gòu)可知，3個(gè)邊界圓與其余特征圓具有不同的尺寸，因此不論目標(biāo)靶處于何種姿態(tài)，以及相機(jī)畸變，光照不均等因素影響，均可以根據(jù)特征圓所占像素?cái)?shù)，確定邊界點(diǎn)，記為A、B和C。

3.2 特征點(diǎn)排序

由于鏡頭畸變，光照不均等問(wèn)題，實(shí)際提取的圓心點(diǎn)陣像素坐標(biāo)，不具有相同的間隔。由相機(jī)畸變模型可知，外圍的點(diǎn)間距畸變較大。因此傳統(tǒng)的基于交比不變?cè)碓O(shè)置閾值法，不能滿(mǎn)足要求，在畸變較大的場(chǎng)合，會(huì)存在排序錯(cuò)亂的情況。

因此提出基于向量夾角的順序排序法。如圖3所示，首先根據(jù)邊界點(diǎn)，利用邊界向量夾角閾值準(zhǔn)則，查找邊界AB及AC上的特征點(diǎn)，并按照距點(diǎn)A的歐式距離排序，實(shí)現(xiàn)邊界線(xiàn)上特征點(diǎn)排序;進(jìn)而依次以AC以及AB對(duì)應(yīng)位置點(diǎn)為基準(zhǔn)，基于基準(zhǔn)向量夾角閾值準(zhǔn)則，查找對(duì)應(yīng)位置特征點(diǎn)，并及時(shí)將已匹配點(diǎn)從點(diǎn)陣中去除，提高搜索效率，直到完成所有點(diǎn)的排序。具體步驟如下所示:

圖3 特征點(diǎn)排序示意圖

1)確定邊界點(diǎn)A、B和C，并計(jì)算向量AB與AC夾角θ;

2)查找邊界線(xiàn)AB及AC上特征點(diǎn)，并排序

①取圓心點(diǎn)陣中任意一點(diǎn)(A、B、C除外)，設(shè)為點(diǎn)P，分別計(jì)算向量AP與AB、AC夾角，記為θ1、θ2;

②判斷，若θ1≤α且，則為邊界線(xiàn)AB上點(diǎn)，如點(diǎn)P1，記入L1;

若θ2≤α且，則為邊界線(xiàn)AC上點(diǎn)，如點(diǎn)P2，記入H;

否則，即為非邊界點(diǎn)，如點(diǎn)P3，記入M;

③分別計(jì)算L1及H點(diǎn)與A的歐式距離，并將特征點(diǎn)坐標(biāo)按照其距離從小到大排列;

④將點(diǎn)A坐標(biāo)，記入H中，并位于首位;

3)依次以邊界線(xiàn)AC上特征點(diǎn)為基準(zhǔn)，查找該列上特征點(diǎn)，并排序;

①分別取點(diǎn)Hi及Hi+1(i=1);

②取Li作為基準(zhǔn)列，取點(diǎn)，記為Bj(即第i列第j+1行點(diǎn));

④計(jì)算向量HiBj與Hi+1Qk夾角，記為β;

⑤直到j(luò)=7，即找到第i+1列中所有行位置點(diǎn)，即Li+1;

⑥將未排序點(diǎn)陣中，去除Li+1對(duì)應(yīng)點(diǎn);令i=i+1，重復(fù)步驟①;

4)最終排序:將H中所有點(diǎn)，對(duì)應(yīng)記入矩陣L每一列的首元素;

目標(biāo)靶特征點(diǎn)排序前后如圖4所示。

圖4 特征點(diǎn)陣排序前后示意圖

4 相機(jī)標(biāo)定及姿態(tài)解算

4.1 相機(jī)標(biāo)定

如圖5所示，以目標(biāo)靶AC邊為X軸，以AB邊為Y軸，以垂直目標(biāo)靶平面向外為Z軸，建立隨體坐標(biāo)系(即目標(biāo)靶坐標(biāo)系)。

圖5 建立隨體坐標(biāo)系示意圖

將由排序后的特征點(diǎn)陣像素坐標(biāo)，及特征點(diǎn)在隨體坐標(biāo)系中的物理坐標(biāo)，作為Zhang算法標(biāo)定工具箱［14］的輸入，優(yōu)化相機(jī)參數(shù)，獲取目標(biāo)靶相對(duì)相機(jī)坐標(biāo)系的變換矩陣。

4.2 姿態(tài)解算

設(shè)隨體坐標(biāo)系X軸與轉(zhuǎn)角儀橫軸平行時(shí)為初始姿態(tài)0，記為C0，由C0繞轉(zhuǎn)角儀橫軸(即隨體坐標(biāo)系X軸)旋轉(zhuǎn)α1，再繞Z軸旋轉(zhuǎn)β1，到姿態(tài)1，記為C1，由歐拉角空間旋轉(zhuǎn)矩陣變換理論(詳見(jiàn)文獻(xiàn)［15］)，可知兩個(gè)姿態(tài)間的變換關(guān)系為

即初始姿態(tài)0到姿態(tài)1的真實(shí)旋轉(zhuǎn)矩陣為

由4.1節(jié)相機(jī)標(biāo)定可以獲取相機(jī)坐標(biāo)系相對(duì)隨體坐標(biāo)系的旋轉(zhuǎn)矩陣和平移向量，設(shè)姿態(tài)0和姿態(tài)1，相對(duì)相機(jī)坐標(biāo)系的旋轉(zhuǎn)矩陣分別為Rc0、Rc1。則兩個(gè)姿態(tài)間的變換關(guān)系為

即初始姿態(tài)0到姿態(tài)1的測(cè)量獲得的旋轉(zhuǎn)矩陣為

則可以求出α1及β1:

5 實(shí)驗(yàn)測(cè)試

5.1 實(shí)驗(yàn)組成

實(shí)驗(yàn)系統(tǒng)主要由計(jì)算機(jī)、面陣CCD，圖像采集設(shè)備Core，8×8實(shí)心圓陣列目標(biāo)靶，CZJC_01轉(zhuǎn)角測(cè)量?jī)x。CCD像元尺寸為5.5μm×5.5μm，像素?cái)?shù)為2048×2048;鏡頭焦距為65～80 mm;相機(jī)通過(guò)26pins相機(jī)接口線(xiàn)與記錄采集設(shè)備Core進(jìn)行傳輸;Core通過(guò)e－SATA接口與計(jì)算機(jī)進(jìn)行數(shù)據(jù)交換。測(cè)試系統(tǒng)圖6所示。

圖6 測(cè)試系統(tǒng)圖

5.2 實(shí)驗(yàn)步驟

1)將計(jì)算機(jī)、采集設(shè)備Core及相機(jī)，按照正確方式連接，將目標(biāo)靶固定于CZJC_01轉(zhuǎn)角測(cè)量?jī)x;

2)打開(kāi)計(jì)算機(jī)，運(yùn)行CoreView記錄軟件，對(duì)相機(jī)初始參數(shù)進(jìn)行設(shè)置，使目標(biāo)靶圖像清晰;

3)控制轉(zhuǎn)角測(cè)量?jī)x分別沿著X軸、Z軸方向轉(zhuǎn)動(dòng)，帶動(dòng)靶標(biāo)轉(zhuǎn)動(dòng)，同時(shí)采集目標(biāo)靶圖像;

4)按照以下流程處理目標(biāo)靶圖像，解算目標(biāo)靶的空間姿態(tài)變化。

流程如圖7所示。

圖7 目標(biāo)靶的空間姿態(tài)自動(dòng)解算流程

5.3 實(shí)驗(yàn)結(jié)果

5.3.1 自動(dòng)排序算法性能測(cè)試

本文改進(jìn)設(shè)計(jì)的目標(biāo)靶，以及提出的排序算法，原理上具有旋轉(zhuǎn)排序適應(yīng)性。在0°～360°內(nèi)場(chǎng)景，拍攝不同角度、不同方向和不同光照條件下的目標(biāo)靶，任意選取25張標(biāo)定圖像進(jìn)行測(cè)試，均未出現(xiàn)排序錯(cuò)亂情況。排序過(guò)程的消耗時(shí)間如圖8所示

圖8 自動(dòng)排序算法用時(shí)

由上圖可以看出，最大排序時(shí)間為0.070 8 s，平均排序時(shí)間為0.066 2 s。因此本文的基于向量夾角的順序排序法，具有較高的運(yùn)行效率和準(zhǔn)確性。

5.3.2 姿態(tài)自動(dòng)測(cè)量算法時(shí)效性測(cè)試

任意選取25張?zhí)幱诓煌臻g姿態(tài)的目標(biāo)靶圖像，按照?qǐng)D7所示的后期姿態(tài)自動(dòng)解算流程處理，計(jì)算任兩張目標(biāo)靶間的姿態(tài)變化，其涉及的處理步驟、耗時(shí)以及需要操作的次數(shù)如表1所示(以下各處理環(huán)節(jié)耗時(shí)，除相機(jī)標(biāo)定外，均為平均時(shí)間)。

表1 空間姿態(tài)變化解算各操作步驟、耗時(shí)及次數(shù)

由上表可以看出，任意兩張目標(biāo)靶間空間姿態(tài)變化解算，平均耗時(shí)約為2.026 s，具有較好的時(shí)效性，能夠滿(mǎn)足工程應(yīng)用。

5.3.3 姿態(tài)自動(dòng)測(cè)量算法精度測(cè)試

在實(shí)驗(yàn)室CZJC_01轉(zhuǎn)角測(cè)量?jī)x上，分別繞X、Z軸轉(zhuǎn)動(dòng)，并分別進(jìn)行了單方向軸和雙方向測(cè)試，結(jié)果如表2和圖9所示(參考值是由轉(zhuǎn)角儀顯示結(jié)果，測(cè)量精度為0.001°)。

表2 轉(zhuǎn)角測(cè)試結(jié)果

圖9 轉(zhuǎn)角測(cè)量結(jié)果

從測(cè)量結(jié)果看，隨著轉(zhuǎn)角的增大，相對(duì)誤差越來(lái)越小，最大相對(duì)誤差≤3%。在X(或Z)軸轉(zhuǎn)動(dòng)時(shí)，Z (或X)軸也會(huì)有較小的角度變化，主要是由目標(biāo)靶的安裝誤差，非絕對(duì)平面等因素造成，但附加誤差均較小。另外，相比繞X軸轉(zhuǎn)動(dòng)，繞Z軸轉(zhuǎn)動(dòng)測(cè)量誤差較小，特別是在轉(zhuǎn)角較大時(shí)，誤差相對(duì)較大;主要由于繞X軸轉(zhuǎn)動(dòng)時(shí)，目標(biāo)靶平面與相機(jī)成像平面夾角隨著X轉(zhuǎn)角增大而變大，致使目標(biāo)靶在圖像占有率較低，特征圓所占像素?cái)?shù)較少，圓心提取精度較差，導(dǎo)致相機(jī)標(biāo)定誤差較大，進(jìn)而影響了姿態(tài)的解算。

6 結(jié)束語(yǔ)

本文基于機(jī)器視覺(jué)技術(shù)，建立了空間目標(biāo)姿態(tài)自動(dòng)測(cè)量系統(tǒng)，改進(jìn)了目標(biāo)靶的設(shè)計(jì)，并通過(guò)設(shè)置區(qū)域面積和矩形度閾值，實(shí)現(xiàn)了目標(biāo)靶的自動(dòng)分割，并提出基于向量夾角的特征點(diǎn)順序排序算法，完成圓心點(diǎn)陣的快速準(zhǔn)確的自動(dòng)排序，最終標(biāo)定相機(jī)，計(jì)算目標(biāo)靶姿態(tài)變化。實(shí)驗(yàn)結(jié)果表明:提出的基于向量夾角的特征點(diǎn)順序排序算法，效率高，穩(wěn)定性好;最終的姿態(tài)解算結(jié)果接近真實(shí)值，最大誤差≤3%，整個(gè)姿態(tài)解算平均耗時(shí)約2.026s，滿(mǎn)足工程需要，具有較好的實(shí)用價(jià)值。

［1］韓冬，何聞.超低頻標(biāo)準(zhǔn)振動(dòng)系統(tǒng)基礎(chǔ)設(shè)計(jì)技術(shù)［J］.振動(dòng)與沖擊，2008，27(9):20－22。

［2］滑廣軍，李強(qiáng)，楊益民，等.某大型超靜定框架的動(dòng)態(tài)應(yīng)力測(cè)試與有限元分析［J］.振動(dòng)與沖擊，2008，27(8): 170－172

［3］CHUNG H，LIANG J，KUSHIYAMA S，et al.Digital image processing for non－linear system identification［J］.International Journal of Non－linear Mechanics，2004，39 (5):691－707.

［4］歹英杰，汪偉，鄧士杰，等.基于立體機(jī)器視覺(jué)的動(dòng)目標(biāo)空間位姿測(cè)試研究［J］.振動(dòng)與沖擊，2015，34(16):188－212.

［5］朱曉林，高誠(chéng)輝，何炳蔚，等.基于機(jī)器視覺(jué)的機(jī)械零件圖像尺寸自動(dòng)標(biāo)注方法［J］.中國(guó)工程機(jī)械學(xué)報(bào)，2010，8(3):324－328.

［6］張梁，徐錦法，夏青元.雙目立體視覺(jué)的無(wú)人機(jī)位姿估計(jì)算法及驗(yàn)證［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2014，46(5): 66－72.

［7］陳愛(ài)華，高誠(chéng)輝，何炳蔚.立體視覺(jué)中的圖像立體匹配算法［J］.中國(guó)工程機(jī)械學(xué)報(bào)，2014，12(3):194－198.

［8］郭繼平，李阿蒙，于冀平，等.雙目立體視覺(jué)動(dòng)態(tài)角度測(cè)量方法［J］.中國(guó)測(cè)試，2015，41(7):21－23，36.

［9］SHI X F，HONG N，CAI T F.An automatic and robust chessboard corner extraction［J］.Transaction on Edutainment VI，2011(6758):49－56.

［10］夏仁波，劉偉軍，趙吉賓，等.基于圓形標(biāo)志點(diǎn)的全自動(dòng)相機(jī)標(biāo)定方法［J］.儀器儀表學(xué)報(bào)，2009，30(2):368－373.

［11］徐鵬，汪建業(yè)，王燕儒.攝像機(jī)標(biāo)定中靶標(biāo)圓心像點(diǎn)坐標(biāo)的精確計(jì)算［J］.紅外與激光工程，2011，40(7):1342－1346.

［12］張春燕，鄒偉.一種魚(yú)眼鏡頭標(biāo)定板的設(shè)計(jì)、檢測(cè)與排序方法［J］.計(jì)算機(jī)工程與應(yīng)用，2015，51(15):188－192.

［13］梁力，尹東斐，王川.高精度攝像機(jī)標(biāo)定模板的設(shè)計(jì)及設(shè)別算法［J］.西安交通大學(xué)學(xué)報(bào)，2011，45(4):82－85.

［14］BOUGUET J.Visual methods for three－dimensional modeling［D］.Pasadena:California Institute of Technology，1999.

［15］胡茂林.空間和變換［M］.北京:科學(xué)出版社，2007:123－124.

(編輯:劉楊)

Research of automatic measurement method of space target’s posture based on machine vision

YOU Jiang，TANG Liwei，DENG Shijie
(Department of Guns Engineering，Ordnance Engineering College，Shijiazhuang 050003，China)

Aiming at the problem of the measurement of target’s posture，a non－contact automatic measurement system of space posture based on the machine vision was established，and the key steps of automatic division of the target and ranking of the points have been researched.Firstly the design of target was improved，and then the automatic division of the target was realized by setting the area and rectangularity threshold.Then the ranking arithmetic based on vector angle was proposed to realize the fast and exactly automatic ranking of the points.Finally the camera was calibrated by Zhang’s method，and the conversion of the target’s posture was calculated.The experiment result shows that:the largest relative error of the measurement of the posture is no more than 3%，and the automatic testing method is of high automaticity，and the average time of posture testing is about 2.026 s.Therefore the proposed method meets the engineering test requirement.

machine vision;automatic division;automatic ranking;vector angle;posture measurement

A

1674－5124(2016)11－0107－06

10.11857/j.issn.1674－5124.2016.11.022

2016－05－10;

2016－07－15

游江(1992－)，男，河南南陽(yáng)市人，碩士，主要從事機(jī)器視覺(jué)及性能測(cè)試方面研究。

唐力偉(1961－)，男，天津市人，教授，博導(dǎo)，主要從事兵器性能檢測(cè)、故障診斷等研究。