[发明专利]一种大结构体复杂表面多视觉三维测量网络节点布局方法

说明书

本发明一种大结构体复杂表面多视觉三维测量网络节点布局方法涉及机器视觉技术领域；该方法首先利用深度融合技术获得待测结构体点云数据的三角网格模型；然后根据预设的多视觉三维测量网络测量节点布局算法，对所述三角网格模型的几何数据进行测量节点布局计算；所述测量节点布局计算根据待测结构体的几何信息及最优可见性初步布局，建立初始椭球形测量网络模型，椭球参数决定待测结构体的几何信息，再基于椭球基线设置每个测量节点位姿；最后在确定符合预设的算法终止条件时，将所有测量节点确定为相机对所述待测结构体进行整体三维测量时的测量网络节点集合；本发明可以大大提高三维测量过程的效率，降低测量成本。

技术领域

本发明一种大结构体复杂表面多视觉三维测量网络节点布局方法涉及机器视觉技术领域。

背景技术

在光学测量中，多目立体视觉摄影测量由于其测量精度高、测量速度快、适应性好等特点，广泛用于大型工业结构体的制造领域，如汽车、航空、航天等。由于不同结构体表面形貌的复杂程度及曲率不同，而单个视觉传感器测量区域有限，因此针对大型复杂结构体需要多个视觉传感器组成测量网络，将每个视觉传感器所获得的数据进行融合而获得结构体完整的三维数据。

目前在对多个视觉传感器进行组网过程中，通常是基于先验知识获取一个良好的初始网络专家，而测量网络节点布局需要专业素质较高的技术人员根据经验进行给定和操作，这存在一定的不合理性和盲目性，容易造成冗余测量和遗漏测量，使测量过程耗时长，测量成本高。

发明内容

针对上述问题，本发明公开了一种大结构体复杂表面多视觉三维测量网络节点布局方法，该方法能够解决传统方法对大型结构体进行三维测量时，通过人工调整测量节点布局所导致的测量过程耗时长、成本高和精准度较低的问题。

本发明的目的是这样实现的：

一种大结构体复杂表面多视觉三维测量网络节点布局方法，包括以下步骤：

步骤a、利用深度融合技术获得待测结构体点云数据的三角网格模型，所述三角网格模型用于表征待测结构体的空间几何信息；

步骤b、根据预设的多视觉三维测量网络测量节点布局算法，对步骤a所述三角网格模型的几何数据进行测量节点布局计算；所述测量节点布局计算根据待测结构体的几何信息及最优可见性初步布局，建立初始椭球形测量网络模型，椭球参数决定待测结构体的几何信息，再基于椭球基线设置每个测量节点位姿；

步骤c、在确定符合预设的算法终止条件时，将步骤b计算得到的所有测量节点确定为相机对所述待测结构体进行整体三维测量时的测量网络节点集合。

上述的一种大结构体复杂表面多视觉三维测量网络节点布局方法，步骤b所述的预设的多视觉三维测量网络测量节点布局算法，包括以下步骤：

步骤b1、将待测结构体离散成均匀的点云，并求出中心点坐标[x₀,y₀,z₀]^T，导入三角网格模型，计算每个三角网格区域的单位法向量[n₁,n₂,n₃]^T；

步骤b2、根据相机视场大小为m*m和待测曲面的投影面积S，估算出相机个数n2S/m；

步骤b3、将相机密集排放在椭球模型表面；

步骤b4、对相机位姿的方位角和高低角参数x_j＝[α_j,β_j]^T，相机外参矩阵的旋转向量 R＝[α_j,π-β_j,π/2]^T，相机外参矩阵的平移向量t＝[0,0,D]^T进行二进制编码，产生新个体；

步骤b5、将步骤b4得到的新个体分为子种群A和子种群B；