针对大尺寸三维形貌测量中高覆盖率与高精度的要求,提出了一种兼顾测量覆盖率和三维不确定度的智能组网规划方法。结合视觉测量要求,建立了视觉测量网络的离散化几何模型,确定了组网规划的决策变量,给出了视觉测量网络覆盖率和目标点三维不确定度两个概念。通过分析多种摄像机位姿约束条件,应用多目标遗传算法对组网决策变量进行全局性搜索,最终实现了多视觉的精确组网。对螺旋桨主体结构模型进行了仿真,结果表明测量网络覆盖率可以达到99.72%,三维不确定度可以收敛至0.0326 mm。通过单视觉多站式测量实验,验证了该策略的有效性和可行性。

为解决现有线结构光大尺度测量标定复杂、精度不高的问题, 提出了一种基于多视觉线结构光传感器的大尺度、高精度测量方法。多视觉线结构光传感器含1个激光器和多个等间距并排的相机（一主多从）, 相互间有1/3左右重叠视场(OFOV), 光束覆盖所有相机视宽。传感器标定只需简易的棋盘格靶标, 按张氏标定法采集靶标图像、标定传统参数; 此外, 考虑相机视角的不变性, 利用OFOV内标定图像的已知特征角点, 经图像配准可预标定相邻相机图像拼接的变换矩阵。变换矩阵的逐步连乘得到任意从相机图像转换到主相机成像平面的透视变换模型(PTM)。该方法通过各相机同步采集大尺度物体的局部光条图像, 再利用PTM将所有局部光条快速拼接成完整的光条图像, 最终经光条坐标提取、换算得到光条位置的三维坐标。实验结果表明: 与已有方法相比, 该方法使用简便、精度更高, 重构模型平均构造深度与真实模型仅差8.3%。

为实现大尺寸轧钢几何尺寸、形状误差、表面缺陷的实时检测, 采用4个激光器和4个CCD摄像机搭建了多线结构光视觉传感器测量系统。针对多视觉传感器全局校准的关键问题, 设计了特殊形状的靶标, 提出了新的全局标定方法。利用交比不变原理获取光平面上多个标定点, 同步实现视觉传感器的局部标定和全局校准。详细阐述了标定的基本原理和系统构建过程, 分析了标定中存在的误差, 并提出了减小误差的方法。实验验证系统重复测量精度在0.04mm以内, 测量相对误差小于0.9%。

基于交比不变性原理和一维靶标点共线的特点,提出了一种多视觉传感器全局校准方法。以一个视觉传感器坐标系为基础建立全局坐标系,称该视觉传感器为基础视觉传感器。将一维靶标在基础视觉传感器和待校准视觉传感器前合适位置摆放至少两次,根据拍摄得到的3个或3个以上的靶标点图像坐标,由交比不变性原理,对每个视觉传感器求解不在视场区域的靶标点图像坐标。结合靶标点之间的距离约束,求解待校准视觉传感器到基础视觉传感器的转换矩阵。根据一维靶标特征点共线的特点,通过捆绑调整方式得到转换矩阵的最优解。最后,通过两两视觉传感器校准的方式完成多视觉传感器全局校准。该方法不需外部辅助设备,简单灵活,实用性强,全局校准精度可达0.041 mm。