大尺寸工業(yè)視覺測量系統(tǒng)劉建偉;梁晉;梁新合;曹巨明;張德?！菊酷槍I(yè)制造領(lǐng)域中大型工件很難進行全尺寸測量的問題,提出并實現(xiàn)了一種基于立體視覺技術(shù)的便攜式工業(yè)測量系統(tǒng).對該系統(tǒng)所采用的特征識別、相機定向、立體匹配、三維重建、多視點云配準等關(guān)鍵算法進行了研究.提出了改進的CANNY邊緣亞像素檢測算法，使用先驗規(guī)則去除誤識別的標志點，多次擬合定位標志點中心，對標志點環(huán)帶多次采樣取中值求取編碼點的ID.根據(jù)ID號找出不同照片中的同名編碼點,順次對照片進行相對定向和絕對定向.然后,根據(jù)多幅圖像的多極線幾何約束,實現(xiàn)非編碼點的匹配,消除誤匹配.采用前方交會法重建標志點的三維坐標,利用光束平差對計算出的結(jié)果和內(nèi)外部參數(shù)做迭代修正.最后,設(shè)計了雙目結(jié)構(gòu)光掃描系統(tǒng),提出了一種改進的雙目像機標定算法,描述了利用全局和局部標志點的子圖同構(gòu)實現(xiàn)多視點云配準的新算法.實驗結(jié)果表明,該系統(tǒng)可在生產(chǎn)現(xiàn)場對大型工件進行快速測量，整體測量精度達到0.112mm/3m,可以滿足工業(yè)現(xiàn)場大尺寸測量對精度和效率的要求.期刊名稱】《光學(xué)精密工程》年(卷),期】2010(018)001【總頁數(shù)】9頁(P126-134)【關(guān)鍵詞】立體視覺;標志點識別;立體匹配;三維重建;點云配準【作者】劉建偉;梁晉;梁新合;曹巨明;張德?！咀髡邌挝弧课靼步煌ù髮W(xué),機械工程學(xué)院,陜西,西安,710049;西安交通大學(xué),機械工程學(xué)院,陜西,西安,710049;西安交通大學(xué),機械工程學(xué)院,陜西,西安,710049;西安交通大學(xué),電子與信息工程學(xué)院,陜西,西安,710049;西安交通大學(xué),機械工程學(xué)院,陜西,西安,710049【正文語種】中文【中圖分類】TP242.61引言隨著制造業(yè)工藝水平的不斷提高,工業(yè)制件特別是大型工件的表面設(shè)計越來越多的采用各種復(fù)雜曲面。由于這類工件尺寸大,移動困難,傳統(tǒng)的測量手段及設(shè)備很難對其進行高效率的全尺寸檢測:如三坐標機雖然能提供較高的精度,但其很難移動到生產(chǎn)現(xiàn)場進行測量;關(guān)節(jié)臂、激光跟蹤儀、全站儀、經(jīng)緯儀可以方便地移動并提供高精度,但都屬于點測量方式,對于曲面的測量效率太低,且測量時間隨采樣密度逞平方數(shù)增長;大視場的激光掃描儀精度為mm級,多在工程測量上應(yīng)用,遠遠不能滿足工業(yè)測量的高精度要求。因此,目前的研究熱點集中于融合了光學(xué)、數(shù)字圖像、計算機視覺技術(shù)的非接觸式三維測量方法。這種方法有著嚴謹?shù)睦碚摶A(chǔ),量程具有較大的彈性,并能提供相當高的精度和較高的測量效率,是解決中大型工件三維全尺寸檢測難題的一種可行方案。國外學(xué)者已開展了大量深入的研究Fancewicz提出了基于條紋投影的物體三維建模方法［1］,Hung提出了基于視覺技術(shù)的全景曲面三維測量系統(tǒng)［2］;G.Sansoni采用主動立體視覺和結(jié)構(gòu)光快速獲取物體表面三維點云數(shù)據(jù)［3］;C.Reich提出了集成近景攝影測量與編碼結(jié)構(gòu)光技術(shù)的曲面三維測量方法⑷。國內(nèi)在這一領(lǐng)域的研究與工業(yè)發(fā)達國家相比存在較大差距,但在某些應(yīng)用領(lǐng)域也取得了一些成果。天津大學(xué)的葉聲華等提出了用于汽車檢測的白車身三維視覺檢測系統(tǒng)［5］;武漢大學(xué)在多目立體視覺檢測工業(yè)板金件方面進行了研究［6］。近幾年,融合多目立體視覺和雙目結(jié)構(gòu)光掃描技術(shù)的新一代便攜式移動光學(xué)三維測量的商用系統(tǒng)已在國外出現(xiàn)，如德國GOM公司的TRITOP攝影測量系統(tǒng)和ATOS光柵掃描系統(tǒng)，美國GSI公司的V-STAR系統(tǒng)。國內(nèi)也有多個單位推出類似ATOS的雙目結(jié)構(gòu)光掃描系統(tǒng),如北京開遠的OKIO,上海數(shù)字制造的3DSS,但它們的多視點云采用相鄰拼接的方法,無法解決誤差累積問題。本文結(jié)合數(shù)字近景攝影測量技術(shù),基于立體視覺原理設(shè)計并實現(xiàn)了一種大尺寸工業(yè)視覺測量系統(tǒng),包括全局標志點測量系統(tǒng)和局部密集點掃描系統(tǒng),試圖為解決工業(yè)領(lǐng)域大型工件全尺寸快速檢測這一行業(yè)難題做一些探索。2立體視覺原理立體視覺的基本原理與人類雙目視覺的立體感知過程類似,即從2個或2個以上的視點觀察同一物體得到不同視角下的感知圖像,通過計算分析不同圖像中同一像點的視差來獲取物體表面的三維形狀信息[7]。根據(jù)使用傳感器的多少,立體視覺又分為多目立體視覺和雙目立體視覺,雙目立體視覺三維坐標測量的數(shù)學(xué)模型和相應(yīng)的坐標系如圖1所示。圖1雙目立體視覺模型Fig.1Stereovisionmodel其中,OwXwYwZw為物方世界坐標系,O1X1Y1Z1為左攝像機坐標系,O2X2Y2Z2為右攝像機坐標系,OXY為像平面坐標系。物方點P(Xw,Yw,Zw)在左右攝像機中對應(yīng)的像點分別為P1(x1,y1,z1)、P2(x2,y2,z2),直線O1P1和直線O2P2相交于P點。通過對兩攝像機進行標定，可以得到左攝像機坐標系O1X1Y1Z1與右攝像機坐標系O2X2Y2Z2的相對關(guān)系：其中R二為右攝像機坐標系對左攝像機坐標系的旋轉(zhuǎn)矩陣,t=[txtytz]T為右攝像機坐標系對左攝像機坐標系的平移矩陣。在已知像點P1、P2和坐標系關(guān)系R、t的條件下即可計算P點三維坐標(Xw,Yw,Zw):其中A=因此,雙目立體視覺的基本過程是,首先對左右攝像機進行標定,然后兩攝像機同時獲取物方對象圖像,通過數(shù)字圖像處理獲取目標對象特征點,立體匹配后重建出目標對象三維坐標。3核心算法要測量工件復(fù)雜曲面的三維坐標,首先采用多目立體視覺技術(shù),測量粘貼在工件表面的眾多標志點的三維坐標,得到標志點點云表示的工件表面框架模型。然后將標志點點云模型導(dǎo)入到雙目結(jié)構(gòu)光掃描系統(tǒng),逐塊掃描工件表面各個區(qū)域,得到局部密集點云,自動拼接后形成完整的工件點模型?；诙嗄苛Ⅲw視覺技術(shù)的標志點測量系統(tǒng)一次性計算出全局標志點的三維坐標,從而保證整體測量精度,消除多視點云拼接的累積誤差。標志點三維測量標志點識別及定位標志點作為待測工件表面上的參考點,測量前先行粘貼于待測物體表面和周圍區(qū)域本文采用具有明顯人工特征的圓型點作為標志點,分為編碼標志點和非編碼標志點,如圖2所示,右邊帶圓環(huán)段的為編碼點。編碼點作為輔助測量工具,用于相機的標定和恢復(fù)外部姿態(tài)。非編碼點作為被測對象,用于恢復(fù)工件表面相應(yīng)點的三維坐標。圖2非編碼標志點和編碼標志點Fig.2Un-codedandcodedreferencepoints單張圖像中兩種標志點的檢測算法如下:⑴采用Canny算法檢測圖像中的邊緣，得到單像素寬的閉合邊緣集；用梯度幅值作為權(quán)值來計算沿梯度方向的位置加權(quán)值,對邊緣位置沿梯度方向做子像素級校正:其中,di是一個像素沿梯度方向與檢測到的邊緣點的距離,gi是梯度幅值。采用圓度準則鑒別出邊緣集中的橢圓,并利用其它先驗信息去除不合條件的橢圓,如橢圓的面積太小、凹凸性及封閉性、與相鄰的橢圓距離太近等[8]。兩次采用最小二乘擬合出橢圓的中心，第一次擬合后去除掉距離＞3。的邊緣，再進行第二次擬合。判斷橢圓外圍是否有環(huán)帶,如果沒有即為非編碼點;如果有則徑向做內(nèi)外邊界的連線,在連線上等距離采樣5次,以5次采樣的中值與標志點的灰度閾值做比較,大于閾值則本環(huán)帶的編碼為1,否則為0;每36°(對應(yīng)于10位編碼點)重復(fù)上述操作,旋轉(zhuǎn)一周后得到形如“0100100111”的二進制編號。查表得到編碼點的ID。如果查不到則看作非編碼點。標志點識別的穩(wěn)定性和精度對于后續(xù)的相機的標定、姿態(tài)恢復(fù)及三維空間點坐標的求解有著直接的影響。實驗證明,上述算法可以達到0.02像素的定位精度。相機定向相機定向就是確定每一幅圖像的旋轉(zhuǎn)矩陣R和平移矩陣t中六個外方位元素的過程。以左右兩幅圖像為例，設(shè)左圖像為世界坐標系，則左圖的投影矩陣Pl=K[1|0],右圖的投影矩陣則可以寫成Pr=K[R|t],其中:K二是相機的固有內(nèi)參數(shù)矩陣，需要先標定出來,這里視為已知量。左右圖像中像點在左相機像空間坐標系下的空間向量與基線向量滿足共面方程[9]。相對定向時可以忽略比例尺的影響,因此每個像對中識別出5對以上的同名編碼點,就可以解出像對旋轉(zhuǎn)矩陣R和平移矩陣t。對圖片組中的各像對重復(fù)上述操作,完成相對定向,形成一個個的單個模型;以第一張圖像的像空間坐標系作為世界坐標系,將各模型連接起來,形成統(tǒng)一坐標系的自由網(wǎng)模型。3.1.3標志點立體匹配立體視覺中的匹配是從不同視角的照片中找到空間點對應(yīng)的同名像點,是三維重建過程的基礎(chǔ),也是立體視覺技術(shù)應(yīng)用的難點。本文采用的編碼點在每張照片上都顯示其唯一的ID,通過ID可以對其進行匹配。對于非編碼點，由射影幾何知兩張不同圖像上的同名點具有如下關(guān)系:其中：F=K-1[t]xRI-l式中R和t已在3.1.2中求出；[t]x是平移矩陣的反對稱矩陣;m,ffi＞分別是兩張圖像上同名像點;F是兩張圖像之間的基礎(chǔ)矩陣。此方程稱為同名點之間的極線約束，它說明對于左邊圖像上一點m,其對應(yīng)點只能落在右圖像的相應(yīng)極線上l'=Fm上,這樣就將潛在的二維搜索空間降為一維。但是，當非編碼較密集的情況下，基于外極幾何關(guān)系的匹配算法在雙目立體視覺因只能推斷出匹配結(jié)果在外極線上,匹配歧異性較大而影響其廣泛應(yīng)用。多目立體視覺測量中由于存在多個相機位置,利用多個圖像上的外極線約束就可以大大提高非編碼標志點匹配的正確率,見圖3。非編碼標志點匹配策略如下：圖3多視圖像外極線匹配示意圖Fig.3Epipolarconstraintofmulti-viewimages⑴圖像S1中標志點P‘在圖像2中對應(yīng)點在外極線112上,將圖像S2中符合條件的標志點記錄到點集Q12中；⑵圖像S1中標志點P'在圖像3中對應(yīng)點的外極線113上,將圖像S3中符合條件的標志點記錄到點集Q13中；點集Q12和Q13中滿足圖像2和圖像3對應(yīng)的外極關(guān)系的點才可能是圖像1中標志點P'對應(yīng)的像點,如果滿足外極關(guān)系的點對只有一對，則認為匹配成功,如果仍然出現(xiàn)多個點對,則繼續(xù)使用另外的圖像加以判別;通過實際的匹配實驗驗證,在圖像質(zhì)量較好的條件下,匹配正確率達99%以上。3.1.4標志點的三維重建及光束平差當編碼點和非編碼點完成同名點匹配后,只需要兩張圖像就可以通過公式(2)計算出其三維空間坐標。對于多目立體視覺,同一標志點往往出現(xiàn)在多張圖片中,可以通過光速平差法,把控制點的像點坐標,標志點的像點坐標,相機的內(nèi)外參數(shù)全部視作觀測值進行整體平差計算，同步求解所有參數(shù)，使各類觀測值的改正數(shù)V滿足VTPV為最小。與傳統(tǒng)的光束平差法不同,本文考慮了相機可能存在的4種系統(tǒng)誤差:徑向畸變、偏心畸變、像平面畸變和內(nèi)方位元素誤差,采用光束平差方法整體求解所有的內(nèi)部參數(shù)。將以上各種誤差加入共線方程中并線性化得到像點的誤差方程式:式中:V為像點坐標的改正值;X1,X2,X3分別為相機的外方位元素、物方點坐標和相機的內(nèi)部參數(shù)。X1,X2,A1,A2和L的值與共線方程誤差方程一般式中的值相同，不同的是X3和A3:X3即為待標定的內(nèi)部參數(shù),共有10個未知數(shù),包含了徑向畸變、偏心畸變、像平面畸變和內(nèi)方位元素誤差參數(shù)。利用以上公式進行光束平差運算,對用傳統(tǒng)方法計算出的像機內(nèi)部參數(shù)進行修正,有效地消除了絕大部分的系統(tǒng)誤差。雙目結(jié)構(gòu)光掃描結(jié)構(gòu)光法的基本思想是利用結(jié)構(gòu)光投影的幾何信息來求得物體的三維信息,通過向物體投射各種結(jié)構(gòu)光,如點、單線、多線、單圓、網(wǎng)格、顏色編碼條紋等,在物體上形成圖案并由攝像機攝取,而后由圖像根據(jù)三角法和傳感器結(jié)構(gòu)參數(shù)進行計算,從二維像素坐標計算物體表面采樣點的三維坐標［10］。3.2.1編碼光柵投影及圖像獲取本文采用光柵型結(jié)構(gòu)光［11］,由DLP投影機投射垂直于基線的正弦條紋到待測物體表面,按照時間序列相移光柵,左右兩個相機同步采集多幀圖像并編號,如圖4所示。圖4相移法光柵條紋Fig.4Phaseshiftingstripepattern立體匹配及三維重建在某一時刻,沿水平方向投射灰度按正弦變化的豎向條紋,將物體表面分區(qū)成多組條紋。然后在下一時刻相移信號,使得物體表面上某一列的灰度也按正弦波的形式不斷變化,且每一列的波形的相位與其它列不同(見黑框)。因此,可以通過對正弦光柵圖像解包裹，獲得圖像x向的對應(yīng)關(guān)系，將兩相機圖像中的同名列匹配起來［12］,再應(yīng)用3.1.3中的外極線約束方程,求解出左相片中某一像素點在右相片的極線,此極線與右圖像中同名列的交點即是其同名像素點,得到其y向坐標。通過此方法，將左右相片中的像素一一對應(yīng)起來,通過疊加使用多種頻率的正弦波,可以將上述分區(qū)細分至單個像素。在完成左右兩相機圖像單個像素的一一匹配后,就可以應(yīng)用公式(2)計算出此像素對應(yīng)空間點的三維坐標。雙目標定算法傳統(tǒng)的攝像機標定算法需要精確控制攝像機和標定物的相對運動,或者需要精確地知道標定物幾何尺寸［13］,這類方法能夠?qū)崿F(xiàn)高精度的標定,但標定過程復(fù)雜,在實際中難以應(yīng)用。張正友提出一種使用平面棋盤格進行攝像機標定的柔性方法［14］。在張正友標定算法中,僅考慮了兩階徑向畸變,忽略了切向畸變和薄棱鏡畸變,主要是因為畸變參數(shù)過多可能導(dǎo)致非線性優(yōu)化失敗,為了進一步提高雙目結(jié)構(gòu)光掃描系統(tǒng)的測量精度,本文提出了一種新的標定算法,以張正友攝像機標定算法為初始值,考慮標定平面模板加工制造中的誤差,加入更多的畸變參數(shù),使用光束平差算法優(yōu)化初始的標定結(jié)果,既提高了標定精度,又避免了非線性迭代不收斂的問題。標定時使用的平面標定板如圖5所示,圖中小圓點為非編碼標志點,帶圓環(huán)段的編碼標志點,標定前需要先用3.1所述標志點測量方法測量出最遠兩對角編碼點的精確距離,具體標定算法如下:⑴將標定平面模板放置在測量裝置前1m處兩攝像機同時拍攝五組不同姿態(tài)的圖像;對5組圖像進行特征點識別,得到圓形特征點中心的圖像坐標,帶編碼的特征點還要得到其編碼;根據(jù)編碼特征點分析得到其他特征點在模板中的行列位置;根據(jù)標定平面模板特征點的實際尺寸和對應(yīng)的圖像坐標,使用張正友標定算法計算出兩攝像機的內(nèi)參數(shù)和每幅圖像對應(yīng)的外參數(shù);使用光束平差法對兩攝像機內(nèi)外參數(shù)、標定平面模板世界坐標進行迭代平差;利用光束平差算法前后的攝像機內(nèi)外參數(shù)分別計算出優(yōu)化前后雙目立體測量系統(tǒng)的標定結(jié)果。圖5雙目標定改進算法使用的標定板ig.5Planeusedinbinocularstereocameracalibration為驗證新標定算法的精度,分別用兩種方法的標定結(jié)果對標定板上的三維空間點進行重投影,計算重投影誤差,得到結(jié)果如表1所示。標定實驗表明,本文方法相對精度優(yōu)于1/5000,測量誤差是僅使用張正友標定算法的27%,具有較高的測量精度。表1兩種標定結(jié)果的重投影誤差對比Tab.1Re-projectionerrorsoftwocalibrationmethods(pixel)10.25490.04630.06030.034720.33990.04270.06870.038930.21630.04950.06170.028140.25030.05860.07990.042350.17500.04280.06280.0362多視點云的配準在對物體表面某一區(qū)域進行掃描時,所采集的密集點云采用此時左相機像空間坐標系,因此每一次掃描出的點云坐標系是無序的,需要通過配準將它們的統(tǒng)一到一個坐標系下,本文采用多目視覺測量出的全局標志點坐標系作為世界坐標系,將多視點云分別對齊到世界坐標系下,具體算法如下:對物體表面某一區(qū)域進行光柵投影之前,首先用左右相機對本區(qū)域內(nèi)的標志點拍攝兩張照片;經(jīng)過圖像處理識別出標志點;由于兩相機內(nèi)外參數(shù)經(jīng)過標定后為已知量,利用標定值對標志點進行立體匹配,前方交會計算出本區(qū)域內(nèi)標志點三維點云;在三維空間,利用子圖同構(gòu)算法匹配區(qū)域標志點和全局標志點點云:區(qū)域標志點表示為“子圖”,待匹配的全局標志點點云表示為“大圖”,在“大圖”中搜索同構(gòu)子圖;⑸匹配成功后，計算出區(qū)域到整體的旋轉(zhuǎn)矩陣R和平移矩陣t［15］。⑹將光柵掃描得到的密集點云根據(jù)［R|t］轉(zhuǎn)換到世界坐標系下。4實驗驗證本文兩套系統(tǒng)的測量軟件均在VC++6.0下開發(fā)。多目視覺測量系統(tǒng)XJTUDP由單反數(shù)碼相機Canon400D,尼康20mm定焦鏡頭、磁性環(huán)形編碼標志點，高精度比例尺,十字方向尺等部件構(gòu)成。雙目結(jié)構(gòu)光掃描系統(tǒng)XJTUOM由兩個1.3x106萬像素工業(yè)CCD攝像機和DLP投影光源組成，光學(xué)鏡頭采用Computar16mm定焦鏡頭。掃描頭安裝在一個重型操作架上,兩個攝像機分布于橫梁兩端,中間部分是投影光源。選擇尺寸3mx3mx1m的大型水輪機葉片鑄件為測量對象，實物見圖6(a),其表面布置的是編碼標志點和非編碼標志點。先使用Canon400D相機，圍繞葉片多角度拍攝一組照片，多目視覺系統(tǒng)軟件處理后得到全局標志點點云，見圖6(b),再用雙目結(jié)構(gòu)光掃描系統(tǒng)逐塊掃描葉片表面，得到葉片表面的密集點云數(shù)據(jù)，見圖6(c)。采用K平均聚類法［16］進行多視點云的融合處理,得到葉片的整體表面密集點云,見圖6(d)圖6實驗對象及測量結(jié)果Fig.6Experimentobjectandmeasurementresults對于得到的葉片密集點云數(shù)據(jù),由于沒有加工后葉片表面的真實數(shù)據(jù),無法將整體測量數(shù)據(jù)與真實值進行比對,因此采用分步方法估算系統(tǒng)的精度。全局標志點點云控制著全局誤差，是測量誤差的主要來源，為了驗證其精度，選擇德國GOM公司的工業(yè)近景攝影測量系統(tǒng)TRITOP作為精度對比標準,分別對葉片進行測量。標志點點云生成后,在粘貼的標志點中按不同距離隨機選取幾十對點,分別用兩套系統(tǒng)測量每對點之間的距離，以TRITOP的測量結(jié)果作為對比標準(精度約為1/40000),表2列出其中10對點距的測量結(jié)果及對比。表2XJTUDP與TRITOP的測量結(jié)果對比Tab.2MeasurementresultsofTRITOP&XJTUDP(mm)點對之間的距離TRITOP測量結(jié)果XJTUDP測量結(jié)果誤差距離1826.197826.140-0.057距離21276.8961276.849-0.047距離31582.2281582.2340.006距離42265.3462265.4160.070距離5280.660280.6830.023距離61640.2201640.2950.075距離71935.5991935.582-0.017距離81717.7991717.766-0.033距離92300.0532300.0970.044距離102165.9652166.0490.084從表中數(shù)據(jù)可以看出，對于尺寸3m左右的對象標志點測量系統(tǒng)XJTUDP的測量結(jié)果與TRITOP的測量結(jié)果基本一致，誤差v0.1mm。根據(jù)德國VDI標準，使用標準球?qū)﹄p目結(jié)構(gòu)光掃描系統(tǒng)進行精度測試,得到的局部密集點云單幅掃描精度為0.02mm;多視點云的配準精度由局部標志點和全局標志點的匹配精度決定,在匹配程序中設(shè)定同名標志點搜索半徑為0.03mm,因此可以認為局部密集點云的最大匹配誤差為0.03mm。這樣，本文系統(tǒng)的總體測量誤差由標志點測量誤差、2次局部點云配準誤差、2次局部點云的測量誤差矢量和構(gòu)成,且各次誤差相互獨立,可由下式計算系統(tǒng)總體誤差:5結(jié)論現(xiàn)代工業(yè)加工制造過程對幾何量檢測越來越追求大量程、高精度、高效率和低成本,本文基于立體視覺原理和攝影測量技術(shù),提出了一種非接觸式的便攜式工業(yè)視覺測量系統(tǒng)。介紹了視覺測量系統(tǒng)的構(gòu)成及工作原理,研究了系統(tǒng)所采用的核心算法,包括標志點識別和定位、標志點立體匹配、相機定向、標志點三維重建等,重點描述了改進的雙目相機標定算法和多視點云的配準算法。現(xiàn)場實驗結(jié)果表明,本文系統(tǒng)的測量精度達到0.112mm/3m,可滿足大多數(shù)大型工業(yè)品的質(zhì)量控制要求。此外，相對于傳統(tǒng)測量手段,本文系統(tǒng)還具有其他方法無法比擬的優(yōu)點:測量現(xiàn)場工作量小高效,不易受灰塵、振動、濕度和溫度變化等外界因素干擾等。由于上述的諸多優(yōu)點,本文系統(tǒng)已在大型模具、汽車外覆蓋件、飛機外形測量等多個工業(yè)領(lǐng)域應(yīng)用推廣。參考文獻:PANCEWICZT,KUJAWINSKAM.CAD/CAM/CAErepresentationof3Dobjectsmeasuredbyfringeprojection[J].SPIE,1998,3479:70-75.HUNGYY,LINL,PARKBG.Practical3Dcomputervisiontechniquesforfull-fieldsurfacemeasurement[J].OpticalEngineering,2000,39(1):143-149.SANSONIG,CAROCCIM,RODELLAR.Calibrationandperformanceevaluationofa3Dimagingsensorbasedontheprojectionofstructuredlight[J].IEEETransactionsonInstrumentationandMeasurement,2000,49(3):628-636.REICHC,RITTERR,THESINGJ.3Dshapemeasurementofcomplexobjectsbycombiningphotogrammetryandfringeprojector[J].OpticalEngineering,2000,39(1):224-231.芻B定海，葉聲華,王春和，等?用于在線測量的視覺檢測系統(tǒng)J].儀器儀表學(xué)報,1995,16(4):337-340.ZOUDH,YESHH,WANGCHH,etal..Avisualinspectionsystemforon-linemeasurement[J].ChineseJournalofScientificInstrument,1995,16(4):337-340.(inChinese)⑹張永軍,劉經(jīng)南，張祖勛,等基于非量測CCD攝像機的鈑金件誤差檢測[J].測繪學(xué)扌艮2004,33(2):132-137.ZHANGYJ,LIUJN,ZHANGZX,etal..Imprecisioninspectionofsheet-metalpartswithnon-metricCCDcamera[J].ActaGeodaeticaetCartographicaSinica,2004,33(2):132-137.(inChinese)OZTURKAO,HALICIU,ULUSOYI,etal..3Dfacereconstructionusingstereoimagesandstructuredlight[C].IEEE16thSignalProcessingandCommunicationsApplicationsConference,Didim,Turkey:IEEE,2008,1-2:878-881.張維忠?基于多幅圖像的空間點定位與曲線結(jié)構(gòu)三維重建[D].南京:南京航空航天大學(xué),2007.ZHANGWZH.Reconstructionof3Dpointsandcurvestructuresbasedonmultipleimages[D].Nanjing:NanjingUniversityofAeronauticsandAstronautics,2007.(inChinese)LUHMANNT.CloseRangePhotogrammetry[M].Dunbeath:WhittlesPublishing,2006.韓建棟，呂乃光，王鋒，等?采用光學(xué)定位跟蹤技術(shù)的三維數(shù)據(jù)拼接方法J].光學(xué)精密工程,2009,17(1):45-51.HANJD丄"UNG,WANGF,etal..3Ddataregistration