(12)发明专利申请
(10)申请公布号 CN 107101584 A(43)申请公布日 2017.08.29
(21)申请号 201710285370.8(22)申请日 2017.04.27
(71)申请人 中国科学院长春光学精密机械与物
理研究所
地址 130033 吉林省长春市经济技术开发
区东南湖大路3888号(72)发明人 陈长征 聂婷 何斌 薛金来 (74)专利代理机构 深圳市科进知识产权代理事
务所(普通合伙) 44316
代理人 赵勍毅(51)Int.Cl.
G01B 11/02(2006.01)
权利要求书2页 说明书7页 附图4页
(54)发明名称
基于图像识别的物体位移测量方法、装置及系统
(57)摘要
本发明涉及一种基于图像识别的物体位移测量方法，所述测量方法包括以下步骤：基于预设的靶标图像，获取物体在第一位置的第一检测图像数据和物体在第二位置的第二检测图像数据；对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据；根据第一检测图像对应的第一边缘图数据、第二检测图像对应的第二边缘图数据和亚像
得到第一检测图像对应的特征点素质心法定位，
集合和第二检测图像对应的特征点集合；根据第一检测图像对应的特征点集合和第二检测图像对应的特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵；根据预设的焦距和预设的物距以及第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离。
CN 107101584 ACN 107101584 A
权 利 要 求 书
1/2页
1.一种基于图像识别的物体位移测量方法，其特征在于：所述测量方法包括以下步骤：基于预设的靶标图像，获取物体在第一位置的第一检测图像数据和物体在第二位置的第二检测图像数据；
对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据；
根据第一检测图像对应的第一边缘图数据、第二检测图像对应的第二边缘图数据和亚像素质心法定位，得到第一检测图像对应的特征点集合和第二检测图像对应的特征点集合；
根据第一检测图像对应的特征点集合和第二检测图像对应的特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵；
根据预设的焦距和预设的物距以及第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离。
2.如权利要求1所述的测量方法，其特征在于：所述边缘检测处理具体包括Canny边缘检测。
3.如权利要求1所述的测量方法，其特征在于：所述第一检测图像对应的特征点集合和第二检测图像对应的特征点集合中每个特征点的行坐标为：
所述第一检测图像对应的特征点集合和第二检测图像对应的特征点集合中每个特征点的列坐标为：
其中，T设定的阈值，g(ui,vj)为图像g的第ui行、第vj列的像素灰度值，i表示图像的行，取值范围为i1到i2，j表示图像的列，取值范围为j1到j2，图像g为待检测图像。
4.如权利要求1所述的测量方法，其特征在于：所述根据第一检测图像对应的特征点集合和第二检测图像对应的特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵步骤，具体包括：
所述第一检测图像对应的特征点集合和第二检测图像对应的特征点集合中每个特征点的行坐标和列坐标，并利用相位相关的方法得到初始化投影关系矩阵；
根据初始化投影关系矩阵，采用亚像素扩展相关的配准算法，对初始化投影关系矩阵进行求解以得到第一检测图像和第二检测图像的最佳投影关系矩阵。
5.如权利要求4所述的测量方法，其特征在于：所述初始化投影关系矩阵P的公式如下：
其中，dx为第一检测图像和第二检测图像的水平距离，dy为第一检测图像和第二检测
2
CN 107101584 A
权 利 要 求 书
2/2页
图像的垂直距离，θ为第一检测图像和第二检测图像的旋转角。
6.如权利要求4所述的测量方法，其特征在于：所述根据初始化投影关系矩阵，采用亚像素扩展相关的配准算法，对初始化投影关系矩阵进行求解以得到第一检测图像和第二检测图像的最佳投影关系矩阵ECC(p)，具体公式如下：
其中，||·||表示欧式距离，ir＝(pt11,pt12,...,pt1n)代表第一幅图像提取到的特征点构成的向量，为ir减去该集合的算术平均值；iw(p)＝(pt21,pt22,...,pt2n)，代表第二幅提取到的特征点构成的向量，
为iw(p)减去该集合的算术平均值，p为初始化投影关
系矩阵。
7.一种基于图像识别的物体位移测量装置，其特征在于：所述测量装置包括：获取模块，用于基于预设的靶标图案，获取物体在第一位置的第一检测图像数据和物体在第二位置的第二检测图像数据；
边缘检测处理模块，用于对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据；
定位模块，用于根据第一检测图像对应的第一边缘图数据、第二检测图像对应的第二边缘图数据和亚像素质心法定位，得到第一检测图像对应的特征点集合和第二检测图像对应的特征点集合；
第一处理模块，用于根据第一检测图像对应的特征点集合和第二检测图像对应的特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵；
第二处理模块，用于根据预设的相机焦距和相机物距以及第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离。
8.如权利要求7所述的测量装置，其特征在于：所述边缘检测处理模块还用于采用Canny边缘检测，对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据。
9.一种基于图像识别的物体位移测量系统，其特征在于：包括拍照装置，光源，分束镜以及如权利要求7或8所述的基于图像识别的物体位移测量装置，所述分束镜沿着所述光源的光轴设置，预设的靶标图像位于所述光源和分束镜之间以使将靶标图像投射到被测物体上，所述拍照装置与所述物体位移测量装置连接且所述拍照装置的光轴垂直于所述被测物体的物面。
3
CN 107101584 A
说 明 书
基于图像识别的物体位移测量方法、装置及系统
1/7页
技术领域
[0001]本发明涉及测量技术领域，尤其涉及一种基于图像识别的物体位移测量方法、测量装置及测量系统。
背景技术
[0002]随着技术的发展，当物体发生微小位移的时候，需要对物体的相对位置进行测量，但是现有的一种相对位置测量装置，在测量的过程中存在测量误差较大，无法满足精度要求；而现有的另一种相对位置测量装置在测量的过程中接触物体，才能对物体的微小位移进行测量，但是接触测量容易对物体的表面会造成划痕或划伤，也无法满足测量的要求。发明内容
[0003]本发明旨在解决现有技术中对物体的相对位置难以进行测量的技术问题，提供一种满足测量精度要求且不会对物体的表面造成损伤的基于图像识别的物体位移测量方法、测量装置及测量系统。
[0004]本发明提供一种基于图像识别的物体位移测量方法，所述测量方法包括以下步骤：
[0005]基于预设的靶标图像，获取物体在第一位置的第一检测图像数据和物体在第二位置的第二检测图像数据；
[0006]对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据；[0007]根据第一检测图像对应的第一边缘图数据、第二检测图像对应的第二边缘图数据和亚像素质心法定位，得到第一检测图像对应的特征点集合和第二检测图像对应的特征点集合；
[0008]根据第一检测图像对应的特征点集合和第二检测图像对应的特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵；
[0009]根据预设的焦距和预设的物距以及第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离。[0010]本发明提供一种基于图像识别的物体位移测量装置，所述测量装置包括：[0011]获取模块，用于基于预设的靶标图案，获取物体在第一位置的第一检测图像数据和物体在第二位置的第二检测图像数据；[0012]边缘检测处理模块，用于对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据；[0013]定位模块，用于根据第一检测图像对应的第一边缘图数据、第二检测图像对应的第二边缘图数据和亚像素质心法定位，得到第一检测图像对应的特征点集合和第二检测图像对应的特征点集合；[0014]第一处理模块，用于根据第一检测图像对应的特征点集合和第二检测图像对应的
4
CN 107101584 A
说 明 书
2/7页
特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵；[0015]第二处理模块，用于根据预设的相机焦距和相机物距以及第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离。[0016]本发明提供一种基于图像识别的物体位移测量系统，包括拍照装置，光源，分束镜以及上述的基于图像识别的物体位移测量装置，所述分束镜沿着所述光源的光轴设置，预设的靶标图像位于所述光源和分束镜之间以使将靶标图像投射到被测物体上，所述拍照装置与所述物体位移测量装置连接且所述拍照装置的光轴垂直于所述被测物体的物面。[0017]本发明的技术方案与现有技术相比，有益效果在于：通过相机对预设的靶标图像投射在被测物体进行两次拍照，接着利用物象之间的成像关系，将被测物体的相对位置关系转换到像像间的位移关系，通过对两幅图像的边缘检测、质心点提取及亚像素配准，精准算出两幅图像间的空间关系矩阵，最后得到被测物体计的位移关系。由于图像识别的方法不仅不需要接触测量，而且具备准确的测量精度、测量方式简便高效，可以快速获得位移信息。
附图说明
[0018]图1为本发明基于图像识别的物体位移测量方法一种实施例的流程图；[0019]图2为本发明预设的靶标图像一种实施例的示意图；[0020]图3为本发明拍摄到图像一种实施例的示意图；
[0021]图4为本发明拍摄到图像进行边缘检测和质心定位的示意图；
[0022]图5为本发明基于图像识别的物体位移测量装置一种实施例的结构示意图；[0023]图6为本发明基于图像识别的物体位移测量系统一种实施例的结构示意图。[0024]图中，1、拍照装置，2、光源，3、分束镜，4、预设的靶标图像，50、获取模块，51、边缘检测处理模块，52、定位模块，53、第一处理模块，54、第二处理模块。具体实施方式
[0025]下面结合附图对本发明的具体实施方式作进一步说明。
[0026]本发明提供一种实施例的基于图像识别的物体位移测量方法，如图1所示，所述测量方法包括：
[0027]步骤S11，基于预设的靶标图像，获取物体在第一位置的第一检测图像数据和物体在第二位置的第二检测图像数据；[0028]步骤S12，对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据；[0029]步骤S13，根据第一检测图像对应的第一边缘图数据、第二检测图像对应的第二边缘图数据和亚像素质心法定位，得到第一检测图像对应的特征点集合和第二检测图像对应的特征点集合；[0030]步骤S14，根据第一检测图像对应的特征点集合和第二检测图像对应的特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵；[0031]步骤S15，根据预设的焦距和物距以及第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离。
5
CN 107101584 A[0032]
说 明 书
3/7页
在具体实施中，如图2所示通过将预设的靶标图像4投射到被测物体Object上，拍
照装置1的光轴垂直于被测物体Object的物面拍照，得到第一检测图像Img1数据，当被测物体Object发生微小移动之后，此时预设的靶标图像4依旧投射到被测物体Object上拍照装置1的光轴垂直于被测物体Object的物面拍照，得到第二检测图像Img2数据。其中，如图3所示，拍摄到图像示意图。[0033]具体的，所述边缘检测处理具体为：Canny边缘检测，也就是说，在步骤S12中，对第一检测图像Img1和第二检测图像Img2数据进行Canny边缘检测，得到第一检测图像对应的第一边缘图数据Img1_b和第二检测图像对应的第二边缘图数据Img2_b，其中，Canny边缘检测算法具体的实现步骤如下：将彩色图像转换为灰度图像；对灰度图像进行高斯模糊；计算图像梯度，根据梯度计算图像边缘幅值与角度；非最大信号压制处理(边缘细化)；双阈值边缘连接处理；二值化图像输出结果。在具体实施中，如图4所示通过像素质心法定位可以得到靶标图像的质心，由于每一个质心点都是对应图像的特征点，通过像素质心法定位对第一边缘图数据Img1_b得到第一检测图像的n个质心，即得到第一检测图像对应的特征点集合-Pt1{pt11,pt12,…,pt1n}，以及通过像素质心法定位对第二边缘图数据Img2_b得到第二检测图像的n个质心，即得到第二检测图像对应的特征点集合-Pt2{pt21,pt22,…,pt2n}。
[0034]在具体实施中，所述第一检测图像对应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2中每个特征点的行坐标，即每个质心的行坐标采用如下公式表示：
[0035]
所述第一检测图像对应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2中每个特征点的列坐标，即每个质心的列坐标采用如下公式表示：
[0036]
[0037]
其中，T设定的阈值，g(ui,vj)为图像g的第ui行、第vj列的像素灰度值，i表示图像的行，取值范围为i1到i2，j表示图像的列，取值范围为j1到j2，图像g为待检测图像。[0039]由于待配准特征点拍摄的视角和光照条件不尽相同，第一检测图像和第二检测图像可能存在平移、旋转和缩放，为了提高测量的精度，采用亚像素扩展相关的配准算法，求解所述第一检测图像对应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2的空间关系矩阵。
[0040]在具体实施中，步骤S14，具体包括：
[0041]所述第一检测图像对应的特征点集合和第二检测图像对应的特征点集合中每个特征点的行坐标和列坐标，并利用相位相关的方法得到初始化投影关系矩阵；[0042]根据初始化投影关系矩阵，采用亚像素扩展相关的配准算法，对初始化投影关系矩阵进行求解以得到第一检测图像和第二检测图像的最佳投影关系矩阵。
[0038]
6
CN 107101584 A[0043]
说 明 书
4/7页
具体的，当两次拍照时，被测物体Object仅进行微小位移时，所述第一检测图像对
应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2对应的特征点利用相位相关的方法满足以下的相关关系公式：
[0044][0045]
其中，(x1，y1)和(x2，y2)为两幅图像上对应的同名点；p为初始化投影关系矩阵，
dx为第一检测图像和第二检测图像的水平距离，dy为第一检测图像
和第二检测图像的垂直距离，θ为第一检测图像和第二检测图像的旋转角。
[0047]在具体实施中，所述根据初始化投影关系矩阵，采用亚像素扩展相关的配准算法，对初始化投影关系矩阵进行求解以得到第一检测图像和第二检测图像的最佳投影关系矩阵，具体公式如下：
[0048][0049]
[0046]
其中，||·||表示欧式距离，ir为(pt11,pt12,…,pt1n)，代表第一检测图像对应
为iw(p)
的特征点集合构成的向量，为减去第一检测图像对应的特征点集合的算术平均值，iw(p)为(pt21,pt22,…,pt2n)，代表第二检测图像对应的特征点集合构成的向量，
减去第二检测图像对应的特征点集合的算术平均值，p为初始化投影关系矩阵；也就是说，ir＝(pt11,pt12,...,pt1n)，iw(p)＝(pt21,pt22,...,pt2n)。[0050]具体的矢量的算数平均值为：集合各项的平均数。例如，(a1+a2+……an)/n为a1，a2，……，an的算术平均值。而最佳投影关系矩阵确定的过程是一个迭代求解的过程，首先利用相位相关法求解初始化投影关系矩阵p,然后将第一检测图像对应的特征点集合、第二检测图像对应的特征点集合对及初始化投影关系矩阵p带入到公式(4)中，求出一个两幅图像相似度的值，判断该值t是否小于给定的阈值T，如果小于，此时投影关系矩阵p就是最佳投影矩阵，迭代停止；如果不满足，更新投影关系矩阵pk+1＝pk+Δp,k表示迭代次数，p为待求关系矩阵，Δp为迭代步长，进行下一次迭代，直到两幅图像的相似性满足给定的阈值T。[0051]在具体实施中，在已知焦距f和物距H的情形下，根据第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离：水平距离Dx＝dx/f*H，垂直距离Dy＝dy/f*H，角度为θ。
[0052]本发明的基于图像识别的物体位移测量方法，通过相机对预设的靶标图像投射在被测物体进行两次拍照，接着利用物象之间的成像关系，将被测物体的相对位置关系转换到像像间的位移关系，通过对两幅图像的边缘检测、质心点提取及亚像素配准，精准算出图像间的空间关系矩阵，最后得到被测物体计的位移关系。由于图像识别的方法不仅不需要接触测量，而且具备准确的测量精度、测量方式简便高效，可以快速获得位移信息。[0053]在具体实施中，本发明还提供一种实施例的基于图像识别的物体位移测量装置，如图5所示，所述测量装置包括：[0054]获取模块50，用于基于预设的靶标图案，获取物体在第一位置的第一检测图像数
7
CN 107101584 A
说 明 书
5/7页
据和物体在第二位置的第二检测图像数据；[0055]边缘检测处理模块51，用于对第一检测图像数据和第二检测图像数据进行边缘检测处理，得到第一检测图像对应的第一边缘图数据和第二检测图像对应的第二边缘图数据；
[0056]定位模块52，用于根据第一检测图像对应的第一边缘图数据、第二检测图像对应的第二边缘图数据和亚像素质心法定位，得到第一检测图像对应的特征点集合和第二检测图像对应的特征点集合；[0057]第一处理模块53，用于根据第一检测图像对应的特征点集合和第二检测图像对应的特征点集合点，得到第一检测图像和第二检测图像的最佳投影关系矩阵；[0058]第二处理模块54，用于根据预设的相机焦距和相机物距以及第一检测图像和第二检测图像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离。[0059]在具体实施中，如图2所示通过将预设的靶标图像4投射到被测物体Object上，拍照装置1的光轴垂直于被测物体Object的物面拍照，得到第一检测图像Img1数据，当被测物体Object发生微小移动之后，此时预设的靶标图像4依旧投射到被测物体Object上拍照装置1的光轴垂直于被测物体Object的物面拍照，得到第二检测图像Img2数据。其中，如图3所示，拍摄到图像示意图。[0060]具体的，所述边缘检测处理具体包括：Canny边缘检测，也就是说，边缘检测处理模块51还用于：对第一检测图像Img1和第二检测图像Img2数据进行Canny边缘检测，得到第一检测图像对应的第一边缘图数据Img1_b和第二检测图像对应的第二边缘图数据Img2_b。其中，Canny边缘检测算法具体的实现步骤如下：将彩色图像转换为灰度图像；对灰度图像进行高斯模糊；计算图像梯度，根据梯度计算图像边缘幅值与角度；非最大信号压制处理(边缘细化)；双阈值边缘连接处理；二值化图像输出结果。[0061]在具体实施中，如图4所示通过像素质心法定位可以得到靶标图像的质心，由于每一个质心点都是对应图像的特征点，通过像素质心法定位对第一边缘图数据Img1_b得到第一检测图像的n个质心，即得到第一检测图像对应的特征点集合-Pt1{pt11,pt12,…,pt1n}，以及通过像素质心法定位对第二边缘图数据Img2_b得到第二检测图像的n个质心，即得到第二检测图像对应的特征点集合-Pt2{pt21,pt22,…,p2tn}。[0062]在具体实施中，所述第一检测图像对应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2中每个特征点的行坐标，即每个质心的行坐标采用如下公式表示：
[0063]
所述第一检测图像对应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2中每个特征点的列坐标，即每个质心的列坐标采用如下公式表示：
[0064]
[0065]
[0066]
其中，T设定的阈值，g(ui,vj)为图像g的第ui行、第vj列的像素灰度值，i表示图像
8
CN 107101584 A
说 明 书
6/7页
的行，取值范围为i1到i2，j表示图像的列，取值范围为j1到j2，图像g为待检测图像。[0067]由于待配准特征点拍摄的视角和光照条件不尽相同，第一检测图像和第二检测图像可能存在平移、旋转和缩放，为了提高测量的精度，采用亚像素扩展相关的配准算法，求解所述第一检测图像对应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2的空间关系矩阵。
[0068]在具体实施中，第一处理模块53还用于：
[0069]所述第一检测图像对应的特征点集合和第二检测图像对应的特征点集合中每个特征点的行坐标和列坐标，并利用相位相关的方法得到初始化投影关系矩阵；[0070]根据初始化投影关系矩阵，采用亚像素扩展相关的配准算法，对初始化投影关系矩阵进行求解以得到第一检测图像和第二检测图像的最佳投影关系矩阵。[0071]具体的，当两次拍照时，被测物体Object仅进行微小位移时，所述第一检测图像对应的特征点集合Pt1和第二检测图像对应的特征点集合Pt2对应的特征点满足以下的关系公式：
[0072]
[0073]
其中，(x1，y1)和(x2，y2)为两幅图像上对应的同名点；p为初始化投影关系矩阵，
dx为第一检测图像和第二检测图像的水平距离，dy为第一检测
图像和第二检测图像的垂直距离，θ为第一检测图像和第二检测图像的旋转角。
[0075]在具体实施中，所述根据相位相关法求解初始化投影关系矩阵，采用亚像素扩展相关的配准算法，对初始化投影关系矩阵进行求解以得到第一检测图像和第二检测图像的最佳投影关系矩阵，具体公式如下：
[0076][0077]
[0074]
其中，||·||表示欧式距离，ir为(pt11,pt12,…,pt1n)代表第一检测图像对应的
为iw(p)减
特征点集合构成的向量，为减去第一检测图像对应的特征点集合的算术平均值，iw(p)为(pt21,pt22,…,pt2n)，代表第二检测图像对应的特征点集合构成的向量，
去第二检测图像对应的特征点集合的算术平均值，p为初始化投影关系矩阵，也就是说，ir＝(pt11,pt12,...,pt1n)，iw(p)＝(pt21,pt22,...,pt2n)。[0078]具体的矢量的算数平均值为：集合各项的平均数。例如，(a1+a2+……an)/n为a1，a2，……，an的算术平均值。而最佳投影关系矩阵确定的过程是一个迭代求解的过程，首先利用相位相关法求解初始化投影关系矩阵p,然后将第一检测图像对应的特征点集合、第二检测图像对应的特征点集合对及初始化投影关系矩阵p带入到公式(4)中，求出一个两幅图像相似度的值，判断该值t是否小于给定的阈值T，如果小于，此时投影关系矩阵p就是最佳投影矩阵，迭代停止；如果不满足，更新投影关系矩阵pk+1＝pk+Δp,k表示迭代次数，p为待求关系矩阵，Δp为迭代步长，进行下一次迭代，直到两幅图像的相似性满足给定的阈值T。
9
CN 107101584 A[0079]
说 明 书
7/7页
在具体实施中，在已知焦距f和物距H的情形下，根据第一检测图像和第二检测图
像的最佳投影关系矩阵，得到物体在第一位置和物体在第二位置的相对距离：水平距离Dx＝dx/f*H，垂直距离Dy＝dy/f*H，角度为θ。
[0080]本发明的基于图像识别的物体位移测量装置，通过相机对预设的靶标图像投射在被测物体进行两次拍照，接着利用物象之间的成像关系，将被测物体的相对位置关系转换到像像间的位移关系，通过对两幅图像的边缘检测、质心点提取及亚像素配准，精准算出图像间的空间关系矩阵，最后得到被测物体计的位移关系。由于图像识别的方法不仅不需要接触测量，而且具备准确的测量精度、测量方式简便高效，可以快速获得位移信息。[0081]本发明还提供一种实施例的基于图像识别的物体位移测量系统，如图6所示，所述系统包括拍照装置1，光源2，分束镜3以及上述的基于图像识别的物体位移测量装置，所述分束镜3沿着所述光源2的光轴设置，预设的靶标图像4位于所述光源和分束镜之间以使将靶标图像投射到被测物体Object上，所述拍照装置1与所述物体位移测量装置连接且所述拍照装置1的光轴垂直于所述被测物体Object的物面。[0082]在具体实施中，以被测物体Object微小位移为例，采用自行设计的像元尺寸为7μm×7μm、有效像元为4098pixel×4098pixel，拍照装置1具体为：光学焦距f＝70mm小型面阵相机，安装在平移台上，相机离被测物体Object的距离为H＝2m。光源2采用溴钨灯，即采用溴钨灯为通过积分球照亮靶标进行照明、设计的靶标图像为圆形透光板；当被测物体Object没有移动时，拍摄得到第一检测图像Img1；当被测物体Object发生微小移动时，拍摄得到第二检测图像Img2；经过图像边缘检测、特征质心提取和亚像素配准得到两幅图像的平移量：dx＝10.25pixel，dy＝12.35pixel，旋转角度θ＝1.3度。最后根据相机的焦距和物距，可得被测物体的移动位移为：
[0083]Dx＝10.25*7*10-6*2/(70*10-3)＝2.05mm,Dy＝12.35*7*10-6*2/(70*10-3)＝2.47mm，以及旋转角度为1.3度。
[0084]本发明的基于图像识别的物体位移测量系统，通过相机对预设的靶标图像投射在被测物体进行两次拍照，接着利用物象之间的成像关系，将被测物体的相对位置关系转换到像像间的位移关系，通过对两幅图像的边缘检测、质心点提取及亚像素配准，精准算出图像间的空间关系矩阵，最后得到被测物体计的位移关系。由于图像识别的方法不仅不需要接触测量，而且具备准确的测量精度、测量方式简便高效，可以快速获得位移信息。[0085]上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
10
CN 107101584 A
说 明 书 附 图
1/4页
图1
图2
11
CN 107101584 A
说 明 书 附 图
2/4页
图3
图4
12
CN 107101584 A
说 明 书 附 图
3/4页
图5
13
CN 107101584 A
说 明 书 附 图
4/4页
图6
14
因篇幅问题不能全部显示，请点此查看更多更全内容