基于标准长度的立体视觉传感器结构参数的标定方法.ppt

三维机器视觉及其应用机器视觉双目被动视觉
结构光主动视觉
双目主动视觉
双目被动视觉双目被动视觉传感器数学模型结构光主动视觉双目主动视觉国内外研究热点标定点发生方法传统方法标定点是靠光平面与标准靶尺上的特征的边缘的交点提供的，因此，边缘的光反射会造成标定点提取的误差。
要保证标准靶尺与单向移动台的严格垂直。这在实际操作中很难做到，必然会引进由于不垂直所产生的误差。
要保证单向移动台的移动方向与激光面的法向垂直。这在实际操作中很难做到，必然会引进由单向移动台移动方向和激光面的夹角所产生的误差。
不能实现标定点图像位置的高精度提取。拉丝法标准量块法（或称为微分法）标准量块法与标准靶尺法相似，只不是用标准量块替代了标准靶尺。
单视觉传感器标定点发生方法双视觉传感器标定点发生方法传统方法双视觉传感器标定点发生方法标定点数据的全局统一安装偏角的测量方法人工神经网络BP神经网络RBF神经网络视觉检测网络模型将RBF神经网络应用于结构光三维视觉检测，建立起高精度的结构光三维双视觉检测的RBF网络模型。针对实际系统没有采用RBF网络的典型学习算法，而是提出一种改进算法，该算法映射精度高、健壮性好、收敛较快，更适用于神经网络技术的结构光三维多视觉检测系统。实验中利用该算法成功的建立起RBF视觉检测模型，该模型的测量精度和BP网络相比，提高了约一倍。在200mm的测量范围内网络的测试精度为0.084mm。
三维机器视觉应用三维曲面检测轿车白车身检测微小型飞行器昆虫运动仿生装配机器人导引谢谢！