线结构光标定方法综述 下载: 7851次
1 引言
线结构光测量是一种通过向物体表面投射线激光平面,从而获取该平面与待测物体表面交线处三维点坐标的技术。若增加第三轴运动信息将交线轮廓拼接,能够检测复杂物体表面的精准三维曲面轮廓。作为典型三维形貌测量技术[1]的一种,线结构光测量以其高速、高精度、抗干扰性强等优点得到了越来越广泛的应用,例如表面贴装技术(SMT)封装电路板的在线检测[2]、车门涂装瑕疵检测[3]以及鞋楦涂胶轮廓提取等[4]。
当前对线结构光测量技术的研究主要包括测量模型、光条中心提取和传感器标定。
测量模型的建立是传感器标定的基础。早期主要基于几何推导,模型中包含诸如基线长度、光平面夹角、光心位置等参数[5-7],对于模型的推导通常需要复杂的几何建模过程,这阻碍了技术的传播,同时几何推导中的近似过程还会引入累积误差,影响系统参数的高精度标定。后期发展出了利用单相机透视投影模型与光平面方程联立组成的线结构光传感器模型,简化了模型的表达,成为目前应用最广泛[8-10]的模型。另外,除了上述基于物理建模的“模型法”表达外,还发展了基于黑盒模型作为近似的“直接法”表达。如熊会元等[11-12]分别利用二元五次多项式和线性插值的方法拟合标定模型;Dipanda等[13]通过遗传算法来拟合标定模型;Feng等[14]应用反向传播(BP)神经网络进行模型拟合;Xie等[15]混合应用线性标定与BP神经网络算法进行模型标定。直接法具有模型简单,标定精度高等优点,适合小范围、高精度测量。
光条中心提取是影响传感器标定精度的另一重要因素,如何在不同照明光源、不同环境噪声及不同被测物表面的条件下实时稳定地提取光条中心是当前研究的重点。除了光条中心提取的稳定性和抗干扰性,高精度亚像素中心提取[16]的研究也是传感器精度研究的关键因素。杨建华等[17-18]归纳总结了目前线结构光光条中心的提取方法。
对于传感器标定,主要包括单相机透视模型标定和光平面方程标定两部分。目前,对于单相机透视模型的标定方法相对成熟[19],如Zhang[20]的方法解决了单相机的现场标定;张曦等[21]提出的基于虚拟立体靶标的标定方法提高了相机大视场高精度标定的性能。因此,传感器标定主要集中在光平面标定上,如何获取高精度控制点来拟合光平面成为线结构光传感器标定的关键问题。从20世纪80年代开始国内外学者对线结构光标定方法进行了深入的研究。如Dewar[22]提出的拉丝法和段发阶等[23]提出的齿型法利用精密机械机构的运动解决了控制点提取和光平面标定问题;Hyunh[24-25]利用三维靶标提出交比不变的标定方法来解决光平面标定。随着对标定方法进一步研究,发展了利用自由移动的平面靶标的标定方法[26]。此外,基于一维靶标[27]的标定方法进一步简化了标定过程,降低了标定成本。
近年来,线结构光传感器标定通过综合运用相机透视理论和标定靶物的几何约束,不断发展出新的方法,这些方法对标定过程中各个环节进行优化,提高了标定精度。如陈天飞等[28]提出了基于机器人的自标定方法,无需特制标定靶物,利用机器人自身的高精度运动构建附加约束,完成光平面标定;Liu等[29]提出的球型靶标,利用空间圆锥和空间球交会的方法进行光平面标定;而Wei等[30]提出的平行线靶标,利用已知等距平行线求取平面消隐线的原理完成光平面标定。
随着线结构光光平面标定方法多元化发展,国内外虽总结了传感器的性能指标[31],却缺乏对各种标定方法的系统性归纳和总结。鉴于标定方法在线结构光三维测量系统研究中的重大意义,本文对现有标定方法进行系统的归纳,系统概括了当前国内外光平面标定方法的研究现状和进展。首先总结了现有标定靶物,分别介绍了加工工艺、表面质量、标定特点等特性;其次,将现有光平面标定方法按照标定靶物与传感器的相对运动关系划分为三类,并进行了分析与比较;同时对现有标定精度的评定方法进行了归纳;最后,指出了线结构光传感器的发展趋势。
2 标定靶物
在线结构光传感器标定过程中,标定靶物的特点在很大程度上影响了标定方法的选用。首先,不同标定靶物外形提供的几何约束确定了不同的控制点提取方法;其次,标定靶物自身的制造精度和表面反光特性也直接影响传感器的标定精度。针对上述情况,参考国内外相关文献,归纳了常用线结构光传感器标定靶物的种类。如
由
表 1. 常用标定靶物列表
Table 1. List of commonly used calibration targets
|
除了标定靶物自身的特点外,标定靶物的加工工艺也是影响系统标定精度的重要因素。当前标定靶物的加工工艺主要包含机加工、光刻、打印和研磨4类。其中,常规的机加工精度约为0.02 mm,确保制造精度相对困难;光刻技术制造精度可达1 μm,是目前高精度视觉标定板常用的加工工艺;打印精度的衡量指标通常由分辨率DPI表示,选用高分辨率的打印机也可获得高精度的标定板;研磨技术通常用于制造各类量具,制造精度较高。
另外,靶物表面的反光特性也是影响标定精度的重要因素。漫反射表面对激光条的成像质量好。反之,高反光表面将给成像引入噪声,影响光条的高精度提取。常用的标定靶物制造材料为金属、玻璃和陶瓷。金属和玻璃属于高反光材质,通常在表面涂上一层显影剂来提高漫反射特性。由于磨砂材质的陶瓷本身具有漫反射特性,因此陶瓷也是常用的标定靶物材质。
3 光平面标定方法
光平面标定是结合标定靶物的几何约束和摄像机透视原理,获取线结构光模型中光平面方程参数的过程。
3.1 靶物与传感器位置关系固定不动的标定方法
靶物与传感器位置关系固定不动的标定方法标定过程简便,标定时利用靶物提供的三维约束,仅采集一次靶物图像,即可获得光平面拟合所需的若干非共线点。
Hyunh[24]和魏振忠等[25]分别于1999年和2005年提出了基于垂直平面靶标的标定方法。该方法将测量坐标系(MCS)建立在立体靶标上,因此根据交比不变原理[24]直接计算出控制点在靶标坐标系下的坐标。此外,由于该靶标的特殊外形,光条分别投射在两个互相垂直的平面上,使控制点满足光平面中的非共线点,从而采集一幅图像便可完成光平面方程的标定。该标定方法原理简单、易于实现,但由于高精度三维靶标制造难度高和光条投射存在遮挡等问题,该方法标定能力有限。魏振忠等[25]利用该方法获得的测量精度为0.145 mm。
为了避免高精度三维靶标的制造困难,2015年Liu[29]等提出利用球型靶标进行标定。由于标准球通常属于标准件,获得高精度低成本的球型靶标相对容易。在标定算法上分为两步:1) 将光条在球体表面投射的轮廓拟合为椭圆轮廓,根据文献[
36],结合相机中心,获得空间圆锥方程的显式方程
式中
3.2 靶物与传感器之间存在可控运动的标定方法
与利用高精度三维靶标的标定方法不同,标定靶物与传感器之间存在可控运动的标定方法利用高精度导轨或工业机器人来辅助提高传感器标定精度。根据可控运动的对象,可以分为基于靶物可控运动的标定和基于传感器可控运动的标定两种。
对于靶物可控运动的标定方法,主要利用高精度运动平台使标定靶物产生可控运动来简化控制点的提取难度,从而完成标定。该类方法中常见的靶物有锯齿块[11,23]、拉丝法[22]、线纹尺[32]等。2000年,段发阶等[23]提出利用锯齿块标定是此类标定方法中的典型代表。如
式中
尽管基于靶物可控运动的标定方法操作简单,但仍需要一个实际靶物进行标定。基于传感器可控运动的标定方法可以降低标定靶物的制造成本。典型算法是陈天飞等[28]在2012年提出的自标定方法,该方法利用工业机器人使传感器沿特定方向运动构建一个虚拟靶标,从而节省了加工靶物的成本。同时,由于该方法在标定过程中借助机器人运动,有利于传感器的大视场标定。该方法借助运动相对性,使传感器位于不同位置处拍摄的图像,产生等效于传感器在同一位置拍摄一个虚拟靶标的图像,通过虚拟靶标的建立来进行光平面的标定。另外,由于现代工业机器人技术的成熟发展,利用此类方法构件的虚拟靶标可以保证尺寸的稳定性和高精度。最终,利用这种方法获得的标定精度为0.0154 mm。
3.3 靶物与传感器之间可自由移动的标定方法
总体上来说,上述标定靶物与传感器相对位置关系固定或者存在可控运动的标定方法存在两个潜在问题:需要高精度运动机构或者需要高精度三维靶标。由于这两大限制,标定方法的可操作性降低。而标定靶物和传感器可自由移动的标定方法能够改善这一缺陷。在这类方法中,通常利用高精度打印或者光刻技术制成平面靶标或者一维靶标进行标定。与传统的机加工技术相比,打印或光刻技术可以获得精度更高更稳定的标定靶物。此外,该类方法在标定过程中将标定靶物自由移动,利用不同位置的多幅视图即可完成标定,适合现场标定。
3.3.1 基于平面靶标的标定
平面靶标易于制造,便于特征提取。基于平面靶标的标定方法着重使用的一种或多种透视投影性质相结合的形式完成标定。常用的透视投影原理有交比不变、光线交会、消隐点以及消隐线等。
Zhou等[26]和杨凯等[32]分别于2005年和2016年提出了基于交比不变性的平面靶标标定方法。在这类方法中,可以根据交比不变原理[20]获得控制点在靶标坐标系下的局部坐标。然而,仅仅一幅图像中获得的控制点坐标均位于同一直线上的共线点,无法满足光平面拟合的要求。因此,通过多次移动平面靶标获取多组非共线的控制点,最后利用刚体变换将局部坐标系下的控制点坐标统一到摄像机坐标系中,完成光平面标定。利用该方法,Zhou等[26]获得的均方根(RMS)误差为0.085 mm,杨凯等[32]获得的测量精度为0.09 mm。
除了交比不变,毕德学等[37]在2009年提出了基于物方光线会交原理的标定方法。该方法将每个控制点看作由相机中心出发过该控制点的射线与平面靶标平面方程的交点。首先,根据Zhang[20]的方法求出平面靶标平面在CCS下的方程;其次,利用图像点与相机中心的位置关系,可求出相机中心与控制点的射线方程;最后联立两式,获得控制点在CCS下的三维坐标。根据实验结果可知,毕德学等利用该方法获得光平面方程参数的平均误差小于5%。
消隐点是相机投影理论中特殊却很有用处的性质。Wei等[30]于2014年提出基于消隐线原理的方法进行光平面标定。如
第一阶段,获得光平面方程的方向矢量(
式中
在标定过程中,
第二阶段,标定光平面的距离参数
最后联立(4)式,由夹角
图 3. 平行线约束标定方法的原理图。(a)平面靶标图;(b)投影图像
Fig. 3. Diagram of calibration method based on parallel straight line constraint. (a) Planar target; (b) projected image
3.3.2 基于一维靶标的标定
基于一维靶标的标定方法是在平面靶标标定方法的基础上发展而来。通常,平面靶标加工尺寸受限于光刻机或打印机的加工范围,而一维靶标可以利用常规尺寸光刻机或打印机配合高精度一维运动平台获得,降低了制造难度。因此利用一维靶标的标定方法有利于大视场高精度的标定。
韩建栋等[38]在2009年提出了一种基于三点透视原理(P3P)的标定方法。如
同理,移动靶标置若干位置,获得若干控制点,完成光平面标定。该方法的RMS低于0.24 mm。
与上述基于P3P的标定方法不同,周富强等[27]于2010年提出了利用消隐点原理标定方法。该方法中一维靶标为一维等距排布的八个圆形特征点。该方法首先根据消隐点原理,计算了一维靶标直线在相机坐标系CCS中的方向矢量
式中
图 4. P3P示意图。(a)光平面标定示意图;(b)标定点的平面几何模型
Fig. 4. Diagram of P3P. (a) Schematic of light plane calibration; (b) plane geometric model of point
结合靶标直线的方向矢量和初始点坐标,得到一维靶标在相机坐标系下的方程空间直线方程为
最后,利用一维射影变换将光条投影线与一维直线投影线交点与初始点的像素距离,映射得到空间距离,作为
4 标定精度评定方法
标定精度的评定方法是检验标定方法有效性和准确性的重要手段。与传统机械加工中采用检具、量具或三坐标测量机等测量评定方法不同,线结构光测量技术属于非接触式测量方法,无法直接应用传统测量方法进行标定精度的评定。目前线结构光测量尚无相应的国际标准[39],事实上各科研机构、企业单位多采用各自内部的评价方法来进行标定精度的研究。针对上述情况,参考现有国内外有关文献,系统总结了现有线结构光三维测量中常用的标定精度评定方法。
在实际标定精度验证中,与下面的分论述不符。所举例多使用单一标定指标。例如,Yang等[43]采用了光平面内分离精度和曲面重建精度;Depiero等[44]主要采用光平面分离精度作为标定精度的评价指标来进行;Lavrinov等[45]利用了重复性精度来进行评定;Yang等[46]采用光平面内复合精度来进行评价;Wei等[47]采用光平面内符合精度来进行评价;Huang等[48]采用重复性精度来进行评价的。
综上所述,建立统一的标定精度评定方法有利于线结构光传感器标定方法精度的评定和不同标定方法性能的比较。鉴于目前尚无相应的国际标准,未来关于标定精度评定方法的标准化研究将会是线结构光传感器的一个发展方向。
表 2. 常用线结构光标定精度评价方法
Table 2. Evaluation of calibration accuracy of commonly used line structured light
|
5 线结构光传感器的技术发展方向
5.1 自扫描机构的应用
随着线结构光技术的成熟,线结构光技术的集成应用逐渐成为焦点。近年来,在激光光路上增加震镜机构的自扫描式线结构光扫描仪得到发展。区别与传统线结构光扫描系统,自扫描式线结构光自身增加了震镜机构,增加了系统自身的运动能力,扩展了系统的测量范围。解则晓等[49]针对自扫描式线结构光标定方法进行了研究,着重对震镜坐标系与相机坐标系的对应关系进行了研究。此外,解则晓等[50]还将其运用到工业机器人视觉引导的定位系统中,利用自扫描线结构光的静态扫描能力,完成目标物体三维姿态的定位。未来针对静态三维扫描仪的场景,自扫描式线结构光还将有更加广阔的应用前景。
5.2 线结构光扫描仪的水下标定
近年来,随着一些水下特殊测量需求的产生,比如核电站铀燃料棒的非接触式检测,深海河床的高精度扫描等,线结构光的水下标定逐渐成为研究热点。水密度产生的折射率差异,水对于光线的吸光特性等均对线结构光的标定精度产生影响,这些问题的解决是线结构光扫描仪未来的发展方向。
此外,线结构光标定参数的全局优化[41,51]及标定精度评定方法的标准化等使传感器性能更稳定、精度更高的传统研究,仍是值得研究的领域。
6 结论
经过几十年的发展,线结构光标定方法得到了广泛的应用并取得了很多成果,但目前对不同的标定方法间仍缺乏统一归纳。针对线结构光标定方法的综述,重点分析了标定方法中标定靶物、光平面标定方法以及标定精度评定方法。通过对标定靶物的总结,为标定靶物的选型和标定方法的选用提供参考;对现有光平面方法按照标定时靶物与传感器之间的相对运动关系进行了系统的划分,为目前光平面方法的分类提供依据;总结了标定精度的评定方法及特点,最后指出对自扫描机构的运用、水下标定是线结构光传感器的发展新趋势。
[2] 何荣芳, 孙长库, 王鹏, 等. SMT封装电路板三维在线检测技术[J]. 传感技术学报, 2015, 28(2): 290-296.
He R F, Sun C K, Wang P, et al. Three-dimensional online inspection technique for SMT packaging circuit board[J]. Chinese Journal of Sensors and Actuators, 2015, 28(2): 290-296.
[3] 王以忠, 哈维皓, 王燕, 等. 基于线结构光的汽车涂装瑕疵检测的研究[J]. 仪器仪表用户, 2010, 17(5): 7-8.
Wang Y Z, Ha W H, Wang Y, et al. Study on defect inspection of car painting based on line structured light[J]. Electronic Instrumentation Customers, 2010, 17(5): 7-8.
[4] 武传宇, 贺磊盈, 李秦川, 等. 鞋底曲面数据提取与喷胶轨迹的自动生成方法[J]. 机械工程学报, 2008, 44(8): 85-89, 96.
Wu C Y, He L Y, Li Q C, et al. Method for extraction of information of shoe upper and for automatic generation of spraying trajectory[J]. Chinese Journal of Mechanical Engineering, 2008, 44(8): 85-89, 96.
[5] 肖海, 罗明, 王春和, 等. 用“消隐点”法标定线结构光三维视觉传感器[J]. 光电工程, 1996, 23(3): 54-59.
Xiao H, Luo M, Wang C H, et al. A line structured-light 3D visual sensor calibration by vanishing point method[J]. Opto-Electronic Engineering, 1996, 23(3): 54-59.
[6] 尤政, 胡庆英, 罗维国, 等. 结构光传感器的成像分析及其数学模型[J]. 宇航计测技术, 1997, 17(4): 5-8, 12.
You Z, Hu Q Y, Luo W G, et al. Analysis of image formation and its mathematical model I a structural light sensor[J]. Journal of Astronautic Metrology and Measurement, 1997, 17(4): 5-8, 12.
[7] 贺忠海, 王宝光. 线结构光传感器的模型及成像公式[J]. 光学精密工程, 2001, 9(3): 269-272.
He Z H, Wang B G. Model and imaging formula of the line structured light sensor[J]. Optics and Precision Engineering, 2001, 9(3): 269-272.
[8] McIvor AM. Calibration of a laser stripe profiler[C]// Proceeding of the Second International Conference on 3D Digital Imaging and Modeling, 1999: 92- 98.
[11] 熊会元, 宗志坚, 许铀. 线结构光视觉传感器直接标定方法[J]. 传感器与微系统, 2009, 28(3): 38-41.
Xiong H Y, Zong Z J, Xu Y. Direct calibration method of structured light stripe visual sensor[J]. Transducer and Microsystem Technologies, 2009, 28(3): 38-41.
[12] 邹媛媛, 赵明扬, 张雷. 基于量块的线结构光视觉传感器直接标定方法[J]. 中国激光, 2014, 41(11): 1108002.
[15] XieK, Liu WY, Pu ZB. The hybrid calibration of linear structured light system[C]. Proceeding of the 2006 IEEE International Conference on Automation Science and Engineering, 2006: 611- 614.
[16] 江永付, 江开勇, 林俊义. 线结构光光条中心亚像素精确提取方法[J]. 激光与光电子学进展, 2015, 52(7): 071502.
[17] 杨建华, 杨雪荣, 成思源, 等. 线结构光三维视觉测量中光条纹中心提取综述[J]. 广东工业大学学报, 2014, 31(1): 74-78.
Yang J H, Yang X R, Cheng S Y, et al. Review of extracting the centers of linear structured light stripes for 3D visual measurements[J]. Journal of Guangdong University of Technology, 2014, 31(1): 74-78.
[18] 李莹莹, 张志毅, 袁林. 线结构光光条中心提取综述[J]. 激光与光电子学进展, 2013, 50(10): 100002.
[20] Zhang Z. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(11): 1330-1334.
[21] 张曦, 程东勤, 李伟. 构建虚拟立体靶标的大视场高精度视觉标定[J]. 光学精密工程, 2017, 25(4): 359-367.
Zhang X, Cheng D Q, Li W. High precision calibration of vision measurement system in large FOV based on virtual 3D target[J]. Optics and Precision Engineering, 2017, 25(4): 359-367.
[23] 段发阶, 刘凤梅, 叶声华. 一种新型线结构光传感器结构参数标定方法[J]. 仪器仪表学报, 2000, 21(1): 108-110.
Duan F J, Liu F M, Ye S H. A new accurate method for the calibration of line structured light sensor[J]. Chinese Journal of Scientific Instrument, 2000, 21(1): 108-110.
[25] 魏振忠, 张广军, 徐园. 一种线结构光视觉传感器标定方法[J]. 机械工程学报, 2005, 41(2): 210-214.
Wei Z Z, Zhang G J, Xu Y. Calibration approach for structured-light-stripe vision sensor[J]. Chinese Journal of Mechanical Engineering, 2005, 41(2): 210-214.
[27] 周富强, 蔡斐华. 基于一维靶标的结构光视觉传感器标定[J]. 机械工程学报, 2010, 46(18): 7-12.
Zhou F Q, Cai F H. Calibrating structured-light vision sensor with one-dimensional target[J]. Chinese Journal of Mechanical Engineering, 2010, 46(18): 7-12.
[28] 陈天飞, 马孜, 吴翔. 基于主动视觉标定线结构光传感器中的光平面[J]. 光学精密工程, 2012, 20(2): 256-263.
[32] 杨凯, 余厚云, 杨超. 基于自由靶标的线结构光视觉测量系统标定研究[J]. 机电工程, 2016, 33(9): 1066-1070.
Yang K, Yu H Y, Yang C. Calibration of line structured-light vision measurement system based on free-target[J]. Journal of Mechanical & Electrical Engineering, 2016, 33(9): 1066-1070.
[33] 邾继贵, 李艳军, 叶声华. 基于共面标定参照物的线结构光传感器快速标定方法[J]. 中国机械工程, 2006, 17(2): 183-186.
Zhu J G, Li Y J, Ye S H. A speedy method for the calibration of line structured light sensor based on coplanar reference target[J]. China Mechanical Engineering, 2006, 17(2): 183-186.
[34] 陈新禹, 马孜, 陈天飞. 线结构光传感器模型的简易标定[J]. 光学精密工程, 2012, 20(11): 2345-2352.
[35] 邝泳聪, 崔亮纯. 基于线纹尺的线结构光视觉传感器标定新方法[J]. 华南理工大学学报(自然科学版), 2016, 44(1): 71-77.
Kuang Y C, Cui L C. A new calibration method for line-structured light vision sensor based on linear scale[J]. Journal of South China University of Technology(Natural Science Edition), 2016, 44(1): 71-77.
[36] HarleyR, ZissermanA. Multiple view geometry in computer vision[M]. Cambridge: Cambridge University Press, 2004.
[37] 毕德学, 刘方滔, 薛强, 等. 基于激光交线的结构光视觉传感器现场标定新方法[J]. 仪器仪表学报, 2009, 30(8): 1697-1701.
Bi D X, Liu F T, Xue Q, et al. New structured light vision sensor field calibration approach based on laser intersection lines[J]. Chinese Journal of Scientific Instrument, 2009, 30(8): 1697-1701.
[38] 韩建栋, 吕乃光, 董明利, 等. 线结构光传感系统的快速标定方法[J]. 光学精密工程, 2009, 17(5): 958-963.
[40] 王金桥, 段发阶, 伯恩, 等. 线结构光扫描传感器结构参数一体化标定[J]. 传感技术学报, 2014, 27(9): 1196-1201.
Wang J Q, Duan F J, Bo E, et al. Calibration of line structured light scanning sensor structure parameter integration[J]. Chinese Journal of Sensors and Actuators, 2014, 27(9): 1196-1201.
[41] 解则晓, 刘静晓. 超大尺度线结构光传感器现场标定技术[J]. 中国激光, 2015, 42(12): 1214001.
[42] 魏一, 刘彦呈, 张银东, 等. 基于平面标靶的线结构光参数一体标定算法[J]. 光电子·激光, 2013, 24(8): 1557-1562.
Wei Y, Liu Y C, Zhang Y D, et al. Line structured light parameter calibration based on planar target[J]. Journal of Optoelectronics·Laser, 2013, 24(8): 1557-1562.
[45] Larvinov DS, Khorkin AI. Problems of internal calibration of precision laser triangulation 2D scanners[C]. International Conference on Industrial Engineering, Applications and Manufacturing, 2016: 1- 4.
[47] Wei ZZ, XieM, Zhang GJ. Calibration method for line structured light vision sensor based on vanish points and lines[C]. 20th International Conference on Pattern Recognition, 2010: 798- 891.
[48] Huang YG, Li XH, Chen PF. Calibration method for line-structured light multi-vision sensor based on combined target[J]. Eurasip Journal on Wireless Communications and Networking, 2013( 1): 92.
[49] 解则晓, 迟书凯, 王晓敏, 等. 基于共面法的结构光自扫描测量系统参数标定方法[J]. 中国激光, 2016, 43(3): 0308003.
[50] 解则晓, 陈文柱, 迟书凯, 等. 基于结构光视觉引导的工业机器人定位系统[J]. 光学学报, 2016, 36(10): 1015001.
[51] 陈天飞, 赵吉宾, 吴翔. 基于共面靶标的线结构光传感器标定新方法[J]. 光学学报, 2015, 35(1): 0112004.
Article Outline
张曦, 张健. 线结构光标定方法综述[J]. 激光与光电子学进展, 2018, 55(2): 020001. Xi Zhang, Jian Zhang. Summary on Calibration Method of Line-Structured Light[J]. Laser & Optoelectronics Progress, 2018, 55(2): 020001.