一种简化的线扫相机单维度标定法

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

线扫相机精度高、速度快、抗干扰能力强，适用于连续性产品的在线检测。针对产品的测量，要获得产品边界的精确坐标，需对检测目标进行图像坐标系u-v到世界坐标系x-y-z的转化，如下图所示：

图 1 相机成像分布示意图

目前相机的标定主要有Tsai标定法和张氏标定法，这两种方法需要拍摄若干角度的标定板图像，然后按照转换矩阵求相机的内参和外参。而线扫相机成像时需要拍摄物有相对运动，高精度的标定板很难保证运动速度与采集速度的统一，标定板图像采集很困难，且大多数的工业检测项目，需要到现场再安装相机，且检测面并不一定是一个平面，根本无法在现场进行标定。

目前对线扫相机的标定，主要有构建标定面法和虚拟靶标方法，均需要通过两个维度的空间坐标来确定标定参数。其实，根据实际项目的检测需求和线扫相机的特点，我们更关心的是一个维度（X方向）的尺寸，不需要对空间点进行求取，基于此可以大大简化标定方法。

本文主要分以下几个部分来阐述：1、需要准备的工具；2、标定流程及测试数据；3、代码实现

一需要准备的工具

标定之前，我们需要准备：菲林片和自己开发的标定软件。其中菲林片就是我们自己定制的标定工具，如下图所示：黑白相间且等距（10mm，工艺误差在0.04mm以内）

这种设计，也是多次改进后的版本，可能有些人会比较疑惑为什么黑白条纹不是完全平行的，而是上下跳跃的。这么设计主要是为了便于现场调整相机的水平度，如下图所示：只有相机的采集点调整在红色线的位置时，才能够完整的拍出黑白相间的条纹，否则会有采集不到的条纹。

 调整好后采集效果如下图所示：

二标定流程及测试数据

测试数据如下：

1）标尺的各个单位对应的像素数（10mm）

2）中间数据的线性拟合

3）所有数据的非线性拟合

4）实际产品测试

三代码实现

整体原理比较简单，核心算法就是最小二乘法的实现，halcon版本代码如下：

重磅！3DCVer-学术论文写作投稿 交流群已成立

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近1000+星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款 圈里有高质量教程资料、可答疑解惑、助你高效解决问题