一种自主流动式三维形貌测量精度控制方法

摘要

本发明公开了一种自主流动式三维形貌测量精度控制方法，所述控制方法包括以下步骤：根据惯性测量传感器的误差特性与规律建立误差修正模型；以被测物的关键结构或点位所包含的先验特征信息建立约束，计算误差修正模型的最优估计值；利用各误差参数的最优估计值修正惯性测量传感器的累积误差，得到惯性信息的最优估计值。本发明在不引入其他测量信息的前提下，利用测量过程中的固有特征信息以及视觉测量高精度的特性，对惯性测量的累积误差进行修正，使自主流动式三维形貌测量方法满足精密测量的精度要求。

权利要求

1.一种自主流动式三维形貌测量精度控制方法，其特征在于，所述控制方法包括以下步骤：根据惯性测量传感器的误差特性与规律建立误差修正模型；

以被测物的关键结构或点位所包含的先验特征信息建立约束，计算误差修正模型的最优估计值；

利用各误差参数的最优估计值修正惯性测量传感器的累积误差，得到惯性信息的最优估计值；

所述以被测物的关键结构或点位所包含的先验特征信息建立约束，计算误差修正模型的最优估计值的步骤具体为：以惯性测量信息的最优解 为基准，比较惯性测量误差修正模型 与最优解 的差异，通过最优估计方法得到各误差参数的最优估计值；

其中，所述惯性测量信息的最优解 由以下步骤获取：控制由立体视觉传感器和惯性测量传感器组成的多元信息传感器连续测量被测物表面，通过图像匹配、立体重构得到在立体视觉传感器的坐标系下被测物表面全部点的集合A；

在集合A中识别并提取含有已知特征的点构成集合B；

根据全局时钟建立立体视觉传感器和惯性测量传感器的对应关系，得到集合B中的点对应的惯性测量信息利用集合B中的点修正惯性测量信息 的累积误差，得到惯性测量信息的最优解

说明书

一种自主流动式三维形貌测量精度控制方法

技术领域

[0001] 本发明涉及精密测量方法与技术领域，尤其涉及一种自主流动式三维形貌测量精度控制方法。

背景技术

[0002] 自主流动式三维形貌测量方法以线阵高速图像传感技术为基础，充分利用运动条件并结合惯性测量技术，在连续运动过程中进行流动式三维形貌测量，如车载隧道变形测量、铁路运行故障与缺陷检测等。该方法最突出的特点是采用惯性测量方法获取传感器的连续运动信息，从根本上改变了传统的三维形貌测量方法依赖外部测量逐次步进式的工作模式，实现了自主连续测量。

[0003] 发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

[0004] 惯性测量方法的主要缺点在于其误差随时间累计，长时间工作会引入较大误差。即使采用高性能的惯性测量器件，在长时间工作条件下也无法避免产生累积误差，经传播放大导致最终测量结果包含较大测量误差。

[0005] 因此，必须对惯性测量误差进行修正，才能充分发挥视觉测量高精度与惯性测量自主性的特点，体现自主流动式三维形貌测量方法的综合优势。

发明内容

[0006] 本发明提供了一种自主流动式三维形貌测量精度控制方法，本发明在不引入其他测量信息的前提下，利用测量过程中的固有特征信息以及视觉测量高精度的特性，对惯性测量的累积误差进行修正，使自主流动式三维形貌测量方法满足精密测量的精度要求，详见下文描述：

[0007] 一种自主流动式三维形貌测量精度控制方法，所述控制方法包括以下步骤：

[0008] 根据惯性测量传感器的误差特性与规律建立误差修正模型；

[0009] 以被测物的关键结构或点位所包含的先验特征信息建立约束，计算误差修正模型的最优估计值；

[0010] 利用各误差参数的最优估计值修正惯性测量传感器的累积误差，得到惯性信息的最优估计值。

[0011] 所述以被测物的关键结构或点位所包含的先验特征信息建立约束，计算误差修正模型的最优估计值的步骤具体为：

[0012] 以惯性测量信息的最优解 为基准，比较惯性测量误差修正模型 与最优解的差异，通过最优估计方法得到各误差参数的最优估计值。

[0013] 所述惯性测量信息的最优解 由以下步骤获取：

[0014] 控制由立体视觉传感器和惯性测量传感器组成的多元信息传感器连续测量被测物表面，通过图像匹配、立体重构得到在立体视觉传感器的坐标系下被测物表面全部点的集合A；

[0015] 在集合A中识别并提取含有已知特征的点构成集合B；

[0016] 根据全局时钟建立立体视觉传感器和惯性测量传感器的对应关系，得到集合B中的点对应的惯性测量信息

[0017] 利用集合B中的点修正惯性测量信息 的累积误差，得到惯性测量信息的最优解[0018] 本发明提供的技术方案的有益效果是：

[0019] 1、不需要外部测量信息，而是利用被测物表面固有特征等已知约束，通过信息融合的方法修正了惯性测量误差，有效控制自主流动式三维形貌测量的精度，使之满足精密测量的需求；

[0020] 2、本方法中视觉测量和惯性测量信息相互渗透，两者取长补短，达到性能互补的效果，形成两种方法均不具备的功能与精度；

[0021] 3、采用本方法对惯性测量误差进行修正后，对惯性测量传感器的自身精度要求显著降低。

附图说明

[0022] 图1为本发明提供的自主流动式三维形貌测量精度控制方法的流程图；

[0023] 图2为本发明提供的自主流动式三维形貌测量精度控制方法的示意图；

[0024] 图中：1：立体视觉传感器；2：惯性测量传感器；3：被测物表面所有点；4：包含的已知特征信息的点。

[0025] 图3为惯性测量误差修正的示意图。

[0026] 图中：5：包含惯性测量误差的测量结果；6：修正惯性测量误差后的测量结果。

具体实施方式

[0027] 为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

[0028] 实施例1

[0029] 一种自主流动式三维形貌测量精度控制方法，本发明实施例利用视觉测量与惯性测量两者误差性能互补的特点，采用数据融合方法将性能各异的两种测量信息有机结合，参见图1，该方法包括以下步骤：

[0030] 101：根据惯性测量传感器2的误差特性与规律建立误差修正模型；

[0031] 102：以被测物的关键结构或点位所包含的先验特征信息建立约束，计算误差修正模型的最优估计值；

[0032] 103：利用各误差参数的最优估计值修正惯性测量传感器2的累积误差，得到惯性信息的最优估计值，对测量结果进行误差修正与全局优化。

[0033] 其中，步骤102中的以被测物的关键结构或点位所包含的先验特征信息建立约束，计算误差修正模型的最优估计值的步骤具体为：

[0034] 以惯性测量信息的最优解 为基准，比较惯性测量误差修正模型 与最优解的差异，通过最优估计方法得到各误差参数的最优估计值。

[0035] 进一步地，惯性测量信息的最优解 由以下步骤获取：

[0036] 控制由立体视觉传感器和惯性测量传感器组成的多元信息传感器连续测量被测物表面，通过图像匹配、立体重构得到在立体视觉传感器的坐标系下被测物表面全部点的集合A；

[0037] 在集合A中识别并提取含有已知特征的点构成集合B；

[0038] 根据全局时钟建立立体视觉传感器和惯性测量传感器的对应关系，得到集合B中的点对应的惯性测量信息

[0039] 利用集合B中的点修正惯性测量信息 的累积误差，得到惯性测量信息的最优解[0040] 综上所述，本发明实施例在不引入其他测量信息的前提下，利用测量过程中的固有特征信息以及视觉测量高精度的特性，对惯性测量的累积误差进行修正，使自主流动式三维形貌测量方法满足精密测量的精度要求。

[0041] 实施例2

[0042] 下面结合图2和图3对实施例1中的方案进行详细介绍，详见下文描述：

[0043] 201：参见图2，基于线阵图像传感的立体视觉传感器1和惯性测量传感器2在全局时钟驱动下同步采集数据；

[0044] 具体实现时，测量前，预先标定得到立体视觉传感器1的参数、以及立体视觉传感器1和惯性测量传感器2的转换关系

[0045] 其中，立体视觉传感器1的参数包括：线阵相机的内参数和相机间的外方位参数。立体视觉传感器1和惯性测量传感器2的转换关系 具体为两者坐标系间的旋转矩阵和平移向量 其中，V表示立体视觉传感器1的坐标系，I表示惯性测量传感器2的坐标系；
C为转换关系；R为旋转矩阵；T为平移向量。

[0046] 202：控制由立体视觉传感器1和惯性测量传感器2组成的多元信息传感器连续测量被测物表面，通过图像匹配、立体重构得到在立体视觉传感器1的坐标系下被测物表面全部点的集合A；

[0047]

[0048] 其中， 为第n个时钟对应的在立体视觉传感器1的坐标系下的kn个点；n为全局时钟序号；kn为第n个时钟下的点的个数；N为总的时钟个数。

[0049] 203：在集合A中识别并提取球形目标表面的点构成集合B；

[0050] 其中，在被测物表面存在多个球形目标，如图2中4所示。以其中一个球形目标为例，半径为R，球心为O。在集合A中识别并提取该球形目标表面的点构成集合B；

[0051]

[0052] 其中， 为包含已知特征信息的时钟m对应的在立体视觉传感器1的坐标系下的km个点；M为包含已知特征信息的时钟总数；km为每个第m个时钟下的点的个数。

[0053] 204：根据全局时钟建立立体视觉传感器1和惯性测量传感器2的对应关系，得到集合B中的点对应的惯性测量信息

[0054] 由于该惯性测量信息 含有累计误差，经误差传递，最终测量结果也包含较大测量误差，如图3中5所示。

[0055] 因此，根据步骤203中描述的球形目标建立约束，对含有误差的惯性测量信息进行优化，建立目标函数：

[0056]

[0057] 其中， 为第m个时钟下惯性测量传感器2相对于初始状态的转换关系。

[0058] 利用最优化方法(例如：高斯牛顿法、L-M法等，该些方法为本领域公知的方法，本发明实施例对具体的求解方法和求解步骤不做赘述)求解该大型非线性方程组，得到惯性测量信息的最优解 及球心位置的最优解O*。

[0059] 其中，将惯性测量传感器2的输出 作为 的初值；球心O的初值通过集合B中的点进行空间球拟合得到或根据数模等其他参考信息直接确定，具体确定步骤为本领域技术人员所公知，本发明实施例对此不做赘述。

[0060] 205：根据惯性测量传感器2的误差特性与传播规律建立惯性测量误差修正模型，此处，采用15项主要误差；

[0061]

[0062] 其中，δ1,δ2,...δ15为惯性测量传感器2的主要误差项，具体误差项为本领域技术人员所公知，例如：δ1为俯仰角误差；δ2为横滚角误差本发明实施例对此不做赘述； 为的误差修正量。

[0063] 进一步地，惯性测量传感器2的误差特性与传播规律为本领域技术人员所公知，本发明实施例对此不做赘述。

[0064] 本发明实施例采用了15项主要误差为例进行说明，具体实现时，根据实际应用中的需要确定误差的数量，本发明实施例对此不做限制。

[0065] 206：步骤204和205本质上是两种不同原理、不同性质的测量方法对同一信息源作测量；

[0066] 因此，以步骤204中的惯性测量信息的最优解 为基准，比较 与 的差异，通过最优估计方法(例如：卡尔曼滤波等，该些方法为本领域公知的方法，本发明实施例对具体的求解方法和求解步骤不做赘述)得到各误差参数的最优估计值δ1*,δ2*,...δ15*。

[0067] 207：利用各误差参数的最优估计值修正惯性测量传感器2的累积误差，得到惯性信息的最优估计值。

[0068]

[0069] 进而得到点集A中全部点的最优估计值，如图3中6所示。

[0070] 其中， 为所有时钟下惯性测量传感器2相对于初始状态的转换关系； 为的误差修正量； 为 的最优估计值。

[0071] 本发明实施例仅以其中一个球形特征约束为例，实际应用时可以利用多种特征建立多个约束共同修正惯性测量误差。

[0072] 综上所述，本发明实施例在不引入其他测量信息的前提下，利用测量过程中的固有特征信息以及视觉测量高精度的特性，对惯性测量的累积误差进行修正，使自主流动式三维形貌测量方法满足精密测量的精度要求。

[0073] 本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

[0074] 本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0075] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。