首发：3D视觉工坊微信公众号
作者：白杨
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：
本文仅做学术分享，如有侵权，请联系删文。
推荐阅读
重点介绍：1、3D视觉算法；2、vslam算法;3、图像处理；4、深度学习;5、自动驾驶;6、技术干货。 博主及合伙人分别来国内自知名大厂、海康研究院，深研3D视觉、深度学习、图像处理、自动驾驶、目标检测、VSLAM算法等领域。
欢迎关注微信公众号
