机器视觉检测主要是通过采集待测物体的图像,对其进行特征提取和分析计算,从而实现对待测物体的检测和测量等功能。相机标定是实现机器视觉检测的基础,标定精度对整个检测系统的准确度有着重要影响。目前课题组针对曲面包装上的商品条码进行质量检测技术研究。由于待测物体为空间曲面结构,存在视觉畸变,目前尚无有效设备和技术可以完成检测,因此课题组采用双目视觉系统进行检测。根据双目图像之间的空间关系重构出平面的条码区域图像,然后进行特征提取和分析计算,从而完成条码质量检测。本文是课题研究的重要组成部分,任务是对双目视觉系统的标定方法进行研究,目的一是获取标定参数,确定图像与现实世界的转换关系,实现从图像中检测出实际数据;二是减少镜头畸变的影响,提高检测精度。本文主要工作包括以下四个部分:第一,构建双目视觉系统。结合待测目标的实际情况制定双目视觉系统的设计方案。完成左右相机的空间结构设计,并根据检测需求完成相机、镜头等硬件设备的选型,搭建双目视觉系统。第二,单目相机标定。根据采集窗口大小,设计合适尺寸的棋盘格标靶图像。首先使用采集装置分别获取左右目标靶图像。然后进行特征提取,设计基于图像形态学和最小凸包相结合的方法对棋盘格角点进行提取,并对角点坐标进行亚像素化处理。最后采用基于平面模板法的标定原理对单个相机完成标定,求得相机参数。第三,立体标定。根据左右相机坐标系的相对位置确定立体标定参数。计算出在空间中右相机相对于左相机的位姿,即获取两个相机之间的旋转矢量和平移矩阵。为后续完成曲面条码的三维重建提供计算依据。第四,误差分析与补偿。通过镜头径向畸变模型对采集图像的畸变进行矫正,利用角点的重投影误差构建优化函数,分别对左右相机标定参数进行优化。根据角点在左右图像上的图像坐标重建其三维坐标,以实际物理坐标和重建坐标之间的偏移量建立误差函数,对标定参数进行补偿。基于棋盘格角点行列保持线性一致的事实,统计重建角点的非线性偏移量,建立优化模型,进一步优化参数。本文在Visual Studio环境下进行设计开发,完成了双目相机的标定计算,将标定参数与条码的检测算法相结合。通过双目采集装置共采集了 600张标靶图像进行测试,将本文方法与传统方法设置对比实验。通过重投影误差和重建点偏移误差两方面对本文方法的精度进行评价,结果均优于传统方法,证明了本文设计的角点检测算法及对误差的分析补偿可有效提高双目相机标定精度。本文选取40个曲面商品外包装上的条码进行质量检测测试,结果表明,双目相机标定精度的提高可有效提高系统检测精度。