吴亚帅,刘新妹,殷俊龄,高志亨

(中北大学 电子测试技术国家重点实验室,太原 030051)

机器视觉被广泛地应用于自动化检测和测量的视觉系统中[1].在实际应用中,精密度的局限性会导致机器视觉系统采集的图像产生各种畸变,例如径向畸变、透视畸变等[2],随着成像设备制造技术的不断提高,数字图像的分辨率越来越高,图像的畸变在检测中不容忽视,必须对其进行矫正[3].图像畸变矫正技术的研究主要有两个方面:光学机械设计上的矫正和数字图像处理上的矫正[4].利用光学和机械结构对镜头进行矫正存在诸多局限性,如高精度的光学图像采集镜头价格昂贵、结构设计较为复杂等[5],因此采用数字图像处理技术对畸变进行矫正已成为目前研究的主要方向.

在图像畸变矫正理论中,畸变模型的确立是畸变矫正的理论基础,也是相机标定的主要内容,而对于参考模型的选取将直接影响到畸变图像矫正的效果[6].目前在研究中的畸变模型各有优缺点,比如Fitzgibbon模型[7]包含未知参数少,计算量小但精度不高;Brown模型[8]和Heikkila 模型[9]较复杂,虽可以较好的提高图像矫正精度,但算法计算的复杂性与工作量也成倍增加[10].因此,需要根据实际情况合理规划建立摄像头的畸变模型,达到实验设计目的.

目前常用的软件开发平台有:HALCON、Vision Pro、OpenCV 和LabView 等[11].其中LabView 采用图形化编程方式,软件开发周期短,特别适合工控及自动化测试场合,能够快速完成视觉系统的模型建立,提……