工件特征点三维坐标视觉测量方法综述

第8卷　第2期　

2

000年4月

光学　精密工程

O PT I CS AND PR EC IS I ON EN G I N EER I N G

Vol . 8, No . 2A p r. , 2000

文章编号　10042924X (2000) 0220192206

工件特征点三维坐标视觉测量方法综述

祝世平1, 强锡富2

(1. 北京航空航天大学第五研究室北京　100083;

2. 哈尔滨工业大学计算机科学与电气工程学院自动化测试与控制系, 黑龙江哈尔滨　150001)

摘要:针对工件上特征点的三维坐标视觉测量方法进行了综述, 其中包括结构光方法、激光自动聚焦法、双目视觉方法、三目视觉方法、单目视觉方法等。对每种方法的特点及其测量精度进行了详细的分析, 并介绍了目前的发展及应用现状。

关　键　词:特征点; 三维坐标测量; 计算机视觉中图分类号:

TB 92　　文献标识码:A

1　引　　言

　　基于计算机视觉方法的检测系统, 是指利用

CCD 摄像机作为图像传感器, 综合运用图像处理、精密测量等技术进行非接触二维或者三维坐标测量的检测系统。计算机视觉检测方法具有精度高、效率高、自动化程度高、造价较低等优点。用于三维场景信息获取的计算机视觉方法, 按照其测量过程中所采用照明方式的不同主要可以分为以下两大类:

1. 主动式方法:是指向被测物体发射可控制的光束, 然后拍摄光束在物体表面上所形成的图像, 通过几何关系计算出被测物体距离的方法。主要可以分为结构光方法和激光自动聚焦法两类。根据投影光束形态的不同, 结构光方法又可以分为光点式结构光方法、光条式结构光方法、光面式结构光方法等;

2. 被动式方法:是指不向被测物体发射可控

心之间的相对距离, 而且要求物体表面有一定的纹理; 利用遮挡的方法所获得的物体表面上的点与摄像机光学中心之间的距离信息只是“在…前面”、“在…后面”、“与…等距”等一些定性的描述; 目前利用光流和阴影的研究还很不成熟, 用于测量则误差较大。所以在实际的视觉检测中较少采用基于纹理、遮挡、光流以及阴影的四种方法, 因而下面的讨论就着重于在视觉检测系统中应用较多的主动式与被动式两种方法。

2　结构光方法

　　对于没有制作特征点的工件表面, 可以用结构光方法形成特征点。特别是对于平坦的、无明显灰度、纹理和形状变化的表面区域, 用结构光可形成明显的光条纹, 便于作图像分析和处理, 这一点对于较平坦表面工件的测量是相适应的。结构光方法还具有计算简单、测量精度较高的优点, 因而在实际视觉测量系统中被广泛使用。

结构光方法中由激光投射器和CCD 摄像机共同作为结构光图像传感器, 其测量过程主要包括两个步骤:

制的光束, 而根据直接拍摄的物体的图像进行距离测量的方法。主要可以分为双目视觉、三目视觉、单目视觉等方法。

另外, 在计算机视觉中用来求取距离的参数还很多, 例如纹理、遮挡、光流、阴影等。利用纹理

　　收稿日期:1999209220; 修订日期:1999211201

2

期　　　　　　　　　　　　　祝世平等:工件特征点三维坐标视觉测量方法综述　　　　　　　　　　　　　193

　　第一步:由激光投射器根据测量需要投射可控制的光点、光条或光面结构光到物体表面形成特征点, 并由CCD 摄像机拍摄图像;

第二步:按物体表面投射光图案的几何形态特征解释投影模式, 利用三角法测量原理可求得特征点与CCD 摄像机镜头主点之间的距离, 即特征点的深度信息。在标定出激光投射器和CCD 摄像机在世界坐标系中的空间方向、位置参数后, 即可求得特征点在世界坐标系中的三维坐标、下面分别对几种方法进行具体的分析。2. 1　光点式结构光方法

照明背景下提取反射回来的微弱激光信号[4]。

G . C . B ako s 等应用轮廓扫描法来克服测量中的“盲区”问题, 并建立了一个长距离、非接触、高精度结构光扫描测量系统, 在距被测物体约500mm 处测量精度为±0. 1mm [5]。

Sh in ich i T am u ra 等采用两个电流计和迭代

搜索法对三维激光扫描系统进行标定, 并建立了相应的误差模型。另外该系统采用沿X 和Y 两方向转动的平面反射镜反射激光光束使之投射到被测物体上, 以此获得足够强的激光信号, 使得即使在日光直射下也可以进行测量, 在1m 范围内其相对测量误差小于2%[6]2. 2, 但是采用线, , 而且通过简单的运算就能够进行图像匹配。文献[7]中利用双目视觉测量原理, 采用双光源光切法使整个被测物体均处于结构光场中, 从而减少测量“盲区”。另外采用步进电机带动旋转平台, 实现对第三维的扫描, 可以获取被测物体的全轮廓信息, 对实际物体的测量结果表明其相对误差平均值为±0. 2%[7]。

美国Percep tron 公司的D . Greer 和R .

“金标定靶”与“银标定靶”进行D ew ar 指出了利用

标定的困难, 并给出了结构光截面传感器的一种新的标定方法。采用四根半透明的弹性纤维细丝紧固在金属框架上形成四条空间分布呈L 型的平行线, 其与光截面相交时形成四个目标光点。测量出目标光点在摄像机坐标系中的三维坐标, 然后用电子经纬仪测量目标光点在经纬仪坐标系(相当于世界坐标系) 中的三维坐标, 这样即可求出由摄像机坐标系到世界坐标系的转换矩阵, 该方法简单实用, 提高了标定精度[8-9]。

T sugito M aruyam a 等将多光条方法和单光条方法结合起来, 减小了多光条方法的匹配难度。该方法用于电子元件生产线上机器人的手眼在线插拔系统, 在100mm ×100mm 范围内, 测量精度优于0. 2mm , 在500mm 深度范围内, 测量精度优于1mm , 测量20个位置所用时间为1. 2秒[10]。

K . A rak i 等采用位置敏感器件PSD 作为图像传感器, 用转镜实现光条在被测物体上的扫描, 在60c m 距离处相对测量误差为±0. 3%, 每幅图像获取与处理的时间为1 32秒[11]。

光条式结构光方法的一种变化形式是采用衍射光栅进行测距[12]。

在光点式结构光方法(激光三角法) 中, 激光器发出的光束投射到被测物体表面上产生一个光点, 光点的部分反射光通过摄像机镜头成像在位置敏感器件(PSD ) 或电荷耦合器件(CCD ) 上。, PSD 或CCD , 位置参PSD 器件或CCD 器件之间的相互方向、

数, 即可求出被测物面的移动距离。作为一种独具特色的非接触式测量方法, 它满足在线检测中快速、实时的要求。实用中采用较多的是激光单光点式单三角法测头[1], 例如在机器人手眼激光测距传感器中的应用[2]。

为了增大测量范围又不依赖于坐标测量机, 可以采用测量头固定而用光线扫描的双三角法装置进行三维曲面轮廓测量。两个CCD 摄像机分别与激光束构成一个单三角测量装置, 整体则构成对称的双三角测量装置。同时激光束通过扩束聚焦系统成为发散角较小的光束入射到多面体转镜上, 利用转镜的旋转实现激光束在被测物面垂直与水平两个方向上的扫描, 这样即可完成对整个三维轮廓表面的测量。其测量范围与摄像机镜头的焦距、被测物面对激光的漫反射程度等有关。根据该测量原理所研制的复杂曲面轮廓激光测量系统, 在1700mm ×1200mm ×200mm 测量范围内测量精度优于1mm , 提高CCD 摄像机的定位精度或缩小激光束的直径可以进一步提高测量精度[3]。

可以Kazuh iro Yo sh ida 研制的功率为1mW 、在室外对自然景物进行测量的激光测距系统, 在5m 范围内相对测量误差为2%。该系统由多个

(偶数) 摄像机和单激光束投射器所组成, 以减小

匹配错误的可能性。并通过延迟和微分的双信号提取方法, 以及脉冲相位微分法从很强的自然光

　8

卷19　　　　　　　　　　　　　　　　　　　　光学　精密工程　　　　　　　　　　　　　　　　　　　　4

2. 3　光面式结构光方法

由于光点式结构光方法或光条式结构光方法都需要进行连续扫描才能完成对整个表面的测量, 所以降低了测量效率。而如果将编码结构光(光栅式、网格式等) 投射到被测物体表面上则无须进行连续扫描测量。根据标定出的摄像机和光投射器的内部几何参数以及外部方向、位置参数和结构光的编码方式, 利用三角法即可测量出被测物体表面各点的三维坐标[13-14]。

S . R . Yee 采用具有容错机能的平面结构光编码方式对头像模型进行测量, 平均测量误差为0. 488mm , 标准差为0. 423mm [15]。P . K . Comm ean 和A . Godhw an l 采用圆环编码光和多视觉传感器方法对头像模型进行360°圆周测量, 测量误差的问题, (数据采集时间1s , 处间于2m in ) , 细结构设计方案以及摄像机和光投射器的标定方法。该系统在330mm 范围内测量误差小于0. 。

Z . Chen 等应用相互垂直网格的编码结构光测量半径35mm 、高度125mm 的圆柱体, 半径平均相对测量误差为4. 16%, 高度平均相对测量误差为3. 5%[18]。

M ino ru Ito 等提出了投射空间TCP (A T h ree 2L evel Checkerboard Pattern ) 模式编码光面的测量方法, 同时给出了摄像机和光投射器的快速、准确的标定方法。在距离摄像机0. 8m 处, 相对测量误差为0. 2%, 整个测量与标定工作所用时间为40秒[19]。

文献[20]中用于A udi 2100轿车白车身检测的在线视觉检测系统, 采用光条结构光法和网格结构光法分别构成轮廓传感器和表面传感器完成对车身侧围的测量, 取得了令人满意的结果。2. 4　采色结构光法

K . L . Boyer 等提出了基于彩色编码的光条25mm [16-17]

射器、快速响应的Z 轴伺服控制工作台以及安装在其上的高灵敏度位置敏感器件(PSD ) 聚焦探测装置所组成。测量时用PSD 聚焦探测装置拍摄光点图像并使之相对于光点始终处于聚焦位置, 即保持PSD 聚焦探测装置到光点的距离为常量, 并通过Z 轴伺服控制工作台的位移量反映到被测物体表面的高度变化。在与量块的比对测量中, 该系统在50mm 高度范围内测量精度为±4Λm , 标准偏差(Ρ) 为2Λm , 测量20, 000个点所需时间为20m in [22]

文献[23]中基于激光自动聚焦测量原理, 提式测头, 。测量Z 轴上, 采用模拟位置敏) 线路作为Z 轴伺服机构的误差传感器。CN C 控制系统每20毫秒检测一次激光测头的焦距变化, 并根据这一变化量控制Z 轴运动(自动聚焦) 使相敏检测器输出为零, 即始终保持测头与被测物体表面光斑的距离(焦距) 不变。应用该系统扫描测量一个Υ60mm 的标准球面, 测量精度为±6Λm , 标准偏差(Ρ) 为2Λm , 最大测量速度为3000点 m in , 适应被测面角度变化为0°～65°。此外, 该系统对四种汽车样车及其主模型进行了实测, 以较高的效率获得了满意的型面、轮廓线和特征线尺寸的测量结果, 满足了汽车制造业实际生产的需要。

4　双目视觉方法

　　双目视觉方法是人类获取距离信息的主要方式, 属于被动式的视觉方法。该方法根据立体视差进行测距, 所谓立体视差就是被测点在左、右摄像

δ和x δ机CCD 像面上成像点位置的差异。设x PL PR

分别是被测点在左、右摄像机CCD 像面坐标系中的X 轴坐标(坐标原点取为CCD 像面中心) , x δPL

δ+x PR 相当于P 点在左、右摄像机CCD 像面坐标系中X 方向的视差(设x δPL 和x δPR 均为标量) , b 表示左、右摄像机镜头中心之间的距离, v 表示像距, 则物距u 可由下式得到[24]

u =

x PL +x PR

结构光方法, 由于采用彩色结构光编码, 简化了编

码光的识别与匹配过程, 提高了测量效率和精度

[21]

。

3　激光自动聚焦法

　　T . A ku ta 等研制了新的采用自动调焦控制原理的三维形状测量系统, 该系统由激光光点投

(1)

双目视觉方法的测量过程可以分为如下几步:

1) 从左(或右) 图像中选出某些特征点;

2) 找出它在右(或左) 图像中的匹配点, 这个

2期　　　　　　　　　　　　　祝世平等:工件特征点三维坐标视觉测量方法综述　　　　　　　　　　　　　195

过程一般称为立体匹配;

3) 根据以上点对匹配关系, 就可以计算出匹配点在摄像机坐标系中的空间三维坐标;

4) 由于在第三步中只能计算出匹配点的三维坐标, 对于其它点则需要用插值的方法来获得。立体匹配问题始终是双目视觉测量的一个主要难点所在, 国内外众多学者对此进行深入而持久的研究, 提出了大量的匹配算法并进行了实验验证。例如利用外极线约束、相容性约束、唯一性约束、连续性约束、形状连续性约束、偏差梯度约束等约束条件减小匹配搜索范围和确定正确对应关系的原则, 以及很有影响和代表性的M PG 匹配方法和多通道结构匹配方法[25]。

M . H er m an 提出了多视点匹配算法, 首先利用局部性质进行初步匹配, 然后利用W 过程获得拓扑约束, ]J . Y . W eng (W FP ) 作为匹配特征, 采用适合于并行处理的神经网络方法进行匹配, 减少了匹配错误和迭代次数, 提高了匹配速度和准确度[27-28]。Y . N . Zhang 将分割和匹配两个相对独立的过程结合起来, 用分割技术减小匹配过程中的不确定性, 并以中间匹配结果帮助分割, 这样多次反复进行, 由粗取精, 最后再考虑各种约束条件进行全局匹配。该方法为将不同的视觉方法相结合而解决复杂、困难的匹配问题提供了一个有指导意义的研究方

[29]向。。

S . B . M arap ane 等提出的M PH 匹配算法, 基于多层次、多匹配特征元素并利用分级控制策略, 从而优于单层次、单匹配特征元素的匹配算法, 该

算法等。

目前也有不少实际应用的双目视觉测量系统, 例如Y . C . K i m 的双目视觉方法以零交叉点作为匹配特征, 采用松弛方法进行匹配, 经过4次迭代90%的点被匹配, 经过7次迭代98%的点被匹配, 在300c m 距离处测量误差为2. 6c m , 在700c m 距离处测量误差为31. 9c m [33]。

S . F . E l 2H ak i m 等给出了基于双目视觉原理的V C M 多视觉传感器三维坐标自动测量系统, 在30c m ×30c m ×20c m 的测量空间内其测量精

[34]

度为8Λm , 均方根误差(RM S ) 为13Λm 。鉴于立体匹配的复杂性, 可以利用双目影像, 35]。另外利用并行立体摄像, 通过求解系数由图像速度矩和两图像内坐标构成的线性系统方程式, 不需要知道左、右两幅图像流场间特征点与特征点的对应关系就可以求解物体的32D 运动参数[36]。

5　三目视觉方法

　　引入三目视觉方法的主要目的是为了增加几何约束条件, 减小双目视觉中立体匹配的困难, 但结构上的复杂性也引入了测量误差, 降低了测量效率, 所以在实际测量中应用较少[37-38]

。

6　单目视觉方法

　　单目视觉方法只采用一个摄像机, 所以结构简单, 相应的对摄像机的标定也较为简单, 同时避免了双目视觉中立体匹配的困难。单目视觉方法又可以分为聚焦法和离焦法:

1) 聚焦法:就是使摄像机相对于被测点处于聚焦位置, 然后根据透镜成像公式可求得被测点相对于摄像机的距离。摄像机偏离聚焦位置会带来测量误差, 寻求精确的聚焦位置是关键所在[39]。

2) 离焦法:这种方法不要求摄像机相对于被

测点处于聚焦位置, 而是根据标定出的离焦模型计算被测点相对于摄像机距离。这就避免了由于寻求精确的聚焦位置而降低测量效率的问题, 但离焦模型的准确标定是该方法的主要难点[40]。

算法的匹配正确率为85%～100%, 深度测量误差小于2%, 其标准差为1. 68%[30]; 类似地, S . D .

“区域”和“特征”作为匹配特征元Coch ran 等综合

素, 取得了96. 27%的匹配正确率[31]。

T . Kanade 等提出了基于自适应地选择模板窗口形状、大小的迭代匹配算法, 该算法为每一个像素选择一个窗口, 在视差估计不确定性最小的意义下, 通过对窗口内灰度以及视差变化的评价, 利用统计模型对窗口进行优化。该算法是完全局部化算法, 不包含全局优化, 相对于固定模板尺寸的算法具有灵活和自适应的优点[32]。

此外, 还有基于金字塔图像结构的匹配算法、多方向通道的立体匹配算法、基于小波变换相位基元的立体匹配算法、应用图像分形特征的匹配

参考文献:

[1]　张吉华等. 激光三角法轮廓测量[J ]. 天津大学学报, 1995, 28(2) :265-269.

[2]　王晓东. 空间机器人激光测距传感器系统的研制[D ]. 哈尔滨:哈尔滨工业大学博士学位论文:1995. [3]　唐朝伟等. 三维曲面激光精密测量技术[J ]. 计量学报, 1994, 15(2) :992103.

[4]　Yo sh ida K , et al . L aser T riangulati on R ange F inder A vailable U nder D irect Sunligh t [C ]. P roc . of the 1988IEEE

Internati onal Conf . on Robo tics and A uto 2m ati on , 1988:170221708.

[5]　Bako s G C , et a l . L ong distance non 2contact h igh p recisi on m easurem ents [J ].

E lectronics , 1993, 75(6) :126921279.

[6]　T am ura S , et al . E rro r co rrecti on in laser scanner th ree 2di m ensi onal m easurem ent by tw o 2axis model and coarse 2

fine param eter search [J ]. Pattern R ecogniti on , 1994, 27(3) :3312338.

[7]　陈伟民等. 双光源光切法三维轮廓测量的误差分析[J ]. 仪器仪表学报. 1996, 17(2) :1492153.

[8]　Greer D . O n 2L ine m ach ine visi on senso r m easurem ents in a coo rdinate system [C ]. P roc . of S M E Robo ts 12and

88, D etro it , M icigan , June 529, 1988, 1(5) :43250. V isi on ′

[9]　D ew ar R . Self 2generated targets fo r spatial calibrati on of 2t senso rs w ith respect to

it , M ich igan , June 529, 1988, 1an external coo rdinate system [C ]. P roc . of S M 12V isi (5) :13221.

[10]　M aruyam a T , . H 2ith m ensi onal visi on and m icrogri pper fo r handling flexible w ire

[J ]. M ach ine V ons , 1990, 3(4) :1892199.

[11]　A rak i K , et a l . h igh 2speed and continuous 3D m easurem ent system [J ]. M ach ine V isi on and A pp licati ons .

1995, 8(2) :79284.

[12]　D ew itt T D , et a l . R ange 2finding m ethod using diffracti on gratings [J ]. A pp lied Op tics , 1995, 34(14) :25012

2521.

[13]　Bhatnagar D , et al . Static scene analysis using structured ligh t [J ]. I m age and V isi on Computing , 1991, 9(2) :822

87.

[14]　M aruyam a M , et al . R ange sensing by p ro jecting m ulti p le slits w ith random cuts [J ]. IEEE T rans on Pattern

A nalysis and M ach ine Intelligence , 1993, 15(6) :6472651.

[15]　Yee S R , et a l . T h ree 2di m ensi onal i m aging system [J ]. Op tical Engineering , 1994, 33(6) :207022075.

[16]　Comm ean P K , et a l . Geom etric design of a m ultisenso r structured ligh t range digitizer [J ]. Op tical Engineering ,

1994, 33(4) :134921358.

[17]　Godhw anl A , et a l . Calibrati on of a m ultisenso r structured ligh t range scanner [J ]. Op tical Engineering , 1994,

33(4) :135921367.

[18]　Chen Z , et al . M easuring 32D locati on and shape param eters of cylinders by a spatial encoding technique [J ].

IEEE T rans . on Robo tics and A utom ati on , 1994, 10(5) :6322647.

[19]　Ito M , et al . A th ree 2level checkerboard pattern (TCP ) p ro jecti on m ethod fo r curved surface m easurem ent [J ].

Pattern R ecogniti on , 1995, 28(1) :27240.

[20]　Zou D H , et a l . Structured 2ligh ting surface senso r and its calibrati on [J ]. Op tical Engineering , 1995, 34(10) :

304023043.

[21]　Boyer K L , et al . Co lo r 2encoded structured ligh t fo r rap id active ranging [J ]. IEEE T rans . on Pattern A nalysis

and M ach ine Intelligence , 1987, 9(1) :14228.

[22]　A kuta T , et al . D evelopm ent of an autom atic 32D shape m easuing system using a new auto 2focusing m ethod [J ].

M eausrem ent , 1991, 9(3) :982103.

[23]　吴晓峰. 激光自动聚焦三维形状测量系统的研究[J ]. 仪器仪表学报. 1996, 17(2) :1292131.

[24]　Shan Y C , et al . A new technique to extract range info r m ati on from stereo i . on Pattern m ages [J ]. IEEE T rans

A nalysis and M ach ine Intelligence , 1989, 11(7) :7682773. [25]　吴立德. 计算机视觉[M ]. 上海:复旦大学出版社, 1993.

[26]　H er m an M . M atch ing th ree 2di m ensi onal sym bo lic descri p ti ons obtained from m ulti p le view s of a scene [C ]. IEEE

Computer Society Conf . Computer V isi on and Pattern R ecogniti on , 1985. 5852590. [27]　W eng J Y . A theo ry of i m age m atch ing [C ].

IEEE Computer Society Conf . Computer V isi on and Pattern

Internati onal Journal of

R ecgniti on . 1990. 2002209.

[28]　W eng J Y , et a l . M atch ing tw o perspective view s [J ].

Intelligence , 1992, 14(8) :8062825.

[29]　Zhang Y N . Integrati on of segm entati on and stereo m atch ing [C ]. P roc . SP IE , 1993, 2094:8482857.

[30]　M arapane S B , et a l . M ulti 2p ri m itive h ierarch ical (M PH ) stereo analysis [J ]. IEEE T rans . on Pattern A nalysis

and M ach ine Intelligence , 1994, 16(3) :2272240.

[31]　Coch ran S D , et al . 32. on Pattern A nalysis and D surface descri p ti on from binocular stereo [J ]. IEEE T rans

M ach ine Intelligence , 1992, 14(10) :9812994.

[32]　Kanade T , et al . A stereo m atch ing algo rithm w ith an adap tive w indow :T heo ry and Experi m ent [J ]. IEEE

T rans . on Pattern A nalysis and M ach ine Intelligence , 1994, 16(9) :9202932.

[33]　K i m Y C , et a l . Po siti oning th ree 2di m ensi onal objects using stereo i m ages [J ]. IEEE Journal of Robo tics and

A utom ati on , 1987, 3(4) :3612373.

[34]　EL 2H ak i m S F , et a l . T he V C M autom ated 32D m easurem ent system , theo ry , app licati on and perfo r m ance

evaluati on [C ]. P roc . SP IE , 1992, 1708:4602482.

[35]　林宗坚等. ]. , 1994, 19(1) :126. [36]　杨敬安. 由双目图像流无对应地估计32D 运动参数[J ]. , (11) :.

[37]　D hond U R , et a l . A Co st 2benefit of era r rrespondence [J ]. Internati onal Journal

of Computer V isi on , ) [38]　A yache N , et l . on fo r robo tics [J ].

Intelligence , (1) :73285.

[39]　Subbarao M , et a l . D ep th recovery from blurred edge [J ]. IEEE Computer Society Conf . Computer V isi on and

Pattern R ecogniti on , 1988:4982503.

[40]　Ens J , et al . A n investigati on of m ethods fo r deter m ining dep th from focus [J ].

A nalysis and M ach ine Intelligence , 1993, 15(2) :972108.

. on Pattern IEEE T rans

IEEE T rans . on Pattern A nalysis and M ach ine IEEE T rans . on Pattern A nalysis and M ach ine

Ana lysis of 3-D coord i na te v ision m ea sur i ng m ethods

w ith fea ture po i n ts on workp iece

12

ZHU Sh i 2p ing , Q I AN G X i 2fu

(1. T he 5th R esea rch U n it , B eij ing U n iversity of A eronau tics and A stronau tics , B eij ing 100083, Ch ina ;

2. D ep a rt m en t of A u to m a tic M easu re m en t &Con trol , S chool of Co m p u ter S cience and

E lectrica l E ng ineering , H a rbin Institu te of T echnology , H a rbin 150001, Ch ina )

Abstract :3D coo rdinate visi on m easu ring m ethods w ith featu re po in ts on w o rkp iece are dem on strated , such as structu red 2ligh t m ethod , laser au to 2focu sing m ethod , b inocu lar visi on m ethod , trinocu lar visi on m ethod , m onocu lar visi on m ethod , etc . T he characteristics and m easu ring p recisi on of each m ethod are analyzed in detial , m eanw h ile the p resen t developm en t and app licati on statu s are also in troduced .

Key words :featu re po in ts ; 32D coo rdinates m easu rem en t ; com pu ter visi on

作者简介:祝世平(19702) , 男, 陕西西安市人。分别于1991年和1994年在西安理工大学测试计量技术及仪器学科获得工学学士和硕士学位。1997年在哈尔滨工业大学精密仪器及机械学科获得工学博士学位。目前在北京航空航天大学“航空与宇航技术”博士后流动站从事博士后研究工作。主要研究领域为精密测试计量技术、计算机视觉在精密测量中的应用等。获得中国航空工业总公司部级科技进步二等奖一项(排名第三) , 发表论文二十余篇。