结合计算机视觉、光学工程、自动控制原理等相关知识，利用工业相机、线激光光源、步进电机等硬件，构建半自动/自动的激光3D扫描系统，完成对目标表面形貌的3D扫描，实现3D重构。

1. 器材准备：工业相机、激光器、标定板、旋转平台、STM32、扫描物体

2. 环境搭建：固定相机、激光器、旋转平台的相对位置呈30°、60°、90°直角三角形，且始终保持不变

3. 软件支持：MATLAB Image Acquisition Tool及对应的adaptor、MATLAB Camera Calibration Toolbox、MindVision软件

   Quick Start

• 拍摄无激光照射下标定板图像

  工业相机通过USB接口连接到装有驱动的电脑中，通过MindVision软件控制工业相机，设置相机参数（调整合适焦距，保持正常亮度、曝光度），拍摄无激光照射下的标定板图像。需要拍摄正常、左偏、右偏、上偏、下偏、远、近共7张图片，并保存在本地。

  驱动软件下载地址：http://www.mindvision.com.cn/rjxz/list_12.aspx?lcid=138

• 拍摄有激光照射下标定板图像

  使用MindVision软件拍摄使用有激光照射下棋盘格（标定板）图片，要求相机、激光器位置不变，标定板的七个位置也与无激光标定时的相同，激光面竖直打在标定板上。改变曝光时间的大小，确保激光照射下白色格子的激光线不能太粗，使得图像中的激光线尽可能最细又能够辨认，便于之后确定一条单一直线。

• 使用 MATLAB 的Camera Calibration Toolbox进行相机标定。

  下载MATLAB的Camera Calibration Toolbox

  下载地址：http://www.vision.caltech.edu/bouguetj/calib_doc/index.html#links

  进入到存放无激光标定板图像的文件夹目录下（no laser images文件夹），在MATLAB命令行输入calib，选择Standard模式，依次点击Image names，Read images，Extract grid corners，Calibration，Show Extrinsic，Save，Show calib results。

  标定结果保存在Calib_Results.mat和Calib_Results.m中。

  详细教程可参考：使用MATLAB Toolbox_calib进行相机标定方法-百度经验

• 图像去畸变（image.bmp → image_rect.bmp）

  将标定结果文件Calib_Results.mat复制到存放有激光标定板图像的文件夹目录下（laser images文件夹），进入该文件夹目录下，在MATLAB命令行输入calib，选择Standard模式，点击Load加载Calib_Results.mat，点击Image names输入图像头文字，点击Read images读取所有图像，点击Undistort image去畸变并导出去畸变完成后的图像。

• 把去畸变的图片进行mask操作（image_rect.bmp → image_mask.bmp）

  mask步骤可有可无，根据实际情况做选择。

  若有激光照射时的标定板图像标定板外有较明显的激光噪点，需进行mask操作，保证激光线只存在于标定板上，否则也可以不做mask。

  % 实现输入mask的坐标范围（0, y_min, 0, y_max），能够生成mask矩阵。
  % mask矩阵大小与图像大小相同（1280 * 1024）
  % mask矩阵在确定的mask区域内的值全为1，区域外的值全为0。
  % img_num 需要处理的图像的数量
  % output_file_name 保存的图像的文件名
  make_mask_new(y_min,y_max,img_num,output_file_name)

• 二值化操作

  % threshold 阈值大小
  % input_num 处理数据的组数
  % input_file_path 输入mat文件路径
  % output_file_path 输出的mat文件路径
  image_thresh(threshold, input_num, input_file_path, output_file_path)

• 灰度归一化取平均（u取小数）得到(u, v)点

  % input_num 处理数据的组数
  % input_file_path 输入的mat文件路径
  % output_file_path 输出的mat文件路径
  image_thresh_average(input_num, input_file_path, output_file_path)

• 计算世界坐标系下的坐标点

  % input_num: 处理数据的组数
  % calib_file_path: Calib_Results.mat文件的路径
  % u_v_results_file_path: 存储u,v点的坐标mat路径
  % output_file_path: 输出的mat文件路径
  calc_world_coordinate(input_num, calib_file_path, u_v_results_file_path, output_file_path)

• 计算相机坐标系下的坐标点

  % input_num: 处理数据的数量
  % calib_file_path: Calib_Results.mat文件的路径
  % w_c_results_file_path: 相机坐标系下的坐标点
  % output_file_path: 输出文件的名称
  calc_camera_coordinate(input_num, calib_file_path, w_c_results_file_path, output_file_path)

• 获取所有的相机坐标系下的坐标点

  % input_num: 拍摄的图片数量
  % result_file_path: 保存相机坐标系下的 x' y' z'的mat文件 
  [X, Y, Z]  = get_all_camera_coordinate(input_num, results_file_path)

• 使用Curve Fitting 工具箱进行激光平面拟合，并Generate Code保存为createFit.m，并保存为.fig文件（需要做axis equal处理）

  

  

• 拍摄无激光照射下的标定板图像

  需要拍摄正位置1张、不同角度左偏3张、不同角度右偏3张共7张图片（位置如下图所示），保持正常亮度、曝光度，并保存在本地。

• 使用 MATLAB 的Camera Calibration Toolbox获取外参三维图像。

  进入到上一步存放无激光标定板图像的文件夹目录下（no laser images文件夹），在MATLAB命令行输入calib，选择Standard模式，依次点击Image names，Read images，Extract grid corners，Show Extrinsic。将show出来的图像以fig格式保存。

• 获取标定板格点三维坐标

  打开上一步保存的fig图像，进入到camera-centered、remove camera reference frame模式，点击窗口中的数据游标按钮，然后在每块标定板的同一高度左右两边各取一个格点，鼠标点击格点即可获取坐标值，取多个高度，记录所有取的点的坐标值。如下图所示，圆圈圈出来的就是所取的格点。

  

• 获取同一高度下的所有坐标

  % points_nums: 输入文件中每组的坐标数量
  % same_height_nums 同一高度的坐标点的数量
  % c_c_results_file_path: camera_coordinate_results.mat 文件路径
  % output_file_path: 保存.mat文件的名称
  get_c_c_in_same_height(points_nums, same_height_nums, c_c_results_file_path, output_file_path)

• 使用同一高度的点云数据拟合圆心

  calc_circle_center(height_num, c_c_same_height_data_file_path, output_file_path)

  

• 根据圆心拟合轴线

  % points是若干圆心的三维坐标形成矩阵
  % 得到轴线直线方程式的六个参数
  fitLine3d(points)

• 整理公用数据。 ./examples/public_data 存放的是公用数据的文件夹，包括

  • c_c_results.mat -- 确定激光平面所用到的点云数据
  • Calib_Results.mat -- 相机标定的结果

• 拍摄图像并自动化保存（image.bmp）

  调用下方函数，进入debug模式，在循环下的第一行打断点，配合转台舵机，每转一次就运行一次代码

  % img_num 拍摄图像的数量
  
  auto_read_img(img_num)

• 图像去畸变（image.bmp → image_rect.bmp）

  下载MATLAB的Camera Calibration Toolbox

  下载地址：http://www.vision.caltech.edu/bouguetj/calib_doc/index.html#links

  在图像保存文件夹下，命令行输入calib，选择Standard模式，点击Load加载Calib_Results.mat，点击Image names输入图像头文字，点击Read images读取所有图像，点击Undistort image去畸变并导出去畸变完成后的图像。

• 图像mask处理（image_rect.bmp → image_mask.bmp）

  % img_num 需要处理的图像的数量
  % img_name 保存的图像的文件名
  % y_max mask的最大的y值，即mask是x:[1 1280], y:[1,y_max]范围为1，其余为0的1280*1024矩阵
  
  rect2mask_bmp(img_num,img_name,y_max)

• 二值化操作

  % threshold 阈值大小
  % input_num 需要处理的图片数量
  % input_file_name 处理的图片的文件名
  % output_file_name 输出的图片文件名
  
  image_thresh(threshold, input_num, input_file_name, output_file_name)

• 灰度归一化取平均（u取小数）得到(u, v)点

  % input_num 需要处理的图片数量
  % input_filename 处理的图片的文件名
  % output_filename 输出的mat文件名
  
  image_thresh_average(input_num, input_filename, output_filename)

• 计算真实相机坐标系下的坐标点

  % image_num 需要处理的图片数量
  % output_file_name 输出结果文件名(文件格式: .mat)
  
  calc_true_camera_coordinates(image_num, output_file_name)

• 把相机坐标系下的点移到轴线坐标系下

  % t 平移矩阵
  % input_file_name 相机坐标系下的点mat文件
  % input_num 需要处理的图片数量
  % output_file_name 输出结果文件名(文件格式: .mat)
  
  cc_points_offset(t, input_file_name, input_num, output_file_name)

• 把轴线坐标系下的点进行旋转

  % input_num 需要处理的图片数量
  % input_file_name 
  % r 轴线的方向向量
  % output_file_name 输出结果文件名(文件格式: .mat)
  
  cc_rotate(input_num, input_file_name, r, output_file_name)

• 点云的结果

  >> [X, Y, Z]  = get_all_camera_coordinate(image_num, results_file_path)
  >> plot3(X, Y, Z, 'r.'); hold on; axis equal;

  

• 点云经过网格化后的结果

  

• 泊松重构后的结果