随着工业自动化和智能制造的发展，智能工厂对视觉引导测量装置的需求 日益增加。面向流水线上的目标筛选、分拣、转移等任务，需要处理目标在离线 情况下的不确定性，获取目标的身份和位置信息。现有的视觉装置在智能性和精 确性方面仍存在较大的提升空间，尤其是难以兼顾大视野与高精度这两项关键 指标。传统的立体视觉装置需要相机保持相对固定的空间关系，在增大视野的同 时像素密度也会降低，且多相机标定困难，系统复杂性会带来成本增加等问题。 另外，仿生眼作为常见的主动视觉装置，具备凝视、跟踪能力，但其凝视视野较 小，搜索效率较低。为此，本文设计了一种大视野监视与凝视测量装置，旨在实 现较大视野范围和较高测量精度的平衡。通过独特的设计和算法，使得该装置在 测量精度和“主动性”上的表现优于相同视野范围的其他现有装置，能够有效地 检测、跟踪并精确测量工业场景中的目标，为智能工厂提供更可靠、高效的视觉 引导方案。 论文的主要工作和贡献有： (1) 本文设计并搭建了一种主动立体视觉测量装置，由大视野监视相机和 主动凝视相机组成的，40 万像素相机配备 8° 视场角长焦镜头，安装在具有俯仰 和偏航两个自由度的云台上，作为主动凝视相机，用于精准观测。600 万像素相 机配备 150° 视场角广角镜头固定安装在云台基座上，作为大视野监视相机，用 于大范围监视。后者视场角远小于前者，因此虽然数码分辨率低，但光学分辨率 高得多。本系统采用两个成像差异较大的相机，平衡大视野与高精度间的天然矛 盾，在 ， ， 方向上实现最佳精度平衡。 (2) 本文提出了一种系统联合标定方法，与现有基于云台转轴过光心、成像 平面与转轴平行等附加几何约束进行建模的系统不同，的方法放弃了这些几何 假设，将位姿变换矩阵中的每个参数视为需要求解的变量。在本系统中，各环节 产生的误差最终会体现在两个相机观察到的外部标定板的位姿偏差上。从数学 角度来看，系统设计参数与实际参数之间的偏差可以表现为根据设计参数计算 出的控制点位置与观测值之间的差异。为了实现整体系统的高精度联合标定，本 文提出了一种基于误差驱动的参数优化方法，通过一个统一模型同时校准多种 误差。此方法降低了对机械设计与制造精度的要求，减少了系统模型假设，通过 数值优化方法，对位姿变换矩阵中的每个参数进行求解，实现多种误差的同时校 正。 (3) 本文设计了一种目标锁定跟踪算法，并在此基础上，提出了基于图像雅 克比的目标跟踪控制策略。针对本文系统模型的复杂性，根据图像雅可比方法能 够精确描述图像特征点的微小变化对相机运动参数的影响。本文通过推导出主 动凝视相机中目标图像坐标与图像中心点偏移量的微小变化与云台电机旋转之 间的关系，计算出图像雅可比矩阵，预测在当前相机位置和姿态下，微小的电机旋转角度变化将如何影响图像中的目标位置，以便对目标进行精确跟踪。然后， 通过使用 PID 控制，使得图像中的目标点始终保持在视野中心位置，从而有效 地解决了主动凝视相机的目标跟踪问题。