激光三角 光平面标定-多高度误差分析

0. 核心数学公式(所有误差都围绕它)

激光平面:AXc​+BYc​+CZc​+D=0

深度计算公式:s=Ax+By+C−D​

所有误差 → 最终都体现在 s(深度)偏差


1. 多高度平台标定 5 大误差源(按影响从大到小)

【第 1 大误差】平台高度误差(最致命)

数学模型

真实高度:hk​标定输入高度:h^k​=hk​+Δh

误差传递

高度误差 Δh→ 直接导致 Zc​ 计算错误→ 平面方程 D 偏移→ 深度 s 出现系统偏差

影响大小(现场经验)

  • 高度误差 0.01mm → 测量误差 0.01~0.03mm
  • 高度误差 0.1mm → 测量直接报废

结论

平台高度不准 = 标定直接报废


【第 2 大误差】激光线亚像素提取误差(最常见)

数学模型

像素点:(u,v)噪声:Δu,Δv归一化坐标:x=fx​u−cx​​Δx=fx​Δu​

误差传递

Δx⇒Ax 项变化⇒s 深度变化:Δs≈(Ax+By+C)2D⋅Δx​

关键结论

激光线提取精度 = 标定精度上限

现场现象

  • 激光过曝 → 误差 +0.1mm
  • 激光反光 → 误差 +0.2mm
  • 激光抖动 → 误差漂移

【第 3 大误差】相机内参 / 畸变误差(系统级)

数学模型

内参误差 Δfx​,Δcx​→ 归一化坐标 x,y 出现系统偏移→ 平面法向量 A,B,C 整体倾斜

影响

  • 内参偏差 1% → 深度误差 0.5%~2%
  • 畸变未矫正 → 图像边缘激光点误差巨大

结论

内参不准 → 平面一定歪


【第 4 大误差】平台平面度误差(刚性误差)

数学模型

平台不是理想平面 → 激光点不在同一平面→ 拟合平面出现法向倾斜

影响

平面度 0.02mm → 深度误差 0.02~0.05mm

现场判断

  • 不同位置测量误差不一致
  • 左边准、右边不准

【第 5 大误差】相机 / 激光振动、温漂(现场最坑)

数学模型

温度变化 → 相机 / 激光支架形变→ 光平面缓慢漂移→ A,B,C,D 缓慢变化

影响

温漂 1°C → 误差 0.01~0.05mm

现场现象

  • 刚标定很准
  • 30 分钟后不准
  • 早上准、下午不准

2. 多高度平台标定 误差总传播公式

最终深度误差:

Δs=高度误差K1​Δh​​+像素误差K2​Δu​​+内参误差K3​Δfx​​​+平面度K4​Δplane​​+温漂K5​ΔT​​

其中:K1​=1.0∼3.0K2​=fx​1​K3​=fx​s​


3. 现场快速判断误差来源

① 所有高度测量都偏固定值

高度 h 输入错误

② 边缘误差大、中间准

畸变未标定 / 内参错误

③ 误差忽大忽小、跳动

激光线提取不良 / 过曝

④ 左边准、右边不准

平台平面度差 / 平台倾斜

⑤ 刚标定准,后来漂移

温漂 / 机械松动

⑥ 误差随距离变大而急剧变大

激光平面法向量 C 不准


4. 多高度平台标定 精度黄金标准(现场合格线)

  • 平面拟合残差:< 0.01mm
  • 重复测量误差:< 0.02mm
  • 不同高度误差一致性:< 0.03mm

超过 → 标定失败


5. 最精简总结

  1. 高度不准 → 直接报废
  2. 激光提取 → 决定精度上限
  3. 内参畸变 → 决定系统偏差
  4. 平面度 → 决定左右一致性
  5. 温漂松动 → 现场最坑

多高度标定精度 = 硬件精度上限,软件无法弥补!

相关推荐
wuyuanshun1 分钟前
LangGraph原理逻辑-LangGraph接入MCP(三)
人工智能·ai
IT_陈寒2 分钟前
React的useEffect为什么经常执行两次?
前端·人工智能·后端
hhzz3 分钟前
CNN图像分类入门:基于TensorFlow+Keras的CIFAR-10数据集全流程实战
图像处理·计算机视觉·ai·cnn·大模型
武子康6 分钟前
GitHub Models 7-30 退役全拆:Inventory + Capability Probe + Shadow Traffic + Brownout
人工智能·github·github copilot
larance21 分钟前
机器学习特征预处理之处理数据不平衡
人工智能·机器学习
视***间25 分钟前
端侧20B级推理标杆:视程空间Pandora,让GPT-OSS 20B在边缘原生落地
人工智能·gpt·大模型·本地部署·大模型本地部署·视程空间
2601_9549711326 分钟前
经济统计学本科毕业,如何开启职业新篇章?
人工智能
Summer-Bright33 分钟前
深度 | Kimi K3 48 小时设计芯片:EDA 行业真的会被 AI 颠覆吗?
人工智能·ai·自然语言处理·agi
东坡肘子40 分钟前
当灵感跑在了结果前面 -- 肘子的 Swift 周报 #145
人工智能·swiftui·swift
YHHLAI1 小时前
Agent 智能体开发实战 · Stream 流式输出 —— AI 产品的核心体验
人工智能