In optical coordinate measurement using cameras, the number of images, and positions and orientations of the cameras, are critical to object accessibility and the accuracy of a measurement. In this paper, we propose a technique to optimise the number of cameras and the positions of these cameras for the measurement of a given object using visible point analysis of the object's computer aided design data. The visible point analysis technique is based on a hidden point removal approach; this technique is used to detect which surface points on the object are visible from a given camera position. A genetic algorithm is used to find the set of positions that provide optimum surface point density and overlap between views, while minimising the total number of camera images required. The genetic algorithm is used to minimise the measurement data processing time while maintaining optimum surface point density. We test this optimisation procedure on four artefacts and the measurements are shown to be comparable to that from a traceable contact co-ordinate measurement machine. We show that using our procedure improves the measurement quality compared to the more conventional approach of using equally spaced images. This work is part of a larger effort to fully automate and optimise optical coordinate measurement techniques.

在使用相机进行光学坐标测量时，图像的数量以及相机的位置和方向对于对象可及性和测量精度至关重要。在本文中，我们提出了一种技术，该技术可通过对对象的计算机辅助设计数据进行可见点分析来优化用于测量给定对象的摄像机数量和这些摄像机的位置。可见点分析技术基于隐藏点去除方法；该技术用于检测从给定相机位置可见的对象上的哪些表面点。遗传算法用于查找一组位置，这些位置提供最佳的表面点密度和视图之间的重叠，同时最大程度地减少所需的照相机图像总数。遗传算法用于最小化测量数据处理时间，同时保持最佳的表面点密度。我们在四个伪像上测试了此优化程序，结果表明该测量结果与可追溯的接触坐标测量机的测量结果相当。我们证明，与使用等距图像的更传统方法相比，使用我们的程序可以提高测量质量。这项工作是完全自动化和优化光学坐标测量技术的一项较大工作的一部分。我们证明，与使用等距图像的更传统方法相比，使用我们的程序可以提高测量质量。这项工作是完全自动化和优化光学坐标测量技术的一项较大工作的一部分。我们证明，与使用等距图像的更传统方法相比，使用我们的程序可以提高测量质量。这项工作是完全自动化和优化光学坐标测量技术的一项较大工作的一部分。