目的針對(duì)物流行業(yè)運(yùn)輸中包裝箱的非接觸自動(dòng)測(cè)量,提出一種基于改進(jìn)SURF配準(zhǔn)算法的雙目立體尺寸測(cè)量方法。方法首先采用二進(jìn)制FREAK描述子代替?zhèn)鹘y(tǒng)SURF的描述子,解決傳統(tǒng)SURF描述子計(jì)算耗時(shí)、描述向量生成依賴于特征主方向,且主方向計(jì)算誤差會(huì)在后續(xù)步驟中出現(xiàn)傳導(dǎo)放大的缺點(diǎn);其次,采用PROSAC刪除誤匹配點(diǎn),并利用FREAK級(jí)聯(lián)匹配的方式進(jìn)一步提高算法的匹配速度和匹配準(zhǔn)確率。最后,利用視差優(yōu)化和邊緣提取算法獲得精確三維空間體,實(shí)現(xiàn)非接觸尺寸測(cè)量。結(jié)果實(shí)驗(yàn)表明改進(jìn)算法可快速提取圖片特征點(diǎn)并準(zhǔn)確匹配,對(duì)不同規(guī)格包裝箱檢測(cè)結(jié)果顯示,基于改進(jìn)算法的測(cè)量方法測(cè)量誤差小,檢測(cè)速度快。結(jié)論改進(jìn)圖像匹配算法可有效提高圖像匹配準(zhǔn)確率,減少測(cè)量時(shí)間,對(duì)于提高物流行業(yè)運(yùn)輸效率、減少人工成本具有重要意義。 

【文章來源】：包裝工程. 2020,41(19)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

FREAK算法的采樣結(jié)構(gòu)

第征地41卷第19征點(diǎn)匹配效果地刻畫特征點(diǎn)圖Fig.2Matc實(shí)驗(yàn)項(xiàng)目正常情況光照不變性模糊不變性9期果良好，反應(yīng)點(diǎn)周圍信息，a正b光照c模糊2傳統(tǒng)SUchingresultsofTab.1C圖片編號(hào)1234平均1234平均1234平均張志剛等應(yīng)了FREAK描有助于提高正常情況照變化情況糊變化情況URF算法匹配ftraditionalSU表omparisonbeSURF耗時(shí)1.120.970.981.031.031.431.361.371.511.421.171.291.331.071.22等：基于雙目立描述子可以更高匹配準(zhǔn)確率結(jié)果URFalgorithm1改進(jìn)算法etweentheimp時(shí)/s改進(jìn)算立體視覺的物流更好率。m耗時(shí)法與原SURFprovedalgorit算法耗時(shí)/s0.510.420.390.460.450.950.740.620.790.780.570.610.540.480.55流包裝箱尺寸測(cè)改進(jìn)算法與時(shí)及匹配準(zhǔn)確圖3Fig.3MatchinF算法效果對(duì)比thmandtheoSURF匹配78.776.280.477.578.272.374.173.270.572.575.079.476.377.677.1測(cè)量研究與傳統(tǒng)SURF確率見表1。a正常b光照變c模糊變3改進(jìn)SURFngresultsofim比originalsurfa配準(zhǔn)確率/%712643522333142659580542336511算法在4組實(shí)可以看出，改情況化情況化情況F算法匹配結(jié)果mprovedSURFlgorithm改進(jìn)算法匹878690858782838184838991858487·233實(shí)驗(yàn)中的平均改進(jìn)算法在算果Falgorithm匹配準(zhǔn)確率/%.25.73.64.92.64.42.76.51.69.10.23.61.74.98.893·均算

耐獠?系和相機(jī)坐標(biāo)2—13]提出的算只與相機(jī)內(nèi)精確標(biāo)定的相法對(duì)雙目立體然后通過矯正后可得到視差圖中的三邊濾波得到精度較高到深度圖。為進(jìn)行圖像分割提視差圖及深度的結(jié)果。Fig.5Gb倍的時(shí)間，在分析其原因，一法執(zhí)行時(shí)間，法采用PROS的特征點(diǎn)數(shù)量到提升。測(cè)量實(shí)現(xiàn)實(shí)現(xiàn)包括相機(jī)差圖生成、三參和內(nèi)參，并根系轉(zhuǎn)換時(shí)消除的方法進(jìn)行相機(jī)內(nèi)參數(shù)以及關(guān)系相機(jī)外參數(shù)。體相機(jī)拍攝得后的雙目立體圖。為了提高視波在亞像素級(jí)高的稠密視差為了減少計(jì)算提取被測(cè)物體圖。圖5顯示b初始視差圖5視差Generationprocb初始輪廓提取圖6Fig.6Edgein包裝工程在匹一方，提SAC量有機(jī)標(biāo)三維根據(jù)除圖機(jī)標(biāo)系參得到體模視差級(jí)別圖，量，體目示了緣信對(duì)被邊緣技術(shù)處理差圖及深度圖cessofdispari取邊緣信息提取nformationextr為進(jìn)一步提信息較為敏感被測(cè)物體提取緣，最后經(jīng)膨術(shù)消除無用紋理過程見圖6圖4Fig.4Flowcbinc稠密視差圖生成過程tymapanddepc直線擬合取過程ractionprocess提高三維重建感的Canny算取邊緣，通過膨脹、腐蝕、紋理信息。對(duì)，可以看出雙目立體包裝hartformeasunocularstereo差pthmaps建模型的精度算法[15]和角點(diǎn)最小二乘直線開閉運(yùn)算等基被測(cè)物體提取初始邊緣比較裝箱尺寸測(cè)量流urementofdimpackagingboxd深度d去除紋理2020年10月度，選取了對(duì)邊點(diǎn)提取算法[1線擬合來平滑基本圖像處理取邊緣信息的較粗糙，呈鋸流程mensionsofx邊6]滑理的鋸

【參考文獻(xiàn)】：
期刊論文
[1]三維裝箱邊長(zhǎng)優(yōu)化和數(shù)量?jī)?yōu)化方法的比較研究[J]. 陳紅,王義邴,徐露,賈春玉.  寧波工程學(xué)院學(xué)報(bào). 2020(01)
[2]一種基于非線性尺度空間的ORB特征匹配算法研究[J]. 郭芮,許鋼,李若楠,趙春葉,江娟娟.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[3]基于改進(jìn)自適應(yīng)權(quán)重的三邊濾波立體匹配算法[J]. 潘衛(wèi)華,杜旭.  計(jì)算機(jī)工程與應(yīng)用. 2020(18)
[4]食品包裝對(duì)物流效率的影響[J]. 葉琳.  食品工業(yè). 2019(05)
[5]基于圖像尖銳度的角點(diǎn)匹配算法[J]. 邢彩燕,張志毅,胡少軍,耿楠.  計(jì)算機(jī)工程與科學(xué). 2019(04)
[6]物流業(yè)幾何尺寸智能化測(cè)量系統(tǒng)[J]. 李娟,周富強(qiáng),李作新,李瀟婕.  計(jì)算機(jī)科學(xué). 2018(08)
[7]基于包裝件智能分揀的視覺尺寸測(cè)量技術(shù)[J]. 張慧敏,王毅.  包裝工程. 2018(13)
[8]SIFT與SURF特征提取算法在圖像匹配中的應(yīng)用對(duì)比研究[J]. 陳敏,湯曉安.  現(xiàn)代電子技術(shù). 2018(07)
[9]基于Canny算子和Radon變換的軌道圖像校正方法[J]. 余明揚(yáng),朱齊果,王一軍.  計(jì)算機(jī)應(yīng)用. 2017(S2)
[10]基于Ansys Workbench的快裝箱多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 李光,王文雅,孫彬青,周彧.  包裝工程. 2016(23)



本文編號(hào)：3030772