【摘要】：近年來橋梁纜索的非人工檢測方式發(fā)展迅速,以爬升機(jī)器人圖像采集為基礎(chǔ)的方式因其成本低廉、維修方便、裝配簡單以及安全系數(shù)高于人工檢測等優(yōu)點而受到了關(guān)注,由此帶來的相關(guān)圖像處理等問題直接關(guān)系著檢測的效果。本文對纜索表面圖像的相關(guān)處理進(jìn)行研究,基于計算機(jī)視覺的相關(guān)算法對用于檢測的數(shù)據(jù)信息進(jìn)行分析與綜合,提高機(jī)器人所采集信息的有效性和可利用率。設(shè)計了對機(jī)器人獲取的纜索表面PE層圖像預(yù)處理的算法。結(jié)合具體的應(yīng)用場景,采用三層濾波算法,并設(shè)置合理參數(shù)對矯正后的圖像進(jìn)行降噪處理,提升初始數(shù)據(jù)的信噪比。根據(jù)單應(yīng)矩陣適用條件,以單幀雙三次插值算法為基礎(chǔ),針對具體的鄰域情況修改權(quán)值函數(shù),對去除背景的纜索區(qū)域圖像采取非比例縮放的超分辨率重建,能夠較好的去除塊效應(yīng)并保證清晰度。提出了一種基于改進(jìn)型拉普拉斯融合的圖像拼接算法。基于纜索圖像采集過程中幀間位置關(guān)系特點,結(jié)合六種算法的對比分析,采用A-SIFT(Affine-SIFT)算法提取抗仿射形變的特征,該算法能夠保證圖像配準(zhǔn)階段在低重合度等情況下的穩(wěn)定性和準(zhǔn)確率。針對于融合階段拉普拉斯金字塔算法的常規(guī)融合規(guī)則導(dǎo)致的局部區(qū)域光度突變問題,引入雙向過渡距離權(quán)重圖進(jìn)行改進(jìn),提升了融合效果并保證了邊緣特征信息的清晰度。設(shè)計了結(jié)合纜索幾何結(jié)構(gòu)特征的多視圖重建算法。針對光束法平差優(yōu)化相機(jī)參數(shù)和稀疏點云的過程中出現(xiàn)的空間結(jié)構(gòu)與實際相差較大的問題,基于三角化測量不確定性分析,采用結(jié)合幾何結(jié)構(gòu)的深度初始估計作為優(yōu)化初值,減小了用于光束法平差優(yōu)化的初始數(shù)據(jù)誤差,提高了稀疏點云位置估計的準(zhǔn)確率,并采用基于patch擴(kuò)散算法和泊松曲面重建算法完成了結(jié)構(gòu)致密的重建,相對于原始數(shù)據(jù)提升了信息維度。
【圖文】：

纜索表面圖像采集設(shè)備及圖像處理整體流程為了對纜索表面有一個全面的圖像數(shù)據(jù)獲取，可在環(huán)狀結(jié)構(gòu)的機(jī)器人上三或四個攝像頭，采集設(shè)備如圖 2-1 所示，纜索表面圖像的獲取存在兩為常見的方案，一種是工業(yè) CCD 相機(jī)，這種相機(jī)價格較高，清晰度高，較大，能夠分辨亮度差較大的像素區(qū)域，并不適合輕量化要求；另一種CMOS 相機(jī)，這種相機(jī)廣泛用于日常生活，人們?nèi)粘Ｊ褂玫氖謾C(jī)鏡頭、單機(jī)等大多基于這種傳感器。a)輪式機(jī)器人實物圖 b)輪式機(jī)器人設(shè)計圖

表 2-1 網(wǎng)口攝像頭參數(shù)參數(shù)名稱 具體參數(shù)尺寸 30 mm×30 mm×52 mm焦距 3.6 mm視頻編碼 H.264分辨率 720p/1080p幀率 1~25fps網(wǎng)口協(xié)議 RTSP/FTP/DHCP/DDNS/NTP/UPnP存儲容量 1 T備的基礎(chǔ)之上，，經(jīng)過整個流程進(jìn)行處理的圖像可以康狀態(tài)進(jìn)行更好的判斷，本文完整的圖像處理過程圖像拼接、多視圖重建，這三個部分相應(yīng)的關(guān)系結(jié)階段為其他兩個部分的前期處理部分，拼接和重建測的全局性信息，提升了檢測的便利性。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U445;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 小米;;818型海警巡邏艦多視圖[J];軍事文摘;2016年18期

2 田澤;楊明;陳哲;石愛業(yè);;基于視圖內(nèi)字典原子不一致的多視圖字典學(xué)習(xí)算法[J];南京信息工程大學(xué)學(xué)報(自然科學(xué)版);2019年03期

3 段桂江;孫飛;唐曉青;;集成質(zhì)量系統(tǒng)與企業(yè)資源計劃系統(tǒng)的多視圖融合機(jī)制研究[J];計算機(jī)集成制造系統(tǒng);2005年12期

4 鄧強;楊燕;王浩;;一種改進(jìn)的多視圖聚類集成算法[J];計算機(jī)科學(xué);2017年01期

5 羅愛民;羅雪山;黃力;;基于多視圖的信息系統(tǒng)體系結(jié)構(gòu)描述方法研究[J];計算機(jī)科學(xué);2007年02期

6 李波;趙健康;戴金海;;飛行器設(shè)計并行工程中多視圖響應(yīng)分析[J];計算機(jī)仿真;2006年09期

7 胡樹根,李漲生,卓守鵬,董進(jìn);一種基于約束的多視圖尺寸驅(qū)動方法及實現(xiàn)[J];中國機(jī)械工程;1998年07期

8 石艷玲;單文檔多視圖的多種實現(xiàn)方式[J];計算機(jī)應(yīng)用研究;1999年10期

9 洪敏;賈彩燕;李亞芳;于劍;;樣本加權(quán)的多視圖聚類算法[J];計算機(jī)研究與發(fā)展;2019年08期

10 邱立坤;金澎;王厚峰;;基于依存語法構(gòu)建多視圖漢語樹庫[J];中文信息學(xué)報;2015年03期

相關(guān)會議論文 前8條

1 張秀芬;裴承慧;胡志勇;;在OpenGL中實現(xiàn)多視圖表示[A];第十四屆全國圖學(xué)教育研討會暨第六屆制圖CAI課件演示交流會論文集（下冊）[C];2004年

2 趙旭;劉克;吳威;;多視圖三維重建技術(shù)和不確定問題[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

3 唐帥;項志宇;馬子昂;;基于多視圖一致性低秩稀疏學(xué)習(xí)的視頻目標(biāo)跟蹤[A];浙江省信號處理學(xué)會2015年學(xué)術(shù)年會論文集[C];2015年

4 葛冰峰;陳英武;廖良才;舒宇;;基于多視圖的武器裝備體系結(jié)構(gòu)描述方法研究[A];和諧發(fā)展與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第十五屆年會論文集[C];2008年

5 李誠;陳志軍;;基于多視圖像的巖心三維建模與虛擬展示初探[A];第十三屆全國數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會論文集[C];2014年

6 張巖;楊冬青;唐世渭;;Web倉儲中的多視圖一致性維護(hù)[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

7 張強;梁奎;陳志軍;;多視圖立體視覺的巖礦手標(biāo)本三維重建與三維交互設(shè)計[A];第十三屆全國數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會論文集[C];2014年

8 顏志軍;;基于UML的多視圖動態(tài)企業(yè)模型框架研究[A];全國第八屆工業(yè)工程與企業(yè)信息化學(xué)術(shù)會議論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 王強;多視圖機(jī)器學(xué)習(xí)分類及聚類算法研究[D];國防科技大學(xué);2018年

2 韓璐;多視圖的子空間學(xué)習(xí)及在圖像分類中的應(yīng)用研究[D];南京郵電大學(xué);2018年

3 董西偉;有監(jiān)督和半監(jiān)督多視圖特征學(xué)習(xí)方法研究[D];南京郵電大學(xué);2018年

4 王岳青;多視圖學(xué)習(xí)算法和應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2017年

5 朱信忠;多視圖聚類算法研究[D];西安電子科技大學(xué);2018年

6 周彬;多視圖視覺檢測關(guān)鍵技術(shù)及其應(yīng)用研究[D];浙江大學(xué);2019年

7 吳飛;多視圖特征學(xué)習(xí)方法研究[D];南京郵電大學(xué);2016年

8 沈肖波;多視圖嵌入學(xué)習(xí)方法及其應(yīng)用研究[D];南京理工大學(xué);2017年

9 錢強;復(fù)雜場景下的多視圖學(xué)習(xí)方法研究[D];南京航空航天大學(xué);2013年

10 李晉;基于多視圖鑒別特征學(xué)習(xí)的分類算法[D];中國礦業(yè)大學(xué)(北京);2016年

相關(guān)碩士學(xué)位論文 前10條

1 何云;面向多視圖數(shù)據(jù)的降維與聚類算法研究[D];南京師范大學(xué);2019年

2 胡夢磊;不完整多視圖聚類[D];南京航空航天大學(xué);2019年

3 姬名書;基于稀疏嵌入框架的不完全多視圖聚類[D];南昌大學(xué);2019年

4 周揚;纜索表面圖像拼接與多視圖重建研究[D];哈爾濱工業(yè)大學(xué);2019年

5 陳東皓;車輛檢測和識別系統(tǒng)的設(shè)計與實現(xiàn)[D];中國電子科技集團(tuán)公司電子科學(xué)研究院;2019年

6 黃靜;加權(quán)多視圖子空間聚類算法研究[D];廣東工業(yè)大學(xué);2019年

7 孫銘陽;基于語義表示的多視圖短文本序列分類研究[D];大連理工大學(xué);2019年

8 仇希如;基于非負(fù)矩陣分解的多視圖特征學(xué)習(xí)研究[D];大連理工大學(xué);2019年

9 殷勤;多視圖歸納矩陣補全算法及應(yīng)用研究[D];南京郵電大學(xué);2019年

10 龐石偉;多視圖數(shù)據(jù)分類研究[D];西安電子科技大學(xué);2019年

本文編號：2694173