基于雙目視覺的鋼軌波磨測量方法及其應用
發(fā)布時間：2023-04-25 19:16
隨著計算機視覺的迅猛發(fā)展,計算機視覺被廣泛的應用到實際生活和工業(yè)生產(chǎn)當中。其中雙目立體視覺是計算機視覺的重要研究領域,通過模擬人的雙眼進行場景三維重建和測量,具有系統(tǒng)結(jié)構(gòu)簡單、非接觸、低成本等優(yōu)勢,能夠避免與被測量物體相接觸導致物體表面磨損和變形等問題,具有比人眼估計更準確的測量精度。雙目視覺技術在無人駕駛、虛擬現(xiàn)實、精密測量、三維重建等領域具有廣泛的應用前景。論文對雙目立體視覺關鍵技術進行研究,提出一種雙目圖片自動分割方法,以減少立體匹配算法運算量,提高運行效率;同時,針對不同顏色和紋理的物體,論文提出一種自適應雙目立體匹配方法,該方法能夠準確得到視差圖和三維點云。結(jié)果表明,論文設計的方法在處理分析三維點云方面能夠達到較高的測量精度。針對傳統(tǒng)鋼軌波磨測量中存在效率低下、測量結(jié)果容易受人為因素影響、結(jié)果不便于存儲等問題,論文最后研究了雙目立體視覺技術在鋼軌波磨測量中的應用,設計了基于雙目立體視覺的鋼軌波磨測量系統(tǒng),并實現(xiàn)各個功能模塊。論文主要研究內(nèi)容如下:(1)雙目相機標定:論文將圓陣列標定板的拍照角度和光照環(huán)境調(diào)整到最佳的狀態(tài),使用OpenCV視覺庫進行自動標定。標定過程中,選擇重投...
【文章頁數(shù)】：93 頁
【學位級別】：碩士
【文章目錄】：
摘要
abstract
第1章 緒論
1.1 課題來源
1.2 課題研究背景與意義
1.3 相關領域國內(nèi)外研究現(xiàn)狀
1.3.1 圖像分割研究現(xiàn)狀
1.3.2 雙目立體匹配研究現(xiàn)狀
1.3.3 雙目視覺三維重建研究現(xiàn)狀
1.3.4 鋼軌波磨測量研究現(xiàn)狀
1.4 論文主要工作及組織結(jié)構(gòu)
1.4.1 主要研究內(nèi)容
1.4.2 組織結(jié)構(gòu)安排
第2章 雙目視覺原理及其關鍵技術
2.1 雙目相機標定
2.1.1 相機標定方法
2.1.2 相機極線校正方法
2.2 雙目立體視覺原理
2.2.1 立體匹配理論
2.2.2 Middlebury標準數(shù)據(jù)集及評價標準
2.3 雙目立體匹配基本框架
2.3.1 匹配代價計算
2.3.2 匹配代價聚合
2.3.3 視差圖獲取
2.3.4 視差圖后處理
2.4 雙目三維重建
2.5 本章小結(jié)
第3章 基于Grab Cut的雙目圖像自動分割提取
3.1 點激光處理策略
3.1.1 點激光邊緣輪廓檢測
3.1.2 點激光亞像素質(zhì)心求取方法
3.2 基于Grab Cut的區(qū)域圖像分割策略
3.2.1 圖像金字塔
3.2.2 GrabCut自動分割
3.2.3 分割圖像視差填補方法
3.2.4 計算區(qū)域圖像獲取流程
3.3 實驗結(jié)果及分析
3.4 本章小結(jié)
第4章 基于3D標簽的自適應雙目匹配算法
4.1 傾斜支持窗模型
4.2 基于卷積神經(jīng)網(wǎng)絡的匹配代價計算方法
4.2.1 卷積神經(jīng)網(wǎng)絡基本結(jié)構(gòu)
4.2.2 計算雙目匹配代價網(wǎng)絡結(jié)構(gòu)
4.2.3 訓練過程及實驗分析
4.3 基于引導濾波的快速代價聚合方法
4.4 平面3D標簽計算方法
4.4.1 平滑項計算
4.4.2 α 擴張算法的研究
4.4.3 基于PatchMatch算法改進的3D標簽求解方法
4.4.4 3D標簽值精簡優(yōu)化過程
4.4.5 OpenMP并行計算方案
4.4.6 視差圖后處理方法
4.4.7 算法流程
4.5 實驗結(jié)果及分析
4.6 本章小結(jié)
第5章 基于雙目視覺的鋼軌波磨測量系統(tǒng)實現(xiàn)
5.1 雙目視覺鋼軌波磨測量系統(tǒng)關鍵模塊設計與實現(xiàn)
5.1.1 雙目圖像采集
5.1.2 雙目相機標定及其誤差分析
5.1.3 雙目圖像立體校正及其誤差分析
5.1.4 雙目三維重建及其誤差分析
5.2 鋼軌點云數(shù)據(jù)的獲取和處理
5.2.1 鋼軌點云獲取
5.2.2 鋼軌點云去噪
5.2.3 鋼軌點云濾波采樣
5.3 鋼軌波磨測量分析
5.4 本章小結(jié)
第6章 總結(jié)與展望
6.1 全文工作總結(jié)
6.2 未來工作展望
致謝
參考文獻
攻讀學位期間獲得與學位論文相關的科研成果
本文編號：3800892
【文章頁數(shù)】：93 頁
【學位級別】：碩士
【文章目錄】：
摘要
abstract
第1章 緒論
1.1 課題來源
1.2 課題研究背景與意義
1.3 相關領域國內(nèi)外研究現(xiàn)狀
1.3.1 圖像分割研究現(xiàn)狀
1.3.2 雙目立體匹配研究現(xiàn)狀
1.3.3 雙目視覺三維重建研究現(xiàn)狀
1.3.4 鋼軌波磨測量研究現(xiàn)狀
1.4 論文主要工作及組織結(jié)構(gòu)
1.4.1 主要研究內(nèi)容
1.4.2 組織結(jié)構(gòu)安排
第2章 雙目視覺原理及其關鍵技術
2.1 雙目相機標定
2.1.1 相機標定方法
2.1.2 相機極線校正方法
2.2 雙目立體視覺原理
2.2.1 立體匹配理論
2.2.2 Middlebury標準數(shù)據(jù)集及評價標準
2.3 雙目立體匹配基本框架
2.3.1 匹配代價計算
2.3.2 匹配代價聚合
2.3.3 視差圖獲取
2.3.4 視差圖后處理
2.4 雙目三維重建
2.5 本章小結(jié)
第3章 基于Grab Cut的雙目圖像自動分割提取
3.1 點激光處理策略
3.1.1 點激光邊緣輪廓檢測
3.1.2 點激光亞像素質(zhì)心求取方法
3.2 基于Grab Cut的區(qū)域圖像分割策略
3.2.1 圖像金字塔
3.2.2 GrabCut自動分割
3.2.3 分割圖像視差填補方法
3.2.4 計算區(qū)域圖像獲取流程
3.3 實驗結(jié)果及分析
3.4 本章小結(jié)
第4章 基于3D標簽的自適應雙目匹配算法
4.1 傾斜支持窗模型
4.2 基于卷積神經(jīng)網(wǎng)絡的匹配代價計算方法
4.2.1 卷積神經(jīng)網(wǎng)絡基本結(jié)構(gòu)
4.2.2 計算雙目匹配代價網(wǎng)絡結(jié)構(gòu)
4.2.3 訓練過程及實驗分析
4.3 基于引導濾波的快速代價聚合方法
4.4 平面3D標簽計算方法
4.4.1 平滑項計算
4.4.2 α 擴張算法的研究
4.4.3 基于PatchMatch算法改進的3D標簽求解方法
4.4.4 3D標簽值精簡優(yōu)化過程
4.4.5 OpenMP并行計算方案
4.4.6 視差圖后處理方法
4.4.7 算法流程
4.5 實驗結(jié)果及分析
4.6 本章小結(jié)
第5章 基于雙目視覺的鋼軌波磨測量系統(tǒng)實現(xiàn)
5.1 雙目視覺鋼軌波磨測量系統(tǒng)關鍵模塊設計與實現(xiàn)
5.1.1 雙目圖像采集
5.1.2 雙目相機標定及其誤差分析
5.1.3 雙目圖像立體校正及其誤差分析
5.1.4 雙目三維重建及其誤差分析
5.2 鋼軌點云數(shù)據(jù)的獲取和處理
5.2.1 鋼軌點云獲取
5.2.2 鋼軌點云去噪
5.2.3 鋼軌點云濾波采樣
5.3 鋼軌波磨測量分析
5.4 本章小結(jié)
第6章 總結(jié)與展望
6.1 全文工作總結(jié)
6.2 未來工作展望
致謝
參考文獻
攻讀學位期間獲得與學位論文相關的科研成果
本文編號：3800892
本文鏈接：http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3800892.html
