本文選題：雙目視覺 + 攝像機(jī)標(biāo)定��； 參考：《沈陽工業(yè)大學(xué)》2016年碩士論文

【摘要】：隨著計(jì)算機(jī)科學(xué)領(lǐng)域的快速發(fā)展,機(jī)器視覺代替人眼去完成對物體的判斷和測量并實(shí)現(xiàn)物體信息的三維重建已經(jīng)成為了一個熱門的研究方向�；陔p目視覺的三維重建方法研究是利用兩個攝像機(jī)從不同的角度對物體進(jìn)行觀察,利用立體匹配的結(jié)果計(jì)算出圖像特征點(diǎn)位置的偏差,最終根據(jù)三角測量原理獲取物體的深度信息,實(shí)現(xiàn)三維重建。其基本流程主要包括圖像采集、攝像機(jī)標(biāo)定、圖像預(yù)處理、立體匹配、三維重建。本文首先完成了雙目視覺的硬件平臺搭建,介紹了雙目視覺的數(shù)學(xué)模型。在圖像采集方面,利用已搭建好的視覺平臺并充分考慮了光照強(qiáng)度和目標(biāo)物體特征等情況下完成了多組圖像采集。在攝像機(jī)標(biāo)定方面,根據(jù)非線性攝像機(jī)的成像模型原理,利用張正友平面模板標(biāo)定方法計(jì)算出了攝像機(jī)的內(nèi)參數(shù)、外參數(shù)以及畸變系數(shù),為后續(xù)的處理做好了準(zhǔn)備。在圖像平滑方面,重點(diǎn)介紹了高斯濾波法和中值濾波法,并對圖像平滑和中值濾波進(jìn)行了實(shí)驗(yàn)對比;在邊緣檢測方面,對Roberts算子、Prewitt算子、Sobel算子、Log算子、Canny算子做了分析,并通過了實(shí)驗(yàn)進(jìn)行了對比。在特征點(diǎn)提取方面,本文對傳統(tǒng)的SURF算法進(jìn)行了改進(jìn),主要通過對傳統(tǒng)SURF算法檢測到的特征點(diǎn)進(jìn)行信息量約束和距離約束,去掉了一些信息含量較少、距離相對較近的特征點(diǎn),使得提取的特征點(diǎn)個數(shù)適中,消除了特征點(diǎn)聚集現(xiàn)象。在特征點(diǎn)匹配方面,根據(jù)改進(jìn)的SURF算法提取的特征點(diǎn)采用近鄰匹配算法完成匹配,通過對三類不同的目標(biāo)物體在兩種不同條件下與傳統(tǒng)SURF算法的對比結(jié)果表明,本文改進(jìn)的SURF算法對亮度的變化具有一定的魯棒性,匹配準(zhǔn)確度和匹配所需要的時(shí)間優(yōu)于傳統(tǒng)的SURF算法,在檢測到大量特征點(diǎn)的同時(shí),能夠有效的去掉一些信息量較少以及容易產(chǎn)生聚集現(xiàn)象的特征點(diǎn)。在三維重建方面,根據(jù)三維重建原理,計(jì)算得到物體的三維坐標(biāo),并最終生成了物體在三維空間中的深度圖。
[Abstract]:With the rapid development of computer science, machine vision has become a hot research direction to complete the judgment and measurement of objects and realize the 3D reconstruction of object information instead of human eyes. The method of 3D reconstruction based on binocular vision is to use two cameras to observe objects from different angles, and to calculate the deviation of image feature points by using the results of stereo matching. Finally, the depth information of the object is obtained according to the triangulation principle, and the 3D reconstruction is realized. Its basic flow mainly includes image acquisition, camera calibration, image preprocessing, stereo matching, and 3D reconstruction. Firstly, the hardware platform of binocular vision is built, and the mathematical model of binocular vision is introduced. In the aspect of image acquisition, several groups of images are collected by using the established visual platform and fully considering the intensity of illumination and the characteristics of the target object. In the aspect of camera calibration, according to the principle of nonlinear camera imaging model, the camera's internal parameters, external parameters and distortion coefficient are calculated by using the calibration method of Zhang Zhengyou plane template, so as to prepare for the subsequent processing. In the aspect of image smoothing, the Gao Si filter and median filter are introduced in detail, and the image smoothing and median filtering are compared experimentally. In the aspect of edge detection, the Roberts operator Prewitt operator and the Roberts operator are analyzed. The experimental results are compared. In the aspect of feature point extraction, this paper improves the traditional SURF algorithm, mainly through the information constraint and distance constraint of the feature points detected by the traditional SURF algorithm, and removes some feature points which have less information content and are relatively close to each other. The number of feature points extracted is moderate and the phenomenon of feature point aggregation is eliminated. In the aspect of feature point matching, the nearest neighbor matching algorithm is used to match the feature points extracted from the improved SURF algorithm. The comparison of three kinds of target objects under two different conditions with the traditional SURF algorithm shows that, The improved SURF algorithm is robust to the change of luminance, and the matching accuracy and matching time are better than the traditional SURF algorithm. At the same time, a large number of feature points are detected. Can effectively remove some of the less information and easy to produce clustering feature points. In the aspect of 3D reconstruction, according to the principle of 3D reconstruction, the 3D coordinates of the object are calculated, and finally the depth map of the object in three dimensional space is generated.
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李海軍;;基于雙目視覺的自動跟蹤系統(tǒng)應(yīng)用[J];火力與指揮控制;2010年01期

2 胡天翔;鄭加強(qiáng);周宏平;;基于雙目視覺的樹木圖像測距方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2010年11期

3 李夢和;林川;潘盛輝;;基于雙目視覺的礦井機(jī)車定位方法[J];煤礦機(jī)械;2012年04期

4 祝世平,強(qiáng)錫富;基于坐標(biāo)測量機(jī)的雙目視覺測距誤差分析[J];電子測量與儀器學(xué)報(bào);2000年02期

5 汪倩倩;申忠宇;張亮;;基于雙目視覺模型的彩色目標(biāo)實(shí)時(shí)檢測與定位[J];南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版);2008年01期

6 潘浩;趙宇明;;基于雙目視覺的客流監(jiān)測系統(tǒng)[J];微計(jì)算機(jī)信息;2009年33期

7 單寶華;申宇;;基于雙目視覺的拉索模型自由振動監(jiān)測試驗(yàn)[J];土木工程學(xué)報(bào);2012年11期

8 紀(jì)超;王慶;;基于雙目視覺的自主空中加油算法研究與仿真[J];系統(tǒng)仿真學(xué)報(bào);2013年06期

9 岳亮;;一種基于雙目視覺的安全車距測量方法[J];電視技術(shù);2013年15期

10 許明杰,王洪榮;雙目視覺中恢復(fù)模型點(diǎn)的方法──公垂線法[J];指揮技術(shù)學(xué)院學(xué)報(bào);1997年02期

相關(guān)會議論文 前7條

1 孟環(huán)標(biāo);楊興強(qiáng);李雪梅;;基于雙目視覺的測量系統(tǒng)誤差分析[A];第五屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2011年

2 朱宗磊;殷福亮;;基于雙目視覺的目標(biāo)檢測與跟蹤系統(tǒng)[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

3 王榮本;張明恒;毛曉燕;;雙目視覺技術(shù)在環(huán)境探測中的應(yīng)用[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第二屆學(xué)術(shù)會議論文集[C];2005年

4 張靜;李琳;劉曉平;;基于雙目視覺的虛擬手的實(shí)現(xiàn)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

5 吳濤;劉欣;;基于單雙目視覺信息融合的障礙檢測方法[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第二屆學(xué)術(shù)會議論文集[C];2005年

6 孫明;;基于雙目視覺的移動機(jī)器人避障研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

7 杜英魁;韓建達(dá);唐延?xùn)|;;基于雙目重建不確定性的動態(tài)特征濾除[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

相關(guān)博士學(xué)位論文 前2條

1 陳學(xué)惠;基于移動機(jī)器人雙目視覺的井下三維場景重建方法研究[D];中國礦業(yè)大學(xué)（北京）;2012年

2 陳希章;基于雙目視覺的弧焊機(jī)器人焊縫三維信息獲取研究[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 麥樹彬;基于雙目視覺的色盲輔助技術(shù)的研究[D];華南理工大學(xué);2015年

2 徐宏;基于雙目視覺和稀疏表示的智能倒車控制研究[D];西南交通大學(xué);2015年

3 李輝;田間機(jī)器人的雙目視覺系統(tǒng)誤差分析研究[D];內(nèi)蒙古大學(xué);2015年

4 逯沛龍;基于FPGA的雙目視覺圖像預(yù)處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

5 王婷婷;基于GPU的雙目視覺運(yùn)動目標(biāo)檢測跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 王昌盛;基于ORB算法的雙目視覺測量研究[D];哈爾濱工業(yè)大學(xué);2015年

7 趙程;具有圓面特征的非合作目標(biāo)雙目視覺位姿測量[D];哈爾濱工業(yè)大學(xué);2015年

8 路研研;在軌航天器雙目視覺圖像采集與處理系統(tǒng)研制[D];哈爾濱工業(yè)大學(xué);2015年

9 曹之樂;基于雙目視覺的焦點(diǎn)定位方法研究與應(yīng)用[D];重慶理工大學(xué);2015年

10 王洪偉;基于雙目視覺的紅綠燈路口安全距離預(yù)警研究[D];安徽工程大學(xué);2015年

，

本文編號：1975043