在工程以及一些特殊領(lǐng)域中,經(jīng)常需要測(cè)量大型物體的體積,以更好地進(jìn)行工程建設(shè)、分類識(shí)別裝箱等。由于待測(cè)物體體形龐大、形狀不規(guī)則,如建筑材料堆、文物、集裝箱等,傳統(tǒng)的體積測(cè)量方法不能滿足人們對(duì)被測(cè)體積的精度和效率的要求。不同于傳統(tǒng)的體積測(cè)量方法,采用基于圖像的測(cè)量方法能夠大大簡(jiǎn)化體積測(cè)量過(guò)程的復(fù)雜性,提高測(cè)量的精度和效率。本文在對(duì)圖像角點(diǎn)提取與匹配、三維重建和網(wǎng)格模型構(gòu)建等技術(shù)進(jìn)行深度研究的基礎(chǔ)上,通過(guò)對(duì)傳統(tǒng)體積測(cè)量方法的分析,從測(cè)量工具、測(cè)量精度和效率角度出發(fā),針對(duì)傳統(tǒng)的體積測(cè)量方法存在的缺陷,提出了一套基于序列圖像的物體體積測(cè)量方法。論文的具體研究工作分為三個(gè)部分:（1）對(duì)采集到的物體序列圖像提取角點(diǎn)并匹配。論文采用Harris角點(diǎn)檢測(cè)算法對(duì)角點(diǎn)進(jìn)行檢測(cè)。首先計(jì)算圖像上每個(gè)像素點(diǎn)的梯度值,再基于該梯度值,利用角點(diǎn)函數(shù)公式計(jì)算每個(gè)像素點(diǎn)的角點(diǎn)函數(shù)值,根據(jù)設(shè)定的閾值判斷是否為角點(diǎn)（即特征點(diǎn)）,最后對(duì)候選角點(diǎn),采用由粗及精的兩步匹配,從候選角點(diǎn)中選出匹配點(diǎn)。采用歸一化互相關(guān)算法,計(jì)算不同圖像上對(duì)應(yīng)角點(diǎn)的互相關(guān)性值,進(jìn)行粗匹配;采用松弛迭代算法,計(jì)算粗匹配點(diǎn)對(duì)的強(qiáng)度值,進(jìn)行精匹配。實(shí)驗(yàn)證明,在... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多種物體形狀

上的某一模板時(shí)，如圖 2.4(a)，若 USAN 的地如圖 2.4(c)，當(dāng)圓形模板的中心處于區(qū)域邊緣形模板的中心正好在角點(diǎn)時(shí)，USAN 的地域最乎相同的像素點(diǎn)，若所有像素點(diǎn)的總數(shù)小于選原理，Smith 等人才得出了 SUSAN 的檢測(cè)算法（a）圓形模板在同一區(qū)域中（b）核心在區(qū)域中

從二維高斯函數(shù)分布圖可以看出，越靠近像素中心權(quán)值越大。圖 3.1 二維高斯函數(shù)分布圖3.1.2 雙邊濾波雙邊濾波是針對(duì)高斯濾波的缺陷提出的一種改進(jìn)濾波方式[50]。由于本文需要提取圖像中物體的輪廓邊緣，因此需要保留物體的邊緣信息。雙邊濾波與高斯濾波不同在于其是非線性的，該方式簡(jiǎn)單、不需要迭代，最重要的是該方法考慮局部等特點(diǎn)。另外，雙邊濾波能夠處理噪聲的同時(shí)保留邊緣信息，其最大的優(yōu)點(diǎn)就是邊緣保存[51]。雙邊濾波結(jié)合了圖像之間空間相鄰度和像素值相似度，同時(shí)將像素值的差異變化添加進(jìn)權(quán)值函數(shù)，因此大大改進(jìn)了高斯濾波平滑邊緣的弱點(diǎn)。通過(guò)研究發(fā)現(xiàn)，雙邊濾波的權(quán)值的本身就是高斯函數(shù)，其權(quán)值主要的影響因素來(lái)源于像素的差值和空間位置變化。高斯模板，又稱定義域核 ，可以表示為：（3.4）其中， 表示這個(gè)像素的坐標(biāo)值， 表示該像素相鄰像素的坐標(biāo)值， 表示空間坐標(biāo)濾波器�；叶燃�(jí)的差值是由函數(shù)系數(shù)的生成模板生成的，又稱為值域核


本文編號(hào)：3071273