隨著工業(yè)4.0以及中國(guó)智能制造2025的快速推進(jìn),視覺(jué)測(cè)量方法的應(yīng)用越來(lái)越廣泛,視覺(jué)測(cè)量精度取決于攝像機(jī)的標(biāo)定精度,傳統(tǒng)視覺(jué)測(cè)量標(biāo)定方法采用張氏標(biāo)定法,該方法為離線標(biāo)定無(wú)法滿(mǎn)足大批量零件檢測(cè)的需求,如此自適應(yīng)標(biāo)定成為視覺(jué)測(cè)量領(lǐng)域中重要的標(biāo)定方法,但由于傳統(tǒng)自適應(yīng)標(biāo)定方法魯棒性差、精度低,無(wú)法應(yīng)用于實(shí)際測(cè)量中。針對(duì)上述問(wèn)題,本文提出一種基于動(dòng)態(tài)測(cè)量的雙目視覺(jué)自適應(yīng)標(biāo)定方法,拍攝三對(duì)圖像即可保證在同等精度標(biāo)定參數(shù)的基礎(chǔ)上,提高自適應(yīng)標(biāo)定的魯棒性。首先,對(duì)攝像機(jī)自適應(yīng)標(biāo)定的原理及方法進(jìn)行分析與研究。分析了幀差法與特征匹配算法的基本原理,介紹了攝像機(jī)自適應(yīng)標(biāo)定模型和畸變模型,研究了三大坐標(biāo)系之間的矩陣轉(zhuǎn)換關(guān)系以及雙目配準(zhǔn)原理。在上述原理基礎(chǔ)上,研究基于動(dòng)態(tài)測(cè)量的雙目視覺(jué)自適應(yīng)標(biāo)定方法,對(duì)自適應(yīng)標(biāo)定在高光場(chǎng)景下的影響進(jìn)行分析,提出了全局閾值法去高光并利用局部增長(zhǎng)比例系數(shù)恢復(fù)物體的紋理梯度性。當(dāng)對(duì)運(yùn)動(dòng)物體進(jìn)行視覺(jué)測(cè)量時(shí),自適應(yīng)標(biāo)定會(huì)產(chǎn)生誤匹配點(diǎn),提出采用篩選匹配點(diǎn)的方法去除誤匹配點(diǎn),分析攝像機(jī)內(nèi)參數(shù)與對(duì)極約束點(diǎn)之間的約束關(guān)系,研究攝像機(jī)內(nèi)參數(shù)的求解過(guò)程,獲得攝像機(jī)內(nèi)參數(shù)求解方程。通過(guò)對(duì)攝像機(jī)內(nèi)參數(shù)... 

【文章來(lái)源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 存在的關(guān)鍵性問(wèn)題
    1.4 本文主要研究?jī)?nèi)容
第2章 攝像機(jī)自適應(yīng)標(biāo)定相關(guān)理論
    2.1 自適應(yīng)標(biāo)定預(yù)處理
        2.1.1 幀間差分法
        2.1.2 特征匹配算法
    2.2 攝像機(jī)自適應(yīng)標(biāo)定模型
        2.2.1 攝像機(jī)成像模型
        2.2.2 雙目視覺(jué)標(biāo)定數(shù)學(xué)模型
        2.2.3 攝像機(jī)自標(biāo)定模型
        2.2.4 攝像機(jī)畸變模型
    2.3 雙目配準(zhǔn)原理
    2.4 本章小結(jié)
第3章 基于動(dòng)態(tài)測(cè)量的雙目視覺(jué)自適應(yīng)標(biāo)定原理和過(guò)程
    3.1 雙目視覺(jué)標(biāo)定模型
    3.2 基于動(dòng)態(tài)測(cè)量的雙目視覺(jué)自適應(yīng)標(biāo)定算法
        3.2.1 去除高光區(qū)域
        3.2.2 篩選誤匹配點(diǎn)
        3.2.3 攝像機(jī)內(nèi)參數(shù)標(biāo)定
        3.2.4 攝像機(jī)外參數(shù)標(biāo)定
    3.3 仿真實(shí)驗(yàn)驗(yàn)證
        3.3.1 仿真過(guò)程
        3.3.2 魯棒性分析
    3.4 本章小結(jié)
第4章 基于動(dòng)態(tài)測(cè)量的雙目視覺(jué)自適應(yīng)標(biāo)定實(shí)驗(yàn)研究
    4.1 基于實(shí)際拍攝測(cè)試集的標(biāo)定實(shí)驗(yàn)
    4.2 基于實(shí)際測(cè)量的實(shí)驗(yàn)過(guò)程
        4.2.1 雙目視覺(jué)標(biāo)定參數(shù)矯正
        4.2.2 圖像預(yù)處理
        4.2.3 二維迭代最近點(diǎn)算法
        4.2.4 基于鈑金件測(cè)量的尺寸要求
        4.2.5 基于二維ICP算法鈑金件分類(lèi)識(shí)別
    4.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)SIFT-ICP算法的物體點(diǎn)云建模方法[J]. 于灝,杜華軍,蔡瑩皓,魯濤,王睿,王碩.  高技術(shù)通訊. 2019(08)
[2]基于運(yùn)動(dòng)軌跡的單目相機(jī)位姿自標(biāo)定方法[J]. 張墨逸,張秋余,段宏湘,楊樹(shù)強(qiáng).  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[3]基于平面運(yùn)動(dòng)約束的攝像機(jī)自標(biāo)定方法[J]. 吳文歡,朱虹,吳向榮.  儀器儀表學(xué)報(bào). 2019(01)
[4]機(jī)器視覺(jué)技術(shù)在現(xiàn)代汽車(chē)制造中的應(yīng)用綜述[J]. 尹仕斌,任永杰,劉濤,郭思陽(yáng),趙進(jìn),邾繼貴.  光學(xué)學(xué)報(bào). 2018(08)
[5]移動(dòng)高光對(duì)三維場(chǎng)景重建的影響與消除[J]. 全思博,李偉光.  光學(xué)精密工程. 2017(07)
[6]一種行星車(chē)視覺(jué)導(dǎo)航系統(tǒng)的立體校正算法[J]. 王懷超,張學(xué)全,李海豐.  宇航學(xué)報(bào). 2017(02)
[7]一種新的圓光柵偏心參數(shù)自標(biāo)定方法[J]. 馮超鵬,祝連慶,潘志康,郭陽(yáng)寬.  儀器儀表學(xué)報(bào). 2016(11)
[8]二維點(diǎn)輪廓與矢量輪廓配準(zhǔn)研究[J]. 黃方,寧濤,陳志同,沈云超.  圖學(xué)學(xué)報(bào). 2016(05)
[9]基于純平移兩視圖幾何的鏡頭畸變參數(shù)標(biāo)定[J]. 劉陽(yáng),劉巍,徐鵬濤,王靈麗,賈振元.  光學(xué)精密工程. 2016(04)
[10]深度約束的零件尺寸測(cè)量系統(tǒng)標(biāo)定方法[J]. 肖志濤,朱莎莎,耿磊,李月龍,劉文超,葉琨.  紅外與激光工程. 2015(09)

博士論文
[1]空間非合作目標(biāo)的單目視覺(jué)姿態(tài)測(cè)量技術(shù)研究[D]. 洪裕珍.中國(guó)科學(xué)院光電技術(shù)研究所 2017
[2]多攝像機(jī)三維重建技術(shù)與應(yīng)用[D]. 張柳新.北京理工大學(xué) 2010

碩士論文
[1]基于背景減除法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D]. 梁碩.西安石油大學(xué) 2019
[2]基于深度學(xué)習(xí)的視頻監(jiān)控下行人異常檢測(cè)[D]. 楊青.貴州大學(xué) 2019
[3]遠(yuǎn)程多路視頻采集傳輸與大場(chǎng)景拼接技術(shù)研究[D]. 雷文靜.東北師范大學(xué) 2019
[4]基于消隱點(diǎn)的立體視覺(jué)標(biāo)定及實(shí)驗(yàn)研究[D]. 高勝彪.哈爾濱理工大學(xué) 2019
[5]基于像素閾值改進(jìn)八點(diǎn)法的室內(nèi)視覺(jué)定位算法研究[D]. 譚競(jìng)揚(yáng).哈爾濱工業(yè)大學(xué) 2018
[6]基于SIFT算法的雙目立體視覺(jué)定位研究[D]. 李耀云.太原理工大學(xué) 2013
[7]基于混合優(yōu)化算法的攝像機(jī)自標(biāo)定方法研究[D]. 林立財(cái).南昌航空大學(xué) 2009
[8]攝像機(jī)自標(biāo)定方法研究[D]. 李劍飛.合肥工業(yè)大學(xué) 2007



本文編號(hào)：3408427