伴隨著計算機(jī)的不斷發(fā)展,利用機(jī)器視覺對物體進(jìn)行測量的益處變得愈發(fā)明顯。利用雙目視覺的方式進(jìn)行檢測擁有高精準(zhǔn)、強(qiáng)魯棒的特點,符合對測量物體的高精度需求。正是因為這樣的特性,使得該項檢測技術(shù)成為目前發(fā)展較快的技術(shù)之一。由于測量物體可能是曲面或者測量尺寸較大,在保證分辨率一定的情況下,由于攝像機(jī)視場的原因沒辦法通過一次拍攝得到完整的參數(shù)信息。所以如何較好的進(jìn)行點云間的拼接,將多次拍攝的物體參數(shù)進(jìn)行統(tǒng)一整理就成了測量曲面物體的一個重要環(huán)節(jié)。本文主要研究了雙目立體視覺檢測系統(tǒng)中的點云拼接技術(shù)。通過分析曲面拼接技術(shù)的原理與雙目視覺檢測方式,搭建了基于隨機(jī)點的雙目立體視覺曲面點云拼接系統(tǒng)。通過對低紋理、光滑的曲面加入了基于隨機(jī)點的灰度變化信息從而增加了得到的特征點數(shù)量。特征點數(shù)量的增加對點云拼接的粗拼接起到積極的作用。通過采用八叉樹的方法對雙目視覺系統(tǒng)得來的離散的點云進(jìn)行體素化,得到可以類比于二維圖像像素的體素。通過利用SIFT算子（Scale-invariant feature transform）從融入了隨機(jī)點信息的點云中提取特征點。根據(jù)提取到的特征點進(jìn)行曲面點云的粗匹配。利用針對傳統(tǒng)ICP（I... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

焦距與視野角度的關(guān)系

第2章尺寸不變特征算子特征點的生成6第2章尺寸不變特征算子特征點的生成2.1圖像中的SIFT算子生成經(jīng)過點云的體素化過程，可以將三維的點云所在的體素近似的看成二維圖像的像素。尺寸不變特征(Scale-invariantfeaturetransform)，以下簡稱SIFT算子，是一種運(yùn)用局部特征來尋找空間尺寸內(nèi)極值點的方法。利用此算子可以得到這個特征點的位置、尺寸、旋轉(zhuǎn)不變的參量。SIFT算法是1999年Davidlowe首次提出，并再2004年進(jìn)行的大規(guī)模的總結(jié)。該算法的優(yōu)點之一是因為根據(jù)物體本身的一些局部特征、外觀特點來進(jìn)行尋找，所以和影像的大孝旋轉(zhuǎn)的角度無關(guān)。同時對于外部的干擾條件比如光線、噪音，甚至是視角的改變都有很好的兼容性與魯棒性。SIFT算子之所以既可以保持在旋轉(zhuǎn)、尺寸的放大與縮孝亮度的變化過程中有很好的不變性的同時又對視角的改變、外部的噪音、仿射變換有一定的魯棒性，是因為SIFT提取的特征點是局部特征點。算法的第二個明顯優(yōu)點是即使少數(shù)的物體也會有很多的SIFT特征向量，從而會產(chǎn)生大量的SIFT特征點。圖2.1是選擇了三幅不同的二維圖片利用SIFT、Surf、Harris算法提取的特征點。表2.1則是統(tǒng)計了特征點的數(shù)量。圖2.1SIFT，Surf，Harris特征點的圖像

第2章尺寸不變特征算子特征點的生成9………………….(2.1)其中表示正態(tài)分布的標(biāo)準(zhǔn)差。當(dāng)標(biāo)準(zhǔn)差越大的時候，說明圖像被處理的越模糊，如圖所示2.3所示。圖2.3原圖，，，的卷積運(yùn)算圖其中代表模板元素到模板中心的距離，這里稱為模糊半徑，例如二維的圖片大小為，則模板上的元素的對應(yīng)表達(dá)式為公式（2.2）………….(2.2)其中的取值為正整數(shù)。同理，假設(shè)是體素化的三維空間點云大小為，則模板元素的取值也為正整數(shù)且對應(yīng)表達(dá)式公式（2.3）�！�.(2.3)如圖2.4是二維空間的高斯分布圖，圖2.5是三維高斯分布圖。不同的顏色域代表不同的權(quán)重比例。


本文編號：3425240