近年來(lái)隨著汽車保有量的逐步增長(zhǎng),汽車的行駛安全和運(yùn)行維護(hù)成為了人們?nèi)找骊P(guān)注的焦點(diǎn),因此對(duì)汽車性能參數(shù)的定期檢測(cè)也成為了汽車運(yùn)用工程領(lǐng)域的重要研究?jī)?nèi)容。汽車的形貌檢測(cè)是汽車檢測(cè)研究的重要組成部分,而基于機(jī)器視覺(jué)的三維重建技術(shù)也已成為包括汽車在內(nèi)的物體形貌檢測(cè)的重要方法。由于基于機(jī)器視覺(jué)的汽車形貌檢測(cè)方法具有非接觸測(cè)量、自動(dòng)化程度較高、成本較低等優(yōu)點(diǎn)并能為判斷車輛類型、車輛超限檢測(cè)、車輛尺寸參數(shù)測(cè)量等提供可靠的依據(jù),因此研究基于機(jī)器視覺(jué)的汽車形貌檢測(cè)方法對(duì)車輛尺寸快速檢測(cè)、車輛智能分類等具有重要研究意義。在分析汽車形貌檢測(cè)研究現(xiàn)狀的基礎(chǔ)上,為了實(shí)現(xiàn)在汽車車身的較大尺度范圍的檢測(cè)中所采用的無(wú)公共視場(chǎng)相機(jī)的測(cè)量結(jié)果的統(tǒng)一,研究了基于內(nèi)、外部閉環(huán)解算模型的雙目主動(dòng)視覺(jué)汽車形貌檢測(cè)方法。該方法的檢測(cè)系統(tǒng)包括雙目視覺(jué)左右內(nèi)部相機(jī)、投影光平面和無(wú)公共視場(chǎng)外部相機(jī)等組成部分,并構(gòu)建了內(nèi)部閉環(huán)解算模型和外部閉環(huán)解算模型以實(shí)現(xiàn)各部分的相機(jī)標(biāo)定。根據(jù)建立的柱面靶標(biāo)-左右內(nèi)部相機(jī)-單外部攝像機(jī)的內(nèi)部雙閉環(huán)模型,解算了雙目視覺(jué)左右相機(jī)投影矩陣和柱面靶標(biāo)與左右相機(jī)的三維單應(yīng)關(guān)系。由建立的柱面靶標(biāo)-中繼相機(jī)-兩個(gè)外部... 

【文章來(lái)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(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

車輛超載

調(diào)制解調(diào)獲得物體的三維輪廓[15-16]。主動(dòng)測(cè)量可以測(cè)量難以接觸的被測(cè)物體如輻射體、高溫物體等同時(shí)可以對(duì)光滑曲面進(jìn)行測(cè)量，且采集速度較快，因此得到了廣泛的應(yīng)用。主動(dòng)測(cè)量分為激光測(cè)量和結(jié)構(gòu)光測(cè)量。采用飛行時(shí)間法的激光測(cè)量房屋結(jié)構(gòu)表面，激光測(cè)量具有安全、簡(jiǎn)便的優(yōu)點(diǎn)，但同時(shí)測(cè)量成本較高。結(jié)構(gòu)光測(cè)量方法通常使用一個(gè)結(jié)構(gòu)光光源、一個(gè)或多個(gè)攝像機(jī)，與激光測(cè)量相比由于不需要高精度的計(jì)時(shí)機(jī)構(gòu)而具有明顯的成本優(yōu)勢(shì)。主動(dòng)視覺(jué)測(cè)量的結(jié)構(gòu)光光源可分為點(diǎn)結(jié)構(gòu)光、線結(jié)構(gòu)光和光柵結(jié)構(gòu)光等[17]。點(diǎn)結(jié)構(gòu)光將圖1.1車輛超載圖1.2車輛非法改裝

除了常見(jiàn)的接觸式檢測(cè)方法，非接觸式檢測(cè)方法在國(guó)內(nèi)外也得到了快速發(fā)展。非接觸式檢測(cè)不僅在汽車形貌檢測(cè)上得到了應(yīng)用，對(duì)于結(jié)構(gòu)復(fù)雜、高溫不方便測(cè)量以及大型復(fù)雜的物體也都有應(yīng)用。JoergArnold于2008年提出了一種汽車事故現(xiàn)場(chǎng)及事故車輛三維重建的方法[24]，如圖1.3所示。采用3D激光掃描儀和攝影系統(tǒng)，在事故現(xiàn)場(chǎng)通過(guò)掃描記錄3D數(shù)據(jù)，對(duì)車輛進(jìn)行精確重建，詳細(xì)評(píng)估車輛的接觸區(qū)域和碰撞損傷，判斷車輛的最終碰撞損傷以及是否是不同觸點(diǎn)疊加損傷的結(jié)果。KenanMu于2016年提出基于高斯差分的多尺度邊緣融合車輛檢測(cè)[25]，如圖1.4所示。首先，分解得到多尺度的圖像，然后，利用DoG算子對(duì)得到的圖像進(jìn)行多尺度邊緣提取，根據(jù)提出的邊緣融合方案進(jìn)行融合得到一個(gè)定位準(zhǔn)確、抗噪聲能力強(qiáng)的邊緣圖。最后，將形態(tài)學(xué)運(yùn)算和連通性分析應(yīng)用于得到的邊緣圖，就可以實(shí)現(xiàn)對(duì)不同天氣條件下的交通圖像進(jìn)行精準(zhǔn)的檢測(cè)。圖1.3碰撞車輛渲染的3D重建數(shù)據(jù)集圖1.4車輛邊緣檢測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺(jué)的車輛輪廓尺寸測(cè)量裝置[J]. 董綿綿,呂志剛,張應(yīng).  自動(dòng)化與儀表. 2019(10)
[2]基于邊緣擬合的雙目視覺(jué)定位與測(cè)量方法[J]. 方建中,許四祥,楊宇,王洋.  光學(xué)技術(shù). 2019(04)
[3]基于單幅光柵條紋圖像的鋼軌表面三維重構(gòu)研究[J]. 高常強(qiáng),顧桂梅,趙建龍,鄒逸.  傳感器與微系統(tǒng). 2019(07)
[4]面結(jié)構(gòu)光在三維測(cè)量中的應(yīng)用技術(shù)研究[J]. 劉新宇.  航空制造技術(shù). 2019(10)
[5]我國(guó)汽車檢測(cè)技術(shù)發(fā)展研究[J]. 成萍.  科技風(fēng). 2018(18)
[6]攝像機(jī)標(biāo)定系統(tǒng)的設(shè)計(jì)[J]. 高磊,莫冰.  電腦與電信. 2017(12)
[7]基于線結(jié)構(gòu)光的光條中心亞像素提取研究[J]. 顧益蘭,李鋒.  電子設(shè)計(jì)工程. 2017(21)
[8]基于立體視覺(jué)的被動(dòng)測(cè)距技術(shù)研究[J]. 馬繼紅,陳安方,趙玉芹.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(09)
[9]機(jī)器視覺(jué)在車輛外廓尺寸檢測(cè)中的技術(shù)研究[J]. 蔡文,吳黎明,陳嘉源,李福堅(jiān),楊耀光.  電視技術(shù). 2015(07)
[10]基于Hessian矩陣的多結(jié)構(gòu)光條紋中心快速提取方法[J]. 賈衛(wèi)平,王邦國(guó).  大連大學(xué)學(xué)報(bào). 2014(06)

博士論文
[1]復(fù)雜零件三維重建與點(diǎn)云配準(zhǔn)技術(shù)研究[D]. 程旭.華中科技大學(xué) 2019

碩士論文
[1]汽車形貌的無(wú)運(yùn)動(dòng)約束支撐臺(tái)主動(dòng)視覺(jué)檢測(cè)方法研究[D]. 袁靜.吉林大學(xué) 2019
[2]汽車形貌檢測(cè)系統(tǒng)平面靶標(biāo)標(biāo)定與車身特征點(diǎn)重建方法[D]. 張馨元.吉林大學(xué) 2017
[3]基于計(jì)算機(jī)視覺(jué)的車輛外廓尺寸測(cè)量系統(tǒng)研究與應(yīng)用[D]. 袁涵.安徽大學(xué) 2014



本文編號(hào)：3532022