諸如航空航天、船舶等工業(yè)制造領(lǐng)域內(nèi)的大型設(shè)備研制生產(chǎn)需要對各類大型構(gòu)件進行三維測量。由于大型構(gòu)件結(jié)構(gòu)復(fù)雜、尺寸大,通常利用合作靶標輔助完成三維參量測量,測量過程中儀器需要瞄準布置在構(gòu)件表面的靶標,通過獲取靶標圖像并對其進行位姿估計實現(xiàn)靶標瞄準。受測量環(huán)境影響,靶標圖像通常發(fā)生離焦模糊退化,并且由于成像系統(tǒng)與其距離較遠,也造成靶標在圖像中的成像區(qū)域空間分辨率低,最終導(dǎo)致采集的靶標圖像表現(xiàn)為低質(zhì)量、低分辨率,現(xiàn)有的位姿估計方法對這類圖像估計結(jié)果的穩(wěn)定性與精度會嚴重退化,難以實現(xiàn)靶標準確瞄準。因此,研究針對低質(zhì)量低分辨率靶標圖像的魯棒位姿估計方法,提高算法的穩(wěn)定性與位姿估計精度,對實現(xiàn)合作靶標精確瞄準和大型構(gòu)件三維參量精密測量具有重要意義與應(yīng)用價值。本文在分析低質(zhì)量低分辨率圖像對位姿估計穩(wěn)定性影響的基礎(chǔ)上,提出了基于CAD模型的目標檢測與圖像復(fù)原方法,以及一種基于多特征融合的改進加權(quán)EPnP（weighted EPnP,wEPnP）位姿估計方法。首先,針對低質(zhì)模糊圖像會淹沒目標邊緣特征,降低特征提取與位姿估計的準確性的問題,利用目標CAD模型進行目標檢測,有效分割目標區(qū)域,并基于CAD模型中... 

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 合作目標位姿估計方法研究現(xiàn)狀
        1.2.1 目標幾何特征提取方法
        1.2.2 合作目標位姿估計方法
    1.3 圖像復(fù)原方法研究現(xiàn)狀
        1.3.1 圖像盲復(fù)原方法
        1.3.2 圖像非盲復(fù)原方法
    1.4 研究意義及研究內(nèi)容
        1.4.1 研究意義
        1.4.2 研究內(nèi)容
第二章 基于CAD模型的3D目標檢測方法
    2.1 引言
    2.2 基于CAD模型的3D目標檢測原理
    2.3 3D目標圖像預(yù)處理
    2.4 目標檢測方法
        2.4.1 視點位置規(guī)劃
        2.4.2 模板匹配指標
        2.4.3 目標確認指標
    2.5 基于CAD模型的3D目標檢測方法實現(xiàn)
    2.6 小結(jié)
第三章 基于模型的3D目標離焦模糊圖像恢復(fù)方法
    3.1 引言
    3.2 目標圖像離焦退化與復(fù)原
        3.2.1 圖像離焦退化原理
        3.2.2 圖像非盲復(fù)原
    3.3 基于EPCPSO的離焦圖像PSF估計
        3.3.1 混沌PSO算法
        3.3.2 群能量保持CPSO算法
    3.4 目標圖像恢復(fù)質(zhì)量評價指標
        3.4.1 復(fù)原圖像質(zhì)量評價指標
        3.4.2 基于模型的邊緣加權(quán)圖像質(zhì)量評價指標
    3.5 基于模型的3D目標離焦圖像恢復(fù)算法及實現(xiàn)
    3.6 小結(jié)
第四章 多特征融合的3D目標位姿估計方法
    4.1 引言
    4.2 目標幾何特征提取及匹配方法
        4.2.1 目標點特征和直線特征提取方法
        4.2.2 目標面特征提取方法
        4.2.3 基于模型的目標特征點匹配方法
    4.3 多特征融合的位姿估計方法
        4.3.1 相機成像模型
        4.3.2 EPnP位姿估計算法
        4.3.3 多特征融合的wEPnP算法
    4.4 多特征融合的3D目標位姿估計方法實現(xiàn)
    4.5 小結(jié)
第五章 實驗與分析
    5.1 引言
    5.2 3D目標檢測實驗及分析
    5.3 3D目標圖像恢復(fù)實驗及分析
    5.4 3D目標位姿估計實驗及分析
        5.4.1 低分辨率仿真圖像位姿估計實驗及分析
        5.4.2 低分辨率3D目標圖像位姿估計實驗及分析
    5.5 3D靶標位姿估計實驗及分析
    5.6 小結(jié)
第六章 結(jié)論及展望
    6.1 結(jié)論
    6.2 展望
參考文獻
致謝
作者及導(dǎo)師簡介
附件


【參考文獻】：
期刊論文
[1]改進矢量外推Richardson-Lucy算法在波前編碼圖像復(fù)原中的應(yīng)用[J]. 趙惠,夏晶晶,張凌,樊學(xué)武.  光子學(xué)報. 2019(06)
[2]基于灰度差分與模板的Harris角點檢測快速算法[J]. 張立亭,黃曉浪,鹿琳琳,陳竹安,徐志寬.  儀器儀表學(xué)報. 2018(02)
[3]相機位姿估計的加權(quán)正交迭代算法[J]. 周潤,張征宇,黃敘輝.  光學(xué)學(xué)報. 2018(05)
[4]基于自適應(yīng)雙lp-l2范數(shù)的單幅模糊圖像超分辨率盲重建[J]. 李滔,何小海,滕奇志,吳小強.  計算機應(yīng)用. 2017(08)
[5]圖像邊緣輪廓自適應(yīng)閾值的角點檢測算法[J]. 趙亞利,章為川,李云紅.  中國圖象圖形學(xué)報. 2016(11)
[6]基于共面直線迭代加權(quán)最小二乘的相機位姿估計[J]. 張振杰,郝向陽,程傳奇,黃忠義.  光學(xué)精密工程. 2016(05)
[7]基于Hough一維變換的直線檢測算法[J]. 張振杰,郝向陽,劉松林,程傳奇.  光學(xué)學(xué)報. 2016(04)
[8]圖像的角點檢測研究綜述[J]. 章為川,孔祥楠,宋文.  電子學(xué)報. 2015(11)
[9]相機位姿估計的加速正交迭代算法[J]. 李鑫,龍古燦,劉進博,張小虎,于起峰.  光學(xué)學(xué)報. 2015(01)
[10]利用全局信息提取靶標特征的方法[J]. 趙連軍,劉恩海,張文明,趙汝進.  光學(xué)學(xué)報. 2014(04)



本文編號：3698182