在城市基礎(chǔ)設(shè)施建設(shè)中和一些大型工程項(xiàng)目中,比如水壩建設(shè),礦山開采,港口儲(chǔ)運(yùn)等,這些工程場(chǎng)景下都會(huì)出現(xiàn)細(xì)沙堆,碎石堆等物料堆。這些物料堆的量化對(duì)于工程項(xiàng)目的管理是非常重要的一個(gè)環(huán)節(jié),只有對(duì)物料堆進(jìn)行了有效的計(jì)量就能改善工程場(chǎng)景的管理與提高工作效率。但是目前對(duì)這些體積較為龐大且外形不夠規(guī)則的物料堆并沒(méi)有一個(gè)非常適用的測(cè)量方法,同時(shí)近年來(lái)立體視覺(jué)技術(shù)的快速發(fā)展,使得智能汽車、勘探汽車等都安裝了相關(guān)的傳感器來(lái)檢測(cè)周圍環(huán)境�；谝陨显�,本文從車輛立體視覺(jué)出發(fā),研究出一種獲得物料堆三維信息來(lái)估算目標(biāo)物體積的方法,主要從以下三個(gè)方面:研究了經(jīng)過(guò)標(biāo)定的立體視覺(jué)圖像的特征點(diǎn)提取問(wèn)題,針對(duì)提取特征點(diǎn)的數(shù)量與提取算法的速度,本文將算法速度較快的FAST算法與邊緣特征提取效果較好的Canny算法進(jìn)行融合,將兩者在建立的尺度空間中獲得的特征點(diǎn)進(jìn)行合并,加強(qiáng)邊緣點(diǎn)的特征信息。由于兩個(gè)算法都不具有旋轉(zhuǎn)不變性與尺度不變性,將SIFT算法中對(duì)特征點(diǎn)的描述方法應(yīng)用在兩個(gè)算法融合得到的特征點(diǎn)上。在不同的場(chǎng)景下對(duì)算法進(jìn)行了測(cè)試與比較,本文提出的算法能得到較多正確匹配的特征點(diǎn)對(duì),同時(shí)在算法速度上也有了相應(yīng)的提升。對(duì)雙目圖像中... 

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外立體視覺(jué)研究現(xiàn)狀
        1.2.1 國(guó)外立體視覺(jué)研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)立體視覺(jué)研究現(xiàn)狀
    1.3 立體視覺(jué)三維測(cè)量研究現(xiàn)狀
    1.4 物料堆三維測(cè)量中存在的問(wèn)題
    1.5 內(nèi)容安排和技術(shù)路線
第2章 車載雙目相機(jī)模型與標(biāo)定
    2.1 攝像機(jī)模型
        2.1.1 針孔相機(jī)模型
        2.1.2 雙目相機(jī)模型
    2.2 攝像機(jī)標(biāo)定
        2.2.1 相機(jī)標(biāo)定原理
        2.2.2 雙目視覺(jué)標(biāo)定方法
        2.2.3 雙目相機(jī)標(biāo)定實(shí)驗(yàn)結(jié)果
    2.3 智能車實(shí)驗(yàn)平臺(tái)
    2.4 本章小結(jié)
第3章 基于立體視覺(jué)的特征點(diǎn)提取技術(shù)研究
    3.1 特征點(diǎn)算法分析
        3.1.1 FAST角點(diǎn)檢測(cè)
        3.1.2 Canny算法
        3.1.3 SIFT算法
    3.2 改進(jìn)SIFT的特征匹配算法
        3.2.1 優(yōu)化Canny算法
        3.2.2 改進(jìn)SIFT算法設(shè)計(jì)
    3.3 實(shí)驗(yàn)結(jié)果
        3.3.1 優(yōu)化后的Canny邊緣檢測(cè)
        3.3.2 改進(jìn)后的SIFT算法
    3.4 本章小結(jié)
第4章 基于特征點(diǎn)的立體匹配技術(shù)研究
    4.1 立體匹配技術(shù)介紹
        4.1.1 立體匹配技術(shù)的分類
        4.1.2 立體匹配技術(shù)的組成
        4.1.3 立體匹配技術(shù)的基本步驟
    4.2 立體匹配算法
        4.2.1 BM算法概述
        4.2.2 SGBM算法概述
        4.2.3 誤匹配點(diǎn)剔除
    4.3 實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第5章 物料堆的三維測(cè)量與體積計(jì)算研究及分析
    5.1 獲取物料堆的三維信息
        5.1.1 物料堆的三維測(cè)量
        5.1.2 物料堆的體積計(jì)算
    5.2 實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)
        5.2.1 實(shí)驗(yàn)平臺(tái)搭建
        5.2.2 實(shí)驗(yàn)方案
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 實(shí)驗(yàn)結(jié)果
        5.3.2 實(shí)驗(yàn)分析
    5.4 本章小結(jié)
第6章 結(jié)論
    6.1 研究總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間獲得與學(xué)位論文相關(guān)的成果


【參考文獻(xiàn)】：
期刊論文
[1]類腦智能引導(dǎo)AI未來(lái)[J]. 張曉林.  自然雜志. 2018(05)
[2]基于運(yùn)動(dòng)散斑的物體三維形貌測(cè)量方法[J]. 孫俊鋒,徐玉華,趙曉楓,謝良,張小虎.  實(shí)驗(yàn)力學(xué). 2018(05)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的雙目立體視覺(jué)匹配算法[J]. 肖進(jìn)勝,田紅,鄒文濤,童樂(lè),雷俊鋒.  光學(xué)學(xué)報(bào). 2018(08)
[4]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的稠密視差圖提取方法[J]. 黃東振,趙沁,劉華巍,李寶清,袁曉兵.  激光與光電子學(xué)進(jìn)展. 2018(12)
[5]基于Kriging插值算法的三維地形構(gòu)造研究[J]. 薄楊,黃存東.  長(zhǎng)沙大學(xué)學(xué)報(bào). 2018(02)
[6]基于改進(jìn)Kriging插值模型的城市地面沉降變形趨勢(shì)面模擬[J]. 伊堯國(guó),劉慧平,齊建超,段紅志,劉湘平,張洋華.  大地測(cè)量與地球動(dòng)力學(xué). 2017(09)
[7]從百度Apollo計(jì)劃探討無(wú)人駕駛技術(shù)的發(fā)展[J]. 扈杭.  數(shù)字通信世界. 2017(09)
[8]SGBM算法與BM算法分析研究[J]. 張歡,安利,張強(qiáng),郭迎鋼,宋錫寧,高乾.  測(cè)繪與空間地理信息. 2016(10)
[9]深度成像理論與實(shí)現(xiàn)[J]. 劉子偉,許廷發(fā),王洪慶,申子宜,饒志濤.  紅外與激光工程. 2016(07)
[10]一種用于三維人臉重建的快速稠密視差圖生成方法[J]. 谷天,陳江龍,李科,曾東.  西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)

博士論文
[1]基于雙目立體視覺(jué)的羊體尺參數(shù)提取及三維重構(gòu)的研究[D]. 周艷青.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[2]立體匹配技術(shù)的研究[D]. 耿英楠.吉林大學(xué) 2014

碩士論文
[1]基于雙目立體視覺(jué)的大尺寸物體變形檢測(cè)[D]. 管媛媛.西安理工大學(xué) 2018
[2]基于雙目立體視覺(jué)三維重建技術(shù)研究[D]. 李彪.西安科技大學(xué) 2018
[3]雙目視覺(jué)與障礙物探測(cè)方法研究[D]. 劉然.西安石油大學(xué) 2018
[4]基于雙目立體視覺(jué)的大堆物料體積測(cè)量方法研究[D]. 毛琳琳.中國(guó)計(jì)量學(xué)院 2015
[5]雙目視覺(jué)中立體匹配算法的研究與實(shí)現(xiàn)[D]. 周芳.大連理工大學(xué) 2013
[6]基于多目視覺(jué)的物料堆體積測(cè)量的研究[D]. 雷剛.東北大學(xué) 2012
[7]料堆測(cè)量系統(tǒng)三維重建算法研究[D]. 陳春.東北大學(xué) 2011



本文編號(hào)：3730966